¿Cómo empiezo a trabajar con datos? – Parte 1

Share This Post

Share on facebook
Share on linkedin
Share on twitter
Share on email

A principio de este turbulento 2020 leí un artículo de Forbes que anunciaba que “toda compañía es una compañía de analisis datos” (Every company is a data & analytics company en su ingles original). Amir Orad, el autor de esta cita, incluso anunciaba que todos las compañías en el mercado van a verse forzadas a tomar uno de dos caminos, transformarse en compañias inteligentes (compañias data-driven) u obsoletas 🤯.

Every Company is a Data & Analytics Company

Todo esta reflexión venía a partir del análisis del anuncio de Nike de remplazar a su histórico CEO Mark Parker por John Donahoe, un ejecutivo con una gran trayectoria en empresas de tecnología. Con foco en redoblar aquello de que Nike es una empresa de tecnología que vende zapatillas y ropa (dato no menor; de Febrero hasta ahora, Octubre 2020, las acciones de Nike crecieron un 30%). Todo esto, antes de la pandemia que paralizo al mundo y dejo a todas aquellas compañías y marcas sin una identidad digital… silenciadas! La pandemia no hizo más que acelerar la trasformación digital, y hoy en día las palabras de Amir cobran más sentido que nunca, solo las compañías data-driven podrán triunfar en el mundo actual, el resto… quedaran obsoletas.

Sin importar lo que estés vendiendo, debes estar recolectando información sobre tus clientes para poder hacer mejor tu negocio. ¡Es esencial! Y esto no requiere de cientos de desarrolladores, data scientists o data engineers, pero si requiere de un plan.

¿Cómo hago entonces para ser una compañía data-driven? ¿Cuál es el plan que debo seguir?

Empecemos por el principio, ser una compañia data-driven implica que cualquier persona dentro de la organización entienda y confíe en los datos, y pueda tomar decisiones en base eso. No es necesario en principio ningún tipo de algoritmo de inteligencia artificial o machine learning, ni deberías tener porque empezar a preocuparte por querys SQLs o complicarte con entender los pageviews sin valor de google analytics.

Nuestro plan consiste en:

  1. Definir qué es importante para tu negocio, cuáles son tus objetivos y cuáles son las métricas que te van a llevar a alcanzarlos. Básicamente, este primer paso consiste en definir tu estrategia de producto basada en datos.
  2. Definir que datos vamos a recolectar y cómo vamos a hacerlo, este proceso contempla la creación de la taxonomía de datos de la organización.
  3. Definir el tipo de análisis que queremos realizar con los datos, está claro que el propósito es mejorar la experiencia de nuestros clientes, pero cómo…. ¿qué debemos medir? ¿cómo debemos medirlo? En este post la idea es indagar en los diferentes análisis que podemos realizar: MAUs, LTV, Engagement, Funnel, Cohort Analysis, Correlation Analysis, etc…
  4. Integración de los datos, ¿cómo vamos a integrar estos datos con otras plataformas? No sirve de nada tener un workflow fragmentado que no nos permita sacarle el máximo provecho a nuestra información. ¿Cómo podemos crear esos procesos automáticos que nos permiten escalar exponencialmente nuestros productos?

En este post vamos a enfocarnos en los puntos 1 y 2 del plan, y vamos a dejar los puntos 3 y 4 para futuras entregas. ¡Suscríbete para que te llegue!

1. ¿Cómo hago para definir mi estrategia basada en datos?

Primero, una estrategia de producto es un plan de alto nivel para lo que quiere que logre su producto. Por lo general, define tres cosas: cómo tu producto satisfará las necesidades del cliente, alcanzará los objetivos comerciales y proporcionará un valor único. Una estrategia de producto basada en datos lleva tu estrategia de producto al siguiente nivel. Como sugiere el nombre, una estrategia de producto basada en datos se basa en datos, cualitativos y cuantitativos. Entonces, en lugar de adivinar qué necesitan los clientes, utiliza datos de su comportamiento para comprender lo que necesitan.

Para lograr esto, nosotros recomendamos la metodología de la Product North Star, a partir de la cual podrá identificar la métrica que relaciona el valor que provee a sus clientes con sus objetivos comerciales y al mismo tiempo todas las “Input Metrics” que impulsan el crecimiento de su North Star. En este post hablamos en mayor profundidad sobre esta metodología, la cual nos va a dar como resultado un conjunto de métricas fundamentales para analizar nuestro producto.

2. Recolección de Datos: ¿qué tipo de datos vamos a recolectar? ¿desde dónde vamos a hacerlo? ¿qué tipo de información voy a recolectar?

En Product Minds trabajamos de la mano con múltiples equipos de Producto, y nuestra recomendacion es siempre la misma: para poder tener la foto completa de la experiencia del usuario, necesitamos recolectar data cuantitativa y cualitativa.

La idea es hacer uso de las dos para poder formular hipótesis sobre nuestros usuarios y validarlas (o no) a partir de los datos.

Por ejemplo, podriamos llegar a observar en los datos cuantitativos que un 50% de los usuarios estan abandonando la página de checkout y a partir de una encuesta a usuarios finales entender a qué se debe este gran porcentaje de abandono:

Otra forma de analizar los datos podría partir de una observación realizada por un cliente, y una validación (o no) a partir del análisis de los datos cuantitativos. No alcanza con saber lo que opina un usuario, tengo que entender si esa opinión o ese comportamiento se manifiesta en un porcentaje relevante de mi base de usuarios:

Para recolectar data cualitativa hay diferentes métodos y herramientas, desde soluciones digitales para grabar sesiones o visualizar mapas de calor de su sitio hasta soluciones que permiten hacer encuestas a sus clientes en su producto. Si bien estas soluciones son excelentes, nosotros recomendamos simplemente salir y hablar con sus clientes!
Si su producto es B2B, levantar el tubo y llamar a sus clientes. Consúlteles respecto a su experiencia y obtenga feedback directamente de ellos! Pro tip: Su equipo de Ventas y Customer Success Management puede ser una gran fuente de datos también.
Si su producto es B2C, salga a la calle y entreviste a personas al azar!! U organice focus groups para poder ver como personas random usan su producto y pueda hacerles preguntas respecto a su experiencia. No tenga miedo de mirar a la cara a sus clientes y hablar con ellos! Cualquier gran Product Manager tuvo que pasar por esa incómoda experiencia.

Y recuerde, lo que sus clientes dicen es solo una parte de la historia, no necesita cambiar radicalmente su producto por una mala entrevista con un usuario. Busque formular hipótesis, crear experimentos y validar esas hipótesis a través de datos cuantitativos. ¡Empiece de a poco, experimente, mida, itere!

Respecto a la data cuantitativa, nuevamente, la mejor opcion y la más confiable, es tambien recolectar datos de usuario. La idea sería tratar de entender como los usuarios se comportan a partir de recolectar sus interacciones con su producto. Donde estas “interacciones” se transforman en eventos que trackeamos y recolectamos.

¿Qué más debo trackear junto con el evento?

Junto con el evento deberíamos trackear al usuario! Es fundamental entender los eventos a nivel usuario, y tener la capacidad de entender quién es la persona que está realizando una acción concreta con mi producto. No queremos tener solo números en una pantalla, queremos ver como nuestros clientes utilizan nuestro producto. Además deberíamos poder trackear el contexto de este evento, lo cual se traduce en propiedades de evento y propiedades de usuario.

Ejemplo:
Evento: “Escuchar Canción”
Propiedades del evento: “Nombre” “Duración” “Género”
Usuario: IDs que permitan identificar al usuario como único.
Propiedades de usuario: “Locación” “Dispositivo” “Attribution data” “A/B Testing Data”

¿Qué acciones elijo trackear para mi producto? ¿cómo las priorizo? ¿qué es importante medir?

Nosotros consideramos fundamental crear una taxonomía (la taxonomía es el conjunto de eventos y propiedades que vamos a trackear) alrededor de sus objetivos, por eso es que recomendamos empezar por definir su Product North Star Metric e Input Metrics, eso nos va a permitir definir cuáles son los eventos o interacciones prioritarias de su producto.

A todos aquellos que se encuentren con la tarea de definir su taxonomía les recomendamos revisar el Data Taxonomy Playbook de Amplitude, esta guía contiene recomendaciones para definir una taxonomía desde cero e incluye algunos ejemplos relevantes por industria. Recuerde que el foco debe estar puesto en entender la experiencia del cliente, no solo que tan efectiva fue una campaña de marketing para traer “visitas” a tu sitio. ¡Diganle no a las vanity metrics!

Marketing Vanity Metrics cartoon | Marketoonist | Tom Fishburne

Si la información que te hemos compartido no es suficiente, aún te preguntas como puedes hacer para empezar a trabajar con datos, y crees importante para tu empresa contar con la ayuda de un experto, entonces llámanos 📞.

En Product Minds somos especialistas en Data & Analytics, nuestra misión es ayudar a empresas latinoamericanas a construir mejores experiencias digitales!

💬 Enviar un WhatsApp
📩 hola@productminds.io
☕️ Agendar una reunión

Receive the latest news​

Subscribe To Our Monthly Newsletter

Get updates and learn from the experts

¡Gracias por su interés!

Estamos super entusiasmados de contarle más sobre Product Minds. Pero primero, cuéntennos algo más de usted :)