Cómo aprovechar el Big Data en tus campañas digitales
Cada minuto un internauta se puede encontrar con los mensajes de las marcas en la red. En un banner de un sitio web o YouTube, en una publicación en redes sociales, en una campaña de Adwords en Google u otros buscadores o en su celular. El reto para las empresas es saber cuál fue el camino en el que se expuso a estos anuncios y que finalmente lo llevaron a hacer una compra, registrarse en el newsletter de la marca o consumir el contenido de ésta.
La tecnología que revela el camino del consumidor hasta la interacción final con la marca ya existe y es el Big Data, sistemas que manipulan grandes volúmenes de datos, que son variados y se producen a velocidades aceleradas. Utilizarlas ayuda a crear estrategias de mercadotecnia que pueden incrementar la fidelidad, mejorar la experiencia del cliente al segmentar y personalizar las campañas e incluso optimizar procesos .
El Big Data es la combinación del manejo de bases de datos con su análisis en el que se estandariza la forma en que se obtiene y estudia la información, con lo que se genera reportes y predicciones que ayudan a planear y ejecutar mejor las campañas de mercadotecnia, explicó Chrystian Barragán, director general de Aklienta una empresa dedicada a la gestión automatizada de redes sociales a partir de estas metodologías.
La forma general en la que opera esta tecnología es con la utilización de cookies, un archivo que se genera cuando el usuario visita un sitio o da clic en un anuncio. Cada cookie se identifica con símbolos alfanuméricos y se guarda temporalmente en la computadora del usuario para seguir su actividad en la red.
Con las cookies se puede analizar el comportamiento de los usuarios desde la primera vez que visitó el sitio de una marca hasta el último clic en el que puede interactuar con ésta. Así se reproduce el camino que siguió el consumidor.
“Con Big Data analizas quiénes llegaron por Facebook, por el sitio, por un clic en un banner o quien te buscó. Analizas ese universo de variables y se crean escenarios de cómo cambiaría el nivel de conversión si se invierte más en Facebook este mes o en display. Empiezas a probar todo para que al final identifiques cómo con la misma inversión puedes generar más ventas o más resultados”, señaló Barragán durante el Congreso Nacional de Marketing Digital.
Otras conversiones además de la venta pueden ser que el usuario se registre en el sitio o a un programa de lealtad, con el que se analice su comportamiento o suscribirse al newsletter de la empresa.
El analizar las interacciones en los canales digitales también puede ayudar a mejorar la experiencia del consumidor, al detectar de una forma automatizada alguna queja o sugerencia, con lo que el equipo de servicio al cliente puede actuar de una forma proactiva cuando el usuario contacte a la empresa.
Por ejemplo, si un cliente se quejó en redes sociales y después llama al call center, el equipo de atención al consumidor no le ofrecerá la promoción del mes de manera automática, en su lugar, al contar con un sistema inteligente que lleve registro de las interacciones de los usuarios, se da seguimiento a la queja que ya había hecho a través de uno de los canales digitales. A este modelo se le llama next best action por su intento de adelantarse a las necesidades del cliente.
El reto principal de las empresas con el Big Data es que desarrollen habilidades para implementar estas metodologías. La mejor manera, a decir de Chrystian Barragán, es seguir planes piloto para medir los primeros beneficios que pueden durar de un mes a cuatro meses.
Los pasos que se deben seguir para una prueba exitosa es:
- Qué queremos: El especialista en marketing digital debe definir cuál es el beneficio de negocio o conversión que se busca.
- Conocer los fierros: Alguien experto en tecnología debe comprender en su totalidad cómo se estructura la información, cómo llega, cómo se integra y en qué plataformas. De preferencia debe ser un ingeniero especializado en bases de datos o sistemas de integración.
- Data scientist: Otro ingeniero que creará los algoritmos o el procesamiento de esos datos. Debe definir cómo se van a modelar, qué datos se tomarán en cuenta.
- Ejecución: Con el objetivo de negocio claro se deben hacer pruebas, por ejemplo si el piloto durará cuatro meses cambiar los escenarios, un mes invertir más en ad words, otro en redes sociales, otro en banners o móviles y así analizar al final cómo resultó cada prueba y si se puede escalar.
- Herramientas: Además del equipo, se debe contar con el soporte tecnológico que procesará los datos. Dependiendo del objetivo se puede preferir una u otra herramienta. Por ejemplo, Google Analytics funciona para analizar las campañas de marketing digital en general, pero Teradata y SAP funcionan para analizar el historial y comportamiento de los clientes y Domo es una herramienta que ofrece reportes y proyecciones muy visuales que ayudan a planear.
