User Centric Analytics - Omexpo

User-Centric Analytics

Antonio Tajuelo Head of Data and Analytics [email protected]

Aprenderemos

• Cómo afectan los hábitos de uso de la tecnología al marketing online

• Por qué es conveniente medir usuarios frente a visitas

• Qué ventajas tiene realizar un enfoque user-centric

• Cómo compartir datos entre las diferentes herramientas que utilizamos

• Cómo se aplica el enfoque user-centric en varios casos reales

Hábitos de uso de la tecnología

Queremos conocer a nuestros clientes…(algo con cierta historia)

… a través de los datos (algo relativamente nuevo)

La tecnología supone un cambio respecto a las técnicas clásicas para relacionarse con los clientes

Dificultades asociadas

• Entorno multidispositivo • Entorno multicanal • Dispersión de los datos en

diferentes herramientas (CRM, herramienta de e-mail, herramienta de analítica web, aplicación de e-commerce…)

¿Cómo abordar la complejidad?

En el entorno multidispositivo actual es conveniente pensar en usuarios en lugar de en visitas, bajo riesgo de realizar análisis con datos fragmentados

¿Cuándo es útil utilizar un modelo user-centric?

• Mercados B2B • Mercados B2C, donde el

proceso de decisión del cliente sea largo

• Modelos basados en recurrencia y subscripción (ciclo de vida del cliente)

Motivos para utilizar un modelo user-centric

• Medición más precisa y modelos de atribución de los canales de marketing

• Conocer cómo son y cómo compran los clientes, con información centralizada (single customer view)

• Comunicaciones con los clientes más adecuadas, personalizadas y relevantes

• Reducción de churn-rate e incremento del valor de clientes

Implementando el modelo user-centric

Definiendo un id de usuario

E-mail es el estándar

Hay alternativas: • Número de teléfono • Perfil social

Activando el user id en web

Enlazando sesiones en web: de la visita al usuario

• Este proceso reduce la fragmentación de los datos asociados a las visitas, consolidándolos en datos asociados a usuarios.

• Más adelante, veremos cómo esto nos permite aplicar los modelos de atribución de una forma más precisa.

Más técnicas de identificación

• El usuario inicia sesión o se registra en el sitio web

• El usuario rellenar un formulario de contacto o solicitud de información

• El usuario descarga un recurso gratuito tras introducir su e-mail

• El usuario hace click en un enlace de e-mail (o “newsletter”)

• El usuario canjea un cupón de descuento personalizado

• Datos de terceros: login con Facebook, Google, etc

Conectando las herramientas

Herramienta CRM

user id

Herramienta de E-mail Analítica Web

conversiones y microconversiones

estadísticas de uso user id

resultados de e-mailing

personalización de e-mails

Nuevos informes en Google Analytics

Informes multidispositivo de Google Analytics

Rutas de dispositivos

Uso de múltiples dispositivos

Modelos de atribución de Google Analytics

Utilizando el user id, los modelos de atribución son más precisos porque estaremos utilizando datos consolidados a nivel de usuario.

Ciclo de vida del cliente en Google Analytics

Modelos de recurrencia y SAAS

Varios ejemplos

Ejemplo: Resultados de E-mail en Google Analytics

• Monitorizar el rendimiento de los e-mails transaccionales en Google Analytics nos permite identificar oportunidades y comunicaciones problemáticas que podemos corregir.

• También nos permite centralizar los resultados en un único panel, para que no sea necesario consultar varias aplicaciones.

Ejemplo: Conectando conversiones offline

• Podemos importar conversiones offline (o cancelaciones) a Universal Analytics utilizando el user id.

• Para ello utilizaremos la importación de un fichero CSV o un proceso automático, por ejemplo, ejecutado diariamente.

• Nos permite hacer un análisis mucho más completo del camino hacia la conversión y la transacción, cuando éstas se producen offline.

Diferencia entre ambos modelos:

• Modelo clásico: Visitas > Leads > Pérdida de trazabilidad

• Modelo user-centric: Visitas > Leads > Transacciones offline y atribución a fuentes de tráfico, dispositivos, regiones, etc.

• En este caso estamos identificando qué fuentes de tráfico generan más asistencias a un negocio local (en este caso, una clínica).

• Podemos utilizar los datos para tener en cuenta la carga de trabajo generada al call-center a través de las acciones de marketing realizadas.

• Igualmente, podemos incorporar las cancelaciones o reembolsos para detectar acciones de marketing problemáticas.

Ejemplo: Conectando conversiones offline

Ejemplo: Reimpactando a nuestros clientes

• Aprovechando que hemos generado una base de datos de clientes con información rica y que nos permite realizar segmentaciones minuciosas, podemos reimpactar a nuestros clientes en redes ad exchange, como por ejemplo a través de Facebook Ads.

• También podemos impactar a audiencias similares, es decir, usuarios que comparten características demográficas y hábitos de navegación web.

Preguntas

Antonio Tajuelo Head of Data and Analytics [email protected]