21.3: Trabajar con datos
- Page ID
- 67453
En los días de los medios tradicionales, los datos procesables eran una mercancía muy deseada pero escasa. Si bien era posible comprender ampliamente las respuestas de los consumidores a los mensajes de marketing, a menudo era difícil determinar exactamente qué estaba sucediendo y por qué.
Como mostró el capítulo de toma de decisiones impulsada por datos, en la era digital, la información está absolutamente en todas partes. Cada acción que se realiza en línea se registra, lo que significa que hay una increíble riqueza de datos disponibles para los especialistas en marketing para ayudarlos a comprender cuándo, dónde, cómo e incluso por qué los usuarios reaccionan a sus campañas de marketing.
Lea más sobre esto en el capítulo Toma de decisiones impulsada por datos.
Recuerde, esto también significa que los especialistas en marketing tienen la responsabilidad de tomar decisiones derivadas de los datos. Las suposiciones y la intuición no son suficientes; es necesario respaldarlas con hechos sólidos y resultados claros.
No te preocupes si no eres una persona de 'números' — trabajar con datos es muy poco sobre el procesamiento de números (la tecnología generalmente se encarga de esto por ti) y mucho sobre analizar, experimentar, probar y cuestionar. Todo lo que necesitas es una mente curiosa y una comprensión de los principios y herramientas clave.
Aquí hay algunos conceptos de datos que debes conocer.
Seguimiento del desempeño y tendencias
El análisis de datos se trata de monitorear el comportamiento de los usuarios y el rendimiento de las campañas de marketing a La última parte es crucial. Hay poco valor en mirar un solo punto de datos, se desea observar las tendencias y los cambios durante un período determinado para fomentar una visión dinámica de los datos.
Por ejemplo, no es tan útil decir que el 10% del tráfico web de este mes se convirtió. ¿Eso es bueno o malo, alto o bajo? Pero decir que un 10% más de usuarios convertidos este mes que el mes pasado muestra un cambio o tendencia positiva. Si bien puede ser tentador enfocarse en números únicos de 'héroes' y figuras de aspecto excitante como 'Look, ¡tenemos 5 000 fans en Facebook! ' , estos realmente no dan una imagen completa si no se presentan en contexto. De hecho, a estas las llamamos 'Métricas de Vanity 'se ven bien, pero no te dicen mucho.
Preste mucha atención a cualquier cambio en los datos esperados, buenos o malos, e investigue cualquier anomalía.
Big data
Big data' es el término utilizado para describir conjuntos de datos verdaderamente masivos, los que son tan grandes y difíciles de manejar que requieren software especializado y computadoras masivas para procesar. Empresas como Google, Facebook y YouTube generan y recopilan tantos datos todos los días que tienen almacenes enteros llenos de discos duros para almacenarlos todos. Comprender cómo funciona y cómo pensar sobre los datos en esta escala proporciona algunas lecciones valiosas para todos los analistas.
- Mida tendencias, no cifras absolutas: Cuantos más datos tengas, más significativo es mirar cómo cambian las cosas con el tiempo.
- Centrarse en los patrones: Con suficientes datos, los patrones a lo largo del tiempo deberían hacerse evidentes así que considere mirar flujos semanales, mensuales o incluso estacionales.
- Investigar anomalías: Si tu patrón esperado cambia repentinamente, trata de averiguar por qué y usa esta información para informar tus acciones en el futuro.
Minería de datos
La minería de datos es el proceso de búsqueda de patrones ocultos en grandes números y bases de datos. En lugar de que un analista humano procese la información, un programa informático automatizado separa los datos y los relaciona con patrones conocidos para ofrecer información. A menudo, esto puede revelar resultados sorprendentes e inesperados, y tiende a romper suposiciones.
Krux (2016) ofrece el ejemplo de examinar un enorme conjunto de datos para una marca automotriz que quería mejorar las descargas de folletos y aumentar las solicitudes de pruebas de manejo. Los datos que analizaron se relacionaron con los consumidores, los atributos del consumidor y los puntos de contacto de marketing.
Para determinar un patrón, tuvieron que explorar 47 000 000 000 000 000 000 000 combinaciones de factores, obviamente, demasiados para evaluar sin usar máquinas. Estas combinaciones provinieron de 35 puntos de contacto, incluyendo el sitio web, campañas y otros canales de marketing, y 37 puntos de análisis, incluidos compradores de automóviles y usuarios de teléfonos inteligentes.
La marca pudo detectar patrones relevantes, como que los consumidores que compraron una determinada marca de automóvil tenían más probabilidades de descargar folletos, pero no más propensos a solicitar pruebas de manejo. Esto les permitió segmentar a los consumidores que compraron autos en aquellos que iniciaron el proceso de compra descargando un folleto, y aquellos que comenzaron con una prueba de manejo.
El primer grupo estaba orientado a los detalles, por lo que los anuncios con modelos específicos con enlaces a la página de especificaciones ayudaron a impulsar las conversiones.
El segundo grupo quería saber cómo se sentía conducir el auto, por lo que fueron dirigidos con anuncios que apelaban a sus sentidos e incluyeron un llamado a la acción sobre la programación de una prueba de manejo. Esto ayudó a impulsar la eficiencia mediática y el rendimiento de las campañas.