Business Intelligence (BI) Archivos - Artyco
Principales métricas y KPIs para el sector Hotelero

Principales métricas y KPIs para el sector Hotelero

El turismo en España supone el 11,7% del PIB, según datos del 2017, siendo el sector hotelero, uno de los más pujantes en la economía española, y por consecuencia, en la economía internacional, estando a la cabeza dentro de esta industria. Como una de las industrias pioneras, también quiere estar a la vanguardia en cuanto a analítica, seguimiento y control, aplicando la inteligencia de negocio a sus procesos. Adquisición, estancia, experiencia de huésped, lealtad, satisfacción… Si estás buscando cómo medir, qué analíticas utilizar y cómo valorar cada punto crítico dentro de tu Hotel, este post te puede ser tremendamente útil para conocer los KPIs para el sector Hotelero. Vamos con ello.

Todos somos conscientes hoy día, que si no medimos somos incapaces de poder mejorar. En un sector en el que se busca continuamente la excelencia como en el hotelero, esta medición se hace prácticamente inevitable. Sin embargo, ¿por dónde empezamos?

Los avances tecnológicos están brindando a la industria hotelera nuevas formas de medir y optimizar su rendimiento. Es por eso que hoy, es más importante que nunca, que los hoteles tengan bien controlados sus KPIs y utilicen esa inteligencia para optimizar sus operaciones y aumentar la rentabilidad. Gracias a esa tecnología, podemos medir el rendimiento de los hoteles de maneras que antes estaban fuera de nuestro alcance.

Antiguamente sólo se medían métricas relacionadas con la ocupación. ¿Sigues midiendo de este modo? Si sigues así, debes saber que ahora es posible obtener KPIs relacionados con las operaciones diarias, el desempeño financiero, la comercialización o el servicio al cliente.

Sin embargo, antes de meternos a definir cada una de ellas, o al menos las mas importantes, hay que resaltar qué es y qué no es un KPI, para que sepas diferenciarlo de una métrica.

 

Qué es y qué no es un KPI

Qué es un KPI y qué no es en Hoteles

Los KPIs son métricas que miden variables como ingresos, gastos, número de visitas… A diferencia de las métricas, los KPIs deben de cumplir con un requisito: tener una relación directa con los objetivos de negocio de la empresa.

De este modo, lo primero que se debe de hacer es definir los objetivos, y en función de estos, seleccionar los KPIs que nos mostrarán si estamos alcanzando esos objetivos o no. Una vez tengamos claro todo esto, sería el momento de definir las métricas que son las que nos ayudarán a ir conociendo en el día a día cuál es el estado y el camino que están llevando nuestras acciones, de cara a modificarlas o replicarlas.

Por tanto, un KPI es una métrica clave para conocer si estamos consiguiendo nuestros objetivos, y no es una métrica intrascendente, como podría ser el tiempo medio en nuestra página web de los usuarios.

Ahora que ya sabes qué es un Kpi y qué no lo es, paso a enumerarte qué KPIs para el sector Hotelero son los más interesantes. Algunos de las principales KPIs para el sector Hotelero, que te pueden venir muy bien para que los tengas en cuenta en futuros análisis son estos.

KPIs para el sector Hotelero

KPIs para el sector hotelero

Dentro de las métricas y KPIs más usados en la industria Hotelera, podemos destacar los siguientes, los cuales te ordeno por carácter más financiero, y por último de Guest Experience, algo que está marcando la diferencia en el sector Hotelero entre quienes lo saben gestionar y quienes no.

 

Entre las métricas más relacionadas con las finanzas del Hotel, tenemos:

 

#1. Average Daily Rate (ADR) o Tarifa Diaria Promedio.

Es una ratio que ayuda a conocer el promedio de ingresos por habitación. Este es muy sencillo de obtener. Sólo tienes que dividir el total de ingresos de las habitaciones, por el total de habitaciones ocupadas.

La fórmula para calcularlo sería la siguiente:

 

ADR = Ingresos a través de las habitaciones / Número de habitaciones vendidas

 

Aunque el ADR te ayuda a conocer de qué manera se están vendiendo las habitaciones del Hotel, no tiene en cuenta las habitaciones vacías o que no se han logrado vender, no llegando a ser del todo válido para conocer el rendimiento general de la propiedad.

Este KPI funciona mucho mejor como métrica que ayuda a ir viendo cuál está siendo el rendimiento de manera continua. También es especialmente útil para compararlo con el ADR en otros periodos de tiempo y analizar así su evolución.

Esta métrica es importante porque es particularmente útil para la previsión de la demanda y el marketing predictivo. De hecho, ADR ayuda a los hoteles a predecir tendencias estacionales, ajustar sus precios en consecuencia y maximizar los ingresos por habitación.

 

#2. Revenue per available room (RevPAR) o Ingresos por habitación disponible.

Es una de las métricas más importantes dentro del sector Hospitality. Esta mide el porcentaje de ingresos por habitación, sin tener en cuenta otros ingresos aparejados a la pernoctación como pueden ser ingresos por venta de tours, servicio de habitaciones, etc.

Existen dos tipos de fórmulas:

  • RevPAR = Ingresos (precio x habitaciones vendidas) / Habitaciones disponibles
  • RevPAR alternativa = ADR x Occ % (occupacy), donde OCC = Habitaciones vendidas / Habitaciones disponibles

Este está considerado como uno de los cálculos financieros más importantes de cualquier hotel para ver cuántos ingresos han obtenido en un período de tiempo determinado.

Cuando se lleva a cabo un análisis, las cifras de RevPar se pueden comparar con RevPar del hotel durante el mismo período de tiempo de los años anteriores o con su conjunto de datos. De este modo puedes comprobar la tendencia que está llevando tu negocio.

Gracias a esta ratio, podemos saber cómo de exitosa es nuestra tarifa para llenar las habitaciones disponibles, sin embargo, no puede servir de comparativa con otras propiedades de la cadena, ya que no se tiene en cuenta la cantidad de habitaciones.

 

#3. RevPAR mínimo para obtener beneficios.

Este te ayudará a conocer cuál es el RevPAR mínimo que deberías lograr para conseguir beneficios en tu Hotel. Esto es imprescindible para poder establecer una estrategia de revenue management que sea acorde a las necesidades de tu Hotel. Para obtener una estimación que te permita saber dónde está el mínimo viable, divide todos los gastos que genera el Hotel, entre el total de habitaciones. Si el RevPAR supera esa cantidad, será señal de que estás obteniendo beneficios.

 

#4. Duración media de la estancia.

Esta métrica es muy útil para conocer cuánto tiempo de media están tus huéspedes en tus habitaciones. Se calcula dividiendo el total de número de noches de ocupación por habitación, entre el número de reservas. Como es lógico, un resultado alto es positivo, mientras que otro bajo, puede ser considerado como negativo, ya que puede suponer un aumento de los costes. Por ejemplo, no tiene el mismo coste para el Hotel, tener a una persona en una estancia de una semana, que 7 huéspedes a una noche por día de estancia a lo largo de esa misma semana en esa habitación.

Esta métrica ayuda tremendamente a la hora de organizar y optimizar la ocupación del Hotel.

Si la duración media de la estancia te indica que durante un cierto período de tiempo estás teniendo más estancias de más de una noche, de lo normal, lo aconsejable sería aumentar tu tarifa de una sola noche, ofreciendo descuentos para estancias de más de dos noches.

La Duración media de la estancia o Average Length Of Stay (LOS) = Total de noches ocupadas / Número de reservas

De este modo, si has ocupado tus habitaciones durante el mes de mayo, en 111 noches en total, teniendo un total de 37 reservas durante ese mes. 111/37 = 3 noches de estancia media.

 

#5. GOPPAR.

Es otra de las métricas clásicas para conocer la ganancia operativa bruta por habitación disponible. Esta métrica proporciona una visión mucho mejor que la del RevPAR que hemos visto en el punto 2, ya que considera no sólo los ingresos generados, sino también los costos operativos incurridos para generar esos ingresos.

La manera de calcularlo es a través de restar los gastos del Hotel con los ingresos del mismo, y dividiendo lo que sale por el número de habitaciones disponibles.

Sin embargo, esta métrica no tiene en cuenta la combinación de ingresos del hotel, no permitiendo una evaluación precisa de los ingresos generados por la habitación. Sin embargo, sí demuestra la rentabilidad y el valor de una propiedad hotelera en su conjunto, por lo que es tremendamente útil.

 

Entre las métricas más relacionadas con la gestión del Guest Experience o experiencia del huésped, tenemos las siguientes:

 

#1. Online Rating.

Todos somos conscientes de que la experiencia no sólo se tiene a través del mundo real, sino que, además, se deja ver a través del mundo digital. En la Era de Internet y las RRSS, los clientes comparten la experiencia que han tenido en el Hotel en foros, plataformas sociales y blogs especializados, siendo necesario que el Hotel sepa monitorizar esos comentarios, además de medirlos.

De este modo, es obligatorio que cualquier Hotel sepa trasladar esos comentarios sobre su propiedad, en métricas de experiencia de huésped.

Para ello, es necesario monitorizar sus calificaciones y comentarios en plataformas de reservas online y RRSS, utilizando esos comentarios para mejorar sus procedimientos operativos, así como la experiencia en general de sus huéspedes.

Piensa que esos comentarios afectan de una manera muy directa a las futuras reservas de tu Hotel, siendo imprescindible para poder servirte de ellas, conocerlas, gestionarlas de la manera adecuada, y revertirlas a tu beneficio en el caso de que sean negativas.

 

#2. Satisfacción de cliente.

El problema que tienen las calificaciones de los huéspedes en Internet, es que se hacen a posteriori de haber abandonado el Hotel, siendo muy complicado para los Managers del Hotel revertir la situación, a no ser que sean muy diestros a la hora de manejar la relación con estos huéspedes en el entorno digital.

Para solucionar esto, lo ideal es poder programar encuestas de satisfacción de cliente una vez vayan a hacer el check-out. Estas encuestas nos pueden ayudar a conocer con adelanto cuál ha sido la Guest Experience de nuestro huésped, de cara a poder actuar sobre él antes de que plasme su comentario o calificación negativa en La Red. Esto lo puedes hacer, ofreciendo alguna oferta o regalo en su próxima visita, o simplemente dándole un trato especial y mostrando un interés real por la situación vivida y qué se va a hacer al respecto.

Las preguntas deben de estar diseñadas para obtener unas respuestas específicas que nos permitan obtener unos resultados en forma de KPI.

 

#3. Índice de fidelización del cliente.

Existen muchos indicadores para medir el grado de fidelización de un cliente, sin embargo, quizás el más útil para un Hotel, es el NPS o Net Promoter Score.

Esta métrica nos va a medir la lealtad de un huésped, pronosticando su comportamiento cuando se realiza una acción determinada.

La forma de calcularlo es a través de una encuesta en la que les tienes que preguntar una vez han dejado el Hotel o en el proceso del check out, si recomendaría el Hotel a algún amigo o familiar, puntuando de 0 a 10.

De aquí te saldrán 3 grupos de huéspedes:

  • Los promotores (con puntuaciones entre 9 y 10). Estos son lo más satisfechos, leales y quienes debes considerar como prescriptores de tu Hotel.
  • Los pasivos (con puntuaciones entre 7 y 8). Son clientes satisfechos, pero que no están especialmente entusiasmados. Si no cuidas a este tipo de huéspedes, no volverán a ninguno de tus Hoteles, a no ser que les interese por precio.
  • Los detractores (con puntuaciones de 0 a 6). Estos son los clientes verdaderamente insatisfechos, y con los que corres peligro de que dañen la imagen de tu Hotel en Internet.

Para calcular el NPS total, sólo tienes que restar el porcentaje de promotores menos el de detractores. El resultado oscilará entre -100 y 100. Si tu resultado es positivo, es que tienes un nivel de lealtad y fidelidad bueno. Si supera los 50 puntos, es que rozas la excelencia.

 

Por supuesto hay muchísimas más métricas y KPIs, sin embargo, creo que estas son las más significativas para ver a grosso modo. En Artyco llevamos décadas trabajando con métricas y KPIs para diferentes sectores, las cuales ayuden a nuestros clientes a mejorar sus procesos y sus comunicaciones, y en definitiva, para que sus clientes sean más fieles y se conviertan en prescriptores de la marca. ¿Quieres que te ayudemos en tu Hotel? Contacta con nosotros.

¿Quieres tener control sobre tus KPIs?

Te ayudamos a definir las métricas KPIs para tu Hotel, y te damos asesoramiento con modelos predictivos y cuadros de mando personalizados.

Cómo utilizar la analítica en el sector Retail

Cómo utilizar la analítica en el sector Retail

Todos hemos leído u oído acerca del continuo cierre de tiendas físicas. De hecho, en USA debido al sobredimensionamiento de estas respecto a la relación tienda-número de habitante, está suponiendo que esto se esté dando cada vez más. Todo esto, está implicando que muchos de estos retailers estén derivándose hacia el mundo online, pero no les terminan de salir los números. ¿Por qué? Porque están utilizando métricas anticuadas para valorar la conveniencia o no de sus puntos de venta. En este post os voy a contar qué está sucediendo y qué analítica utilizar para ser un Retail inteligente.

En el año 2017 se cerraron un total de 7.000 tiendas en Estados Unidos. ¿Retail Apocalipse? Nada más lejos de la realidad. El número de tiendas por persona en Estados Unidos está entre 15 y 20 veces por encima de la de cualquier otro mercado desarrollado mundial. La economía de mercado ha actuado y por tanto ha ajustado el número de puntos de venta a la cantidad idónea, pero ¿se están cerrando las tiendas físicas adecuadas?

Lo cierto es que el tráfico de clientes a los Centros Comerciales ha ido decreciendo a lo largo de los últimos años. Del mismo modo, también han ido decreciendo los márgenes.

Con estos datos, el justificar la continuidad de tiendas que no cumplen con las expectativas de venta, se complica. La consecuencia, el cierre de aquellos puntos de venta que no son a priori rentables.

Sin embargo, y por desgracia, la decisión de qué tienda cerrar, suele ser muy desafortunada, incidiendo de manera directa en el negocio del retailer, y afectando de manera negativa, aún más que si la mantuvieran.

Esto es debido a que la mayoría de las empresas del sector están utilizando métricas anticuadas para valorar si una tienda debe cerrarse o mantenerse abierta. La mayoría de ellas siguen usando los análisis de tendencias, y la rentabilidad de esa tienda, sin tener en cuenta variables de negocio generales y la influencia que pudiera tener esta en otros canales de venta, como el online.

También, y debido a todo esto, pasan por alto oportunidades valiosas para expandir su presencia en el mercado y desbloquear la falta de crecimiento.

¿Por qué empezó a cambiar todo?

 

Internet como impulsor de un nuevo paradigma en el Retail

Internet nuevo paradigma Retail

Internet lo cambió y lo está cambiando todo. Quizás en la industria del Retail se ha experimentado más paulatinamente, fundamentalmente por la falta de confianza inicial de los usuarios en la compra online. Sin embargo, ahora, después de los últimos datos sobre eCommerce que hemos obtenido en España, todo hace suponer que el sector va a experimentar un profundo cambio.

Y uno de esos cambios está en el modo en el que los usuarios interactúan con los puntos de venta. Existe una tendencia cada vez mayor de ir a las tiendas físicas a ver los productos, como si fuera un show room, para luego adquirirlos tranquilamente y sin esperar colas desde casa a través del ordenador. Esto es lo que se conoce como showrooming.

Por otro lado, también existen otro tipo de individuos que actúan de modo inverso. Es decir, ven los productos de manera online, como si fuera un catálogo virtual, para luego ir a probárselo y comprarlo a la tienda física. A este concepto se le denomina webrooming.

Estos y otros muchos hechos, deberían hacer recapacitar a los retailers para cambiar sus métricas de medición enfocadas a decidir si una tienda debe seguir o si ha llegado el momento de cerrarla.

Algunos retailers más avanzados ya están trabajando en ello al darse cuenta que los canales han variado y que los customer journeys han evolucionado. Son algunos los que están intentando a través de la analítica y herramientas sofisticadas de recogida de datos y análisis, encontrar el recorrido real que hacen los diferentes consumidores desde que ven su marca, hasta que la compran.

Para ello, están incidiendo poderosamente en nuevas métricas, metodologías y estudios como:

  1. Customer Journey Maps.

El diseño y construcción de Customer Journey Maps (si no sabes lo que son, te recomiendo que eches un vistazo a este post que escribí sobre Qué es y cómo diseñar un Customer Journey Map), permite conocer al detalle cómo se comportan sus clientes con su marca en todo el proceso de compra, así como su experiencia de compra. Esta metodología les está permitiendo conocer de qué manera interactúa el consumidor con la marca y con los diferentes players relacionados con la compra de sus productos o servicios a lo largo de todo el journey. De este modo, no se cierran en la única posibilidad de que, por ejemplo, por haber sucedido una compra en el mundo online, sea este el que ha generado todo el proceso de compra, o al revés.

  1. Modelos de atribución.

Otro método que se utiliza, son los modelos de atribución, los cuales te ayudan a conocer o asignar la conversión a un partner o atribuir en qué porcentajes han influido las diferentes acciones en la conversión final. Si quieres profundizar un poco más en los modelos de atribución, te dejo este post sobre “Qué son los modelos de atribución y cuáles utilizar”.

  1. Analítica geoespacial.

Muchos retailers se han percatado de la particularidad que puede tener un punto de venta concreto, más allá de la cuenta de resultados propia de la tienda, y están desarrollando estudios diferenciados por tienda física en los que se tiene en cuenta una gran cantidad de factores, cobrando protagonismo el factor omnicanal entre todos los demás. Para ello, la analítica geoespacial ha adquirido una gran importancia.

La analítica geoespacial, no es otra cosa que un análisis de datos profundo a través de polígonos espaciales geográficos, es decir, la ubicación. Mas adelante te contaré un poco más sobre ello. Antes, vamos a ver qué sucederá y cómo aplicar esta analítica.

 

El futuro del Retail y cómo hacer uso de la analítica

El futuro del Retail y su analitica

Como podrás suponer tras la lectura, estamos muy lejos del Retail Apocalypse. Sin embargo, si que estamos inmersos en un profundo cambio en el que habrá que redefinir la estructura que se consideraba lógica del sector. Ahora intervienen muchos más players, más canales, y mucho más complejos.

Se estima que en Estados Unidos el 75-85% de las ventas, seguirán siendo a través de las tiendas físicas en el 2025. Este dato no hace otra cosa que confirmar que las tiendas físicas no desaparecerán como mucha gente predice. Sin embargo, las tiendas físicas se tendrán que transformar en otro tipo de espacio, quizás no focalizado en la venta inmediata, y sí en crear experiencias y facilitar la venta a través del canal en el que se sienta más cómodo el consumidor. Para ello es necesario definir estrategias customer centric y esto sólo se puede conseguir a través de una cultura profunda del dato, sabiéndolo recoger, posibilitando su transformación en información, y lograr convertirlo en un mayor conocimiento del consumidor.

De este modo, la tienda física será un continente de experiencias relacionadas con la marca, un punto de recogida de compras online, y de devoluciones, un lugar en el que grupos de amigos pasen el rato, prueben productos y se hagan selfies los cuales compartan en el momento en las redes sociales, o un destino para aquellos que busquen inspiración. Con este nuevo concepto de tienda, es imposible realizar un análisis centrado en el simple hecho de si la tienda obtiene beneficios o no, ya que esta contribuye de otra manera a la marca, y a las ventas generales de la compañía.

Los nuevos avances respecto a analítica y Big Data, nos están permitiendo conocer cuál es la repercusión global, tanto positiva como negativa de la tienda en cuestión, así como saber de qué manera influye una tienda determinada en el negocio general de la compañía.

A continuación, puedes ver un gráfico ilustrativo de ejemplo sobre cómo intervienen los diferentes canales en las ventas de un retail tipo. Datos que se deben tener en cuenta para conocer la repercusión que tiene ese punto de venta.

Analítica en Retail

Todos sabíamos que una tienda física de por sí, ya es un elemento de marketing similar a un spot publicitario (véase el caso de Zara), ya que está transmitiendo un concepto de marca a una audiencia, representada por todas aquellas personas que entran en el espacio físico, y aquellas que pasan por delante de él. Sin embargo, hasta ahora, no se habían aventurado a conocer cuál podía llegar a ser su repercusión, ya que era difícil de medir.

Sin embargo, con la llegada de internet, y la venta online ya madura en la mayoría de la sociedad desarrollada, no es tan necesario conocer medidas entorno al branding y el awareness, como saber hacia qué otros canales de venta dirigen dichas tiendas físicas, y viceversa.

Una investigación de McKinsey sugiere que “el halo de comercio electrónico de una tienda puede representar del 20 al 40% de su valor económico total”.

Durante décadas, los retailers disponían de diferentes métricas, tales como ventas, información demográfica, tendencias del mercado e información sobre satisfacción de sus clientes. Hoy día, gracias a los nuevos sistemas de recogida y análisis de datos, los retailers disponen de información sobre comportamiento, intereses y hábitos de sus consumidores, como nunca antes hubieran imaginado.

Los diferentes medios sociales, o el Marketing WiFi, son algunas de las vías a través de las cuales se puede conseguir este tipo de información de los consumidores.

Retailers mucho más avanzados están comenzando a utilizar datos geoespaciales, con el objetivo de tener un análisis mucho más profundo de todo lo que ocurre alrededor del punto de venta. Estos datos son propiedad de una tercera empresa, la cual sirve a través de una herramienta de explotación, dicha información para su análisis. Los datos que ofrecen incluyen desde información relacionada con el marketing, hasta de ventas o finanzas, la cual permite al retail hacer un análisis mucho más profundo de quién hay alrededor de su punto de venta, cómo se comporta, cómo compra y cuál es su capacidad.

La combinación de técnicas geoespaciales avanzadas y machine learning, aplicadas a datos de vanguardia sobre el comportamiento del consumidor, está desatando nuevas y poderosas perspectivas para los minoristas. En particular, está ayudando a los retailers a tomar mejores decisiones sobre la expansión o la contratación de sus redes de tiendas.

Por ejemplo, si hay un punto de venta en concreto que está funcionando especialmente bien, a través de estos análisis geoespaciales, se busca un gemelo (un lugar en el que se reúnan las mismas condiciones que en el punto de venta objeto de éxito), y se estudia la posibilidad de abrir una tienda allí.

También les ayuda a desarrollar planes de acción a nivel de tienda para mejorar el rendimiento. Además, algunos minoristas están usando estas ideas para movilizar a su fuerza de ventas y priorizar sus inversiones.

El análisis geoespacial funciona de tal forma: Un equipo de Data analysts crea un modelo analítico ad-hoc para la problemática y los objetivos de la marca, juntando además, información externa e interna. Tras testar cientos de variables, se utilizan técnicas de machine-learning geoespacial para identificar cuáles son los principales factores positivos y negativos que afectan a las ventas del punto de venta, en función del código postal.

Basándose en esos datos, se podría crear un modelo predictivo para conocer cuáles serían las ventas en función del código postal o sección censal de implantación de una tienda y comparar la potencialidad de venta. ¿Analítica del futuro? No, analítica real y que se está utilizando hoy día.

 

En Artyco creemos firmemente en los datos, y estamos convencidos que estos datos sólo tienen sentido si son para convertirlos en información útil y esta información en conocimiento válido para poder tomar decisiones de negocio. ¿Hablamos?

¿Quieres crear una analítica para tu Retail?

Te ayudamos a definir tus métricas y KPIs y los sistemas más modernos de analítica para que puedas tomar decisiones.

Cómo convertir los datos de Marketing en un activo de negocio

Cómo convertir los datos de Marketing en un activo de negocio

Sin duda, el marketing es el área en donde se mueve una mayor cantidad de datos. Con Internet como multiplicadora de información, y con la presencia de mayores vías para conocer cada vez más el comportamiento de las personas en el mundo offline, esa cantidad de datos de marketing es cada vez más asombrosa, pero ¿se están gestionando y utilizando correctamente? En este post quiero profundizar en la importancia de saber recoger y almacenar los datos de marketing adecuados para la toma de decisiones, y cómo hacer para que sean un activo de negocio. ¿Te interesa?

Hoy día, disponer de datos no es un problema. La dificultad está en saber de dónde recoger aquellos que te interesan, así como centrarte sólo en los que son críticos para lo que necesitas analizar. Ni más, ni menos.

Disponer de una herramienta que te ayude a gestionarlos y sacarles provecho, a priori, tampoco parece un problema, sin embargo, la mayoría de las empresas, ante el gran desembolso que supone una herramienta de este tipo, esperan que les aporte el suficiente conocimiento e insigths que les permita tener una contraprestación directa en su negocio. Y la verdad es que este hecho no se está produciendo en muchos de los casos.

Y la verdad es que la mayoría de las empresas invierten dinero en la recopilación de datos de marketing y su almacenamiento, sin embargo, una vez los tienen, no llegan a más con ellos, ya que no tienen una estrategia definida respecto a estos.

Es curioso que, realmente es el tratamiento de esos datos lo que va a aportar verdadero valor, haciendo de esa empresa, una compañía competitiva.

Situación actual de las empresas en cuanto al tratamiento de sus datos de marketing

Tratamiento de datos de marketing

La falta de inversión bien dirigida, el reducido conocimiento y la escasez de una cultura sobre los datos, hace que la mayoría de las empresas hoy día, no estén aprovechando correctamente los datos de marketing de los que disponen. A continuación, te expongo las principales situaciones que se dan en la mayoría de las empresas, en cuanto a los datos.

  1. Los silos de almacenaje de datos están sin conexión. El mayor problema al cual se están enfrentando la mayoría de las empresas que comenzaron hace tiempo su andadura en la recopilación de datos, es que han invertido grandes cantidades de dinero en herramientas para que actuaran como silos de almacenaje de datos, los cuales no disponen de la posibilidad de realizar combinaciones válidas de los unos con los otros. Al final tienen información valiosa distribuida en diferentes bases de datos, las cuales no pueden cruzar para analizar esa Data en global.
  2. CRMs desfasados. Aquellas empresas que implantaron un CRM, ahora en la Era Digital se han dado cuenta que ese CRM está totalmente desfasado respecto a su negocio tal y como es hoy día. Estas herramientas se han convertido en meras bases de datos de clientes, las cuales no están centradas en sacar valor de estos, no permitiendo introducir información en los nuevos canales que se han ido creando y en los cuales están interactuando cada día más.
  3. Falta de cultura de datos de los empleados. Otro gran problema al cual se están enfrentando las empresas, es la falta de cultura de datos de sus integrantes. Para la mayoría de los empleados de una empresa, los datos no son el core de su negocio, basando el éxito o fracaso de todo lo que hacen, en los resultados trimestrales, sin llegar a pensar a largo plazo y sin centrarse en el valor de los clientes a lo largo del tiempo.
  4. No evolucionar en la explotación de datos. Por lo general, las empresas que ya comenzaron a explotar sus datos repiten una y otra vez los mismos procesos, sin llegar a pensar en evolucionarlos.
  5. No tener como foco la marca. La mayoría de las personas que trabajan con datos, se centran en entregar los informes a su jefe. Para ellos, ese es uno de sus principales objetivos, cuando en lo que deberían de pensar es en hacer crecer la marca a través de sus reportes y las conclusiones que de ellos sacan.
  6. Tener una visión ‘campaign centric. Las empresas pierden mucho tiempo y dinero en únicamente medir los resultados de las campañas, y perdiendo de ese modo, la visión customer centric, que es a donde debería de tender cualquier empresa que quiera triunfar. Esa obsesión por conocer cómo ha funcionado una campaña, hace en muchos casos, que no se preste la suficiente atención a conocer quién es el cliente, qué quiere, y cómo lo quiere.
  7. Falta de evolución. Cada año se empieza desde cero las campañas, sin tener en cuenta esos resultados medidos y qué se ha podido aprender de ellos. Por lo general, esos datos de marketing quedan en el informe pertinente como una tarea más y no se tienen en cuenta a la hora de planificar el siguiente año, y evolucionar.

Como ves, a pesar de que ya hay muchas empresas que son conscientes del potencial de los datos para su negocio, aún no le están sabiendo sacar todo el jugo que podrían sacarle. Sin embargo, tiene fácil solución. Vamos a por ella.

 

4 Tips para sacar provecho a los datos de marketing en beneficio del negocio

Tips para datos de marketing

Parece complicado, pero en el fondo no lo es tanto. Muchas veces, aplicando un poco de lógica y sentido común, tras dar un paso atrás para mirar con perspectiva la situación, todo se ve de una manera más sencilla.

Como todo se ve mejor por puntos, a continuación, te voy a ir nombrando aquellos que considero son básicos para poder conseguir dar la vuelta a tu problema con los datos de marketing y convertirlos en un activo, en lugar de un pasivo para tu negocio. Son estos:

 

#1. El lugar y la manera en la que almacenas los datos es primordial.

El almacenaje de datos es como los cimientos de una casa. Para que toda tu estrategia de datos tenga éxito, el lugar donde se almacenan tiene que cumplir con una serie de requisitos. El principal de todos ellos es que todos esos datos estén en un mismo lugar, y si eso no es posible, que al menos la empresa pueda tener acceso a ellos.

Muchas empresas comenzaron almacenando sus datos en CRMs antes de que llegara todo el ‘boom digital’. Tras ello, se lanzaron a la publicidad online, a través de la cual se fueron generando cantidades de datos sobre sus clientes en cuanto a navegación, intereses, clics, etc. Dicha información se recogía y almacenaba bien en las agencias de publicidad online, bien en DMPs (Data Management Platforms) o bien en empresas intermediarias que han creado redes de conexiones entorno a los datos, con el objetivo de venderlos a terceros. Justamente esa información es la que tiene más relación con el marketing, y la más complicada de obtener. Para ello, es necesario contar con empresas externas especializadas en el tratamiento, la activación y el análisis de los datos, las cuales permitan que el conocimiento del negocio y de los clientes de la empresa, quede dentro de esta.

 

#2. Analiza tu situación actual.

Seas el tipo de empresa que seas, es fundamental que analices muy bien en qué estado se encuentra tu compañía en este momento, y definas cuál es tu “gran objetivo”.

Si no sabes por dónde empezar o no tienes claro cuál debe ser tu “gran objetivo” te lo pongo fácil. Hoy día, el “gran objetivo” relacionado con los datos, al cual debe intentar llegar toda compañía, es el de la automatización. Para ello, es necesario, tal y como te comentaba en el punto anterior, disponer de toda la información en una misma base de datos, o al menos tenerla unida de algún modo. Para ello, te recomiendo que inviertas en un CDP (Customer Data Platform), el cual, lo que hace es precisamente unir la información de tu CRM con los datos que tengas en el DMP. Este te ayudará a conocer en qué situación estás, y poder comenzar a establecer una estrategia en cuanto a los datos.

 

#3. Crea un flujo de trabajo respecto a los datos.

Como he comentado, tener datos y más datos por tener, no puede ser tu objetivo, ya que los datos porqué sí no valen para nada. Tampoco tiene valor crear cuadros de mando de todo, y presentar dashboards por presentar. Al final lo que demandan las empresas, tal y como puedes leer en otro post que escribí sobre el tema y el cual te recomiendo (“Del Business Intelligence al Marketing Intelligence. Principales retos para implantarlo”), es que los datos y su análisis puedan sacar insights y conclusiones de valor que permitan conocer mejor a los clientes y poder establecer estrategias de marketing basadas en esos datos y esas conclusiones extraídas a través de los mismos.

El flujo que te recomiendo es este:

  • Recopilación de datos. Esta primera fase debe de estar integrada como parte de una estrategia concreta y dirigida hacia lo que queremos conseguir con estos datos. Una vez lo tengamos definido, los recopilaremos y los almacenaremos en el lugar correspondiente.
  • Procesamiento de datos. En el momento que se procesen los datos, se debe de tener siempre en mente, que estos sean accionables para la empresa, es decir, que puedan ser analizables y aprovechables por esta, además de que generen conocimiento.
  • Activación de datos. En esta fase, se debe de buscar convertir ese conocimiento adquirido en la fase anterior, en decisiones de valor para el negocio. Además, estas deben de procurar que se automaticen lo máximo posible.

Al final, todo este flujo debe de girar entorno al cliente, consiguiendo responder a las preguntas de ¿dónde está?, ¿cómo es?, ¿cómo impactarlo mejor?, ¿qué busca?…

 

#4. Evoluciona constantemente alrededor de los datos.

La mejor manera es a través de una CDP (Customer Data Platform) que te ayude a convertir tus datos en un activo de negocio. Esta herramienta te va a permitir también, mantener dentro de la empresa todo el conocimiento sobre ella y sus clientes, facilitándote crear previsiones y por tanto evolucionar entorno a ellas.

Gracias a toda esa información, ese conocimiento y ese valor para el negocio, podrás enfocarte en conseguir metas cada vez más ambiciosas, relacionadas quizás, con la innovación en la explotación de tus datos, por ejemplo.

 

En definitiva, debes de crear una cultura entorno al dato de marketing, que posibilite poner al cliente en el centro de tu estrategia. Esto es la base para llegar a ser una compañía Customer Centric.

 

¿Estás buscando crear conocimiento alrededor de tus clientes? Si la visión que tiene tu empresa es realizar auténticas estrategias Customer Centric, queremos hablar contigo. En Artyco tenemos equipos de Data Scientists y expertos en creación de estrategias centradas en el cliente, quienes no sólo a través de informes, sino también de conocimiento de valor para tu negocio, te ayudarán a tomar decisiones de marketing relevantes para tus clientes. ¿Hablamos?

¿Quieres rentabilizar tus datos de marketing?

Te ayudamos a convertir tus datos de marketing en un activo para tu negocio. Contacta con nosotros y descubre a donde puedes llegar.

Qué es un KPI en Marketing y cuál es la diferencia con las métricas

Qué es un KPI en Marketing y cuál es la diferencia con las métricas

Un KPI es un indicador clave en el desempeño del negocio, el cual nos sirve para poder medir el éxito o el fracaso de nuestras acciones de marketing. Una métrica, sin embargo, es una medición, la cual no es clave para el negocio, pero que nos sirve para realizar un seguimiento de la acción que mide. En este post vamos a hablar no sólo de las diferencias entre uno y otro, sino también de la importancia que tienen en el marketing y la relación entre ambas para dar valor al trabajo del CMO. ¿Quieres profundizar un poco en ello? Vamos allá.

Si estás leyendo este post es porque consideras que la analítica es básica y fundamental para tu negocio. Siendo en el área del marketing aún más importante si cabe, ya que las diferentes acciones y campañas que vas lanzando a lo largo del año necesitan ser medidas, para conocer en qué proporción están participando de los resultados finales de la empresa.

Tanto los KPI (Key Performance Indicators) como las métricas, son medidas cuantificables de una actividad relacionada con el negocio, estando su principal diferencia en si se utilizan para un uso estratégico u operativo. Como sabrás, los KPI aportan un valor cuantificable asociado a un objetivo de negocio estratégico. Su resultado, lo que te viene a indicar, es si se ha cumplido ese objetivo estratégico o no.

Las métricas, por su parte, aportan también un valor cuantificable y medible, pero en este caso relacionados con el área más táctica de la empresa, siendo especialmente útiles para mediar las diferentes acciones que se realizan a lo largo del año en el área del marketing.

Algunos ejemplos claros de métricas serían:

  • La tasa de crecimiento de ventas. Es el resultado de dividir las ventas conseguidas en este año, entre las del año anterior, restarle al resultado 1, y multiplicarlo por 100 para obtener la tasa. Así, si este año hemos obtenido unas ventas por valor de 500.000 euros, frente a 400.000 del año anterior, dividiríamos 500.000 entre 400.000 y nos saldría 1,25. Le restaríamos 1, saliendo 0,25 y lo multiplicaríamos por 100, siendo la tasa del 25% de crecimiento. Esta métrica nos ayuda a conocer cuál ha sido el crecimiento o decrecimiento de ventas en la empresa, pero nunca este valor debe de ser un KPI, ya que no debe ir asociado a ningún objetivo estratégico dentro de la empresa. Sí como un indicador de rumbo.
  • El LTV (Life Time Value) o CLV (Customer Lifetime Value). Es el valor neto de los ingresos que nos genera un cliente durante el tiempo que es nuestro cliente. Se obtiene tras multiplicar el gasto medio que realiza el cliente en cada compra, la recurrencia de adquisión durante un año, y la vida del cliente (número de años que es nuestro cliente). De este modo, si un cliente gasta una media de 50 euros en un mes en nuestro eCommerce, compra 6 veces al año, y lleva haciéndolo desde hace 6 años, entonces su CLV sería de 1.800 €. Esta métrica tiene sentido para compararla con otra que es el CAC o coste de adquisición de cliente. Al comparar el CLV con el CAC, puedes conocer si ese cliente te ha sido rentable, ¿cómo? Si el CAC es menor al CLV, enhorabuena. Si no es así, te ha costado más conseguir ese cliente que la rentabilidad que te ha aportado. El CLV nunca debe ser un KPI, ya que como ocurre con el caso anterior, no debe ir asociado a un objetivo estratégico. Simplemente te ayuda a conocer el éxito de tus acciones para aumentar la compra por cliente y subir así ese CLV.
  • La notoriedad de marca. Esta representa la presencia que tu marca tiene en la mente de los consumidores. Medir esta notoriedad sólo se puede hacer a través de un grupo de métricas que te ayudan a conocer la situación de la misma. Métricas como el engagement, impresiones, número de menciones en RRSS, alcance y frecuencia, etc.

Por tanto, la diferencia más significativa entre KPI y métrica sería la conexión de la primera con los objetivos, frente a las otras con las acciones.

En cuanto a los objetivos, es importante que tengas en cuenta una cosa. Estos objetivos, necesariamente tienen que ser SMART o inteligentes, es decir, específicos (Specifics), medibles (Mesurables), alcanzables (Attainables), realistas (Realists) y oportunos (Timely). Y es que esos KPI que definas surgirán como una prolongación de estos objetivos SMART. Con el fin de saber si se han conseguido o no.

Escoger los KPI adecuados en tu estrategia, te permitirá medir adecuadamente la progresión de tus acciones, o por el contrario corregir la estrategia, si los resultados no son los que tú esperas.

Relación entre métrica de marketing y KPI

Relación entre métrica y KPI

Seguro que ya has leído antes que todos los KPI son métricas, pero no todas las métricas son KPI. Lo normal es que la empresa defina cuáles son sus objetivos básicos, y en función de ellos, determinar cuáles son los KPI que se van a necesitar para medir la consecución o no de estos objetivos.

Es importante saber que, dependiendo del tipo de empresa y de su plan estratégico, una misma métrica puede ser considerada como KPI o no. Por ejemplo, para un eCommerce que basa sus ingresos en la venta a través de este, el CPA o coste por adquisición, es un KPI fundamental ya que va a determinar cuánto nos cuesta conseguir una venta. En cambio, si la venta por Internet es marginal, en ese negocio, el CPA será simplemente una métrica a tener en cuenta.

A través de los KPI podemos descubrir que existe un problema, mientras que las métricas nos ayudan a comprender qué es lo que ha ocurrido, o el proceso. En muchos casos asignaremos KPI a la medición de la estrategia, y diferentes métricas a los procesos operativos que constituyen el despliegue de la misma.

Es interesante también, pensar que este sistema es totalmente dinámico y flexible en el sentido de que debemos revisar las métricas a menudo, y si alguna de ellas determinamos que es crítica para la consecución de los objetivos de negocio de la empresa, pasarla entonces a KPI. De igual modo, si vemos que un KPI no consigue llegar a ser real, o lo que es lo mismo, vemos que el objetivo que intenta medir se convierte en inalcanzable, ese KPI pasaría a ser una métrica.

 

El MROI como KPI fundamental en el marketing

Marketing Return On Investment

Si existe un KPI importante en marketing, este es el MROI (Marketing Return on Investment). Este te puede servir para medir una campaña en concreto, o bien para medir toda la actividad de marketing de tu compañía. Como seguramente sabrás, este se calcula restando a los ingresos, la inversión, y dividir el resultado por esa misma inversión. Si luego lo multiplicamos por 100, tendremos ese retorno de la inversión.

Vamos a poner un ejemplo super básico y simplificado del ROI, el cual puede complicarse todo lo que queramos. Por ejemplo, si hacemos una campaña en Google Ads en la cual invertimos 10.000 euros al año, habiendo ingresado a través de esta, 30.000 euros, nuestro ROI saldría de restar 30.000 menos 10.000 (20.000), dividirlo por 30.000 y multiplicarlo por 100. Nuestro ROI sería de un 66,67%. Este sería un ejemplo muy simplificado, tal y como he adelantado, ya que habría que añadir a los gastos de Google Ads, los gastos de la persona que gestiona los anuncios, por ejemplo, entre otros muchos, complicándose el cálculo bastante.

Este KPI es decisivo para cualquier departamento de marketing, ya que te va a permitir:

  • Justificar la inversión en Marketing. Si quieres introducir un producto o servicio en el mercado o aumentar las ventas, necesitarás invertir una buena cantidad de dinero en acciones de marketing que te ayuden a conseguir ese objetivo. Cualquier Director General de compañía necesita y te pedirá, conocer qué cantidad de la inversión ha respondido de una manera positiva en los resultados finales de la empresa.
  • Decidir en qué invertir y en qué dejar de hacerlo. Gracias al MROI podrás conocer cuáles de tus acciones han conseguido un balance positivo y han sido rentables para tu empresa, de tal forma que cuando tengas que planificar otra batería de acciones para el año siguiente, puedas repetir, incluso aumentar inversión en aquellas que te han dado resultados positivos, y dejar de hacerlo en las que no.
  • Comparar tu eficiencia de marketing con la competencia. Es cierto que este punto es muy complicado, ya que es difícil tener acceso a información de la competencia, y más en lo relacionado con la inversión publicitaria, pero en algunas campañas si que es posible. Por ejemplo, puedes acceder a ciertas inversiones publicitarias a través de datos de Infoadex, mientras que, para conocer datos sobre ventas, estos son accesibles gracias a Nielsen, Kantar u otras agencias que se dedican a ello.

Como habrás supuesto, para aprovecharte de este KPI, es necesario que planifiques adecuadamente por adelantado tus acciones de marketing en base a ello. Es decir, debes diseñar tus campañas de tal manera que sean medibles.

Pero no debes de quedarte sólo en eso. Los directores de marketing deben enfocarse no sólo en medir lo que ha ocurrido, sino también en “lo que ocurriría si”. Ese paso de ir un poquito más allá, es lo que te llevará del dato a la inteligencia, y de la inteligencia al conocimiento.

 

KPI para eCommerce

KPI y métricas para el eCommerce

Me gustaría proponerte una serie de métricas que pueden llegar a convertirse en KPI en función de tus objetivos de empresa, en el caso de que fueras un eCommerce. Con estas métricas que te propongo podrás conocer rápidamente y gracias a este seguimiento, el estado de salud de tu tienda online, así como el poder moverte variando tus estrategias en uno u otro sentido, en función de si están siendo positivos o negativos.

Ejemplos de KPI/métricas para eCommerce:

  • Fuentes de tráfico. Es fundamental para conocer por qué canales están viniendo tus visitas. Esta es más probable que sea una métrica antes que un KPI.
  • Visitantes únicos. Esta cifra te dará una visión real de cuántas personas navegan por tu eCommerce. Para tu tienda online puede ser un objetivo estratégico importante en el caso de conocer que si, por ejemplo, un 20% de las personas que visitan tu web acaban comprando, el aumentar ese número de visitantes únicos en un X%, repercutirá en un aumento proporcional en las ventas. Por tanto, podría ser un KPI interesante a tener en cuenta.
  • Total visitas. Normalmente suele ser una métrica, pero si uno de tus objetivos fundamentales es branding, puede que esta se convierta en KPI, ya que, si aumentas el número total de visitas de una manera significativa, indicará que estás aumentando tu conocimiento de marca. Sobre todo si esas visitas nuevas vienen como tráfico directo o por SEO con la palabra clave de tu marca.
  • Páginas vistas y páginas vistas por visita. Por lo general suele ser una métrica más que un KPI. Lo que te viene a indicar es el interés y el engagement que tiene tu eCommerce con el usuario.
  • Nuevos visitantes. Este puede ser un KPI importante si detectas que tu eCommerce está estancado en la venta realizada a través de los mismos clientes. Con el KPI de nuevos visitantes puedes obtener información sobre la validez o no de campañas de outbound marketing para captar nuevos clientes.
  • Tiempo de permanencia por visitante. Es una métrica que te indica si tu eCommerce engancha con el usuario, así como si tus campañas de marketing digital están atrayendo al público adecuado y no a usuarios que entran con unas expectativas que luego no se cumplen, abandonando rápidamente tu tienda online.
  • Coste por Lead (CPL). Es una métrica fundamental para determinar si tus campañas de marketing digital destinadas a captar leads, son rentables o si van mejorando.
  • Coste por adquisión (CPA). Un KPI fundamental en una tienda online, el cual te va a ayudar a conocer cuánto te está costando cada nuevo cliente, y así poder optimizar tus acciones de cara a que ese CPA sea mínimo.
  • % de abandonos del carrito de la compra. Este dato puede ser terriblemente significativo de cara a conocer, por ejemplo, el porqué de una bajada de ventas en tu tienda online. Si detectas que el porcentaje de abandono de tu carrito es excesivamente grande, podrás actuar en consecuencia y realizar cambios y acciones específicas para subsanarlo. Yo diría que por lo general es una métrica.
  • Número de clientes que se ponen en contacto con la tienda (email, webchat, teléfono…). Más que un KPI esta medida sería una métrica que te proporcione información sobre cuál es el nivel de atención al cliente que te están demandando tus usuarios. A esta métrica le puedes añadir el grado de satisfacción de dicho servicio, y así completar dicha información.
  • Beneficios netos. Un KPI puro y duro el cual te ofrecerá de un vistazo en que posición estás respecto a tu objetivo fundamental de negocio, que no es otro que el beneficio.
  • Ventas por hora, día, semana, mes… Depende de cómo plantees tus objetivos, este puede ser una métrica que te informe de cómo se comportan tus ventas en el tiempo, o un KPI que te indique si estás consiguiendo tus objetivos de ventas por día, semana o mes.
  • Total de pedidos por día, semana, mes… Ocurre lo mismo que en el punto anterior.
  • Valor medio del pedido. Uno de los objetivos clave de un eCommerce de cara a aumentar las ventas es incrementar el valor medio del pedido, utilizando para ello estrategias de upselling, por ejemplo. En estos casos, utilizar esta medida como KPI puede ser interesante.
  • Margen medio. Sin duda, este puede ser un dato crítico para el desarrollo final del negocio, ya que, a partir de ciertos márgenes, la labor comercial puede que no sea rentable. En función de cómo hayas establecido tus objetivos, esta medida puede ser un KPI o una métrica que te sirva de referencia.
  • % de conversión. La mejor manera de comprobar la eficacia de tus llamadas a la acción en tu página web, tus landings, tus descripciones de producto o cualquier otra acción on site que desarrolle tu eCommerce (Web Chat por ejemplo), es a través de este índice.
  • Pedidos de nuevos clientes frente a los clientes recurrentes. Un objetivo de empresa puede ser aumentar los pedidos de nuevos clientes, o por el contrario, aumentar la cifra en clientes actuales (fidelización). En ambos casos, sería un KPI interesante a tener en cuenta.
  • % de nuevos pedidos en relación con los nuevos usuarios. Para mí, en este caso es más una métrica que un KPI, ya que su cifra te va a dar una pista del índice de pedidos de los nuevos clientes de cara a hacer estimaciones que te ayuden a prever tu cifra final de ventas.
  • Tasa de devolución. Uno de los objetivos más importantes dentro de un eCommerce, es reducir significativamente las devoluciones, ya que estas ocasionan importantes costes. Este KPI es fundamental para ver si hemos llegado al objetivo marcado o no.

Si necesitas inspiración a la hora de saber qué tipo de KPI y métricas puedes utilizar en diferentes proyectos, aquí te dejo un par de enlaces a dos posts que escribí sobre ello que te pueden interesar: «Analítica en Medios Sociales. Métricas y KPIs más utilizadas«, y «Métricas y KPIS para fidelización de clientes«.

Recuerda que, si no mides lo que haces, no podrás conocer qué estás realizando bien y que no está funcionando. Sin embargo, caer en el error de establecer KPI y métricas de todo lo que se te ocurra puede llevarte a realizar un trabajo innecesario, y sin sentido. Para que un KPI y una métrica sirva para algo, esta debe ir alineada con unos objetivos medibles, no lo olvides.

¿Quieres olvidarte de toda esta medición y analítica? ¿Prefieres encargar todo esto a expertos? En Artyco podemos ayudarte.

¿Quieres que te ayudemos a medir?

Dinos cuáles son tus objetivos y campañas, y te establecemos los KPIs y métricas necesarias, y te plasmamos todos los meses la información en cuadros de mando.

Del Business Intelligence al Marketing Intelligence. Principales desafíos para implantarlo

Del Business Intelligence al Marketing Intelligence. Principales desafíos para implantarlo

La inteligencia de negocio en función del tipo de empresa, puede vivir independientemente o bien puede estar integrada dentro de otro departamento. Pero lo que está claro es que esta tiene mucho en común con los sistemas de gestión de relaciones con el cliente, o lo que llamamos CRM. El avance de la tecnología, el desarrollo del machine learning y la IA, han potenciado enormemente esta disciplina, integrándose inevitablemente con los departamentos de marketing, creando lo que se llama el Marketing Intelligence, pero ¿están los Data Scientists preparados para este reto?, ¿son capaces los profesionales del marketing de manejar tal cantidad de datos? En este post te pondré en situación de hacia donde se tiende, así como de cuáles son los retos que deben superar las empresas para conseguirlo.

El CRM se compone de tres elementos fundamentales: el operativo, el cual es el responsable de los procesos de contacto con el cliente; el analítico, en el que se analizan los datos que de este se desprenden; y el comunicativo, centrado en todas las acciones necesarias para mantener un diálogo con el cliente (email marketing, SMS, teléfono…). Por lo general, la inteligencia de negocio está integrada dentro de la mayoría de CRMs, aportando analítica que permita sacar insights y conclusiones.

El trato personal con los clientes se ha reducido muchísimo en casi todos los negocios, debido a la popularización de Internet como medio de información y compra, entrando en juego, por tanto, otros medios de comunicación directa relacionados con este sistema digital. Uno de ellos, es sin duda el móvil, a través de los Smartphones.

Este hecho ha supuesto que los departamentos de marketing dispongan de mucha más información de la tenían hace una década. Esta se ha venido gestionando a través de Data Warehouses, sin embargo, los profesionales del marketing no disponían de la capacidad suficiente como para poder auto-gestionar dicha información con dichos sistemas, entrando en juego nuevos perfiles en el ecosistema de marketing. Perfiles más técnicos, expertos en bases de datos, y perfiles que supieran sacar conclusiones de grandes cantidades de datos.

Durante este tiempo, el experto en Data, el Data Scientist y el Marketing Specialist han convivido gracias a la inmadurez respecto al dato del sector y de las empresas. Sin embargo, esto está cambiando, y el mercado está exigiendo un salto de calidad al tratamiento de datos. Este salto de calidad iría más dirigido a los insigths y conclusiones sacadas a través de los datos. Insigths que muchas veces los analistas no son capaces de sacar debido a su falta de visión de marketing y de negocio, a la vez que los profesionales del marketing no consiguen verlos, debido a su escasa formación en estadística y lectura de datos.

Como he comentado, el mercado está madurando, y pide avances. A continuación, te cuento cuáles son los principales retos o desafíos con los que se va a encontrar cualquier empresa que quiera basar su negocio en los datos. Ha llegado el momento del Marketing Intelligence.

 

Principales desafíos para implantar una estructura de Marketing Intelligence

Marketing Intelligence

El paso de una estructura Business Intelligence clásica a otra Marketing Intelligence que te permita poder obtener verdadero conocimiento que te ayude a conocer mejor a tus consumidores, crear estrategias más eficaces, y realizar propuestas de valor realmente interesantes para la sociedad a la que te diriges, pasa por los siguientes desafíos.

DESAFÍO #1. El Big Data.

Tradicionalmente, en un sistema de Business Intelligence, las bases de datos que se utilizaban eran bases de datos relacionales, en las que los datos se organizan en base a tablas con filas (registros) y columnas (campos), las cuales están ligadas a través de relaciones en los casos en que contienen el mismo tipo de información. Para realizar consultas se hace a través de queries las cuales filtran los datos y dan al emisor de la consulta la información buscada. Todo esto se hace a través de un lenguaje llamado SQL.

Pues bien, todo esto se ha roto a consecuencia de la irrupción del Big Data, debido fundamentalmente a tres variables:

  1. El volumen de datos. El Big Data se caracteriza por la gran cantidad de datos que almacena y maneja. Tal es la cantidad de datos que pueden llegar a almacenar algunas compañías, que estos tienen que estar guardados en diferentes servidores. La solución actual a este problema, hoy por hoy, es Hadoop, que no es otra cosa que un framework de opensource que permite almacenar una gran cantidad de información, permitiendo realizar procesamientos y tareas de manera prácticamente ilimitada. Entre las principales ventajas que tiene un Hadoop están la capacidad de almacenamiento, el poder de procesamiento, la tolerancia a fallos, la flexibilidad, el bajo coste que supone y su escalabilidad.
  2. La velocidad. Fundamentalmente debido a la aparición del IoT (Internet of Things), en el cual es necesario recoger datos y gestionarlos en tiempo real, la velocidad en las bases de datos se hace muy necesaria. Esto se consigue almacenando los datos in-Memory, es decir, es como tenerlos en una memoria RAM, la cual permite acceder a ellos instantáneamente y realizar procesamientos extremadamente rápidos, ayudando así a analizar rápidamente grandes volúmenes masivos de datos en tiempo real a velocidades muy altas, y detectar patrones.
  3. La variedad. Los datos recogidos hoy día no son sólo numéricos o textuales, sino que además pueden ser, por ejemplo, imágenes. Al entrar las redes sociales en nuestras vidas, este elemento se ha convertido en primordial para muchas empresas en todo lo relacionado con el análisis y creación de perfiles, ya que las imágenes se han convertido en un elemento de comunicación primordial para los usuarios (véase el caso de Instagram).

En definitiva, la irrupción del Big Data ha supuesto que se dejen atrás las bases de datos relacionales SQL y se abran los brazos a otros sistemas no basados en el SQL, más anárquicos, pero a la vez más flexibles y rápidos, los cuales utilizan otro tipo de tecnología, como pueden ser los Data Lakes (Si quieres saber qué son los Data Lakes, te recomiendo que eches un vistazo a este post sobre “Dara Warehouse y Data Lake. Qué son y para qué sirven”). Aquí se abre una problemática importante para cualquier empresa, y es que es muy complicado encontrar a profesionales expertos en estos nuevos sistemas, los cuales puedan tener una visión de empresa y de marketing que puedan ayudar a sacar verdaderos insigths.

DESAFÍO #2. La visualización de los informes.

Un sistema tradicional de Business Intelligence está acostumbrado a tratar una serie de datos y acabar realizando informes sobre las conclusiones sacadas tras sus análisis. Estos los hacían en un principio a través de extensas presentaciones de Power Point, las cuales al final perdían su objetivo de informar, ya que el receptor de las mismas, se ahogaba en un “sinfín” de datos, números y gráficos de todo tipo. Debido a este hecho, se crearon los Dashboards o paneles a través de los cuales tener una visión general de lo que quieres conocer, de una manera más abreviada y visual. Soluciones como Tableau, Qlik o Power BI te ayudan a crear diagramas, mapas y una gran variedad de recursos sin necesidad de saber programar.

El reto para llegar a un Marketing Intelligence está en que esas personas que desarrollan este trabajo, generalmente estadísticos y matemáticos sin conocimientos de Marketing, sepan priorizar qué datos son los que verdaderamente se necesitan para sacar conclusiones realmente importantes para la toma de decisiones en marketing.

Uno de los principales errores que se suele cometer respecto a este asunto es que los Data Analysts plasman de manera automática lo que analizan, perdiendo en muchos casos evidencias o rastros que no dejarían atrás si tuvieran los conocimientos necesarios sobre el mercado, la marca, el porqué de ciertas estrategias de marketing y el porqué de las acciones realizadas.

Ese dashboard del futuro para obtener un verdadero Marketing Intelligence, debe ir más acorde con unos objetivos marcados por la dirección de marketing, unas kpi`s para cada objetivo y unas conclusiones que permitan tomar decisiones rápidas y eficaces.

DESAFÍO #3. La evolución del Marketing Digital.

Todos somos conscientes de los cambios que ha experimentado el Marketing Online en los últimos años. Sin duda, la irrupción de las redes sociales es uno de los hitos más importantes, tanto por crear una nueva manera comunicación con los usuarios, sino también como una nueva fuente de información de estos. El mobile marketing, es otra área la cual está llevando a otro salto hacia esta industria. El avance en el uso de Apps, el incremento de la navegación a través de este dispositivo, su uso como método de pago, son algunas de las características que están haciendo plantearse a las empresas sus anteriores estrategias.

En todo este proceso, el uso de un CRM que incluye el aspecto social, así como que permita automatizar acciones, se ha vuelto imprescindible para cualquier negocio que quiera crecer con su tiempo. En este avance, el inbound marketing y el uso de la publicidad nativa tienen mucho que decir, ya que ambos necesitan disponer de información precisa y en tiempo real de lo que está haciendo el usuario con la marca en el entorno online, de cara a captarle, nutrirle, convertirle y fidelizarle.

Ya son muchas las empresas, las que invierten cada vez más en estrategias de fidelización, y no sólo en captación, viendo como una estrategia de contenidos personalizados a clientes que ya conocen, puede ayudarles a fidelizarlos, a aumentar el gasto medio de ese cliente, y a que estos ayuden en la captación al actuar como prescriptores.

Todo este nuevo ecosistema y tendencia en las estrategias, es necesario conocerlo de cara a poder realizar una labor adecuada de marketing intelligence.

Y la verdad es que la mayor parte de toda esta responsabilidad actualmente la están soportando los equipos de Data Science. Estos equipos para pasar a ser Marketing Intelligence, deben de tener, además de las características habituales, las siguientes:

  • Ser capaces de plantear las preguntas adecuadas, ya que esto va a determinar que tiene los conocimientos técnicos y la capacidad de ver el problema, pudiendo traducir la visión estadística en recomendaciones para quién visualizará el informe.
  • Debe ser capaz de comunicar utilizando lo que se llama un storytelling. El Data Scientist debe ser consciente que debe salir de la abstracción matemática y dirigir los resultados a un fin o una acción. Debe saber que todos esos datos y resultados matemáticos sólo tienen sentido si conducen a una acción.
  • Debe tener amplios conocimientos de herramientas y técnicas estadísticas y de machine learning para la resolución de problemas.
  • Conocimientos de R y Phyton, pero además, conocimientos de distributed computing (computación distribuida), se hacen cada vez más necesarios debido al auge que va a tener en el futuro el procesamiento en paralelo utilizando un gran número de ordenadores.

 

¿Quieres hacer Marketing Intelligence? En Artyco contamos con un departamento de Data Analysts y Data Scientists acostumbrados a saber leer entre datos y sacar conclusiones para ayudar en la toma de decisiones de nuestros clientes. A través de nuestro CRM o el que utilice nuestro cliente, una estructura propia de Data Warehouse y herramientas analíticas y de visualización como Power BI, podemos ayudarte a conocer y sacar de los datos todo el partido que necesitas. ¿Hablamos?

¿Decisiones basadas en datos?

Nuestro equipo de Data Scientists te ayudan a sacar esos insights y conclusiones que necesitas para realizar campañas más eficaces y tomar decisiones más acertadas.

Qué son los modelos de atribución y cuáles utilizar

Qué son los modelos de atribución y cuáles utilizar

Has realizado tu plan de marketing, tienes definidas perfectamente tus estrategias y cada una de las acciones necesarias para poder conseguir los objetivos que te has marcado. El año avanza y poco a poco vas cumpliendo con los tiempos previstos, las acciones, y vas recogiendo los resultados. Sin embargo, ¿eres perfectamente consciente de cuáles de tus acciones están llevando a la conversión a tus clientes? ¿sabes en qué medida? Y ¿en qué fase del customer journey? Parece complicado ¿verdad? Todo esto se realiza con lo que se llama, modelos de atribución. ¿Quieres saber más sobre ellos? Allá vamos.

Si nos montamos en nuestra máquina del tiempo particular y nos trasladamos a los años 60, por ejemplo, era sencillo conocer qué canales de venta influían en una conversión. La publicidad en TV, la radio, prensa o PLV luchaban entre si para atribuirse los méritos de la venta final. Con sencillos tests y estudios de mercado, podíamos conocer qué medios y qué canales eran los que mejor nos funcionaban y así poder dirigir más inversión sobre estos en años siguientes.

Por desgracia o fortuna, depende de quién lo mire, todo esto ha cambiado. Con la entrada de los medios digitales, los canales y los medios han aumentado. El customer journey de cualquier consumidor se ha vuelto terriblemente complejo, y por tanto, para los profesionales del marketing, se nos ha complicado en gran medida la posibilidad de medir a cuál de nuestros partners atribuir el mérito de haber conseguido la conversión final.

Vamos a hacer un rápido repaso ¿Qué canales tenemos que tener ahora en cuenta? Estos:

  • Canales offline o tradicionales:
  • Televisión.
  • Radio.
  • Prensa.
  • Call Center.
  • Publicidad Exterior.
  • SMS.
  • Marketing Directo.
  • PLV
  • Marketing Promocional.
  • Canales online:
  • Email Marketing.
  • SEO.
  • Display.
  • SEM.
  • Enlaces directos.
  • Marketing de Afilización.
  • Comparadores online.
  • Medios Sociales.
  • Marketing de Influenciadores.

 

Los modelos de atribución sirven para poder asignar la conversión a un partner o al menos poder atribuir un porcentaje de atribución de la conversión final.

Seguro que a ti también te ha ocurrido que una mañana al levantarte tras haber estado la noche anterior viendo la televisión, y tras quedarte hipnotizado con el último spot del último Smartphone, mientras desayunas, decides coger tu móvil y buscarlo en Google para volver a verlo y saber más sobre él. Sin embargo, ves la hora y te das cuenta que llegas tarde al trabajo. Bloqueas el móvil y lo dejas aparcado para otro momento. En un descanso, entras en Facebook y te aparece un contenido patrocinado, donde te hablan sobre el nuevo modelo de ese mismo Smartphone y la comparativa respecto al anterior modelo. Te interesa, y entras. Te lo lees por encina, te gusta, pero tienes que seguir con tu trabajo. Al cabo de unos días, te llega un email en el que te anuncian el nuevo lanzamiento de ese Smartphone que tanto te gusta. Decides ir al punto de venta para tocarlo, ver su velocidad y que te resuelvan alguna duda. Allí te terminan de convencer y lo compras. ¿A qué partner debería la marca atribuir tu compra?

Los modelos de atribución no hacen otra cosa que permitir valorar los partners que hacen avanzar al consumidor en su customer journey.

Por tanto, podemos decir que un modelo de atribución es un conjunto de reglas por las cuales se asigna un determinado valor a los distintos canales por los que un usuario ha pasado antes de realizar una acción que interpretamos como una conversión.

Como hemos visto, los modelos de atribución van íntimamente ligados al Customer Journey, por tanto, lo primero que debes hacer es definir cuál es el customer journey en tu industria y los tiempos de este. Piensa que no es lo mismo el journey de un coche, en el cual tienes que pensarlo muy bien, recabar información de cada vehículo, visitar los concesionarios, estudiar los catálogos y preguntar a tu cuñado que sabe mucho de coches, hasta que te decides. Mientras que el journey de una camisa en un eCommerce, es mucho más rápido. Esto influirá a la hora de definir qué modelo de atribución utilizar.

A continuación, te muestro los principales modelos de atribución, los cuales se establecen en función de en qué momento de la interacción aplicas el mérito de la conversión.

 

Tipos de modelos de atribución

Modelos de atribución

Los principales modelos de atribución, ya preconcebidos, que se suelen utilizar son estos:

  1. Modelo de última interacción. Este se basa en que el último impacto que recibe el consumidor es el que le hace convertir. Este es el que te viene por defecto en cualquier herramienta de analítica web, y la verdad es que es demasiado simple. Puede que en algunos negocios sea así, pero parece demasiado obvio pensar que cualquier usuario convierte con la última interacción que tiene.

Modelo de última interacción

Modelo de última interacción

 

  1. Modelo de último clic indirecto. En este caso, se atribuye la conversión a la última campaña, previa a la conversión, teniendo en cuenta como campaña a todo aquello que atrae tráfico, a excepción del tráfico directo a la página web. Este modelo de atribución, desde mi punto de vista no tiene mucho sentido, ya que no tiene en cuenta todo el esfuerzo de branding realizado anteriormente, así como todas las campañas cuyo objetivo es crear tráfico directo, basadas también en el posicionamiento de marca y el recuerdo de esta, sin tener en cuenta todo el trabajo de fidelización. Podría valer para eCommerces que están comenzando y realizan acciones muy puntuales en el tiempo, sabiendo que en su mayor parte, las conversiones generadas vendrán a partir de esa acción que lleva al consumidor a la conversión final.

Modelo último clic indirecto

Modelo último clic indirecto

 

  1. Modelo de último clic de Google Ads. Lógicamente este modelo es sólo para tiendas online que les interesa medir la atribución de sus anuncios en Google Ads a sus conversiones. Como te habrás dado cuenta, este modelo no tiene en cuenta nada más, sirviendo exclusivamente para valorar este tipo de campañas.

Modelo de último clic de Google Ads

Modelo de último clic de Google Ads

 

  1. Modelo de primera interacción. Este modelo es justamente lo contrario al primero que hemos visto. En este caso se atribuye el 100% de la conversión al primer clic que hace el usuario en la conversión. Si el primero (última interacción) tenía poco sentido, este tiene aún menos, ya que en este caso no se tiene en cuenta todo lo demás que hace el usuario. Por así decirlo, en este modelo se piensa que la primera vez que entra en contacto el consumidor con nuestro eCommerce es decisivo para su conversión final. Para mi ese es un momento muy importante, pero para nada creo que sea el momento para atribuir la conversión final, ya que no tiene en cuenta el journey lógico de cualquier consumidor hoy día.

Modelo de primera interacción

Modelo de primera interacción

 

  1. Modelo lineal. Este modelo da el mismo peso a cualquier acción que se esté haciendo con el usuario para que llegue a la conversión. Desde mi punto de vista, utilizar este modelo y no utilizar ninguno es lo mismo, ya que no te arroja ninguna información que sea de valor para asignar cómo te están funcionando las campañas que realmente llevan a la conversión a tus clientes. Normalmente se utiliza para cuando una tienda online necesita mantener un contacto continuo con sus clientes, y más o menos tiene determinado que cada campaña influye de una manera muy similar en la conversión final. Si es tu caso utilízalo, pero ya te digo que desde mi punto de vista no es muy práctico.

Modelo lineal

Modelo lineal

 

  1. Modelo de deterioro del tiempo. Este modelo puede tener bastante sentido. Lo que hace es dar cada vez mayor peso a las acciones y contactos con la tienda online, a medida que se acercan a la conversión. Es decir, aquellas campañas que estén más alejadas en el tiempo a la conversión, menos valor tendrán. En Google Analytics, el tiempo predeterminado entre acción y acción es de 7 días. Esto quiere decir que un impacto que pase los 7 días de la conversión, tendrá la mitad de valor que uno que haya sido el día antes de la conversión. Estos días los podemos ajustar en el apartado de “Ventana al pasado”. Para saber qué tiempos poner, una buena idea es hacerlo en base al lapso de tiempo de los “Embudos multicanal”.

Modelo de deterioro en el tiempo

Modelo de deterioro en el tiempo

 

  1. Modelo según la posición. Este modelo es el que yo llamo, “ni para ti, ni para mi”. Este determina que tanto la primera interacción como la última son las más importantes en la misma proporción, pero además, no resta importancia a las interacciones que surgen entre ambas, pero a estas las atribuyen mucho menos valor. Este modelo puede tener su lógica, ¿verdad? Normalmente en una conversión, la primera interacción es básica, ya que cuando entras en el eCommercer por primera vez a través de una campaña, es porque realmente ha despertado tu interés. Esta primera interacción abarca la fase de awareness y consideración, y es fundamental para seguir recorriendo ese customer journey. La final, para mi, es también básica, ya que sin ella quizás no se llegara a convertir. Es cuando ya el cliente está en su fase de decisión, y esa última campaña dirigida a ese momento, es la que empuja a la venta final. Por supuesto, entre medias están otra serie de acciones que son fundamentales para dirigir a ese cliente potencial hacia esa fase de decisión, las cuales no tenemos que infravalorar. Aquí entra en juego el lead nurturing, el remarketing, etc, las cuales, sin ellas no podríamos llegar a la fase final de decisión. Sin embargo, es cierto que hay negocios en los que este modelo no se llega a ajustar tampoco a sus prioridades, ya que las fases intermedias son las que más importancia tienen en la venta de productos más racionados y de venta más a largo plazo.

Modelo según la posición

Modelo según la posición

 

  1. Modelo de atribución personalizado. Este tipo de modelos sólo están disponibles si disponemos de una herramienta de monitorización más potente, la cual nos permita definir en función de nuestra idiosincrasia el modelo de atribución exacto. Para saber cómo configurar y determinar qué modelo de atribución es el más adecuado a nuestras necesidades, lo ideal es comenzar trabajando con el modelo de deterioro en el tiempo. Este modelo nos irá dando información, la cual nos ayude a ir ajustando ese modelo de atribución más adaptado a nosotros.

 

Hay que tener en cuenta que crear un modelo de atribución para nuestro eCommerce es algo realmente complejo, el cual tendremos que estar tocando de vez en cuando, ya que necesita ajustarse en función de la experiencia con otros modelos y las estrategias y campañas que vayamos utilizando.

¿Te interesaría crear tus modelos de atribución para tu tienda online? Si quieres probar con ellos en Google Analytics, la ruta para llegar a ellos es esta: Administrar (icono de la rueda, abajo a la izquierda) > Vista > Y en Herramientas y elementos personales, Modelos de atribución. Para comenzar, tendrás que hacer clic en “+Modelo de atribución”.

En Artyco ayudamos a nuestros clientes a mejorar el conocimiento de lo que ocurre en su eCommerce, analizando su Data, creando Dashboards de Web Analytics y creando modelos de atribución adecuados para poder optimizar las campañas y la conversión en la tienda online. Un equipo de Business Intelligence ayuda a nuestros clientes a sacar provecho de todo esto y a crear modelos predictivos que hagan de tu tienda online una tienda mucho más eficiente. ¿Quieres aprovecharte tú también de ello? ¿Hablamos?

¿Quieres mejorar tu analítica web?

Te ayudamos a conocer al detalle lo que pasa en tu eCommerce y te añadimos modelos de atribución que te permitan optimizar tus campañas.