Analítica digital integral
Pasar de la información al Insight es muy difícil. Vamos a ver cómo podemos lograrlo utilizando la metodología de Analítica de Audiencia Digital.
Pasar de la información al Insight es muy difícil. Vamos a ver cómo podemos lograrlo utilizando la metodología de Analítica de Audiencia Digital.
En la figura 1.1 tomada del genial libro de Avinash Kaushik: Analítica Web 2.0. Se aprecia de forma figurativa, qué parte real de toda la información que las empresas suelen tomar de sus propiedades digitales, puede convertirse realmente en un insight; muy poca.
Para poder obtener insights, el autor enmarca distintos enfoques del manejo de datos, dentro de lo que él llama analítica web. 2.0 bajo la siguiente definición:
Es el análisis de datos cualitativos y cuantitativos de su sitio web y de la competencia, para impulsar una mejora continua de la experiencia online que tienen tanto los clientes habituales como los potenciales y que se traduce en unos resultados esperados ( online y offline ).ANALÍTICA WEB 2.0: AVINASH KAUSHIK
El enfoque integral de la Analítica 2.0
En este enfoque al cual adhiero. Kaushik plantea que mientras la mayoría de las empresas se quedan dando vueltas intentando obtener porqués a través de las herramientas de clickthrough (Google Analytics es una de ellas) que sólo nos dicen qué y cuál. Es necesario tomar un nuevo enfoque multidisciplinario.
La figura 1.2 del libro representa el paradigma de analítica web 2.0 que puede responder otros tipos de preguntas además de Qué, Cuál y Por qué, entre otras preguntas.
Breve aclaración del autor de este post: en los últimos años Google analytics, sobre todo en la versión para grandes empresas, agregó algunas funciones que nos permiten obtener algunos porqués. Pero todavía sigue siendo insuficiente a la hora tener insights lo suficientemente buenos. Que podríamos llamarlos también como «Voz digital del cliente o Analítica de Audiencias Digitales«.
Del modelo de Analítica Web 2.0 al enfoque integral de Analítica de Audiencias Digitales
En la figura 1.3 del libro, el autor nos muestra cómo en el enfoque completo de Análitca web 2.0, del año 2009, puede también responder los porqués y el que más. Pero también presenta al mundo digital los conceptos de voz de cliente e inteligencia competitiva.
El enfoque más que correcto de Avinash Kaushik estaba y sigue estando orientado principalmente en dos sentidos. Dar inicio a la era de las empresas Data Driven y eliminar lo que él denomina y que todos los que alguna vez gestionamos equipos conocemos. El famoso HiPPO (highest paid person’s opinion). Capaz de estropear un proyecto solo por creer que la web tiene que tener onda «Menta y Jengibre» (Es un caso real, aunque no lo crean) porque así va a tener más engagement sin más datos que el gusto personal.
De la análitica web 2.0 a la analítica digital de audiencias
Decir que del 2009 al 2019 pasó una década sería una obviedad si no agrego que el framework de Avinash Kaushik sigue tan vigente como lamentablemente poco usado. La mayoría de los ejemplos y casos de práctica siguen siendo vigentes hoy en día. Si bien algunas herramientas que menciona ya no existen hoy existen otras y quizás mejores y empresas y consultores que como en mi caso, hemos tomado este framework y aggiornado a las herramientas y tendencias actuales.
Sin embargo, el problema sigue siendo el mismo 10 años después. Demasiadas herramientas, toneladas de datos, muy poco tiempo o voluntad de buscar el insight entre los datos y muy pocas empresas que realmente utilizan un enfoque data driven. Aún cuando se jactan de hacerlo.
La analítica digital de audiencias como proceso continuo de mejora
En la figura 1.4 se puede ver el framework de Analítica de Audiencias Digitales que toma como base la analítica web 2.0 de Avinash Kaushik, la metodología de mejora continua y parte de los sistemas tradicionales de customer centric basados en la voz del cliente.
Fallar rápido. La ventaja del mundo digital
Esta metodología de trabajo no solo se basa en autores previos varios, sino también a muchos años ininterrumpidos de prueba y error. ¡Fallar rápido, corregir mientras se hace y nunca parar de hacerlo! Sería el resumen de la misma. No solo es útil para la predicción de insights y el desarrollo de una estratega digital omnicanal, también para el análisis de contexto y predicción de tendencias y preferencias tanto de consumo como políticas.
Hasta acá llegamos por ahora con este tema, que espero retomar con más profundidad en próximas entregas.
