Todo lo difícil comienza siempre fácil. Todo lo grande comienza siempre pequeño.

En muchos casos, el enfrentarse a realizar un análisis supone un gran problema si no tenemos una metodología que nos guíe de forma efectiva por cada uno de los pasos hasta dar con las conclusiones y recomendaciones.

Los análisis que realizamos los analistas o científicos de datos no difieren demasiado de lo que se lleva haciendo en los procesos científicos desde tiempos inmemoriales: lanzar hipótesis, probar y finalmente optimizar para lograr el resultado deseado.

Por lo que lo primero que tenemos que tener en cuenta es que el proceso de análisis es un ciclo en cualquier proyecto de mejora. Planificar en qué puntos del proceso, qué datos necesitamos y con qué herramientas los recogeremos, almacenaremos y realizaremos el análisis de los datos es una parte crítica de cualquier proyecto online u offline. Si no planificamos bien este punto podemos encontrarnos que o bien nos faltarán datos importantes o bien no lo hacemos a tiempo o bien no tenemos los medios adecuados, etc…

Una vez tenemos la planificación, es importante gestionar la calidad de los datos a la hora de recogerlos para garantizar que en el momento en que los vayamos a analizar, tenemos lo que necesitamos, en el formato que necesitamos y con la veracidad que necesitamos.

Y no nos engañemos, por mucha metodología y planificación que realicemos, tendremos que pasar mucho tiempo tratando datos, probando… cuantas más variables introduzcamos en el análisis, más tiempo se tarda en cuadrarlas y en sacar conclusiones. Pero a la vez esas conclusiones serán mucho más sólidas y enfocadas a atacar el problema que nos estemos encontrando. ¿Por qué? Porque cuantas más variables utilicemos más posibilidades tendremos de mirar los datos desde diferentes perspectivas, desde diferentes formas de organizarlos hasta representarlos de forma visual ya que saldrán conexiones que no se nos hubieran ocurrido de otra manera.

Por supuesto no debemos olvidar que los datos han de tener contexto, para tener la foto completa y poder ver la luz de manera más indolora 🙂

Para afrontar los datos podemos hacer lo típico de generar tablas que nos permitan organizar los datos de forma que nos permita identificar información relevante de manera rápida, comparando datos y detectando dónde tenemos que profundizar.

Otra manera es poner los datos en gráficos, así podremos sacar lo esencial de manera más visual. Muchas veces se piensa en los gráficos como la mejor manera de presentar los datos a un tercero, pero realmente los gráficos son una forma muy interesante de analizar. El manipular los datos en diferentes formas de visualización hace que los estudiemos desde muchas perspectivas y veamos aspectos que quizás no nos hubiéramos planteado en un primer momento.

La idea es que ver los datos en diferentes formatos gráficos nos lleven a nuevas conclusiones o preguntas o detectemos que necesitamos más datos de contexto para llegar a analizar en profundidad.

Para analizar en profundidad tenemos que aplicar a los datos en tablas y gráficos que nos determinen los pasos a seguir y comprobar si nuestras hipótesis o conclusiones o recomendaciones o predicciones tienen o no sentido.

Vamos a verlo en un ejemplo básico:

Este tipo de matrices nos permiten en formato tabla + formato visual con un mapa de calor estudiar la afinidad en este caso de distintas secciones de una web de venta de ropa de mujer.

Además de ver los datos propios de cada una de las secciones (volumen de sesiones, interés (por consulta de productos) y conversión (ventas)) podremos ir más allá y comprobar qué tipo de secciones se relacionan entre sí y profundizar en este tipo de relaciones para:

– Venta cruzada de productos: Si como vemos en el ejemplo la gente que ve complementos también está interesada en abrigos, podríamos aprovechar e incluir fotos de los complementos en modelos que también lleven este tipo de prendas.

– Recomendaciones en prendas de otra categoría para potenciar el interés de los visitantes en otra sección distinta de la que vienen a ver en un primer momento en base a los datos recogidos de determinados visitantes que nos interesan por alto volumen de visitas o de ventas o…

– Descuentos o promociones en base a dos productos de distintas categorías que sabemos afines para potenciar más la subida del precio medio del ticket de la compra.

– Tomar decisión de dónde colocar una sección u otra en la home o en los menús laterales o superiores dependiendo de la relación entre las secciones para que sea más fácil para el usuario cruzar las secciones que nos interesan 🙂

etc…

Pero lo interesante de esta matriz es que podemos utilizarla con distintos datos: Se me ocurre por ejemplo el construir a partir de la matriz global una segmentada por clientes de los que nos interesan porque compra mucho o compra frecuentemente, ¿qué tipo de afinidad tiene con las secciones de nuestra tienda? A lo mejor podemos generar una newsletter construida con los productos que los propios usuarios relacionan en sus visitas.

O construir una matriz con los datos de relación entre dónde aterrizan los usuarios y luego los productos que compran. ¿Qué sección capta y qué sección termina de rematar la compra? Utilicemos campañas de captación basándonos en esas secciones y montemos luego un sistema de recomendación de las otras secciones en la landing page, por ejemplo.

O comparar secciones que se visitan mucho y sin embargo los usuarios no compran o comparar secciones por las que pasan los usuarios DESPUÉS de añadir un producto al carrito para ver con qué quieren complementar su compra y promover un segundo producto de otra categoría según preferencias del usuario…

O ver las relaciones entre las secciones segmentando por el canal de entrada. ¿Ven las mismas secciones aquellos usuarios que vinieron por mi campaña SEM de mi producto estrella que aquellos que vinieron por búsqueda orgánica del mismo producto? ¿Se comportan igual? ¿En qué se diferencian? En uno de mis clientes resultó que el comportamiento de un determinado sector de un canal de pago se parecía muchísimo al comportamiento de los clientes que venían por las newsletter y decidimos hacer una campaña a la vez para captar y para fidelizar y salió fantástica :))))

O saber el orden en que se visitan las secciones para entender el uso que hacen los usuarios de nuestro sitio y verlo desde su perspectiva para ayudar en una mejor distribución de las secciones e incluso bajando a nivel de productos…

Lo importante es que de una matriz, de ver unos datos de una determinada manera resaltando lo importante por colores y empezar a analizar y a tener claro el tipo de recomendaciones que hemos de hacer para sacarle mayor partido al canal online. Y esto con una matriz que tardamos en realizar en excel cuánto… ¿10 minutos? Esto es solamente el principio, empezamos por una matriz y acabamos por gráficos mucho más elaborados pero centrados siempre en cambiar cosas, en mejorar, en optimizar nuestra estrategia… Si no, no llegaremos a ser grandes nunca!

 

Si quieres ir más allá en el análisis puede que te puedas convertir en ninja de la analítica en el Master en Analítica Web de KSchool o si quieres especializarte en análisis de visualización de datos, a lo mejor te interesa el Programa Profesional de Visualización de datos de KSchool.