Sin análisis de datos no hay estrategia
Ùltima actualización en 25 abril 2023 a las 01:06 pm
No se puede hablar con propiedad de estrategia sin análisis de nuestro entorno competitivo y de nuestros procesos de producción y de marketing.
Existen muchos casos de grandes empresas -los avances en logística y organización de la producción en Inditex, las complejas políticas de precios y de distribución de hoteles y compañías aéreas, la aparición de nuevos intermediarios en turismo y en ecommerce que desplazaron a las agencias de viajes, etc. en los que el uso de datos les ha aportado una ventaja competitiva en su sector.
En el webinar del 25 de Noviembre veremos los pasos a seguir para que una empresa defina su estrategia centrada en datos y los beneficios que le aporta:
- Establecer y optimizar KPIs en todos los procesos importantes de la empresa.
- Conocer la rentabilidad de nuestras campañas y acciones de captación.
- Reasignar presupuesto entre acciones.
- Mejorar sistemas de atribución de conversiones para afinar la estrategia.
Analítica web: de la campaña a la web y de la web a la conversión
El punto de partida es establecer KPIs y medir todos los procesos importantes de la empresa para optimizarlos y establecer procesos de mejora continuada. Necesitamos pocos pero que sean relativamente fáciles de medir y que sean relevantes.
En los siguientes apartados propondremos los pasos para desarrollar una estrategia basada en datos.
Paso 1. Configuración y obtención de datos.
La configuración avanzada de Google Analytics y Google Tag Manager es un paso ineludible. Deberá incluir:
- Eventos y conversiones para señalar los comportamientos que buscamos de nuestros usuarios en la web: ventas, leads, descargas, etc.
- Canales de tráfico: Configurarlos para reflejar la estrategia de captación prevista.
- Utms: Establecer criterios de uso de para caracterizar correctamente el tráfico de las distintas campañas, afiliación, emailing, etc.
- Data layers.
- Analítica de campañas. Implementación de los scripts o píxeles de campaña -página vista, conversión- en la web a través de Google Tag Manager. Nos sirve para:
- Atribución: saber de qué campañas provienen nuestras conversiones.
- Aprendizaje: Retroalimentar campañas que utilizan machine learning, como las de smart display de Google, las de audiencias similares de Google y Facebook o las campañas optimizadas a CPA (Coste por Acción).
- Facilidad de configuración, ya que cada canal (Google Ads, Facebook Ads, etc.) tiene sus propios scripts.
- Listas de remarketing filtradas por comportamiento de usuario y por zonas visitadas en la web. Queremos:
- Impactar a aquellos que no hayan completado la conversión pero hayan mostrado un comportamiento prometedor -varias páginas vistas, descarga de ciertos documentos, etc.
- Reimpactar al usuario ofreciéndole productos parecidos a los que visitó la última vez. Ejemplo: zapatos en vez de ropa para Zalando.
Paso 2. Análisis de las acciones de marketing. De la campaña a la web.
A partir de esta implementación ya podremos analizar el retorno de nuestras campañas, así como el de otros tipo de acciones: afiliación, emailing, redes sociales, etc. Con la analítica web y los códigos de seguimiento de campaña bien implementados a través de GTM, podemos:
- Ver qué fuentes de tráfico aportan las ventas o los leads de nuestra web.
- Analizar la conversión según fuente, dispositivo, país o ciudad, edad, sexo, etc.
- Realizar el primer cálculo de rentabilidad de nuestras campañas.
Para poder realizar un buen análisis, necesitaremos:
Cuadros de mando (data dashboards)
Los cuadros de mando son informes visuales para mostrar los resultados de las campañas. Son por tanto, un paso importante a la hora de avanzar en la digitalización y en la cultura analítica de una empresa u organización. Nos permiten:
- Tener un resumen visual fácil de revisar de los resultados de nuestras acciones de marketing online.
- Disponer de una herramienta ágil y visual para que los distintos cargos de la empresa la puedan consultar con frecuencia, no solo los especialistas en datos o marketing.
- Unificar distintas fuentes de datos en una solo panel, ahorrándonos tiempo y necesidad de conocimiento específico de las particularidades de cada herramienta. Un cuadro de mando de campañas digitales, por ejemplo, incluye datos de Google Analytics, de los distintos canales de campaña (Google Ads, Facebook Ads / Instagram Ads, LinkedIn Ads, Twitter Ads, Criteo, programática, etc.) y puede incluir otras fuentes como el CRM o el ERP de la empresa.
Optimización de campañas
El poder disponer de esta información de forma frecuente nos permite evaluar los resultados y optimizar las campañas:
- Tener una primera evaluación del ROI y ROAS de la campaña global y de los canales y anuncios que la componen.
- Reasignar presupuesto de las acciones en función de resultados.
- Ver cómo las campañas trabajan conjuntamente y empezar a entender cómo funciona la atribución múltiple en nuestro negocio.
- Ejemplo: un ecommerce de moda envía un email al mediodía a sus suscriptores, tiene muchas aperturas en móvil pero sin apenas ventas. Esa misma noche tiene un aumento de visitas directas de ordenador con un alto porcentaje de ventas. Solo podremos evaluar bien el retorno de nuestras acciones si evaluamos conjuntamente estos dos fenómenos -emailing, venta a través de tráfico directo.
Paso 3. Análisis de las conversiones. De la web a la venta.
Análisis de los leads. Caso práctico.
El análisis que hemos realizado hasta ahora nos permite saber cuánto nos cuesta un lead de cada una de nuestras campañas activas y nos permite también abaratar el Coste por Lead (CPL) medio reasignando presupuesto a las campañas con un CPL más bajo. Sin embargo, hasta este punto no sabemos si el lead es o no de calidad.
Para hacer el análisis de las conversiones post lead podremos utilizar:
- El CRM (Custormer Relationship Management) es el software que dirige y registra todas las interacciones con nuestros clientes y clientes potenciales.
- Excel o Google Sheets para empresas que no dispongan de un CRM.
Aspectos importantes a tener en cuenta:
- Origen del lead (campaña de la que proviene).
- Rentabilidad real del lead (no solo CPL).
Por ponerlo con un ejemplo, comparemos el retorno de estas dos campañas:
Si tenemos en cuenta el CPL elegiremos la campaña 1 por tener un coste menor, pero al analizar todo el proceso hasta la venta, la campaña 2 consigue un CAC mucho más rentable.
El trabajo combinado de la analítica web y de campaña, la atribución de los leads y el paso de esta información al CRM nos permite:
- Afinar mejor nuestra estrategia.
- Controlar mejor nuestros recursos: para cada venta de la campaña 1 necesitamos procesar 25 leads y eso requiere un esfuerzo importante del equipo comercial, mientras que para la segunda basta con 12,5.
Optimizar campañas con las conversiones offline
Las campañas de Google Ads pueden ser retroalimentadas con información sobre el destino del lead. Eso permite a Google crear patrones de usuarios para mejorar la segmentación.
El etiquetado que Google Ads ha utilizado para enviarnos la visita de campaña (Gclid) y que habremos guardado en nuestro CRM, permitirá a Google enlazar la venta que hemos cerrado hoy con la visita que nos envió hace dos meses.
En el caso de las campañas basadas en machine learning hay muchos elementos a tener en cuenta ya que el algoritmo aprende mejor de las combinaciones de volumen, tiempo hasta la venta y porcentaje de conversión.
Este sistema de retroalimentación permite mejorar el retorno de las campañas disminuyendo el coste del lead, mejorando la calidad del lead e influyendo el Coste de Adquisición de Cliente.
Las conversiones offline hace ya tiempo que funcionan en Google. A la larga la rentabilidad de nuestro marketing online depende solo de dos KPIs:
- el CAC – Coste de adquisción de cliente (incluyamos aquí el coste de segundas ventas en el caso de ecommerce).
- EL CLV (Customer Lifetime Value) o valor de vida de un cliente
El primer indicador refleja el coste de adquirir un cliente, el segundo su valor. Si el valor supera claramente al coste, podemos decir que el resto -simplificando un poco- es planificación financiera. Los demás KPIs miden pasos del proceso hasta llegar a alguna de estas dos variables, que cristalizan el resultado final.