Datos más análisis es la ruta hacia la verdad

En una historia anterior, analizamos la importancia para el análisis de datos de evitar sesgos y elegir las métricas correctas. En este seguimiento discutimos la importancia de confrontar la “realidad analítica”.

Se supone que el análisis de datos reemplaza las corazonadas con hechos. Las marcas no quieren arriesgar millones de dólares de campaña por el instinto de alguien. El especialista en marketing, idealmente, tiene una meta, un umbral claro de éxito que debe cruzarse para lograr resultados. Entonces, ¿cómo llegas allí?

El análisis de datos es el "GPS". El objetivo del análisis de datos es comprender lo que está sucediendo y utilizar esa información para tomar la decisión correcta. Es “listo, apunta, dispara” (datos, análisis, acción). Pero a veces el orden se confunde, lo que hace que las personas saquen conclusiones equivocadas y actúen sobre esa base. El proceso entonces se convierte en "listo, fuego, objetivo", o aún más cómico, "fuego, objetivo, listo".

“La mayor prueba de datos es el análisis”, dijo Mark Stouse, presidente y director ejecutivo de Proof Analytics. “Contextualiza los datos, lo que dificulta extraordinariamente la fabricación de conclusiones, mientras que la visualización de datos por sí sola lo hace fácil”.

¿Pueden los datos identificar qué está causando algo?

¿Se puede medir la causalidad solo a partir de los datos? Stouse cree que no. Los especialistas en marketing pueden intentar extrapolar datos históricos y luego verificar si esta extrapolación fue correcta. “Si todo es estable, la extrapolación puede funcionar. Pero cuando la variedad, volatilidad y velocidad del cambio es grande, la extrapolación tiene valor cero”.

“De hecho, los datos siempre se refieren al pasado y no tienen una capacidad innata para pronosticar. El pasado no es un prólogo”, continuó. “Pero la regresión multivariable es el enfoque probado para tomar datos que representan los factores relevantes (los conocidos conocidos), así como algunas cosas potencialmente importantes (conocidos desconocidos), y convertirlos en un retrato histórico calculado de la causalidad. Eso, a su vez, crea un pronóstico contra el cual puede comprender la precisión del modelo frente a una comparación entre el pronóstico y los datos reales”.

Erica Magnotto, directora de SEM en Accelerated Digital Media, ve el valor de los datos históricos, pero solo si hay espacio para una perspectiva retroactiva y una planificación predictiva. “La previsión del éxito de la campaña debe basarse en los datos de tendencias y el rendimiento año tras año y mes tras mes. Esto debería crear predicciones casi precisas sobre el éxito futuro. Si los datos pronosticados indican un mes más lento o una posible recesión en el mercado, se pueden realizar optimizaciones en tiempo real para promover la eficiencia y la escala conservadora. Si el pronóstico indica un mes más fuerte, entonces es hora de comenzar a planificar la escala, las pruebas y los lanzamientos de campañas adicionales".

Los especialistas en marketing también deben ser conscientes de los inconvenientes del modelo. Magnotto señaló que hay una diferencia entre el "flujo y reflujo" normal de rendimiento y un choque/pico. “Los datos que ocurren fuera del margen normal de flujo y reflujo podrían indicar que es necesaria una acción inmediata en la cuenta. Los especialistas en marketing tampoco deben asumir que el comportamiento del usuario siempre será consistente, por lo que es importante comprender el rendimiento de referencia para que se pueda detectar el comportamiento anormal del usuario (o de la campaña), dijo.

Profundice más: Marketing analítica : Qué es y por qué los especialistas en marketing deberían preocuparse

¿Qué pueden hacer los mercadólogos?

Los especialistas en marketing deben ser analíticos, de mente abierta y humildes al mismo tiempo. Esto por sí solo puede ser un desafío cuando siempre hay algunas personas que pueden ser demasiado seguras de sí mismas o obsesionadas con lo trivial a expensas de lo sustantivo. Aún así, existen enfoques para verificar los errores antes de que sucedan.

Magnotto se centró en conocer los datos, el cliente y reconocer la realidad. Ofreció esta lista de verificación para las agencias, pero los puntos principales también se aplican a las marcas:

1. Comprender los principios básicos de Excel/sheets y cómo pivotar grandes conjuntos de datos descargados desde cualquier plataforma.

2. Comprender las fórmulas de comparación básicas y las formas predeterminadas de ver las tendencias de los datos (mes tras mes, año tras año, período tras período, semana tras semana).

3. Haber acordado los KPI primarios y los KPI secundarios con el cliente.

4. Siempre hable el idioma del cliente e incorpore la fuente de datos veraces del cliente en los informes. Esto garantizará conversaciones más productivas y ayudará a los especialistas en marketing a evitar cometer errores o malinterpretar el rendimiento.

5) Saber cuándo admitir la derrota en una estrategia de campaña. Si una "gran idea" no está funcionando, siéntase cómodo permitiendo que los datos hablen por sí mismos y cambie las estrategias.

6) Siempre informes de control de calidad. Aplique control de calidad a fórmulas, plazos, números, etc. Si algo parece demasiado bueno para ser verdad al analizar datos, probablemente lo sea. QA para los errores que pueden estar conduciendo a esa anomalía.

Stouse enfatizó evitar una mentalidad fija. “La ceguera a la realidad analítica se trata de elegir no ver, porque lo que hay ofrece un desafío a lo que crees”. él dijo. “Lo opuesto al análisis es una certeza que has elegido y justificado sin ninguna base real excepto tu propio interés. Se han cometido más errores en nombre de la certeza que cualquier otra cosa en la que pueda pensar”.