CDA Archivos - artyco | the data driven company
91 640 41 50 hola@artyco.com
Qué es un árbol de decisión y su importancia en el Data Driven

Qué es un árbol de decisión y su importancia en el Data Driven

Qué es un árbol de decisión y su importancia en el Data Driven

Un árbol de decisión es un diagrama en forma de árbol que muestra la probabilidad estadística o determina un curso de acción. Muestra a los analistas y, a los que toman las decisiones, qué pasos deben tomar y cómo las diferentes elecciones podrían afectar todo el proceso. Todo ello soportado en datos. Como entenderás, es una herramienta muy útil en cualquier organización regida por los datos o Data Driven. En este post, te voy a contar cómo construirlo, sus principales símbolos, sus ventajas y desventajas, así como su importancia en el Data Driven. ¿Interesante verdad? Vamos a por ello.

Un árbol de decisión es una especie de mapa en que se muestra cada una de las opciones de decisión posibles y sus resultados. Este es tremendamente útil para aquellas personas que tienen que tomar decisiones en un negocio, ya que te permite comparar diferentes decisiones y acciones según sus costos, probabilidades y beneficios.

Este diagrama acaba teniendo una forma similar a la de un árbol, de ahí su nombre de “diagrama de árbol de decisión”.

Los árboles de decisión comienzan con un nodo, del cual salen otros en función de las opciones que se presenten, y de cada una de estas, otros. Existen tres tipos diferentes de nodos:

  • Nodos de decisión.
    Se le representa con un cuadrado y muestra una decisión que se tomará.
  • Nodos de probabilidad.
    Está representado por un círculo y muestra las probabilidades de ciertos resultados.
  • Nodos terminales.
    Son de forma triangular, y muestra el resultado definitivo de una ruta de decisión.

Una vez que ya sabes qué es un árbol de decisión y el significado de sus figuras, vamos a ver cómo dibujar uno.

Cómo dibujar un árbol de decisiones

dibujar árbol de decisiones
Para dibujar un árbol de decisión puedes optar por hacerlo manualmente o bien a través de una aplicación. De cualquiera de las formas, su desarrollo es el mismo.

  1. Empieza por la decisión principal. Dibuja un cuadrado pequeño y traza hacia la derecha, a través de líneas, las posibles soluciones o acciones. Estas deben de estar correctamente etiquetadas y ofrecer el coste que supone tomar un camino u otro.
    inicio árbol de decisiones
  2. Es el momento de añadir nodos de decisión y probabilidad, los cuales harán crecer el árbol. Para ello, debes de seguir el siguiente razonamiento:
    • Si otra decisión es necesaria, dibuja otro cuadrado.
    • Si el resultado es incierto, dibuja un círculo (los círculos representan nodos de probabilidad).
    • Si el problema está resuelto, déjalo en blanco (por ahora).
      ramificación de árbol de decisiones

    Como ves, desde cada nódulo de decisión, debes de poner soluciones posibles, mientras que desde cada nódulo de probabilidad, debes de incluir los resultados posibles. Para poder basarte en datos, lo ideal es que incluyas en cada línea de decisión, el coste de esa acción, o el ingreso. De igual forma, en cada nódulo de probabilidad, debes de incluir tus opciones de forma numérica, a través de la probabilidad.

  3.  Continúa expandiendo tu árbol hasta que no haya más decisiones que tomar, y este llegue a su fin. El final representa que no hay más decisiones posibles o resultados probables que considerar. Una vez hayas asignado un valor a cada resultado posible, bien a través de una puntuación abstracta o un valor financiero, agrega triángulos que determinen los extremos.

final árbol de decisiones
Ahora, con el árbol listo, ya estás preparado para analizar la decisión a la que te enfrentas.

Cómo realizar un análisis en un árbol de decisión

analisis arbol de decisiones
Diseñar el árbol de decisión es útil sobre todo para plasmar sobre el papel las alternativas y para visualizar todas las opciones que tienes. Sin embargo, no está completo hasta que no realizas un análisis como tal.

Para ello, tienes que realizar el cálculo final esperado de cada decisión. Este cálculo te aportará una minimización del riesgo y una maximización de la probabilidad de obtener el resultado esperado.

Para sacar ese dato, sólo tienes que restar el costo de esa decisión a los beneficios esperados. Así de fácil. Ten en cuenta que los beneficios esperados son iguales al valor total de todos los resultados que puedan derivar de esa decisión, y cada valor se multiplica por la probabilidad de que ocurra. A continuación, te muestro cómo se calcularían estos valores para el ejemplo descrito anteriormente.
analisis árbol decisiones

Al identificar cuál es el resultado más deseable, es importante tener en cuenta las preferencias de utilidad del encargado de tomar la decisión. Por ejemplo, algunos prefieren opciones de bajo riesgo, mientras que otros están dispuestos a correr riesgos si el beneficio es mayor.

Al usar tu árbol de decisión acompañado por un modelo de probabilidad, puedes emplearlo para calcular la probabilidad condicional de un evento o la probabilidad de que suceda, en el caso de que otro evento ocurra. Para hacerlo, simplemente empieza con el evento inicial, luego sigue la ruta desde ese evento hasta el evento objetivo, y multiplica la probabilidad de cada uno de esos eventos juntos.

De este modo, un árbol de decisión se puede emplear como un diagrama de árbol tradicional, que traza las probabilidades de determinados eventos, como lanzar una moneda dos veces.

probabilidad evento árbol de decisiones

Como puedes suponer, los árboles de decisión ofrecen muchas ventajas, pero también alguna que otra desventaja. Vamos a verlas.

Ventajas y desventajas del uso del árbol de decisión

ventajas y desventajas árbol de decisiones
Las principales ventajas de utilizar en tu proceso de decisión, este tipo de diagrama, son evidentes y seguro que la mayoría de ellas ya se te han pasado por la cabeza:

  • Los árboles de decisión son simples de entender y de interpretar.
  • Si el diagrama no es demasiado grande, puede visualizarse de un vistazo y eso facilita mucho el entendimiento del proceso.
  • No requiere que prepares unos datos excesivamente complejos.
  • Es válido tanto para variables cuantitativas como para cualitativas.
  • Se pueden agregar nuevas opciones a los árboles existentes.
  • Son fácilmente combinables con otras herramientas de tomas de decisiones.
  • Utiliza un modelo de caja blanca: la respuesta del algoritmo es fácilmente justificable a partir de la lógica booleana implementada en él.

Por otro lado, hay una serie de desventajas, las cuales quizás no sean tan evidentes, aunque seguro que muchas de ellas se te hayan pasado por la cabeza. Principalmente son estas:

  • Son inestables: cualquier pequeño cambio en los datos de entrada puede suponer un árbol de decisión completamente diferente.
  • No se puede garantizar que el árbol generado sea el óptimo.
  • Hay conceptos que no son fácilmente aprendidos pues los árboles de decisión no son capaces de expresarlos con facilidad (como el operador XOR).
  • Los principiantes crean árboles sesgados, sobre todo si una de las personas que interviene es dominante respecto al resto.
  • Un árbol de decisión puede llegar a ser demasiado complejo con facilidad, perdiendo su utilidad.

Por lo que puedes suponer, esta herramienta es muy útil en las empresas Data Driven, las cuales, sólo toman decisiones en base a los datos. A continuación, paso a contarte por qué es tan útil para este tipo de empresas.

Los diagramas de árbol de decisión en el Data Driven

árbol de decisiones y data driven

Hoy día, las empresas más modernas están siendo regidas por los datos. Los años en los que se tomaban las decisiones en función de la experiencia personal del más veterano, o la intuición del empleado de más éxito, terminaron.

Gracias a los datos, una empresa Data Driven es capaz de multiplicar el número de ventas fácilmente, así como de fidelizar a sus clientes y de ahorrar costes, entre otras muchas cosas.

Para lograrlo, es necesario crear una cultura y una filosofía entorno al dato, pero también entorno a la mejor manera de tomar decisiones basadas en estos.

En este sentido, el diagrama de árbol de decisión es una excelente herramienta para lograr tomar decisiones basadas en datos.

Pero no sólo eso, los árboles de decisión son, además, potentes herramientas de visualización que ayudan a los responsables precisamente en esa toma de decisiones, realizando los movimientos correctos en el momento adecuado.

Cada vez más sectores los utilizan hoy en día con el fin de sacarles todo el provecho y aumentar su negocio, utilizándolos para optimizar estrategias, predecir los resultados o la probabilidad de eventos.

En próximos posts profundizaremos más en esta herramienta, hablando de árboles más avanzados como el de regresión o el de clasificación y cómo pueden entrar en juego en la Inteligencia artificial, a través del machine learning. No te lo pierdas.

¿Quieres convertir tu empresa en una compañía 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

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 las Micro-Conversiones. Su importancia en estos tiempos de COVID-19

Qué son las Micro-Conversiones. Su importancia en estos tiempos de COVID-19

Qué son las Micro-Conversiones. Su importancia en estos tiempos de COVID-19

Una Micro-Conversión es una acción con una CTA concreta que persigue un objetivo específico, pero que no es la principal conversión, y sin embargo, aún así, es fundamental para conseguir el resultado buscado. En estos días en los que se ha reducido el presupuesto de marketing y publicidad, en los que el consumidor está mucho más sensible, y que conseguir una conversión final se vuelve un objetivo complicado, es cuando puede cobrar importancia prestar atención a esas Micro-Conversiones, su optimización y su control, de cara a conseguir mejores conversiones finales o macro conversiones.  ¿Quieres saber más sobre ello? Vamos allá.

Normalmente, se considera conversión final o Macro-Conversión a aquella acción realizada por el usuario, que termina en el cumplimiento del objetivo primario de tu inversión, como podría ser la reserva de una habitación en un hotel, la compra de unas zapatillas… Sin embargo, las Micro-Conversiones, son el resto de acciones que va cumpliendo el usuario en su camino hacia la conversión final.

Durante la crisis del COVID-19, son muchos los sectores que han visto paralizada su actividad, como es el de la hostelería. Por el contrario, hay otras marcas que están aprovechando, a través de la creatividad, para sentar unas bases de branding que perduren en el tiempo y así partir de la línea de salida, una vez todo esto se normalice, desde una posición ventajosa. Tales son los casos de marcas como Audi y su famosa campaña de “Mantengamos la distancia para estar más unidos”.

 

Anuncio Audi Coronavirus

O la de Bankinter en la que traslada emociones y sentimientos que están presentes entre las personas, para apropiárselos la entidad bancaria y así posicionarse a la misma altura que sus clientes y potenciales, y no como otro banco más. Siendo visto así por el público como una entidad cercana y próxima a las personas.

 

Estos pequeños detalles, no son otra cosa que crear Micro-Conversiones que lleven hacia una conversión mayor, tal y como dice el spot de Bankinter “cuando uno se acerca, empieza a ver otras cosas”.

Sientan las bases con conversiones no finales, para dirigir al consumidor hacia la conversión final, más adelante.

En B2B por ejemplo, conseguir conversiones es sumamente difícil, sin embargo, si te paras a analizar las Micro-Conversiones, la cosa cambia. Quizás, en este tipo de industrias, el que un usuario deje un comentario positivo, se descargue un Whitepaper o llegue a la página de casos de éxito… pueden considerarse una conversión.

Si ese público te resulta interesante para tu negocio, y tienes la posibilidad de saber quién es exactamente, quizás también, puedas aprovecharlo para crear audiencias similares en Google Ads o Lookalikes en Facebook Ads, que te sirva para llegar a audiencias que puedan comportarse de manera similar, y así aumentar las probabilidades de conseguir aumentar las Macro-Conversiones.

Algunos ejemplos de micro conversiones podrían ser:

  • Suscripciones a newsletter.
  • Darse de alta como cliente en un ecommerce.
  • Descargar un documento de valor.
  • Ver un vídeo corporativo o de producto dentro de la web.
  • Pedir un tour guiado por una universidad.
  • Consultar la dirección de un establecimiento físico.
  • Ver la sección de servicios.
  • Usar el buscador de un sitio web.
  • Añadir productos al carrito de la compra.
  • Usar el WebChat…

Ahora seguro que te preguntas, y ¿qué valor le doy a las Micro-Conversiones? ¿qué vale la descarga de un caso de éxito dentro de mi sitio web? Esta es una buena pregunta, con muy difícil respuesta ¿o no?

Vamos a ver ahora de qué manera podríamos medir estas Micro-Conversiones.

 

Cómo medir las Micro-Conversiones

Cómo medir las Micro-Conversiones

Antes de empezar, lo primero que debes hacer es definir cuáles de las acciones de tu web son susceptibles de ser consideradas como Micro-Conversiones y debes decidir cuáles de estas son realmente valiosas y por tanto, merece la pena ser medidas.

Para calcular el peso de dichas Micro-Conversiones debes tener en cuenta estos factores: 

  • Proximidad a la Macro-Conversión. Imagina que eres un Hotel. ¿Es más probable que un usuario que lee los comentarios de otros usuarios reserve una habitación o la probabilidad aumenta si el usuario ha visitado la galería de fotos del hotel? Identifica qué Micro-Conversión es más importante para la conversión final.
  • El tiempo de decisión medio del usuario. ¿Durante cuánto tiempo meditan lo usuarios que compran un producto o servicio antes de convertir? Si se trata de procesos cortos deberías potenciar las campañas que generan Micro-Conversiones de camino hacia la conversión, pero si se trata de un proceso de decisión largo debes dar importancia también a las acciones relacionadas.
  • Las características del mercado en el que te mueves y cómo te posicionas respecto a tus competidores. ¿Es un mercado en el que el usuario compara precios? ¿Te quieres posicionar como el más exclusivo o como el más barato? En base a esta información puede ser más valioso potenciar campañas que generan muchas visitas a fichas de producto u otras que generan consumo de contenido (como artículos leídos en tu blog o visualizaciones de vídeo).

Una vez tienes definidos los pesos de tus Micro-Conversiones, lo ideal es que abras Google Analytics, ya que esta herramienta es la que mejor te puede ayudar a medirlas. Con ella, puedes configurar objetivos:

  • En base a la URL de la página de tu web que puede constituir una Micro-Conversión. Por ejemplo, la URL de la ficha de producto para medir los usuarios que la han visitado.
  • En base a los eventos, para identificar por ejemplo las veces que se ha reproducido un vídeo en nuestra web.
  • Según el tipo de contenido visitado o el tiempo que un usuario pasa en tu web.

 

Una vez definidos e identificados correctamente los objetivos a través de Google Analytics, puedes importarlos en tu cuenta de Google Ads. En la aplicación de Google, podrás analizar el rendimiento de tus campañas o de tus palabras clave o segmentaciones en base al volumen de las diferentes Micro-Conversiones, ya que te permitirá relacionar su cumplimiento con los varios niveles de informes disponibles en la plataforma.

Si eres un anunciante y trabajas varios canales con Paid Search a través de DoubleClick Search, existen otras formas de medir las Micro-Conversiones a través de las variables recogidas por el Floodlight contador. 

Una vez definidas las variables que quieres medir con tu TAG, puedes crear en DS una columna específica para que se registren todas las veces que una u otra variable ha sido recogida en una visita de usuario (por ejemplo, puedes contar todas las veces que la variable de “Sección” ha sido «Carrito» para medir las visitas a carrito).

¿Interesante verdad? Vamos a ver algún ejemplo.

 

Ejemplo de Micro-Conversiones

Ejemplo de Micro-Conversiones

Te podría poner muchos ejemplos, sin embargo, creo que uno de los más didácticos es aquel relacionado con el mundo eCommerce. Vamos allá.

En una tienda online, todos estamos de acuerdo en que la Macro-Conversión es la venta. Sin embargo, también estarás conmigo si te digo que no podemos centrarnos en optimizar ese 2% del total de tu tráfico web, que suponen las ventas. Es interesantes también, poder analizar y optimizar el otro 98%.

En este aspecto, las Micro-Conversiones pueden ayudar mucho en ese 98%, ayudando a potenciar ese tráfico que no convierte, dirigiéndolo hacia esa conversión final, si logramos optimizar las Micro-Conversiones adecuadas que sirvan de palanca hacia la venta.

Como Micro-Conversiones en eCommerce podemos definir acciones como las siguientes:

  • Darse de alta a una newsletter.
  • Dejar un email de aviso cuando haya productos de nuevo en stock para avisarle por email.
  • Darse de alta en el club de fidelización del ecommerce.
  • Emplear el filtro de búsqueda.
  • Incluir productos en una wishlist.
  • Compartir un producto a través de redes sociales.
  • Emplear un descuento.
  • Emplear la herramienta de comparación de productos.
  • Añadir productos al carrito.
  • Enviar el resumen de la compra al email.
  • Visitar páginas específicas de alto valor para el ecommerce.

Estas son algunas de las Micro-Conversiones que podrían ser de interés optimizar en un eCommerce y que podrían definitivamente ayudar a la conversión final.

Como ya comenté en el apartado anterior, lo ideal es que crees tus objetivos en Analytics y así puedas medir la consecución de esas Micro-Conversiones, tal y como te muestro en este ejemplo.

Ejemplo medición Micro-Conversión

El problema que te surge una vez hayas creado esto, es qué valor le das a la Micro-Conversión. Lo que suele hacer la mayoría de marketers es asignarle el valor de 1 €, de este modo tendrás un valor simbólico que te puede servir para establecer objetivos.

Pues bien, ahora que tienes identificados tus Micro-Conversiones, su medición y su valor, es momento de optimizarlas. Para ello, sólo tienes que hacer pruebas A/B en las cuales vayas modificando ciertos aspectos pequeños e identificables, de tal manera que te permita ir mejorando.

 

Como has podido ver, en una situación en la que la conversión final es cada vez más difícil de conseguir, creo que es muy buena idea trabajar esas Micro-Conversiones que te van a permitir obtener unas conversiones finales mejores, incluso aumentarlas significativamente. Este proceso es, además, mucho más rentable para tu empresa, ya que en lugar de invertir en Paid Media, inviertes en optimizar el Own Media, sin incurrir en costes extra.

¿Te cuesta crear un proceso de medición? No te preocupes, en artyco te podemos ayudar con todo lo relacionado al establecimiento de métricas y KPIs fundamentales para tu negocio. ¿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