
Este es el primer artículo sobre la aplicación del análisis de datos al desarrollo del proyectos digitales, en el que se desarrolla una visión general de la Analítica Digital, cómo se aplica y que ventajas ofrece para la toma de decisiones.
1. Qué es la Analítica Digital
La Analítica Digital consiste en la recopilación, tratamiento e interpretación de datos digitales para generar información útil y extraer conclusiones que permitan mejorar aspectos concretos del proyecto digital.
A través de la analítica aplicada al marketing digital podemos saber cómo son los usuarios de una página web, en qué momentos es mejor publicar en redes sociales, qué campañas publicitarias están funcionando mejor o qué tipo de usuarios son más propensos a comprar en determinados momentos del año, por ejemplo.
Características propias del entorno digital: volumen y disponibilidad de datos
Todas nuestras acciones digitales dejan huella. Conexiones móviles, redes wifi, páginas web que visitamos, actividad en redes sociales, información de transacciones… casi todo queda almacenado en el entorno digital. Es “información pura”, que se almacena, se visualiza, se comparte y se transforma en cada momento. Esto por un lado, genera una ingente cantidad de datos para analizar y por otro lado, toda esta información está disponible, es accesible casi en el momento que se produce.
A medida que se desarrollan las tecnologías de la comunicación y los medios digitales, surgen nuevas técnicas y herramientas analíticas capaces de gestionar este volumen de información.
Algunos ejemplos de nuevos desarrollos son: el área del Big Data, nuevos algoritmos con mayor capacidad de proceso y menores tiempos de respuesta, métodos de auto-aprendizaje y auto-ajuste de modelos predictivos, entornos digitales de alta disponibilidad… La analítica digital es un mundo vivo en el que cada día hay nuevos desarrollos y tecnologías disponibles.

La analítica aplicada al marketing digital:
La analítica es imprescindible para desarrollar el marketing digital. Aunque los usos y objetivos pueden ser muy diferentes entre proyectos, siempre es necesario conocer ciertos datos como el tipo de audiencia, sus gustos y aficiones o el posicionamiento en buscadores de la competencia.
A medida que se desarrolla el proyecto, la analítica digital proporciona una visión clara de su desarrollo, identificando sus puntos fuertes y débiles y permitiendo, en último término, optimizar la inversión publicitaria para alcanzar mejores resultados con una menor inversión.
A la hora de aplicar la analítica digital al marketing, la enorme disponibilidad de información analítica, herramientas, plataformas… puede resultar abrumadora a la hora de diseñar un plan de seguimiento analítico para un proyecto digital. Hay que tener siempre presente el objetivo del análisis y el proceso a seguir.

2. Para qué sirve: Objetivos de la Analítica Digital
¿Para qué sirve la analítica digital? Más allá de la idea general de extraer conocimiento útil de los datos, podemos distinguir 4 objetivos de análisis generales:
Descriptivo - ¿qué ha pasado?
Primer paso en el conocimiento del objetivo de estudio, centrado en extraer información descriptiva de un periodo de tiempo determinado.
Ejemplos: comparativa mensual de ventas online, informes de tráfico web, actividad semanal en redes sociales…
Explicativo - ¿por qué ha pasado?
Explicar los factores que hay detrás de un hecho y su importancia relativa, para conocer mejor sus causas y efectos.
Ejemplos: ¿Cómo afecta el tiempo y las fechas sobre el número de pedidos de comida a domicilio? ¿Qué impacto tuvo la campaña publicitaria de Facebook sobre las ventas de la tienda online? ¿Qué diferencia a los usuarios con altos ratios de conversión del resto de visitantes de la página web?
Predictivo - ¿qué va a pasar?
Para realizar predicciones a futuro es necesario conocer los factores determinantes y que las relaciones encontradas se sigan cumpliendo en el tiempo.
La metodología cobra gran importancia para asegurar que el resultado obtenido es robusto en el tiempo y funciona en un entorno de uso real.
Toma de decisiones - ¿y si pasa esto?
En un paso más allá del análisis predictivo, se integran las
estimaciones a un sistema de toma de decisiones, generalmente en un único proceso automatizado, para sugerir acciones determinadas en base a los diferentes resultados estimados.
Ejemplos: personalización de ofertas de fidelización de clientes, selección de productos Next Best Offer para publicidad display.
La profundidad y complejidad del análisis de datos depende tanto del tipo de proyecto como de su objetivo. Así como una web informativa necesita analítica básica de tráfico, comportamiento y conversión en la web, un proyecto que incluya venta digital y campañas de publicidad pagada deberá conocer cómo impactan las acciones pagadas sobre las ventas, cuáles son las estimaciones futuras o el perfil de usuarios con mayor probabilidad de compra.
3. Metodología de Análisis de Datos: cómo se hace
Las áreas de aplicación del análisis de datos son muy variadas y diferentes entre sí y cada una de ellas tiene una serie de técnicas, metodologías, herramientas y objetivos diferentes.
Por ejemplo, el análisis de datos bio-médicos para el diagnóstico de enfermedades raras no tiene nada que ver en cuanto al tipo de datos, objetivos buscados, técnicas empleadas o tolerancia al error con la previsión de ventas de un comercio a través de su canal online.

Pese a esta variedad de aplicaciones, la metodología general de análisis de datos se puede agrupar en 5 grandes fases:
1. Definición de objetivos
Definir el objetivo analítico: cómo define y mide el hecho a explicar y qué objetivo tiene el análisis (qué problema busca solucionar).
Aunque parece trivial, este paso genera habitualmente más problemas y dificultades que cualquiera de los siguientes.
2. Selección y acceso a datos
Selección de datos: generalmente es inviable usar toda la información disponible, hay que evaluar las fuentes de datos disponibles y su relación con el objetivo de estudio
Acceso a datos: hay que configurar y relacionar las conexiones con las fuentes de información seleccionadas.
3. Limpieza y transformación de los datos
Los datos obtenidos tienen que ser cruzados, limpiados, enriquecidos y transformados antes de empezar el análisis.Hay que calcular variables derivadas de los datos de origen, descartar otras por falta de información, seleccionar las que mayor importancia tengan sobre el objetivo de estudio
4. Análisis y modelización
Esta parte es la más importante del proceso. Las tareas previas sirven de preparación para esta fase, en la que se extrae la información objetivo.
El desarrollo técnico depende del objetivo analítico (describir, explicar, predecir o actuar) y de los datos a utilizar.
5. Mantenimiento y optimización
Los resultados obtenidos parten de unos datos concretos, definidos en un momento dado del tiempo. Sin embargo, la realidad es dinámica, así que estos resultados dejarán de ser válidos en algún momento*.
Es necesario validar constantemente los resultados y comprobar que las predicciones siguen siendo acertadas en cada momento.
* Aplicado al marketing digital, el comportamiento de las personas cambia constantemente: surgen nuevas tecnologías, plataformas, nuevos productos, nuevos tipos de usos del tiempo… Cualquier conclusión analítica tiene que ser monitorizada y validada para poder mantener y mejorar los resultados en el tiempo.
4. Aplicaciones de la Analítica Digital
El análisis de datos en el entorno digital tiene infinidad de aplicaciones. Las constantes innovaciones tecnológicas y el uso masivo de las tecnologías de la información abren la posibilidad de aplicar el análisis de datos en casi todos los ámbitos.
Respecto al marketing digital, el análisis de datos es una herramienta imprescindible para evaluar el desarrollo estratégico, optimizar acciones publicitarias y lograr una comunicación directa y eficaz con la audiencia.
A continuación veremos algunos ejemplos de nuevas aplicaciones de analítica general y algunos ejemplos de cómo aplicamos la analítica digital en BaseCero.
Nuevas aplicaciones del Análisis Digital
Netflix: Big Data para las recomendaciones de contenido a sus usuarios
Las sugerencias mostradas en la plataforma de Netflix son uno de los ejemplos de éxito de cómo el análisis de datos puede mejorar la experiencia del usuario. Teniendo en cuenta multitud de factores relacionados con los hábitos de sus usuarios: horas de visionado, etiquetas de contenido, abandono de series, pausas de visionado, tiempos de sesión… y un periodo de 6 años de datos almacenados, Netflix ha automatizado las sugerencias personalizadas de contenido.
Aunque no siempre acierte, hay que reconocer que funciona correctamente, y de cara a la plataforma, es un proceso totalmente automático.
Referencias:
https://www.muvi.com/blogs/deciphering-the-unstoppable-netflix-and-the-role-of-big-data.html


Festivales de música: análisis del comportamiento del consumidor
Debido a la implementación de las nuevas tecnologías en los festivales musicales, surgen nuevos espacios y oportunidades de analizar el comportamiento de los consumidores.
Aunque los propios festivales ya perfilan su asistente tipo y estiman los servicios e instalaciones necesarias, el uso de las pulseras de pagos, las conexiones a redes wifi, el uso de apps… ofrecen una nueva fuente de datos para conocer al consumidor e identificar formas de interacción mas efectivas.
Referencias:
Análisis Digital para desarrollo de proyectos:
En el marketing digital, el análisis de datos proporciona una información clave para el desarrollo de cualquier proyecto digital, optimizando su diseño y el desarrollo de acciones digitales.
Una de las ventajas del entorno digital es la disponibilidad de información y herramientas de análisis. Las propias plataformas digitales como Google o Facebook ponen a disposición de sus usuarios multitud de informes y datos muy útiles, o cualquiera de email marketing cuenta con los datos necesarios para el análisis y seguimiento de las campañas.
La clave para aprovechar toda esta información es tener claros los objetivos del análisis y ser riguroso con la metodología.
A continuación se muestran algunos ejemplos de implementación de la analítica digital sobre los productos de BaseCero Marketing.

Análisis del tráfico web:
Conocer los datos básicos de la audiencia digital es necesario para desarrollar una estrategia de comunicación digital eficaz, mejorar el funcionamiento de la página web y optimizar la inversión de las campañas digitales.

Analizando variables básicas como el sexo y la edad de los usuarios de la web se puede adecuar el contenido y la forma de las comunicaciones en una estrategia multicanal.

El uso de funnels de conversión es necesario para monitorizar rendimiento de la estrategia digital y detectar limitaciones en la experiencia de los usuarios, como demasiados pasos en el proceso de compra, información poco clara en algún punto o problemas técnicos que compliquen la conversión.
Optimización de campañas de publicidad pagada:
A través del análisis de la audiencia del proyecto se optimiza la inversión de las campañas y mejora su rendimiento:
- Análisis de las horas y días de mayor tráfico web para optimizar el calendario de anuncios y publicaciones.
- Conocer los lugares desde donde se conectan los visitantes para adecuar el mensaje publicitarios a las particularidades locales.

Optimización de campañas de Email Marketing:

En este gráfico se muestra un ejemplo de análisis de rendimiento de las horas de envío de Newsletter, en función del volumen y ratio de transacciones web derivadas.
Durante las campañas de Email Marketing, una buena elección del día y la hora de envío son clave para maximizar la difusión de la comunicación. Más allá de las “fórmulas mágicas” del marketing digital que dictan reglas muy generales, es posible conocer los hábitos de la audiencia del proyecto a través del análisis de envíos pasados.
Los momentos dedicados a la lectura y puesta al día del correo electrónico pueden ser muy variados, dependiendo de cada público específico. No es lo mismo si la audiencia de un proyecto está formada por estudiantes de universidad que si el proyecto se dirige a servicios tecnológicos B2B o a clínicas dentales.
5. Conclusiones
Como hemos visto en este artículo, la analítica digital es la aplicación del análisis de datos al entorno digital. A medida que evoluciona la tecnología crece el volumen de datos disponible, las capacidades de almacenamiento y proceso y surgen nuevas técnicas de análisis más automatizadas y eficientes.
Aunque las tecnologías y herramientas analíticas son importantes y facilitan el proceso, el análisis de datos tiene que estar dirigido a la solución de problemas concretos, por ejemplo:
- ¿Cómo son los usuarios de una página web?
- ¿Qué anuncios han funcionado mejor sobre qué segmentos?
La analítica digital permite optimizar el diseño del proyecto digital, evaluar en tiempo real cada una de las acciones realizadas, seguir el cumplimiento de los objetivos del proyecto en el tiempo y conocer mejor a la audiencia y su comportamiento.
En BaseCero creemos que la utilización de la analítica digital es clave para el desarrollo digital, aportando información útil en todas las fases y permitiendo optimizar la inversión en comunicación digital. Por eso, todos los productos cuentan con la analítica digital necesaria para su diseño, seguimiento y optimización, adaptada a las necesidades de cada proyecto.
Para terminar, una frase de hace tiempo pero más vigente que nunca (atribuida a William Thompson, finales del siglo XIX):