Lo llevo diciendo desde hace muchos años… Analizar es un arte. Cuando analizamos, tenemos a nuestra disposición un montón de herramientas que podemos aplicar, modelos estadísticos, métodos de machine learning, etc… Pero siempre hace falta una persona: el analista. ¿Qué es lo que hace la diferencia? Poder enlazar la pregunta de negocio que realmente se quiere contestar con el resultado del análisis, para ejecutar los diferentes métodos sobre los datos, para contrastar con la realidad los resultados y comunicarlos de una manera eficiente.
Es importante partir de una pregunta de negocio y haber pensado en las diferentes respuestas que se pueden dar a dicha pregunta para determinar al final del análisis si se han llegado a cumplir las expectativas que teníamos. No sirve tener una cantidad ingente de datos y rebuscar a ver qué se encuentra. Básicamente porque cada vez tenemos más datos y cada vez tenemos menos tiempo de procesarlos. Así que si no sabemos lo que queremos contestar, poco vamos a poder reaccionar cuando recojamos los datos y los examinemos en profundidad.
Pero la pregunta real debería tener más que ver con poder accionar después de saber el resultado. Es decir, debemos plantear una pregunta con expectativas, relativa a objetivos o a cualquier otro factor que nos permitirá actuar. Todo análisis que no nos arroje un resultado accionable no nos sirve. Por lo que la clave es la pregunta.
Tener la pregunta del negocio en la cabeza implica que el analista piense en las consecuencias del análisis. Así, cada parte del análisis nos llevará en alguna dirección para determinar cuando tengamos un resultado la acción que vamos a realizar al respecto. Si no sabemos o no tenemos en la cabeza qué vamos a contestar no sabremos si los datos que estamos tratando nos sirven o no.
Así que preparar los datos online y offline que vamos a tener en cuenta en el análisis para contestar la pregunta de negocio será clave para empezar el proceso. En general, he comprobado que todo el mundo piensa que el proceso de análisis es lineal, que es una especie de guión que se sigue y que nos lleva siempre a un final feliz.
Pues no, no siempre el análisis nos da un resultado coherente. No hay un paso a paso. Yo prefiero denominarlo como un proceso no lineal y muy iterativo, que depende de lo que vamos avanzando y lo que vamos poco a poco encontrando en los datos. Es lo que cuento a mis alumnos que es la parte creativa y divertida de ser analista: que no hay una metodología lineal y que lo que funciona para un análisis no tiene por qué funcionar para otro.
¿Y por qué os cuento esto? Vamos a ilustrar todo con un ejemplo real:
El otro día estaba comiendo con un cliente y, hablando de la nueva fiebre de los Pokemon GO, me dijo “sería interesante saber si somos una pokestop o gimnasio en alguna de nuestras tiendas físicas”. Los que no estéis puestos en esta nueva historia os animo a leer sobre ella porque está rompiendo moldes. En fin, que me lo dijo así como quien no quiere la cosa y sobre todo como si no supiera que está hablando con alguien que una vez se le mete una cosa en la cabeza no pararía hasta tener una aproximación precisa a este tema de la locura de los Pokemon de Nintendo 🙂
Pero este planteamiento es completamente erróneo. Lo primero, “si nos interesa ser una pokestop o un gimnasio”… ¿qué clase de pregunta para un analista es esa? A ver, ¿qué número de visitas tienes en la tienda actualmente? ¿qué ingresos? ¿qué tipo de cliente te interesa? Obviamente no todo el mundo sabe qué es eso de los Pokemon Go y actualmente el perfil de usuario es bastante adolescente. Es decir, no será buena idea a priori si tienes un banco pero a lo mejor si vendes ropa o tienes una pizzería puede ser interesante.
En el caso del Pokemon Go yo en lo único que podía pensar es cómo sacarle partido, cómo formar parte de ello y medirlo en consecuencia. Apliquemos lo que comentaba en la primera parte del post: tenemos una pregunta general hecha por el cliente, pero necesitamos ir más allá y convertirla en una pregunta más definida. Luego explorar los datos que tenemos, aplicar las herramientas de analítica, interpretar los resultados y comunicar las acciones para optimizar el rendimiento.
Entender bien en qué consiste esta nueva fiebre de Pokemon Go y reformulemos la pregunta en base al conocimiento: “¿Puedo sacar partido a esta locura Pokemon Go? ¿cuántos usuarios potenciales hay, de qué perfiles son, qué tienen que ver con mis clientes?”.
Ojo que el MOMA ya está en ello
Por un lado tenemos la información de mis clientes en mi CRM y por otro tenemos la información que hay en internet sobre el perfil de usuarios en otros sitios del mundo ya que en España aún no ha salido el juego real. Recolectamos la información de los usuarios actuales en internet (ojo que ya hay más de 32 millones de páginas en google que hablan de este fenómeno) para comprobar si nuestras sospechas son ciertas y los usuarios de Pokemon tienen el perfil de generación Z (nacidos después del año 2000) que les atribuíamos.
Entonces es cuando vamos a construir un modelo estadístico sobre nuestra base de datos de clientes actuales en base a determinar las características que mejor nos predicen al potencial usuario de Pokemon Go. Los modelos estadísticos sirven sobre todo para estimar un parámetro específico o hacer una predicción, además de darnos un marco de referencia para comprobar nuestras hipótesis.
Una vez tenemos nuestro modelo predictivo, interpretaremos los resultados y nos encontramos con que los clientes que cumplen con el perfil suponen el 28% de nuestros clientes totales.
Pero investigando más a fondo, algo no cuadra del todo. El primer juego de Pokemon salió en 1997, puede que los nostálgicos que jugaban entonces (tienen ahora en torno a los 30 años) también pueden verse inmersos en este nuevo fenómeno. Importante estar atentos a este mercado potencialmente interesado también, la generación millenial de la que tanto se habla últimamente.
Así que nada de proceso lineal, volvemos a empezar para incluir a los millenials en la ecuación y el nuevo resultado nos arroja de repente que los clientes que realizaron compras más recientes con dicho perfil se concentran sobre todo en dos de nuestras tiendas físicas.
El siguiente paso será estar preparado y averiguar si dichas tiendas son o serán Pokestop o Gimnasios y si no lo son dónde se encuentran los más cercanos, para poder realizar acciones de marketing sobre ellas, o lo que se nos ocurra para sacarle partido en estos dos centros que pueden tener potencial para atraer más clientes del perfil que nos interesa:
- ¿Tiene sentido invertir en Lures? (Para los no iniciados, los lures atraen pokemons a un determinado sitio durante un cierto periodo de tiempo (30 minutos)). A más lures descargados, más pokemons, a más pokemons, más gente vendrá a tu sitio. Los lures no son caros, tienes 1 pack de 8 lures por 680 pokecoins que a su vez equivalen a unos 5$. Propongo invertir en los momentos más intensos del día para luego comprobar por medio del causal impact si el negocio se ha visto beneficiado por ello.
- Los jugadores se asocian a equipos, por lo que se pueden hacer ofertas para los miembros de un equipo determinado (otra vez hay que usar los datos para saber qué equipo es más numeroso o hay más por la zona). Y medir resultados para ir ajustando la predilección por ciertos equipos y así llegar justamente a los potenciales que nos interesan.
- Con la aplicación se puede sacar fotos de los diferentes pokemon en la tienda, por lo que podemos promocionar en otras redes sociales nuestro negocio para que acudan más potenciales. ¿Nos hace tener más usuarios en dichas redes sociales? ¿Tenemos más interacciones? ¿Nos lleva a tener más ventas online? ¿Se traduce en más visitas y ventas en la tienda física?
- Jugar implica un gasto horroroso de batería del móvil así que se puede atraer más potenciales a tu negocio permitiéndoles recargar baterías. Esto es un poco ida de olla pero aunque no juego aún a esto sé la frustración de quedarme sin batería en un momento importante y puede ser interesante proveer de cargadores a los jugadores para que hagan una paradita y degusten una pizza siguiendo con el ejemplo del restaurante mientras cargan fuerzas.
Importante señalar que no existen instrucciones o tutoriales (al menos oficialmente desde Nintendo) así que todos estamos en el mismo punto de aprendizaje: involucremos a los primeros clientes potenciales a crecer en el juego a la vez que nosotros y formemos equipo. No hay nada mejor para fidelizar a un cliente que formar parte de su mundo.
Una comida con un cliente, una frase en el aire mientras hablamos de cosas frikis y toda una tarde investigando y dando vueltas a la cabeza a ver cómo pueden los datos ayudar a crecer un negocio con las nuevas reglas del juego. ¿No es divertido? ¿No es arte? 🙂
¿Qué ha pasado estos últimos meses?

En mayo…
Me entrevistaron en el blog El Tercer Grado justo antes de participar en The Inbounder
Y hablaron de mi intervención en The Inbounder:
… en ABC
En junio…
Viajé hasta Ciudad de México para hablar sobre Data Science en EXPOMARKETING:
http://emsmagazine.mx/ems-magazine-entrevista-exclusiva-gemma-munoz-experta-web-analytics/
Deja un comentario