El futuro de las herramientas de analítica digital, se basan en las experiencias y el devenir del uso de los datos. Por ejemplo, BBig Data, Data Science, IoT, Inteligencia Artificial. Google analytics es una buena opción para calcular y medir resultados.
Analítica predictiva
La primera previsión es sobre el análisis predictivo, es decir, dejar atrás la visión descriptivita de Analytics que nos dice qué ha pasado. Así para empezar a ver mejoras potentes en relación a qué va a pasar. De esta forma llegará el día en que las gráficas de las plataformas generalistas de analítica vayan más allá del comportamiento presente.
Seguramente, Google ya tiene cosas para ir lanzando (de hecho, no hace mucho hizo pública la función probabilidad de conversación. Así busca estimar ventas futuras en ecommerce. Pero como en todos los proyectos de Data Science, hacen falta que se den ciertas circunstancias:
Histórico de datos amplio.
Output/objetivo (variable dependiente) que tenga sentido y sea visualizable.
Inputs (variables independientes) que existan y estén bien elegidas.
Datos normalizados (comparar peras con peras).
Al superar entre Google y las agencias analíticas, estas limitaciones, se puede empezar a integrar predicciones en las propias herramientas de analítica web. Mientras tanto, hay que seguir haciendo los estudios predictivos en plataformas externas orientadas a Big Data.
Brand Analytics
Uno de los principales retos de las grandes marcas es la estimación del peso específico que tienen en su sector. Es decir, cómo de potente es una marca. Algo que casi siempre se ha definido como el intangible de la marca.
Las herramientas analíticas han provisto de pistas, de indicadores derivados, que permitían estimar la eficacia de los esfuerzos en las inversiones de branding. Por ejemplo, patrocinios, publicidad mass media, RSC.
Pero el crecimiento del uso de Internet y su conexión con otras fuentes estratégicas hacen posible más precisa del valor de una marca. Únicamente necesitas un esfuerzo por estandarizar procesos en el sector y al mismo tiempo evangelizar a agencias más tradicionales.
10 predicciones sobre Google Analytics
Segmentación one-to-one
Hoy en día se hacen cosas muy sofisticadas, por ejemplo, en términos de personalización de contenidos. También las estrategias de marketing están muy segmentadas a través de segmentos o audiencias muy definidas y concretas. Está claro que se ha avanzado y que los resultados que se logran son cada vez más efectivos. Sin embargo, una de las principales limitaciones de Google en este ámbito es la privacidad. Para todo negocio es imprescindible una personalización de la oferta, cada vez más individualizada, a través del conocimiento de sus clientes. Los CRM son herramientas más y más sofisticadas e integran datos recogidos desde diferentes plataformas. Por ejemplo red comercial, chat(bot)s, call centers, soporte, email, etc.
Pero cuanto más avanza Google hacia los datos centrados en el usuario único, más cerca está del abismo de las leyes de privacidad.
Así que es cuestión de tiempo que las herramientas tengan la misma conceptualización. Que estén pensadas de inicio para ese tipo de manejo de la información. Analytics no lo está, más allá de identificadores de sesión o UserIDs.
Multidispositivo y omnicanalidad
El customer journey puede implicar varios dispositivos, ya no en el ciclo de vida de un usuario, sino en una simple sesión de navegación. Por ejemplo, desktop, laptop, mobile, tablet, TV, consolas, GPS.
Las agencias que desarrollan estrategias digitales, generalmente proponen soluciones orientadas a empujar al cliente hacia Internet. Pero con programas de fidelización o registros de producto que sirvan para identificar al usuario en todos sus touchpoints digitales (o digitalizables). El principal reto estará en la adopción masiva por parte del usuario y en el resto de touchpoints no digitalizables.
Calidad de la audiencia
La analítica, por definición, depende de los números. Es meramente cuantitativa. Esto no quiere decir que no se puedan traducir aspectos cualitativos al idioma de los números.Aalgo similar al Brand Analytics que comentábamos más arriba: tangibilizar los intangibles.
Atribución (de una vez por todas)
La atribución quizás sea el mayor problema (u oportunidad, según se mire) que arrastra la analítica web desde sus inicios.
Por un lado, están los modelos de atribución con sus limitaciones históricas. Afortunadamente se han dado pasos de gigante los últimos años con los modelos de atribución personalizados. Y, más recientemente y disponible en Google
Y por otro lado, están las dificultades técnicas de atribución, especialmente cuando se trata de conversión de herramientas de comunicación, marketing y análisis.
Análisis de la competencia
Otra de las direcciones en las que seguirá mejorando Google Analytics es en sus Comparativas. Contextualizar el rendimiento de nuestro sitio web en relación al resto de competidores de nuestro sector.
Existen dos direcciones fundamentales a la hora de analizar nuestra competencia:
Conocer quiénes competimos.
Conocer en qué competimos.
Saber quiénes competimos supone comparar con los competidores reales, tanto a nivel geográfico como de target final. Así con pistas a Google de quiénes son esos competidores o esperando que sea él quien detecte el nicho de actividad empresarial.
Reporting for dummies
Sigue habiendo agencias de comunicación que no tienen un especial interés por las herramientas analíticas. La mejor forma de acercar la analítica a todos los públicos es eliminar esa curva de aprendizaje. Y facilitar al máximo la generación de informes de valor estratégico. En esta línea nació Analytics Intelligence, que permite conversaciones básicas con Google Analytics para pedirle que muestre ciertos tipos de informes. Está pensado para perfiles no familiarizados con las interfaces de la herramienta, ahorrando tiempo de indagar y bucear entre opciones y menús.
Mientras tanto seguirá creciendo la integración entre Data Visualization y Data Analytics. Al menos lo suficiente para que deje de ser un drama generar dashboards multi-source con las herramientas punteras como Data Studio.
Orientación a negocio (Business Intelligence)
Si algo podemos afirmar sobre Google es que nunca para, siempre quiere más. Ellos saben que los resultados de una empresa no siempre empiezan y terminan en Internet, ni siquiera en el marketing. Así que la lógica en el crecimiento de Google Analytics es su integración con métricas generales de negocio.
Ahí van una serie de factores que pueden ser clave en los resultados de una empresa. Además son totalmente ajenos a las plataformas de analítica digital:
Ventas y devoluciones offline.
Alquileres e inmovilizado.
Materia prima y costes de fabricación.
Inversiones en marketing offline.
Sueldos y comisiones comerciales.
Departamentos auxiliares.
Costes de logística inversa.
Gastos extraordinarios.
Herramientas ad-hoc
Busca seguir trabajando con Google Analytics, Adobe Omniture u otros. Pero integrando su funcionamiento con herramientas y procesos propios que incluyan fuentes adicionales de información. Por ejemplo, Open Data, algoritmos de Data Science, ERPs, inputs omni-canal desde tienda física, etc.
コメント