Justo el lunes publicaba por estos lares un artículo sobre la analítica de datos en el mundo de las apuestas deportivas, explicando cómo en su día desarrollé junto con un equipo de la UCM una herramienta de análisis y predicción de resultados deportivos, usando para ello scraping web y sistemas multi-agente.
En esta pieza quería centrarme en la importancia de la analítica en el marketing digital.
¡Vamos a ello!
¿Qué es la analítica de datos?
Actualmente el análisis de big data (ES) se ha convertido en una herramienta poderosa para las empresas, habida cuenta de la complejidad que existe a la hora de analizar “a mano” volúmenes cada vez mayores de datos obtenidos por el desempeño del producto o servicio, y por el feedback (directo o indirecto) del cliente.
La razón principal es que, como ya he explicado en otras ocasiones, somos muy malos identificando los patrones reales de los que ocurren de forma fortuita.
El mejor ejemplo lo tenemos en un experimento tan sencillo como pedirle a alguien que, tras tres tiradas de una moneda, nos diga cuál cree que va a ser el siguiente resultado.
Si en estas primeras tiradas la mayoría de resultados fue cara, es muy probable que la persona diga cara.
¿Hay una razón estadística para ello? No. La posibilidad de que salga cara es exactamente la misma que de que salga la otra: Un 50%.
Y sí, podríamos presuponer que por los errores a la hora de ponderar el material en la moneda lo mismo ese 50% se mueve muy ligeramente hacia uno u otro lado.
Pero la cuestión es esa persona que ha decidido seguir su instinto, probablemente está pensando que su decisión se basa en una conjetura matemática. Si las tres anteriores ocasiones salió cara, la cuarta saldrá cara.
Que existe un patrón.
Aunque ese patrón no sea más que fruto de la casualidad.
Pues esto mismo nos pasa en todas y cada una de las facetas humanas, de las rutinas y decisiones que tomamos en el día a día. Y para colmo, se junta con el hecho de que en los negocios, es cada vez más indispensable poder tomar cierto tipo de decisiones con eficacia, por eso de que competimos en un libre mercado donde, en teoría, los que ganan son los que mejor hacen las cosas (más capacidad tienen de dedicar sus recursos a acciones que generen mayor negocio en el futuro presente).
Ahí es donde entra la analítica de datos. Mediante sistemas matemáticos, y asistidos por la informática, podemos recopilar muchos datos referentes a todas y cada una de las etapas de un embudo de ventas, y tratarlos, discriminando aquellos que no aportan valor alguno de los que sí son información.
Buscamos entonces una herramienta que nos permita:
- Por un lado, recopilar muchos datos de una manera estructurada, para que puedan ser tratados.
- Por otro, ser más eficaces a la hora de analizar esos grandes volúmenes de información, para que el tiempo que pasamos analizando no se prolongue ad infinitum, y acabemos perdiéndonos en a definición estratégica, sin implementar nada.
- Y además, buscamos que la máquina, que no tiene subjetividad alguna, en la medida de lo posible no herede esos sesgos de pura supervivencia animal que nos permiten identificar dos ojos en medio de una maleza (un potencial depredador), y en definitiva cualquier patrón que potencialmente podría ser nocivo para nuestra supervivencia (como era el pensar que porque salga de seguido dos o tres veces cara en una tirada de moneda, va a seguir saliendo).
¿Cómo se aplica la analítica de datos en marketing?
El marketing, por eso de ser la pata de negocio encargada de… generar mayor negocio (influir en la decisión de compra del cliente), ha sido históricamente muy proclive a aplicar técnicas de analítica de datos en su definición estratégica.
El tema es que aunque esto, como recalco, no es nuevo, sí es cierto que no ha sido hasta la digitalización cuando realmente tenemos un ecosistema informativo lo suficientemente accesible y exacto como para que este análisis salga rentable.
Hasta el momento, y poniendo la vista en la publicidad, tenemos variables que todavía hoy en día se utilizan en entornos no digitales, como es la cartelería, la prensa escrita o la televisión, que se basan no en datos reales, sino en ponderaciones.
El pensar que por publicar un anuncio en este mupi POTENCIALMENTE estaremos impactando a 500.000 personas al día. No porque sepamos que cada día van a pasar exactamente 500.000 personas, sino porque en su momento se decidió que, de media, al día pasaban esa cuantía.
O el pensar que la tasa de audiencia de ese programa de televisión fue del 25%. No porque sepamos que, del 100% de espectadores, el 25% estuvo justo viendo ese programa a esa hora, sino porque de una muy limitado grupo de prueba, el, por ejemplo, 20% sí lo vieron, y por decisión de negocio se extrapola al 100% los resultados añadiéndole un 5% extra.
Sin embargo, en digital sí tenemos datos que son fieles a la realidad.
Créeme cuando te digo que no hay nada más gratificante que te venga un cliente diciéndote que las campañas publicitarias que has hecho no le han funcionado, y yo pueda ir a mi dashboard creado con Google Data Studio y decirle, datos en manos, que estos últimos días tuvo siete reservas en su hotel, o quince compras en su eCommerce, facturando además X.
Esta información no está basada en porcentajes y probabilidades, sino en los datos reales recogidos del desempeño de las campañas y de los sistemas de pago implementados, todos convenientemente tratados con una herramienta de analítica de datos, como es, en mi caso, Data Studio.
Y no solo eso. El poder tener acceso a estos datos, y más importante ser capaz de sacarle valor (transformarlos en información) es lo que nos permite en la consultora optimizar las campañas para que funcionen mejor con el tiempo (o, al menos, no funcionen peor, que no siempre es posible aumentar resultados sin aumentar presupuestos).
Aplica esto mismo a la estrategia de posicionamiento SEO. A la estrategia de contenido en web y redes sociales.
Ya he dicho en más de una ocasión que de nada nos vale tener miles de seguidores, si esa audiencia no está interesada en comprar lo que tengamos que venderles. Y es más, por cómo funcionan plataformas como las redes sociales, acabará siendo contraproducente.
De ahí la importancia de saber segmentar qué datos son importantes (CPL, CPC, conversiones…) de aquellos que no lo son (impresiones, seguidores…).
Un trabajo que requiere unos conocimientos técnicos, de negocio y matemáticos mínimos. Y que por ello tiene el coste que tiene.
En un marketing digital bien diseñado y estructurado, no estamos lanzando una moneda al aire intentando predecirla por cómo sopla el viento, precisamente.