Qué aprender de la Analítica de Datos para fortalecer el portafolio de producto. La respuesta supone saber gestionar la creatividad con la tecnología.
Autor. Por DAVID SPITZ es presidente y director de operaciones de rebelmouse
La analítica de datos inmersa en los nuevos nuevos mercados de la economía digital somete a los sectores productivos a una abierta y feroz competencia por adaptar sus portafolios a las exigencias del colectivismo hiperconectado.
¿Para sobrevivir en el nuevo planisferio de consumo nos tenemos que convertir en científicos de datos? El objetivo es comercializar mejor. Y las decisiones de marketing todavía son tomadas por gente, no por máquinas…
Actualmente, los comercializadores de marca a menudo trabajan con datos difíciles de analizar. Se ha hablado mucho sobre la transformación de “Mad Men” en “Math Men”. Pero necesitamos ayudar a los comercializadores de marca a usar datos para que hagan mejor su trabajo, no pedirles que cambien de trabajo. De hecho, entre más preciso sea el algoritmo de focalización, mayor es el número de gente creativa que requiere una campaña.
Cuando los comercializadores de marca invierten de más en algoritmos sin ningún incremento de inversión en gente creativa, el resultado es que la gente indicada es focalizada en el momento oportuno, pero con un mensaje muy poco impresionante.
Los comercializadores de marca tienen clasificaciones para hablar sobre a quién pertenecen los datos (de primera o segunda mano, de terceros); cómo se recabaron los datos (explícitamente, implícitamente), y qué tipo de ideas revelan los datos (descriptivas, predictivas). Pero necesitamos una solución más amigable con el usuario. De lo contrario, la costosa plataforma analítica en la que ha invertido simplemente no será utilizada.
“Cómo usar la analítica para mejorar el negocio”
En un estudio reciente, casi 4 de cada 10 participantes dijeron no usar herramientas analíticas que sus compañías habían adoptado porque no entendían “cómo usar la analítica para mejorar el negocio”.
Si está ejecutando una campaña de marketing en redes sociales, su gerente de comunidad probablemente no tiene tiempo para reunirse con el “departamento de analítica” para ver qué está de moda y por qué. Está optimizando el tráfico virulento, que se mueve muy rápido. No necesita los datos; necesita respuestas: ¿Este es el título indicado? ¿Qué artículos debería promover con mi presupuesto limitado para medios de paga?
Estas respuestas deberían estar fácilmente disponibles, no atrapadas en un informe de analítica.
Por ejemplo, el gigante de mensajería UPS analiza miles de puntos de datos para optimizar rutas de entrega de paquetes.
El producto que da a sus 55,000 chóferes y supervisores de ruta (girar a la derecha, girar a la izquierda) no es complejo, pero es extremadamente útil. Recuerde que el punto no es analizar datos.
El punto es comercializar mejor. Y las decisiones de mercadeo siguen siendo tomadas principalmente por gente, no máquinas (incluso cuando cada vez más se trata de gente operando máquinas).
No es que esta gente no pueda entender matemáticas, pero tiene mucho más en las manos que simplemente analítica.
El punto de recabar tesoros masivos de inteligencia es ayudar a esta gente a lograr lo que tienen que lograr, solo que de una forma más eficaz y conveniente.
Por mucho que los grandes datos nos enseñe una gran promesa para el marketing, producir más y más analítica en sí mismo no creará mejor comunicación comercial. Pongamos las matemáticas al servicio del trabajo que debe hacerse.
FUENTE:
© HARVARD BUSINESS SCHOOL PUBLISHING CORP.
Comments are closed.