Imagina varios números, solo como eso, números. ¿No desearíamos que nos conduzcan a algo más? El valor de los datos está justamente relacionado a eso.
Pasar los datos a información nos da fácil lectura y agrupación, y nos ayuda a responder a una pregunta o problemática. Cualquier tipo de data puede ser analizada mientras tenga un objetivo concreto y tenga claro el volumen de análisis: cantidades regulares o extensas desde panorama de la Big data.
Conoce todos nuestros cursos de Markekting digital que tenemos para ti
Esto incluye, por supuesto, distintas especialidades: economía, finanzas, marketing y ciencias humanas.
En este preciso momento, por ejemplo, la CERN está haciendo análisis de datos con más de 65.000 procesadores y ordenadores alrededor del mundo; cientos de marcas están leyendo los datos de sus consumidores para ofrecerles productos precisos; y asistentes digitales están esperando clientes en diferentes webs.
Ahora que sabemos que todo se basa en la presencia, acumulación y análisis, quiero enseñarte diferentes herramientas y espacios que hacen esta tarea posible.
© Crehana
Obtén una Membresía Premium y lleva tu educación a otro nivel
Esta vez, los limones son los datos
Nunca creí utilizar esta frase, pero existe una buena oportunidad para exprimir la información a nuestro alrededor; con estos espacios y herramientas.
Machine Learning
Las máquinas inteligentes, tienen indicaciones -—algoritmos— en base a data; pueden ser anteriores a la creación de data o ya ser información almacenada.
Se aprovecha así, las acciones del usuario —del momento o anteriores— para crear procesos automáticos, optimización de ventas, atención al cliente, seguridad y lo que llamamos colaboración. Por ejemplo, Google Traductor forma parte de este último, tratando de imitar la capacidad humana de la traducción en texto y audio.
Este espacio es fundamental para la Big data y Data Analytics, pues nos ayuda a entender patrones o hacer proyecciones del consumidor. Por ejemplo, podemos prever cuántas ventas tendremos al mes por el comportamiento habitual del usuario, cuáles son las tendencias de de compra y sus gustos más frecuentes.
La visualización y tratamiento de datos con métricas
¿Alguna vez trabajaste con métricas específicas para medir información en tu trabajo? Bueno, las métricas son un recurso para visualizar data y es un aspecto indispensable en el análisis del comportamiento, por ejemplo, el PBI en el sector económico o en Marketing, el CPC o engagement.
Normalmente, estas métricas pueden llevarte a un gráfico o una visualización, que ayuda a comunicar el análisis y conduce a una toma de decisiones; sean ajustes o procesos similares a los que se generaron anteriormente.
© Crehana
Los testings o pruebas in situ
El A/B testing o los mapas de calor nos ayudan a entender la data que ingresa mediante acciones o no acciones del usuario, ya sea continuar un clic de compra o apuntar la mirada a un tipo de contenido en específico. Es muy útil para leer el comportamiento del usuario en una web.
El A/B testing, sobre todo, nos ayuda a ser más efectivos a la hora de proponer cambios en UX. Estas pruebas también se pueden realizar en redes sociales y cualquier tipo de contenido en el que tengamos dos caminos a probar, y queramos evaluar el efecto que tendrá para el usuario.
Al final solo hay que preguntarse, ¿qué es más conveniente para mi proyecto o marca?
Entendimiento a través de data
Con este último punto seguimos estando muy cerca al centro de esta nota: El Marketing digital.
El análisis de data también está presente en las técnicas de entendimiento. Lo que más nos interesa son las reacciones y emociones del usuario en relación a nuestro producto, servicio o proceso. ¿Le gustó? ¿Pudo completar su compra? ¿Qué tal lleva la post compra? ¿Se sintió acompañado?
Para hacer este análisis de datos posible, utilizamos distintas acciones como:
- NPS: Net Promoter Score
- Valoraciones: con un margen de medición normalmente del 1 al 5.
- Encuestas con rangos concretos, que pueden ser digitales y post venta.
El romance de los datos y el Marketing Digital
Para el Data Driven Marketing, el trasfondo es el mismo, asegurarnos de observar, analizar y poner en práctica decisiones en base a data; para encontrar patrones, nichos, parámetros, métricas o procesos.
Hablé con Miguel Ángel, Paid Marketing Manager en el equipo de Marketing, para que me cuente un poco cómo él y su equipo manejan estos mecanismos. Y, así me contagie de paso, un poco de su pasión por los números.
© Crehana
¿Cuándo deberíamos recurrir a los números para sustentar una campaña?
Siempre. Ya que detrás de cada campaña (o bueno, por encima) están los objetivos que se quieren alcanzar con ella. Una campaña puede implicar múltiples esfuerzos y recursos, por lo que sin datos referenciales, sería muy difícil plantear objetivos alcanzables.
¿Cuándo los datos no son una solución?
Cuando se busca analizar variables muy subjetivas como por ejemplo el desempeño de una pieza publicitaria a nivel gráfico. Se puede analizar en números variables específicas como una imagen que lleva un precio vs una que lleva un texto, pero se hace difícil tratar de resolver (numéricamente) el desempeño de lo meramente estético.
Es en esos casos particulares cuando hay que usar mucho la subjetividad (cruzándola con algunas experiencias previas). Otro caso sería cuando intentas saber cómo reacciona la audiencia a la creatividad. No puedes basarte en la data cualitativa, cuando lo que intentas analizar es tan abstracto como la creatividad misma. Es ahí donde se cruza mucho el análisis cualitativo, apoyándonos en data (pero no usándola para decidir, si no como un soporte).
¿Qué tipo de data y métricas manejas tú? ¿Cuál dirías que es la más trascendental para el desempeño de tu equipo?
Manejo mucho las métricas usuales que se ven en publicidad digital como el ROAS, CPC (coste por click), CTR (ratio de clicks), CAC (coste de adquisición), todas abreviaturas muy comunes entre plataformas publicitarias. La más trascendental en el equipo es -—sin lugar a dudas— el ROAS (retorno de la inversión en publicidad).
¿Qué les recomendarías a los estudiantes que no le han perdido temor a la data y aún no pueden implementarla en sus campañas? ¿Por dónde deberían empezar?
Les recomendaría ir de a pocos. La data puede ser muy pesada al inicio, pero si vas analizando 2 o 3 métricas, te llegas a acostumbrar a lo que significan y a cómo usarlas para tomar mejores decisiones. Si quieren mejorar sus campañas o asegurar que tengan un buen inicio, la data es la mejor compañera.
Con esa frase final, de compañía, entendemos la esencia de la data absolutamente. Con ella, tu negocio puede crecer con seguridad, y aunque no te estés especializando en Marketing, será un recurso valioso para tu compañía.
Si ya quieres darle una oportunidad a los datos, te dejamos este curso.