¿Dónde está Avinash cuando se le necesita?

Soy Gemma Muñoz (@sorprendida). Avinash Kaushik es mi ídolo. Y este es mi blog de analítica digital, mi trabajo y mi pasión.

  • Sobre Mí
  • Mis Libros
  • Contacto
  • Archivo

09 Nov 2017 | Varios

A veces me elevo, doy mil volteretas, a veces me encierro tras puertas abiertas

Hoy en día el SEO es impensable sin la analítica. De hecho, muchos SEOs tienen un fuerte conocimiento analítico ya que es la evolución natural para poder optimizar el proceso, y poder hacer una buena lectura sobre lo que está pasando. Tanto es así, que algunos incluso se ven más atraídos por la disciplina de la analítica digital y terminan trabajando de analistas, abandonando un poco el trabajo propio de SEO.

Al igual que ocurre en otras profesiones, en la disciplina SEO se debe estar muy al día de todo, ya que el ámbito de cambio es constante. Por poner un ejemplo muy claro de esto, os podemos contar que Google ha hecho 500 actualizaciones de su algoritmo en el último año. Todo esto implica, que en esta profesión se tenga que hacer mucho trabajo de investigación y de formación constante. Es verdad que es un colectivo muy activo y de mucha colaboración mutua, de manera que siempre se comparten muchos artículos y mucha información, por ejemplo a través de eventos; y aunque hay bastantes profesionales en este sector, el compañerismo y el perfil colaborativo facilita mucho las cosas.

SEO-Analyst-01

Como ya hemos dicho, esta disciplina sin la analítica no tiene razón de ser, no se podría optimizar, por lo que el trabajo conjunto entre SEO-Analista es fundamental.

Para empezar, debemos tener una buena herramienta de analítica instalada que nos permita medir todo el tráfico orgánico, su evolución mes a mes y poder comparar respecto al año anterior en las landings principales; con esto ya tendríamos la métrica principal. A partir de aquí, debemos medir también métricas como la tasa de rebote y el tiempo en página.

Ahora tendríamos que pensar en qué tipo de proyecto tenemos y en qué fase está. Si por ejemplo tenemos una migración, nos va a tocar ampliar métricas más allá de Google Analytics, por lo que deberíamos tener también nuestras métricas de indexación: cuantas páginas tengo indexadas antes de migrar, cuantas rastrea google antes de migrar, etc… Una serie de indicadores comparados con el momento actual, que nos permitan comprobar después si ha habido migraciones, o si de repente deja de rastrear nuestros contenidos. También es interesante utilizar alguna herramienta de visibilidad para poder tener un dato global de cómo estamos en buscadores.

Hemos experimentado un cambio de paradigma muy grande de lo que se hacía antiguamente con las keywords: ya no se siguen excepto en casos concretos, no se monitorizan todas todas las semanas. Se ha ido evolucionando todo, marcado por ejemplo por cómo es la hoja de resultados de Google, las búsquedas de móvil han superado las de escritorio…. Y son estos cambios en la hoja de resultados, los que nos están poniendo las cosas cada vez más difíciles. Si la gente busca más en móvil, está logeada en Gmail, le está geolocalizando el dispositivo, etc… Todo esto abre una puerta a mucho más conocimiento y te cambia toda la hoja de resultados. Nadie dijo que fuera fácil 🙂

Por otro lado, también Google está dando mucha importancia a temas semánticos. Cada vez hay más funcionalidades en las hojas de resultados. Por ejemplo, si haces búsquedas de tipo muy conciso se te habilitan unas hojas de resultados más enriquecidas, de manera que si estás posicionado en uno de estos resultados, a los que llamamos la posición cero, el tráfico que vas a tener será enorme.

SEO-Analyst_02

Realmente el SEO está evolucionando hacia el customer journey, siendo el usuario el epicentro de todo. El cliente de Google no es la página web, sino el propio usuario, y este aspecto es algo que el SEO debe tener muy en cuenta.

En definitiva, hay que estar muy pendiente de cómo van evolucionando los buscadores, en concreto el que nos lidera las búsquedas en España, Google, de todas las hojas de resultados, de en qué sector estás, y de qué funcionalidades genera cada hoja de resultados.

Tampoco debemos perder de vista los buscadores sociales, ya que son competencia de Google: en ellos se concentran masas de usuarios muy grandes, por lo que debemos estar también muy pendientes de ellos y de las integraciones que hacen a nivel de búsqueda, todos los grandes de las redes sociales.

El analista hace una labor de integración, de unir todas las piezas del puzzle. Sobre todo creemos que tienen un papel muy importante en temas de atribución, en los que a veces el SEO no es capaz de encontrar una respuesta a lo que está pasando. También desarrollan un papel vital en detectar oportunidades y soluciones para el negocio.

SEO-Analyst-03

Efectivamente, se ha evolucionado mucho de la mano SEO-Analista y estamos convencidos de que esta complementación es vital y necesaria. En analista supone un aporte imprescindible. La toma de decisiones sin datos, es solo una opinión, no un criterio.

Si quieres escuchar la conversación completa que mantuvimos MJ y yo, aquí tienes el enlace:

En el último mes:

Esta vez ha sido el programa Emprende, de RTVE, hablando sobre Analítica Digital (minuto 11:20):





Emprende – 10/10/17

 

O directamente la entrevista que ha colgado RTVE en Facebook.

13 Sep 2017 | Informes

De vez en cuando la vida toma conmigo café y está tan bonita que da gusto verla.

Como ya he comentado en otras entradas, cualquier filtrado o procesado de la información ha de ir siempre acompañado de una buena transmisión del conocimiento, una representación visual que ayude al destinatario, no solo a que comprenda lo que ya ha tenido lugar, sino sobre todo, a entender lo que realmente significa toda esa información y dónde se puede accionar.

La visualización ayuda por tanto a comprender la historia completa. Necesitamos que explique dónde está la oportunidad, dónde está la repercusión del cambio que se ha hecho, y que logre además un buen insight, cosa que agradecen mucho nuestros clientes. Podemos decir por tanto, que es la tangibilización del análisis que se ha realizado.

dataviz-MKT_01

Herramientas de visualización

En cuanto a las herramientas que podemos usar para una buena visualización y su evolución en los últimos años, os podemos contar que empezamos utilizando hace años Excel, y aunque a día de hoy se nos queda obsoleta en algunos aspectos, también hay que resaltar que cada día permite cada vez más funcionalidades.

Podemos hablar también sobre PowerBI, un conjunto de herramientas de análisis de Microsoft, que está constituyendo un medio muy potente a nivel de visualización y que ofrece también muchas posibilidades.

Se puede utilizar asímismo Tableau, con la que podemos generar cualquier tipo de visualización y de grafo.

Es verdad que cada día con más facilidad, podemos contar con herramientas específicas que nos ofrecen algunas webs para hacer una visualización específica; este es el caso por ejemplo de Sankey Diagram, o diagrama de flujo de navegación, que Google Analytics hizo popular, y que también debemos tener muy en cuenta.

Sea cual sea la herramienta elegida, el proceso es siempre el mismo: lo primero, debemos plantearnos y tener muy claro qué queremos transmitir, y posteriormente, buscar la herramienta que nos ayude de la manera más rápida y más sencilla posible a generar la visualización que necesito.

dataviz-MKT_02

Es verdad que puesto que muchas herramientas son caras, quizá como primera opción, podemos elegir una gratuita como es Data Studio. Pero la opinión que los analistas tenemos en general al respecto, es que es una herramienta que va evolucionando, tuvo una primera versión bastante limitada, ahora ya está mejorando bastante aunque la usabilidad también es mejorable.

También podemos resaltar de esta herramienta que ofrece algunas funcionalidades muy buenas, como por ejemplo la conexión directa con Google Analytics. Por esta razón, cuando un cliente que trabaja con Google Analytics nos pide un Dashboard sobre lo que está pasando en la web, con Data Studio es posible construir un cuadro de mando en poco tiempo, haciendo que tengamos de forma rápida y fiable un entregable, una primera tangibilización y ayudando por tanto en un espacio breve de tiempo al cliente a consultar su contenido.

Además esta herramienta te permite poder conectarte también a BigQuery y a diversas fuentes de datos, permitiendo de igual manera hacer un cuadro de mando de manera rápida y siendo la integración muy fácil.

Trabajo Analista-Marketing

No debemos olvidar que el analista debe centrarse en el proceso comunicativo, e involucrarse en el negocio y en la cultura de la empresa.

Cada vez nos damos más cuenta de la importancia de los intangibles, es decir, de no centrarnos solo en hacer ejercicios desde el dato puro y duro, sino de enriquecer el proceso mucho más y formar parte de la solución; para ello, deberíamos consultar directamente con un experto en marketing y conseguir que ambos trabajemos mano a mano, departamento de marketing-analista. Esto nos permite que se generen las preguntas adecuadas y concretas a las cuales el analista debe responder, y las cuales serán las que aporten soluciones útiles para el negocio. Concretando, saber realmente qué es lo importante para responder a las preguntas de negocio, y que son las que realmente dan sentido al dato.

dataviz-MKT_03

Es este trabajo conjunto, el que va a conseguir poner sentido a la historia y entender el contexto y el perfil del cliente; debemos tener en cuenta ademá,s que son los expertos de marketing los que accionan finalmente el análisis, el proceso de pasar los datos a acciones. Por eso, cada vez más, consideramos que es fundamental el trabajo en equipo, haciendo que nos aportemos unos a otros, y que sean nuestros compañeros de marketing los que nos ayuden al equipo de Data a orientar el ejercicio, y a saber el foco y el objetivo del mismo. También son ellos los primeros con los que contamos para validar si el entregable es fácilmente entendible, o si por el contrario, debemos modificar nuestra transmisión. No debemos olvidar, que no sirve de nada contar mucho, o hacer un buen trabajo, si a la hora de transmitirlo al cliente, el receptor de la información no nos está entendiendo. La comunicación debe ser clara y trabajarla con mucho mimo y cuidado.

Si quieres ahondar en la conversación que mantuvimos con Jaume Pérez sobre marketing de visualización, aquí dejo el podcast de OndaCRO:

En el último mes:

Con El Arte de Medir salimos en Alimarket hablando de medición en el sector de la distribución alimentaria.

Gemma_Munoz

06 Sep 2017 | Análisis Predictivo, Estrategia

Ahora que las tormentas son tan breves. Y los duelos no se atreven… A dolernos demasiado.

Todos sabemos que la analítica digital tiene como objetivo principal servir de ayuda en la toma de decisiones en la empresa, pero poca gente sabe aún la potencia real que puede tener sacarle partido a una herramienta, como por ejemplo, Google Analytics.

Solamente hay que fijarse en la evolución que ha tenido Google Analytics en los últimos años. Empezamos midiendo la conversión y sabiendo cúal era el único canal que nos generaba más conversiones; ahora ha entrado en juego todo lo que tiene que ver con modelos de atribución, que lo que intentan es ayudarnos a tomar una decisión basada en lo que dicen los datos sobre el peso de cada canal de origen, y poder saber así optimizar todas las campañas.

Scoring_01

Últimamente, podemos constatar que en todas las herramientas se han empezado a incorporar nuevos tipos de métricas, que ya no son simplemente cuantitativas, sino indicadores que salen de la aplicación de métodos estadísticos y algoritmos que nos ayudan a tomar decisiones más acertadas y enriquecidas. La realidad es que estamos procesando gran cantidad de información, demasiado difícil de digerir para un departamento de marketing, por lo que debemos reducir toda esa dimensionalidad en unos indicadores estratégicos, los cuales requieren de la aplicación de técnicas estadísticas que nos ayuden a tomar decisiones más adecuadas para el negocio.

Es decir, debemos maximizar toda inversión que se haga en marketing, y poder saber qué es lo que realmente está funcionando y dando resultados. La analítica precisamente pretender dar luz, y poder ayudar a que el departamento de marketing tenga las pistas necesarias para saber qué se puede hacer, cómo lo puedo hacer, y sobre todo, para qué lo puedo hacer.

En este post os quiero contar un caso real, llevado a cabo por nuestro equipo de El Arte de Medir, y en el que voy explicando cómo combinando los datos de la navegación de los usuarios del entorno online de nuestro cliente en Google Analytics, pudimos ofrecer una valiosa información al departamento de Marketing sobre la probabilidad de conversión de cada usuario que se captó.

Qué hicimos

Esto es lo que en nuestro caso tomamos como punto de partida: ver cómo podíamos ayudar a nuestro cliente, no solo desde la parte de marketing, sino yendo un paso más allá: haciendo una analítica basada en el usuario. Lo que nos permite este enfoque, es comprender cúales son aquellas acciones que propician que el usuario esté más cercano a ese momento final de la conversión, sea cual sea esta conversión.

A través del análisis de usuario a usuario, es posible descubrir cúales son aquellos elementos o interacciones en la página web, que empujan al usuario a hacer la compra. No podemos olvidar, que muchas veces lo que tiene más probalidades de convertir no son los elementos vistos individualmente, sino la combinación de diferentes interacciones (p.ej ver un vídeo + que pasen por una determinada página + que consuman este determinado contenido).

Así que centrándonos en nuestro ejemplo, lo que hicimos es un scoring de los usuarios: es decir, nos centramos en medir la calidad del usuario en base a su probabilidad a convertir, y a cumplir nuestros objetivos de negocio.

Nos fijamos en este caso como objetivo ver si era viable el asignar a cada uno de los miles de usuarios que pasan por la web en un determinado periodo de tiempo, y poder estimar la probabilidad de que ese usuario estuviera más cercano a la conversión. Pero lo más enriquecedor de este proceso, fue descubrir que es el propio modelo el que identifica, no solo la calidad del usuario, sino también la calidad de los elementos que estás poniendo a su disposición, y que una vez identificados, los podemos optimizar para empujar a que precisamente cumplan dicho objetivo.

Con lo cual, a partir de aquí pudimos ayudar a organizar los contenidos de la web: elección de los mismos, apariencia, diseño, destacados, secciones….

Gracias a todo esto, hoy la analítica nos permite atribuir un peso real a cada paso en la conversión final. Obtenemos una forma de cuantificar, no solo a los usuarios, sino también a todos los contenidos.

Si además segmentamos estos miles de usuarios por el canal por el que han venido, podemos también ver el tipo de usuario que nos trae cada uno de los canales. Por eso hay que recordar, que la analítica no solo da servicio al departamento de marketing, sino también a los involucrados en diseño, en usabilidad, en los propios productos. Es una estrategia 360.

Scoring_02

Al realizar un ejercicio como éste, obtenemos un resultado que es muy fácil de interpretar, y nos da además una calidad de usuarios en función de lo lejos o cerca que se encuentran del momento de conversión o decisión final. Y procedemos ahora a clusterizar los datos en 4 grupos que sean muy manejables desde el negocio, de tal forma que alguien desde el departamenteo de márketing pueda accionar, podrán decidir centrarse en uno u otro segmento, y por tanto llevar a cabo acciones muy personalizadas por cada tipo de usuario.

Cómo lo hicimos

Lo primero es aclarar, que aunque contamos con Google Analytics que nos aporta muchos datos, es imprescindible tener una buena implementación de la herramienta. En nuestro caso, teníamos todo correctamente implementado y contábamos con unos datos buenos y de calidad a nivel de usuario, así que nos centramos en hacer un buen tratamiento de ellos a la hora de extraerlos y cruzarlos de distintas fuentes. El proceso que seguimos para todo ello fué el siguiente:

1. Extrajimos todos los datos y las variables que necesitábamos a un conjunto de datos.
2. Los manejamos con un software estadístico, en este caso utilizamos R, pero se podría haber usado también por ejemplo Payton.
3. Procedimos a realizar un buen tratamiento de datos, siendo conscientes de que siempre encontraremos datos anómalos o datos extremos.
4. Llegados a este punto, nos toca enfrentarnos a las dificultades que fueron surgiendo, como puede ser por ejemplo, la gran variabilidad de los datos. Lo que hicimos aquí, fué aplicar algoritmos para crear usuarios ficticios que convirtieran, y a partir de ahí, pudimos aplicar modelos estadísticos y hacer distintas pruebas, hasta llegar a uno que nos sirviera para poder evaluar correctamente. El proceso para llegar a esto, se basa en recopilar todos los datos reales que tenemos, y dividirlos en dos grandes conjuntos de datos. A partir de aquí entrenamos los modelos con solo una parte.
5. Una vez identificado el modelo más fiable de todos, se procede a validar contra datos que no han pasado por el mismo, para poder verificar si son reales o no, y si se cumple que esos usuarios realmente han realizado el proceso de conversión o nó. Esto lo que nos da la clave de si el modelo es válido o no.

Continuando con nuestro caso real, terminamos con un modelo al cual le pasamos unas 80 variables, para finalmente acabar descartando aquellas que no eran significativas, y que no tenían sentido a la hora de explicar el comportamiento de los usuarios que realmente acababan convirtiendo; aun así, aunque nos quedamos con un gran volumen de datos, éstos eran fácilmente tratables.

Debemos saber que una vez tenido el modelo entrenado, y mientras no cambien las características de la web, podrá ser válido durante un tiempo hasta que haya que volver a entrenarlo.

6. Llega el momento de ponerlo en producción. Tenemos varias formas de hacerlo, pero la más sencilla es un proceso automatizado que extraiga semanalmente los datos de los nuevos usuarios que pasan por la página web, para detectar si realmente ha cambiado el comportamiento, o si sigue siendo válido nuestro modelo. A todos los usuarios que entran nuevos, los vamos a pasar por el modelo que hace el scoring, y se les va a asignar a todos ellos una probabilidad de conversión. Esto nos va a poder aportar información sobre qué tipo de usuarios estamos captando, por donde debemos captar más, y dar un poco de luz a este comportamiento de usuarios, conociéndolo en profundidad.

Scoring_03

Qué conseguimos

Mediante la aplicación de un proceso de ciencia de datos, conseguimos extraer información verdaderamente accionable a nivel de negocio.

Por una parte, hemos podido entender, gracias a un modelo estadístico, cuales son los contenidos, los productos y las acciones que marcan el camino a la conversión del usuario en cliente. Esto ha permitido a nuestro cliente entender cuales son los puntos en los que centrar sus estrategias de marketing en aspectos como posicionamiento, generación de contenidos, o realización de campañas.

Ha podido clasificar también a los usuarios según su probabilidad de conversión, permitiendo realizar segmentaciones en las que aplicar estrategias distintas y además, al incorporar estos datos de nuevo a una herramienta como Google Analytics, ha facilitado a los analistas web y a la empresa, información actualizada diaria sobre la calidad de su tráfico, el rendimiento de sus campañas y mensajes en redes sociales.

Pero lo más importante es que hemos logrado que los datos nos ayuden a tomar decisiones ágiles, y con alto grado de acierto en entornos muy complejos, algo que sin duda es lo que buscan la mayoría de nuestro clientes.

En definitiva, lo que queremos transmitir es cómo una herramienta como Google Analytics combinada con el tratamiento de datos que podemos hacer con otra herramienta Opensource también gratuita, como puede ser el lenguaje R, puede ayudarnos a entender mejor al cliente potencial, a descubrir los elementos de peso a la hora de convertir a un usuario, y en definitiva, a impactar en el negocio.

Si quieres más detalles, escucha el podcast que comparto con Jose R. Cajide al respecto del tema del scoring en OndaCRO:

En el último mes:

En El Arte de Medir hemos salido en El Mundo hablando sobre Data Science 🙂

Data Science

19 Jul 2017 | Estrategia

Ya no estamos en la era de la información. Estamos en la era de la gestión de la información.

El cambio es la única cosa inmutable 🙂 Creemos que los patrones que seguimos en nuestra vida diaria van a funcionar siempre, pero cuando el entorno cambia, es necesario adaptarse. Es importante por tanto ser consciente de la realidad para adaptarse cuando el cambio suceda. El cambio es permanente y desaprender es un proceso fundamental para sobrevivir en el futuro.

De hecho, el trabajo de desaprender, consiste en salir de nuestra zona de confort, es decir, aquella en la que estamos cómodos. Realmente nos gusta esa rutina que nos hace sentirnos tranquilos, pero no nos damos cuenta de que en realidad es un callejón que no tiene salida. La solución pasa por adaptarse mediante el des-aprendizaje y un nuevo aprendizaje.

DESAPRENDER_01

El sistema actual, muestra una visión limitada de la realidad. Niños y jóvenes siguen la inercia de una enseñanza institucionalizada que se centra en crear profesionales que no tienen futuro, ya que desconocen la existencia de nuevos campos adaptados a la nueva realidad; Por ejemplo, experto digital, UX o científico de datos.

Y es que, la realidad va creando nuevos mapas mientras la gente camina por los caminos ya conocidos. Esto lleva a un perfil de jóvenes que está cada vez más desubicado, y los cuales se han formado para desarrollar profesiones en las que no han de salir de su zona de confort. Esto nos lleva a afirmar que nuestro sistema de enseñanza está caduco y obsoleto.

DESAPRENDER_02

Nuestra opinión al respecto, es que lo mejor que podemos hacer cuando uno se plantea hacer algo, es concentrar los esfuerzos en descubrir cuáles son las necesidades reales del mercado. Es habitual que el mundo digital se relacione con profesionales de un perfil más técnico, y sin embargo, es un área que puede acoger diferentes disciplinas de carácter cualitativo: profesionales de UX, visualización de datos…etc, son especializaciones que se pueden nutrir de otro tipo de experiencia y formación, y que además, pueden aportar una mayor creatividad.

No hay duda de que lo interesante es hacer lo que a uno le gusta a través del proceso de prueba y error. Esto implica tomar decisiones, asumir riesgos, apostar el tiempo y el esfuerzo de cada uno. Sabemos que es una decisión que puede chocar con un entorno más tradicional, pero el riesgo de haber generado una nueva profesión, nos llevará a adquirir una ventaja sobre el resto.

Cierto es que a nadie le gusta asumir pérdidas, por ejemplo: la sensación de fracaso de no haber aprovechado profesionalmente la formación universitaria. Sin embargo, es importante hacer un cambio de chip si algo se quiere ganar: asumir pérdidas y considerar que lo aprendido es algo que se lleva puesto, sin duda es una valor añadido para el nuevo camino.

En conclusión, merece la pena apostar por lo que se está dispuesto a aprender.

Puedes escuchar la totalidad de la conversación que tuve con Alejandro Doncel, CEO de Kschool en el siguiente podcast de OndaCRO:


Este último mes:

En la sección de Talento Digital de El País, aporté mi granito de arena sobre cómo los datos ayudan a la transformación digital:

https://elpais.com/elpais/2017/06/28/talento_digital/1498676466_198437.html

Articulo ElPais

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.

01_ANALISTA_MEDIOS_EAM

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.

02_ANALISTA_MEDIOS_EAM

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.

03_ANALISTA_MEDIOS_EAM

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:

  • « Anterior
  • 1
  • …
  • 7
  • 8
  • 9
  • 10
  • 11
  • …
  • 63
  • Siguiente »

Copyright © 2021 · Política de Privacidad
WordPress · Genesis Framework