IMAGE: Ryoji Ikeda (CC BY SA)Los recientes escándalos en torno al uso de los datos personales de los usuarios, las reacciones de Facebook y de otras compañías para mejorar su forma de tratar los datos y tratar de retomar el control de la situación, unidos a la próxima entrada en vigor de la Directiva General de Protección de Datos (GDPR) en la Unión Europea, están trayendo una corriente de pensamiento significativa en torno a la vieja idea de los datos personales como nuevo petróleo, la posible regulación de aquellas compañías que los utilizan para su negocio, y los modelos económicos que puedan surgir a partir de este tipo de esquemas de explotación.

La idea, obviamente, se encuentra en una fase inicial ampliamente especulativa, pero resulta interesante como food for thought: ¿qué traería consigo una economía fundamentada en el reparto de los ingresos que pueden obtenerse a partir de los datos de las personas? ¿No supone, en cierto sentido, una referencia circular (el que vende un producto o servicio paga por utilizar unos datos personales para vender mejor, y el que compra paga gracias a la cesión de esos mismos datos personales) o, en realidad, una entelequia como tal, una forma de plantearse justificar algún tipo de renta básica incondicional en base a la explotación de un recurso? El caso del Fondo Permanente de Alaska, que reparte una parte de los ingresos del petróleo extraído en el subsuelo del estado con sus residentes en forma de pagos periódicos, es utilizado en muchos artículos como un elemento de inspiración, como un paralelismo entre un estado que reparte los ingresos de la explotación de un recurso con unos ciudadanos que son, en muchos sentidos, copropietarios del mismo. ¿Hasta dónde puede llegar la idea de que las compañías que se enriquecen con los datos personales de sus usuarios se vean obligadas a compartir una parte de las rentas generadas por el uso de esos datos con los legítimos propietarios de los mismos, dando lugar así a unos ingresos? ¿Puede basarse una economía digital en la propiedad pública o privada de los datos de las personas, y constituirse fondos que remuneran a esas personas en función del uso de sus datos y de la rentabilidad potencial extraída a partir de los mismos? ¿Estamos hablando, como sugiere Wired, de una nueva guerra fría derivada de los modelos de explotación de datos de las distintas economías y países?

¿Qué características tendría una economía de este tipo, suponiendo que fuese posible? ¿Cuántos recursos pueden extraerse de las compañías que hoy explotan nuestros datos de manera que hacerlo siguiesen representando un negocio razonablemente rentable, pero además, brindase una fuente de ingresos a los propietarios de esos datos, y una serie de alternativas u opciones de control sobre el uso que se lleva a cabo de esos datos? ¿Podríamos llegar a definir las violaciones de privacidad, o el simple hecho de recibir un anuncio al margen de la explotación que hemos autorizado de nuestros datos, como los nuevos tipos delictivos? ¿Quiénes serían los pobres y los ricos en una economía definida en función de esas variables? ¿Tendería ese sistema a la desigualdad – después de todo, podríamos considerar que los datos de una persona son susceptibles de valer más si su poder adquisitivo es más elevado – o a una ecualización progresiva de la sociedad? ¿Qué pasa si los usuarios pasan a tener control total sobre sus datos y toman decisiones en función de sus intereses, como cederlos a unas compañías sí y a otras no, al tiempo que participan de los ingresos generados por ellas? ¿Encontraríamos a “ricos” que no precisan de cesiones de sus datos y viven una vida plácida, no castigados por constantes impactos publicitarios, mientras otros, “pobres”, se ven obligados a aceptar un bombardeo permanente? ¿Y qué ocurre con alternativas como China, en las que es el estado el que tiene acceso a todos los datos y lo utiliza como parte de un sistema de control social?

La entrada de hoy es todo preguntas. sí. ¿Estamos empezando a especular sobre algo que podría terminar siendo la base de todo un nuevo sistema económico y social? Hasta el momento, algunas de las compañías más grandes del mundo lo son porque descubrieron una manera de explotar los datos de sus usuarios que podía brindarles cuantiosos ingresos: ¿es sostenible ese modelo, o estamos viendo, merced a los recientes escándalos, el final del mismo y la llegada de formas alternativas de control sobre la actividad de esas compañías? Y si fuese así, considerando que hablamos de un modelo económico, el de la explotación de los datos, que ha probado su capacidad de generación de ingresos millonarios…  ¿tiene sentido que pasemos a otro, presuntamente más avanzado, en el que esos ingresos revierten no solo en esas compañías y en sus accionistas, sino también en sus usuarios? ¿O es todo parte de un proceso de alucinación colectiva? ¿Cuánto hay de realidad posible en la idea de una economía basada en los datos y en su control?

 

IMAGE: RVLsoft - 123RFFacebook anuncia cambios en el tratamiento de los datos personales de sus usuarios, comenzando por el desarrollo de una página para que puedan gestionar su privacidad de manera supuestamente más sencilla y accesible, y siguiendo por la eliminación de un servicio, Partner Categories (pdf), que permitía la conexión de los datos de usuarios de la red social con servicios de datos externos en Alemania, Australia, Brasil, Francia, Japón, Reino Unido y Estados Unidos para el desarrollo de campañas con criterios hipersegmentados en función de múltiples criterios.

Estos servicios permitían conectar los datos obtenidos de la actividad de un usuario dentro de Facebook con, por ejemplo, datos sociodemográficos o de comportamiento los obtenidos de programas de lealtad o de infinidad de bases de datos que recogen desde la propiedad de una casa hasta el historial crediticio, pasando por productos habituales en la lista de la compra o hábitos de distintos tipos. Este tipo de datos, procedentes de compañías específicamente dedicadas al data brokering como Acxiom, Epsilon, Experian u Oracle Data Cloud, entre otros, permitían a las compañías establecer criterios que, a la luz del escándalo de Cambridge Analytica, puede ser interpretados por muchos como excesivamente intrusivos o detallados.

¿Lo son? En realidad, estamos en lo de siempre: desde que el marketing se convirtió en lo que es hoy, la explotación de los datos del usuario ha sido una constante, tanto en la red como fuera de ella. Combinar distintas fuentes de datos ofrece, lógicamente, una imagen mucho más detallada y poliédrica de los usuarios, que puede ser utilizada, por tanto, para hacer un mejor análisis de sus posibles necesidades, intereses o comportamientos de compra. Nada especialmente negativo hasta que, lógicamente, se sobrepasan ciertos límites, que marca un sentido común que dentro de la industria, desgraciadamente, se ha vuelto muy poco común. Desde la revelación del escándalo de Cambridge Analytica, además, somos más conscientes – porque en realidad, saberlo como tal, ya lo sabíamos – de que esos datos pueden utilizarse para exponer a personas, en función de una segmentación finísima, a anuncios y campañas publicitarias que intenten sesgar su voto en unas elecciones hacia una opción determinada.

Según la apreciación de Facebook, ese tipo de servicio, a estas alturas y tras el reciente escándalo, podría llevar a que muchos usuarios se sintiesen incómodos con sus prácticas publicitarias, de manera que ha decidido anunciar su eliminación como parte de una campaña, de una forma de intentar limpiar su imagen y de mostrar una supuesta mayor sensibilidad hacia la privacidad. ¿Hablamos de un compromiso real, o de la misma mentalidad puramente estética que les ha llevado a cancelar la presentación de su smart speaker? ¿Qué lleva en realidad a Facebook a cancelar ese producto? ¿Un mayor compromiso con la privacidad, o simplemente anticipar que, en el estado actual de la imagen de la compañía, tratar de vender un dispositivo que se pone en el salón y que está permanentemente conectado a una empresa con esa reputación de explotación exhaustiva de nuestros datos personales no iba a ser sencillo? ¿Cancela Facebook el producto porque ahora, de repente, considera la privacidad un valor importante a proteger, o simplemente porque no lo iba a vender más que a quienes hubiesen pasado el último mes totalmente incomunicados y viviendo en una cueva? Del mismo modo, y como algunos ya han adelantado, ¿cancela Facebook sus Partner Categories porque se ha vuelto más consciente de la amenaza a la privacidad que pueden representar, o simplemente porque eran un servicio que no representaba demasiado en su cuenta de resultados pero cuya eliminación puede capitalizarse estéticamente, o porque, muy posiblemente, iba a ser necesariamente eliminado para cumplir con la directiva de protección de datos (GDPR) que entra en vigor en Europa el próximo 25 de mayo? 

La respuesta a la pregunta parece bastante obvia: como comenté en mi análisis del escándalo de Cambridge Analytica, el problema de Facebook no es el escándalo como tal, sino la constatación de que esas prácticas son, en realidad, en lo que consiste realmente el negocio de Facebook, la actividad que sostiene a la compañía en su conjunto. A partir del momento en que desarrollas toda una plataforma para que terceros puedan hacer marketing, ese marketing, por pura dinámica competitiva y en parte gracias a la propia actividad de Facebook para ofrecer cada vez “mejores” productos, se va a sofisticar hasta un nivel tal que llevará a esos usuarios a sentirse necesariamente incómodos, a verse como auténtico producto que es comprado y vendido por terceros. Esa es la impresión que cada vez más usuarios tienen, y que, en realidad, confirma lo que ya sabían desde hace mucho tiempo: que la idea de conectar a las personas es un simple pretexto para todo lo que viene después, desde anuncios insoportablemente segmentados y basados en datos que jamás pensaste que estarían a disposición de nadie, hasta intentos de sesgar tu voto en unas elecciones en función de sabe dios qué criterios e intereses.

Ese es, en realidad, el problema: que cuando preguntamos al usuario medio si confía en Facebook, cada vez son menos los que lo hacen, y ese resultado no es tanto por el escándalo de Cambridge Analytica como lo es porque, sencillamente, lo que saben de la actividad habitual de Facebook tiende a confirmar sus peores temores, y se convierte, además, en “una historia fácil de creer”. Que la totalidad de los datos que hemos entregado a Facebook estén ahí, en realidad, en función de contratos que hemos firmado con la compañía de manera más o menos consciente cada vez que instalamos alguno de sus productos tampoco ayuda a mejorar esta imagen. Y que las páginas incluso de los mismos medios que investigaron y denunciaron el affair de Cambridge Analytica tengan sus páginas completamente trufadas de trackers de Facebook, Google y muchos más, tampoco.

En este estado de cosas, las actitudes manifestadas por algunos personajes de la industria tecnológica, lógicamente, tampoco ayudan. Elon Musk, que desde hace muchos años ha mantenido relaciones complicadas con Mark Zuckerberg, decidió eliminar las páginas en Facebook de dos de sus compañías, Tesla y SpaceX, con sus más de cinco millones de seguidores, como resultado de un simple intercambio de mensajes a través de Twitter, y tras hacerlo, además, comentó que no solo nunca había comprado publicidad en Facebook ni pagado por ningún celebrity endorsement, sino que además, no le gustaba nada Facebook. El CEO de Apple, Tim Cook, también terció en el tema comentando que en su compañía, al contrario de lo que ocurría en Facebook, “sus clientes no eran el producto” (incidiendo en aquella carta publicada en septiembre de 2014), haciendo un llamamiento al desarrollo de regulación sobre privacidad, y afirmando que “Facebook debería haberse regulado a sí misma, pero que ahora era demasiado tarde para eso“.

Como en todo, este tipo de cuestiones tienen sus matices. Sí, Apple puede tener, indudablemente, prácticas que muchos considerarán más adecuadas con respecto a la privacidad y a la gestión de los datos personales de sus usuarios (prácticas que, de hecho, le complican en muchas ocasiones la atracción de talento en temas como machine learning), pero esto, en realidad, es debido fundamentalmente a la naturaleza de su negocio principal, el de la venta de hardware. En realidad, Apple ha tratado de desarrollar un negocio de venta de publicidad segmentada con su plataforma de publicidad móvil iAd, lanzada en 2010 y eliminada en 2016 tras muchos intentos de hacerla viable, lo que pone a la compañía, según algunos, en una situación de total hipocresía.

En la práctica, los problemas de Facebook con la privacidad son debidos no tanto a un escándalo o a un descuido, sino a la misma esencia de su negocio. Y peor aún, y lamento profundamente el fatalismo: son la prueba de que prácticamente cualquier negocio, si le ofrecemos la posibilidad de convertirse en dominante y de obtener incalculables beneficios gracias a unas prácticas determinadas que muchos podrían considerar poco recomendables, intentará aprovechar la oportunidad de hacerlo, sean las que sean esas prácticas. Posiblemente, a lo largo del tiempo, logremos alcanzar situaciones de equilibrio más adecuadas a todas las partes implicadas, pero esto va a depender de muchos factores, con sus escándalos y sus reacciones incluidas. Es, básicamente, lo que hay. Buena suerte con ello.

 

Es la hora de las empresas con algoritmos inteligentes - Cinco DíasMarimar Jiménez, de Cinco Días, me envió algunas preguntas por correo electrónico para documentar un artículo sobre las ventajas competitivas que puede suponer el machine learning para las compañías, artículo que publicó ayer viernes bajo el título “Es la hora de las empresas con algoritmos inteligentes” (pdf).

Machine learning es, ante todo, un conjunto de herramientas que permiten que una máquina aprenda de manera iterativa de unos datos y sea capaz de desarrollar modelos de forma automatizada, modelos que no han sido específicamente programados por una persona. La herramienta, como tal, tiene suficiente capacidad de disrupción en la forma en la que hacemos muchas cosas como para convertirse en una ventaja competitiva: dado que los algoritmos que se desarrollan se adaptan a los datos y terminan por generar mejores predicciones y resultados que los desarrollados por personas, la compañía que utiliza machine learning obtiene de ello una mayor eficiencia, mejores prestaciones, más agilidad o funciones que antes podían resultar imposibles de obtener.

Pero como herramienta, el machine learning no es algo que se pueda “comprar e instalar”, porque depende de los datos, de su calidad y de su accesibilidad, y requiere por ello toda una orientación al dato, una “data-centricidad” que, para muchas compañías, se antoja aún una quimera, un imposible. Una gran parte de lo que hoy se pretende que es el machine learning está compuesto de expectativas hiper-infladas, de promesas incumplidas y de esperanzas irreales de compañías que pagan por una herramienta y creen que va a convertirlas en la empresa del futuro, cuando la realidad es que simplemente el desarrollo de procedimientos que permitan la obtención y la preparación de los datos se convierte en un trabajo enormemente complejo, que no está al alcance de cualquiera. Como sucede con todas las herramientas, el machine learning se encuentra ahora ante una epidemia de desinformación que pretende que una compañía puede desarrollar poco menos que robots asesinos, cuando la realidad es muy diferente y, sobre todo, mucho más pragmática. Solo aquellas compañías que sean capaces de orientarse a la generación y proceso de datos serán capaces de recoger los frutos del machine learning y convertirlos en verdaderas ventajas competitivas.

A continuación, las preguntas y respuestas que crucé con Marimar:

 

P. ¿Estás de acuerdo en que los datos se han convertido en el principal activo de las compañías? ¿Por qué? Resulta curioso ver cómo empresas como General Electric o Siemens se autodefinen hoy como empresas de datos. ¿Qué está pasando?

R. Los datos permiten obtener la ventaja competitiva en el nuevo planteamiento de los negocios en torno al machine learning. Solo las empresas que sean capaces de obtener y mantener algoritmos más inteligentes y potentes que sus competidores estarán aquí la próxima década, y lo fundamental para obtener esos algoritmos es tener datos con los que alimentarlos. Es algo que llevamos diciendo mucho tiempo ya: si no orientas tu negocio a los datos, maximizando tu intensidad informativa y trabajando con arreglo a tu nivel de permiso, aparecerá otra compañía que sí sea capaz de hacerlo y que proporcione a sus usuarios mejores productos y servicios que tú. Los datos se convierten en el combustible que alimenta el motor de tus algoritmos, pero con los datos no sirve: hay que saber definir los objetivos, prepararlos, transformarlos, construir modelos, evaluaciones, predicciones… orientar la compañía a los datos es solo un primer paso, y los subsiguientes no son tan sencillos o triviales como muchos pretenden vender.

P. Se habla de big data, de analítica de datos, de machine learning, todo como piezas de un mismo puzzle. ¿Es el aprendizaje automático the next big thing? ¿Cómo va a impactar (o está impactando ya) en los negocios? ¿qué podemos esperar de los algoritmos aplicados a los negocios?

R. Hace ya mucho tiempo que el machine learning es the next big thing, lo puedes ver simplemente viendo la evolución de las etiquetas relacionadas en mi página: desde hace un par de años, no paro de hablar del tema y de sus aplicaciones, las compañías que se dedican a ello están siendo objeto de adquisiciones importantísimas, y los gigantes de la red como Google, Amazon, Facebook, Apple o Microsoft están reorientando todas sus estrategias en torno al tema. Hemos pasado de ver a un algoritmo como algo con más capacidad de cálculo, más fuerza bruta matemática que una persona (cuando Deep Blue ganó a Kasparov) a verlo como algo capaz de entender el lenguaje humano mejor que muchas personas (Watson ganando al Jeopardy), capaz de hacer cosas que un humano nunca había hecho gracias al deep learning (AlphaGo ganando a los campeones mundiales de Go) o incluso, a tomar decisiones mejor que un humano en situaciones de información imperfecta (Libratus ganando al póker). La cuestión no es ya que una máquina pueda llegar a hacer lo que hace una persona, sino que, además, lo hace muchísimo mejor. En todo entorno competitivo, quien no sepa extraer partido de algo así, desaparecerá.

P. El profesor de UC Berkeley y experto en aprendizaje automático, Michael I. Jordan, asegura que más y más datos aumenta la probabilidad de hacer conexiones falsas. ¿Será esto un handicap para el avance de la economía de los datos, y cómo puede evitarse?

R. Todo correlaciona con todo dadas las circunstancias adecuadas. Pero precisamente ese es el ámbito en el que el machine learning destaca: se pueden evaluar muchos algoritmos en función de los resultados obtenidos, y aplicar procesos de mejora para que esos resultados sean cada vez mejores. Los algoritmos analizan datos y extraen reglas que permiten generar predicciones, detectar excepciones, aislar patrones… a medida que alimentamos a los algoritmos con más datos, mejoran en esas capacidades, y permiten incluso ponerlos a inventar nuevas situaciones hipotéticas que no han ocurrido anteriormente, a “jugar contra sí mismos” para mejorar los resultados obtenidos. Los datos se obtienen en escenarios de todo tipo, y son aplicados a todo el sistema: cada vehículo autónomo que conduce por un lugar determinado aporta datos que sirven para toda la flota, y los algoritmos son capaces, además, de aprender jugando a juegos como el Grand Theft Auto para generar nuevas situaciones que no se darían en conducción real. Lo importante es entender el proceso: no se trata de sistemas de reglas o de menus, de programación al uso: el machine learning permite posibilidades que sobrepasan aquello para lo que creíamos que era un ordenador.

P. ¿Cuáles son los retos a los que se enfrentan las corporaciones en esta nueva economía, tanto desde el punto de vista tecnológico como cultural o de otro tipo?

R. En este momento, los retos están en orientar la compañía a la generación de datos que puedan ser analizados. Si lo único que generas cuando vendes un producto es eso, una venta, y no tienes más datos ni sobre quién lo compró, ni sus características, ni la evaluación del producto, ni su uso, ni nada, cualquiera que pueda llevar a cabo tu negocio en un entorno más rico en datos superará tus posibilidades muy rápidamente, hará mejores predicciones y convertirá su oferta en más competitiva que la tuya. Pero además de obtener datos (todos pensamos que los tenemos, pero no es así), hay que desarrollar las capacidades para su explotación. Las compañías tienen personas que hacen medias, medianas y modas, con suerte alguna regresión. Esto va mucho más allá. En Amazon, la intuición humana está prohibida a la hora de tomar decisiones: si tomas una decisión, enséñame los datos que la justifican.

P. ¿Hay empresas que han nacido al calor del big data y del machine learning, que no existirían si no fuera por estas tecnologías? Ponme algún ejemplo. ¿Y alguna empresa tradicional que esté haciendo un uso magistral de los datos?

R. Lo más tangible ahora son las adquisiciones y movimientos en torno a las herramientas: todas las grandes han llevado a cabo adquisiciones cuantiosas de compañías de machine learning, adquisiciones que están entre el acqui-hire (la adquisición para incorporar talento) y la aplicación directa de capacidades a sus procesos. Todas las grandes empresas están posicionándose para incorporar esas capacidades, esos especialistas, y ofrecerles entornos en los que puedan desarrollarse. Estamos viviendo los inicios del mayor cambio que la tecnología ha provocado, con un impacto más importante que el propio desarrollo de internet.

 

 

IMAGE: Theeravat Boonnuang - 123RFMarcos Sierra, de Voz Pópuli, me llamó ayer para hablar sobre la transformación de las operadoras al hilo de unas declaraciones del CEO de Orange en España, Laurent Paillassot, y hoy me cita en su artículo titulado “El 5G convertirá a los operadores en ‘compañías de software’” (pdf).

La transformación digital de las operadoras es una cuestión sumamente compleja, que en ningún caso se va a solucionar con un “vamos a convertirnos en empresas de software”. En el proceso de reconversión de la industria de las telecomunicaciones habrá operadoras que opten por una estrategia de liderazgo en costes, que se centren en la pura infraestructura, en el “más gigabytes por menos dinero” y en ser la “dumb pipe” más eficiente, y sin duda, habrá espacio en el mercado para ese posicionamiento. El otro extremo del proceso lo protagonizaran compañías que decidan afrontar la transformación digital en su totalidad, con sus tres etapas, y eso exige un planteamiento mucho más complejo y evolucionado que simplemente “convertirse en empresas de software”.

La transformación digital de las operadoras exige, en primer lugar, una reconversión radical de la capa de interacción con el cliente, algo que muy pocas operadoras están en disposición de acometer, en parte por la fuerte dependencia de sistemas legacy, y en parte – y no menos importante – por cuestiones relacionadas con la cultura corporativa, con la necesidad de acabar con eso que yo en su momento llamaba “mentalidad de operadora“. Después, es preciso acometer un fortísimo desarrollo interno para orientar la compañía a la generación de datos, lo que implica nuevos desarrollos, contratación de personas con habilidades muy diferentes a las que solían contratar, y una mentalidad completamente distinta. Y finalmente, pero radicalmente importante, implica abrazar una mentalidad de plataforma, lo que conlleva convertir toda la compañía en capas de APIs para construir soportes sobre los que todo se genere un ecosistema en el que otras empresas de todo tipo puedan desarrollar negocios. Todo ello teniendo en cuenta las nuevas reglas de la interacción: el respeto al cliente, la portabilidad de los datos y la transparencia en la gestión.

Todo esto supone mucho, muchísimo más que simplemente “convertirse en empresas de software”. Es más, si la frase “convertirnos en empresas de software” implica de alguna manera intentar competir con las empresas de software generando productos para el usuario, es una estrategia condenada al fracaso, porque en algún momento reflejará la triste mentalidad de vulneración de la neutralidad de la red, y caerá en el “privilegio mi app para que funcione mejor que otras”. No, el negocio no es el software. El software va a ser necesario, las compañías que decidan emprender estar ruta van a tener que contratar legiones de desarrolladores bien cualificados y generar una cultura de orientación al desarrollo que no es en absoluto sencilla, pero además, van a tener que entender que la idea no es crear productos finales, sino ser plataforma para los productos de otros. El negocio está en la inteligencia de plataforma, en el machine learning, en la inteligencia artificial y en la capacidad para dar lugar, a partir de sus servicios, a todo un ecosistema del que el cliente quiera formar parte. Y eso ni es sencillo, ni va a estar al alcance de todas las operadoras.

En telecomunicaciones, como en todo, hay empresas en muy distintos momentos de evolución en este sentido. Por el momento, y dicho con todas las reservas que conlleva evaluar un plan cuando está simplemente en sus inicios, lo que he podido ver que me haya resultado más convincente y que me parece que refleja mejor esos principios de transformación digital ha sido la Cuarta Plataforma de Telefonica, pero aunque mover una operadora no sea sencillo y requiera cierto tiempo y esfuerzo, esta industria es dinámica, y es importante tener en cuenta no solo las estrategias, sino la manera en la que se trasladan al mercado. No, redibujar las operadoras no va a resultar sencillo. Pero va a convertirse en la auténtica clave de su futuro.

Sobre este tema, aún nos queda mucho por ver. Y por escribir.

 

 

This post is also available in English in my Medium page, “Redefining the operators

 

Los consumidores mexicanos prefieren que las marcas utilicen promociones inmediatas para recompensar su lealtad, que otras que son canjeables o acumulables.

El 50.5 por ciento de los compradores señalan que prefieren recibir lealtades inmediatas de acuerdo con una encuesta realizada por el Departamento de Investigación de Merca 2.0.

Las empresas que generan programas de lealtad efectivos tienen una doble ventaja, ya que retienen a sus clientes y los convierte en promotores o embajadores de su marca, con lo cual también se construye advocacy marketing.

Según el estudio, el 26.3 por ciento prefieren promociones canjeables, el 14.1 por ciento le agradan acumulables y el 9.1 por ciento en un plazo de tiempo.

Estamos a unos días de que comiencen las celebraciones de fin de año, los consumidores mexicanos tienen claro en dónde harán sus compras, y esos lugares serán también los que ofrezcan mejores promociones.

promociones_encuesta_2

The post Mexicanos prefieren que las marcas les den promociones inmediatas appeared first on Revista Merca2.0.