Business Intelligence (BI) Archivos - artyco | the data driven company
91 640 41 50 hola@artyco.com
Cómo determinar el Pricing a través de la Inteligencia Artificial

Cómo determinar el Pricing a través de la Inteligencia Artificial

Cómo determinar el Pricing a través de la Inteligencia Artificial

La optimización de los precios es una tarea de enorme trascendencia para cualquier empresa, ya que, mediante este, además de hacer competitiva su oferta comercial, va a incidir directamente en los beneficios de la compañía, a través del incremento o reducción del margen. El correcto establecimiento de estos precios, así como su variación a lo largo del tiempo sabiendo tener en cuenta múltiples variables, puede ser determinante para la empresa. Y una excelente manera de hacerlo eficazmente es a través de la Inteligencia Artificial. ¿Quieres saber de qué manera? Te lo cuento.

Como bien sabes, la Inteligencia Artificial o IA (en inglés artificial intelligence – AI) es llevar la inteligencia humana a una máquina, la cual es capaz de tener en cuenta muchas más variables y de una manera más rápida y eficaz, que un ser humano, para desempeñar una acción, realizar una hipótesis o sacar una conclusión, entre otras muchas cosas.

Uno de los campos en los que mayor actividad está teniendo la IA, es en el marketing, en el que empresas como Netflix, Amazon o L`Oreal están liderando en sus respectivas industrias, el uso de esta inteligencia, para sacar mayores beneficios en su cuenta de resultados.

En este aspecto, si quieres profundizar en ello, te recomiendo que eches un vistazo a este post que escribí hace tiempo sobre “Usos y aplicaciones de la Inteligencia Artificial en el Marketing” en el que te hablo de su uso en el Data Driven Marketing, la automatización de procesos, la interacción personalizada, la creación de contenidos o la publicidad programática.

Sin embargo, otro de los campos en los que más se está sacando provecho a la IA, es en la disciplina del customer intelligence, en el que se están consiguiendo grandes avances y beneficios descubriendo la “personalidad de compra” de un consumidor, gracias al volumen de datos que disponemos, los cuales trabajados correctamente con una metodología de Data Management, aplicamos una vez preparados, el Deep Learning. Este proceso, nos está permitiendo, entre otras cosas, encontrar productos a través de imágenes y no palabras clave, identificar logotipos en imágenes dentro de las diferentes plataformas sociales, o predecir las preferencias de los usuarios en cualquier eCommerce. – “Cómo hacer Customer Intelligence con Inteligencia Artificial”.

Como puedes imaginar, el Pricing es un área en el que la Inteligencia Artificial aporta múltiples ventajas. Este, más que muchos otros, se nutre de datos, muchos datos… los cuales le sirven para alimentar los diferentes escenarios de negocio. Estos datos, unidos a una tecnología que ayude a generar esa inteligencia artificial, hacen posible lo que se conoce como “nueva gestión de precios”.

Vamos a ver de qué manera podemos hacer Pricing con inteligencia artificial. El proceso para llegar a este, sería el siguiente. Vamos a ello.

 

Paso 1: Acceso y uso de las fuentes de datos

Acceso a datos para determinar Pricing

Lo primero que debe hacer cualquier empresa es definir y poner en actualidad el acceso a los datos y su integración.

Toda empresa tiene acceso a datos de diversas fuentes, tales como el ERP, el CRM, Facebook, Google… y a través de múltiples formas como pueden ser un archivo, una API o una base de datos. Toda esta información se puede almacenar en la nube, a través de plataformas como AWS o Azure. Sin embargo, ante tal cantidad de datos, tipos y plataformas, no debemos perder el foco de cuáles de estos datos necesitamos para poder optimizar nuestros precios.

Con esta filosofía, podríamos decir que los principales datos que necesitaremos analizar son:

  1. Datos transaccionales. Este es quizás uno de los datos más importantes para el pricing, ya que va directo a la cuenta de resultados y la rentabilidad de la empresa.
  2. Datos relacionados con el stock. Qué productos tenemos y cuál es la disponibilidad de estos, es fundamental para determinar el precio final.
  3. La demanda. Monitorizando y obteniendo información sobre el interés de los consumidores en adquirir nuestro producto, es decir, la posibilidad de conocer la demanda, nos ayudará a crear una política de pricing dinámico, el cual varíe en función de la demanda detectada previamente. Sectores como la aviación comercial, tienen muy desarrollada este tipo de políticas.
  4. El contexto. Este aspecto tiene que ver con cualquier evento, promoción o suceso que pueda marcar un cambio en las tendencias habituales de demanda de la marca. Un factor de contexto significativo ha sido por ejemplo la crisis del COVID-19, pero también puede ser un mundial de fútbol si eres un vendedor de ropa deportiva o el Black Friday si eres de electrónica de consumo.
  5. La estrategia. La determinación del precio, se verá enormemente influenciada por la estrategia que tenga la compañía en cuanto a posicionamiento, objetivos, política comercial, etc.

Una vez tengamos claro cuáles de esos datos pueden influir en nuestro producto y cómo podemos acceder a ellos, limpiarlos homogeneizarlos y almacenarlos, llegaría el momento de tratarlos, ¿cómo?

 

Paso 2. Creación de modelos avanzados

Analítica avanzada para Pricing

Una vez que ya tenemos establecidas las bases sobre las que trabajar el Pricing, es hora de aplicarle una capa de inteligencia de negocio y algoritmos de machine learning. En establecimiento de precios, los más destacables son:

  1. Segmentación. Gracias a la segmentación, lo que hacemos es clusterizar o trocear las múltiples opciones que nos dan los datos, como por ejemplo las relacionadas con el contexto (si está lloviendo, si son las vacaciones de verano, si es Navidad…); relacionados con el canal en el que se vende (Amazon, El Corte Inglés, tienda online propia…); en función del perfil sociodemográfico o patrón de compra del consumidor; en función del dispositivo favorito (móvil, ordenador, teléfono…); la geolocalización… y muchos más. Con Machine learning aplicado a esto mismo, nos puede permitir asignar unos precios u otros de manera inteligente, aumentando la conversión, al ser más a medida del público al que nos estamos dirigiendo, el momento y el medio.
  2. Predicción. Esta es clave para llegar a realizar un ajuste de los precios en tiempo real, o lo que se llama “precios dinámicos”. A través de modelos de regresión, por ejemplo, logramos predecir la relación entre unidades vendidas y precio, intensidad promocional, tipo de producto, perfil del cliente… Amazon por ejemplo, utiliza un algoritmo para crear sus precios dinámicos, los cuales varían en función del stock y unos competidores concretos. Según los expertos, Amazon es capaz de cambiar 2,5 millones de precios al día, ajustándolos a sus necesidades.
  3. Optimización. Esta es otra de las funcionalidades, por llamarlo de alguna manera, para aplicar el Pricing a través de modelos avanzados, es decir, optimizar maximizando la rentabilidad, teniendo en cuenta los patrones de navegación, otras transacciones, el momento actual… La alemana Blue Yonder, fundada por el profesor Michael Feindt, excientífico del CERN e inventor de una metodología única para resolver problemas complejos de optimización llamada NeuroBayes, ha conseguido generar millones de modelos de optimización en tiempo real, lo que a su vez, le ha permitido al distribuidor Morrisons evitar roturas de producto y adaptarse inmediatamente a la crisis del COVID-19.

Sin embargo, no todo se puede quedar en la capa analítica, ya que estamos hablando de negocios y como tales, debe existir una capa que trate precisamente este aspecto.

 

3. Prescripciones para el negocio

Predicción de negocio a través del Pricing

El éxito de poder hacer un correcto Pricing a través de la Inteligencia Artificial, como hemos visto, pasa por los datos, la tecnología, y como no, a través del conocimiento del negocio.

El negocio debe ser el punto de partida para saber hacia donde tenemos que ir, y el de llegada. Entre medias, está todo lo expuesto anteriormente.

En este punto, ya final, la IA debe ayudar a través de prescripciones, en los siguientes ámbitos:

  1. Fijación final del precio. A través de la integración de datos y de modelos y soluciones, la IA puede determinar en tiempo real los precios de los productos, catálogos, a la vez que aporta una coherencia respecto a los precios de otros países, otras familias de productos, etc.
  2. Fijación de descuentos y rebajas. La Inteligencia artificial puede ayudarnos a determinar cuándo poner en promoción un producto, cuándo establecer un período de rebajas y qué precio adoptar.
  3. Portfolio y mix de ventas. Una de las importantes funciones que tiene la IA en el pricing, está relacionada con la variación de precio de un producto, para que este impacte sobre otros productos de la familia, maximizando la rentabilidad de la categoría general de esos productos. Empresas como Coca-Cola han abierto un área nueva dedicada a la Gestión del Crecimiento de Ingresos, la cual está poniendo en marcha este tipo de prácticas.

 

Como has podido ver, la determinación de precios de manera automática e inteligente, a través de datos, algoritmos y tecnología es posible. Sólo es necesario conectar, por ejemplo,  los servicios de comercio electrónico más populares (Google Analytics, Magento, Prestashop, Shopify y otros), así como otras fuentes de datos internas (ERP y CRM de la empresa) y externas, y, a través de un núcleo de aprendizaje profundo (machine learning) que analiza tanto datos internos y externos, como precios fijos y estacionales, averiguaremos las causas que están originando cambios en los precios de un determinado sector, ajustándolos de forma automática y sin necesidad de intervención humana.

La estrategia de Pricing, no obstante, puede y debe ser supervisada por personas de forma manual. No obstante, el precio que propone la IA ayuda a fijar los precios, ya que además de aportar valor a los clientes, busca la mayor rentabilidad para la empresa.

¿Estás buscando automatizar procesos a través de machine learning? En artyco podemos ayudarte.

Emilio Fernández Lastra

Chief Marketing Officer

“Después de la hipoteca, el inbound marketing es la mejor
herramienta para asegurar una relación a largo plazo”

¿Te ha parecido interesante lo que has leido?

En artyco podemos ayudarte a conseguir tus objetivos

¿Hablamos?

Si, quiero

+34 916 404 150

hola@artyco.com

© Artyco comunicación y servicios - Todos los derechos reservados

© Artyco comunicación y servicios - Todos los derechos reservados

Qué son los KPI inteligentes

Qué son los KPI inteligentes

Qué son los KPI inteligentes

Los indicadores clave de rendimiento o KPI son un elemento fundamental en toda organización, para conocer si se han logrado los objetivos acordados, así como para la toma de decisiones. En una compañía data driven, las personas, los procesos y la tecnología se organizan en torno a unas métricas y a estos KPI. Sin embargo, estos KPI tal y como los conocíamos están evolucionando. Por ello, en este tipo de empresas, las prioridades de datos y analíticas, así como la autoridad de la toma de decisiones, se están redefiniendo a lo que ahora se llaman KPI inteligentes. ¿Quieres saber lo que son? En este post te lo cuento a través de un ejemplo. ¿Te van los datos? Entonces te va este post.

Si estás leyendo este post, es porque perteneces a una empresa sofisticada o estás en proceso de convertir tu negocio en uno en el que los datos no son un elemento más, sino una herramienta con la que mejorar y optimizar procesos, ventas y beneficios.

Con la llegada de la tecnología y su aprovechamiento por parte de la inteligencia artificial, muchos procesos y herramientas de management que teníamos asumidas se han visto revueltas, renaciendo versiones 2.0 de muchas de ellas. Este es el caso del KPI.

Todos sabemos qué es un KPI, ¿quién no los usa a menudo en su negocio? Sin embargo, seguramente tal y como los estás usando en tu empresa ahora mismo, no es la manera que se usará en el futuro más próximo. Por qué no decirlo… en la manera en la que se está usando hoy día en las empresas más punteras tecnológicamente y empresas data driven.

Esta nueva manera de utilizar el KPI, es lo que se denomina como KPI inteligente. No, no lo busques en Internet, ya que no encontrarás apenas referencias a este concepto, ya que es un término extremadamente novedoso, el cual, si lo aprovechas ahora mismo, es decir, a partir de hoy, podrás adelantarte decisivamente a tu competencia.

Un KPI inteligente es ir al segundo nivel, pasar a ese ‘next level’ al que toda empresa quiere llegar.

¿Quieres saber qué es un KPI inteligente? Vamos a por ello.

Habitualmente, los KPI se utilizan como medida de control de objetivos relevantes para el negocio. Un KPI inteligente, sin embargo, en un entorno de trabajo de Big Data e Inteligencia Artificial, no se queda en el simple hecho de ayudar a entender a posteriori qué ha sucedido. Un KPI inteligente te ayuda a predecir para prevenir proactivamente.

Por tanto, podríamos decir que una empresa que comience a utilizar KPI inteligentes pasaría de ser una compañía reactiva a otra muy diferente: una empresa proactiva. ¿Verdad que te gusta?

Sin embargo, conseguir esto no es nada fácil. Para lograr un KPI más anticipatorio y prescriptivo se necesita que este “aprenda” de él mismo. Para ello es necesario formar una maquinaria de Data Management que permita a la organización llevar a cabo este proyecto.

Dentro del Data Management, el gobierno del dato se convierte en un elemento fundamental para el éxito, así como la arquitectura del dato sobre el que se soportará toda la información necesaria.

Vamos a ver un ejemplo claro de cómo conseguir un KPI inteligente. En este caso con la tasa de abandono. Vamos allá

 

Cómo convertir la tasa de abandono en un KPI inteligente

Tasa de abandono como KPI inteligente

Muchas veces en otros posts relacionados he escrito que, el coste aproximado de adquirir nuevos clientes puede resultar entre cinco y veinticinco veces más caro que mantener los actuales.

En base a este dato, se establece el objetivo vital para muchas organizaciones, de aumentar la retención de sus clientes o reducir al mínimo la tasa de abandono.

Esta retención de clientes es crítica para cualquier negocio, si quiere garantizar la rentabilidad del mismo. Sin embargo, son las empresas de suscripción SaaS, financieras o de telecomunicaciones las que son especialmente sensibles a ello, siendo una prioridad estratégica reducir esa tasa de abandono.

Vamos a ver cómo empezamos… Lo primero de todo es comenzar con el gobierno de los datos. Este es realmente clave, ya que debemos distinguir entre la supuesta tasa de cancelación de clientes, o cuando un cliente deja de interactuar con la marca, y la tasa de cancelación de clientes absoluta, es decir, cuando un cliente cierra una cuenta o deja de usar un servicio.

Como hemos hecho con esto, habría que hacerlo con otras tasas como la reactiva y la prospectiva, las cuales determinan si un cliente se ha perdido por una mala experiencia, un cargo inesperado, un mal servicio, etc. Todo esto es más complicado de predecir, no obstante, es necesario poder correlacionar las experiencias negativas de los clientes con la propensión a la tasa de cancelación de clientes. De este modo, conoceríamos cuál es el comportamiento gradual que lleva a un cliente a la deconexión definitiva con la marca.

A través de analítica, de este modo, se podrían identificar diferentes grupos y segmentos que representen un mayor riesgo de fuga y así poder invertir en acciones sobre ellos.

Es habitual en estos casos, una vez tenemos una tasa de cancelación de clientes predictiva, alinearla con el KPI de CLV (Customer Lifetime Value), ya que suele ser necesario incorporar el valor de los ingresos a largo plazo y el potencial de ganancias que ese cliente aportaría.

Con esta incorporación, conseguimos alinear la urgencia del conocimiento circunstancial con la aspiración estratégica a largo plazo.

Para lograr esto, entra en juego otro elemento de Data Management que es imprescindible: la arquitectura de datos. Estos procesos de arquitectura de datos nos ayudan a conectar digitalmente el KPI, los datos, y la toma de decisiones estratégicas. Empresas como Amazon, Google o Netflix tienen esto muy claro, utilizándolo en su día a día, gracias a la gran digitalización de su negocio.

Gracias a esa arquitectura del dato y el gobierno de los mismos (si quieres saber más sobre ello, te invito a leer el post que escribí sobre: “Qué es el Data Governance”) se logra convertir los datos en un recurso estratégico.

 

La importancia del Data Governance para generar KPI inteligentes y decisiones automatizadas

El Data Governance en los KPI inteligentes

Si has leído hasta aquí, te habrás dado cuenta de que el gobierno correcto de los datos es fundamental para poder manejar de una manera óptima un KPI inteligente, ya que este es un importante medio para facilitar el KPI final.

El gobierno de datos amplía y recoge los análisis. En otras palabras, la finalidad y calidad de los análisis (sean regresiones crudas o clasificaciones de los tipos de aprendizaje profundo más sofisticados) dependen de la calidad, la cantidad, la exactitud y el origen de los datos, entre otros factores.

Y es que, cuando disponemos de un Data Governance correcto, y funcionamos con KPI inteligentes, los cuales son dinámicos, debemos pensar en una toma de decisiones que vaya a la misma velocidad que los KPI, es decir, una toma de decisiones automatizada, a través de máquinas. Te explico un poco a qué me refiero.

Una vez entras en la Era del KPI inteligente, debes poner la mente si o si en la toma de decisiones automatizada, es decir, aspirar a optimizar los KPI otorgando derechos de decisión a los algoritmos basados en datos que, técnicamente, aprenden más rápido, mejor, más barato y con más escalabilidad que cualquier ser humano.

Es más, una toma de decisión genera a su vez más datos, cambiando de nuevo la forma de medir el rendimiento. Todo ello en un ciclo infinito y cada vez más ágil.

Volviendo al caso de ejemplo anterior de la tasa de abandono, podremos definir cuándo realizamos una acción de manera automatizada y cuando a través del factor humano, en función de los resultados que nos de ese KPI inteligente. Por ejemplo, para perfiles de alto valor potencial, se pueden personalizar de una manera más dedicada de como lo podría hacer una máquina, algo que no haríamos en el caso de un perfil de valor más bajo.

 

Como ves, el dato, la tecnología y la inteligencia artificial están generando nuevas maneras de entender los procesos de negocio. Lo que ahora mismo suena complicado, en unos pocos años estará perfectamente asumido por cualquier empresa que quiera liderar su mercado, siendo necesario contar con un socio estratégico y operativo que permita afrontar los retos del dato y las decisiones basadas en información o data driven.

Si estás buscando dar ese salto, te invitamos a que te pongas en contacto con nosotros y llevarte hacia el mundo data driven.

Emilio Fernández Lastra

Chief Marketing Officer

“Después de la hipoteca, el inbound marketing es la mejor
herramienta para asegurar una relación a largo plazo”

¿Te ha parecido interesante lo que has leido?

En artyco podemos ayudarte a conseguir tus objetivos

¿Hablamos?

Si, quiero

+34 916 404 150

hola@artyco.com

© Artyco comunicación y servicios - Todos los derechos reservados

© Artyco comunicación y servicios - Todos los derechos reservados

Qué es la visualización de datos o DataViz y qué beneficios tiene

Qué es la visualización de datos o DataViz y qué beneficios tiene

Qué es la visualización de datos o DataViz y qué beneficios tiene

Como su nombre indica, la visualización de datos es la representación gráfica de la información y los datos. Todo mediante elementos visuales, como gráficos, mapas, incluso iconos que ayude en la interpretación. Aunque parezca raro, la verdad es que muy pocas empresas tienen acceso a un DataViz óptimo, el cual les ayuden a tomar decisiones en función de lo que allí están observando. En este post, te voy a contar exactamente qué es un Data Visualization, su importancia, qué beneficios tiene para tu empresa, así como, cómo crear el DataViz ideal a través del Storytelling. ¿Empezamos?

Que hayas decidido leer este post, pone de manifiesto que eres un ‘marketiniano’ avanzado, con la mente abierta. Tarde o temprano, todas las personas que nos dedicamos al marketing nos hemos dado cuenta de la importancia que tienen los datos a la hora de tomar decisiones adecuadas. Para tomar estas decisiones, nos solemos basar en cuadros de mando o dashboards, es decir, la representación de las conclusiones de esos datos.

Sin embargo, ¿cuántas veces nos ha llegado un informe en el que nos encontramos con una maraña de gráficos sin sentido?

Comenzamos a echar un ojo, pero sólo vemos barras, líneas y números que no nos ayudan en nada. Observamos un poco más y vemos la solución a nuestro problema: una línea de texto que puede explicar qué se representa allí, pero lamentablemente cuando la leemos, tampoco nos soluciona mucho.

Cerramos el informe y seguimos con otro trabajo más apremiante.

Sin querer, quizás hayamos desperdiciado la ocasión de descubrir una tendencia en el mercado que podría haber originado importantes ingresos a nuestra compañía, o descubrir un patrón de comportamiento de nuestros clientes, el cual tendríamos que atender lo antes posible a través de nuestro servicio de atención al cliente, para evitar fugas. Sin embargo, hemos cerrado el informe y lo hemos dejado a un lado porque no era atractivo a nuestros ojos, y por qué no decirlo… si no estamos habituados a ello, porque no lográbamos entender nada.

Este problema ocurre en la mayoría de informes que presentan los departamentos de customer intelligence a dirección o a sus clientes. Y la verdad es que tiene todo el sentido. Te lo explico.

Un departamento de customer intelligence, suele estar integrado por estadísticos, matemáticos y expertos en Big Data, entre otros perfiles. También suele haber una figura que se llama Data Scientist, el cual dependiendo de la compañía, tiene unas bases de marketing o no.

Como entenderás, estos perfiles profesionales son auténticos cracks en crear algoritmos, realizar predicciones, prescripciones, y analizar bases de datos relacionales, sin embargo, seguramente ninguno de ellos es un crack en realizar presentaciones, armonizar un informe, y mucho menos, en crear un dashboard creativo el cual vaya contando poco a poco y sin hacer perder el interés del receptor, las conclusiones a las que ha llegado tras el análisis de los datos.

Debido a esto, salen los informes que salen.

Con la Visualización de Datos o DataViz lo que se busca es hacer representaciones gráficas de la información que han arrojado los datos, las cuales sean ante todo, atractivas al receptor. Para ello, la Data Visualization se aprovecha de elementos visuales como son los gráficos (de todo tipo), los colores, con el objetivo de dirigir la mirada a un dato en concreto, y las formas.

Por tanto, podríamos decir que la visualización de datos es una alternativa de arte visual que atrae nuestra atención y la dirige hacia el mensaje que queremos transmitir. Cuando vemos un gráfico, rápidamente identificamos las tendencias y los valores atípicos. Si podemos observar la información, nos resulta más fácil asimilarla.

Algo que muy pocas empresas entienden, es que la visualización de datos se basa en contar historias con un propósito: entender la información para poder tomar decisiones adecuadas de negocio.

 

Principales beneficios de la Visualización de Datos.

Visualización de datos Beneficios

 

Los beneficios que tiene la DataViz son evidentes, no obstante, es interesante enumerarlos y tenerlos todos al alcance de la mano para poder asimilarlos mejor. Unos son más obvios y otros no tanto. Vamos a por ellos.

#1. Ayuda a tomar decisiones de manera correcta. Esta es quizás la más evidente de todas. Con el Big Data y la cantidad de datos arrojando información valiosísima, se hace necesario una correcta visualización para poder realizar una adecuada toma de decisión por parte de profesionales ajenos a los datos.

#2. Mejora el análisis de datos ad hoc. Una visualización de datos avanzada te permite ver resultados de cualquier procesamiento algorítmico complejo, obteniendo así un análisis adecuado.

#3. Ayuda a la divulgación de la información. Disponer de la información resultante tras un análisis, en un formato claro, visual y sencillo, hace que esta sea distribuida a lo largo de la compañía, teniendo acceso a ella más gente, y por tanto, convirtiendo a tu empresa en una compañía más informada e ‘intelligence’.

#4. Aumento del ROI. Este es uno de los KPIs más importantes, ya que muestra el retorno de la inversión. Una excelente manera de conocer cuál ha sido y gracias a qué inversiones se han conseguido cuáles beneficios, es a través de la DataViz. Si conoces fácilmente ese ROI, podrás aumentarlo.

#5. Ahorro de tiempo. La Data Visualization hace más accesible la información a diferentes departamentos, tal y como he comentado antes, y esto hace que se puedan tomar decisiones interdepartamentales de manera más ágil, ya que esta es clara y sencilla de entender, sea la disciplina que sea el departamento.

Ahora que ya conoces lo que es la visualización de datos, su importancia y qué beneficios tiene, vamos a ver de qué manera podemos construir un DataViz eficaz y moderno, sirviéndonos de la técnica del storytelling.

 

Cómo crear un DataViz a través del Storytelling

Visualización de Datos con Storytelling

 

Storytelling es el arte de contar una historia. El objetivo del storytelling es conectar con el receptor del mensaje, a través de un hilo con un personaje, un planteamiento, un desarrollo y un desenlace. Pero no se queda ahí, esta debe enganchar emocionalmente con el receptor, tocándole la cabeza, el corazón y el alma.

 

“La gente olvidará lo que dijiste, la gente olvidará lo que hiciste, pero la gente nunca olvidará cómo le hiciste sentir”. Maya Angelou.

 

En la visualización de datos, lo que se busca es aprovecharse de esta técnica para contar las conclusiones a las que se ha llegado con el análisis de datos, de una manera atractiva y coherente con el negocio que se analiza, sabiendo dirigir la información como si de una historia se tratara, consiguiendo que el receptor no pierda el interés en ningún momento, y descubra poco a poco la información, desde el principio y hasta el final.

El Storytelling en el DataBiz, ayuda a las personas y a las organizaciones a crear gráficos que tengan sentido y los entrelacen en historias convincentes e inspiradoras de la acción.

 

Es llevar la Data al siguiente nivel. Las fases para crearlo serían estas:

 

#1. Entiende el contexto. Como es lógico, lo primero que hay que hacer es entender el sector, el momento económico que vive la empresa y su mercado, los cambios que vienen, fortalezas, amenazas… para así poder situar la información que se analice, dentro de ese contexto y que no quede ajena a la situación real, algo de lo que se suelen quejar las empresas al recibir los informes finales.

#2. Elige unos elementos visuales adecuados para la marca. No se pueden utilizar los mismos tipos de gráficos para una marca de automoción, que para otra de ropa de bebés. Es fundamental saber seleccionar el ambiente visual sobre el que se crearán los dashboards, los tipos de gráficos a utilizar, así como los diferentes elementos visuales de apoyo, que ayuden a entender mejor los resultados.

#3. Elimina aquella información y datos que realmente no son trascendentes para el objetivo de ese informe. Muchas veces queremos mostrar cada paso que nos ha llevado a una conclusión determinada, incluir el gráfico que muestra esa predicción que tanto trabajo nos ha costado sacar y que tan orgullosos estamos de ella. Sin embargo, es posible que, ninguno de esos datos sean importantes para quien lo tiene que leer, para la toma de decisiones, o lo que es más importante, no tenga que ver con el objeto del informe. Este exceso de información hace que pierdas foco en lo que verdaderamente importa y por lo que te están encargando dicho informe: tener una serie de datos relevantes para poder tomar una decisión estratégica o táctica de negocio. Por tanto, sigue esta premisa: menos, es más.

#4. Pon el foco en aquello que quieres destacar. La mejor manera de enfatizar un dato que queramos destacar es a través del uso del color o de las formas. No llenes tu dashboard de colores, selecciona una paleta de color monocromática (por ejemplo, diferentes tonos de azul) y un color complementario (lo ideal es que sea el corporativo de la empresa) para resaltar aquellos datos que te interesen de un gráfico, una tabla, etc. Intenta que esa paleta monocromática sea apagada y complementaria a tu color de enfoque visual. También puedes utilizar una forma diferente que haga destacar ese dato concreto.

#5. Cuenta una historia. Has analizado todos los datos, lo sabes todo acerca del mercado, el problema o el cliente. Y has dado con unas conclusiones asombrosas. Ahora debes hacerlo atractivo, y la mejor manera es a través de una historia.

Para mí, es muy difícil conseguir que mis hijos presten atención a algo, sin embargo, cuando les cuento una buena historia, abren los ojos y no dejan de escuchar hasta que esta termina. Todos los decisores han sido niños, y aunque nos cueste admitirlo, a todos nos gusta que nos cuenten una buena historia.

Crea una historia entorno a las conclusiones que quieres lanzar y apóyate con aquellos datos que consideras que demuestran esas conclusiones. Por último, cierra con lo más relevante que quieras contar. Ese resultado asombroso al que has llegado. Este será el desenlace de tu historia.

 

Se que un dashboard es relativamente fácil de hacer. De hecho, hay muchas herramientas que te ayudan a realizarlo. Lo realmente complicado es crear un verdadero DataViz atractivo, visual y que cuente una historia, que ayude a tomar decisiones. Por eso, en artyco ponemos especial mimo en la visualización de datos, ya que es la guinda del pastel de todo un trabajo de data science, análisis y business intelligence. ¿Hablamos?

 

Emilio Fernández Lastra

Chief Marketing Officer

“Después de la hipoteca, el inbound marketing es la mejor
herramienta para asegurar una relación a largo plazo”

¿Te ha parecido interesante lo que has leido?

En artyco podemos ayudarte a conseguir tus objetivos

¿Hablamos?

Si, quiero

+34 916 404 150

hola@artyco.com

© Artyco comunicación y servicios - Todos los derechos reservados

© Artyco comunicación y servicios - Todos los derechos reservados

Qué es un Customer Data Platform (CDP) y qué ventajas tiene

Qué es un Customer Data Platform (CDP) y qué ventajas tiene

Qué es un Customer Data Platform (CDP) y qué ventajas tiene

Un Customer Data Platform o CDP, no es un DMP, ni siquiera es un CRM. Un CDP es un software paquetizado o ecosistema, en el que se unifican en una misma base de datos toda la información de los clientes, pudiendo acceder a esta otros sistemas, de manera sencilla. Los datos del cliente pueden venir de diferentes canales. La CDP lo que hace es limpiarlos, deduplicarlos y ofrecerlos a través de perfiles de clientes, para ser utilizados para campañas de marketing. ¿Crees que es más de lo mismo, pero con otro nombre? Sigue leyendo este post y descubrirás qué hay detrás de esta plataforma tecnológica, sus diferencias con el resto, y qué ventajas tiene para la optimización de tus campañas de marketing. El CDP es el futuro más próximo en el campo del Data y la estrategia, y te voy a explicar por qué.

Como ya he comentado en otros posts anteriores, las empresas de hoy día tienen al alcance de sus manos, la mayor cantidad de datos de la historia sobre los consumidores. Sin embargo, es tal la cantidad que en muchas ocasiones se hacen inabarcables, desaprovechando muchos de esos datos, y no sabiendo sacar conclusiones de los mismos.

Hoy día, podemos acceder a datos transaccionales, demográficos, de comportamiento… y en diferentes ámbitos y canales, como en los anuncios online, en tu eCommerce o en tu servicio de atención telefónica al cliente.

Todos estos datos, al fin y al cabo, componen si se pudieran organizar y estructurar en un mismo lugar, potentes perfiles de clientes. Sin embargo, la realidad es bien distinta, ya que toda esta data suele estar en diferentes silos, dentro de la empresa.

Un Customer Data Platform (CDP) lo que hace es recoger toda esa información en un mismo lugar, eliminar aquella que no tenga relevancia o esté duplicada por venir de diferentes canales, pero que recogen algún dato idéntico, y crear un perfil completo y único de ese consumidor. Una vez tenemos creados esos perfiles con toda la información, la plataforma permite que otras tecnologías puedan acceder a ella, y así poder enriquecer esos perfiles con datos externos, ayudando a crear informes, reportes, y campañas de marketing más eficaces, integrando incluso machine learning e IA la cual ayude a crear y lanzar acciones más eficaces.

Si tenemos que definir una cualidad de un CDP sería la versatilidad en cuanto a cantidad y tipos de datos que es capaz de recoger.

A continuación voy a enumerarte cuáles son las principales características:

  • Data Collection. El CDP te ayuda a almacenar toda la información que necesitas y de diferentes tipos, actuando como un gran contenedor de información de donde poder tirar para sacar conclusiones.
  • Unificación. El CDP te ayuda a unificar toda esa información, con el objetivo de que sea mucho más manejable.
  • Segmentación. A través de ella, puedes realizar fácilmente segmentaciones que te ayuden a personalizar tus campañas, redundando finalmente en un aumento de la conversión.
  • Activación. Un Customer Data Platform te permite poner en marcha acciones de marketing en función de la información recogida, la segmentación realizada y los insights extraídos. De esta manera deja de ser un elemento pasivo para convertirse en activo, el cual trabaja completamente para el negocio.

 

Esquema Customer Data Platform

 

Como te decía en el inicio del post, el CDP no es ni un DMP, ni un CRM. Vamos a profundizar un poco en ello para poder entender mejor esta tecnología.

 

Qué no es un Customer Data Platform

Qué no es CDP

Con la llegada de Internet, y el avance de la tecnología en general, el dato se ha convertido en un capital indispensable para cualquier empresa. Este hecho y esta necesidad de poder almacenar correctamente esos datos, y poder sacarlos provecho, ha originado la creación de diversas tecnologías orientadas a dicho objetivo.

A continuación, te voy a nombrar algunas de ellas, y por qué estas no son un CDP.

#1. No es un Customer Relationship Management (CRM). Un CDP no es un CRM, aunque se le parezca. El CRM se centra más en recoger datos de los clientes y crear perfiles, pero de cara a mantener una comunicación con ellos a lo largo del tiempo. Además, el CRM no tiene la capacidad de almacenamiento en cuanto a tamaño de datos y en cuanto a complejidad de los mismo. El CRM no recoge datos sobre comportamiento de usuarios anónimos, requiriendo formularios de contacto para identificar a dichos usuarios y ponerles nombre y apellidos.

#2. No es una integración personalizada. Muchas empresas a través de sus departamentos de IT intentan desarrollar herramientas similares desde cero. Sin embargo, las CDPs tienen una complejidad alta, pudiendo además de realizar acciones de marketing, obtener analíticas de business intelligence y funciones extra difíciles de abordar en cuanto a recursos de dinero y tiempo, por cualquier empresa. Es por eso, que las integraciones personalizadas no acaban llegando al potencial que ya dispone una Customer Data Platform.

#3. No es un Data Management Platform (DMP). Estas se utilizan sobre todo para el ámbito publicitario online, ya que carga datos sobre segmentos de usuarios anónimos que recogen a través, principalmente, de las cookies. Con esta información, se lanzan campañas, las cuales caducan a los 90 días, al igual que las cookies. Por tanto, estas plataformas se limitan al tiempo publicitario, no a la trayectoria del cliente. Un CDP sin embargo, recoge información que aglutina en perfiles de usuarios, centrándose en la trayectoria de cada uno de ellos. Además, los DMPs se basan en Third Party Data, con limitaciones para acceder a 1st Party Data, mientras que los CDPs se centran más en estos últimos (“Qué son los 1st Party Data”).

#4. No es un Data Warehouse. Los Data Warehouse suelen ser proyectos para toda la empresa, lo que significa que no se adaptan a las necesidades de marketing. En estos se recolectan datos, sin pararse a procesarlos de tal manera que sean utilizables desde marketing, sin cruzar canales y sin crear vistas únicas de clientes, siendo creados para respaldar análisis, no interacciones con clientes. Entre otras cosas, esto significa que, por lo general, se actualizan diariamente, semanalmente o con menos frecuencia, mientras que los CDP generalmente ingieren datos en tiempo real y los ponen a disposición de forma rápida, si no instantánea. Es cierto que la mayoría de los CDP utilizan las mismas tecnologías de almacenamiento de datos que los Data Warehouse. La diferencia es que el CDP realiza un procesamiento adicional para que los datos sean utilizables, mientras que un almacén de datos no lo hace.

 

Ahora que ya sabes qué es y qué no es un CDP, vamos a ver por qué estoy tan convencido, yo y muchos expertos más, en que es el sistema que se va a utilizar próximamente. Vamos a por sus 8 beneficios…!

8 beneficios de utilizar una Customer Data Platform

Un CDP puede aportar múltiples ventajas a tu organización, sobre todo si ha decidido centrarse en el conocimiento del cliente para realizar estrategias Customer Centric. Además de ayudar enormemente en ese sentido a cualquier empresa, también:

#1. Te ayuda a aportar una visión amplia, pero concreta por cliente. Es decir, gracias a la gran cantidad de información que recoge de diferentes fuentes, canales, y en diferentes formatos, puedes crearte un perfil de cada uno de los clientes mucho más amplio que a través de cualquier otra plataforma.

#2. Permite a las empresas ser más competitivas. Es por todos conocida la importancia que tiene y que tendrán los datos en los negocios que sepan utilizarlos. A través de una CDP, cualquier empresa puede gestionar esos datos de una manera óptima, teniendo a su disposición mejores fichas de cliente y por tanto, llevar a cabo mejores campañas de marketing y obtener reportes más exactos.

#3. Permite una mayor unificación de los datos. El tener todos los datos de los que dispone la empresa en un mismo lugar, hace más sencillo el poder analizarlos e interpretarlos, de tal manera que se puedan sacar conclusiones más exactas sobre cómo son los clientes, fundamentalmente. Así como disponer de una visión de 360º sobre su comportamiento, su entorno, y qué o cómo compra. Además, el CDP permite mantener una privacidad de los datos, asegurando que sólo las personas adecuadas vean aquella información que necesitan, ni una más.

#4. Enriquecimiento de la información. Las CDP permiten mejorar la recopilación de información a través de diversas fuentes de datos externas online. Estas pueden ser de cualquier tipo y fuente, así como estructuradas o no estructuradas, tanto internas como externas, así como datos por lotes o de transmisión.

#5. Permiten el intercambio de la información. La Customer Data Platform se integra con otros sistemas tecnológicos, proporcionando información actualizada a estos sistemas internos. Esto soluciona el gran problema de los silos de datos de los clientes, los cuales permanecían encerrados, fragmentados, incompletos o con una accesibilidad limitada sólo para determinados perfiles. En muchos casos, los datos del cliente eran exclusivos del departamento de marketing, o incluso compartidos con el de atención al cliente. Ahora, con el CDP se democratiza dicha información a toda la compañía.

#6. Aumenta la eficiencia operativa. La uniformidad en la unificación de datos es lo que diferencia a los CDP de sus predecesores, como las plataformas CRM y DMP, y puede dar lugar a enormes eficiencias operativas. La mayoría de las organizaciones dedican innumerables horas a rastrear y/o verificar los datos, simplemente porque están muy fragmentados. Una vez que estos datos se guardan de forma centralizada en un CDP, se puede acceder a ellos por parte de toda la organización, en función de las necesidades de cada departamento.

#7. Agilidad. Al ser una herramienta que se ha construido centrándose en la base de datos los CDP brindan a las empresas herramientas para recopilar datos de todas partes y utilizarlos en cualquier lugar para generar mejores experiencias de los clientes. Esta, además, proporciona una flexibilidad en cuanto a adaptación a los cambios tecnológicos, las variaciones en el comportamiento de los consumidores o la creación de nuevas fuentes de información, repercutiendo en agilidad para la empresa.

#8. Mejora la experiencia de cliente. Al disponer de más y mejor información en un mismo sitio y accesible a toda la organización, permite conocer cuál es la experiencia que tiene el cliente con el entorno, la marca y las acciones de marketing, de cara a poder elaborar estrategias y acciones que ayuden a mejorarla.

 

Cuáles son los datos más comunes que se pueden almacenar en una Customer Data Platform

Tipos de Customer Data para un CDP

Entre las fuentes de datos más comunes que se pueden llegar a almacenar y unificar en el CDP, están:

  • Behavioral Data. Esta información comprende fundamentalmente los datos de compras y pedidos y los datos de comportamiento online. La información correspondiente a ventas proviene del eCommerce, del departamento de administración y de ventas. Aquí los principales datos están relacionados con las fechas del pedido, de renovación, el valor del cliente, carritos abandonados, devoluciones, etc. En cuanto a los datos de comportamiento online, son los relacionados con la analítica web, como número de páginas visitadas, tiempo, clics, interacciones, likes en RRSS, etc. Esta información nos servirá para conocer cuál está siendo el comportamiento de los usuarios, y predecir cuál puede ser en el futuro.
  • Profile Data. Tales como datos de contacto procedentes de formularios, los cuales se pueden enriquecer de manera externa con datos psicográficos, como estilo de vida, contexto, preferencias, personalidad…
  • Multichannel Activity. Es información que nos muestra qué canales son los que suele utilizar, con qué frecuencia y preferencia, tales como móvil, desktop, email, físico, tienda…

 

Customer Data

 

En Artyco llevamos años trabajando con bases de datos relacionales, enriquecimiento de información y analítica avanzada de todos esos datos con el objetivo de convertirlos en conocimiento para nuestros clientes.

¿Quieres que te ayudemos a desarrollar tu estrategia basada en un CDP? Ponte en contacto con nosotros.

Emilio Fernández Lastra

Chief Marketing Officer

“Después de la hipoteca, el inbound marketing es la mejor
herramienta para asegurar una relación a largo plazo”

¿Te ha parecido interesante lo que has leido?

En artyco podemos ayudarte a conseguir tus objetivos

¿Hablamos?

Si, quiero

+34 916 404 150

hola@artyco.com

© Artyco comunicación y servicios - Todos los derechos reservados

© Artyco comunicación y servicios - Todos los derechos reservados

Qué es la analítica aumentada y por qué deberías comenzar a utilizarla

Qué es la analítica aumentada y por qué deberías comenzar a utilizarla

Qué es la analítica aumentada y por qué deberías comenzar a utilizarla

El término de analítica aumentada surgió a raíz del informe anual Hype Cycle de la empresa de estudios de mercado Gartner, en 2017. A partir de entonces, en el ámbito del Business Intelligence no se ha dejado de hablar sobre ello, sin embargo, no ha trascendido demasiado, ¿por qué? En este post quiero contarte qué es la analítica aumentada, por qué la llaman “el futuro del análisis de datos”, qué ventajas tiene, y por qué deberías de comenzar a utilizarla. ¿Te interesa? Vamos a ello.

La analítica aumentada o Augmented Analytics, lo define Gartner en su documento Magic Quadrant for Analytics and Business Intelligence Platforms como “un paradigma que incluye consultas de lenguaje natural y narrativo, preparación aumentada de datos, análisis avanzado automatizado y capacidades de descubrimiento de datos visuales”. En ese mismo documento, inciden en la importancia que tendrá la Analítica Aumentada en el 2020, actuando como impulsor del Business Intelligence, el Data Science y el Machine Learning.

 

Gráfico Hype Cycle 2017 de Gartner

Gartner Hype-Cycle for emerging technologies, 2017

 

Quizás, todo esto te pueda sonar a chino… o no. En ambos casos, sólo te puedo decir que la analítica aumentada no aporta ninguna novedad. Lo realmente innovador es la vuelta de tuerca que le da en cuanto a la extracción de conocimiento de las diferentes fuentes de datos que posee un negocio. Esta vuelta de tuerca se sustenta bajo estos 3 pilares:

  • La Inteligencia Artificial (IA). Te recomiendo que eches un vistazo el post que escribí sobre “Cómo hacer Customer Intelligence con Inteligencia Artificial” para que puedas tener una visión más amplia de su utilización a día de hoy en Business Intelligence.
  • El Machine Learning. Es decir, un método de análisis de datos que automatiza la construcción de modelos analíticos. Es una rama de la inteligencia artificial basada en la idea de que los sistemas pueden aprender de datos, identificar patrones y tomar decisiones con mínima intervención humana.
  • El Procesamiento de Lenguaje Natural (NLP). Es decir, un campo de conocimiento de la Inteligencia Artificial el cual se encarga de investigar la manera de comunicarse las máquinas con las personas a partir de lenguas naturales, como el español, el inglés o el francés.

La importancia real de este enfoque radica en que la combinación de estas 3 ramas de la analítica, posibilitan la extracción de información de forma automatizada. Pero lo mejor de todo, es que puede realizarse sin necesidad de disponer de unos grandes conocimientos técnicos. La introducción del NPL, hace que cualquier consulta sea tan sencilla como preguntar a Siri o Alexa qué tiempo va a hacer mañana.

Hasta ahora, existe una gran variedad de sistemas que permiten recoger datos, normalizarlos y analizarlos. La gran diferencia está en que hasta este momento, sólo las grandes empresas o aquellas especializadas en el dato, disponían del personal y las herramientas necesarias.

Este tipo de analítica va a suponer, por tanto, la introducción a la analítica avanzada para empresas que no pueden disponer hoy día de un equipo completo de científicos de datos, debido al alto coste y la dificultad de encontrar profesionales adecuados. Empresas de tamaño medio que no puedan permitirse soluciones y desarrollos a medida, así como grandes empresas con la necesidad de poner en valor sus datos en tiempo récord, van a obtener en la analítica aumentada un socio perfecto.

Con la Analítica Aumentada se lograría, por tanto, la democratización del dato, pero sobre todo, la democratización de la conversión de los conocimientos que ofrecen los datos, en insights, algo muy valorado por cualquier departamento de negocio y de marketing de cualquier empresa.

En estos momentos, la herramienta más conocida y la que más está trabajando en analítica aumentada, es IBM Watson Analytics, aunque ya hay otras trabajando en el mismo sentido. Tableau Insights y Qlik Sense son otras herramientas que están apostando por ello. No obstante, se tiene previsto que conforme avance la Inteligencia Artificial habrá más players en el mercado de plataformas.

 

Ventajas de la Analítica Aumentada

Ventajas de la analítica aumentada

Como podrás suponer, la Analítica Aumentada te ofrece unas ventajas muy directas relacionadas, sobre todo, con la accesibilidad del dato a todo tipo de empresas y tamaños. Las principales ventajas serían estas:

  1. Cualquier usuario de analítica aumentada, con un mínimo de conocimiento sobre cómo funciona y qué aporta, podrá obtener relaciones e insigths de valor, procedentes de los datos almacenados por la compañía. A diferencia de quienes no la utilicen, que tendrán que optar por acudir a profesionales especializados en ciencia de datos con perfiles muy técnicos.
  2. La Analítica aumentada permite disponer de cuadros de mando de manera automática y comprensible, así como de enfoques descriptivos y predictivos con la misma sencillez.
  3. Esta es especialmente potente en la elaboración de predicción de tasas de abandono de clientes, análisis de resultados empresariales, detección de anomalías en las cuentas de la empresa, identificación de fraudes, creación e identificación de patrones de consumo, y en definitiva, en la mejora en el conocimiento del cliente.
  4. A la hora de realizar consultas, ya no será necesario utilizar lenguaje SQL, tal y como se viene haciendo. Gracias al PLN (Procesamiento de lenguaje natural), sólo con decir “Muéstrame la variación de gastos por línea de negocio en el último año” será suficiente para obtener el resultado de la consulta. Facilitando tremendamente el trabajo para “No Data Scientists”.

Después de ver las principales ventajas que supone la analítica aumentada, quiero convencerte aún más con las principales razones por las que tu empresa debería comenzar a utilizarla.

 

Razones para comenzar a utilizar ya la Analítica Aumentada

Puesta en Marcha de la Analítica Aumentada

Si has intentado abordar un proyecto de Business Intelligence en tu negocio, te habrás dado cuenta que el mayor problema es lo costoso que es ponerlo en marcha, si no hablamos de la dificultad de encontrar perfiles adecuados a ese trabajo.

El tiempo de implantación también es una barrera importante. Y una vez implantado, mucho trabajo es manual, entrando en juego la posibilidad del error humano. Además, al ser realizado por personas, puedes cometer el riesgo de que el resultado final esté sesgado.

Con la analítica aumentada, en cambio:

  • Los análisis y las predicciones que se realicen serán totalmente imparciales, obteniendo, además, un resultado preciso.
  • Este tipo de analítica ofrece una gran variedad de automatizaciones, agilizando por tanto cualquier proceso de recogida, extracción y análisis de datos.
  • Una compañía con un equipo de Business Intelligence, está continuamente analizando los datos que genera la compañía. Sin embargo, mucha de esta data no proporciona información de valor que pueda contribuir a los ingresos o a un retorno de inversión de la compañía. Además, el porcentaje de datos que es analizado, es una mínima cantidad de datos de todo lo que generan diariamente las compañías. Con la analítica aumentada los especialistas pueden abarcar mucho más, ofreciendo más y mejores insights.
  • En definitiva, todas estas ventajas para tu empresa se traducen en que la toma de decisiones tiene un coste menor.

 

Con esta técnica, las empresas podrán disponer de información más confiable, más variada, más puntual y más útil para sus estrategias de negocio.

En Artyco llevamos años ayudando a nuestros clientes en el campo del Business Intelligence, a través de nuestro equipo de Data Scientists, Marketing Intelligence y Data Analists, pero también a través de soluciones tecnológicas que propicien la generación de insigthts verdaderamente útiles para los negocios de nuestros clientes. ¿Hablamos?

Emilio Fernández Lastra

Chief Marketing Officer

“Después de la hipoteca, el inbound marketing es la mejor
herramienta para asegurar una relación a largo plazo”

¿Te ha parecido interesante lo que has leido?

En artyco podemos ayudarte a conseguir tus objetivos

¿Hablamos?

Si, quiero

+34 916 404 150

hola@artyco.com

© Artyco comunicación y servicios - Todos los derechos reservados

© Artyco comunicación y servicios - Todos los derechos reservados

Qué es 1st Party Data y qué ventajas aporta a tu estrategia de marketing

Qué es 1st Party Data y qué ventajas aporta a tu estrategia de marketing

Qué es 1st Party Data y qué ventajas aporta a tu estrategia de marketing

First, second y third Party Data. Seguro que has oído hablar de cada una de ellas, pero ¿cuál es más importante para tu empresa? La Data puede venir de múltiples canales, así como en función de qué información sea, tener diferente influencia sobre tu estrategia. En este post, te cuento qué es el First Party Data, su diferencia con las otras dos y qué ventajas aporta a tu estrategia de marketing para convertirte en una Data-Driven-Marketing Company. ¿Te interesa? Vamos a por ello.

Se considera First Party Data a aquellos datos que la empresa obtiene de primera mano, es decir, aquella información que recopila a través de sus propias fuentes, como su página web, las redes sociales, el CRM, su servicio de contact center…

Esta información, generalmente incluye datos sobre los gustos de tus clientes, comportamiento con tu marca y con tu empresa en el entorno online, entre otros muchos. Estos son usuarios que en alguna ocasión han dejado sus datos a la marca para recibir algún tipo de información, pudiendo rastrear desde entonces la empresa, cuál es su comportamiento con ella, así como otras muchas cosas más.

La principal ventaja que tienen estos datos de primera parte, es que son gratuitos para la empresa, ya que no tiene que pagar a un tercero para obtenerlos.

Ahora que ya sabes que es el 1st Party Data, vamos a por las otras dos.

 

Qué son el Second y el Third Party Data.

2nd Party Data y 3rd Party Data

Una vez conocemos qué es el First Party Data, vamos a entender qué son el Second y el Third Party Data.

El 2nd Party Data o datos de segunda mano, es toda aquella información que es obtenida mediante intercambio con otra empresa. Normalmente, este intercambio de información suelen realizarla empresas complementarias, las cuales han llegado previamente a un acuerdo de intercambio para favorecer ambos negocios.

Por ejemplo, una web de ropa para recién nacidos podría compartir información con otra que vende productos de limpieza y cuidado de bebés.

Este tipo de información es un complemento perfecto para la información de primera mano o First Party Data, ya que te ayuda a ampliar tu audiencia, saliendo de la información que recoges por tus medios a través de usuarios y clientes que ya te conocen, enfocándote a nuevos consumidores, quienes te resultaría más complicado alcanzar de otra manera.

Si ves interesante este tipo de Data, debes de tener en cuenta la nueva normativa sobre la GDPR o RGPD (si no la conoces muy bien, te dejo este post sobre “7 Tips para que tu CRM cumpla con éxito la GDPR”) la cual indica que la única manera de poder compartir información sobre tus usuarios con terceros, es si el usuario ha expresado de manera activa su consentimiento a la empresa. Como te imaginarás, tras esto, es complicado encontrar buena información de segunda mano en Europa.

La 3rd Party Data, por el contrario, es toda aquella información obtenida a través de proveedores de datos externos. La principal ventaja que tienen estos datos, es que puedes adquirirlos a gran escala y ya segmentados, normalizados y testados. A través de ellos puedes conseguir una amplia cobertura en relación a tu público objetivo, pero ten en cuenta que tu competencia también tiene fácil acceso a ellos, habiéndolos utilizado ya probablemente. Si estos datos no disponen de “un tiempo de barbecho” entre campaña y campaña del mismo sector o afín, es probable que su eficacia no sea la esperada, bajando considerablemente la conversión.

Si quieres saber un poco más sobre este tipo de datos, y cómo se regulan en España, te recomiendo echar un vistazo a La Guía Legal Tratamiento de Datos de Terceros del IAB.

 

Cómo sacarle partido a tu First Party Data.

Cómo sacar partido al First Party Data

Tal y como ya sabes, el First Party Data o datos de primera mano, son aquellos que obtienes tú como empresa a través de tus canales de comunicación con los clientes, y los cuales recoges en un DMP o un Data Warehouse.

Tras la evolución del Marketing Digital de los últimos años, los datos se han convertido en uno de los principales activos de cualquier empresa, siendo uno de los objetivos de aquellas más punteras, convertirse en Data Driven Marketing Company, es decir, una empresa que toma sus decisiones de marketing en base a los datos que va recogiendo de sus clientes.

El uso de Internet, así como las compras online, hasta hoy nunca habían sido tan elevadas. Este hecho ha impulsado, junto con las nuevas tecnologías y el IoT, la adquisición de datos relevantes sobre el comportamiento de los consumidores. Para poder sacarle el mayor de los partidos a estos datos de primera mano, te recomiendo que hagas lo siguiente:

#1. Convierte la recopilación de datos, en un pilar básico en tu estrategia de marketing.

Cuantos más datos recojamos a través de nuestros diferentes activos, más información podremos sacar de nuestros clientes y del entorno por el que se mueve nuestra empresa. Ten en cuenta todos los canales a través de los cuales puedes obtener datos, y haz una estrategia de recogida y almacenamiento para cada uno de ellos. Algunos de los canales de donde puedes obtener más información pueden ser:

  • Tu página web.
  • Tus redes sociales.
  • Tu publicidad online.
  • Tu CRM.
  • Tus vendedores.
  • Tu servicio de atención al cliente.

Cuanta más información recojamos, mayores y mejores conclusiones obtendremos de cara a desarrollar mejores estrategias de marketing.

#2. No pierdas nunca de vista la GDPR.

Desde mayo de 2018 las empresas están obligadas a pedir el consentimiento expreso de los usuarios para ceder sus datos o a que sean utilizados para campañas de marketing. Este hecho ha limitado mucho el margen de actuación respecto a los datos, por parte de las empresas. De ahora en adelante, ten en cuenta este hecho y no olvides incorporar en cada canal en el que vayas a recoger información, el aviso legal para que los usuarios expresen su consentimiento o denegación.

#3. Centraliza la información en un mismo contenedor.

Para que todos esos datos tengan sentido y puedas sacar provecho de ellos, es necesario que los tengas recogidos en una misma plataforma o (Data Warehouse Data Lake, …), la cual te permita agrupar tanto datos estructurados como no estructurados. Gracias a este recipiente, podrás hacer las consultas necesarias de cara a sacar conclusiones sobre tus consumidores, y así tomar decisiones Data Driven Marketing.

#4. Pon en marcha la maquinaria del Business Intelligence.

Los datos sin alguien detrás que sepa sacarlos, analizarlos e interpretarlos, no sirven de nada. Puedes haber realizado muy bien tu trabajo a la hora de captación de datos de primera mano y almacenamiento, pero si no sabes qué hacer con ese Big Data, toda esa labor no valdrá para nada.

Para poder sacar conclusiones, crear clusteres, segmentos y crear modelos predictivos que te ayuden a tomar mejores decisiones de marketing, y crear campañas más efectivas, es necesaria una capa de business intelligence.

 

Como ves, los datos de primera mano son muy útiles, pero necesitan de un proceso planificado y una metodología de trabajo. Si piensas que quizás conllevan muchos recursos y que no merece la pena, a continuación, te cuento por qué debes cambiar de opinión.

 

Principales ventajas del 1st Party Data

Ventajas del First Party Data

Los beneficios que generan los datos de primera mano son muchos. A continuación, te cuento los más relevantes. Son estos:

  1. La recopilación de una gran cantidad de datos de calidad 1st Party Data, te ayuda a obtener una visión mucho más real y precisa de lo que está sucediendo en tu entorno online, por poner un ejemplo. Lo que nos va a ayudar a tomar mejores decisiones y optimizar nuestras estrategias data driven.
  2. Los datos de primera mano son propiedad de la empresa, y esto es muy importante. Con la entrada de la RGPD, es fundamental tener en orden los consentimientos de los usuarios, y tener muy claro a quién pertenecen los datos realmente, es decir, a los usuarios. Si nosotros como empresa disponemos de la propiedad de esa información, todo será mucho más sencillo de gestionar.
  3. Permite actualizar la data en función de las circunstancias de la empresa. Un negocio puede cambiar de objetivos. Un segmento de clientes puede cambiar de hábitos. Con el First Party Data, la empresa puede controlar los períodos de recolección de datos, manteniéndolos al día si es necesario. De este modo, la empresa no dispondrá de información desfasada o no útil para el negocio.
  4. Te permite targetizar y segmentar a tus clientes y usuarios en función de tus necesidades, y no bajo los criterios de proveedores de información, a través de los cuales hayas obtenido esos datos.

 

Como habrás podido ver, tener una 1st Party Data te da la posibilidad de activarla para aquellas necesidades que tenga tu empresa, personalizando su relación con cada cliente en cada momento dentro del journey de este.

En Artyco somos expertos en trabajar con First Party Data, ayudándote a ampliar la información de este con Third Party Data que haga darte una visión mucho más global del problema. A través de nuestros departamentos de Digital & CRM, así como de Business Intelligence, ayudamos a nuestros clientes a convertir ese Data en insights. ¿Quieres que hagamos lo mismo contigo? ¿Hablamos?

Emilio Fernández Lastra

Chief Marketing Officer

“Después de la hipoteca, el inbound marketing es la mejor
herramienta para asegurar una relación a largo plazo”

¿Te ha parecido interesante lo que has leido?

En artyco podemos ayudarte a conseguir tus objetivos

¿Hablamos?

Si, quiero

+34 916 404 150

hola@artyco.com

© Artyco comunicación y servicios - Todos los derechos reservados

© Artyco comunicación y servicios - Todos los derechos reservados