10 mandamientos para llegar de datos a insights
Martín Carniglia, Executive Director de Mkt Sciences @ R/GA Buenos Aires, explica cómo encontrar insights a partir del análisis de datos
Martín es Licenciado en Administración y antes de R/GA trabajó como Director Regional de Transformación Digital en Havas.
Hoy en R/GA lidera el área enfocada en proyectos de Infraestructura de Datos, Measurement, Analytics, Growth y Data Science aplicada.
Es autor del capítulo “Tracking & Optimización de Medios en la Era del Data-Driven Marketing”, incluido en el libro Mejor Marketing publicado por AMDIA. Y es miembro fundador de DACA, Digital Analytics Council de Argentina.
Además, dirige en M.AD el Bootcamp de Data Insights, y en esta clase abierta explica los pasos para hacer el viaje necesario de datos (hechos o información concreta registrada que permite conocer, analizar, calcular o planificar decisiones que impactan la realidad) a insights (percepción y comprensión de las necesidades reales expresadas y no expresadas por los consumidores). “Tenemos que darle sentido a la información para que signifique algo para nuestra campaña de marketing, sitio, app, negocio, proyecto, etc”, explica Martín.
O, dicho, de otro modo, el viaje de datos con un enfoque objetivo (números, valores, evidencia, información cruda) a insights con un enfoque subjetivo (comportamientos, tendencias, verdad revelada, hallazgos y percepciones, etc). “Los datos no se discuten, pero los insights dependen del ojo del analista y son sujeto de debate y podemos desafiarlos o complementarlos a lo largo del tiempo”, agrega.
Primero, martín explica que la construcción de insights puede ocurrir en dos sentidos:
- Descubrimiento. Partimos de la observación para descubrir patrones y comportamientos que nos llaman la atención. Aquí estaremos atentos a los valores denominados “outliers”, que son los que, en una tendencia, se salen del comportamiento que sigue el resto de los datos. En este enfoque empezamos a ver la información desde distintos ángulos y prismas. Es el proceso similar a una exploración o aventura, en donde hay que minar los datos, sacarlos a la superficie y pulirlos para luego obtener los insights.
- Validación. Partimos de una hipótesis y exploramos los datos para validar o contrarrestar nuestra creencia inicial. Por ejemplo, podemos tener una baja en la eficiencia de nuestras ventas o un problema de posicionamiento de nuestro producto y no tener claro cuál es el motivo. Podemos tener ciertas teorías de arranque que hace falta comprobar con los datos.
En ese camino del dato al insight, ya sea a partir de la exploración o validación, hay una serie de recomendaciones para que las conclusiones que extraemos sean válidas. Y una aclaración importante que hace Martín antes de ver en detalle los mandamientos: “Es importante no confundir insights con conclusiones: el insight es un output intermedio y las conclusiones son accionables posteriores (lo que decidimos hacer en base a esos insights)”.
Ahora sí, veamos cuáles son los 10 mandamientos para llegar de datos a insights:
1) “Mapearás todas las fuentes de datos relevantes”.
Es importante que abramos la cabeza, es una parte del proceso que requiere de capacidad imaginativa para poder expandir la frontera de los datos a los cuales accedemos típicamente. No tenemos que cerrarnos a usar siempre las mismas fuentes para buscar siempre las mismas respuestas. Es necesario ir complementando las fuentes de datos. Incluir tanto 3rd Party Data (de segunda mano) como 1st. Party Data (de primera mano, la que nosotros disponemos, por ejemplo, al analizar nuestro sitio/app/tienda física/CRM. Todos los puntos de contacto que tenemos con los consumidores nos brindan información relevante). “Cuando uno cocina insights, tiene que buscar ingredientes en distintas partes de la alacena. Cuanta más variedad, mejor. Podemos asociar el arte de la cocina al arte de la creación de insights”, dice. Algunos ejemplos:
a) Identificar fuentes de datos abiertos (exploración de todo aquello que está disponible en la web o datos públicos de gobiernos, asociaciones, organismos, etc) que nos suelen marcar tendencias sociales, económicas o de contexto.
b) Evaluar pautas de medios digitales y de canales tradicionales (las campañas o iniciativas que lanzamos en ellos van dejando información útil)
c) Identificar tendencias culturales (redes sociales, búsquedas digitales, estudios que analizan el comportamiento social en países/regiones/segmentos)
d) Comprender el consumo de medios
e) Evaluar datos de experiencias
f) Conocer el consumo en hogares
2) “No serás superficial en tu análisis. Siempre profundizarás en los detalles”.
Al sumar fuentes de datos, ganamos en granularidad. No podemos entender sólo cuáles son los productos que más se compran en una región, sino también cuáles son los productos más comprados en determinado segmento de nuestro clientes. Para eso, tenemos que hacer estudios comparativos: entre categorías de producto/segmentos de clientes/clientes versus no clientes, etc. Tenemos que bucear dentro de los datos, poniéndolos en contexto y crear comparaciones relevantes.
3) “No impondrás tus prejuicios sobre los datos. Nunca jamás”.
Este mandamiento, lamentablemente, se suele violar con frecuencia, según dice Martín. Como el proceso involucra una acción subjetiva, si llevamos prejuicios a la mesa (por ejemplo, deducir de antemano que determinado segmento de usuario es el que compra más) podemos caer en sesgos. Como el de sesgo de confirmación, en donde sólo veo aquellos datos que confirman o validan una creencia. “Esto suele ocurrir cuando uno acumula mucho tiempo de análisis sobre una misma categoría o target, o tiene muy desarrollado el músculo de la intuición. Esto puede atentar contra poder hallar nuevas formas de ver y analizar los datos; cuando nos briefea alguien que tiene mucho recorrido con una marca determinada, por ejemplo, esa persona suele traer ya su presunciones”, comenta el especialista.
Para quienes trabajan en campañas de email marketing, muchas veces se suele analizar qué día y horario de la semana funcionan mejor los envíos y eso se transforma en una verdad irrefutable que no se cuestiona ni se vuelve a medir/analizar. Eso es un error, porque ese resultado puede estar afectado por la estacionalidad, por algún elemento del contexto u otro factor que no identificamos. “Los datos y los análisis tienen que ser un proceso vivo: todo el tiempo se regeneran”, declara Martín.
4) “No sacarás conclusiones precipitadas con números muy pequeños”.
Al realizar análisis, a veces se toman muestras que no son representativas de todo el universo de usuarios/compradores/visitas. Por ejemplo, determinar cómo está performando una landing page sin dejar que tenga el tráfico necesario para validar si una versión es mejor que la otra. La “significancia estadística”, como se llama técnicamente esto, tiene que ser correcta. En este sentido, no hay que confundir causalidad con correlación: que dos eventos ocurran al mismo tiempo no necesariamente significa que uno causa el otro. Esto se suele ver en el análisis de campañas de marketing, cuando se dice que un determinado formato funciona mejor para generar conversiones. Ese tipo de sentencias muy generalistas pueden no tener en cuenta que ese mismo formato performa de manera muy distinta con un call to action diferente.
Hay que tener cuidado para no caer en los sesgos estadísticos:
Acá podés ver en más detalle de qué se trata cada uno (en inglés)
5) “Nutrirás tu análisis con enfoques visuales”.
El enfoque numérico puede no ser afín para muchas personas. Por eso, es aconsejable complementar los datos con visualizaciones, o presentarlos de una manera gráfica para facilitar su procesamiento. Nuestro cerebro está mucho mejor entrenado para interpretar y sacar conclusiones de elementos visuales. Por ejemplo, si uno tiene que identificar un grupo de compradores que tienen el número de ticket promedio más alto y compran productos de mayor calidad, sería algo muy difícil de analizar en una tabla. Si, en cambio, hacemos un análisis de cohortes, un histograma o un diagrama de dispersión, es más sencillo identificar elementos que se salen del promedio.
Martín recomienda la charla TED “La Finalidad de un buen gráfico”, de Tommy McCall, que nos ayuda a tomar dimensión de la historia de la visualización de datos y de cómo, con el paso del tiempo, no sólo tenemos más capacidad de cómputo en las herramientas tecnológicas sino también una mayor capacidad para consumir y procesar ese tipo de información.
(Datos interesantes que se desprenden de la charla: recién en 1801 William Playfair inventó el gráfico de barras y de tortas, y la mayoría de los otros gráficos que usamos hoy en Excel o Google Sheets; y en 1857 la enfermera y estadística británica Florence Nightingale, creó el Coxcomb Chart, una técnica de visualización más avanzada, en donde mapeó el número de muertes innecesarias durante la Guerra de Crimea como consecuencia de infecciones evitables; y ya en 1861 el ingeniero civil francés Charles Joseph Minard evolucionó aún más la técnica y graficó la marchas de las tropas napoleónicas en Moscú. ¡Las herramientas que usamos hoy en nuestros dashboards se las debemos a estas personas!)
6) “No caerás en la tentación del retro-planning”.
Una falencia habitual en las agencias creativas, dice Martín. “Hay un hábito aprendido de partir de la idea e ir a buscar el dato que la justifica. Es la madre de todos los sesgos. Si uno quiere encontrar un insight que justifique que los Millennials son el grupo más importante para una marca, lo va a encontrar. Si uno quiere encontrar una tendencia en conversaciones en redes sociales que haga pensar que existe una peor identificación del target femenino con una marca, lo va a encontrar también. Se crean distintos artilugios para llegar a la respuesta que queremos. En realidad, nosotros tenemos que dejarnos sorprender por los insights. Eso no significa que los datos sean irrefutables, porque siempre hay un proceso subjetivo por encima, pero tenemos que darnos la oportunidad de ir en las dos direcciones, la de descubrimiento y la de validación. Tratar de no quedarnos con una o la otra”. Se trata de conjugar arte y ciencia: primero aplicar el método científico, pero también tener en cuenta la subjetividad y creatividad.
7) “Te cuestionarás a ti mismo”.
Cuando ya tenemos todo el mapa de las fuentes de datos y aprendemos a transitarlos sin caer en sesgos, animándonos a hacer nuevas preguntas, también tenemos que animarnos a cuestionarnos eso mismo que hemos analizado. Un caso típico ocurre en la creación de reportes recurrentes (performance/awareness/conversiones/fidelización) en donde se tiende a replicar un formato a lo largo del tiempo (el famoso reporte mensual), encajonándose y sacando siempre las mismas conclusiones con la misma óptica. Dice Martín: “Hay que tener cierta apertura para, cada tanto, parar la pelota y repensar en análisis casi desde cero. Animarse a patear el tablero. Enfocar en otro territorio, buscar otra fuente de datos, formular otro tipo de preguntas”.
8) “Buscarás apoyarte en la inteligencia colectiva”.
Poner los datos al acceso de otros analistas, otros ojos y otras mentes, que puedan identificar otros patrones. “Una práctica que nosotros solemos recomendar es rotar los equipos que analizan una determinada temática, o generar dinámicas en las cuales haya un agente externo que participe del análisis en un mes determinado. Es bueno escuchar qué lee y qué interpreta esa persona en esa misma información que analizamos nosotros”. Es aceptar que el punto de vista de otro/s nos enriquece.
9) “Te asegurarás que los insights sean accionables”.
El aprendizaje de nuestra interpretación tiene que tener un efecto. Eso significa que un slide de un reporte que no tenga una conclusión que permita optimizar se tenga que eliminar o ser enfocado de otra manera. Lo mismo sucede con los dashboards: si no son consumidos o útiles, o no permiten tomar decisiones, quizás tengamos que replantearlos. Eso se aplica también a los procesos de planning: hay que concentrarse en los insights que realmente estén relacionados con el objetivo que estamos persiguiendo. Hay que evitar plantear insights sobre los cuales no podamos accionar o no dependan de nosotros.
Para esto es útil entender el modelo IABI, en contraposición al “data puke” (el vómito de datos que no son útiles):
10) “No asumirás que tu audiencia entiende. Te pondrás en sus zapatos (y ojos)”.
Esto tiene que ver más con el storytelling: cómo transformamos los datos en una historia que tiene sentido, es relevante y genera valor para quien está del otro lado. “Nosotros aconsejamos el desafío de hacer una especie de role play mental. Cerrar los ojos y ponerse en el lugar de la persona que consume la información (el gerente de marketing/el dueño de esta línea de producto, etc). Ver si, desde ese lugar, lo entendemos o necesitamos más información. Preguntarnos qué haríamos con esa información, qué exigiríamos y qué tipo de decisión podríamos tomar a partir de ese reporte. Es un ejercicio que se puede hacer de forma individual o en equipos, pidiéndole a otros que asuman ese papel.”
Acá podés ver el video completo de la charla abierta:
Profundizá en el análisis de datos.
“Al igual que el inglés, a todo el mundo le viene bien un poquito de estadística”, dice Martín al finalizar el resumen de los 10 mandamientos. Por eso, te recomendamos nuestro Bootcamp de Data Insights, en donde vas a comprender las distintas fuentes de datos disponibles, complementar el análisis cualitativo con el cuantitativo para identificar insights, y desarrollar estrategias y recomendaciones apalancadas en datos. Es un curso online de 7 semanas.
