91 640 41 50 hola@artyco.com
Qué es la visualización de datos o DataViz y qué beneficios tiene

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

por | Ene 8, 2020 | Business Intelligence (BI)

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 leído?

En artyco podemos ayudarte a conseguir tus objetivos

¿Hablamos?

Si, quiero

+34 916 404 150

Únete

© Artyco comunicación y servicios - Todos los derechos reservados

Política de Calidad y Seguridad - Política de Privacidad y Cookies

© Artyco comunicación y servicios - Todos los derechos reservados

Política de Calidad y Seguridad

Política de Privacidad y Cookies

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

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

por | Jul 10, 2019 | Business Intelligence (BI), CRM y Social CRM

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 leído?

En artyco podemos ayudarte a conseguir tus objetivos

¿Hablamos?

Si, quiero

+34 916 404 150

Únete

© Artyco comunicación y servicios - Todos los derechos reservados

Política de Calidad y Seguridad - Política de Privacidad y Cookies

© Artyco comunicación y servicios - Todos los derechos reservados

Política de Calidad y Seguridad

Política de Privacidad y Cookies

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

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

por | Jun 26, 2019 | Business Intelligence (BI)

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 leído?

En artyco podemos ayudarte a conseguir tus objetivos

¿Hablamos?

Si, quiero

+34 916 404 150

Únete

© Artyco comunicación y servicios - Todos los derechos reservados

Política de Calidad y Seguridad - Política de Privacidad y Cookies

© Artyco comunicación y servicios - Todos los derechos reservados

Política de Calidad y Seguridad

Política de Privacidad y Cookies

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

por | Jun 18, 2019 | Big Data, Business Intelligence (BI)

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 leído?

En artyco podemos ayudarte a conseguir tus objetivos

¿Hablamos?

Si, quiero

+34 916 404 150

Únete

© Artyco comunicación y servicios - Todos los derechos reservados

Política de Calidad y Seguridad - Política de Privacidad y Cookies

© Artyco comunicación y servicios - Todos los derechos reservados

Política de Calidad y Seguridad

Política de Privacidad y Cookies

Principales métricas y KPIs para el sector Hotelero

Principales métricas y KPIs para el sector Hotelero

por | Abr 26, 2019 | Business Intelligence (BI)

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.

¿Te ha parecido interesante lo que has leido?

En artyco podemos ayudarte a conseguir tus objetivos

¿Hablamos?

Si, quiero

Cómo utilizar la analítica en el sector Retail

Cómo utilizar la analítica en el sector Retail

por | Mar 28, 2019 | Business Intelligence (BI)

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?

¿Te ha parecido interesante lo que has leido?

En artyco podemos ayudarte a conseguir tus objetivos

¿Hablamos?

Si, quiero