Categoría: Analista Web

26 Feb 2019 | Analista Web

No siempre puedes conseguir lo que quieres, pero si alguna vez lo intentas, podrás conseguir lo que necesitas

Cuando necesito comprar un mueble, una de las opciones a las que acudo es Ikea. Y es que desde que llegara a España en los años 90, ha sabido hacerse un hueco en las casas de los españoles. Por eso la pregunta es obligada: ¿cuál es la clave de su éxito? Sin duda una de ellas es que el modelo de negocio en el que se basa la compañía sueca es customer centric, es decir, cada decisión que se toma es en pro de los clientes.

Este modelo de negocio es muy interesante, sobre todo para un analista digital. ¿Y por qué? Cuando una compañía tiene al cliente como epicentro de su negocio, el primer paso es conocerle y saber qué es lo que necesita. Para ello, es imprescindible aglutinar todos los datos disponibles y trazarlos. Y teniendo en cuenta que Ikea cuenta con datos online y offline de sus clientes, ¿cómo los relacionan?

Por eso, mi gran amigo Javier Riestra, Analista Digital en Ikea Ibérica, tiene la medición de la satisfacción del cliente como base de su trabajo. Cuando se habla de satisfacción, medir los datos de la parte online no requiere mucho problema. El verdadero reto está en incluir el entorno offline. Este desafío es afrontado en Ikea por el equipo de Business Intelligence, que es el encargado de trabajar la trazabilidad que ayuda a entender el comportamiento del cliente tanto en el entorno online como en el offline.

El comportamiento del consumidor

Para Ikea, acercarse a su consumidor es lo más importante. Por eso, la transformación hace dos años de su página web al ecommerce que conocemos hoy es el mejor de los ejemplos. Sin duda esto les ha ayudado a mejorar el servicio hacia sus clientes, aunque su mejor arma de venta sigue siendo la tienda física, el lugar donde el cliente puede establecer una conexión más emocional con sus productos.

Con la transformación de la página web a ecommerce, es interesante ver cómo el comportamiento de sus clientes también se ha visto afectado, generando un efecto ROPO (Research On-Line and Purchase Off-Line) en ambos sentidos. Este efecto ofrece una información tan valiosa que se ha convertido en una de las herramientas de medición más importantes para el departamento de análisis. De este modo, se tienen en cuenta todas las experiencias de compra del cliente, independientemente de donde se realice la venta final. Y gracias a la recopilación de datos de otros canales como el programa de fidelización y el análisis del customer journey, consiguen una fotografía mucho más completa de su cliente.

Cómo se mide la satisfacción del cliente

La analítica en Ikea Ibérica es transversal. Es decir, aunque el ecommerce es una parte muy importante, existe otras áreas dónde la inspiración, el branding y la comunicación también juegan un papel muy destacado. Por esto se recaban todo tipo de datos desde todas las secciones. Así parten de la segmentación de clientes, para luego realizar una trazabilidad lo más ajustada posible del offline con el online.

A nivel análisis, existe una comunicación continua entre los equipos de analítica de todos los países donde Ikea tiene presencia. Así es más fácil compartir experiencias y, sobre todo, casos de éxito.

De cara a las herramientas, la satisfacción del cliente es medida desde dos vertientes:

Online: las herramientas con las que trabajan son las estándar de medición, analíticas y de voz de cliente digital.
Offline: a través de estudios e investigaciones, y por supuesto, el NPS (Net Promote Score), que es un indicador para medir directamente la satisfacción del cliente. Lo utilizan tanto en tienda física como en tienda online, e incluso en el centro de atención al cliente. Lo que se busca es medir esa satisfacción en todos los puntos de contacto para identificar áreas de mejora.

En cuanto a la medición, todas las directrices parten del equipo global de analítica, ubicado en Suecia. Desde allí marcan los KPIs a tener en cuenta para que todos los países midan de la misma manera. Con esto facilitan el benchmarking entre los diferentes países y el análisis de la calidad del dato. Además, en cada país también se tienen en cuenta las métricas propias tanto de sus tiendas como de sus páginas web.

Para Ikea también es importante el entendimiento de los procesos. En la tienda online, por ejemplo, no se tiene un camino marcado en el suelo y esto hace muy difícil tener una medición de la satisfacción como se hace en tienda física. Por eso, el uso del NPS también se incluye en toda la experiencia online, incluyendo tanto la compra como la entrega final.

En definitiva, no existen diferentes herramientas para cada ámbito. El objetivo principal es acercarse a los gustos de sus consumidores y toda la información es útil para mejorar día a día. Un ejemplo es la apuesta de Ikea por las nuevas tiendas locales situadas en el centro de las ciudades, las cuales están dotadas de más herramientas tecnológicas para medir lo que hace el usuario en la tienda. Esto es posible gracias al equipo de transformación digital, que están trabajando en adecuar la experiencia en tienda física al nuevo cliente omnicanal.

Si te has quedado con ganas de conocer más sobre Ikea y la medición de la satisfacción del cliente, te invitamos a que escuches el episodio del podcast dedicado a este tema:

06 Nov 2018 | Analista Web

Recuerda mi amigo, el conocimiento es más fuerte que la memoria y no debemos confiar en lo débil

Hola, soy analista y me encanta mi trabajo, pero necesito ir más allá. ¿Cómo lo hago?

Esta afirmación cada vez la escucho más en el ámbito del análisis digital. Y no es para menos ya que el abanico de especialidades dónde puede desarrollar su carrera un analista es muy amplio. Y aún hay más. Cuando decides ser analista, sabes que vas a tener que estar al día en herramientas, modelos y conocimientos. En otras palabras, estar en un modo “aprendizaje on” constante. Ante este paradigma, ¿cómo es el modus operandi de un analista digital para estar al día sin morir en el intento?

El comienzo de todo analista es muy parecido: empiezas analizando datos de una sola fuente, por ejemplo de Google Analytics o Adobe. Pero un día necesitas profundizar más, es decir, buscas sacar todo el jugo a los datos. Para ello, no sólo es suficiente querer ser mejor, sino que significa tienes que adquirir:

El conocimiento global de la empresa y del negocio. Es vital saber qué es lo que estás analizando para que tus recomendaciones estén basadas en datos reales. Y por eso es muy importante conocer el negocio.
El conocimiento sobre las herramientas técnicas para poder realizar un buen tratamiento de los datos. No puedes limitar tus análisis de datos a una única herramienta, porque no tendrías una visión completa. Tienes que saber cómo incorporar nuevos datos a los ya obtenidos con el fin de conseguir una visión más cercana a la realidad.

Teóricamente todo esto está muy bien. Pero en la práctica, ¿cómo pasa el analista de ser un traductor de la herramienta a convertirse en un punto de intersección de datos, información y conocimiento del negocio?

Al principio, cuando necesitas incluir datos de fuentes externas de tu herramienta, (como datos offline o transaccionales); la primera opción a la que recurrir es Excel. Es muy útil para saber qué ocurre con los datos, pero no llega a ser suficientemente incisiva como para responder a cuestiones más profundas. Entonces investigas y descubres términos como data science, R y Python, modelaje de datos… y entras en un mundo del que no puedes (ni quieres) salir.

En esta etapa de desarrollo de nuevas aptitudes y conocimientos, existen vías indispensables para formarse. Una de éstas son los portales MOOC como Coursera, que aunque sus niveles entre módulos pueden estar un poco desajustados, ofrecen cursos especializados a un módico precio. Es un aprendizaje muy exigente ya que tienes que invertir mucho tiempo y esfuerzo, pero al final cuando eres capaz de hacer cosas como modelaje de datos y correlaciones, te das cuenta que merece la pena.

A partir de aquí descubres que la figura del analista puede ir mucho más allá y que puede aprender otros lenguajes, como R, sin miedo a lo que la estadística en sí implica. Y es que R es una buena solución para el analista. Es cierto que al principio no es una herramienta atractiva, con una apariencia bastante retro y una curva de aprendizaje difícil, pero cuando avanzas en su funcionamiento te das cuenta que vale la pena, ya que ofrece una flexibilidad en el tratamiento de datos que Excel no da. Cuando te implicas con este lenguaje, cada vez que realizas un análisis completo es imposible no hacerlo sin él. Y no sólo en el de tratamiento de los datos, sino también en el modelado, la visualización, etc…

Otra de las vías en las que poder desarrollar conocimientos es en las clases presenciales y en los libros. Uno muy recomendable para analistas y científicos de datos es Data Science For Business, que además de abordar la ciencia de datos aplicada al negocio; también da a conocer los tipos de algoritmos que hay, cómo funcionan, los tipos de aprendizaje, etc… Y todo ello sin mostrar líneas de código.

En definitiva, poder diseñar uno mismo dónde focalizar sus esfuerzos para el desarrollo de una carrera profesional, es la mayor ventaja que ofrece la analítica. No existe una única ruta a seguir, sino que hay tantas vías como disciplinas. Además, gracias a internet se puede encontrar mucho de lo que necesita el analista, pero siempre con precaución e informándose bien. Para no caer en cursos que a corto plazo no merecen la pena, es importante marcarse un objetivo. Así disminuyes el peligro de invertir mal tu tiempo.

El analista y el científico de datos

Desde el punto de vista profesional, es bueno que el analista incorpore a su conocimiento ciertos elementos para tener una visión más completa de la analítica digital, pero no es necesario que tenga que convertirse en un data scientist.

Ambos forman parte del engranaje de la empresa, y todo el equipo (analíticos, big data, data scientist) tienen que dar respuesta a sus requerimientos. Ya no hay límites entre la analítica digital y el data scientist, aunque hay mucho miedo a este término, aunque lo único que hace es impedir al analista digital ir más allá. Esto es un error. No se trata de ser una cosa u otra, sino de ir avanzando poco a poco para seguir adquiriendo conocimiento y facilitar la comunicación entre profesionales.

Aunque los límites entre el trabajo del analista y del data scientist cada vez son más difusos y las tareas se entremezclan entre sí, son roles diferentes. Al data scientist, por ejemplo, se le asemeja con la figura del unicornio ya que tiene que tener conocimiento de muchos campos. El analista no tiene que llegar hasta ahí, pero si necesita tener la inquietud de seguir avanzando con los datos, que unida a cierta dosis de creatividad, crea la fórmula perfecta que le hará plantearse ideas y modelos que, aunque no pueda resolver como analista, sí le servirán de ayuda para trasladar sus necesidades a las personas indicadas.

El futuro de la analítica

El día a día nos deja poco tiempo para la investigación, pero se está avanzando a pasos agigantados en todos los campos. Como por ejemplo, en todo lo relacionado con redes neuronales e inteligencia artificial, que gracias a los nuevos avances en machine learning, está en el punto de mira de la innovación.

En el ámbito empresarial también hay áreas de investigación, como en el desarrollo de sistemas de recomendación enfocados a cliente y que sean capaces de combinar métricas más avanzadas que ayuden a saber qué es lo que verdaderamente es importante.

Tampoco hay que olvidarse de las herramientas de blockchain analytics y todas sus aplicaciones, donde todavía hay un mundo por descubrir.

Ante tanto avance y nuevas ramas de desarrollo, es imposible para cualquier profesional abarcar todos los campos con profundidad. Incluso intentar saber de todo se convierte en un handicap dentro de una carrera profesional. Pero es recomendable contar con un background general como punto de partida.

Aquí te dejamos un listado de libros y cursos que te serán de mucha ayuda para avanzar en tu carrera profesional:

Libros:

Data Science For Business. Foster Provost y Tom Fawcett

R For Data Science. Garrett Grolemund & Hadley Wickham

An Introduction To Statistical Learning. Gareth James, Daniela Witten, Trevor Hastie & Robert Tibshirani.

Applied Predictive Modeling. Max Kuhn & Kjell Johnson.

Machine Learning for Hackers: Case Studies and Algorithms to Get You Started. Drew Conway & John Myles White.

Cursos:

Programa especializado Data Science – Coursera

Machine Learning Engineer Nanodegree – Udacity

Si quieres saber más de cómo seguir avanzando en la analítica digital, escucha este episodio con el que comparto mesa con dos grandes amigos: José Luis Loren, Digital Analytics Lead de Amway y José Ramón Cajide, Data Scientist de El Arte de Medir.

07 May 2018 | Analista Web, Talento

Nuestras vidas se definen por las oportunidades, incluso las que perdemos

Siempre he pensado que la capacidad de adaptación del analista digital ha de ser completa para poder llevar a cabo estrategias no solo en empresas distintas sino en los diferentes objetivos dentro de una misma compañía.

A la hora de comparar el trabajo de un analista en una consultora o en una empresa específica, destacaríamos que desde la consultora se realizan análisis más específicos, pero a veces, una vez comunicado al cliente, no se dispone del poder para ser capaz de influir en nada más. Le decimos al cliente lo que puede estar fallando, y damos las recomendaciones oportunas para que funcione mejor, pero no podemos ser parte de la implementación de la solución porque muchas veces no está en nuestra mano. Cuando estamos en la posición del cliente final, puede que dediquemos menos tiempo al análisis, porque estamos más tiempo haciendo gestión, lo cual, a priori puede parecer que no forma parte de la labor del analista, pero es precisamente esto lo que nos permite llevar a cabo proyectos que de otra forma no conseguiríamos. Ya no es solo ver el dato y ver una posible solución, sino perseguir que esa solución acabe siendo una realidad; es decir, accionar en base a los datos y no ser parte del problema únicamente.

En EAM pensamos que ha cambiado la forma de trabajar. Nuestro trabajo hoy en día va mucho más allá de tocar más o menos fuentes de datos o tipos de datos, sino que ahora mismo los datos deben dar soluciones relevantes a problemas que tengan las empresas. Con lo cual, es mucho más fuerte la relación que tiene el analista ahora con los datos que la que podía tener entonces.

Las herramientas son otro factor a tener en cuenta debido a que han ido evolucionando hasta el punto de alienarse bastante bien. Por ejemplo, antes Adobe Analytics y Comscore estaban mucho más avanzadas que Google Analytics, pero a día de hoy se encuentran más niveladas; teniendo Adobe más ventajas en cuanto a funcionalidades, a la vez que Google en lo que respecta a formas de integración.

Uno de los temas más candentes en estos tiempos desde la visión del marketing es la atribución de las conversiones. Todos sabemos que es bastante complicado poder tener datos precisos; sobre todo cuando hay que mezclar datos online con datos offline. Lo que interesa de los modelos de atribución es encontrar la relación que existe entre los canales y dónde se encuentra cada uno en el embudo de conversión. Es decir, dónde tenemos que poner más foco de atención para conseguir mejores resultados. Por eso si perdemos la conexión entre en on y el off, corremos el riesgo de perder la perspectiva real a la hora de toma de decisiones. Para eso, usamos los modelos multicanal de Google Analytics, pues a pesar de que la parte del empleo de distintos dispositivos complica el análisis, el nuevo producto de Google Atribution logra resultados mucho más precisos.

Ahora consumimos mucho más dinero que antes, aun así, es más complicado averiguar qué es lo que funciona. Antes era más sencillo, pero ahora, con el ruido que se está generando, es más complicado.

Hemos pasado de poder medirlo todo en lo que respecta a la parte digital, a que se nos vaya un poco de las manos. Y es que lo hemos complicado tanto que se vuelve a hacer difícil poder medir absolutamente todo. Por ello, necesitamos que empresas grandes como Google o Facebook ayuden a medir y arrojen luz, lo importante es poder tener acceso a los datos que necesitamos para poder usarlos en la toma de decisiones de marketing de la empresa.

Hablamos de analítica vinculada a marketing porque casi siempre la analítica ha estado ubicada o en este departamento o en el de IT, aunque ya se va moviendo por toda la empresa y debe estar siempre en UX. Hasta ahora solo se asociaba a marketing, pero poco a poco se ha convertido en una disciplina transversal, y por fin se ha hecho patente que la estrategia de UX o CRO se enriquece muchísimo y puede suponer una importante mejora. Cada vez tiene más sentido que el analista esté más ligado a la parte de UX y de negocio: por la disposición de los distintos productos en el caso de un e-commerce, el contenido en el caso de un medio… al final para el analista esto es mucho más gratificante y aporta mucho al negocio.

Los datos son un activo más para la empresa y a veces no se dan cuenta de la potencia real que puede tener a la hora, por ejemplo, de buscar nuevos productos, de cambiar incluso la estrategia de la empresa en un momento dado. Creemos que ahora es el momento para ir más allá, y efectivamente pensamos que cada vez más se tiene en cuenta el dato como factor indispensable; lo que demuestra que la empresa apuesta también cada vez más por los datos y no solo la intuición, aunque esta también sea una parte importante.

Si hablamos del uso de la intuición a nivel de la toma de decisiones, podemos decir que ayuda más a nivel de medios de comunicación que en un e-commerce, ya que nos basamos en datos más genéricos. A fin de cuentas, una noticia tiene una vida de uno o dos días como máximo, de hecho, casi siempre la medimos en horas por lo que aquí la intuición (o la experiencia) ayuda. Por otro lado, es realmente de gran ayuda el Real Time. Poder ver en tiempo real lo que está ocurriendo, nos permite reaccionar muy rápido ante cualquier desviación; y si además a esto lo unimos con conocimientos de SEO, conseguimos la capacidad de ofrecer un servicio mucho más completo.

A fin de cuentas, en lo que respecta a moda, por ejemplo, hay que disponer de ese punto más creativo. No importa solo lo que digan los datos, sino lo que diga la moda. Todo forma parte del juego, eso es lo que lo hace interesante.

Por último, el analista no debe olvidar que es fundamental leer mucho para evolucionar, y aunque hoy en día se han reducido las fuentes de lectura, es importante acudir a charlas, hacer networking e ir probando novedades. Una vez sabemos lo básico, no hay que seguir buscando más riqueza de conocimiento en los libros, sino aprender experimentando y compartiendo información con otros profesionales.

Muchas gracias a Oriol Farré, responsable de Analítica Digital y SEO en Mango. Empezó su carrera como consultor en Webanalytics.es, pasando por Atrápalo.com y en Mundo Deportivo; además ser el fundador de un conocido blog: Trucos Google Analytics. Ejerce como profesor en diversas universidades y escuelas de negocio. Es una persona que se ha ido formando en diferentes sectores donde la forma de medir y los objetivos de negocio son totalmente diferentes.

Aquí tienes toda nuestra conversación en el podcast de Analítica Digital en castellano.

05 Dic 2017 | Analista Web

Indagar es avanzar en el conocimiento, aunque todavía no se haya alcanzado la meta

Aunque cada día se está hablando más y popularizando todo lo relacionado con datos, con la disciplina de data science y de big data, nos seguimos sorprendiendo al ver que muchos negocios todavía no están midiendo.

En esta línea, nos encontramos en nuestro día a día con empresas, incluso medianas y grandes compañías, que piensan que lo tienen todo pilotado y, que nos piden pasar al siguiente nivel, pero la realidad que nos encontramos cuando empezamos a trabajar con ellos es bien distinta: cuando te muestran los datos de los que disponen, en más de una ocasión nos hemos llevado la sorpresa de que realmente lo que estás viendo no tenemos por dónde cogerlo, ni por dónde evolucionarlo. Gracias a que la mayoría de las veces el cliente es razonable y trabajas con ellos, se dan cuenta de que te necesitan mucho más de lo que pensaban, y para un paso previo al que tenían en mente.

En El Arte de Medir, llevábamos años ofreciendo el “paquete básico”: implementación de una herramienta, generación de cuadros de mando automatizados que permiten al cliente tener el reporting que necesita con la periodicidad que necesita….etc. Pero ahora mismo realmente estamos más focalizados en dar respuestas a preguntas de negocio que puede que no estén reflejadas en un cuadro de mandos, o incluso que no se estén controlando del todo con la herramienta. Sabemos que la necesidad real de la empresa es dar respuesta a preguntas de negocio, pero generalmente no tienen los datos necesarios para ello, ni el histórico que necesitan para realmente poder dar ese paso.

Nos sentimos afortunados de poder estar haciendo proyectos más avanzados en los que ayudamos a las empresas a poder encontrar precisamente esos datos que necesitan para ir más allá. En este aspecto, queremos resaltar la importancia para el negocio de todo lo relacionado con la integración de fuentes, atendiendo no sólo a los datos digitales, sino también a conocer cómo es nuestro consumidor y cómo piensa.

Desde nuestra vivencia, éste es quizá el cambio más grande que hemos estado experimentando desde mediados de 2016 hasta aquí, pasando de estar más focalizados en data science y en crear modelos muy potentes, a dar mucha más importancia a la integración de fuentes. De hecho, en el momento actual estamos trabajando en más proyectos de este tipo, en los que sumando información de diferentes fuentes, llegamos a tener un cuadro de mando de negocio mucho más sólido. En definitiva, se trata de evolucionar y adaptarse al mercado y a la realidad del momento actual.

Al final nos damos cuenta de que todo está basado en los quick wins; hablamos por ejemplo de tareas que a veces nos llevan poco tiempo, pero que ayudan mucho en el día a día del cliente y le aportan algo muy valioso. Por poner un ejemplo: al lanzar una nueva campaña, el ser capaces de saber, con un decalage mínimo, y ya sea de Social, de Email, o de lo que sea, si realmente está funcionando o nó, nos permite poder actuar y plantear acciones al momento, sin tener que esperar un mes a recibir un informe que además, te plantea a veces un montón de métricas que el cliente ni entiende.

Este es uno de los grandes cambios que hemos vivido: antes era más común embarcarnos en proyectos de 6 meses o de 1 año y esperar resultados a largo plazo; ahora nos encontrarnos con clientes que nos piden proyectos más básicos o pequeños pero que les reportan mucho en poco tiempo.

Y nosotros estamos de acuerdo en que así deben ser las cosas; nadie sabe lo que va a pasar a un par de años vista, todos sabemos que las herramientas y la tecnología evolucionan de manera muy rápida. Pensamos que debemos centrarnos más en lo que «realmente le preocupa al cliente en este momento» y a «qué pregunta de negocio» estamos contestando ahora mismo con los datos. Hablamos de una toma de decisiones basada en los datos.

Hablando sobre la evolución que está teniendo nuestra disciplina, nos gustaría comentaros también el Attribution Center, que es producto nuevo de google que saldrá a finales de año, y que pensamos que va a suponer un antes y un después en nuestra disciplina, ya que esta herramienta resolverá de un plumazo temas de modelos basados en datos, permitiéndonos no solo centrarnos en marketing, sino poder focalizarnos en otras áreas donde realmente son necesarias. Y sobre todo, asociar más la analítica al negocio. Creemos que la parte de negocio tiene todavía mucho por descubrir con la analítica. Los datos deber ser un activo más de la empresa.

Gigantes como Google o Fb tienen en los datos su potencia, su fuerza, su manera de basar las decisiones a través de sus datos, y esto es aplicable al resto de negocios, se dediquen a lo que se dediquen. Por eso no entendemos como empresas, que incluso tecnológicamente están en la vanguardia, no utilicen toda la información de la que disponen. La respuesta podría estar en que quizá algunas compañías que no disponen de mucho músculo financiero, piensen que es díficil de alcanzar, pero, aunque obviamente todo tiene un proceso y un coste, muchos proyectos no son complicados de tratar y se les puede sacar mucho partido.

Y esto enlaza con los quick wins de los que hablábamos, a veces pequeños pasos reportan mucho y pueden marcar la diferencia.

Aquí tienes el podcast completo de mi conversación con Eduardo Sánchez sobre la madurez de la analítica digital:

En el último mes:

Nos entrevistaron en El Arte de Medir en Banca15, la noticia completa aquí

12 Jul 2017 | Analista Web

El auténtico genio consiste en la capacidad para evaluar información incierta, aleatoria y contradictoria.

La analítica digital nos proporciona una visión interna muy exhaustiva del comportamiento del usuario, pero no debemos olvidar que también es necesario saber cómo están actuando otras empresas en internet, cúales son las audiencias, cómo se comportan…etc; este es un aspecto muy importante cuando hablamos de medios de comunicación. Y para todo ello, necesitamos otras herramientas además de Google Analytics. Es en el entorno descrito cuando es necesario explicar las distintas metodologías existentes: el hecho de que las audiometrías y el código javascript arrojen datos de distinta naturaleza, hace necesario saber darles una correcta interpretación.

Existe una gran diferencia entre ser un analista de un e-commerce y de un medio de comunicación :

– El primero es un canal de venta que requiere al analista centrar sus esfuerzos en datos de rendimiento de los distintos bloques (marketing, producto, etc…), conocer cuál ha sido el retorno de la inversión en base a las ventas…

– En el segundo caso, el analista que trabaja en un medio de comunicación, se focaliza en información cuantitativa (usuarios únicos), complementados con métricas de calidad que aporten contexto, y que ayuden a saber, cómo interactúa el usuario con el contenido. Por ejemplo, en el momento en que se introdujeron los vídeos, era básico medir qué pasaba, cuántos usuarios terminaban de verlos, y en qué medida ayudaban a generar un mayor engagement en el usuario; de ahí la importancia de las métricas cualitativas.

Por otro lado, en el entorno de medios digitales, es importante crear cultura de datos: conseguir que personas de distintos departamentos accedan a los datos, para que conozcan lo que funciona y lo que no, que sean conscientes de cúal es el contenido que genera un mayor rebote, o cúal es el que tiene un mayor impacto que lo lleva a hacerse viral.

También ayuda el hecho de proveer de herramientas de “real time” que informen de cómo el usuario interactúa en el momento presente y poder tomar decisiones al respecto antes de que sea demasiado tarde. En un sitio de medios, es habitual también que existan muchas categorías de contenido, y es interesante ver cómo van operando.

Además de proveer de instrumentos de medición, es vital crear cultura de datos a nivel organizacional,y por tanto, impartir formación:

1. A los redactores. En la carrera de periodismo se dan los recursos necesarios para una buena redacción, y es el medio digital, el que hace posible recibir el feedback de cómo funciona dicho contenido. Se trata de información relevante que ayuda a hacer mejor contenido sin perder calidad. Lo que da la medida del éxito son los datos.

2. Al departamento de Tecnología (IT), de tal forma que comprendan la importancia de la implementación de la medición. Sin etiquetado no es posible medir. Es importante destacar el valor que tiene este trabajo, ya que es la materia prima que permite obtener los datos e impactar en el negocio.

Al final, y como hemos destacado en otras ocasiones, lo más importante son las personas antes que las herramientas; pero es imprescindible que sepan interpretar correctamente y sacar todo el partido y valor que nos aportan los datos; éstos deben llegar a todos los perfiles funcionales, para que así se trabaje con ellos en su nivel de competencia.

Tampoco hay que olvidar que la formación ha de ir enfocada a que las personas sean autónomas en el acceso y uso de los datos, y que todo el equipo pueda conocer lo que está ocurriendo en su parcela; de esta manera conseguiremos que el crecimiento del negocio se produzca en base a los datos. De esa forma, un redactor jefe es capaz de ver qué contenido funciona mejor y modular al equipo en base a ello.

De todos es sabido que los grandes medios son un modelo de negocio que ha sufrido una enorme evolución en los últimos tiempos: la aparición del formato vídeo fue impactante. Se disponían de plataformas con grandes cantidades de vídeos en los que se apoyaban los redactores. En ese momento se hizo vital la medición, y conocer el impacto de la publicidad introducida.
Esto supuso un cambio en los hábitos de los usuarios: pasamos del papel a un medio digital en el que ese posible ver cómo los usuarios consumen los contenidos, y en el que los redactores acceden a datos de cómo está funcionando el contenido que crean.

Antes, para disponer del feedback de los clientes se accedían a medios muy costosos como los llamados “focus group”. En la actualidad, disponemos de la información que aportan las redes sociales, lo que supone un acceso a datos mucho más económica que se nutre de las opiniones de los usuarios, y que permite moldear el servicio bajo una correcta interpretación. Existen también otras herramientas de escucha como los “call center”, algo más costosa, pero que aporta información muy valiosa al tratarse de las orejas del cliente. También están las llamadas “encuestas” que internet dispone de una forma muy sencilla y accesible.

Hablo de todo esto y más con Gema Mora, analista de sitios como Vocento e Iberia en el podcast de OndaCRO:

En el último mes:

Estuve hablando sobre SEO en un mano a mano con el gran Fernando Muñoz en el Observatorio de Empresas de Vodafone: