Como hemos visto en el capítulo 1, hay una gran cantidad de datos disponibles que provienen de diferentes recursos y pueden ser de muchos tipos. Pero, ¿cuáles son los datos más relevantes para nosotros los start-uppers? Si has pensado en los datos correspondientes a “Clientes” has acertado, ya que sin clientes nuestras empresas no pueden tener éxito. En este módulo veremos y comprenderemos los diferentes tipos de análisis de datos de clientes y los diversos conocimientos que pueden proporcionar.

Descripción del análisis de datos de clientes

¿Recuerdas qué es la analítica? Se trata básicamente de la recopilación, la presentación de informes y el análisis de datos. La analítica de datos de clientes no difiere mucho de ésta, ya que es el proceso de recopilación y análisis de datos de clientes, pero en este caso para aprender el comportamiento y las preferencias de nuestros clientes que nos ayudarán a tomar decisiones comerciales eficientes.

Estos análisis pueden ser de dos tipos, cuantitativos y cualitativos. ¿Te acuerdas de las 5V del Big Data? ¡Pues variedad juega un papel clave aquí!

• El análisis cuantitativo implica analizar los números reales, lo que significa que es estadístico y generalmente está estructurado por Estos datos te alertarán de problemas ya que por ejemplo te informarán de un aumento de la rotación de clientes.
• Por otro lado, el análisis cualitativo se refiere a características y opiniones subjetivas, nos dirá el porqué de los problemas encontrados en el análisis cuantitativo. Los datos cualitativos no son estadísticos y normalmente no están estructurados o son de naturaleza semiestructurada. Volviendo a los ejemplos, el análisis cualitativo puede informarnos que la rotación de clientes sucedió debido a confusiones sobre cómo usar el producto.

Tipos de datos del cliente

Las start-ups pueden utilizar diversos datos relacionados con el cliente para ejecutar análisis de datos. Hoy en día, estos datos se obtienen principalmente de Big  Data en lugar de datos tradicionales. En este capítulo veremos los 5 tipos principales de datos de clientes para averiguar cómo podemos usarlos en las start-ups en diferentes industrias.

Fuente: https://www.freepik.es/vector-gratis/personas-gestion-relaciones-comerciales-pie-alrededor-datos-documentos-estadistica-servidor-portatil-crm-texto_11249912.htm#page=1&query=crm&position=22

Datos de publicidad (Anuncios)

Comencemos con el primer tipo de datos del cliente. ¿Estás familiarizado con los anuncios? Sino, probablemente los hayas visto en tus resultados de búsqueda de Google, normalmente aparecen en las primeras posiciones. Los datos de anuncios utilizan la automatización y las máquinas para mecanizar y agilizar la entrega de información a nuestros clientes. En otras palabras, tienen en cuenta todos los datos que se tiene sobre el comportamiento del cliente y los aplica para obtener interacciones más significativas.

Datos de tráfico web

El tráfico del sitio web se refiere a los usuarios que visitan el sitio web de nuestra  empresa.   El tráfico web se mide en visitas, o “sesiones” como verás más adelante,  y se utiliza comúnmente para medir la efectividad del sitio web de una  empresa para atraer a una audiencia.

Datos de comercio electrónico

Los datos de comercio electrónico se refieren a toda la información que podemos obtener de todas las áreas que tienen un impacto en nuestra tienda en línea, si es que tenemos una. Podemos utilizar esta información para comprender las tendencias y los cambios en el comportamiento de los clientes con el fin de tomar decisiones basadas en datos que ayudarán a aumentar las ventas en línea. Por ejemplo, un cliente puede visitar muchas páginas web para tener una compra satisfactoria que proporcione un producto de marca de alta calidad al mejor precio. Todos estos movimientos realizados por este cliente crearán una gran y valiosa cantidad de datos que podremos utilizar.

Datos de CRM

Los datos CRM hacen referencia al volumen de datos que una empresa puede obtener de sus clientes y usuarios de su sitio web o redes sociales a través de sus compras, navegación y datos que dejan en sus diferentes acciones. Esto puede sonar similar a los datos de comercio electrónico, pero también comprende información sobre gustos o acciones, entre otros. Al analizar estos datos, podemos establecer una estrategia más efectiva para atraer clientes a visitar nuestras plataformas.

Datos de Net Promoter Score

Por último, pero no menos importante, y conectado con los datos de CRM, encontramos los datos de Net Promoter Score (NPS).  Estos datos revelan cuántos clientes están dispuestos a recomendar un producto o servicio a otras personas. Este es uno de los KPI más importantes que una start-up debe monitorear, ya que ofrece una visión directa de la satisfacción del cliente y la lealtad a la marca.

El ciclo de datos

 

Fuente: Editado desde: file:///C:/Users/User/Downloads/Processing-cuate.svg

Ahora, sabemos qué es la analítica de datos de clientes y los tipos de datos de clientes que  se pueden obtener. Pero, ahora te preguntarás ¿por dónde empiezo? La mejor estrategia es utilizar el ciclo de datos. El ciclo de datos es una forma popular de ayudarte a aprovechar al máximo la información recopilada de tus clientes en tus plataformas en línea. También te ayudará a planificar las acciones necesarias y tomar decisiones para tu negocio online. Las cuatro etapas principales de un ciclo de datos son: Planificar, Hacer, Comprobar y Actuar.

Veamos ahora el ciclo de datos en acción. Imagínate que un equipo de marketing de una empresa fabricante de automóviles quiere organizar una campaña de publicidad digital para animar a la gente a comprar coches eléctricos en lugar de coches con motor de combustión.

Planificar

En la etapa de “Planificar”, el equipo identificaría su objetivo para esta campaña y describiría cómo planean promoverla. El equipo decideque su objetivo es ver un aumento del 18% de las ventas de automóviles eléctricos en los próximos dos meses utilizando el correo electrónico y el marketing en redes sociales.

Hacer

La siguiente es la etapa del ciclo se denomina “Hacer”. En dicha etapa el equipo escribe el contenido del correo electrónico, diseña la estrategia de las redes sociales y lanza la campaña.

Comprobar

Un mes después de que la campaña haya terminado, el equipo mide cuántas personas abrieron los correos electrónicos y evalúa si la campaña tuvo un impacto en el número de clientes que compran automóviles eléctricos. En dicho ejemplo, el equipo observó que si bien la campaña de redes sociales tuvo un buen compromiso debido a los videos promocionales,muy pocos hicieron clic o abrieron los correos electrónicos enviados. Esta idea llega a la conclusión de que la técnica de correo electrónico debe ser rediseñada. Estas son las acciones que se toman en la etapa de “Comprobar” en el ciclo de datos.

Actuar

Finalmente, la etapa de “Actuar” revela dónde una empresa puede usar sus hallazgos para mejorar futuras campañas. En este caso, el equipo de marketing podría decidir rediseñar la estrategia de correo electrónico revisando el contenido que están enviando o  cambiarlo por otra acción, como anuncios pagados para ayudar a mejorar el compromiso del cliente.

Información sobre los datos

Ahora entendemos que podemos recopilar Big data de nuestros clientes y realizar un análisis, pero ¿cómo interpreto este análisis de datos? Aquí es donde intervienen los “insights”.  El “insight” es el valor obtenido a través del uso de la analítica, es decir, recopilar datos es importante,  pero saber qué hacer con esta información es lo que realmente puede añadir valor a nuestra Start-up.

Veamos un ejemplo rápido:

Imagina que tienes un sitio web de comercio electrónico:

• Los datos pueden mostrar que los usuarios tuvieron 5000 sesiones en el último mes.
• La analítica podría mostrar cuántas sesiones se produjeron en los navegadores Chrome en Noruega.
• Los “insights” podrían revelar que los usuarios que navegaron a través de Chrome en Noruega tenían un 45% menos de probabilidades de comprar.

Información regular y procesable

En pocas palabras, un insight general se basa en analizar el “por qué” ha sucedido algo. Los insights generales son fundamentales para determinar las acciones y ayudarle a centrarse en lo que es importante para sus objetivos de puesta en marcha.

Por otro lado, los insight procesables llevan este análisis un paso más allá y determinan qué hacer a continuación, para que podamos mejorar y tener éxito con lo que estamos haciendo.

Para descubrir tus propios conocimientos insights procesables, intenta seguir estos seis pasos:

1. Define tu objetivo: Describe lo que deseas lograr con tu campaña.
2. Recopila los datos. Recopilar y organizar cualquier estadística o información relevante para tu objetivo.
3. Interpreta los datos: Analizar las tendencias y patrones de los datos para ver cómo ha afectado al cumplimiento de tus objetivos
4. Desarolla recomendaciones: Proporciona sugerencias justificadas sobre cómo mejorar las prácticas comerciales en función de lo que has aprendido de tu análisis de datos
5. Toma acciones: Pon tus recomendaciones en práctica y crea un plan de acción para poner a prueba tus suposiciones.
6. Revisa tus resultados: Evalúa si tus acciones han tenido el impacto deseado y toma nota de cómo puedes optimizar aún más para mejorar los resultados.

Veamos un ejemplo que explora cómo los datos pueden conducir a unos insights procesables.

Marta es la Community Manager de una ONG ambiental náutica. Necesitan nuevos miembros para unirse a la organización y ella se ha fijado el objetivo de conseguir 500 nuevos miembros registrados en los próximos 6 meses. Como su objetivo es aumentar el número de miembros, los datos que recopila de su software de análisis incluyen cuántas personas completaron el formulario de registro, qué canal en línea usaron para registrarse y cuántas personas compartieron publicaciones en las redes sociales.

Los análisis revelan que los canales de redes sociales son la principal fuente de inscripciones, por lo que el siguiente paso para Marta es averiguar qué publicaciones en las redes sociales fueron más efectivas para conseguir registros.

Al analizar e interpretar los datos, descubre que los miembros ya registrados que comparten las publicaciones de las ONG en las redes sociales en sus cuentas personales generaron el mayor número de nuevos registros.

A partir de estos insight generales., Martaa deduce que los miembros registrados alientan a  más inscripciones al compartir las publicaciones de redes sociales de la ONG.

Con el fin de convertir esto en una visión procesable, Marta ahora necesita llevar una acción a esa investigación de datos que tendrá un efecto real en la ONG. Por ejemplo, podría diseñar una serie de publicaciones en redes sociales que proporcionen instrucciones fáciles sobre cómo convertirse en miembro de la ONG para que los usuarios registrados puedan promocionar la ONG a través de su propia red social.

Ahora que has aprendido a producir información procesable a partir de datos, piensa en cómo puedes usar tus datos en línea para ayudar a tomar las mejores decisiones para tu start-up.