Volver a la lista

El Gimnasio Inteligente: Inteligencia de Negocios Aplicada al Gerenciamento de Centros Fitness

El aprendizaje de máquinas ha sido adoptado en muchas industrias. Ahora el sector del fitness pueden beneficiarse del aprendizaje de máquinas, proporcionándoles recurribles ideas sobre cómo ejecutar sus clubes para mejorar los ingresos, la retención y la satisfacción general del cliente.

The Smart Gym: Machine Learning in Gym Management

 

Una pregunta: entre los empleados de tu gimnasio cuentas con un Analista de Data?

Sabes ese típico nerd que tiene una oficina en la parte de atrás del gimnasio, que muy pocas veces lo vas a ver en la sala de ejercicios aunque a veces lo ves pasar entre el despliegue de algoritmos y la creación de motores de análisis de data en diferentes modelos de inteligencia de negocios. 

Entendemos que no …

Vamos a ser honestos, hace pocos años atrás la mayoría de los gimnasios tenian que imprimir documentos de mas de 20 paginas con la información de los contratos de los miembros, los archivos de los miembros eran carpetas con copias anexas de los documentos de identidad o las recepcionistas tenian que llamar miembro por miembro en caso de que una clase era cancelada. Nadia pensaba que el acceso automático con lectores de huellas dactilares, compras de membresías en internet o motores de comunicación automatizada iban a ser herramientas estándares en el manejo de un club. 

Hemos dado grandes paso en la modernización del manejo de centros fitness … la pregunta es cual es el futuro de las herramientas de gerenciamiento de gimnasios?

Cada vez más empresas están usando herramientas de análisis predictivo para tomar decisiones gerenciales. No hay motivos para pensar que la industria fitness no vaya a requerir de este tipo de herramientas también. 

Pero aparte de grandes redes globales de gimnasios, practicamente ningun club fitness a nivel mundial se puede dar el lujo de contratar un analista de data que se dedique a hacer recomendaciones y predicciones basado en distintos tipo de data que procesan en relación a sus miembro y su comportamiento como consumidor. 

Y en vista de que el análisis de data es cada día más importante en el manejo de empresas de distintos sectores, es definitivamente el momento que nuestras empresas del mundo fitness deben volverse más “inteligentes” y comenzar a utilizar esa inmensa cantidad de data relacionada a nuestros clientes para tomar decisiones basadas en predicciones confiables y no sencillamente en la intuición. 

Esto nos conduce a esa herramienta que llamamos “inteligencia de negocios”, es decir el proceso de creación de algoritmos complejos que nos permitirán deducir o predecir resultados y tendencias venideras basándonos en el análisis de nuestra data.

Las herramientas de “inteligencia de negocios” están siendo ampliamente usadas en industrias como:

  • Ventas por internet
  • Automóviles auto-conducidos
  • Comercio de productos financieros
  • Motores de búsquedas en internet
  • Industria del entretenimiento

El punto de encuentro de todas estos sectores tan diversos es por supuesto el manejo de datos … grandes cantidades de datos.

Justamente es a través de la recolección y el análisis de esta data a través de la “inteligencia de negocios” que estas industrias, como por ejemplo el de ventas por internet, logran incrementar sus rentas a veces en hasta un 20%

 

Pero es importante resaltar que en el caso de la industria fitness la venta de nuevos contratos es solo el primer medio tiempo del partido. Para conseguir el triunfo hay que jugar el segundo medio tiempo, es decir hay que tener en cuenta los problemas de retención de miembros. Gracias a las herramientas de “inteligencia de negocios” podrás analizar tu data desde la perspectiva de: 

  • Predicciones de renta 
  • Membresías en riesgo de ser canceladas
  • Recomendaciones de clases y actividades para tus miembros
  • Recomendaciones de productos

Gracias a estos análisis podrás literalmente “preveer el futuro” y tomar acciones que te permitirán tomar acciones inmediatas que tendrán un impacto real en tus niveles de retención como en la adquisición de nuevos miembros. 

Pero antes de entrar en sustancia nos gustaría mostrarte como las herramienta de “Inteligencia de negocios” complementan las herramientas tradicionales de gerenciamiento y administración de clubes fitness.

Recolección de Data

De la misma manera que un vehículo necesita de combustible para arrancar, de la misma manera nuestros algoritmos de “inteligencia de negocios” necesitan de data para poder predecir resultados y generar indicaciones de que acciones tomar para aumentar nuestra rentabilidad. 

Afortunadamente, la industria fitness ya está más que acostumbrada al uso de aplicativos y sistemas que funcionan como colectores de data que van impulsar los procesos de análisis de nuestras herramientas de “inteligencia de negocios”. Desde los contadores de calorías, apps de entrenamiento personal, Fitbits, la data está allí esperando a ser utilizada.

Pero incluso sin este tipo de aplicaciones, todo gimnasio está recogiendo data por si mismo, data que es más que suficiente para llevar a cabo análisis complejos basándonos en por ejemplo:

  • Asistencia
  • Edad
  • Sexo
  • Historial de compras
  • Asistencia a clases y entrenamientos personales

Por supuesto existen diferentes tipo de data que te permitirán realizar predicciones de por ejemplo membresías en riesgo o recomendaciones de clases grupales, pero las posibilidades son literalmente infinitas dependiendo de las herramientas de recolección de data que tienes integrada a tus sistema. 

Los procesos inteligentes

En el momento mismo que estás recogiendo esta data, podrás usarla como combustible para esa máquina de algoritmos que llamamos “inteligencia de negocios” y que te permitirá saber más y  entender el comportamiento de tus socios. 

 

El “aprendizaje automático” o “inteligencia de negocios” es básicamente una rama de lo que llamamos “inteligencia artificial” (IA), que te permitirán entender el proceso de toma de decisiones de tus clientes basados en correlaciones entre distintos grupos de data. 

Mediante el uso de diferentes algoritmos, el módulo de aprendizaje automático entenderá, gracias a un patrón de entrenamiento supervisado, donde cada “informaciones claves” o conjunto de data se combina de tal manera de obtener un resultado ponderados que generaran nuestras “previsiones esperadas”.

Por ejemplo, si quisiéramos que nuestro sistema clasifique determinado objeto como “manzana” o “no manzana”, nuestro módulo de aprendizaje automático tomará estas “informaciones claves” y las comparara para obtener nuestra “prevision esperada”:

  • Roja = S/N
  • Redonda = S/N 
  • Fruta = S/N 
  • Peso entre 70-100 gramos = S/N

En algunos patrones de entrenamiento podremos dar mayor o menor importancia a cada variable o “información clave”. En este ejemplo le daremos igual importancia a cada variable. Así, si por ejemplo determinado objeto responde positivamente a 3 de las 4 preguntas arriba propuestas, este objeto tendrá un 75% de probabilidades de ser una manzana.

Volviendo a nuestros problemas de gerenciamiento de clubes fitness, vamos a decir que queremos hacer una predicción de los miembros que posiblemente cancelaran su membresía en el futuro más próximo

Si por ejemplo tomamos toda la data que mencionamos anteriormente para el año anterior y los clasificamos como “membresía cancelada” o “membresía renovada”, sobre la base de si los miembros cancelaron su membresía o no.

Esto nos permitirá “programar” nuestro algoritmo con todas las variables para cada miembro (asistencia, edad, sexo, etc.) relacionando estas variables a etiquetas determinadas (membresía cancelada o membresía renovada) en nuestro patrón de aprendizaje de máquina.  Además con el tiempo el algoritmo va a decidir cuál de las variables es más significativa sobre la base de cuales set de data están más conectados con nuestras etiquetas finales. 

Nuestro patrón de aprendizaje de máquina va a ser algo como esto, pero con muchas más variables:

Una vez la data ha sido “aprendida”, eliminaremos las etiquetas y observaremos si nuestro algoritmo es capaz de utilizar las diferentes variables para predecir resultados basados en la data que se va generando durante el presente año. 

Luego de que varios modelos han sido probados en diferentes tipos de patrones de aprendizaje se evaluará cuál de los modelos es más exacto y estable. 

 

Todo esto puede ser revertido para otro tipo de predicciones como recomendaciones de productos, recomendaciones de clases y mucho más. 

Cuando hemos descubierto cuáles miembros son menos reacios a renovar sus membresías y tomar acciones para mantenerlos como miembros activos. 

 

 

Inteligencia Artificial

La inteligencia artificial en un disciplina que va a contener una serie de sub-disciplinas como por ejemplo el aprendizaje de máquina, la robótica, procesamiento de lenguajes naturales y otros sistemas de comunicación y procesos cognitivos que acercan a nuestros ordenadores a comportamientos casi humanos:

Source

Una vez que hemos creado un modelo de aprendizaje de máquina y que este ha sido validado y está activo en estado de producción, vamos a utilizar la data para crear un ambiente del cual nuestra inteligencia artificial podrá recurrir en caso de cualquier otro proceso. 

Cuando la data es recopilada por nuestro modelo de aprendizaje de máquina y están listos para ser convertidos en predicciones, los procesos de automatización de nuestra Inteligencia artificial comenzará a realizar diferentes test en distintos canales de comunicación a medida que analiza cuáles de estos canales son los más efectivos.

Por ejemplo, la Inteligencia de negocios podría plantear que se ofrezca a un determinado grupo de miembros un paquete de servicios gratuito o más bien que se les ofrezca un descuento en su tarifa de membresía. Así cualquier acción de marketing no tiene que tener una fase “experimental” sino que estaríamos tomando acciones basados en una análisis profundo de nuestra data.

El proceso no es tan sencillo como en la gráfica siguiente, hablamos de un modelo bastante complejo de análisis. Pero podríamos decir que es basicamente de esta manera como la selección de contenido tiene lugar:

Ahora que sabemos como funciona de forma general las herramientas de inteligencia de negocios, veamos como puede ser aplicada en el caso específico de un gimnasio o club de wellness.

El Gimnasio Inteligente

Gracias al uso de procesos de aprendizaje de máquina nuestro gimnasios y clubes fitness podrán realizar predicciones creíbles y recomendaciones de marketing para una amplia variedad de actividades relacionadas a distintos niveles operacionales del club, no solamente para aumentar su rentabilidad sino también para aumentar los niveles de satisfacción de nuestros miembros y mantener un registro de sus actividades que les permitan conseguir sus metas.  

Recuerda que tus miembros compran una membresía motivados con la idea de mejorar su calidad de vida gracias a un estilo de vida saludable. Cualquier mejora en la forma en que te comunicas con ellos y la manera de entender sus objetivos puede ser el factor decisivo para tus miembros entre renunciar a sus promesas de año nuevo o conseguir establecer una disciplina de entrenamiento que cambiará su vida por muchos años consecutivos. 

Recomendaciones de productos

Te acuerdas del viejo dicho de que “el cliente siempre tiene la razón” 

Este lema se basa en una compresión bastante simple de las relaciones entre tus consumidores y tu empresa: esto es que nunca vas a saber qué es lo que tus clientes quieren a menos que te lo digan.

En estos tiempos, la mayoría de los consumidores están sencillamente demasiado ocupados para coger el teléfono y renovar su membresía o esperar 5 minutos extra para ordenar su cocktail after-work en la recepción de tu gimnasio. 

Es por esto que las sugerencias de productos son una herramienta prácticamente universal para cualquier negocio de ventas online. Y cada vez más, gracias al aprendizaje de máquina, es una herramienta decisiva para conseguir un éxito real a nivel de ventas de determinado negocio. 

 La recomendaciones o sugerencia de productos van a estar determinadas por diferentes algoritmos de nuestro modelo de inteligencia de negocios. 

Por ejemplo, un algoritmo puede detectar el hecho de que personas que compran frecuentemente suplementos de proteina y creatina compran también algún tipo de bebida para antes del entrenamiento. Estos algoritmos van a hallar estas correlaciones y van a sugerirles  a los clientes que compran suplementos de proteina y creatina bebidas para antes del entrenamiento que tengan algún tipo de descuento. 

Las sugerencias pueden estar también basados en “algoritmos supervisados”, por ejemplo si el número de miembros que compran proteina y creatina es muy elevado el modelo tratará de hacer correlaciones con otro tipo de variables (asistencia, tipo de membresía, sexo, peso) y va a tomar en cuenta también estas variables antes de hacer la sugerencia de las bebidas pre-workout.

El resultado final es un impresionante sistema de reglas de asociaciones que genera sugerencias de productos a los clientes, tanto como en tu punto de venta de recepción (para uso del personal de recepción) o través de tus canales de venta electrónica.  

Recomendaciones de clases

Utilizando técnicas similares a las que usamos para generar sugerencias de productos, podemos generar sugerencias de clases lo que te permitirá aumentar los niveles de reservas y asistencia. 

Los canales de recolección de data aca van a ser ligeramente más complejos y van a requerir data más específica como por ejemplo:

  • Frecuencia de asistencia a clases
  • Frecuencia de reserva de clases
  • Evaluación de clases
  • Metas de workout
  • Preferencias de workout

Estos son solo alguno de los valores que pueden ser considerados como variables a tomar en cuenta, pero en conjunto con otros datos pueden ser usados tambien para planear que clases eliminar o sustituir de manera de aumentar la asistencia de tus miembros. 

Esto puede ser alcanzado gracias a algoritmos simples o algoritmos supervisados. En todo caso el resultado va ser la lista de clases a agendar, en que horarios, y los niveles de incremento de asistencia que nuestra “Inteligencia de negocios” ha predecido.

Se puede usar diferentes tipos de algoritmos, pero esencial aca va a ser la capacidad del sistema de “entender” qué sugerencias son realmente efectivas y sobre esta base mejorar las sugerencias con el tiempo.

Predicciones de asistencia 

Cuántos miembros van a venir a tu gimnasio en un dia especifico? Cuántos de ellos serán clientes sin contrato? Que grupo de edad será el más activo y cuáles serán las horas en que asisten al gimnasio?

La posibilidad de responder a estas preguntas será de vital importancia en el momento de planificar los turnos de trabajo de tus empleados de manera de garantizar los más altos niveles de atención al cliente durante las horas picos. 

Gracias al aprendizaje de máquina podrás tener este tipo de predicciones con semanas e inclusos meses de antelación  e incluso estas predicciones van a ser constantemente actualizadas en tiempo real.

Por ejemplo a medida que nuestros algoritmos siguen “aprendiendo” cuáles son los patrones de comportamiento, van a ir actualizando las predicciones de asistencia basándose en variables como:

  • Picos históricos de asistencia
  • Visitantes ocasionales
  • Reserva de clases vs. asistencia real
  • Clima

Finalmente estos factores (entre muchos otros) van a ser analizados sobre la data de asistencia historia de tus miembros de manera de entender cómo estas variables afectan la afluencia de clientes. 

Por citar un ejemplo sencillo, una mayor afluencia de miembros regulares va a aumentar proporcionalmente las probabilidades de que aumente el número de visitantes ocasionales, ya que estos visitantes en general van a ir al gimnasio como acompañantes de los miembros regulares.  O podríamos también, basados en las predicciones del tiempo, de que si durante los dias lluviosos de las últimas semanas la afluencia de miembros disminuyó en un 7%, que en caso de lluvia deberíamos asumir una disminución similar en los niveles de asistencia.

Cómo lo estarás pensando las distintas maneras de relacionar variable y las conclusiones que podemos obtener son literalmente infinitas, lo clave es tener un sistema lo suficientemente inteligente como que estas predicciones sean lo suficientemente acertadas. 

Predicciones de venta

Utilizando algoritmos similares a los que usariamos en los casos presentados anteriormente, podemos utilizar estos algoritmos para obtener predicciones de venta:

De nuevo tenemos que confiar en nuestra data histórica para poder establecer patrones de consumo.  Pero luego de que el modelo ha sido validado  y lo usas para procesar data relacionada a las ventas que vas realizando, los niveles de exactitud de las predicciones va a ir aumentando con el paso del tiempo

Estas predicciones son de gran ayuda sobre todo cuando estás pensando en crear cualquier tipo de campaña promocional.

Toda la data puede ser filtrada más a profundidad de manera de ir al detalle y saber quién específicamente (grupos de edad, sexo, etc.)  están comprando cuales productos. Esto lo vas a poder hacer por club, por zona o para todas las localizaciones de una cadena. 

Predicciones de contratos en riesgo

Tal vez la herramienta más importante para la industria fitness que se puede generar a través de un sistema de “Inteligencia de negocios” es la posibilidad de prever el número de miembros en riesgo de no renovación.

Como lo vimos en los ejemplos anteriores podemos utilizar diversos algoritmos que van a asociar distintas variables al hecho de que determinado miembro no renovó su contrato. A partir de allí podremos aplicar estos patrones para todos los miembros de determinado gimnasio:

 

De la misma forma que sucede con las sugerencia de productos, estas predicciones van a ser más precisas a medida que se acumula un mayor número de data y el sistema va “aprendiendo” cuales han sido las predicciones correctas o incorrectas. 

Además, estos algoritmos van a seguir “aprendiendo”, van a ir autocalibrandose mientras observan cuáles variables tienen más peso en la decisión final del miembro de renovar o no su membresía. 

Por ejemplo. con el tiempo nuestros algoritmos observaron que a partir del momento en que una categoría de clase grupal fue cancelada una mayor cantidad de miembro decidió cancelar su membresía. A partir de este análisis nuestro algoritmo va a considerar la data histórica de reserva de esta categoría de clases como una variable importante para determinar cuales miembro pueden cancelar su membresía. 

Cabe destacar acá que cuando tenemos en cuenta la cantidad de data que un centro fitness de tamaño promedio maneja y como nuestras herramientas de aprendizaje de máquina pueden asociar distintos valores de esta data, lo más probable es que para un analista de “carne y hueso” muchas de estas variables pasen desapercibidas. 

Conclusión

El análisis de data es parte integral de los procesos de gerenciamiento de la gran mayoría de los sectores de la economía mundial.  En el caso de la industria fitness es cuestión de tiempo para que nos sea imposible imaginar una gerencia efectiva de nuestros clubes sin este tipo de herramientas. 

Data analytics have already found a home in many if not most industries around the world. Within fitness club management, the discipline is already materializing before our very eyes.

En realidad es increíble, tomando en cuenta la cantidad de data de primera mano que manejan la mayoría de nuestros gimnasios y centros fitness, que las herramientas de aprendizaje de máquina e inteligencia de negocios estan apenas haciendo su debut en nuestra industria. 

Es una realidad innegable, este artículo no habla sobre un sueño del futuro. El futuro esta aqui!! 

¿Listo para empezar?

Solicite una demostración

¿Listo para empezar?

Solicite una demostración

¡Programe una reunión con una demo gratuita gratuita para explorar PerfectGym software!