¿Qué relación tienen los modelos de big data en estrategias de mercadeo?

Por: Mauricio López Vanegas, director de negocios inteligentes  de Pragma. Nos encontramos en la era de la transformación digital, un concepto clave y repetitivo que está en el día a día de las personas. Con frecuencia, escuchamos temas como big data, machine learning, Internet of Things e inteligencia artificial. Pero ¿qué tanto tienen que ver estos términos de moda en los procesos de mercadeo?

Antes que nada, debemos hacer un corto repaso sobre el cambio que están teniendo las áreas de mercadeo en las compañías. Por un lado, es claro que ya las responsabilidades no van dirigidas, como hace algunos años, a acciones relacionadas con campañas de actualización de datos, planes de referidos y presencia, así como participación en eventos del sector.

Si bien estas actividades siguen siendo una parte importante en las empresas, ahora, los usuarios o clientes y sus necesidades son el pilar para la definición de las estrategias de mercadeo, y basados en este principio, deben plantear el desarrollo de nuevos productos y servicios.

Por otro lado, el concepto genérico de big data va asociado a la manipulación de grandes volúmenes de datos, pero este concepto por sí solo genera una serie de preguntas y la más común entre los lectores es: ¿cuántos datos son muchos o pocos? Al no tener una ley absoluta frente a esta pregunta, empezamos a confundirnos con big data y mucho más en el cómo integrar las bondades de estos modelos en las estrategias de mercadeo.

Por ello, uno de los grandes retos de las compañías es implementar modelos de comunicación a usuarios finales de manera personalizada y automatizada, llegando con el mensaje apropiado, a la persona apropiada y en el momento apropiado y entendiendo cómo es el proceso de interacción de los usuarios con las comunicaciones para tomar acciones que mejoren la experiencia de usuario.

Lo anterior, además, permitirá evitar ser invasivos en la comunicación y terminar en la bandeja de spam o aumentar la deserción de los usuarios por sobre saturación de contenido.

A continuación, detallaré la implementación de un proyecto de marketing y un plan de comunicaciones automatizado. En cada una de sus etapas mencionaré las componentes de un proyecto de big data con la que se relaciona.

Este es el proceso de implementación de un plan de comunicación segmentado automatizado

modelos de big data

Antes que nada, recuerde las cinco V del big data: volumen, velocidad, variedad, veracidad y valor.

Primera etapa (color naranja)

Consiste en conocer las fuentes de información, su relación con el negocio, la limpieza y validación de la información y el gobierno de datos. Esta etapa responde a las siguientes V del big data:

En volumen se determina qué tanta información estará contemplada en el modelo de big data. Ejemplo: desde qué año se cargan los históricos de información.

En la velocidad se define a partir del volumen de datos, y precisamente, la tecnología garantiza la velocidad en la obtención y procesamiento de información. Ejemplo: los procesos automáticos se corren cada cinco minutos.

En la variedad se consideran qué tantos tipos de datos se contemplarán en el modelo. Ejemplo: transacciones, demográficos, contact center, redes sociales, información de mercado, entre otras.

Segunda etapa (color azul)

considera todos los temas de modelamiento y análisis de información. Aquí las V del big data que intervienen son las siguientes:

Veracidad: la implementación de modelos de cluster o machine learning exigen que la información sea veraz. De nada sirve implementar el modelo estadístico más complejo, si los resultados son errados o poco confiables.

Valor: muy similar al punto anterior, es importante que los resultados de los modelos generen valor a la marca. La implementación de modelos estadísticos debe facilitar la toma de decisiones y debe traducirse en la mejora de los indicadores. Si esto no se da, no tiene sentido invertir grandes cantidades monetarias y de tiempo en implementar modelos de Big Data.

Tercera etapa (color verde)

En esta se debe garantizar la correcta implementación de las dos etapas anteriores. Si esto no se garantiza en su totalidad no debe procederse a implementar la automatización del proceso. Lo anterior es un error común al confundir la implementación de un modelo de Big Data con la compra de una herramienta tecnológica.

Publicidad

Para finalizar, se debe tener presente que antes de implementar una iniciativa alrededor de big data, deberá entender que lo más importante es tener claro lo que busca resolver, involucrar las áreas en todo el proceso de construcción de los modelos y crear una cultura organizacional en donde todos hacen parte del desarrollo del proyecto y así mismo les hace ‘la vida más fácil’ en la toma de decisiones de negocio.

También le puede interesar:La nube: tercera revolución del retail

Comentarios