viernes, agosto 1

Que otros se jacten de las páginas que han escrito; a mí me enorgullecen las que he leído

Llevamos ya 7 ediciones del master en analítica web en Kschool. 7 ediciones que hemos realizado en Madrid y alguna de ellas en Valencia y Barcelona. Y cuando hablo con los alumnos que finalizan el master y les pregunto su opinión, el 90% me dice que lo que más les cuesta es la parte técnica.

Pero no se puede ser analista web si no entiendes la parte técnica. Porque la calidad de tu análisis reside en que te puedas fiar de los datos que utilizas. Si no sabes cómo funcionan las tripas de internet o cómo colocar la herramienta de forma correcta no podrás ser un analista web completo.

En el master tenemos más de 30 horas dedicadas a la parte técnica, a entender la tecnología, a entender una implementación, Google Tag Manager, la parte más técnica de Universal Analytics, de SiteCatalyst… Por lo que lo mejor es aliarte con el enemigo ya que no puedes con él!

¿Cómo lo hacemos?

Leyendo mucho. Para sacarle el máximo partido a la analítica digital has de entender sí o sí la parte técnica. Lo malo es que los libros se quedan obsoletos en tiempo breve, entonces?

He seleccionado los blogs técnicos de analítica digital más importantes en español y en inglés para que si vas a cursar este master o simplemente quieres enterarte de cómo aprender analítica a nivel técnico puedas crearte una base de conocimientos lo suficientemente sólida para que le pierdas el miedo a la parte técnica de la analítica digital:

Iñaki Huerta @ikhuerta
Si te quieres enterar de cómo implementar lo que va saliendo de Universal Analytics y Google Tag Manager, empieza por aquí.

David Vallejo @thyng
Habla de Universal Analytics y Google Tag Manager, explicando cómo sacarles el máximo partido a nivel de implementación.

Oriol Farré @oriolfb
Una de las personas que mejor controla Universal Analytics y le saca todos los trucos posibles para adaptar la herramienta a tus objetivos de negocio.

Mónica Arévalo @nikalytics
Postea en español sobre Google Tag Manager y explica paso a paso cómo integrarlo de la mejor forma posible en tu sitio web.

Rubén Gallardo @rugago
Escribe poco, pero cuando lo hace es impresionante. Habla de Google pero también de Adobe y de todo lo que le llama la atención.

Agustín Suarez @Agustin__Suarez
Además de hablar de dashboards, también mete las manos en el barro de la implementación, no te arrepentirás de leer este blog.

Paula Sánchez @paula_sanchez
Habla de estadística, de la API con Google Analytics y de implementación. Muy completo.

AroundAnalytics @nicodangelo @borja_gf @eliowell @jorgelopgar
http://aroundanalytics.com/
Interesante blog donde los diferentes autores ilustran sobre Google Tag Manager, Google Analytics y Adobe SiteCatalyst.

En inglés:

Justin Cutroni @justincutroni
Un clásico, Analytics Talk, donde habla de todo un poco pero que desde su fichaje por Google hace un par de años se centra en sacarle todo el jugo a la herramienta de Google Analytics.

Simo Ahava @SimoAhava
El mejor blog sobre Google Tag Manager,  especialista en contar cómo implementar la herramienta de la mejor forma posible.

Kissmetrics @kissmetrics
No es un blog técnico como tal pero cuando se ponen a hablar de implementación lo clavan, otro clásico de la analítica web.

Brian Clifton @BrianClifton
El libro más completo sobre Google Analytics que va actualizándose con las nuevas incorporaciones, su blog también tiene muchas perlas.

Lunametrics @lunametrics
Desde hace años la gente de Lunametrics nos enseña cómo experimentan con temas técnicos para hacer cosas nuevas con Universal Analytics.

Online Behavior – Kristoffer Olofsson @olofssonK
Kristoffer habla de Google Analytics Premium, Universal Analytics, Google Tag Manager y es muy interesante todo lo que cuenta de mobile.

Analytics Ninja - @analyticsninja
Muy interesante cómo cuenta paso a paso cómo implementar las mejores prácticas en Google Analytics

Lecturas muy interesantes de cara al verano! Si tienes algún otro blog interesante y quieres completar la lista por favor déjame un comentario!

Gracias al equipo técnico de www.elartedemedir.com por sus maravillosas aportaciones a esta lista (@javiriestra, @jrcajide, @esanchezrojo).

viernes, junio 6

No hay que esforzarse por ser oídos cuando estamos, sino para ser extrañados cuando no estamos


Cuando me invitaron al Expomarketing 2014, después de haber participado en otro evento en Colombia el año anterior, no me imaginaba que iba a compartir cartel con gente tan impresionante y, no lo niego, me angustié un poco porque ser telonera de Seth Godin no es algo que me pase todos los días!

Y llegué a Bogotá, y empezó el espectáculo! Me voy a salir de lo que suelo hablar en este blog porque estas conferencias me han servido de inspiración a nivel de empresaria, no tanto de analista. Aviso a navegantes por si veníais buscando un post con KPIs y dashboards jeje.

Me llamó la atención sobre todo el mensaje de Seth Godin, no tanto porque no lo haya leído y visto en youtube muchas veces, sino porque verle en directo me ha alucinado, la fuerza que tiene este hombre para transmitir y para inspirar… Alucinante. Por eso me gustaría compartir con vosotros lo que significó para mí su ponencia, la hora y media que me pasé ensimismada en su mensaje:


La idea central es que es muy fácil reconocer el éxito cuando ya ha pasado, lo difícil es verlo antes. Por eso hay que cambiar la manera de ver, de mirar las cosas, puesto que todos tenemos acceso a lo mismo y unos hacen Instagram o Whatsapp y otros no (aquí se te cae el alma a los pies pensando qué ha hecho uno con su vida este tiempo en lugar de tener una idea fabulosa jajaja).

Con Seth Godin antes de la charla
Entonces lo que propone es no seguir las instrucciones de siempre, todos somos reemplazables en la industria, en la economía, en el marketing, ya que todos hacemos las mismas cosas. Y las empresas quieren lo mismo, más atención, más dinero, más ventas, más fans…. Y por eso acabamos haciendo productos de calidad media para gente media.

De hecho, tratamos de resolver problemas que la gente no tiene, o sea, haciendo lo mismo pretendiendo ser diferentes. Y no nos damos cuenta de que hay demasiado donde elegir por lo que no lo echaríamos de menos si desapareciera, al igual que no hemos echado de menos tantas y tantas marcas que han terminado desapareciendo.

Uno de los ejemplos que pone es el manido de la industria de la música, cómo en los 80 era perfecta y generaba un negocio impresionante y ahora con el acceso inmediato y gratis ya no va a sobrevivir. Ha sido una de las primeras industrias en caer pero no será la única, al ritmo que van las cosas. Al final en estos tiempos se trata de hacer lo mismo que ayer pero más barato y más deprisa. Y no todo el mundo sobrevive.

Ahora ya no funciona el hacer productos medios para gente media, antes se producía para la “gente normal”, ahora cada vez más gente elige fuera de lo normal. Ya no vale ir a “lo normal”. Ahora mismo los negocios que valen billones de dólares son los que están hechos para gente “no normal” como Facebook, Instagram, Paypal…

Hay que conectar con la “gente no normal”, hay que detectar a quien le puede interesar nuestra oferta, pero tenemos que pasar a contar historias, a conectar con emociones, con tribus… Que se nos encuentre mediante la gente, no por interrumpir o por anunciarnos. Internet es abundancia, hay música, gente, productos ilimitados. Es crítico el adaptarnos al nuevo modo de hacer las cosas.

Distribución de la gente "normal" de 1980 a 2010 según Seth Godin

Probablemente nuestro éxito no dependerá de que seamos perfectos, sino de ser diferentes, interesantes… Es decir, se trata de encontrar “el ritmo”, la gente hace lo que hacen otros (nos gusta hacer lo que otros hacen), nos gusta estar conectados, compartir. Las empresas deben liderar un movimiento, encontrar una manera común de vivir, de entender las cosas, de conectar.

Los ejemplos que maneja son interesantísimos, cómo a Supermán lo que le hace interesante es que hay una kriptonita que lo puede destruir, cómo al personaje de Gene Kelly en “Singing in the rain” lo que le hace interesante es que lleva un paraguas y no lo utiliza y disfruta donde otros no lo hacen, etc...

Cambiar la forma de hacer las cosas, perder el miedo a fracasar. Si el fracaso no es una opción tampoco lo será el éxito.

Termina su ponencia con, en mi opinión, una frase inspiradora:

“No hay que esforzarse por ser oídos cuando estamos, sino para ser extrañados cuando no estamos”.

 ¿Por qué me he puesto a escribir esto cuando no tiene nada que ver con “mi tema”? Creo que es porque en los últimos años he leído y releído sus libros y su blog y me he sentido acompañada en ciertos sentidos por lo que dice y cómo lo dice.

Lo que escribo en este blog ahora no tiene nada que ver conlo que escribía en 2008 y lo que he evolucionado en el terreno de la analítica desde entonces tiene mucho de lo que decía Godin en su ponencia. Recuerdo en 2009 que alguien importante dentro del banco donde trabajaba entonces me dijo “Dedícate a las Redes Sociales, la Analítica Web no tiene futuro”. Y no sé qué hubiera sido de mí si me hubiera dedicado a las Redes pero sí sé lo que he vivido en la analítica y no me arrepiento de la elección.

He hecho elecciones buenas y otras “altamente optimizables” pero en general estoy muy satisfecha con lo que he conseguido en estos años. Probablemente me iría mejor si hiciera las cosas para la gente media pero soy de naturaleza antiaburrimiento y he preferido hacer las cosas de otra forma, que a mí me parece más interesante y que me permite decidir por dónde seguir en cada momento.

Y en el ahora necesitaba escuchar lo que decía Godin, que todo tiene sentido y que no hacer lo mismo para gente diferente es una opción. Y me doy cuenta de que de vez en cuando hace falta parar para evaluar las distintas opciones y tomar el camino de la gente rara para encontrarle el sentido a esto :)

Y que nos echen de menos si ya no estamos. Y nada más.


martes, mayo 27

Big Data III: Las matemáticas poseen no sólo la verdad, sino cierta belleza suprema.

Realmente, el Big Data es matemáticas. Son la matemáticas de la efectividad, ya que si tenemos muchos y diversos datos y los combinamos con las reglas adecuadas, podremos encontrar los patrones, los valores atípicos que nos ayudarán a gestionar de forma potente nuestra estrategia de negocio. La fuerza del Big Data está en optimizar procesos muy complejos, cuanto mayor es el sistema, mayor valor podrá aportar. Y de esto trata esta tercera entrega de Big Data en el blog, de sacarle partido a estos datos.

El resumen del marco de trabajo para sacar partido a los datos se centra en partir siempre de preguntas e hipótesis para poder determinar qué datos vamos a necesitar en base al negocio. Tendremos una cantidad ingente de datos y hemos de saber qué indicadores y segmentos van a ser los que directamente tienen que ver con lo que necesitamos para actuar.

Es muy importante no cerrarnos, hay que construir la infraestructura flexible y escalable para que vaya creciendo a nuestra medida. Por lo que no hay que almacenar por almacenar, solamente lo que nos sea útil teniendo en cuenta siempre nuestros objetivos.

Marco de trabajo Big Data (explicación aquí)


Quiero hacer énfasis sobre este tema. Normalmente pasamos de una gran cantidad de datos y basamos nuestro tiempo en conseguir muchos y de diversa índole. ERROR. Lo que hemos de hacer es empezar con una serie de datos que tengan mucho impacto en el negocio. Dar la vuelta a la forma de hacer las cosas, ir aportando datos según nos los vaya pidiendo el sistema, según lo que nos vayamos encontrando por el camino.

¿Entonces?

Entonces, partimos de datos desestructurados, a partir de los objetivos establecidos y la estrategia conceptualizamos los datos, evaluamos el esfuerzo y el beneficio que nos dará cada uno de los datos, seleccionamos la herramienta, la configuramos y realizamos el control de calidad para saber si los datos son precisos. Y nos lanzamos a analizar. ¡Big Data entendido como que no se trata de los datos sino del impacto que tiene en el negocio!

Camino a Big Data

El mayor reto es implementar sistemas de inteligencia que permitan a los datos contar la historia, no para profundizar en datos fragmentados buscando la historia. 

La pregunta clave es “Cómo lo hacemos?”.

Un primer paso del análisis puede ser usar datos pasados para predecir la posibilidad de qué va a pasar después. También el utilizar los datos del presente por medio de realtime para poder hacer un análisis predictivo potente en base a lo que ya conocemos. Es decir, conectar el pasado, el presente y el futuro de forma que podamos optimizar las decisiones en base al valor.

La idea es tener un sistema que aprenda a la vez que nosotros, que nos pueda sugerir cambios en modelos y análisis: esto es a lo que vamos. Por lo que necesitamos que toda la tecnología trabaje en paralelo con nosotros para lograr el conocimiento global para tomar decisiones.

Muchos dicen que el Big Data Analytics es lo mismo que el Data Mining, la base es la misma, proveer de una metodología para conseguir inteligencia desde nuestros datos desde una perspectiva tecnológica. Se trata de encontrar los patrones, los perfiles, los modelos, las relaciones dentro de nuestros datos que nos permitan optimizar al máximo nuestro negocio.

La anticipación y la pronta alerta será más y más importante para ganar ventaja competitiva. Estamos en un mundo en el que la ganancia marginal es la clave que nos diferencia de la competencia. Los datos son parte importante en esta carrera al éxito.

Cómo lo hacemos? Vamos buscando correlaciones hasta encontrar la causalidad, como comentaba en el primer post de esta saga y nos lanzamos de lleno al análisis predictivo.

La idea es no solamente describir el qué está pasando, sino predecir qué puede pasar en el futuro, porque esto será lo que nos aportará valor. Podemos empezar por ejemplo con el CLV (Customer Lifetime Value), qué tipo de clientes son más propensos a dejarnos o podemos empezar por hacer pruebas para ver el precio que más se adecua a nuestro público sin salir de nuestros márgenes de beneficio, o saber qué inversión necesitaríamos hacer para alcanzar nuestros objetivos de negocio. Hay muchas combinaciones que nos van a ayudar a entender qué puede pasar y poder adelantarnos para realizar los cambios necesarios en nuestra estrategia en base a esta previsión.

http://snowplowanalytics.com/

Para realizar un análisis predictivo es necesario tener un historial de datos lo suficientemente importante como para que las previsiones sean sólidas. A partir de aquí la metodología que propongo es básicamente la que he propuesto siempre para la analítica digital:

Empezamos teniendo claros los objetivos que queremos alcanzar, para establecer las métricas que nos van a ayudar a saber cuán cerca o lejos estamos de cumplirlos. Teniendo claras estas métricas podremos determinar el historial que tenemos de éstas para saber si realmente podemos generar el análisis predictivo. Si la respuesta es afirmativa, vamos a por ello!

Sacamos los datos y realizamos un análisis de correlación, para entender qué métricas están relacionadas entre sí. Cuando encontramos las correlaciones, establecemos una hipótesis.

Imaginemos que encontramos una correlación entre la tasa de conversión y la tasa de rebote para uno de nuestros canales. Cuanto más baja sea la tasa de rebote más alta es la tasa de conversión. Entonces nuestra hipótesis sería que al bajar un 24% la tasa de rebote de este canal en las páginas afectadas, lograríamos incrementar la tasa de conversión un 5% lo que nos da una subida de ingresos del 11%.

Antes de emocionarnos del todo por encontrar una correlación que parece causal, hay que probarlo en los datos de nuevo. Tomamos LA MITAD de los datos y validamos el modelo con la otra mitad para ver si la hipótesis se cumple. Esto me lo enseñó un lector de este blog hace un tiempo, me pareció una muy buena práctica y ahora lo hago constantemente ☺

A partir de aquí podemos aplicar distintas acciones, podemos usar la regresión (lineal o logarítmica) para construir relaciones lineales y poder determinar qué valores tendrán las métricas en el futuro en base al histórico que manejamos. Así, podremos saber qué podemos esperar de las métricas si no cambiamos la forma de hacer las cosas. De dónde partimos, dónde tenemos que incrementar esfuerzos para poder recoger más de lo esperado, no quedarnos ahí, seguir optimizando estrategias.

O aplicamos clusters o clasificaciones, para encontrar grupos o segmentos de clientes con comportamientos parecidos para poder determinar qué características definen a cada uno de los grupos. Por ejemplo, clasificar a los clientes en base al número de compras que realizan en un periodo de un año. Así podremos intentar entender qué tienen en común los clientes esporádicos, o lo que une a los clientes que realizan pocas compras pero cuando lo hacen tienen un importe alto, o qué grupo de clientes tienen comportamiento similar en compras e importes, o encontrar el tipo de promoción ante el que tienen más correlación con un aumento de gasto en un cluster determinado (los clientes que compran una segunda vez han utilizado el cupón descuento del 70% en el segundo producto).

El problema que veo en mi entorno es que se hacen los análisis predictivos pero no se acompañan de las hipótesis para tomar acción. Se utilizan para entender comportamientos, para entender cómo funcionan nuestros esfuerzos, pero no como base de las acciones. Es mi lucha diaria, el poder cambiar la cultura de las empresas y que se tomen decisiones basadas en datos.

¿Pasaremos del entender a la acción? Confío en que sí :)

En una entrevista en Expomarketing Bogotá

¡Un abrazo a todos desde Bogotá!