Marketing Analytics para principiantes

Una de las cosas que más me atrae del Marketing Analytics es la gran cantidad de errores que tienes que evitar o, en determinados casos, subsanar actuando lo más rápido posible. Partiendo del punto de que esto que digo es un tanto raro- sí, soy una rarita- soy consciente de las posibilidades que el Big Data puede ofrecerme.

Soy consciente de la gran variedad de variables que tengo que controlar para que la estrategia se acerque lo más mínimo a lo que quiero. Y aun  así, me fascina la capacidad de dar con el clavo si nos damos cuenta de que el Big Data mola, pero solo si no nos flipamos y somos capaces de mejorar el Customer Decision Journey.

Y esto, para que nos entendamos,  es como las  típicas parejas de las que se hacen monólogos en el Club de la Comedia. Ella quiere que él le regale lo que ella desea, para que esto suceda, ella le ha estado diciendo durante una temporada qué quiere, lo que no quiere para nada y lo que ha dejado caer sibilinamente (que no subliminalmente). Él ha estado tomando nota durante todo ese tiempo (curtido en mil batallas) y llega el día de la verdad y no sabe, de todas las cosas que ha dicho Ella qué es lo que más le va a gustar. Compra algo al azar de entre todas las cosas que sabe de ella.

Se masca la tragedia

 

Ella abre el regalo y pone cara de pocos amigos… el clima de la cena se va enturbiando y Él no sabe qué carajo ha pasado y le pregunta. Ella estalla y le suelta una de las peores frases que se pueden decir en momentos de encabrone máximo: nunca me escuchas.

Y como diría Yuri en los 80 “Estalla la tormenta, el cielo ya está gris, será la última noche, que pase junto a ti….”

Lo que le ha pasado a Él no es más que no ha sabido escuchar y distinguir el ruido. La paja del grano, y Ella se ha largado, o como poco, Él dormirá varias noches en el sofá hasta que ella vuelva a “confiar” en Él.

Pero no nos desanimemos. Aquí es donde entra el Marketing Analítico, el Marketing Analytics –para dármelas de guay-e incluso la Predicción!!!.  Veamos un escenario en el que si Él hubiese escuchado, entendido a la perfección a su pareja, esto es, eliminado todo mensaje que no fuera claro, realizando pequeños testeos de los gustos de la usuaria usando todas las herramientas a su alcance, podría haber dado con el regalo perfecto. Reforzando los vínculos de Ella con Él.

Pero volvamos a la descripción que McKinsey hizo en 2009 sobre el proceso de compra del cliente o como mola más, Customer Decision Journey. En él, se exponía que el acercamiento al cliente  ya no pasaba por el famoso embudo de conversión, donde se trataba a todos los posibles clientes por igual, sin importar lo más mínimo la zona geográfica, sexo etc… Eran los años de Mad Men y siguientes.

Pero allá por 2009 los chicos de McKinsey determinaron que esto ya no era así. Que en lugar de un embudo, el trato con el cliente por parte de las marcas era más bien circular y que dependía de los distintos momentos en los que se encontrara el cliente con dicha marca lo que determinaría cada acción de marketing.  Vosotros que sois más listos que yo, ya conoceréis los famosos, FMOT (First Moment Of Truth), SMOT (Second Moment Of Truth)  y llegó Google y dijo que tralará, que pa chulos ellos y establecieron justo el momento en el que por primera vez un cliente pasa de un estímulo a buscar en internet (o lo que viene siendo, usar su buscador) y dijo que eso se llamaría ZMOT (Zero Moment of Truth).  Y se quedó tan ancho.

Sin embargo, ahora nos encontramos en un momento en el que igual, y digo solo igual, deberíamos replantearnos el CDJ de McKinsey. Haciendo referencia al artículo Marketers needs to rethink Customer Decision Journey, se explicaba que los marketeros tienen que adapatarse a las peticiones del consumidor, porque éstos les están diciendo a los cuatro vientos que quieren sentirse especiales. Vamos, lo que viene siendo que las marcas tienen que comer mucho pan duro para conseguir la tan ansiada lealtad.

Y aquí entra el Marketing Analytics y donde nos volvemos locos con los datos. Empezamos a flipar en colores ante todas las opciones que tenemos delante y nos damos cuenta de que no tenemos ni idea de lo que vamos a hacer con toda esa información.

Y lo que es peor, los flipados como yo queremos obtener la perfección absoluta y eso, amigos míos, hoy por hoy, no es posible. Como diría Avinash, Data Quality, sucks.

A ver, entendamos que para poder realizar predicciones, tenemos que tener acceso al 80% de la información que nuestros consumidores o potenciales consumidores provee sobre nuestra marca y que ya sabéis que dicha información se haya en los famosos datos desestructurados.

Para que podamos entender y redefinir el CDJ tenemos que escucharles muy atentamente y combinar todo lo que nos dicen en tiempo real con toda la información que poseemos de ellos (datos estructurados).  Pero aquí nos encontramos con un problema para aquellos que queremos realmente ofrecer esa experiencia única al cliente. El problema es que los datos desestructurados tienen ruido. Están llenicos de información que no nos dice nada de nada. No podemos obtener ningún valor de ese ruido y tenemos que proceder a eliminarlo o  bien ser listos y utilizarlo en nuestro favor con las herramientas adecuadas.

En definitiva, necesitaremos de todas las herramientas posibles para conseguir que los datos desestructurados estén los más libres de ruido posible, herramientas para la integración de los datos estructurados con los desestructurados y que no se perviertan por el camino variables que nos harán analizar dichos datos de una manera errónea. Necesitaremos implementar herramientas de Business Intelligence que podamos personalizar tantas veces sean necesarias para ir mejorando todas nuestras estrategias.

Lo dicho. Data Quality, Sucks

[su_youtube url=”https://www.youtube.com/watch?v=N_TjQCd6P3M”]

 

Comments are closed.