Con la que está cayendo, estamos detectando en el mercado que las empresas empiezan a estar menos preocupadas por el “qué ha pasado” y se centran más en el “qué va a pasar”. Creo que esto es una buena noticia. La analítica web o digital debe servir para tomar decisiones de forma sólida pero también rápida. Es decir, la analítica ayuda a mejorar la eficiencia de las estrategias, a reducir el riesgo y a incrementar de forma sistemática el beneficio.
Por lo que últimamente me estoy centrando mucho en la Analítica Predictiva (Predictive Analytics). Así que intentamos más que dar respuesta a “qué ha pasado” a “qué podemos hacer para mejorar”.
Para que esto llegue a buen puerto, una empresa debe basar sus decisiones en una cultura de datos y tener a alguien que saque conocimiento de todo el ecosistema de herramientas del que disponemos en internet.
¿Y en qué nos ayudan los datos? Pues por ejemplo, es bien sabido que un porcentaje pequeño de clientes son los que nos aportan un porcentaje alto de ventas. ¿Conocemos a fondo el comportamiento de este grupo de visitantes? ¿Tomamos decisiones basadas en sus preferencias? ¿Destinamos presupuesto a mantener su satisfacción? Es más, ¿los tenemos identificados?
Si somos capaces de crear modelos de predicción de conducta podremos ayudar a tomar decisiones que saquen el máximo jugo a una estrategia. Este debe ser nuestro fin, nuestro único objetivo. Yo no quiero pasar mi tiempo sacando datos para poner en un dashboard bonito, quiero cambiar la forma de hacer las cosas, entrar en el círculo de toma de decisiones. Esa es la parte que considero que es la más atractiva para cualquiera, para los que nos dedicamos a esto y para los que sacan partido a estos análisis.
Entonces, ¿qué hacemos ahora? Lo primero, empecemos a movernos. ¿Qué nos interesa saber de nuestro sitio web? No importa que no sea un ecommerce, centrémonos en los objetivos que tenemos a nivel de conducta de nuestros usuarios:
- ¿Sabemos cuántos clientes que compraron el producto 1 se habían interesado también en el producto 2? (visitas que convierten producto 1 y que visitaron página de producto 2) ¿Y viceversa? Hay algún patrón de conducta en estos usuarios del estilo de “los usuarios que se interesaron en este contenido finalmente consumieron/adquirieron aquel contenido”. ¿Clickaron en algún banner previamente a la compra? ¿Eran usuarios que ya conocían nuestro sitio web? En uno de los sitios web en los que hemos trabajado detectamos que los usuarios que compraban el producto A se habían interesado en los productos E y G. Pusimos en las fichas de los productos E y G una llamada a la acción promoviendo el producto A y se incrementaron sus ventas en casi un 16%. Y no se resintieron las de los productos E y G. Aprender de estas conductas no es nuevo: los casos Amazon (otros clientes que compraron este libro compraron este otro) y Apple con su Genius lo llevan haciendo mucho tiempo ☺
- Pensemos en nuestros usuarios como personas, ¿cómo se comportan los que ya nos conocen y han venido directamente a nuestro sitio web o nos buscan por nuestra marca? ¿Qué los caracteriza y diferencia del resto? ¿Y los que nos han encontrado por casualidad, buscando algo relacionado con nosotros? ¿Cómo se comportan? ¿Y los que vienen recomendados de otro sitio web o de redes sociales? ¿Algún rasgo característico? Aprendamos de estas conductas: si el 70% de los que vienen recomendados van a ver un determinado contenido, ¡explótemoslo! Así podremos predecir qué landing pages tendrán más éxito en cada canal, palabras clave que pueden crecer de volumen…
- Detectemos asociaciones del tipo: el número de ventas los fines de semana depende del número de visitas que tenemos en el sitio web de lunes a jueves. Es decir, la variable de transacciones depende de la variable visitas y si el martes no llegamos a las que se supone deberíamos tener, podemos adelantarnos al desastre y el miércoles ajustar nuestra estrategia de captación.
- ¿Qué tipo de productos o de contenido ven los usuarios que se suscriben a nuestra newsletter? Si este es el contenido o el producto que llama la atención a la mayoría, vamos a probar el resaltarlos en la newsletter a ver si se incrementan las visitas por este canal, observando sus intereses y actuando en consecuencia.
El análisis predictivo no siempre se hace con herramientas complejas, podemos empezar de manera simple, en el camino nos divertiremos descubriendo conductas que no hubiéramos podido imaginar ☺
Los modelos predictivos pueden ser tan complejos como nosotros queramos, mi consejo es que vayamos creciendo poco a poco, sin dejar de movernos: vayamos testando si nuestros modelos van bien encaminados y personalicemos de manera gradual para sacar el máximo provecho a los datos.
Si os interesa el tema, los próximos 30 y 31 de mayo voy a estar en Berlín, en la conferencia de Semphonic Xchange Europe debatiendo y compartiendo experiencias con analistas sobre la Analítica Predictiva junto a Matthias Bettag.
Empezar a contestar a la pregunta ¿cómo puede nuestro pasado ayudar a nuestro futuro? será la clave para empezar a detectar el movimiento, los patrones de conducta y adelantarnos a lo que pueda pasar.Etiquetas: analisis predictivo