¿Se te ponen los ojos en blanco cuando ves que te han asignado la tarea de «analizar datos» o «crear un informe»?
Las investigaciones han demostrado que analizar datos no es algo natural para la mayoría de las personas.
¿Crear campañas de marketing impresionantes? Estupendo.
Pero cuando se trata de analizar si esa campaña fue un éxito, es donde la mayoría de las empresas se quedan cortas.
Queríamos ayudar a resolver ese problema -especialmente cuando las empresas impulsadas por los datos tienen tres veces más probabilidades de reportar mejoras significativas en la toma de decisiones.
Entonces, ¿cómo superar el miedo (o la lucha) de analizar los datos?
En esta guía, compartiremos los resultados de nuestra encuesta que nos ayuda a entender lo difícil que es dominar el análisis de datos, junto con 14 técnicas expertas de análisis de datos que le ayudarán a empezar.
¿Por qué es tan difícil analizar datos?
Las palabras «analizar datos» pueden erizar la piel de cualquier profesional del marketing. Usted es una persona creativa que trabaja para escribir un texto ágil y armar campañas inteligentes… no para indagar en un montón de números, ¿verdad?
Queríamos averiguar por qué los profesionales del marketing tienen dificultades con el análisis de datos.
Los resultados de nuestra encuesta podrían ser la respuesta. Aunque la mayoría de las empresas que encuestamos dijeron tener varios empleados:
Casi la mitad no emplea a un analista de datos a tiempo completo. Las empresas que sí emplean a varios analistas de datos se encuentran en la minoría:
… Eso significa que los miembros habituales de su equipo tienen que llenar los huecos. Esas personas pueden no ser expertos en datos, lo que hace que el análisis parezca una tarea complicada. (O, una que el personal intenta pasar.)
Pero no es sólo la falta de habilidad lo que hace que el análisis de datos sea tan difícil. Jenny Rankin, de Mensa, lo explica: «Llevé a cabo un estudio cuantitativo en el que participaron 211 adultos con estudios universitarios y descubrí que su precisión a la hora de interpretar los datos era de una media de sólo el 11% de aciertos, y que los que interpretaban mal los datos no solían ser conscientes de que los estaban interpretando mal.»
«Esto está a la par de estudios similares que encuentran que el uso de los datos es más difícil de lo que la mayoría de la gente cree.»
14 consejos de análisis de datos de los expertos
¿Estás listo para superar la llamada «parálisis del análisis» y empezar a entender los números que llenan tus hojas de cálculo?
Compartiremos los mejores consejos de nuestros expertos para analizar datos, como:
- Limpiar los datos
- Asegurarse de responder a una pregunta
- Crear descripciones básicas de los datos
- Comprobar que el contexto es correcto
- Ampliar los datos de varias fuentes
- Asegurarse de sus principales métricas clave
- …Pero compararlas con otros KPI
- Buscar los datos que van en contra de su hipótesis
- Investigar las anomalías
- Categorizar los datos cualitativos
- Visualizar sus datos
- Colorearcodificación de tendencias y patrones
- Usar el análisis de cohortes
- Hacer uso de las herramientas de análisis de datos
- Empezar con datos limpios
Antes de sumergirse en las cifras, Eve Lyons-Berg, de Data Leaders Brief, cree que debes «¡asegurarte de que estás trabajando con datos buenos, limpios y completos!»
«El análisis de datos se basa en la suposición fundamental de que los datos que estás analizando son fiables. Si estás mirando datos poco fiables, o datos insignificantes (es decir, demasiado pequeños), o incluso sólo datos inconsistentes (es decir, una métrica que se mide normalmente a diario, pero con varias brechas de una semana en intervalos aleatorios), tus resultados no serán fiables.»
Omar Fonseca, de Medicare Plan Finder, explica cómo limpiar tus datos: «En primer lugar, querrá desduplicar sus datos para asegurarse de que elimina los duplicados si eso es algo que causará problemas en su conjunto de datos.»
«También querrá eliminar los campos (o columnas) innecesarios que puede eliminar manualmente después de guardar su conjunto de datos como un conjunto separado.»
Fonesca también aconseja «asegurarse de que titula y formatea todos sus campos (o celdas) correctamente. De este modo, cuando estés metido hasta las rodillas en los datos, serás capaz de tamizar la granularidad de los mismos en busca de información valiosa y de perspectivas tanto de las oportunidades como de las amenazas que, de otro modo, podrías haber pasado por alto.»
Aspira a responder a una pregunta
Branko Kral, de King Digital, cree que «es muy fácil perderse en las herramientas de análisis, como Google Analytics, si las abres sin una pregunta específica en mente. Es deseable indagar y explorar nuevos informes o modificaciones de los mismos, pero hay que volver siempre a la motivación principal del análisis. La pregunta te mantendrá centrado»
El equipo de Kral puso esto en práctica cuando experimentaron una caída del tráfico orgánico: «La pregunta principal era: ¿qué causó la caída y qué podemos hacer para que el tráfico vuelva a subir?»
«Hubo algunos matices en los datos, pero en general, descubrimos que el tráfico orgánico se vio afectado en todo el sitio, así como sin que hiciéramos ningún cambio importante en las cualidades SEO del sitio durante al menos unas semanas antes de la caída. Eso nos dio la confianza para afirmar que la causa de la caída fue externa»
«Investigamos las noticias de SEO y aprendimos que la actualización del algoritmo de principios de junio favorece a los grandes editores. También hemos notado el factor externo de los fragmentos destacados que empujan los resultados de la página 1 hacia abajo», añade Kral.
Louis Watton, de Shiply, está de acuerdo: «Es fácil caer en la parálisis del análisis cuando se analizan grandes conjuntos de datos, por lo que tener unos objetivos claros al principio puede ayudar a centrar los esfuerzos para obtener las respuestas que realmente se necesitan con rapidez»
También lo hace Lizzie Dunn, de Fundera, que añade: «Un consejo importante para el análisis y el uso de los datos es si su empresa puede justificar un caso de negocio para ello en primer lugar.»
«Hacer la pregunta: «¿por qué se recopilan estos datos y para qué podemos utilizarlos?» es una pregunta importante, pero una pregunta aún más importante que hay que hacerse es: «¿estos datos están creando valor para los clientes y el negocio?»
«Al responder a estas preguntas, es más probable que puedas determinar qué datos son los más importantes para mirar, y qué datos pueden asociarse directamente con la creación de valor para el cliente o la monetización para el negocio», escribe Dunn.
Resumiendo, Tony Mastri, de Search Engine Coach, dice: «Es raro que un conjunto de datos simplemente levante la mano y te diga los conocimientos que tiene. Cuando comienzas tu análisis con una pregunta, puedes determinar rápidamente qué métricas y dimensiones son necesarias para destilar una respuesta».
Crea descripciones básicas para tus datos
¿Te sientes abrumado por los números con los que estás trabajando?
Ryan Underwood, de Your Parking Space, tiene una práctica solución: «Mucha gente trata de entender conjuntos de datos complejos antes de leer y comprender las descripciones más básicas de los datos.»
«Estas descripciones ofrecen un contexto simplificado de las tendencias de los datos que son útiles para entender antes de analizar los datos en bruto. Si omite estas descripciones, es probable que obtenga más frustración y confusión que conocimiento.»
Compruebe que el contexto es correcto
Antes mencionamos cómo la limpieza de sus datos es el primer paso en el análisis de datos. Sin datos precisos, no se puede obtener un análisis preciso.
Por esa razón, Krzysztof Surowiecki, de Hexe Data, cree que es importante «comprobar dos veces los datos con los que se trabaja. Es un error común que encontramos a menudo. Por lo tanto, asegúrate de que los datos que quieres preparar para una investigación posterior son correctos»
Robin Abrams, de Trade Finance Global, lo explica: «Un ejemplo sería cuando se están analizando los datos del sitio web a lo largo de dos años. Es importante darse cuenta de que, durante el periodo de tiempo, la cantidad de tráfico y/o la estructura/número de páginas, los productos y los competidores pueden haber cambiado tanto que los dos años ya no son comparables»
El equipo de Surowiecki puso esto en práctica cuando «realizó un análisis profundo para uno de los principales comercios electrónicos de moda. Nos informaron de que tenían mucho tráfico, los usuarios miraban la ropa, la añadían a la cesta pero no compraban (convertían).»
«Nuestro cliente estaba desconcertado y sospechaba que había un error y la razón que había detrás en su servicio. Buscamos las razones allí, investigamos el servicio, echamos un vistazo más de cerca a los datos. Y nuestra investigación demostró que en realidad el servicio está bien, todo funciona allí correctamente.»
«Sin embargo, nuestra investigación demostró que los usuarios tratan el servicio como un probador. Se prueban la ropa nueva, la añaden a la cesta, pero en realidad la compran sólo en los días de pago. Es justo el camino más largo de los usuarios el que lleva a la decisión de compra el último o décimo día del mes, cuando reciben su salario».
«Creo que este caso es interesante porque demuestra que el servicio de comercio electrónico funciona, pero los comportamientos de los usuarios son simplemente diferentes de los que los clientes sospechaban, por lo que no investigaron a fondo a la audiencia en primer lugar», resume Surowiecki.
Andrew McLoughlin, de Colibri Digital Marketing, está de acuerdo y recomienda «poner siempre los datos en su contexto adecuado. Sin una comprensión de las condiciones más amplias, los puntos de referencia, las tendencias o los detalles, entonces tus datos no serán útiles y cualquier conclusión que saques no será fiable».»
«Intenta tratar la información en bruto como un simple nodo en una red lo más amplia posible. El análisis será más exhaustivo y tus conclusiones serán infinitamente más procesables», añade McLoughlin.
Agrupa los datos de varias fuentes
«El mejor consejo que doy a nuestros clientes es que dejen de ver los datos en silos y trabajen con una herramienta de agregación/visualización de datos», escribe Giselle Bardwell, de Kiwi Creative.
«Aprovecha una plataforma, como Databox, para combinar múltiples fuentes y métricas para contar una historia completa de cómo el marketing y las ventas están funcionando (¡o no!) Reunir todos los datos hace que sea más fácil encontrar correlaciones, similitudes y áreas para mejorar».»
Bardwell continúa: «Recientemente hemos analizado el compromiso general en nuestro blog en términos de la página de aterrizaje inicial, las interacciones con varias llamadas a la acción (CTA) en la página, y el viaje que el usuario hace a través del sitio web después de leer un post.»
«Observar la diferencia entre la interacción de los usuarios en el blog y en las páginas específicas de ventas, nos ayudó a revisar nuestra estrategia de contenidos para incluir CTAs más relevantes para impulsar el crecimiento de los leads.»
Es una táctica de análisis de datos que también utiliza Simon Rodgers de WebSitePulse: «Superpuse los archivos de registro del servidor con el mapa del sitio XML y descubrí que el bot de Google no visitaba algunas de las URLs. Resultó que tenían la etiqueta meta nofollow por error».
Kyle Kozie, de LSEO, explica cómo lo hicieron recientemente cuando analizaron «los rankings de palabras clave y el tráfico que entraba en esas páginas. Acabábamos de renovar y rediseñar nuestro sitio web»
«Desde un punto de vista holístico basado en el tráfico y los rankings, todo parecía estar bien, pero no era exactamente así»
«Lo que notamos cuando profundizamos en los datos de Google Analytics es que estábamos perdiendo grandes oportunidades al no tener todo el contenido correcto en nuestro sitio para orientar los términos que deberíamos perseguir en función de todos nuestros servicios. Nos dimos cuenta de esto analizando específicamente los datos de la página de destino y el tráfico que entraba en esas páginas»
«Luego cruzamos eso con los datos de palabras clave de SEMrush para darnos cuenta de que no estábamos siendo lo suficientemente específicos en nuestro contenido», añade Kozie.
Como resume Jason Parks Parks de The Media Captain: «No tengas miedo de gastar dinero en un gran software. Puede ahorrar a tu equipo mucho tiempo y beneficiar a tu negocio o al de tus clientes».
*Nota del editor: Sea cual sea la herramienta de análisis de datos con la que trabajes, podrás agrupar los datos de tus informes utilizando las plantillas de Databox. Disponemos de cuadros de mando personalizables para Google Analytics, SEMRush y HubSpot Marketing (mostrados a continuación) para que puedas empezar a utilizarlos al instante:
Descubre tus métricas más relevantes
«La recopilación de datos es solo el primer paso de una estrategia basada en datos; el verdadero trabajo consiste en clasificar los datos para decidir qué incluir y qué descartar o despriorizar», afirma Sam Underwood, de Futurety.
«Es realmente fácil perderse en terabytes de datos cuando sólo un par de esas columnas te dirían la historia principal que necesitas para hacer un cambio en el negocio.»
Pero de forma similar a empezar con una pregunta, Harris Schachter de OptimizePrime piensa que se debe «empezar con el fin en mente» haciendo preguntas como: «¿De dónde provienen tus ingresos? ¿Qué canales y de qué tipo de clientes? Empieza por ahí y trabaja hacia atrás en las métricas significativas que te lleven a ese punto»
Schachter añade: «Esto es normal que lo haga una persona de finanzas, pero como mercadólogos, nuestra configuración predeterminada es comenzar en la parte superior con métricas de vanidad como los rankings de SEO, las vistas de página únicas o, lo que es peor, los recuentos de share/like/follow. Tu negocio no mantiene las luces encendidas con esas métricas, así que céntrate en lo que sí lo hace, y te sorprenderás de los conocimientos que puedes encontrar.»
…Pero compara varios otros KPIs
Ward van Gasteren de Tools with Ward recomienda «segmentar en base a varias métricas relevantes una sola métrica no te dará insights, pero múltiples métricas combinadas pueden producir una gran cantidad de insights.»
«Por ejemplo, puedes segmentar el número de formularios de envío en base al país de origen, el canal de adquisición o el dispositivo del usuario. Hay algo en alguna parte que no es ‘normal’? Por ejemplo, un canal específico que se está quedando atrás en comparación con el mes pasado y los demás canales.»
Van Gasteren continúa: «Tal vez has cambiado el anuncio en ese canal y resulta que provoca un desajuste con el formulario de registro o esas personas no sienten que el formulario esté pensado para ellas.»
«Si eres nuevo en una empresa, siempre puedes pedir a un colega más experimentado que observe contigo los datos. Quizá se den cuenta enseguida de que uno de los canales más importantes se está quedando atrás o de que falta algo», añade van Gasteren.
¿Pero qué métricas elegir para monitorizar? Según Romy Fuchs, BEE Inbound AG responde a esta pregunta: «¿Qué cifras clave son críticas y relevantes para nuestro crecimiento?»
«A partir de esto, desarrollamos un concepto de análisis y compilamos los cuadros de mando en vivo necesarios con Databox. No sólo medimos, sino que también buscamos el potencial de optimización. Las medidas con buen rendimiento se refuerzan, las que no tienen éxito se interrumpen.
«Según nuestra experiencia, vale la pena empezar una campaña pequeña, luego medirla y optimizarla y después ampliarla.»
Busca datos que vayan en contra de tu hipótesis
Independientemente de la pregunta con la que empieces, tendrás alguna idea de las tendencias que esperas sacar de los datos.
(Por ejemplo: Si te preguntas «¿por qué aumentó el tráfico de Facebook el mes pasado?», es posible que esperes que la respuesta sea a través de tu mayor gasto en publicidad.)
Alex Birkett, de HubSpot, recomienda que «en lugar de buscar datos que apoyen una hipótesis previa, intenta buscar contrafactuales o piezas de datos que rechacen tu hipótesis.»
«Todos estamos blindados con el suficiente sesgo cognitivo como para dirigir el barco en una dirección totalmente desastrosa, así que para combatir el sesgo de confirmación, necesitamos buscar conscientemente explicaciones alternativas.»
Investiga tus anomalías
Al buscar datos que rechacen tu pregunta inicial, podrías detectar algunas diferencias inusuales.
Esas son las anomalías -algo que deberías investigar, según Lauren Pope de G2: «Escuchar los datos es importante, pero no es infalible. Si los datos te dicen de repente algo MUY diferente de lo que hacían hace una semana, tómate el tiempo de ver si todo está funcionando como debería».»
«Existe la posibilidad de que un módulo se haya desactivado, que un código UTM se haya corrompido o que algo más haya salido mal. No sigas ciegamente los datos, confía en tu instinto», añade Pope.
Es una táctica que también utiliza el equipo de Web Canopy Studio , como explica Kenny Lange: «Me parece que lo más útil es profundizar en las anomalías, aunque sean pequeñas. Es fácil racionalizar el cambio en los patrones y asumir que lo que estás viendo no es estadísticamente significativo».
«Además de profundizar en las anomalías, siempre hay que preguntarse «¿por qué?». Sé que arriba y a la derecha es bueno, pero si nunca entiendes qué palancas están controlando tu crecimiento, serás incapaz de arreglarlas cuando se rompan.»
Categorizar los datos cualitativos
La mayoría de los consejos de análisis de datos que hemos cubierto hasta ahora se refieren a los datos cuantitativos (es decir, los datos en forma numérica.)
Pero, ¿cómo puede analizar los datos cualitativos -como los caracteres, los símbolos o las palabras- que está recopilando a través de canales como las encuestas?
«A menudo, la gente se pone nerviosa sobre cómo analizar las respuestas de las encuestas en las que la gente rellena sus respuestas en lugar de elegirlas de forma múltiple», escribe Marie Prokopets de FYI.
Sin embargo, Prokopets tiene un sencillo proceso paso a paso para analizar este tipo de datos: «Primero lee todas las respuestas. A continuación, clasifique cada una de las respuestas en categorías (no pasa nada si cada respuesta encaja en varias categorías) y calcule los números para ver qué categorías son las más grandes».
«Elija las mejores citas que ilustren las conclusiones de cada categoría y organícelas en su análisis».
Visualice sus datos
«Visualice sus datos siempre que sea posible», añade Will King, de Eastside Co. «Es difícil darse cuenta de las tendencias emergentes cuando se mira una hoja de cálculo llena de números. Pero en cuanto esos datos se representan en un formato visual, esas ideas son más fáciles de encontrar»
Tom Feltham, de Software Path, está de acuerdo: «Una de las mejores soluciones es utilizar sistemas de visualización o informes colaborativos»
«Lo ideal es que estos sistemas permitan compartir informes o crear cuadros de mando para comunicar los resultados de forma sencilla y documentar el análisis para poder descubrirlo o consultarlo más adelante»
*Nota del editor: Con las plantillas personalizables de Databox, puede ver (y compartir) fácilmente sus métricas más importantes con su equipo. Sólo tienes que conectar tu herramienta de análisis de datos, elegir los datos más relevantes y compartir el enlace con tus compañeros de trabajo:
Codifica tus datos por colores
«Me encanta exportar mis datos desde todos los recursos diferentes y luego codificarlos por colores», escribe Anne-Marie Hays de BestCompany. «Es mucho más fácil para mí, como aprendiz visual, dar sentido a los datos que están codificados y escalados por colores.»
«De forma regular, hago una investigación de palabras clave, con datos de múltiples fuentes. Lo importo todo en la misma hoja de cálculo y luego pongo los datos en escala de colores. Es mucho más fácil ver dónde están mis oportunidades.»
Utilizar el análisis de cohortes
«Mi principal consejo para analizar los datos es asegurarse de utilizar cohortes, y comparar diferentes estrategias de marketing utilizando estrategias de tiempo y calificación comparables», dice Casey Hill de Bonjoro.
El análisis de cohortes es un método que se suele utilizar dentro de Google Analytics para agrupar datos con tendencias similares y así facilitar la interpretación de lo que muestran los datos.
Hill continúa: «Por ejemplo, un problema clave que veo en el análisis de datos con muchas empresas es que ven un crecimiento del 15% en los clics y lo atribuyen a una nueva campaña o iniciativa que lanzaron. En realidad, ese crecimiento podría estar reflejando su curva de crecimiento natural, teniendo en cuenta los otros impulsores en el negocio (orgánico, de referencia, etc.)»
«Un ejemplo de este análisis de cohortes se puede ver en el examen de las cifras de deserción, donde tomamos una mirada comparativa en la utilización de Bonjoro (mensajes de vídeo personalizados) frente al correo electrónico estándar para conseguir que la gente pase los períodos de prueba. Tomamos una franja de datos de 3 meses utilizando estas dos metodologías diferentes para el seguimiento durante los períodos de prueba y mantuvimos todas las demás variables constantes. Esto nos permitió sentirnos seguros a la hora de decidir que los Bonjoro eran eficaces para aumentar las tasas de conversión», añade Hill.
Utiliza herramientas de análisis de datos
Levante la mano si actualmente utiliza una hoja de cálculo para gestionar sus datos.
(Continúe, yo espero.)
Apuesto a que ha levantado la mano. ¿Por qué? Porque casi todas las empresas que encuestamos dijeron que es la herramienta que utilizan para el análisis de datos:
Sin embargo, estos expertos recomiendan llevar las hojas de cálculo al siguiente nivel, como señala Fiona Kay, de Nigel Wright Group: «Utiliza herramientas de análisis asequibles siempre que sea posible»
«Yo analizo constantemente nuestros rankings de búsqueda orgánica utilizando Ahrefs. Utilizo el rastreador de rangos para vigilar cualquier movimiento en nuestros rankings y también uso esto así como el explorador de palabras clave para identificar nuevas oportunidades de palabras clave a las que deberíamos dirigirnos, tanto en contenido existente como nuevo.»
Romina Buchle de Storylead también dice que «analizan nuestras actividades de Marketing y Ventas para nuestra propia empresa (así como para nuestros clientes) regularmente dentro de la herramienta HubSpot. Las métricas básicas son el número de sesiones, la tasa de conversión de sesiones a contactos, el número de nuevos contactos, de nuevos clientes potenciales cualificados (MQLs/SQLs), los nuevos acuerdos añadidos y los acuerdos cerrados».
Ben Lund, de DIY Digital Strategy, «se asegura de que Google Analytics está configurado para realizar un seguimiento de todos los eventos valiosos. Esto incluye pedidos, clientes potenciales e incluso llamadas (a través de la plataforma CallRail).»
«Una vez que configures estos objetivos dentro de Google Analytics, podrás ver qué fuentes de tráfico son más rentables para tu negocio, y empujar esos canales adecuadamente.»
Lund también dice: «A diario, estoy mirando cómo nuestros anuncios de Google están impulsando el tráfico cualificado a través de Google Analytics. Se trata de revisar la duración de la sesión, la tasa de rebote, las páginas visitadas y los objetivos completados en el sitio (clientes potenciales, pedidos o llamadas)».»
«Reviso estos datos para luego optimizar nuestras campañas de Google Ads para empujar las campañas de mayor rendimiento y tirar de las de menor rendimiento».»
¿Con qué frecuencia debo analizar mis datos?
Ahora que entiendes cómo analizar tus datos, vale la pena tocar el tiempo que deberías reservar para esta tarea en tu rutina de trabajo.
Nuestra encuesta encontró que las empresas con más empleados tienden a realizar análisis de datos en profundidad varias veces por semana -en comparación con las empresas con 1-5 empleados, que sólo se sumergen en sus datos varias veces al mes:
¿La mala noticia? Aquí no hay una respuesta «correcta». Siempre y cuando estés analizando los datos con la suficiente frecuencia como para detectar (o prevenir) problemas en el futuro, estás en la línea correcta.
Pensamientos finales
Como puedes ver, el análisis de datos no debería ser dos palabras que hagan que se te encojan los dedos de los pies, como resume Lauren Pope de G2: «Los datos no pueden decirnos nada si no nos tomamos el tiempo de analizarlos»
Excavar en tus informes es una gran manera de encontrar tendencias que podrían ayudarte (o a tus clientes) a mejorar, lo que supone una pequeña inversión de tiempo para las ventajas que obtendrás a cambio.