Presentación webinar data analytics
0 recomendaciones602 vistas
El documento discute cómo el análisis de datos puede ayudar con la estrategia de marketing digital mediante la creación de un modelo de datos, el análisis de contenido estructurado y desestructurado, y presenta cinco casos de uso en diferentes industrias como telecomunicaciones, retail, política y turismo.
Presentación webinar data analytics
- 1. ¿Qué puede aportar el data analytics a mi estrategia de marketing online? + Casos de éxito Álvaro Fierro – alvaro.fierro@urbegi.com
- 2. ¿De qué vamos a hablar? • Introducción y Crítica al Business Intelligence (BI), Big Data y Data Analytics. • La importancia de crear un modelo de datos para medir la estrategia de marketing digital. • Contenido estructurado: datos internos y datos externos. • Contenido desestructurado: datos dirigidos Vs. datos espontáneos. ¿Cuál influye más en las ventas? • Metodologías alrededor del Data Analytics: inventario breve de técnicas y herramientas. • 5 casos de uso: Telco, Retail (Ropa), Política, Turismo y Marca Ciudad. 1
- 3. • Existe cierta devaluación de todos los conceptos relativos al BI o Big Data. • Hoy en día, hay un enfrentamiento entre la ciencia y el marketing, es decir, entre la «chapa y pintura» inherente del primero y la búsqueda constante de la verdad del segundo. • No existe, al menos actualmente, dentro de las ciencias sociales, una manera de encontrar la causalidad entre dos variables. • «Nunca te fíes de las predicciones, y menos a futuro» 2
- 4. 3
- 5. 4
- 6. 5
- 7. 6 Metadatos En el mundo el 80% de los datos que se generan están desestructurados y estos crecen 15 veces más rápido que los estructurados. Se prevé que la producción digital globalmente se multiplique x20, alcanzando los 35.000 exabytes en 2020. (Un Exabyte equivale a 20 veces todos los libros escritos en la historia hasta 2013) Últimas previsiones sobre el impacto que tendrá el Big Data en la economía europea: o Aportación de 206.000 millones € en 2020. o Incremento del 1,9% del PIB (en el sur de Europa, aumento del 1,6%). Uno de los empleos más sexys del mundo. Fuente: http://www.idcspain.com/
- 8. 7
- 10. 1. Offline 3 ámbitos de estudio 9 2. Online 3. Online Vs. Offline
- 11. 10 • Datos estructurados: los que están contenidos en hojas de cálculo y archivos, básicamente: CRMs, ERPs, Udalmap, Eustat, INE, Eurostat, Banco de España, etc. • Datos semiestructurados: datos que no tienen un formato fijo, pero contienen etiquetas y otros marcadores que permiten separar elementos dato. Ej.: los registros web log de las conexiones a Internet, como etiquetas de lenguaje XML y HTML • Datos desestructurados: no tiene un tipo predefinido. Son datos de texto, vídeo, audio, fotografía, e- mails, whatsApp, etc. Diferencia entre datos estructurados, desestructurados y semiestructurados
- 12. 11 • Contenido dirigido: la generación de contenido elaborada por mi organización. • Contenido espontáneo: la generación de contenido elaborada por terceros ajena a mi organización. Ejemplo: turismo. La pregunta es, por tanto, ¿Cómo influye el contenido dirigido en mis ventas y el contenido espontaneo en mis ventas? Contenido espontáneo Vs. Contenido Dirigido
- 13. La importancia de crear un modelo de datos para elaborar una estrategia de marketing digital: Definiremos un modelo como el conjunto de relaciones que se usan para representar de forma sencilla una porción de la realidad empírica. Datos estructurados Fuentes internas Fuentes externas Datos desestructurados Fuentes internas Fuentes externas CRMs, ERPs, etc. Eustat, INE, etc. Contenido dirigido Contenido espontáneo 12
- 14. mockaroo 13
- 17. - Organización de telecomunicaciones - Retail: Distribución de ropa - Política -Turismo Euskadi - Marca Ciudad: Medellín 5 Casos de uso 17
- 18. RESULTADO A raíz de la solución definida, la Telco pudo averiguar la efectividad de dicha campaña sólo en redes sociales, abstrayéndola de otras formas de promoción clásica como el buzoneo o los anuncios en TV. Una vez estudiado el resultado, se plantearon la siguiente campaña seleccionando determinados canales en los que generar contenido y días concretos. PROYECTO “Medir la efectividad de una campaña de promoción online en las ventas” RETO Conocer efectividad de una campaña de promoción en redes sociales. Es decir, saber si la generación de contenido a lo largo de una fecha determinada promocionando un producto había repercutido en resultados positivos. SOLUCIÓN Se monitorizó durante una fecha concreta- tanto el tiempo que duraba la campaña como una etapa posterior- y se extrajo un modelo de datos dividido en sentimiento y canales en los que se mencionaba la marca y el producto; luego, se cruzaron con los datos de ventas haciendo inferencia estadística. 1. Organización de telecomunicaciones 18
- 19. RESULTADO Se facilitó un decálogo de acciones en relación a los patrones, tendencias y percepción del consumo en su cadena de tiendas en pos de fidelizar e incrementar clientela. Asimismo, se les asesoró en qué capitales españolas son más sensibles para la apertura de nuevas sedes. PROYECTO “Segmentación y fidelización de clientes” RETO Detectar patrones socio- económico-demográficos a través de los datos extraídos de las tarjetas de fidelización de clientes. SOLUCIÓN Mediante la normalización, depuración y análisis de sus bases de datos se les proporcionó una serie de recomendaciones en pos de hacer ofertas concretas, en fechas concretas, así como conocer mejor el perfil de su clientela para su expansión territorial. Se detectaron una serie de patrones cruzando variables que hasta el momento no se habían tenido en cuenta. 19 2. Retail: Distribución de ropa
- 20. RESULTADO Se comprobaron que algunas de las inquietudes arrojadas por los ciudadan@s en el Euskobarometro no se correspondían con lo que hablaban en Internet, y que se generaba mucho «ruido», es decir, información irrelevante que, a pesar de parecer importante, se infirió finalmente que no lo era. Este análisis serviría de diagnóstico para que los gestores de comunicación de los partidos políticos realicen estrategias de comunicación digital. PROYECTO “Análisis de la percepción de la ciudadanía en base a sus inquietudes políticas” RETO Tomando como referencia los resultados del Euskobarometro, es decir, utilizando las keywords (paro, vivienda, violencia…) con las que la ciudadanía expresaba sus inquietudes políticas, se analizó si la percepción online, a lo largo del tiempo, se correspondía de la misma manera. SOLUCIÓN Se parametrizaron esas keywords en nuestra herramienta de monitorización, elaborando un diccionario léxico ad hoc, y a lo largo de todo un año, para comprobar si lo expresaban de manera offline era igual que de manera online. 3. Política 20
- 21. RESULTADO Se detectaron cómo la mayoría de las menciones de Bilbao, en términos de turismo, se refieren a la cultura, y que existe una correlación entre las menciones (no tanto las positivas como las neutras) y las pernoctaciones. Este estudio puede servir a la Agencia Vasca de Turismo para saber qué demandan sus visitantes y qué itinerarios hacen, quiénes son los influencers y el timing de actividad. PROYECTO “Modelización de los hábitos de comportamiento turísticos relativos a la marca Bilbao y el llamado «efecto Guggenheim»” RETO Medir si los hábitos de comportamiento del visitante (sobre todo, el español) a Bilbao, en relación a las menciones “culturales” a la capital bizkaina y lugares aledaños se materializaban en pernoctaciones. SOLUCIÓN Se diseñó un modelo de datos, segmentándolo entre sentimiento positivo, negativo y neutro, amén de los canales donde más menciones se generaban en relación a la marca Bilbao, y se cruzaron con los datos del Eustat relativos a las pernoctaciones hoteleras. 4. Turismo Bilbao 21
- 22. Mix: contenido estructurado interno, externo, espontáneo y dirigido. Turismo Euskadi. 22
- 23. RESULTADO Detección de determinados canales en que se estaba estereotipando la marca Medellín escorándola de forma peyorativa (los medios online). En base a esto se aconsejó realizar una estrategia de comunicación que enterrara dicha imagen de marca negativa, amén del timing e PROYECTO “Modelización de los hábitos de comportamiento online relativos a la marca Medellín en diversos mercados: EEUU, Argentina, Venezuela, Ecuador, Colombia y España” RETO En colaboración con la Universidad de Medellín, se midieron cómo se expresaban los usuarios de Internet cuando hablaban de Medellín, desde julio de 2014 a noviembre del mismo año, en pos de conocer si las diversas épocas del año tenían influencia. SOLUCIÓN Se desarollaron soluciones de monitorización web, generación de datos y análisis de la información de valor para que los gestores de comunicación de la marca Medellín reorienten su estrategia de marca hacia los mercados estudiados y principales emisores. 5. Marca Ciudad: Medellin 23
- 24. "La dificultad del Big Data es hacer buenas preguntas, no encontrar respuestas". Mike Walsh 24
- 25. Tenzing SPAIN Ugasko Bidea 1 – 48014 Bilbao (Spain) +34 94 680 19 34 Ext. 5 info@urbegi.com www.tenzing.urbegi.com Tenzing MEXICO Ejercito República Nº 121, 3. piso, oficina 323, Corporativo Empresarial Carretas – 76050, Santiago de Querétaro, Querétaro (Mexico) Tenzing COLOMBIA Complejo Ruta N calle 67 N° 52-20, Oficina 4012, Barrio Sevilla de Medellín, Antioquia (Colombia) ander.rivero@urbegi.com GRUPO URBEGI Pol. Ind. El Páramo B7 - 48800 Balmaseda (Spain) +34 94 680 19 34 info@urbegi.com www.grupo.urbegi.com