analítica web - divisadero€¦ · asumimos la oscuridad en una parte crucial del proceso de...

Expertos en analítica y medición web profundizan y dan su opinión sobre las diferentes novedades del sector.

Contenidos sobre herramientas concretas y noticias de actualidad entorno a las diferentes disciplinas digitales con las que trabajamos día a día los profesionales de DIVISADERO.

Un espacio de nuestra web en el que compartimos información sobre los Encuentros Digitales que tenemos preparados para cada mes, contenidos vinculados a la industria y la estrategia de gestión analítica, sin olvidar todos aquellos eventos a los que asistimos con cierta periodicidad. Asimismo, compartimos nuestras publicaciones ya sea en formato libro, paper o estudios que realizamos.

Top Posts 2015

http://www.divisadero.es/?utm_source=web&utm_medium=paper&utm_campaign=top%20posts%202015


http://www.analiticaweb.es/?utm_source=web&utm_medium=paper&utm_campaign=top%20posts%202015


http://www.divisadero.es/actualidad/?utm_source=web&utm_medium=paper&utm_campaign=top%20posts%202015


http://www.divisadero.es/staysharp-divisadero?utm_source=web&utm_medium=paper&utm_campaign=top%20posts%202015

https://www.linkedin.com/company/divisadero

https://twitter.com/divisadero

https://www.youtube.com/channel/UCCX76aMsy5qfX2yYp7ndftA

TOP 10 de publicaciones en el blog de Analítica Web:

#1 Not provided en Google Analytics: Libera tus keywords

#2 Mobile Advertising: Rentabiliza tu App con AdMob

#3 ¿Sabes dónde estás respecto a tu competencia? Vuelven los Benchmark a Google Analytics

#4 RTB y DMP: tus aliados para una publicidad efectiva y personalizada

#5 Principales herramientas para la automatización del reporting para Excel

#6 Introducción a las APIs de Google Analytics

#7 El CRM y la analítica web: aprovechando la información de nuestros clientes

#8 Y tú, ¿cómo calculas tu ROI?

#9 La predicción del dato: Redes Neuronales Artificiales

#10 DoubleClick Digital Marketing – Y Google cerró el círculo

TOP 5 de publicaciones en el blog de Actualidad:#1 Marketing Data Technology: en el ojo del huracán

#2 Cinco consejos inspiradores para ayudarte en la transformación digital

#3 Google Analytics Hackathon y Think Performance 2015: Conectando Online y Offline

#4 La transformación digital será a través del Digital Big Data o no será

#5 Cerrando el Círculo de la Estrategia Digital

4

7

10

12

15

17

20

23

25

28

32

37

40

43

46

ÍNDICE

Analítica Web:El blog de DIVISADEROExpertos en analítica y medición web profundizan y dan su opinión sobre las diferentes novedades del sector.

Contenidos sobre herramientas concretas y noticias de actualidad entorno a las diferentes disciplinas digitales con las que trabajamos día a día los profesionales de DIVISADERO.



4StaySharp! La newsletter de DIVISADERO

Not provided en Google Analytics: Libera tus keywordsHace ya casi cuatro años Google empezó a estandarizar el protocolo SSL en sus servicios, y con ello llegó uno de los grandes escollos que nos encontramos a la hora de evaluar el rendimiento de cualquier estrategia SEO en Google Analytics: el famoso ‘not provided‘ que preside desde entonces los informes de tráfico orgánico. Esto provocó la desaparición de uno de los pilares de cualquier análisis referente al posicionamiento en motores de búsqueda e hizo que los profesionales del sector tuvieran que empezar a buscar indicadores en otro sitio, pero desde hace unos meses y gracias a una actualización en los datos que nos ofrece Google Webmasters Tools, podemos profundizar de nuevo a nivel de palabra clave y obtener valiosos insights.

GA en 2011: Buenos tiempos para la “SEOlítica”

Tal y como comentamos más arriba, el origen del ‘not provided‘ se remonta a finales de 2011, cuando Google decide aplicar el protocolo seguro (SSL) a sus servicios. A raíz de esto y para preservar la privacidad de los resultados personalizados que por aquel entonces ya empezaban a ofrecer, la empresa de Mountain View decidió dejar de desgranar en Google Analytics las diferentes consultas que los usuarios utilizan para acceder de manera orgánica a una web, siempre que estuvieran logados a la hora de realizar la búsqueda. ¿Y esto qué significado tiene? Lo que empezó con un anecdótico 10-20% sobre el total, ya tiene una cuota que afecta a más del 80% del tráfico obtenido por esta vía, lo que deja tras de sí resultados sesgados y totalmente marginales como para ser utilizados en cualquier análisis posterior.

“Asumimos la oscuridad en una parte crucial del proceso de adquisición”

PABLO PÉREZ CAPADigital Intelligence Consultant

#1

http://www.divisadero.es

http://www.analiticaweb.es/not-provided-en-google-analytics-libera-tus-keywords/




Para muestra, un botón

Así pues, durante mucho tiempo tocó buscar alternativas como fijarnos en el tráfico por página de aterrizaje para tratar de predecir (con mayor o menor éxito) qué palabras clave son las que estaban imprimiendo nuestro resultado en posiciones relevantes y llevando usuarios a nuestra web, o utilizar herramientas como SEMRush que, efectivamente, nos indican las keywords que tenemos posicionadas en top20 pero que, al basarse en un modelo estadístico para estimar el tráfico que cada una de ellas lleva a nuestro site, no nos permite asignar a cada una el peso que realmente tiene dentro de nuestro modelo de atribución. Es decir, asumimos la oscuridad en una parte crucial del proceso de adquisición.

Google Webmasters Tools al rescate

Sin embargo, una ‘inocente’ actualización que Google Webmasters Tools recibió a principios del año pasado, en la que ponía fin al redondeo de datos en su interfaz, nos iba a dar el arma definitiva para desbloquear la información que tanto echábamos de menos. Y es que GWT siempre ha sido una herramienta tan potente como (en muchos casos) infravalorada, pero eso daría para varios posts :)

Ajuste pequeño. Cambio grande.

Gracias a este cambio, no sólo contamos con datos más precisos sobre el número de impresiones, clics, o CTR de cada una de las palabras clave por las que estemos posicionando, sino que podremos ver en detalle para qué

cadenas de búsqueda se está mostrando una página de aterrizaje, en qué puesto lo está haciendo y cuántos clics está recibiendo en cada caso. Una gozada.

Sacar a la luz estos datos es sencillo siempre que sepamos donde mirar, así que vamos con un ejemplo:

En primer lugar, accederemos a nuestra cuenta de Google Webmasters Tools y en el panel inicial pulsaremos sobre Análisis de Búsqueda.

Análisis de Búsqueda, el nuevo Consultas de Búsqueda

A continuación, mi recomendación es cambiar a la interfaz vieja de Consultas de Búsqueda, ya que en esta nueva versión, sorprendentemente, no podemos profundizar tanto como nos gustaría y, aunque podemos obtener datos interesantes, se echa en falta buena parte de información en el último paso del proceso.

Acceder a la antigua interfaz está a un clic de distancia

En este punto ya empezamos a ver datos relevantes, como las consultas de búsqueda por las que nuestro dominio se le ha mostrado a los usuarios. Vemos, también, que tras el número de impresiones, clics y CTR se indica la posición media por la que hemos aparecido para cada una de esas cadenas, lo que no está mal pero sigue resultando un tanto vago.

Datos propensos a ser malinterpretados

#1



Es así, que la verdadera potencia de estos datos se empieza a vislumbrar cuando seleccionamos la pestaña de Páginas Principales sobre la gráfica. De este modo obtendremos las URLs concretas que están posicionando y por qué palabras clave lo están haciendo, lo que nos permite ir acotando el terreno al mismo tiempo que localizamos alguna long tail interesante.

GWT nos permite desplegar una URL siempre que tenga suficientes clicks

La culminación de este proceso llega cuando pulsamos sobre cualquiera de las palabras clave que aparecen desplegadas, accediendo a un desglose pormenorizado de las diferentes posiciones en las que ha aparecido la URL, con el número de clics obtenido y su CTR en cada caso.

Al nivel de 2011 y más allá

Sin duda se trata de información muy útil y accionable que podemos obtener sin demasiado esfuerzo, y las únicas pegas que se le pueden encontrar vienen dadas por su complicada integración con las principales herramientas de analítica y el hecho de que los datos sólo estén disponibles para el último trimestre, lo que limita en parte su potencial de explotación.

No obstante, os animo a que exploréis las posibilidades que ofrecen estos datos, intentéis incorporarlos a vuestros análisis para tener una visión más completa del customer journey.

“Google Search Console nos ofrece información muy útil y accionable que podemos obtener sin demasiado esfuerzo.”

#1



“Saca el máximo rendimiento a tu app con la ayuda de AdMob. Monetizar, promocionar y analizar en una misma herramienta.”

Mobile Advertising: Rentabiliza tu App con AdMobSegún un estudio publicado por la revista Forbes, la publicidad en dispositivos móviles es la que tiene mayor aceptación entre los usuarios, generando el doble de CTR en estos dispositivos respecto a los sitios web. Además, la inversión en publicidad dentro de este sector irá creciendo paulatinamente durante los próximos años. Esto nos indica, la importancia que está adquiriendo la publicidad dentro de las apps.

¿Tienes en mente realizar una aplicación móvil para tu empresa o negocio, y no sabes como orientar el modelo de ingresos? Existen distintos modelos que nos pueden ayudar a generar ingresos a través de aplicaciones móviles.

1. Compras en apps: modelo que permite realizar compras a través de las apps, para obtener un contenido adicional. Un ejemplo claro es pagar para obtener más vidas en un juego o la venta de productos y/o servicios a través de una tienda de comercio electrónico.

2. Anuncios en apps: consiste en generar ingresos a partir de los anuncios mostrados en apps. Existen principalmente dos tipos de anuncios, los banners, que aparecen normalmente en la parte inferior o superior de la app y los anuncios a pantalla completa (Intersticial). Este modelo está orientado básicamente, a aquellas apps gratuitas, siendo esta su principal fuente de ingresos.

3. Pago por descarga/suscripción de apps: existen dos variantes, el pago por la descarga de la aplicación, o aquellas que siguen un modelo “freemium”. Estas

RUBÉN LUJÁNDigital Intelligence Specialist

#2


http://www.analiticaweb.es/mobile-advertising-rentabiliza-tu-app-con-admob/




últimas, nos permite descargar la app gratuitamente, pero con cierta limitación de opciones. Para ello, será necesario pagar eventualmente o periódicamente para obtener todas las funcionalidades de la App.

En este post nos centramos en el modelo “Anuncios en apps“ (in-app ads), donde la publicidad nos ayudará a potenciar y rentabilizar nuestra aplicación móvil. Para ello, analizaremos el uso y funcionamiento de una de las herramientas distinguidas en este sector y que nos ayudará a entender cómo llevar a cabo la rentabilización de nuestras aplicaciones a través de AdMob (acrónimo de “Advertising Mobile”), herramienta adquirida por Google el año 2009 y que fue fundada y creada por Omar Hamoui tres años antes.

AdMob se caracteriza por ofrecer dos servicios básicos. Por un lado, tenemos la posibilidad de promocionar nuestra aplicación a través de campañas, y por el otro puede ser utilizada para conseguir ingresos, permitiendo añadir publicidad de otros desarrolladores en nuestra app.

¿Cuáles son los requisitos para utilizar AdMob?

Los únicos requisitos que nos piden para poder crear una cuenta de AdMob y formalizar el registro, es tener una cuenta de Google, una de Adsense y otra de AdWords. Debemos ser conscientes que una vez creada nuestra cuenta, no podremos cambiar las cuentas asociadas de Adsense y Adwords. Simplemente, con estas tres condiciones, ya podremos empezar a utilizar AdMob, planificando las estrategias de monetización y promoción de nuestra aplicación.

¿Qué me permite hacer AdMob?

Para no olvidarnos ninguna de las funcionalidades de AdMob, nos centraremos en las secciones del panel de control (dividido en cuatro pestañas), las cuáles nos permitirán gestionar la herramienta de modo fácil e intuitivo. Veamos cuáles son:

Monetizar: a través de esta sección podremos conseguir ingresos adicionales, incluyendo anuncios de otros desarrolladores. Para monetizar una nueva aplicación, la herramienta nos permite 3 opciones:

• Buscar nuestra aplicación en el Market de Android y/o App Store.

• Añadir nuestra app manualmente, si todavía no ha sido publicada, especificando la plataforma utilizada.

• Seleccionar una de las apps añadidas anteriormente, ya que si queremos añadir otro formato de anuncio, debemos añadir un nuevo tipo de monetización.

Para conseguir que todo esto funcione correctamente, tenemos que configurar los bloques de anuncios especificados anteriormente para integrar el SDK de Google Adwords. Además, si deseamos incluir Google Analytics, también deberemos configurar la app para implementar el SDK de Google Analytics, con el ID de seguimiento asociado. Una vez hecho todo esto, ya estarás listo para empezar a generar ingresos.

Promocionar: hacer llegar nuestra app a más gente, es básicamente otro de los objetivos planteados inicialmente cuando creamos una aplicación. Consecuentemente, esta sección nos permitirá promocionarla, consiguiendo más descargas e ingresos. Veamos cuáles son los pasos a seguir para poner en marcha este proceso:

• Identificar la aplicación: busca en el market de Google o Apple o añade tu aplicación manualmente.

• Diseñar el anuncio: definición del tipo de anuncio, nombre, mensaje, URL de destino, etc.

• Segmentación de la publicación: ubicación geográfica, idioma, tipos de operadores móviles, dispositivos y demografía. Definición de la campaña: especificación del presupuesto diario, nombre y programación de la campaña y limitación de frecuencia.

Analizar: del mismo modo que podríamos analizar los datos en Google Analytics, AdMob permite ver los datos recogidos en las apps, para su posterior estudio y evaluación. Además, queremos destacar que el “look & feel” de pantalla es exactamente igual a la de Analytics, permitiendo sentirse más cómodo, con un entorno ya conocido. La total integración entre ambas herramientas, consigue que podamos ver, indistintamente, los mismos datos de analítica. Así mismo, destacar la integración de las campañas generadas en Google Adwords vinculadas a nuestra cuenta de Google, permitiendo ver de manera unificada todas las fuentes de adquisición.

Página principal: panel resumen, donde en una sola pantalla podemos ver un cuadro de mando con las principales métricas, conversiones, ingresos, etc., de las pestañas anteriormente descritas (monetizar, promocionar

#2



y análisis). Esta pantalla nos ayudará a tener una vista genérica de cómo están funcionando nuestras aplicaciones, evitando entrar en excesivo detalle.

¿Por qué incluir anuncios en mi app?

Este es uno de los puntos más críticos que existen cuando decidimos de qué modo monetizar nuestra app. Como ya hemos comentado antes, esto está vinculado con el modelo de ingresos que hayamos definido previamente (al inicio o durante la fase de desarrollo de la aplicación), pero existen suficientes beneficios para apostar por este modelo y que puedes ver detallado a continuación:

Ingresos para mi aplicación gratuita: en el momento que ofrecemos al usuario una aplicación gratuita, estamos eliminado cualquier tipo de ingreso por parte del mismo. Es por ello, que la inclusión de la publicidad, nos permitirá que los anunciantes nos aporten dinero siempre y cuando el usuario interaccione con los banners de publicidad.

Mejorar mi aplicación: el hecho de tener suficientes ingresos, permitirá la subsistencia de la aplicación para crear nuevas versiones y mejorar la usabilidad y experiencia del usuario.

Mayor volumen de descargas: aunque nos cueste aceptarlo, a nuestro usuario prospecto le cuesta mucho pagar por una aplicación si previamente no ha sido recomendada por otros usuarios de su confianza o existe un gran volumen de descargas. Con esto, conseguiremos incrementar esta volumetría, evitando que el usuario tenga que pagar por descargar o usar la aplicación.

¿Me compensa promocionar mi app?

Como todo en la vida, depende desde el prisma que se mire y cuáles sean las estrategias planteadas para la captación de clientes, pero esta es una buena fuente de promoción si no tienes muchas alternativas. Gracias a la amplia red de la que dispone AdMob (más de 300.000 aplicaciones), podrás llegar a mucha más gente, sin la necesidad de moverte de la oficina. Claro está, esto tiene un coste, pero piensa que tu eres quien decide lo que quieres gastar, cuándo y cómo, ya que gracias a su panel de control, podrás hacer el seguimiento de las campañas lanzadas y descargas realizadas, sabiendo en todo momento su rendimiento. Tu defines cuál es el grado de conversión para tus campañas, pudiendo modificarlas o eliminarlas si no te aporta el volumen de descargas e ingresos que esperabas.

#2



“Los Benchmark de Google Analytics es una funcionalidad que te ayudará a saber en qué punto estás frente a tu competencia de manera sencilla.”

¿Sabes dónde estás respecto a tu competencia? Vuelven los Benchmark a Google AnalyticsLos que lleven más tiempo utilizando Google Analytics como su herramienta de Analítica Web, recordarán que hace unos años Google ponía a disposición de los usuarios, unos informes donde nos permitía comparar el funcionamiento de nuestro sitio web frente a otros sites similares del mismo sector.

En la transición que Google ha realizado en los últimos años, entre una medición puramente web a una medición total (la salida de la funcionalidad Measurement Protocol de Universal Analytics da una libertad total en cuanto a medición de dispositivos Online/Offline), Google había eliminado este informe hasta que pudiese ofrecer uno de más valor.

Por fin esto ha cambiado, y ya podemos volver a disfrutar de esta información/benchmark en nuestros informes de Google Analytics.

Lo primero que debemos tener en cuenta es que, para poder disponer de estos informes deberemos realizar un sencillo proceso de configuración:• Iniciar sesión en Google Analytics y acceder a la

pestaña Administrador

BORJA GUTIÉRREZDigital Intelligence Consultant

#3


http://www.analiticaweb.es/vuelven-los-benchmark-a-google-analytics/







• En el bloque “CUENTA”, acceder al apartado “Configuración de la cuenta”.

• Activar la opción de compartir datos “De forma anónima con Google y otros.

Una vez activado esto, tendremos la opción de visualizar estos nuevos informes de “Comparativas” en: Informes > Audiencia > Comparativas

Estos nuevos informes nos van a permitir filtrar/definir el tráfico de las comparativas que queremos analizar:

• Eligiendo entre más de 1.600 categorías de sector• Comparando por País/Región• Elegir entre las 7 categorías de tamaño del tráfico

(podremos comparar nuestra propiedad, con otras propiedades del sector con diferentes volúmenes de tráfico)

• Podremos visualizar datos de Comparativas para las siguientes Dimensiones de Informes:

• Agrupación de canales predeterminada (no tendremos la opción de visualizarlo para una agrupación de canales personalizada)

• Ubicación (País)• Dispositivo (ordenador, móvil o tablet)• Comparativa Google Analytics

Asímismo, las métricas disponibles en los informes serán:

Adquisición:1. Sesiones (por ejemplo, número de sesiones)2. % de sesiones nuevas3. Número de nuevas sesiones

Comportamiento:1. Páginas por sesión2. Duración media de la sesión3. Porcentaje de rebote

Los informes nos proporcionaran información sobre el rendimiento de nuestra propiedad frente a la media de cada métrica-dimensión de las propiedades de nuestra competencia. Tendremos, además, la opción de mostrar/ocultar:

• Los valores reales de la métrica.• La opción de sombreado de color (mapa de intensidad)

sobre la tabla.

Hay que recordar siempre que, dentro de nuestra estrategia de Optimización del Canal Digital, debemos tener en cuenta el análisis DAFO/SWOT (debilidades, amenazas, fortalezas y oportunidades), que nos permitirá planificar mejor nuestra estrategia de optimización; para lo cual siempre nos interesará tener la mayor cantidad de información sobre nuestra posición frente a la competencia.

Esperamos que esta nueva funcionalidad os sirva para dar un salto más en vuestra estrategia de análisis de la información. Recordad que la configuración será muy sencilla y rápida, pero la información recibida será de gran valor.

#3



RTB y DMP: tus aliados para una publicidad efectiva y personalizada¿Has pensado alguna vez cómo impactar en el usuario perfecto con un mensaje publicitario eficaz y en tiempo real?

En este post te vamos a contar cómo lograrlo, además de explicarte qué se esconde detrás de las siglas RTB, qué agentes participan en el proceso de compra/venta de publicidad y qué procedimientos de compra programática existen actualmente en el mercado. Asimismo, nos adentraremos en el valor que tiene gestionar los datos en un DMP para la personalización de campañas según tipos de usuarios y su optimización. Por último, veremos la importancia de integrar toda esta información en nuestras herramientas de analítica web para su interpretación y toma de decisiones de cara a futuras campañas.

¿Qué es un RTB? Del inglés Real Time Bidding, se trata de un modelo de compra de publicidad online basado en subastas de impresiones únicas y en tiempo real. Como en todo proceso de compra, se necesita de una oferta y una demanda, en el lado de la oferta, contamos con anunciantes, agencias de medios, Trading Desk, DSP y AD Exchange, y, en el otro, los soportes, las redes publicitarias y las SSP, que constituyen la demanda.

La moneda de cambio utilizada por el mercado se basa en el modelo CPM (coste por mil impresiones). De este modo, el anunciante puede medir el éxito/fracaso de

FRANCISCO MORADigital Analyst

“Gracias a la revolución del RTB y a la eficacia de la Analítica Web podemos elegir con exactitud qué usuario ve qué anuncio y cuándo”

#4


http://www.analiticaweb.es/rtb-y-dmp-tus-aliados-para-una-publicidad-efectiva-y-personalizada/





sus campañas según los objetivos que haya marcado: conversión a click, conversión a lead o conversión a compra.

Actualmente, el RTB está orientado a la compra de cualquier tipo de inventario publicitario, y no al inventario sobrante como ocurría antes. Esta transacción puede realizarse a través de:

• Compra en tiempo real• Compra directa (privada y semiprivada)

Pero, este proceso necesita de un tercer agente fundamental para que los compradores puedan seleccionar cada vez mejor los perfiles de usuarios que necesitan y los vendedores proporcionen inventarios con mayor rendimiento, estamos hablando de los datos.

Llegados a este punto, hablamos de los proveedores de datos y en concreto de los DMP (Data Management Platform). Un DMP es una plataforma tecnológica que agrupa y gestiona grandes cantidades de datos de audiencia procedentes de cualquier tipo de fuente. Este tipo de herramientas son de gran utilidad ya que nos permiten cualificar a la audiencia (personalización del mensaje, según dispositivo, zona geográfica, etc.)

Actualmente, en España, se trabaja con datos procedentes de fuentes de 1ª Party data, que hacen referencia a aspectos tales como la navegación del usuario, las páginas que visita, los banners que clica, sus interacciones en redes sociales, el tipo de dispositivo o navegador que usa, etc. Y, luego, están las fuentes de 3ª Party data, que nos facilitan información sobre la edad y sexo del usuario, clase social, profesión, zona geográfica, etc. que, por el momento, están en fase de desarrollo. De ahí la gran revolución del RTB, de pasar a comprar impresiones a comprar datos de audiencias, que nos permitan conocer mejor a nuestros clientes potenciales y diseñar diferentes campañas según tipos de consumidores que comparten una serie de características. Con esto llegamos a las dos líneas estratégicas de la compra programática, que son el Prospecting y el Retargeting.

¿Por qué, en su momento, consumidores potenciales no se transformaron en una venta o en un registro?, ¿en qué paso del funnel o proceso de compra el usuario abandonó nuestro site?, ¿qué hizo después?, ¿por qué volvió a visitarnos? Son algunas de las muchas cuestiones que, a día de hoy, podemos encontrar respuesta gracias a la

analítica web. Nos ayuda a extraer información diaria de cada actividad realizada por los usuarios en la red y a mejorar la segmentación de los mismos a través de la utilización de esos datos en un DMP.

Mikel Lekaroz, Managing Director Spain en Zodiak Advertising, ponía de manifiesto en el webinar ‘Data Driven Advertising, los datos al rescate de la Publicidad Digital’, la importancia de la analítica web dentro del mundo programático, ya que desde las primeras horas del lanzamiento de una campaña, disponemos de información fundamental para interpretar los resultados y poder actuar para conseguir una mayor optimización de la misma.La analítica web nos permite, además de conocer cada acción del consumidor, obtener datos sobre el rendimiento de nuestras campañas, productos y periodos de lanzamiento, horas del día o días de la semana en los que la campaña funciona mejor, regiones, rendimiento por canales, conversiones, etc.

Asimismo, podemos saber qué tipos de mensajes funcionan mejor, formato, emplazamiento y canal. Es aquí donde la revolución del RTB y la eficacia de la analítica web se unen para conectar con el usuario en el momento y contexto adecuado.

Imaginemos que un usuario accede a nuestra web a través de una búsqueda que ha realizado en Google y durante unos minutos permanece navegando por la misma hasta que decide salir y visitar otro site. Con la ayuda de una herramienta de analítica podemos extraer todos los datos de esa navegación (canal por el que entra, día y hora a la que accede, páginas que visita, productos que ve, cuánto tiempo permanece, etc.) Toda esta información nos ayudará a conocer mejor a ese usuario y poder recuperarlo en otro momento impactándole, de nuevo, con el banner de alguno de nuestros productos mientras esté navegando por otros sites. Pues imagínate qué interesante sería hacer esto en tiempo real, con un mensaje personalizado y según el contexto actual del comprador. Si se trata de un hombre o una mujer, si en la ciudad en la que vive llueve mucho o hace sol, si está interesado en la compra de unas gafas de sol o en un seguro de moto, si es su cumpleaños o se acercan las vacaciones de Semana Santa…En definitiva, podemos elegir, con exactitud, qué usuario ve qué anuncio y cuándo, en un proceso que dura apenas 200 milisegundos.

A día de hoy, la compra programática presenta su mayor madurez en el medio Display, pero está avanzando a pasos

#4



agigantados hacia otros medios como vídeo, mobile o redes sociales. Manuel Rodríguez, SEO & Founder de Spot Bid, comentaba en la mesa redonda “Publicidad digital inteligente: La revolución del RTB” organizado por The Valley, que el objetivo futuro del RTB era la unificación de frecuencias, es decir unir todos los impactos publicitarios de todos los dispositivos.

#4



Principales herramientas para la automatización del reporting para ExcelA la hora de elaborar dashboards es muy importante organizar el dato de forma que sea útil y fácil de consumir. Las herramientas de análisis, como Google y Adobe Analytics, nos permiten crear dashboards donde podemos agrupar diferentes informes y programarlos para que se envíen periódicamente. Pese a esto, muchas veces nos vemos limitados a la hora de elaborar y presentar el dato de la forma que queremos, por lo que tenemos que recurrir a otras herramientas para crear los dashboards.

En este post vamos a analizar las principales herramientas que nos van a ayudar a realizar esta tarea. Aunque hay gran variedad de plug in, he decidido coger los oficiales de Adobe Analytics (Report Builder) y Google Analytics (Google Analytics Spreadsheet Add-on).

Imagen de Freepik

Report Builder

Esta herramienta de Adobe Analytics nos permitirá extraer los datos necesarios y plasmarlos en nuestro documento Excel. Esto nos permitirá trabajar con el dato y realizar informes más personalizados gracias a las diferentes opciones que nos ofrece Excel.

ALEJANDRO DÍAZDigital Analyst

“Es muy importante organizar el dato de forma que sea útil y fácil de consumir” tiene un millón de APIs. Drive, Gmail, Blogger, Calendar, YouTube… ¿Y Analytics? ¡Analytics por supuesto!

#5


http://www.analiticaweb.es/principales-herramientas-para-la-automatizacion-del-reporting-para-excel/





Report Builder tiene una interfaz muy intuitiva y fácil de usar, lo que nos permite personalizar el formato en el que nos importarán los datos. Además, Report Builder posee un administrador de solicitudes con el que podemos echar un vistazo a todas las que se han creado en el documento o en la hoja en concreto y poder editar varias solicitudes a la vez.

Google Analytics Spreadsheet Add-on

Esta herramienta gratuita de Google Analytics sólo está disponible para la Hoja de Cálculo de Google Drive. Esta herramienta extrae el dato mediante una solicitud a la propiedad que queramos, siempre y cuando estemos utilizando un email que tenga acceso a esa propiedad. Add-on creará una pestaña donde se irá insertando cada solicitud en una columna diferente, por lo que podremos tener tantas solicitudes como columnas. Una vez ejecutadas las solicitudes, se creará una hoja para cada una de ellas.

El principal inconveniente que presenta esta herramienta es que sólo está disponible para la Hoja de Cálculo de Google, por lo que la personalización de nuestros dashboards estará más limitada. Además, cada vez que queramos añadir un informe, la interfaz sólo nos permitirá añadir las métricas y dimensiones, por lo que el resto de variables tendremos que añadirlas de forma manual una vez creada la solicitud. Por otro lado, Google Analytics Spreadsheet Add-on nos aportará los beneficios de trabajar con Google Drive como edición simultánea por varios usuarios y el almacenamiento en la nube.

Si utilizas Google Analytics también puedes utilizar otros plug-in, gratuitos o de pago, que pueden ser utilizados en Excel. Todos ellos los podrás encontrar en el listado de partners de Google Analytics.

A modo de resumen, veremos ahora una serie de ventajas e inconvenientes para cada uno de los plug-in:

Report Builder

Ventajas• Interfaz intuitiva y fácil de usar• Capacidad de gestión de solicitudes de datos• Capacidad de configurar el formato de la solicitud, con

previsualización.• Puedes copiar o cortar solicitudes o incluso la hoja

entera. Todas las solicitudes se pueden hacer en una misma hoja

Inconvenientes• Bloqueo de Excel cuando se procesa la solicitud• Extracción del dato es más lenta que el plug-in de

Google Analytics• Imposibilidad de gestionar varias cuentas a la vez

Google Analytics Spreadsheet Add-on

Ventajas• Extracción de datos rápida• Capacidad de trabajo colaborativo, como

consecuencia del uso de Google Drive• Posibilidad de configurar solicitudes de más de una

cuenta de GA• Es una herramienta totalmente gratuita

Inconvenientes• Sólo disponible para el Excel de Google Drive• Capacidad de configurar el formato de la solicitud

limitada (inserción de filtros, segmentos manual)• Sólo es posible configurar una única solicitud de datos

por hoja de Excel.

#5



“Google tiene un millón de APIs. Drive, Gmail, Blogger, Calendar, YouTube… ¿Y Analytics? ¡Analytics por supuesto!”

Introducción a las APIs de Google AnalyticsLo que hace años era una tendencia ahora es una realidad. Muchos, muchísimos, servicios web han ido evolucionando de forma que cualquier persona con conocimientos de programación pueda interaccionar con ellos de forma escalable, controlada y segura para el propio servicio. Para quien no esté familiarizado con el término, estoy hablando de las APIs.

¿Quieres saber qué es una API?

Una API (Application Programming Interface) es un conjunto de funciones y procedimientos que cumplen una o muchas funciones con el fin de ser utilizadas por otro software. Esta técnica y la realidad de un mundo conectado han llevado a que cada vez surjan más aplicaciones de terceros (p. ej. TweetDeck) que, basándose en un servicio (Twitter), ofrecen nuevas funcionalidades sobre el mismo. Twitter, Facebook, OpenStreetMap, Flickr, Yahoo Weather… Son algunas de las APIs más populares.

¿Y Google? Google tiene un millón de APIs. Drive, Gmail, Blogger, Calendar, YouTube… ¿Y Analytics? ¡Analytics por supuesto! Ahora que ya tenemos una idea de qué es una API, cómo funciona y para qué sirve; es hora de centrarnos en qué se puede hacer con la API de Google Analytics.

Image credits: @donmelanson para engadget.com

PABLO SÁNCHEZDigital Intelligence Specialist

#6


http://www.analiticaweb.es/introduccion-apis-google-analytics/




Las APIs de Google Analytics

Si alguna vez te has planteado qué más puede hacer Google Analytics por ti, seguro que has llegado a la página de desarrolladores de la herramienta. En ella puede encontrarse una cantidad ingente de información, de la que seleccionaremos la relativa a su API. La API de Google Analytics se compone a su vez de tres interfaces: recopilación, configuración e informes.

Recopilación de datos

Se trata de las funciones y métodos habituales de Google Analytics para el seguimiento de webs, aplicaciones y otras fuentes de datos. Se compone principalmente del código ga habitual de Universal Analytics (si has hecho un ‘send event’, puedes decir que has utilizado una API ;-)), los SDKs para iOs y Android, y del Measurement Protocol para insertar datos directamente en los servidores de Google.

Esta parte es la más conocida, así que mejor centrarse en las que no son tan populares.

Configuración

La API de configuración se compone a su vez de dos partes: gestión y aprovisionamiento. Esta interfaz, salvando las distancias, es el equivalente a la pantalla de Administrador en la web de Google Analytics.

Por un lado, está la interfaz de gestión. Se ocupa de dar acceso programático a Google Analytics y de ofrecer una vía para gestionar la configuración de tus datos. Para poder acceder a tu cuenta debes estar logado, y la API de gestión es la encargada de la autenticación en las máquinas de Google. La API de configuración puede utilizarse desde para administrar vistas, objetivos o permisos; a una gestión completa de los filtros y su uso en distintas vistas.

La API de aprovisionamiento requiere invitación para poder ser utilizada. Su objetivo es facilitar la creación de cuentas de Google Analytics y su activación, y lo documentación existente sobre ella es bastante limitada.

Informes

De nuevo, esta sección tiene varias subsecciones. En caso, hay hasta cinco apartados: el ‘core’ de informes, la parte de inserción de datos, los embudos multicanal, metadatos e informes en tiempo real.

El núcleo es lo que conoce como Core Reporting API. Permite al usuario preparar dashboards personalizados, pudiendo automatizar su gestión y facilitando la integración de los mismos con aplicaciones de negocio. Son, básicamente los propios informes. Ahora hay que verlos. Para eso está la Embed API.

La interfaz de usuario se construye a partir de la API de inserción. Hay dos cosas muy destacables de esta API: la integración con librerías populares de visualización de datos como d3.js o charts.js, y la opción de insertar botones ‘prediseñados’ para hacer la autenticación más sencilla.

Vistas estas dos secciones, las otras tienen un contenido similar. La Muti-Channel Funnels Reporting API se basa en los conversion paths que se han definido para mostrar informes. Una función que parece útil de esta funcionalidad es la de mostrar los datos de cómo se consiguen las conversiones en presentaciones corporativas de una manera más elegante que haciendo un simple pantallazo. La API de tiempo real además de servir para lo que su propio nombre indica, introduce un concepto que resultará nuevo para muchos: el superProxy de Google Analytics. Requerir informes en tiempo real puede hacer que el tráfico de red se multiplique y sea muy difícil de escalar, el proxy de Google Analytics trata de hacer eficientes las peticiones de forma que no se resienta ninguna de las partes implicadas. Por último, la API de Metadatos, que es sobre la que recae la responsabilidad de listar las dimensiones disponibles para construir informes.

Ejemplo

A continuación, una pequeña muestra de lo que puede llegar a hacerse con la de API de Google Analytics. En el primer gráfico, hay una comparativa anual de sesiones, y en el segundo se puede ver una comparativa semanal.

#6



En él, se hace uso de varios de los puntos que se han tocado antes: el uso de la API de configuración para autenticarse, la de gestión para leer las cuentas de usuario y la de informes para mostrar los datos. Además, otras cosas que se han utilizado, son la capacidad para integrar herramientas de terceros (Charts.js y moments.js) o que se muestran datos en tiempo real (usuarios activos).

Nota: ni tu contraseña ni tu cuenta serán accedidos/almacenados/utilizados para nada, solo se necesita para autenticarse y que así puedas visualizar el dashboard de prueba

#6



El CRM y la analítica web: aprovechando la información de nuestros clientes Como analistas digitales pasamos mucho tiempo observando y analizando el comportamiento de los usuarios en nuestros activos digitales. Sabemos cómo, cuándo y por dónde han accedido, si es la primera vez que entran o ya lo han hecho con anterioridad, cuáles son los contenidos que consumen, desde qué página han salido, etc. Presumimos de conocer muchas cosas de estos usuarios, pero la realidad es que, en muchos de sus aspectos, son anónimos para nosotros.

En ocasiones, alguno de estos usuarios puede cumplimentar en nuestra web un formulario en el que se solicita información personal. En este caso podríamos estar tentados a utilizarla para tratar de adquirir un conocimiento más íntimo de ellos, pero sabemos que, legalmente, no se nos permite registrar esa información en la herramienta de analítica web.

Os preguntareis entonces ¿dónde queda registrada esta información?, y la respuesta es: en el CRM (Customer Relationship Management), un software que se encarga de administrar y almacenar la mayor cantidad posible de información relacionada con los clientes y prospectos de la empresa, con el objetivo de generar relaciones a largo plazo y aumentar así su grado de satisfacción .

¿Os imagináis el potencial de poder contar con ese tipo de información tan precisa en nuestra herramienta de analítica

Ignacio CouceiroDigital Analyst

“La incorporación de información asociada a nuestros clientes y prospectos, nos permitirá llevar nuestros análisis y procesos digitales a otro nivel.”

#7


http://www.analiticaweb.es/el-crm-y-la-analitica-web-aprovechando-la-informacion-de-nuestros-clientes/





y utilizarla para realizar análisis en base a características o atributos comunes de estos usuarios? ¿o poder contar con datos de conversiones offline de los usuarios? Pues bien, estas herramientas de analítica permiten la incorporación, de manera sencilla, de este tipo de data sets para poder contar con esos datos en nuestros análisis:

En Google Analytics podemos usar la funcionalidad Data Import para pasar información de nuestro CRM en formato de tabla con la información de nuestros clientes sobre los que nos interese hacer el análisis. El Visitor ID será la variable necesaria para hacer el match entre los datos del CRM y los de Google Analytics.

En el caso de Adobe Analytics, mi compañero Jorge, en un post anterior, hacía mención a una nueva funcionalidad que aparecía en la última release de la herramienta; Customer Atributes. Con ella, podremos conectar directamente el CRM y, automáticamente, poder contar con la información sobre los atributos específicos que nos interesen de ellos.

En los siguientes puntos, vamos a hablar sobre cómo podríamos sacarle partido a esta integración de datos con algunos ejemplo de funcionalidades y tipos de análisis que podríamos llevar a cabo;

Análisis en base a atributos de usuario

El poder contar, en la herramienta de analítica, con información sobre los usuarios relacionada con su género, rango de edad, perfil de cliente, productos contratados, gasto mensual, estado civil, lifetime value, etc., nos ofrece una perspectiva en los análisis mucho más enfocada al negocio de la empresa, ya que permitirá la toma de decisiones en base a recomendaciones centradas sobre estos atributos de nuestros clientes.

Por ejemplo, si tenemos en marcha una acción enfocada a usuarios con un nivel adquisitivo alto, clasificados según las reglas de nuestro CRM como “Clientes A”, podremos segmentar nuestro tráfico en base a estos clientes para conocer el ranking de páginas o contenidos más visitados por dichos usuarios e, incluso, la procedencia geográfica de los mismos, con el objetivo de centrar la promoción de dicha acción.

Incorporación de datos offline

En nuestra herramienta de analítica web dejamos de tener conocimiento de lo que hacen los clientes, cuando interactúan con cualquier canal de la empresa que quede fuera de su entorno digital. Sin embargo, tal como hemos comentado al inicio del post, en el CRM podemos localizar esta información e importarla para disponer, por ejemplo, de la traza completa desde que el usuario accede a la web, rellena un formulario y posteriormente acaba contratando este producto offline.

Si no tuviéramos este tipo de información, en la herramienta de analítica nos aparecerían unos datos como los siguientes:

A priori, sin ver datos de ventas reales, la conclusión a la que llegaríamos es que el PC sería el dispositivo que mejor convierte.

#7


http://www.analiticaweb.es/adobe-summit-emea-y-nueva-release-de-adobe-analytics/


Captando el ID de transacción en las finalizaciones de los formularios podemos hacer el match con los datos que tengamos en el CRM, e incorporar información sobre los productos finalmente contratados a raíz de estos formularios, surgiendo la siguiente información:

Con esta nueva tabla nos damos cuenta que, aunque desde PC se capta un mejor ratio de formularios completados desde la web, en realidad el dispositivo con mejor tasa de conversión en contratación final es el móvil, por lo que podremos pensar en derivar más presupuesto de marketing a campañas o acciones orientadas a este tipo dispositivo.

Testing y personalización basado en información del CRM

Otra aplicación en la integración del CRM con la analítica web, está en el uso de estos datos para configurar tests A/B o personalizaciones basadas en los datos de cliente.

Si nuestra herramienta de analítica web permite integración con la herramienta de testing, podemos definir segmentos que incluyan ciertos atributos de los clientes y usarlos para lanzar tests y personalizaciones sobre estos.

Si, por el contrario, no existe esta integración con la herramienta de testing / analítica, también podemos hacerlo extrayendo los ID de usuario que han cumplido alguna de las características definidas para lanzar el test o la personalización, y cargar esta información, a posteriori, en la herramienta de testing.

Usando este tipo de información, podremos impulsar acciones tales como, personalizar el diseño de la home page de la web en función de los productos que los usuarios tengan contratados y la frecuencia con la que estos usuarios visitan la web.

#7



Y tú, ¿cómo calculas tu ROI?¿Quién no ha oído hablar nunca de una de las métricas financieras por excelencia dentro del ámbito empresarial?, el ROI (Return On Investment). Seguro que todos lo que estáis leyendo este post, habréis oído de ella, e incluso la habréis pronunciado cientos de veces.

A priori, parece una métrica de cálculo sencillo, ROI = beneficios – coste de inversión, y desde mi punto de vista lo es a nivel global, sin embargo, cuando intentamos desgranar el ROI de cada una de las acciones llevadas a cabo, uno de los dos operandos de esta simple ecuación, se convierte en el ansiado objeto de deseo entre los diferentes departamentos de una corporación, ¡todo el mundo quiere atribuírselo! Seguro que ya sabréis a cuál de ellos me refiero, obviamente el coste de cada una de las acciones llevadas a cabo por cada departamento para generar negocio es bien sabido, pero no tanto el beneficio, ese gran ansiado trofeo…

Aterrizando en el mundo digital, y acotando el cálculo del ROI a nivel de las acciones de Marketing, uno de los grandes caballos de batalla de este departamento es conocer cuál es la aportación a la consecución del objetivo final de la compañía, sea éste cual sea: ventas, leads, consumo de contenido…

Ana RubioSenior Digital Analyst

“Es muy importante a la hora de calcular el ROI de cada acción concreta, no sólo fijarnos en la atribución directa, sino la contribución a la conversión”

#8


http://www.analiticaweb.es/calculo-del-roi/

http://www.analiticaweb.es/calculo-del-roi/


Veamos un ejemplo…

Imaginemos que nuestra compañía sólo comercializa un único producto, y por lo tanto el único objetivo, es la búsqueda de mecanismos para la venta del mismo, el cual sólo puede realizarse a través de sus web. El departamento de marketing lleva a cabo varias acciones para dar a conocer el producto, como por ejemplo:

• Construye un blog con una estrategia de contenidos dirigida a la generación de necesidad de su producto. [30% presupuesto]

• Lleva a cabo una campaña de display para dar a conocer el producto. [40% presupuesto]

• Define y pone en marcha una estrategia de SEM. [30% del presupuesto]

Después de un cierto tiempo de la puesta en marcha de estas acciones, llega el momento de conocer la rentabilidad de cada una de ellas, el ansiado ROI. Hoy en día las herramientas de analítica nos ayudan en este cometido, dándonos la visión de qué acción ha generado qué venta, lo que se denomina último toque. Sin embargo, hoy en día, los usuarios son tremendamente digitales, y la generación de una venta no va ligada a una única acción.

Pensemos en un usuario que ha comprado nuestro producto, entrando a la web por una búsqueda paga, pero que sin embargo, previamente ha sido un consumidor de los contenidos del Blog. El mérito de esta compra, se lo hemos asignado a la acción se SEM, sin embargo el Blog también ha tenido impacto en la venta final.

Por ello es muy importante a la hora de calcular el ROI de cada acción concreta, no sólo fijarnos en la atribución directa, sino la contribución a la conversión. Sobre el escenario planteado en el ejemplo, y con un modelo de atribución directa o último toque, la acción más rentable seguramente sería la acción de SEM, sin embargo, esta visión sesgada, podría conducirnos a tomar una acción incorrecta, como por ejemplo desactivar la campaña de Display o dejar de mantener el Blog.

Hoy en día las herramientas de analítica, nos dan también esta visión de la contribución, aunque de manera unitaria, y sin tener en cuenta el espacio temporal entre acciones, o peso de las diferentes acciones.

Y ahora viene el Big Data…

Este ejemplo que hemos analizado, es muy sencillo, pero la realidad es bien distinta, las grandes corporaciones no sólo llevan acciones online para conseguir un determinado objetivo, si no también offline, internas, etc. y los canales de contacto o cierre de estos objetivos son numerosos: web, app, call-center, centros físicos, etc.

Sobre esta foto, calcular el rendimiento o ROI de cualquier acción, se vuelve más complejo, pero no imposible. La clave es poder identificar al usuario en cada uno de los puntos de contacto, de manera que si tenemos 4 identificadores posibles del usuario, en cada punto de contacto al menos se debe de tomar uno de ellos.

Una vez identificado el Customer Journey del usuario, ya estaremos en la posición de poder ver contribuciones de unas acciones sobre otras, y mejores combinaciones a través de diferentes algoritmos matemáticos, con los que algunas herramientas del mercado cuentan.

Este no es un proceso sencillo, e implica la integración de diferentes fuentes de datos, y la definición arquitecturas de datos complejas, pero es, sin duda, el futuro para poder afianzar el cálculo del ROI y sobre todo su optimización.

#8



La predicción del dato: Redes Neuronales ArtificialesAmazon, Facebook, Google… Empresas digitales que a pesar de ser diferentes en cuanto a negocio (eCommerce, Red Social, Buscador…), tienen algo importante en común: la explotación de la minería de datos para mejorar su negocio y dinamizar acciones encaminadas a optimizar aquello que abarcan.

Como es posible que ya sepáis, la minería de datos es un importante concepto con el que trabajamos a menudo y que hace referencia al proceso de selección, exploración y modelización de grandes cantidades de datos, descubriendo patrones de comportamiento desconocidos para conseguir ventajas de negocio.

¿Qué podemos obtener gracias a la minería de datos?

El estado actual de la compañía a través de indicadores que describan cómo va el negocio (altas, bajas, ingresos, costes, etc.), tipología de clientes que existen en la cartera. Usando estadística descriptiva (histogramas, tablas de frecuencia, gráficos de línea/tarta/barras, análisis “cluster”).

La evolución del negocio de la propia compañía, de la competencia o del mercado… Lo haremos a través de la estadística predictiva.

Sergio RuízDigital Analyst

“Biología, Matemáticas y Analítica: Redes Neuronales Artificiales”

#9


http://www.analiticaweb.es/la-prediccion-del-dato-redes-neuronales-artificiales/





Una vez en posesión de la parte explicativa y la parte predictiva, podremos realizar simulaciones sobre el impacto que podría haber tenido diferentes estrategias sobre el negocio de la compañía o plantear escenarios distintos (usando el conocido método de Montecarlo o simulaciones estocásticas, entre otros). Lo que nos lleva a la fase de optimización, donde se determinan las estrategias a seguir para optimizar los beneficios de la compañía (investigación operativa, programación matemática…).

Pero me centraré en la predicción del dato para poder tener una visión virtual de lo que podría pasar en nuestro negocio. Este tema ya fue tratado anteriormente (con un punto de vista muy acertado) por nuestro compañero Javier Pozueco en su post sobre previsión en analítica web y la segunda parte del mismo. Entonces, ¿qué aportamos de nuevo? En este caso, ahondaremos un poco más en dicha predicción, pero a través de una curiosa forma (como pensamos algunos) en la que el proceso matemático simula a una red neuronal biológica.

RNA (Redes Neuronales Artificiales)

El objetivo que da origen a las Redes Neuronales Artificiales, es construir un modelo que sea capaz de reproducir el método de aprendizaje del cerebro humano. Las células encargadas de este aprendizaje son las neuronas interconectadas entre sí a través de complejas redes.

Conociendo un poco de biología básica, sabemos que en el proceso de sinápsis se establece la posibilidad de “transmisión de información” entre unas neuronas y otras (desde las terminaciones en las que se ramifica el axón de una neurona hacia las dendritas de otra); cuando el estímulo (o impulso eléctrico) llega a un terminal nervioso, hace que el nervio libere neurotransmisores. Dependiendo del tipo de neurotransmisor liberado, las neuronas receptoras pueden excitarse si llegan a recibir el estímulo de las neuronas con las que está conectada o inhibirse si dicha información no llega a recibirse, generando una respuesta de uno u otro tipo en cada caso.

Así mismo, también son capaces de extraer patrones y detectar tramas que son muy difíciles de apreciar por el ser humano u otras técnicas computacionales, siendo la facilidad de implementación de estos métodos lo que ha facilitado su popularidad. Estas RNA se caracterizan por tres partes fundamentales: la tipología de la red (propagación hacia adelante o recurrentes), la regla de aprendizaje (supervisado, no supervisado, reforzado, etc…) y el tipo de entrenamiento.

¿Cómo funciona cada neurona?

Las Redes Neuronales, se componen de neuronas, que serían las unidades básicas del modelo. El proceso es “simple”: cada neurona recibe una serie de entradas, que llevarán un peso, emitiendo una salida. La salida viene dada por tres funciones:

• La función de propagación, suele ser el sumatorio de cada entrada multiplicada por el peso asignado.

• La función de activación, tiene como misión modificar a la de propagación. No siempre aparece, coincidiendo en estos casos con la dicha propagación. Las más habituales suelen ser la función tipo escalón (Heaviside) o funciones no lineales como la sigmoidea (parecida a la escalón pero suavizada), logística, tangente hiperbólica…

• La función de transferencia, se aplica al valor dado por la función de aplicación y se utiliza para acotar la salida de cada neurona según la interpretación que le queramos dar al resultado.

¿Cómo funcionan estas Redes Neuronales Artificiales?

La idea es sencilla, ya que se trata de imitar a las neuronas biológicas, conectadas entre sí y trabajando en conjunto, aprendiendo sobre el proceso. Dados unos parámetros hay una forma de combinarlos para predecir un cierto resultado. El problema estará en saber cómo combinarlos. Las redes neuronales son un modelo para encontrar esa combinación de parámetros y aplicarla al mismo tiempo. El objetivo es encontrar la combinación que mejor se ajusta entrenando a la red neuronal. Este entrenamiento, aprendizaje, es la parte crucial de la RNA, ya que nos marcará la precisión del algoritmo. Consiste en encontrar esa relación de pesos a través de un proceso iterativo en el que, secuencialmente, se va analizando cada uno de los patrones de entrada a la red, reajustando en cada iteración la relación de pesos. Es en este punto cuando

#9


http://www.analiticaweb.es/tecnicas-de-prevision-en-analitica-web/


se introducirá una función de error que irá midiendo el rendimiento de la red en un momento dado, donde el objetivo será, obviamente, minimizar dicha función de error. El algoritmo se detendrá cuando se alcance la cota de error establecida por el usuario (o en caso de ciclo corto, cuando el error no decrezca sensiblemente).

Una red ya entrenada se puede usar luego para hacer predicciones o clasificaciones, es decir, para “aplicar” la combinación.

El modelo más sencillo es el “conocido” perceptrón. Un perceptrón es un elemento que tiene varias entradas con un cierto peso cada una. Si la suma de esas entradas por cada peso es mayor que un determinado número, la salida del perceptrón es un uno. Si es menor, la salida es un cero. Además de como una unidad básica, también puede entenderse como una red neuronal artificial en sí misma. Gráficamente, podría representarse de esta forma:

Pero, ¿no decíamos al principio que las redes neuronales eran un grupo de neuronas conectadas entre sí? ¿Cómo se logra esa “conexión” en las redes neuronales? Es en este momento cuando entra en juego el concepto de las capas. En este caso, lo que suele ocurrir es que existen diferentes entradas con diferentes pesos donde, a su vez, hay entradas que necesitan de reglas diferentes a las anteriores para poder codificar y producir un resultado coherente al resto.

Hemos añadido información que no estaba antes. Cogemos los datos de entrada, los exploramos y sacamos las características que mejor nos ayuden a entender qué está pasando. Lo que se suele hacer es poner varias capas con varios nodos, cada uno conectado a todas las entradas anteriores. La ventaja es que, este proceso es de aprendizaje, cada capa “aprende” a encontrar y detectar las características que mejor ayudan a clasificar los datos.

Este tipo de procesos predictivos, similares a los conocidos ARIMA, tienen cada vez más aplicaciones en nuestro entorno habitual. Algunos ejemplos de todo esto involucran a Google que utilizó una red neuronal convolucional para reconocer los números de calle en las imágenes que iban tomando con sus coches, consiguiendo un 96% de precisión en sus resultados.

Por otro lado, estas técnicas predictivas, suelen emplearse en control meteorológico, medición de audiencias de televisión, previsión de impacto en RRSS, predicción en los mercados financieros…además de ser la base para la inteligencia artificial.

Anecdóticamente, la predicción del dato fue de gran importancia en un mundo como el de Matrix, donde el personaje de “El Arquitecto” estaba construido sobre un algoritmo predictivo que iba aprendiendo a lo largo de las diferentes versiones que fue creando sobre el mundo virtual para mantener dormidos a los humanos. Por otro lado, otro algoritmo de predicción, “El Oráculo”, trabajaba como una RNA, el cual poseía una entrada con un importante peso, Neo, que se encargaría de llegar al resultado esperado: la destrucción de Matrix o conseguir el equilibrio entre máquinas y humanos.

Por lo que podemos ver, la predicción del dato no sólo puede mejorar el negocio digital, sino también el negocio cinematográfico en las taquillas.

#9



DoubleClick Digital Marketing – Y Google cerró el círculo DoubleClick, esa solución para publishers y advertisers fundada en 1996, y adquirida por Google en 2007, parece que ya se ha hecho mayor y ha dado un paso al frente para convertirse en otro monstruo de la matriz Google, que como ya sabréis forma parte del mayor holding tecnológico que existe: Alphabet.

Fuente: Wikipedia

De este entramado de empresas que conforman el gigante, cabe destacar que la que actúa como la locomotora que tira del resto es Google, y dentro de esta Search, Youtube y Ads son las que generan aproximadamente el 97% de los ingresos. Es decir, las empresas vinculadas a la publicidad de pago online.

Pero a pesar de generar estos ingentes recursos que obtiene de la publicidad de pago, a Google le faltaba poder meter cabeza en un pujante negocio como es la compra programática (mediante el desarrollo de tecnología propia). Para ello, y en su línea habitual de tratar de cerrar el círculo, ha desarrollado su nuevo producto estrella para la gestión de la publicidad online: el DoubleClick Digital Marketing.

Alejandro DomínguezDigital Analyst

#10

“Un anunciante desde una misma plataforma puede diseñar, planificar, servir, pujar, analizar y optimizar sus campaña de SEM y/o Display”


http://www.analiticaweb.es/doubleclick-digital-marketing-y-google-cerro-el-circulo/





¿Qué es el DoubleClick Digital Marketing y qué ofrece?

A nivel detallado para explicar bien las tripas de la herramienta, es una visita obligada a este post de mi compañero Borja Gutiérrez, en el que explica los módulos que la componen y sus funcionalidades. Pero a nivel de qué ofrece, sí que podemos decir que Google, con este producto, ha tratado de hacer una integración vertical, en la que un anunciante desde una misma plataforma pueda diseñar, planificar, servir, pujar, analizar y optimizar sus campañas de SEM y/o Display (compra de inventarios o RTB).

Este post, por tanto, tratará de dar una visión más centrada en la industria, y analizar las repercusiones que ha tenido este movimiento de Google.

La industria del RTB

Hasta el momento, la industria del RTB tenía una empresa que era la referente y clara dominadora del sector: AppNexus. Fundada por Brian O’Kelley (ex CTO de Right Media, el adExchange de Yahoo!), se trata de la mayor empresa del mundo de RTB o Real Time Bidding.

Curiosamente, dentro del accionariado de esta empresa, se encuentran representadas dos de las empresas que han tratado siempre de plantar cara a Google: por un lado, su fundador es un ex-Yahoo!, y por otro se encuentra Microsoft (Bing) que entró en la misma en una ronda de financiación contribuyendo con 50 millones de dólares. Pero, dentro del accionariado de la misma, también se encuentra representado otro núcleo fuerte del mundo de la publicidad online, el de las agencias de medios. WPP, gigante a nivel mundial en la industria de la publicidad, y propietario de las mayores agencias de medios como MEC, MediaCom, Mindshare o Maxus, a través de su matriz GroupM, también decidió entrar en su accionariado. A través de Xaxis (el trading desk de GroupM) WPP consiguió cerrar la venta de Open AdStream a AppNexus consiguiendo por otro lado formar parte de su accionariado.

La industria de la Analítica Web

Son muchos los players del mercado (Adobe, AT Internet, IBM, Google o Webtrends), pero parece claro que la principal batalla por el sector premium del web analytics está entre Adobe Analytics y Google Analytics.

Fuente: Web e-nor

Si bien la actividad en la web es de vital importancia para la inteligencia de negocio, los proveedores de soluciones de web analytics son conscientes de que dado el elevado presupuesto que sus clientes invierten en publicidad, es necesario proveerles de una solución que pueda integrar los dos mundos: on-site y off-site.

El producto

La solución de DoubleClick, ha supuesto por un lado completar una oferta para anunciantes y agencias, a modo de “Full Stack” (como también se conoce al DoubleClick Digital Marketing). Pero, por otro lado, Google ha tratado de ofrecer un producto donde, en todo momento, la tecnología y los escenarios estén dentro de su universo, ofreciendo dentro del paquete su propio DSP (demand side platform), AdServer, herramienta para creación de creatividades, y potenciándose la integración con Google Analytics o Google Analytics Premium. Es decir, unir dentro del mismo entorno la actividad fuera y dentro de la propia web, mediante una integración perfecta de herramientas.

Movimientos

La acción de Google no ha hecho esperar la respuesta de sus principales competidores en la industria del RTB o el web analytics.

En marzo de este año AppNexus anunció la compra de Yieldex Analytics para tratar de ofrecer un “Full Stack” con el que poder hacer frente a la oferta del gigante de Mountain View. Por su parte, Adobe, tratando de completar su oferta del Adobe Marketing Cloud, se ha lanzado también al mercado de la compra programática potenciando las cualidades de su Adobe Media Optimizer.

#10


http://www.analiticaweb.es/gestion-publicitaria-doubleclick-digital-marketing-parte-i/


Si bien su herramienta estaba claramente orientada a la gestión de las campañas SEM, se le ha dotado de un DSP con el que poder cubrir las necesidades de sus clientes en cuanto a real time bidding se refiere. Además, trata de ir un paso más allá con la oferta también de su DMP (data management platform), el Audience Manager.

Por tanto, como se puede observar, el movimiento de Google ha hecho que el resto de competidores que operan en el mercado muevan ficha para no quedarse fuera de la foto. Por un lado, los players de la industria del RTB, empujado por agencias y competidores de Google que trataban de cubrir un nicho no explotado por el gigante, han tenido que mejorar y completar su oferta. Por otro lado, los proveedores de soluciones de web analytics y actividad on-site también se han visto obligados a ofrecer paquetes similares o más avanzados.

#10


Blog ActualidadUn espacio de nuestra web en el que compartimos información sobre los Encuentros Digitales que tenemos preparados para cada mes, contenidos vinculados a la industria y la estrategia de gestión analítica, sin olvidar todos aquellos eventos a los que asistimos con cierta periodicidad. Asimismo, compartimos nuestras publicaciones ya sea en formato libro, paper o estudios que realizamos.




Marketing Data Technology: en el ojo del huracán

El “Marketing Technology Landscape Supergraphic” de Scott Brinker se ha convertido en una referencia global para gestores de marketing, responsables de transformación digital, “marketing technologists”, profesionales de IT o inversores.

Habiendo crecido considerablemente en tamaño y complejidad, nos toca a muchos en este mercado facilitar cierto contexto adicional que permita su sencilla digestión. En particular, resulta imperativo establecer las reglas bajo las cuales sus muchas categorías coexisten o se solapan.

En nuestro caso, la reorganización de sus grupos y secciones actuales se ha sustentado en la forma en que los datos fluyen entre ellas o son puestos en uso por las tecnologías que engloban. Al fin y al cabo, la mayor parte de sus 43 categorías (a fecha de hoy) consisten en extraer valor de los datos o ponerlos en uso, directa o indirectamente, para alimentar contenidos y campañas (en palabras de Brinker, “experiencias de marketing”).

El diagrama que sigue y sus ideas de apoyo aspiran a compartir estas mismas directrices con el resto del mercado. Podríamos bautizarlo de muchas maneras en castellano, cada cual más retorcida, pero me voy a agarrar al anglicismo “Marketing Data Technology ecosystem” como recurso fácil.

Sergio MaldonadoSocio fundador de DIVISADERO y CEO de Sweetspot

#1

“Las tecnologías de marke-ting se distribuyen en cinco capas principales: columna vertebral, análisis, consumo, activación y automatización”


http://www.divisadero.es/marketing-data-technology-ojo-del-huracan




Marketing Data Technology ecosystem (A)

En aras de simplificar su comprensión, comenzaré por exponer los siete principios básicos que lo inspiran. Seguiré a continuación con una serie de ideas genéricas, así como una versión del mismo gráfico incorporando tecnologías concretas.

Principios inspiradores del Marketing Data Technology ecosystem:

1. Asumiendo que los datos constituyan, o bien su eje central, o bien su punto de apoyo, las tecnologías de marketing se distribuyen en cinco capas principales: columna vertebral, análisis, consumo, activación y automatización.

La columna vertebral consiste en tecnologías y medios que nos permiten recabar, procesar y almacenar datos. No se trata únicamente de soluciones autocontenidas, sino también de la arquitectura que sustenta a muchas de las soluciones que conforman el resto de capas.

El análisis (de datos) consiste en un amplio espectro de funciones gestionadas por equipos humanos, desde la modelización de algoritmos a la analítica digital. Muchas de ellas no pertenecen de forma exclusiva al ámbito del marketing, representándose, por ello, fuera del núcleo duro del ecosistema.

El consumo (de la información) se refiere a la tarea cerebral por antonomasia: la toma de decisiones que acompaña a la entrega y distribución de resultados. Representa un puente entre los datos y la gestión del cambio; entre la evaluación estratégica del rendimiento y la operativa de los diversos

aspectos del marketing. Aunque en su forma más pura se representa mediante cuadros de mando y tableros de control, esta capa incorpora, asimismo, la gobernanza del dato (asignación/interdependencia de métricas), “insight management” (gestión de conclusiones del análisis) e, incluso, los módulos embebidos de metodología aplicada (“built-in marketing know-how”), principalmente en forma de inteligencia multicanal.

La activación se refiere a poner los datos a trabajar en el ámbito más puramente táctico, estableciendo una conexión directa con las experiencias de marketing que ayuda a generar. Como cabe esperar, la capa de activación está estrechamente vinculada a la quinta y última categoría, automatización, a medida que múltiples tareas son tarde o temprano sistematizadas y, más tarde, automatizadas.

Estas capas están representadas en el gráfico con las rúbricas “Backbone”, “Discover”, “Decide”, “Activate” y “Automate”, respectivamente.

2. El advenimiento de los datos “de primera parte” pone a las marcas al volante de la gestión analítica de contenidos y campañas, pero esto no se traduce en una integración de todos los datos disponibles bajo un único techo o sistema.

Habrá un “data lake”. Y habrá un DMP (“data management platform”). Y habrá Data Marts o un Data Warehouse gestionado por el anunciante, pero agencias y medios mantendrán sistemas y repositorios independientes, directamente conectados a las campañas o iniciativas que definen y gestionan.

Más aún, aspirar a un escenario de integración absoluta destruiría el valor de algunas categorías de información para el análisis, consumo, activación o automatización específicos del canal.

Profundizando aún más en la columna vertebral, la forma de “casa y jardín” mostrada en el gráfico ilustra otras importantes limitaciones relativas a la arquitectura de la información:

a) Las bases de datos SQL y NoSQL coexisten en la mayor parte de entornos corporativos, facilitando soluciones alternativas para el almacenamiento de datos estructurados, desestructurados o semi-estructurados.

#1



b) En el espacio de Data Warehouse, el modelo de Platform as a Service se adapta particularmente bien al ámbito del marketing (con múltiples interacciones de cliente desarrollándose y registrándose directamente en la nube).

c) Los datos de primera parte relativos al uso de webs y apps móviles han vivido su propia evolución: las herramientas de analítica digital incorporan servicios de procesamiento y almacenamiento específicamente diseñados para el tipo de datos que recaban (de forma directa o intermediada).

d) Los datos de medios sociales se guardan y procesan por separado en cada plataforma. Algunos de esos datos están únicamente disponibles a los titulares de cada activo en el medio social, mientras que otros estarán públicamente disponibles.

e) La mayor parte de las herramientas referidas en b), c) y d) cuentan con APIs (“Application Programming Interfaces”) a efectos de consumo, análisis conjunto, activación o automatización.

3. La naturaleza de los datos subyacentes tiene un impacto directo en nuestra capacidad para analizarlos o consumirlos, de forma aislada o integrada.

Los datos generados en el ámbito del marketing (primordialmente digitales) representan un serio desafío a la inteligencia de negocio (“BI”) tradicional. Mientras que los primeros devienen mayoritariamente semi-estructurados o desestructurados, BI fue concebido sobre la base de información estructurada (esto es, modelos asociados a bases de datos relacionales). Al tiempo que gran parte de los datos de marketing, hoy disponibles, no albergan formas de vida más allá de la correlación, el BI exige causalidad.

Varios entornos de análisis y consumo coexistirán por esta razón en aparente solapamiento, pero de hecho reflejando las disparidades naturales de los modelos de datos subyacentes. Las funciones de analítica de medios sociales, por ejemplo, serán gestionadas de modo más óptimo por herramientas especializadas en el recabado, almacenamiento y procesamiento de “social feeds”. Por otro lado, el análisis de propiedades de cliente en un Data Warehouse podrá confiarse felizmente a herramientas de exploración visual, análisis descriptivo o analítica predictiva.

4. Las conexiones entre unas capas y otras sustentan funcionalidades esenciales en cada una de ellas.

• Las conclusiones extraídas (“Insights”) son el fruto más importante de las tareas de análisis de datos. Estas, a su vez, devienen un input fundamental para las tareas de consumo de información (de las cuales emanarán solicitudes específicas de nuevas conclusiones o una aportación de contexto en torno a determinada actualización de las métricas).

• De modo análogo, los resultados generados con las experiencias de marketing de los potenciales clientes (resultados de campaña) alimentan ambas capas, consumo y análisis, al tiempo que los modelos predictivos u otros frutos de la capa de análisis alimentan funciones de activación y automatización.

• La toma de decisiones a nivel ejecutivo resultará en las reglas de negocio a más largo plazo que determinan los objetivos de la automatización, mientras que esta misma (“machine learning”, inteligencia artificial) terminará generando algunos de los diagnósticos (y conclusiones) que ahora ven la luz en la capa de análisis.

5. El comportamiento humano es el límite.

¿No es acaso la mente impredecible del consumidor la última frontera de las acciones de marketing? ¿No es acaso el comportamiento impredecible de individuos y equipos la última frontera de los procesos de gestión?

El primer dilema explica que los modelos de “atribución” no sean el santo grial que en su día creímos. O que un verdadero customer journey no pueda hacerse realidad. A menos que llegáramos a conocer a la perfección el funcionamiento del cerebro humano – y en ese momento el proceso de marketing estaría maduro para su completa automatización (al tiempo que el ser humano habría alcanzado el punto de reemplazo por robots).

El segundo dilema explica las velocidades dispares del progreso tecnológico y el cambio organizativo. O el hecho de que ni siquiera todas las métricas en el mundo podrían reemplazar una buena pieza de storytelling (el “API al cerebro humano”).

#1



6. El anhelo personal de privacidad es imparable. Como consecuencia, las limitaciones en el uso de datos personales (regulatorias y a iniciativa del propio consumidor) tienen un tremendo impacto sobre todo el ecosistema.

Es un hecho que una proporción cada vez mayor de consumidores está deshabilitando cookies (de tercera parte o todas), o borrándolas con más frecuencia, al tiempo que muchas de ellas devienen inútiles con el acceso móvil. La gente se ha vuelto progresivamente consciente de los datos recabados en sus interacciones digitales… y está actuando en consecuencia.

Para hacerlo más complicado, el marco regulatorio (no solo en la UE) está basculando el enfoque desde los datos personales per se a las metodologías concretas en uso para el recabado de cualquier tipo de datos (sean o no personales) en virtud de su riesgo potencial. De ahí el impacto de:

• Legislación aplicable a cookies: la directiva ePrivacy (LSSI en España), solicitando permiso previo expreso si las cookies van a ser usadas para propósitos de perfilado individual (sin importar cómo de encriptados o ininteligibles sean los datos) está obligando a gestores de marketing y Chief Digital Officers a redefinir la manera en la que los DMPs, gestores de huella (TMS) o repositorios de login sociales se gestionan y aprovechan.

• La asimilación del “fingerprinting” (considerado por muchos una alternativa menos gravosa) a las propias cookies a todos los efectos a la luz del mismo marco jurídico comunitario.

• La primera consecuencia de todo esto es nuestra incapacidad para seguir explorando un planteamiento puramente determinístico y user-centric, dando paso a un escenario user-driven y de “audiencias inteligentes” en el que las experiencias de marketing se personalizan automáticamente sobre la base de un enfoque combinado determinístico/probabilístico.

7. La capa de consumo (de información) conecta la tecnología de marketing con el resto de la función de marketing. Más importante aún, conecta a marketing con el resto de la organización.

La entrega/distribución de la información para su consumo final está vinculada a la productividad, el rendimiento e incluso el “Insight Management”. Pero ni los términos “dashboard” o “reporting” son ya exclusivos de esta función, ni bastarían para dar suficiente cobertura a cada uno de sus componentes clave.

Por profundizar en el primer aspecto, los dashboards (tableros de control) están ahora en todas partes, a todos los niveles y en todas las categorías de MarTech. Cada función táctica tiene un dashboard para su supervisión humana o control directo. Cada herramienta de análisis visual (específica de canal o genérica) provee una forma de remitir resultados a quien finalmente consumirá la información, muy probablemente mediante un dashboard. Sin embargo, ninguno de estos pertenece a la tarea de gestión ejecutiva del rendimiento de marketing (o la inteligencia de marketing). En consecuencia, el término ha dejado de representar una etiqueta válida para una sola categoría o tarea específica.

Entrando en detalle al segundo punto, las siguientes piezas completan la fotografía del consumo de la información – más aún incluso cuando ponderamos el rol de esta capa como puente al resto de la organización:

• Insight Management (o “Digital Insight Management” en el ámbito especialmente dinámico del marketing digital) consiste en canalizar el input de los analistas a los tomadores de decisiones y otros consumidores de datos de modo tal que sus conclusiones de valor añadido puedan sustentar acciones concretas (estableciendo un nexo con varios flujos de trabajo para la toma de decisiones).

• Built-In Know-How: como en su día sucedió con los CRMs (embebiendo conocimiento específico del proceso de ventas en una base de datos relacional) o ERPs (know-how específico de gestión de recursos específica de industria), las herramientas de consumo de la información están en la mejor posición posible para incorporar componentes reciclables de marketing know-how – y se encuentran, por ello, más próximas a la gestión de marketing que ninguna otra capa. Esto podría venir en forma de librerías de KPIs, gestión de campañas multicanal, sistemas preconfigurados de ponderación o fórmulas de asignación (“atribución”) de retorno en la inversión (ROI).

#1



• Gestión del rendimiento: consistiendo en vincular objetivos de marketing, proyecciones o benchmarks a metas globales corporativas. Aquí reside el alma de cuadro de mando (scorecard) de la herramienta de consumo, mucho más preocupada por el “qué” (rendimiento a través del tiempo) que el “por qué” (segmentaciones dimensionales de un KPI concreto).

• Gobernanza de los datos: representando cosas distintas en función de la capa en que nos encontremos, pero su esencia a nivel de consumo es una distribución adecuada de métricas y objetivos entre miembros del equipo.

• Productividad del equipo: lo cual debería versar más sobre la construcción de un puente a herramientas de colaboración ya desplegadas (mensajería integrada, marketing ágil) que reproducir al completo lo que éstas ya facilitan a día de hoy.

Conclusiones. Tecnologías específicas

En esencia, aunque puede ser cierto que el espacio de tecnología de marketing está ganando complejidad, también parece que sus piezas fundamentales están madurando simultáneamente con muchas funciones, encajando rápidamente en su sitio bajo un panorama cada vez más nítido que no puede escapar a ciertas limitaciones esenciales: datos (se presentan en formas limitadas); gente (individuos y equipos); medios/servicios (el lienzo de nuestras experiencias); matemáticas; y la misma tecnología.

Como los puntos 2 (irreconciabilidad de los tipos de datos) y 5 (anhelo personal de privacidad) reflejan, no creo que la obsesión por romper los silos de datos sea la respuesta. Pienso, más bien, que deberíamos adaptarnos a trabajar con múltiples silos: conectándolos cuando sea posible, solapándolos cuando no.

Dicho esto, paso a continuación a compartir una versión del mismo ecosistema (Marketing Data Technology) incorporando, a efectos ilustrativos, las tecnologías específicas con las que estamos más familiarizados.

Marketing Data Technology ecosystem (B)

#1



“There are only two mistakes one can make along the road to truth; not going all the way, and not starting. – Buddha”

Cinco consejos inspiradores para ayudarte en la transformación digital 5 Ws sobre Transformación Digital

Las 5 W’s es un clásico de la metodología de trabajo de cualquier periodista. En el fondo se trata de recoger los elementos necesarios de una realidad con el objeto de transmitir lo ocurrido a un tercero con imparcialidad y rigor.

En este caso no tratamos las mismas 5 ws ni pretendemos contar una historia. Nuestra pretensión desde DIVISADERO es transmitir desde un lenguaje sencillo cómo hemos enfocado el modelo de Transformación Digital, aplicando rigor y flexibilidad al reto que la mayoría de las grandes corporaciones están abordando en este momento.

Este camino (Where), parte de un contexto y define una situación a alcanzar (What). A partir de ese momento se aplican nuevas formas de hacer (hoW) y se dan los pasos para integrar todos las tareas relacionadas con clientes (to Whom) con una única visión (Why): Alinear necesidades de clientes y objetivos de la organización como palanca de transformación.

Así es cómo entendemos ese imprescindible caminoThere are only two mistakes one can make along the road to truth; not going all the way, and not starting. – Buddha

Bernardo CrespoDigital Transformation Leader

#2


http://www.divisadero.es/blog/2015/06/10/5-consejos-inspiradores-para-ayudarte-en-la-transformacion-digital/






Where “the path”

La transformación digital es un proceso de madurez y, por ello, un camino representa perfectamente la andadura de cualquier organización desde una primera fase de aprendizaje digital hasta un estadio de transformación. A partir de ahí es un “continuo” donde las nuevas formas de hacer van cambiado en la organización.

Es un camino sencillo y la sencillez estriba en la capacidad de las organizaciones en adaptar sus formas de hacer a los nuevos procesos de decisión que ya están afrontando sus clientes fruto de la irrupción de activos digitales. ¿Es posible que ese camino no sea tan sencillo para mi compañía? Las posibles rigideces que podemos encontrar en el camino, dependerán en gran medida de las resistencias internas de cada organización a adaptar sus procesos y su dinámica de tomas de decisiones, a las formas y a los nuevos modelos de compra que ya han interiorizado los consumidores de forma natural. Sí, lo cierto es que los clientes de todas las industrias están un paso por delante en este camino.

Para adaptar este modelo a los diferentes grados de madurez digital en el que se encuentran nuestros clientes, hemos creado una metodología de acompañamiento que combina análisis estratégico, herramientas digitales de personalización, testing, manejo de audiencias, y todo, con un profundo y riguroso uso de la gran cantidad de datos que se generan en el entorno digital. A este modelo le hemos llamado Path to Digital Transformation – P2DT.

Change is the law of life. And those who look only to the past or present are certain to miss the future. – John F. Kennedy

What

Cualquier corporación conoce a la perfección su estrategia. Ahora, ¿sabemos cómo adaptar esta estrategia a un entorno de incertidumbre donde la adopción tecnológica ha modificado comportamientos de clientes, competidores e industrias enteras?

La irrupción de nuevas tecnologías y las nuevas formas de decidir de los clientes han supuesto ya una alteración en la reglas de juego de cualquier industria. Primero fue la música, después Travel, seguido por Telcos. Incluso Bancos y Seguros han visto cómo sus modelos de distribución ya no tienen el mismo peso que tenían en el

pasado en la toma de decisiones de primera compra por parte de sus clientes.

Está claro que existe un factor determinante en la necesidad de transformarse digitalmente y éste es la madurez digital de cada vertical. No obstante, todas las compañías parten de un escenario inicial y de un ecosistema de activos digitales de partida: apps, webs, blogs, perfiles en social media, herramientas de analítica, CRM, integración con terceras partes para campañas, repositorios de contenidos, data marts, etc. ¿Está listo ese ecosistema para afrontar el reto de la Transformación Digital?, ¿cómo está mi compañía en relación a otros competidores?

“The goal is to transform data into information, and information into decision-making.” – DIVISADERO

hoW

Una vez definida la estrategia y perfeccionada con las diferentes implicaciones digitales de cada industria / competidor / target de clientes, la compañía está en situación de tener una aproximación clara de las bases de su modelo de transformación digital. Ahora, ¿sabe la compañía cómo hacer ese camino?

En DIVISADERO hemos acumulado un expertise basado en la Inteligencia y Analítica Digital como palanca de desarrollo y optimización. Manejar y analizar grandes cantidades de datos digitales en tiempo real ha sido siempre nuestra principal habilidad. Poner esos datos a trabajar en la estrategia digital para transformar datos en información e información en toma de decisiones, es la palanca de cualquier proceso de transformación. Hacen falta los datos y hacen falta las personas para trabajar con una metodología basada en uso del dato. ¿Dispone la compañía de los perfiles adecuados para gestionar esa transformación apalancada en el uso y el aprendizaje del dato? Y por último y más importante, ¿tenemos claro qué indicadores observar para valorar si nos estamos desviando del camino?

“The key to growth is the introduction of higher dimensions of consciousness into our awareness.” – Lao Tzu

to Whom

La mayoría de las empresas ya han sido intensivas en el pasado en la generación de modelos de segmentación

#2



tanto para aproximar su modelos de relación o distribución, como para mejorar la eficacia de sus campañas. En este nuevo entorno las interacciones de los usuarios con los diferentes activos genera una gran cantidad de datos que en mucho casos podrían ayudar definir nuevos modelos de segmentación. A estas formas de generar nuevas aproximaciones homogéneas a clientes basada en datos digitales es lo que llamamos audiencias digitales.

Sin duda la segmentación tradicional es y sigue un activo valioso para tu negocio, ¿crees que es posible incorporar nueva información para perfeccionar esos modelos de segmentación? Y ahora que hemos enriquecido nuestros segmentos perfilando las audiencias en activos digitales, ¿es posible hacer el camino de vuelta?, ¿cómo enriquecer la estrategia tanto online/offline a partir de esta información?

Funnels de ventas, contenidos en blogs, interacciones en redes sociales, leads de campañas, usuarios de apps y una gran cantidad de nuevas formas de perfilar a los usuarios, bien nos pueden servir para ayudar a nuestros equipos comerciales en tiendas físicas a mejorar sus resultados. Adicionalmente, visitas a una tienda física, conversaciones telefónicas incluso emails de las fuerzas de venta a sus clientes, pueden ser aprovechados para generar nuevas oportunidades de venta tanto en el punto físico como en la web. Ambos caminos son posibles.

“The definition of insanity is doing the same thing over and over again, but expecting different results” – A. Einstein.

Why

Una vez que sabemos cuál es la situación deseada en el proceso de transformación digital, conocemos mejor que nunca a nuestros clientes y además hemos aprendido cómo generar aprendizajes de todos los puntos de interacción con nuestros clientes, ¿A qué esperamos para transformar estos aprendizajes en valor para nuestros clientes?

La gestión de tus activos digitales es solo una parte del camino, unir toda la información disponible para generar una experiencia y una oferta de valor relevante para tus clientes es avanzar en el camino.

A estas alturas ya nadie tiene que explicarte que tus clientes son entre otros, aquellos para los que diseñas tu promesa de marca y sobre quien has construido tu misión como

compañía, ¿está preparada tu compañía para transformar todo ese nuevo caudal de información en una fuente continua de creación de valor para tus clientes?

Si a estas alturas tienes dudas de que alinear los objetivos de tus clientes con los objetivos de tu organización es uno de los retos más importantes de cualquier organización, aún no estás listo para transformar digitalmente tu organización. Entonces creo que nos toca volver de nuevo al paso inicial.

“I do not conceive of any reality at all as without genuine unity.” – Gottfried Leibniz.

#2



Google Analytics Hackathon y Think Performance 2015: Conectando Online y Offline Hace unas semanas DIVISADERO recibió la invitación por parte de Google España para participar en el Google Analytics Hackathon 2015. Para el que no sepa de qué va un Hackathon, el término aúna las palabras Hack y Maratón, y se trata de un encuentro de programadores en el que se busca el desarrollo de un software o aplicación y su duración suele comprenderse entre un día y dos semanas.

El siguiente paso sería la propia presentación del evento, donde se expusieron claramente las premisas:

• Utilización de la funcionalidad Measurement Protocol de Google Analytics para el envío del dato a la herramienta

• Posibilidad de creación de Segmentos de usuario en base a la solución

Además, se facilitó a los grupos una bolsa con diferentes gadgets para su posible utilización en caso de ser necesario: una raspberry Pi, un sensor de movimiento y una cámara para conectar con la Raspberry, un smartwatch Android y aplicaciones necesarias.

Allí mismo se produjo un brainstorming con los especialistas de Google para definir el ‘experimento’, de donde salieron ideas muy interesantes: monitorización de las fases de sueño de un bebé, tracking de las acciones que realiza un perro dentro y fuera del domicilio, etc. Pero fue otra la idea que más nos motivó y sobre la que hemos trabajado. Os la explicaremos en breve, aunque antes vamos a poner un poco de contexto y las razones que nos llevaron a elegirla.

Queríamos mostrar algo que conectara totalmente el mundo offline y online, y de paso nos sirviera para segmentar al usuario en función de su evolución, y como en nuestra oficina tenemos una mesa de ping-pong

Jorge LópezDigital Intelligence Consultant

#3

“Queríamos mostrar algo que conectara totalmente el mundo offline y online, y de paso nos sirviera para segmentar al usuario en función de su evolución.”


http://www.divisadero.es/blog/2015/06/16/google-analytics-hackathon-y-think-performance-2015-conectando-online-y-offline/






(y además somos fanáticos :-D) pensamos que es una ocasión inmejorable para sacarle partido…Por ello, de aquí sale el…

Proyecto #GAme (Google Analytics multi experience)

Imaginaros que tenemos una tienda de material de ping-pong, “Ping-Pong Store” (por poner un ejemplo). Ésta comercializa una mesa que sirve al jugador para medir las diferentes acciones que toma durante el juego y así poder ir mejorando en función de los datos que se recopilan en Google Analytics.

¿Qué vamos a medir durante el juego?

• Lado de la mesa donde bota la bola• Tipo de golpeo que ejecuta el jugador• Lado de la mesa hacia la que el jugador ha dirigido la

bola• Velocidad de golpeo• Golpes ganadores y perdedores

Una vez definidos estos parámetros, lo siguiente sería ponerse manos a la obra. Os vamos a explicar por partes cómo se ha realizado el control de cada hito. Prometido, intentaremos no ahondar demasiado en los aspectos técnicos :-)

El primer paso fue “conectar” la mesa. Para ello, nos hemos servido de unos piezos eléctricos pegados a la mesa por la parte inferior, capaces de percibir las vibraciones que produce el bote de la bola. Por otro lado, contamos con una webcam en la parte superior que captura una foto justo cuando los sensores indican que se ha producido el bote. Es decir, obtenemos algo como:

Esta foto se analiza y se obtienen las coordenadas de la bola en el momento del bote, conociendo, entonces, el lado en el que se produce (derecho/izquierdo), tanto en el campo del jugador que golpea, como en el del adversario.

Una vez hecho esto, la siguiente parte será la medición del propio golpeo. Para ello haremos uso del Smartwatch que Google nos proporcionó, para el cual hemos hecho una App específica que, gracias a los diferentes sensores de los que dispone: giroscopio, acelerómetro… envía al sistema el tipo de golpeo realizado para cada usuario. Es decir, podremos saber si un jugador golpea la bola “de derechas”, “de revés”, e incluso la velocidad que imprime.

Además, el propio reloj servirá para identificar al usuario mediante el login a la App y así poder identificarlo dentro de Google Analytics.

Bien, si interconectamos los momentos de bote de bola con los golpeos a la misma, podremos obtener un trío de datos compuesto por:

LADO PROPIO | TIPO DE GOLPEO | LADO OPONENTE

Enviándose así a Google Analytics en forma de página vista. Además, se transmitirán, en forma de eventos, tanto los puntos ganados/perdidos como las partidas.

Os mostramos a continuación un par de pantallazos con los datos recopilados. Aquí el de páginas vistas con los tipos de golpeo realizado además de los botes en cada campo:

Y aquí los eventos asociados a cada pérdida y consecución de puntos y partidas:

#3



Por otro lado, diseñamos un panel de juego en el que se puede ver cada partida y los datos de la misma. Es importante destacar que todo esto se obtiene directamente de Google Analytics Real Time a través de la API que la herramienta nos ofrece. Aunque en un inicio hicimos una versión más ‘light’, la versión final del panel es la siguiente:

Como podéis ver, tenemos a nuestros compañeros Rodrigo y Héctor inmersos en una partida, donde vemos cada puntuación, los golpeos realizados de cada tipo, velocidad de la bola y último golpeo realizado en la parte inferior, con el trío de datos de bote/golpeo/bote. Y en el medio, una representación 3D de la mesa, indicando en cada momento el punto en el que se produce el bote de la bola en cada campo, para ambos jugadores.

Presentación en las oficinas de Google

Con todo esto montado y tras dos duras semanas de trabajo, nos dirigimos a las oficinas de Google para presentarlo el día establecido para el Hackathon junto al resto de participantes.

Presentación en Think Performance 2015

Teníamos otras dos semanas por delante para presentar el proyecto, nuevamente, esta vez delante de los asistentes al evento Google Think Performance 2015. Enfocado a la interconexión entre el mundo online y offline y el aprovechamiento de la tecnología para maximizar el impacto de las campañas publicitarias en sus resultados de negocio, DIVISADERO participó en la sesión de tarde, con un carácter más práctico que la sesión de mañana (que sería una fantástica sesión más inspiracional con diferentes expertos de Google y directivos de empresas más que conocidas).

En esta ocasión, como no podía ser de otro modo, no iba a ser todo tan fácil y lejos de tenerlo todo preparado desde el Hackathon, tuvimos que “reinventarnos” un poco

ya que no podíamos sujetar la cámara en el techo. Por ello ideamos un sistema para colgarla en el evento con la consiguiente recalibración del sistema y los posibles problemas asociados. Además, para presentar, teníamos que desplegar el montaje en unos segundos.

De todas formas, esto no hizo más que incentivarlo un poco y finalmente salió todo a pedir de boca! Aquí podéis ver el equipo al completo que nos hemos encargado de este proyecto: Héctor Camblor, Rodrigo Álvarez, Nicolás Lozano y yo mismo. Aprovecho además para agradecerles el tremendo trabajo realizado.

#3



“Digital Big Data como aquellos procesos que evolucionando del clásico “data mining”, se unen a herramientas propias del Big Data para tratar datos que emanan del entorno digital (web, apps, social)”

La transformación digital será a través del Digital Big Data o no será Podemos asegurar, sin riesgo a equivocarnos, que después del Gin Tonic, el Big Data es uno de los términos más populares de nuestros tiempos. Tanto es así que se hace necesario usar Big Data para procesar toda la información que surge en torno al propio término, entrando así en un bucle perversamente recursivo.

El interés por esta “nueva” disciplina crece exponencialmente y si bien cada vez son más los ámbitos en los cuales se incorpora como elemento disruptivo, también es sorprendente su aparente ausencia en otros.

Gráfico Google Trends Comparativa Big Data (Azul) - Gin Tonic (Rojo) España

Industrias como la banca o los seguros llevan ya tiempo aplicando Big Data sobre sus datos, en procedimientos que recuerdan en gran medida al clásico “data mining”, del cual no es sino su evolución, para determinar desde el riesgo de conceder un préstamo a una persona que viva

José Manuel CorralSenior Project Manager

#4


http://www.divisadero.es/blog/2015/06/30/la-transformacion-digital-sera-a-traves-del-digital-big-data-o-no-sera/





en una determinada localización geográfica a la creación de perfiles de buenos conductores en base a datos financieros.

En otras disciplinas como aquellas asociadas a Open Data , Smart cities, healthcare, e-Goverment y el internet de las cosas, el Big Data se presenta como uno de los catalizadores para lanzar su desarrollo e implantación efectiva en la mejora de la calidad de vida de la ciudadanía.

Sin embargo, si hablamos de la aplicación del Big Data al mundo de la Analítica Digital en su más amplia acepción; esto es Web, Social y Mobile Analytics, nos vienen a la cabeza las palabras del poeta cuando decía aquello de “veréis llanuras bélicas y páramos de asceta, no fue por estos campos el bíblico jardín” dado que poco o nada parece moverse con respecto al Big Data en el ámbito del dato digital. ¿Cómo puede ser esto posible si nos encontramos ante los más frondosos campos de datos, regados con miles de millones de interacciones humanas en webs, apps y redes sociales recogidas por herramientas de Analítica Web de lo mas variado?

Algunas de las causas, que la experiencia acumulada en este sector nos permite aportar para el debate, serían las siguientes.

Estructura subyacente del dato

Es bien sabido el gusto por el dato en crudo para llevar a cabo análisis Big Data; en el mundo de la analítica web, donde el tag ha sustituido al log, precisamente buscando simplificar el procesamiento de la información, el dato se presenta cocinado por el método usado en el despliegue y la recogida de datos a través de variables. La persistencia de variables, la relación de eventos asíncronos con variables síncronas, etc. hacen que estos datos ya se recojan y almacenen con una determinada estructura que condiciona el modelo de información subyacente. Si esto se suma a que un contexto de recogida es difuso (navegadores, entornos, etc.), el dato se vuelve líquido. A este respecto, herramientas como Big Query de Google o DataWarehouse de Adobe Analytics (entre otras) permiten atacar los datos en su versión más cruda facilitando de esta forma el procesamiento posterior con técnicas estadísticas (data mining, machine learning, etc.)

Calidad del dato

A priori, uno de los requisitos del Big Data, como su propio nombre indica, es contar con la abundancia de datos; en el caso de la analítica no sólo se genera una cantidad ingente de datos, sino que en algunos casos hay tal sobreabundancia de ellos que llega incluso a ofrecer información inconsistente (o al menos contradictoria). Se hace necesario, por tanto, abordar la medición digital respondiendo a unos objetivos de negocio y con unos estándares de etiquetado que garanticen la consistencia de los datos recogidos. Pocas cosas han hecho más daño a la analítica web que la “obsesión” de medirlo todo en detrimento de la calidad del dato recogido y su finalidad. Sin un dato de calidad no podemos hablar de análisis de datos.

Fragmentación del dato

Diferentes fuentes de accesos (mobile, tablet, portátil, ordenador del trabajo, personal, etc.) al mismo activo digital, hacen que el mismo usuario se desagregue en tantos perfiles como dispositivos de acceso utilice. Esto provoca la fragmentación de los datos asociados al mismo y por tanto de la visión global del usuario (piedra filosofal de la alquimia marquetiniana). Los movimientos de Google Analytics con su User ID o de Webtrekk con su visión user-centric traking son pasos adelante para acabar con esta fragmentación y ofrecer una visión panorámica del comportamiento del usuario digital.

Perfiles profesionales suficientemente preparados

En este punto vuelve a aparecer una de las palabras más cool de estos últimos tiempos. El Data Scientist, considerada la profesión más sexy del siglo XXI y llamado a encabezar la revolución basada en datos, adolece en el campo del Digital Analytics de suficiente preparación. Vicent GranVille en un revelador post titulado What is Wrong with the Definition of Data Science desarrolla una línea argumental muy interesante, donde además de las ya consabidas skills que han de vestir un perfil de Data Scientist (manejos de bases de datos, altos conocimientos de estadística, modelado y visualización de datos, programación, etc.) añade un factor decisivo, que es el conocimiento de negocio o el expertise en el campo de actuación (domain expertise / business acumen). La Analítica Digital y sus disciplinas conllevan una gran complejidad en sí misma (ya en su concepción inicial) que requiere un gran conocimiento sectorial

#4



y dominio de diferentes herramientas, metodología, procesos; lo que añadido a las razones expuestas anteriormente sobre las peculiaridades de los modelos de datos subyacentes a los que se hay que enfrentar, hace necesaria una especialización o una nueva definición del Data Scientist.

Fuente de la viñeta: http://www.kdnuggets.com/websites/cartoons.html

Digital Big Data y Digital Data Scientist

Con estas premisas no es aventurado redefinir las reglas del juego, al menos en el terreno de la semántica, y comenzar a hablar en términos de Digital Big Data como aquellos procesos que evolucionando del clásico “data mining”, se unen a herramientas propias del Big Data (alta capacidad de computación, bases de datos no relacionales, computación distribuida, nuevos algoritmos de procesamiento de datos, etc.) para tratar datos que emanan del entorno digital (web, apps, social). En este ecosistema nace la figura del Digital Data Scientist que complementa las competencias del Data Scientist con un conocimiento profundo del mundo del Digital Analytics. Esta nueva nomenclatura permite sentar las bases para responder a los retos que demanda la transformación digital de las empresas, y que van desde el mayor conocimiento del usuario (perfilado de usuarios), optimización de los canales publicitarios (modelos de atribución personalizados), integración de fuentes (dato on, off, de terceros, etc.) mejora de la experiencia de usuario (optimización de los flujos de navegación en el site), simulación de escenarios (análisis predictivo), etc. Tal importancia estratégica toma el Digital Big Data en este escenario de cambios que no es descabellado atreverse afirmar que la transformación digital será a través del Digital Big Data o no será.

#4



#5

Cerrando el Círculo de la Estrategia Digital “Digital marketers” -unicornios blancos- tienen hoy en día el reto de conectar sus habilidades creativas para ayudar a los usuarios a tomar decisiones de compra, al mismo tiempo que toman las decisiones tecnológicas correctas para apoyar sus competencias digitales en herramientas que transformen estrategia en resultados de negocio.

“Llegar a crear tu propia voz en medios sociales, alinear tu estrategia de contenidos con la razón de ser de tu negocio, optimizar tu estrategia orgánica de búsqueda, diseñar una experiencia de usuario en tus activos digitales digna de ser compartida, generar recuerdos inolvidables a tus clientes en su primera experiencia contigo (onboarding programs), mejorar los resultados e impulsar la conversión invirtiendo en medios personalizados. Y, finalmente, como guinda, integrar toda la información, conectando tus ecosistemas digitales como el mundo exterior. Y vuelta a empezar. Así es como funciona. Fácil, sencillo y con un montón de aprendizajes por delante”.

Básicamente, si te toca decidir la estrategia digital de tu negocio, tienes dos sencillos retos a la vista. El primero, es ayudar a tus usuarios a fluir de forma natural en tu ecosistema de activos digitales en el momento en que están construyendo su propia decisión previa a una compra.

Prestar asistencia a tus usuarios para desarrollar sólidas opiniones de compra sobre tu oferta de valor apoyándote en una estrategia de contenidos, es sólo el detonante, el

Bernardo CrespoDigital Transformation Leader

“When Digital (and anytime in life), Be consistent”.


http://www.divisadero.es/cerrando-circulo-estrategia-digital




principio. A partir de ese momento el resto de piezas de tu estrategia digital aparecen, una tras otra: el tweet adecuado en el momento oportuno; un email inesperado susurrando la respuesta a preguntas planteadas en un post: una estrategia anticipada de posicionamiento sobre palabras clave nicho. Activos digitales sencillos, intuitivos, amigables y escalables a cualquier pantalla. Quizá apps nativas diseñadas de forma seductora para evaluar diferentes productos o especificaciones de servicios. Y una vez hecho esto, ¡LISTO!. Gran parte del trabajo ya está hecho. A partir de este momento, dedícate a ayudar a tus usuarios, consigue impactos de forma personalizada (remarketing) y procura ofrecer la mejor asistencia al usuario en su proceso de compra.

Una vez que te hayan comprado, pon todos tus datos a trabajar para activar posibles recomendaciones, reforzando su decisión de compra. Nadie quiere sentir que ha tomado la decisión incorrecta. Piensa en los próximos pasos por adelantado. Prepara una batería de emails para aquellos usuarios que ya te han comprado y fuerza esas recomendaciones. Este es el proceso artesanal de construir la fidelización. Alcanzar la maestría a la hora de generar experiencias de usuario inolvidables es el santo grial de cualquier profesional de marketing digital. Citando a Simon Sinek y su archiconocido Golden Circle, básicamente, se trata de inspirar a las personas para que te acompañen en la consecución de tus objetivos.

“Everything we do, we believe in challenging the status quo. We believe in thinking differently. | The way we challenge the status quo is by making our products beautifully designed, simple to use and user-friendly. | We just happen to make great computers. Do you wanna buy one?”

El segundo reto es llevar a cabo la mejor elección en términos de tecnología para ejecutar tu estrategia digital. Y lo que quiero decir con tecnología es herramientas y código que conecten información y datos para facilitar la estrategia de conversión. En un post pasado bajo el seductor título de Sex, Tags & Rock n`Roll, repasaba la lista de las necesidades de cualquier profesional de digital. El hecho es que siempre hay una herramienta para cada necesidad: ”In Tools, We Trust”. Herramientas para facilitar trabajo y, si aún no las hay, alguien estará ahora mismo detectando esa oportunidad. Y haciendo ese concienzudo repaso a nivel de necesidades, ¡que me aspen! si estos no son los requerimientos tecnológicos que necesita cualquier profesional de digital para hacer su trabajo:

• Herramientas de analítica que te permitan aprender y optimizar cada uno de tus activos digitales. Herramientas que, de verdad, te ayuden a aprender de tus usuarios -tanto actuales como potenciales- en su camino a la compra del producto. Mobile is the journey, not the destination ilustra de forma brillante la importancia del móvil en el comportamiento del usuario (customer journey) hoy en día. Mi aprendizaje sería algo así como:”Mobile First, … o segundo, o tercero, y el móvil está siempre presente. Y, es posible, que no sea la última interacción antes del compra”. Y, sin analítica, no es posible saberlo.

• Plataformas de testing y personalización que permitan al equipo de marketing una cultura de optimización continua. No permitirse el lujo de aprobar las creatividades de la agencia y adoptar una cultura de opciones de mejora en el día a día. No caer en el error de modificar para todos los usuarios una opción del menú principal, sin testar varias opciones. No pretender adivinar el mejor “call to action” por intuición. No disponer de la misma Home para todos los clientes. Afortunadamente, hoy en día las herramientas de testing y personalización nos permiten incorporar el aprendizaje, sin necesidad de cometer esos errores a futuro. Y doy fe que yo los he cometido en el pasado.

• Hace tiempo tuve una discusión interesante sobre la necesidad de concebir los contenidos de mis activos digitales de forma flexible. El aprendizaje es bien sencillo:”1 contenido = n Dispositivos”. Ya es difícil manejar todas las competencias digitales con habilidad (SEO, UX, Social Media, CRO, Emailing, Paid media, etc.), como para tener que pensar en estrategias de contenidos para todos y cada uno de los activos. Que el contenido sea líquido y mi foco sea pensar en el viaje de todos y cada uno de los usuarios. La tecnología es

#5



capaz de hacer eso. El gestor de contenidos de una web es una tarea que tristemente los equipos de IT han cerrado en acuerdos globales y los departamentos de marketing han sufrido en su gestión diaria a nivel local.

• Si hay un lugar donde el contenido es el rey es en medios sociales. Por si alguien quiere hacer memoria y rescatar un clásico, esta frase es de Bill Gates y la pronunció en 1996: ”Content is where I expect much of the real money will be made on the Internet”. Un espacio de conversación sin contenidos valiosos es como una conversación sin palabras. Poder monitorizar, medir el éxito y accionar la conversación de social media a través de otros canales es una necesidad. Un único espacio de seguimiento y generación de la actividad de social media que esté integrado con mi analítica web y móvil… con mis audiencias, con mi información, con mi actividad en medios pagados. I have a dream!

• Un único espacio de optimización de campañas en medios pagados. Un centro de mando para valorar el éxito de las campañas y para monitorizar el uso de tu inversión en medios pagados. Atrás quedaron los días de los excels hechos por otros. Un ejercicio de valorar ex ante las posibilidades de éxito de una inversión y posteriormente comprobar el resultado. Y todo unido con mis aprendizajes previos a nivel de audiencias en mis activos digitales propios.

• ¿Y si alguien me ofreciera que toda la información y todos los aprendizajes de datos estuvieran conectados? El concepto de plataforma de datos está de moda (DMP) y en realidad lo único valioso para un profesional de digital es que todos los aprendizajes estén unidos y que la curva de enriquecimiento se traduzca en mejoras de conversión. Que la tecnología sea propia o no es algo que puede ser discutido. Que los datos se enriquezcan sobre mis audiencias y no sobre los criterios de segmentación de terceros es la discusión. Que en última instancia yo sea capaz de unir datos digitales, con datos offline y activarlos a través de toda la superficie de contacto con el cliente es mi propósito como profesional de digital.

• Un profesional de marketing necesita conectarlo todo. Ese es el sueño de todos los que hemos hecho SEO, testing y personalización, voice of customer, remarketing y retargeting, ¿y si alguien me pudiera

ayudar a conectar todas estas capacidades y ejecutar comunicaciones personalizadas a clientes y prospectos? Todos sabemos que personalizar un contenido en una web suele mejorar los resultados de conversión. Y asumir un posterior impacto, más cualificado aún si cabe, a través de email o de una llamada telefónica es garantía de mejoras en conversión en dos cifras a nivel porcentual.

El problema de cualquier profesional de digital a la hora de hacer la correcta elección tecnológica es que lo mejor de hoy, seguramente no será lo mejor de mañana. Y lo importante es que la conectividad o la integración de las herramientas tiene que ser inmediata (días, semanas). Si no puedes unir y activar aprendizajes, no es la elección correcta. Y no olvides que es más valiosa tu estrategia y tu ejecución que la herramienta que te ayuda en ese propósito.

Para resumirlo y hacerlo más llevadero, he condensado todos estos pasos en un “listicle” sencillo y fácil de recordar. Le he llamado el Manifiesto de Digital Marketing Data-Tech:

1. Se fiel a tus principios de marketing. Y no olvides tener principios por adelantado.

2. Inspira a los usuarios con tus contenidos. Contenidos que estén alineados con el ADN de tu marca.

3. Construye tus activos digitales para hacer que esa inspiración nunca termine (ayuda, asiste, compra, ilustra y haz fácil la conversión).

4. Haz y no pienses en la opción correcta. Y una vez que estés inmerso en eso de la acción, ten a mano herramientas de testing y personalización.

5. No pienses que tus segmentos tradicionales son más valiosos que tus audiencias digitales. Yo no lo tengo tan claro.

6. Trocea tus competencias digitales (Estrategia de Contenidos, Medios Sociales, SEO, Performance, Paid Media, …). Y mantén unidos tus activos y el seguimiento del usuario con herramientas y datos.

7. Toma decisiones tecnológicas y no olvides que enamorar a tus usuarios, es un Arte.

#5



Todos estos “takeaways” los quiero resumir en una sencilla declaración resumen:

“When Digital (and anytime in life), Be consistent”.

#5


DIVISADERO es la consultora boutique líder en Europa en estrategia digital. Ayudamos a las empresas a transformarse en organizaciones más eficientes y competitivas con la ayuda de los datos.

La base del liderazgo de DIVISADERO lo forman las personas. Profesionales que han sabido combinar su pasión y sus habilidades al servicio de la Inteligencia y la Transformación Digital.

Nuestro alto nivel de especialización nos ha permitido asistir a muchas de las empresas e instituciones de mayor presencia en el ámbito nacional e internacional. Entre ellas podemos destacar Vodafone, Movistar, Mapfre, BBVA, Santander, La Caixa, Axa, Mutua Madrileña, Iberia, Repsol, NH Hoteles, Roche, Unidad Editorial o Prisa Digital.

¿Quieres estar informado de todas nuestras publicaciones?Suscríbete a nuestra newsletter


http://www.divisadero.es/staysharp-divisadero?utm_source=web&utm_medium=paper&utm_campaign=top%20posts%202015





https://www.linkedin.com/company/divisadero

https://twitter.com/divisadero

https://www.youtube.com/channel/UCCX76aMsy5qfX2yYp7ndftA

analítica web - divisadero€¦ · asumimos la oscuridad en una parte crucial del proceso de...

Documents