La importancia de la Ingeniería de datos y el Big Data en el Marketing Digital

En un mundo cada vez más digitalizado las personas tendemos cada vez más a realizar análisis y comparaciones en nuestro día a día. Estos análisis son muchos más exhaustivos para el que trabaja con información y toma decisiones en base a los datos.

El marketing digital se compone de mucho análisis y muchos datos, MUCHÍSIMOS y una buena gestión de los datos es vital para garantizar el éxito.

Mi trabajo como ingeniero de datos es proveer al departamento de marketing y al resto de departamentos de las empresas la información que necesitan y para ello mis labores son:

• Entender el negocio, entender el departamento y entender el problema.
• Identificar los orígenes de datos que utilizan 
• Diseñar un datawarehouse con el famoso “Modelo de Estrella”
• Programar y automatizar los procesos de extracción de datos para alimentar el datawarehouse.

En los siguiente artículos se detallan en más profundidad un ejemplo de cuáles serían las etapas en el desarrollo de Proyecto de Business Intelligence y las herramientas que utilizo para el desarrollo del proyecto

• Desarrollo Proyecto de Business Intelligence con Pentaho
• Herramientas Proyecto Business Intelligence

Después de explicar un poco en qué consiste el trabajo del ingeniero de datos continúo explicando los beneficios de la Ingeniería de datos en el departamento de Marketing.

La gran mayoría de clientes que contrata los servicios de una consultora de marketing digital lo hace para llevar las campañas de marketing en Facebook Ads, Google Ads, Criteo o twenga por ejemplo. Además, suelen ser empresas muy digitalizadas y suelen tener bases de datos con el historial de ventas, información de usuarios etc…

¿Podemos realizar segmentaciones con la base de datos del cliente?

La respuesta es que sí, teniendo la base de datos del cliente con el histórico de ventas podemos segmentar a los clientes en diferentes grupos para hacer una publicidad mucho más personalizada.

Me explico con un ejemplo, sabemos que productos son los que más compran los clientes, este producto pertenece a una familia de productos y a una categoría. Se puede decir que el producto favorito, la familia favorita y la categoría favorita del cliente es la que más veces ha comprado.

Además, sabemos cuánto dinero han gastado los clientes en el Ecommerce, se puede segmentar a los clientes en diferentes categorías (A+, A, B, C) en base al importe gastado. Por ejemplo, el 10% de los clientes qué más se han gastado en el último año le asignamos la categoría A+, del 10% al 40% a la categoría A, del 40% al 65% a la categoría B y del 65% al 100% a la categoría C. 

Aparte de todo esto, tenemos la frecuencia con la que compran en el Ecommerce. Consultando en el periodo del último año podemos segmentar a los clientes con esta categorización:

• Compra cada 10 días o menos
• Sólo ha hecho una compra
• Compra entre 10 y 30 días
• Compra entre 30 y 60 días
• Compra entre 60 y 90 días
• Compra entre 90 y 180 días
• Compra entre 90 y 365 días

Para afinar mucho más, podemos consultar la fecha de su última compra para saber cuántos días hace que realizó la compra para conseguir una clasificación como esta:

• Compró entre 0 y 30 días
• Compró entre 60 y 90 días
• Compró entre 90 y 120 días
• Compró entre 120 y 180 días
• Compró entre 180 y 365 días.

Después de realizar estas segmentaciones de los clientes de la base de datos, se obtiene un feed de este tipo que será la base para construir las campañas de Marketing en Facebook Ads, Google Ads, Instagram, Twitter…

El objetivo de la generación de este tipo de feeds es personalizar muy mucho las campañas de marketing, ofrecer a los clientes que ya tenemos los productos que les gusta porque ya lo han comprado alguna vez, invertir menos gasto en los clientes que son muy recurrentes y más gasto en los que compran menos…

Y… ¿Cómo medimos el gasto realizado? ¿Cómo sabemos que las campañas son óptimas? ¿Qué porcentaje de la facturación nos estamos gastando en Marketing? …

Estas preguntas y muchas otras son clave para medir el impacto que tienen las campañas de Marketing pero… y cómo hacemos esto?

Por suerte para la mayoría de Agencias de Marketing existen herramientas que sin tener conocimientos de programación permiten extraer los datos de Facebook, Adwords, Twitter etc… Este tipo de herramientas son muy ágiles ya que en un par de minutos tienes toda la Info en un excel. La herramienta que conozco y usan el 99% de las agencias es SUPERMETRICS, es un plugin para Google Sheets qué importa los datos y los vuelca a una Hoja de SpreadSheets.

Google además está potenciando y mucho la SUITE analítica de datos que tienen, DATA STUDIO. Esta herramienta tiene muy buena integración con SpreadSheets y como supermetrics, el 99% de las agencias usan Data Studio para generar Dashboards y analizar los datos de las campañas.

Mi opinión es que este tipo de herramientas está muy bien para empezar pero cuando se tienen gran cantidad de datos, muchos orígenes, se quiere automatizar o se quiere llevar una gestión en los datos más precisa… Tenemos que recurrir a la ingeniería de datos denominado ahora Big Data.

Ya puedo medir el gasto en Redes Sociales pero… ¿Cómo puedo realizar un análisis de Cohortes? ¿Cómo puedo calcular el porcentaje de Gasto en Marketing respecto a la Facturación (Marketing Revenue) por cada día? ¿Cómo puedo automatizar la generación de un Feed para Facebook Ads? ¿Cómo puedo calcular el Coste de Adquisición del Cliente (CAC) por cada día, mes, año?

Para todo esto es clave el trabajo del Ingeniero de datos, va mucho más allá de lo que se puede hacer con un simple SpreadSheets y un panel de Data Studio, prácticamente puede realizar cualquier cosa que se le pida y automatizar. 

En este artículo se ve un ejemplo de automatización de procesos: http://datamanagement.es/blog/2019/09/29/automatizacion-y-optimizacion-de-procesos/

El ingeniero de datos tiene una formación muy técnica, tiene conocimientos de programación y diseño de bases de datos, por eso no utiliza herramientas como SUPERMETRICS.

Programa la extracción de datos de todos los orígenes, automatiza esa extracción para qué ninguna persona “pierda” tiempo en preparar informes y Cuadros de Mandos. 

Diseña complejos modelos de datos para almacenar de forma eficiente la gran cantidad de datos qué importa de todos los orígenes.

Desarrolla eficientes y complejos Cuadros de Mandos que contienen toda la información centralizada y está siempre accesible con información actualizada para qué los analistas puedan realizar el trabajo como mejor saben hacerlo qué es analizar.

Y por último, el ingeniero de datos garantiza con los procesos ETL que la información siempre esté disponible y actualizada, la información sea veraz y completa y satisfaga las necesidades del departamento.