Customer

analytics y Big
Data

Big Data

1
Visualización de la información
del cliente
Visualización
Cada uno en su empresa querrá acreditarse cuando los tiempos son buenos,
cuando los cambios implementados dan como resultado mayores ventas,
mayores tasas de conversión y clientes más felices. El equipo de marketing
atribuirá el crédito a su reciente campaña, el equipo de I + D otorgará el
crédito a los nuevos productos que acaba de lanzar y a sus ingenieros de
redes sociales que creerán firmemente que su éxito se relaciona
directamente con sus esfuerzos de desarrollo.

Examinar los resultados y determinar quién realmente está contribuyendo

al éxito del negocio es imperativo si se quiere mantener la racha de éxitos.
Al descubrir quién contribuye más a los objetivos y cuáles de las campañas
está haciendo el truco, se podrán concentrar los esfuerzos en los que
obtienen mejores resultados y otorgarles un trato preferencial sobre los
recursos que necesitan.

Antes de los días de Internet, era muy difícil determinar qué funcionaba y
qué no funcionaba en el negocio y eso se debía a que no se podían aislar
variables al medir el éxito. No se puede decir, con la máxima seguridad, que
la "campaña de marketing X" resultó en un aumento del 30 % en las ventas
o el "lanzamiento del producto Y" fue 50 % mejor de lo que esperábamos
debido a su nueva "característica Z".

Ahora, con Internet, se pueden aislar variables utilizando este nivel de

precisión, ya que Internet permite recopilar una cantidad masiva de datos
analíticos del cliente que pueden desglosarse, segmentarse y aislarse de
acuerdo con cualquier variable que se pueda desear. Utilizando datos de
análisis de clientes en línea ampliamente disponibles y de bajo costo
adquiridos, se podrá:

 Comparar rápidamente los datos acumulados con los datos históricos

para identificar tendencias y ubicar nuevos datos en contexto. Los
números en bruto no cuentan toda la historia, sin datos históricos nunca
se sabrá si las ventas representan buenas noticias, malas noticias o están
alineadas con las proyecciones de la empresa.
 Determinar de dónde provienen los datos. Por ejemplo, si las ventas se
distribuyen de manera bastante uniforme entre un gran número de
clientes o si la mayor parte de las ventas se derivan de un pequeño

2
 puñado de grandes consumidores. Al identificar a los principales clientes,
no solo es posible centrar los esfuerzos en retenerlos, sino que también
se puede hacer un perfil de sus datos demográficos y cambiar los
esfuerzos de marketing para atraer a más personas como ellos.
 Saber si una campaña de marketing particular produjo una tasa de
conversión desproporcionadamente grande (o pequeña) en comparación
con otras. Una vez que se sepa cuál de los mensajes de marketing
produce el mayor rendimiento de la inversión, se pueden canalizar todos
los recursos a esa campaña en lugar de perder el tiempo, el dinero y la
atención impulsando los esfuerzos de bajo rendimiento.
 Determinar si pequeñas variaciones en una campaña de marketing ya
exitosa aumentarán o disminuirán sus efectos. A través de la utilización
de datos de análisis de clientes, encontraremos que a menudo el cambio
de un elemento de un mensaje de marketing (como solo una palabra de
su copia o la imagen que lo acompaña) puede producir cambios
inesperadamente grandes en el rendimiento de ese mensaje.
 Saber dónde se pierden clientes durante el embudo de ventas. Si se
descubre que la mayoría de los clientes potenciales perdidos están en la
misma página de nuestro sitio web, se sabrá que la optimización de esa
página aumentará la tasa de conversión general.
 Conocer si ciertas campañas de mercadeo resultan en mayores ventas de
un producto sobre otro. Por ejemplo, a menudo, una campaña de
marketing atraerá a clientes que buscan comprar el Producto X pero no
el Producto Y. Esta forma de datos de análisis de clientes permitirá
enfocar aún más las campañas de marketing y embudos de ventas para
maximizar la producción

Recolectados y utilizados adecuadamente, la analítica de clientes permite

administrar y desarrollar los esfuerzos de marketing con una gran cantidad
de precisión, lo que permite no solo aprender, de una vez por todas, quién
contribuye al éxito del negocio, sino también para mejorar la salida del
empleado de una manera previamente impensable.

3
Figura 1: Customer Analytics

Fuente: CoveriID, 2013, https://goo.gl/btMnop

Visualización de big data en customer analytics:

convirtiendo big data en big insights
Las herramientas de descubrimiento de datos basadas en la visualización
permiten a los usuarios empresariales mezclar fuentes de datos dispares
para crear vistas analíticas personalizadas con flexibilidad y facilidad de uso
que simplemente no existían antes. Los análisis avanzados se integran en las
herramientas para respaldar la creación de procesos interactivos, gráficos
animados, así como en dispositivos móviles potentes como teléfonos
inteligentes y computadoras portátiles.

Los usuarios finales pueden ver los gráficos en los mismos dispositivos o
incluso en dispositivos móviles más pequeños, como tabletas o, en casos
limitados, teléfonos inteligentes.

Debido a su facilidad de uso e interfaces intuitivas, las herramientas de

descubrimiento de datos basadas en la visualización tienen como efecto
facilitar el acceso a la información de las empresas.

El análisis y la visualización, anteriormente pertenecientes a un puñado

limitado de analistas de datos altamente capacitados, pueden lograrse
mediante una multitud de usuarios con entrenamiento mínimo.

4
Avanzar hacia un modelo de autoservicio para BI puede reducir los costos y
permitir que TI pase más tiempo enfocándose en la construcción de
soluciones innovadoras y desafíos complejos de datos.

El autoservicio BI también permite a las empresas aprovechar las fuerzas de

trabajo cada vez más móviles. Por ejemplo, miembros de un equipo de
desarrollo de productos pueden trabajar en remoto y en el sitio pueden ver
y compartir fácilmente visualizaciones que exploran posibles defectos de
productos o preferencias de los clientes.

La tendencia de traer su propio dispositivo significa que estos usuarios

pueden usar sus propios dispositivos móviles para explorar fácilmente los
datos, descubrir tendencias y patrones y comunicar sus hallazgos a otros
miembros del equipo y otras audiencias.

Figura 2: Diseño elegante e intuitivo

Fuente: CoveriID, 2013, https://goo.gl/btMnop

Características principales de las herramientas de detección de

datos basadas en la visualización
Las características principales de las herramientas de detección de datos
basadas en la visualización son:

 habilitar el análisis de datos en tiempo real;

 apoyar la creación en tiempo real de presentaciones dinámicas e
interactivas e informes;
 permitir a los usuarios finales interactuar con los datos, a menudo en
dispositivos móviles;

5
 retener datos en memoria, donde es accesible para múltiples usuarios;
 permitir a los usuarios compartir y colaborar de forma segura.

Características adicionales para buscar

Las características adicionales para buscar son:

 capacidad de visualizar y explorar datos tanto en la base de datos como

en la memoria;
 tablero de control que muestra la actividad del usuario y la procedencia
de datos;
 compresión de datos en la memoria para permitir el manejo de grandes
conjuntos de datos sin aumentar los costos de hardware;
 optimización de soluciones para usar con dispositivos móviles con
capacidad táctil.

6
Bibliografía de referencias
CoverID. (2013). Features. Recuperado de:
http://www.coveridapp.com/?page_id=93

[Imagen sin título sobre Customer Analytics]. (2013). Recuperada de

http://www.coveridapp.com/?page_id=93

[Imagen sin título sobre Diseño elegante e intuitivo]. (2013). Recuperada de

http://www.coveridapp.com/?page_id=93