
La analítica digital se entiende muchas veces sólo como una disciplina del marketing digital para analizar qué hacen los usuarios en diferentes activos digitales y tomar acciones a partir de los datos para mejorar estrategias y acciones. Pero gracias a las tecnologías que facilita la analítica digital, se ha revolucionado la forma de utilizar los datos. Ya no sólo queremos ver si tenemos más páginas vistas o la duración de la sesión, sino analizar el Journey del usuario a través de diferentes puntos de contacto con el canal digital, pero también con mundo offline. Hoy hablaremos de esto: Journey Analytics y cómo llegar hasta ahí.
Poco a poco hemos dejado de hablar de Marketing digital para volverlo a llamar Marketing (o incluso Customer Experience). Hemos logrado comunicarnos con el cliente a través de estrategias Multi-canal (on y off) y queremos ver como estos dos mundos se influyen. Pero ¿está la tecnología prepara para una disciplina de Journey Analytics? … con énfasis en Analytics…
Para resolver esto vayamos poco a poco:
- Herramientas de analítica digital
- Herramientas de visualización de datos
- ClickStream + Visualización
- Unir datos online y online
- Journey Analytics: La nueva disciplina
Las herramientas de Analítica Digital – Web
La mayoría de herramientas de analítica web del mercado están pensadas para trackear clics a lo largo del Journey del usuario en una web y visualizar los datos en simples tablas y líneas de tendencia. Estas soluciones utilizan el concepto de la sesionización para agrupar a los usuarios en visitas o sesiones. Gracias a ello podemos hacernos una idea de la evolución a lo largo del journey de nuestros KPIs de una web o app. ¿Realmente podemos hacer análisis en este tipo de herramientas? o ¿ sólo medir?
La «mentalidad excel» (tabla estática + visualización estática) nos ayuda a pintar las métricas y dimensiones de estos datos digitales (clickstream), incluso para tomar algunas decisiones. Son nuestros primeros pasitos en el mundo de la analítica.
Aquí es cuando empezamos a medir, es decir, observar si una métrica sube o baja e intentar tocar cosas en la web/app para que el KPI mejore o siga mejorando. Pero ¿qué pasa con la parte de entender el porqué sube o baja? es decir, ¿qué pasa con analizar?
La mayoría de herramientas de analítica digital del mercado se quedan cortas a la hora de analizar, y a pesar de la inversión en ellas, necesitamos comprar o en invertir en otras soluciones. En este punto, extraemos la información de las herramientas de analítica digital para pintar los datos en soluciones de visualización y alcanzar ese nirvana: «Insights». ¿No podría estar todo en el mismo sitio?
2. Herramientas de Visualización de Datos
Cuando buscamos desarrollar análisis más avanzados, tendemos a usar herramientas como: Data Studio, Tableau, Excell o Power BI. Pero éstas, aveces se quedan cortas porque están pensadas para hacer Dashbaords, no análisis. – OK! quizás Tableau vaya un poco más en esta línea 😀. Pero en general las herramientas de visualización buscan democratizar el acceso al dato a través de cuadros de mando que cualquier persona en la empresa pueda usar. ¿Objetivo? Tomar decisiones en base a los datos.
El formato Dashboard, muchas veces elimina o limita las capacidades de análisis con un contexto de Journey del cliente. Es verdad que podemos hacer filtros y hacer mini exploraciones del dato a través de gráficos, pero usando estas soluciones de visualización ¿cómo de fácil es responder preguntas como las siguientes?:
- Los usuarios que aterrizaron en la landing A, ¿cuánto tiempo tardaron en empezar el proceso de contratación? ¿cuánto en contratar?
- Los usuarios que contrataron el servicio de suscripción de nuestro periódico, ¿cada cuánto suelen visitarnos? ¿vs los no suscritos? ¿cae su retención mes a mes?
- Los que aterrizan en la home, ¿cuáles son los path (steps) más usados antes de contratar un producto?
- Atribución: ¿Cómo están influyendo la visitas de email marketing sobre las contrataciones vía SEO? ¿Las campañas de Facebook Ads traen conversiones después de 2 meses por otros canales?
- «Aún más loco» ¿en qué se parecen los «New visitors» con los «New visitors que compran»?
3. Combinando ClickStream y Visualización
Intentar contestar estas preguntas con herramientas como Google Análitics (ClickStream) se hace muy complejo o simplemente imposible de hacer. Por ello, recurrimos a extraer el dato para pintarlo en otras soluciones y así responderlas. Sin embargo, nos damos cuenta que las herramientas de visualización son, de base, tontas y además no preparadas para hacer Journey Analytics.
Digo tontas porque necesitan que prepararemos bien el dato para que la visualización sea posible. Así pues, recurrimos a un BigQuery para extraer el dato usando queries de SQL, muchas veces nada sencillas. Es decir, 4-5 horas de picar código para acabar de nuevo en ese Data Studio donde facilitar la respuesta al equipo de negocio. Y después de 8 horas de trabajo de SQL y visualización, se nos ocurre una nueva pregunta (típico cuando se hace un deep dive analysis). Así, que tenemos que empezar el proceso de nuevo. ¿Eficiente? I don´t think so!
3.1 Adobe Analytics el híbrido perfecto: Análisis digital y Visualización
Adobe Analytics junta todo este proceso Visualización + Análisis teniendo en cuenta el contexto del Journey del usuario. El principal objetivo de esta herramienta es democratizar las capacidades de análisis, típicas en equipos de BI o Data Science, al servicio de los equipos de negocio. Esto permite a los analistas digitales, que muchas veces son gente de negocio, enriquecer sus análisis olvidándose de tener que usar SQL, extracciones del dato o herramientas terceras para visualizar. Es decir, el Time to Insight se acelera. Podéis ver en este vídeo rápidamente como funciona Adobe Analytics.
Las preguntas que proponíamos más arriba son muy simples de resolver en Análisis Workspace de Adobe. Con su filosofía de «drag & drop» (arrastrar y soltar) podemos jugar sin código a hacer preguntas y responderlas en segundos siempre con ese objetivo de Journey Analytics. Además usando visualizaciones como funnels, cohort tables, visualizaciones tipo flow, etc. En todo este proceso analítico, podemos preguntar sobre las preguntas, sin tener que volver a la parte de preparación. Simplemente un nuevo «drag & drop».
El análisis se vuelve todavía más poderoso si podemos usar machine learning, sin código, para automatizar el análisis de preguntas como: ¿en qué se parecen los «New visitors» con los «New visitors que compran»?. Por ejemplo con Segment Comparison de Adobe Analytics podemos arrastrar estos dos segmentos y extraer en minutos un análisis automatizado de qué métricas, dimensiones y subsegmentos que explican las diferencias y similitudes de estos dos grupos de usuarios.
Entonces es cuando los Business Analysts se pican con los Analistas Digitales y piden acceso a Adobe Analytics.
4. ¿Es posible combinar datos del mundo Online y Offline para analizar?
Si de algo pecan los datos de analítica web es la falta de contexto de datos de cliente: CRM, datos offline, datos de cálculos de propensión. Adobe, puede ingerir este tipo de información offline y cruzarla con el dato digital para hacer análisis todavía más avanzados.
Incluso algunas compañías, insertan solo datos offline para realizar análisis complejos de manera sencilla a través de Análisis Workspace. Pero, ¿estamos forzando demasiado una herramienta de clickstream para hacer cosas que no fueron su objetivo principal? ¿cuanto tiempo tardamos en tratar la información de diferentes bases de datos para convertirla en una sola? ¿cómo podemos unificar modelos de datos totalmente distintos? ¿puedo cruzar datos si tengo ids de cliente distintos en cada data set? ¿qué hago si el ID es un teléfono o un email y Adobe Analytics no permite PII?
Una herramienta como Adobe Analytics se compra principalmente para analizar el dato digital. Por ejemplo todo el Journey digital del usuario que pasa por una web o una app. Aquí Adobe utiliza un identificador anónimo (ECID) para trackear incluso a usuarios no logados. Una vez que el usuario se loga, Adobe Analytics permite incorporar un customerID (información no PII) para hacer el stiching del usuario y reconocer a la persona en todos los dispositivos donde se identifique. Este ID, nos ayuda a incorporar datos de estos clientes logados sobre el dato digital para cruzar ambos mundos. Sin embargo, el problema esta aquí.
Cuando intentamos unir offline y online sobre una herramienta de analítica web, estamos posicionando uno de los dos mundos: el dato digital. Simple ejemplo: Si un dato offline que subimos a Adobe Analytics no cruza con el dato online, porque ese usuario no lo tenemos identificado en la parte digital, se pierde.
Además la esencia de una herramienta de analítica digital es la sesionización, es decir, agrupar los datos en periodos concretos el tiempo de visita de un usuario en esa web o app. De esta manera podemos saber si el usuario ha venido más de una vez a la web y durante cuánto tiempo. Este timestamp se basa en el tiempo de interacción, pero siempre basada en esa interacción digital. Por tanto no podemos (o se hace muy difícil) resolver preguntas como:
- ¿Qué pasa si el usuario que está visitando la página de detalle de producto, se le ocurre llamar al servicio atención al cliente?
- ¿Y qué hay del usuario que identificamos visitando la tienda física (beacon) y al mismo tiempo usa la app para consultar los productos en la app e-commerce?
- ¿Podríamos llegar a analizar ese Journey on-off?
Habría muchas formas locas de hacerlo sobre una herramienta de analítica digital, también en Adobe Analytics tal y como lo conocemos, pero sería un Work-Aroud/Ñapa. Aquí deberíamos volver a recurrir al «extraigo y preparo con SQL», «pinto con una solución tercera» y «me complico la vida para analizar».
La nueva disciplina: Journey Analytics
Adobe a roto de nuevo los esquemas de los analistas revolucionando de nuevo la manera de analizar el Journey de cliente. En 2020, lanza al mercado Customer Journey Analytics. Una solución montada sobre Adobe Experience Platform (CXDP) con el mismo objetivo que Adobe Analytics (Visualización + Análisis de Journey) pero pensada para trabajar la analítica digital y offline, tanto unida, como de forma separada. Es decir, imita las soluciones típicas de BI (Tableau, Power BI, MicroStrategy) para todo lo que tiene que ver con esquema de datos, dashboarding y visualización, pero poniendo las capacidades de Analítica de Journeys de Adobe Analytics.
Hablábamos antes de sesionización, pero solo de la parte digital. Adobe Customer Journey Analytics incluye este concepto como base de la herramienta pero teniendo cuenta la interacción digital y offline.
De esta manera se pone a disposición de los equipos de datos y negocio una herramienta de análisis capaz de responder todo tipo de preguntas relacionadas con la experiencia del cliente con contexto de Journey y sesionnización. Donde a veces el cliente interactúa en lo digital, otras en lo físico y otras simplemente en todos los lados. Equipos de marketing, analítica digital, Business Analysts y equipos de Data Science analizando y colaborando en una misma solución. Evidentemente, no sustituye a una herramienta de dashboarding, sino que la complementa añadiendo esta nueva capa de Journey Analytics.
Aquí puedes echarle un ojo a como funciona, pronto lo contaré en español en mi canal de YouTube.
Bienvenid@ a la era del journey analytics. Donde lo importante es la experiencia del cliente a través de todos sus puntos de contacto con los canales (on-off).
Si te interesa conocer más como funciona Customer Journey Analytics puedes leer este post.
Fuente Imagen: Adobe Blog
Muy bien explicado. Gracias!