Mire bien el gráfico de arriba, cortesía de Adobe. En él, verá que los datos se traducen en valor, como un ROI mejorado, pero solo cuando se ven a través de la lente del análisis y se traducen en acción. Entonces, ¿cuáles son las claves de los análisis que producen ROI?
Claves de la analítica #1. Obtención de conocimientos
La clave número 1 para el análisis es obtener información de los datos. Pero los datos son solo un montón de números, palabras e imágenes. Y producimos toneladas cada año. De hecho, producimos una media de 2,5 quintillones de bytes de información al día. Para poner eso en perspectiva, el 90% de los datos que existen hoy en el mundo se produjeron en los últimos 2 años, según IBM. La mayoría de esos datos no están estructurados, lo que significa que son algo más que números: imágenes, palabras, videos. El análisis de datos no estructurados es particularmente difícil.
Convertir cantidades masivas de datos, Big Data, en conocimientos requiere un proceso que implica organizar o generar informes y análisis para generar conocimientos significativos. Por lo tanto, los datos son inútiles a menos que pueda transformarlos de manera precisa y válida en información. De lo contrario, los datos son un costo en lugar de un beneficio: cuesta dinero recolectar y almacenar datos.
Eche un vistazo a este gráfico para ver una investigación más profunda sobre la forma en que se procesan los datos para producir información significativa y procesable que se traduce en un mejor rendimiento del mercado.
Claves de Analytics #2: Combinar datos con conceptos
Sin embargo, los datos no deben analizarse en el vacío. Debe incorporar datos con estructuras de conocimiento existentes para guiar al analista sobre qué métricas son importantes y para formular acciones a partir de los datos. Sin expertos en la materia involucrados en el proceso de análisis y controlando cómo el análisis se traduce en acciones, la empresa no optimizará el rendimiento.
Veamos un ejemplo.
Digamos que tenemos una tonelada de datos de nuestro sitio web de comercio electrónico. Así es como se vería un tablero de AdWords visto a través de Data Studio de Google:
Las visualizaciones de datos nos ayudan a ver más sobre lo que está pasando con nuestra campaña publicitaria, algo que nunca podríamos hacer de manera efectiva al mirar columnas de números.
Obtenemos información valiosa de estos datos, incluidos los mejores días para publicar anuncios en función del costo, la conversión y los clics, los anuncios con mejor rendimiento y los dispositivos utilizados para obtener el anuncio. Esta es una gran información, pero no es todo lo que encontrarás si combinas estos datos con conceptos de marketing. Oculta dentro del identificador corto del anuncio, hay información sobre las actitudes de los clientes derivadas de la teoría de marketing que puede guiar una mejor creación de anuncios. Saber que un anuncio de alto rendimiento, para camisetas, usó humor, por ejemplo, sugiere que futuros anuncios podrían funcionar mejor si usan humor.
Claves para el análisis #3: Usar conceptos de marketing para crear recopilación de datos
También necesita una buena comprensión de los conceptos de marketing para construir pruebas que guíen sus esfuerzos de recopilación de datos. Un buen ejemplo es mirar los datos de la experiencia del usuario. Sin una comprensión clara de cómo los consumidores se mueven a través del proceso de toma de decisiones o qué factores afectan este viaje, es difícil saber qué datos investigar más a fondo o incorporar en sus pruebas A/B.
Por ejemplo, comprender que las compras están guiadas por la teoría del comportamiento planificado, que busca comprender por qué las personas compran productos en función de las normas y otros factores cuando se usan con datos, ayuda a construir campañas publicitarias o desarrollar otras estrategias de marketing. Usando la teoría del comportamiento planificado, un investigador puede construir una prueba A/B que involucre normas sociales previamente identificadas y luego usar datos para ver qué impulsa las compras con más fuerza. Sin conocer la teoría, los analistas ni siquiera sabrían mirar las creencias normativas.
La construcción de algoritmos predictivos también se basa en la comprensión de la teoría del consumidor. Sin la guía de la teoría, está manejando big data a ciegas y es probable que se encuentre con un montón de correlaciones espurias, que un nuevo libro destaca como peligrosas y omnipresentes.
Claves de análisis #4: Ignorar datos cualitativos
Todos esos gráficos y pictografías elegantes e imágenes bonitas son geniales y brindan una garantía de realidad que quizás no posean. Juega algunos trucos con la báscula y transforma algunos puntos de datos y obtendrás mentiras disfrazadas de verdad. Lo vemos todo el tiempo. Eso es lo que hay detrás del viejo dicho de que hay mentiras, malditas mentiras y estadísticas.
Un problema mayor es que esas columnas de números ignoran hasta el 80% del problema, según IBM. Por datos no estructurados, nos referimos a todas aquellas palabras, imágenes y videos que no se pueden categorizar a través del análisis estadístico. Transformar estos datos en conocimientos es actualmente uno de los mayores problemas de análisis de datos que existen, según el artículo de IBM vinculado anteriormente.
Debido a que no pueden analizar datos no estructurados, los analistas tienden a descontar su valor. Lo cual es un gran error. Los datos no estructurados nos brindan información importante sobre cómo las personas piensan, sienten, interactúan con los productos en su entorno, interactúan con amigos y familiares, cómo las personas influyentes modifican sus decisiones. También comparten sus problemas, desafíos y aspiraciones, brindando información sobre las necesidades insatisfechas que ofrecen grandes oportunidades para la innovación.
Tengo un amigo que trabaja en Microsoft que encontró suficiente información al analizar las críticas de su computadora Surface recientemente presentada, pudo brindar a los ingenieros una valiosa orientación sobre cómo mejorar el producto dentro de la primera semana después del lanzamiento del producto. Eso permitió a Microsoft acelerar la comercialización de un producto mejorado y condujo a su dominio en el nuevo mercado de tabletas/computadoras portátiles.
Claves de la analítica #5: Monitoreo constante
No es suficiente tener un gran programa de análisis implementado. Tienes que monitorear el desempeño de manera continua. Para algunas empresas, eso significa recopilar, estructurar y analizar datos en tiempo real.
Eche un vistazo al panel de control a continuación. Aquí, los analistas monitorean el desempeño en tiempo real durante una carrera de NASCAR, para que puedan modificar los mensajes o crear publicaciones en las redes sociales en función de los datos más recientes que ingresan.
5 claves para la analítica: mejore su ROI con mejores perspectivas
Experto MKT
