Gracias a los avances en Machine Learning, el Marketing Analytics cada vez ofrece un mayor impacto en los resultados de las empresas. Permite a las organizaciones mejorar la segmentación de los anuncios y otros contenidos, optimizar su gasto publicitario mediante modelos de atribución avanzados, aumentar el customer lifetime value, reducir el churn y mucho más.
Mientras la tecnología está haciendo posible la hipersegmentación y la medición, los responsables de marketing también están duplicando las medidas para garantizar la privacidad de los consumidores y la gobernanza de datos en sus iniciativas. También se están preparando para el reto de seguir utilizando datos de terceros bajo la premisa de la inminente desaparición de las cookies.
Aquí tienes 6 tendencias en Marketing Analytics y Customer 360º que irán evolucionando a lo largo de este 2021 y que darán lugar a los casos de uso más demandados por los departamentos de Marketing:
Al ejecutar queries en customer data platforms con baja latencia, los marketers pueden ver cómo están funcionando sus campañas en tiempo real, filtrar esa vista por audiencia e identificar qué segmentos no están funcionando como deberían. De esta manera, la segmentación y copies se pueden ir ajustando de cara a mejorar el rendimiento de las campañas.
Para que esto sea posible a mayor escala, los departamentos de marketing tendrán que contar con una plataforma que pueda equilibrar las cargas de datos en batch con el procesamiento para BI y análisis de negocio. En otras palabras, la plataforma debe permitir que diferentes tipos de trabajos se ejecuten en paralelo agregando recursos informáticos a los clusters según sea necesario. Como resultado de esta elasticidad instantánea, los Data Scientists podrán acceder a los datos de respuesta en cualquier momento.
En estos primeros días de 2021, las empresas reconocen que tan importante es la seguridad de los datos de marketing como contar con una buena infraestructura. Como resultado, los responsables de marketing deberán reflexionar sobre invertir en tecnologías que hagan hincapié en el cifrado, supervisión de red, control de acceso, etc. Sin embargo, este tipo de decisiones no son para nada ágiles por lo que mientras tanto, buscarán asociarse con proveedores que cuenten con monitoreo integral, alertas y prácticas de ciberseguridad.
Para ayudar al cumplimiento del RGPD, y otros estándares reglamentarios, y limitar la exposición a sanciones, las organizaciones buscarán cada vez más plataformas donde todos los datos de los clientes puedan vivir en un solo lugar. Los avances en el cifrado y la informática han creado nuevas formas de almacenar y compartir de forma segura los datos gobernados para que sea posible mantener los datos activos en una única ubicación y conceder acceso bajo demanda a esa única fuente de verdad (el archiconocido y deseado `Single Point Of Truth´)
Al permitir que las personas de la organización interactúen con una sola copia de los mismos datos, el trabajo de los administradores de cumplimiento encargados de identificar y eliminar cada pieza de información perteneciente a un cliente específico se vuelve mucho más fácil, y la probabilidad de que algo se pase por alto se reduce.
Impulsado por el Machine Learning, el análisis predictivo es la práctica de identificar la probabilidad de resultados futuros mediante el análisis de datos históricos. Abarca modelos de propensión, que identifican a los clientes potenciales que tienen más probabilidades de convertirse en clientes y clientes de alto valor con mayor probabilidad de abandono, así como modelos de scoring de afinidad, que mide los intereses de las personas en función de su historial de navegación. A través de modelos de Machine Learning mejorados continuamente, las predicciones pueden ser más precisas a lo largo del tiempo, logrando alargar el customer lifetime value de los clientes y reducir el churn.
La inversión real en análisis predictivo está empezando a coincidir con el bombo que ha generado en la última década. Según un informe publicado por Zion Market Research, se prevé que la inversión a nivel mundial será de casi 11.000 millones de dólares en 2022, aumentando a una tasa de crecimiento anual compuesta de alrededor del 21%.
La muerte de las cookies de terceros sonó con fuerza a principios de 2020, cuando Google anunció que las cookies serían eliminadas de Chrome en un plazo de dos años. (Ya habían sido eliminados de Safari y Firefox.) Las cookies permiten el seguimiento de los consumidores de un sitio web a otro, lo que permite a los profesionales de marketing comprender quién visita su sitio web y orientar su estrategia de remarketing y publicidad a esos usuarios.
Agregar píxeles de seguimiento a las páginas web será extremadamente difícil en el futuro, lo que significa que los dueños de sitios web tendrán que recopilar ellos mismos datos más limitados sobre el comportamiento de los usuarios y luego unificarlo con otros conjuntos de datos de origen para lograr una visión holística del cliente. Esto es una gran victoria para los defensores de la privacidad de los consumidores, pero un grandísimo dolor de cabeza para los anunciantes y las agencias, que tendrán más dificultades para reorientar anuncios, crear audiencias en sus plataformas de administración de datos, aprovechar los insights de los modelos de atribución y otras actividades básicas en marketing digital.
De cara a prepararse para un mundo con menos cookies, los marketers deben trazar un plan de mitigación. Como punto de partida, tendrán que evaluar su stack tecnológico para comprender cómo se recopilan los datos, examinar sus modelos de atribución de marketing, hacer un balance de sus datos de origen y si se basan en las cookies que se van a desactivar revisando su estrategia de optimización.
En parte como respuesta al inminente fin de las cookies de terceros, el análisis de marketing se volverá mucho más importante a partir de este año. Teniendo en cuenta que se perderá toda la información de valor del comportamiento de los usuarios que nos aportaban históricamente las cookies, los marketeres tratarán de sacar el máximo partido a los insights con los que cuenten en cada parte del funnel.
En la práctica esto significa que, además de contar los atributos conocidos e inferidos como la edad, ubicación, ingresos del hogar y afinidad por la marca, se analizarán todos y cada uno de los insights del customer journey de ese cliente para adaptar y personalizar al máximo los copies y las campañas.
Contar con una plataforma donde estén unificados todos los datos de Marketing para tener una visión 360º del cliente se presenta clave para tratar de entender a los usuarios y obtener insights con los que no contaremos en un futuro próximo.
Los first-party data tienen una limitación: solo te permiten ver cómo las personas interactúan con tus touchpoints. En medio del ocaso de las cookies de los buscadores, las empresas seguirán invirtiendo en datos de terceros para proporcionar una visión más sólida de los clientes junto con los datos que se recopilan en el origen.
Históricamente, los datos de terceros han sido algo complejo para los marketers por su obtención, mantenimiento y uso. Nuevas plataformas como Snowflake Data Marketplace están abordando desafíos que han obstaculizado el enriquecimiento de los datos en el pasado, como el largo tiempo que pasa hasta que das valor a esos datos, el coste de obtenerlos y problemas de Data Governance.
El hecho de que el marketing incluya innumerables disciplinas como el PR, la publicidad, la organización de eventos, la distribución, el producto, pricing, etc., y cada vez escuchemos más tendencias y herramientas que se suman a la causa, provoca que en ocasiones se pierda el foco. La esencia del Marketing es satisfacer las necesidades de nuestros clientes con nuestros productos o servicios y para ello deberemos conocerles lo mejor posible de cara a ser relevantes y estar presentes en el momento, la forma y lugar adecuados. En un mundo donde la protección de datos cada vez se lo pondrá más difícil a los marketers, donde la competencia es bestial y donde cada día se generan más y más datos en diferentes formatos, el uso de Analítica Predictiva y herramientas que unifiquen toda esa información en un único lugar se presenta crítico para lograr ser relevantes.
Referencias: Snowflake