Conocimiento de mi marca vs conocimiento del sector

Mucha gente piensa o cree que teniendo un conocimiento profundo sobre lo que ocurre con su marca sabe lo que ocurre en su sector. Es un error común, tengo perfectamente monitorizada mi marca y todos mis perfiles y, por tanto, creo que tengo tomado el pulso a todo lo que se está diciendo a mi alrededor.

Pongamos un ejemplo. Tengo una marca de zapatos que fabrica y vende en Sevilla, o mejor aún, vende en toda Andalucía, estoy monitorizando el nombre de mi marca e incluso algunas derivaciones del nombre, monitorizo también a los principales directivos, llevo estadísticas y un seguimiento continuado de los principales KPI’s de mis redes sociales, en Facebook tengo una comunidad con más de 50.000 Fans y en Twitter 70.000 seguidores ¿Puedo decir que se de mi sector?

Conocimiento del sector.

Sin duda, de mi marca tengo un importante conocimiento, pero mi sector no. ¿Cuántas personas viven en Sevilla? ¿Y en Andalucía? ¿Y en España? Pretender decir que tengo el conocimiento del sector porque tengo una buena monitorización de mi marca es como pretender coger la arena de la playa con las manos, tarde o temprano se nos acabará resbalando entre los dedos…

Por tanto debería distinguir entre conocimiento sobre mi marca y mis canales; y conocimiento del sector. Algo que sin duda enriquecerá el conocimiento que tenemos sobre el voice of consumer.

Líneas de análisis sobre mi marca / canales:

• Actividad.
• Comunidad.
• Interacción.
• Visibilidad.

Y una vez tengo establecidas las principales líneas de análisis que a mí me interesan, establecería los principales KPI’s (en función de mis objetivos) para cada uno de los canales.

Vamos a poner un breve ejemplo, aunque habría que ver en cada caso que redes sociales nos interesan, así como que KPI’s:

Actividad:

• Blog:
  • Frecuencia de Publicación.
  • Comentarios Recibidos.
  • Newsletters enviadas.
  • Links.
  • Etc.
• Facebook.
  • Frecuencia de Publicación.
  • Comentarios.
  • Compartidos.
  • Me gusta.
  • Cilcs.
  • Etc.
• Twitter
  • Frecuencia de Publicación.
  • Menciones.
  • Me gusta.
  • Retweets.
  • Etc.

Comunidad:

• Blog:
  • Suscriptores.
  • Feedly.
  • Gente que se da de baja de la lista de suscriptores.
  • Etc.
• Facebook.
  • Evolución de los Fans.
  • Ubicación de los Fans.
  • Fans Personas.
  • Fans Empresas/Páginas.
  • Etc.
• Twitter
  • Followers.
  • Unfollows.
  • Listas.
  • Etc.

Interacción:

• Blog:
  • Comentarios.
  • Compartidos en RRSS.
  • Menciones en otros Blogs.
  • Enlaces en otros blogs.
  • Etc.
• Facebook.
  • Contenido compartido.
  • Nº de Me gustas por publicación.
  • Nº de clics por post.
  • Nº de compartidos por post.
  • Menciones.
  • Comentarios en la Fanpage en un determinado periodo.
  • Etc.
• Twitter
  • Clics.
  • Menciones.
  • Retweets.
  • Me Gustas.
  • Etc.

Visibilidad:

• Blog:
  • Analítica de Google Analytics.
    • Tráfico del Blog.
    • Tasa de Rebote.
    • Visitantes únicos.
    • Etc.
  • Menciones en otros blogs.
  • Enlaces desde otros blogs.
  • Etc.
• Facebook.
  • Edge Range.
  • Menciones en otras páginas.
  • Etc.
• Twitter
  • Menciones de influencers.
  • Inclusiones en listas.
  • Retweets.
  • Etc.

Sin duda todo esto está muy bien y es necesario, pero es insuficiente para conocer lo que ocurre en mi sector. Para saber lo que ocurre en mi sector (además de informes sectoriales, el INE y demás) necesito otro tipo de herramientas.

Del Data Mining al Big Data.

Cuando hablamos de Data Mining o minería de datos, hablamos de una tecnología que básicamente sirve de apoyo a la toma de decisiones.
No estamos hablando de internet, ni de últimas tecnologías, es algo que lleva décadas utilizándose y se trata de la explotación de las bases de datos que tienen todas las empresas en la búsqueda de la información oculta que hay en ellas, en esas bases de datos y que nos puede supones una ventaja competitiva o al menos nos puede ayudar a crecer.

Un aspecto importante de la Minería de Datos es que nos provee de la máxima información de forma que podamos tomar decisiones asertivas. Tomamos decisiones basadas en datos y no en emociones. Los datos hablan por sí solos y son lo suficientemente significativos como para que les tengamos que hacer caso y no haya más discusiones fútiles e inútiles en las empresas.

En muchas ocasiones estas tecnologías ponen negro sobre blanco, y sólo por ello son de gran ayuda, porque no nos enquistamos.

Nos ayudan:

• Evitar fugas de clientes. Nos ayuda a conocer mejor a los clientes y en qué momento de ese LTV (LifeTime Value) se encuentra, que perfil tiene, como lo podemos satisfacer, etc.
• Desempeño de los trabajadores. De igual forma podemos aplicarlo al desempeño de los trabajadores y conocer cómo pueden rendir más y mejor, como pueden estar más satisfechos en sus puestos de trabajo, si alguno está en su famoso “Principio de Peter”, etc.
• Compras cruzadas. Explotando las compras de los clientes podemos ver que combinaciones de productos se venden mejor juntas y podemos fomentarlas, ponerlas juntas en los lineales, etc. Aquí entra todas las técnicas de merchandising.
• Integración con CRM’s. Es importante que los datos obtenidos por estas técnicas, para muchas empresas, puedan ser integrados por CRM’s y ERP’s para evitar fugas de datos, procesamientos más completos, integraciones más compactas, etc.
• Etc.

Y si el centro del Data Mining es la Base de Datos, el centro del Big Data es el Usuario.

Cuando hablamos de Big Data hablamos de la extracción de conjuntos enormes de datos para conseguir inteligencia procesable y una ventaja competitiva y comercial. De otra forma no tendría sentido.

El Big Data está definido por las 3V’s, aunque hay teóricos que añaden otras dos y creo que podríamos estar de acuerdo con ellas:

1. Volumen. Gran cantidad de datos que nos lleva a un procesamiento masivo de los mismos. Requiere unos análisis avanzados y unos dispositivos específicos.
2. Variabilidad. Los distintos formatos en los que pueden llegar. Hay una heterogeneidad inmensa.
3. Velocidad. La velocidad a la que se crean los datos es inmensa y por tanto necesitamos un almacenamiento acorde a la velocidad a la que se crean los mismos. Esto hace que haya almacenes solamente para los “discos duros”.
4. Visualización. Los datos deben de ser visibles a través de un cuadro de mandos. La explotación de la información debe de ser sencilla para el usuario, aunque para ello sea muy complejo todo lo que “hay detrás”.
5. Valor. Todos estos datos me deben de aportar un valor, sino ¿Para qué?

Esta tecnología es especialmente importante ya que la diferencia en la procedencia de la información cada vez es más dispar entre datos estructurados y datos no estructurados, o lo que es lo mismo, datos a los que puede acceder la empresa sin “mucha complicación”, o datos a los que puede acceder con herramientas y un procesamiento específico.

En 2012 el porcentaje de datos no estructurados era del 82%, en 2016 están hablando de que probablemente nos encontramos ya en un 86%, así que a la velocidad que se está generan la información…

Al final, si nuestra competencia utiliza toda esta serie de herramientas de big data y data Mining va a tener un conocimiento del sector mucho más completo que nosotros. Al final sufriremos de miopía de marketing y tomaremos decisiones equivocadas, más basadas en suposiciones que en datos y ese comenzará a ser nuestro final, como comentaban ya en los años 90 Al Ries & Jack Trout en su libro “La Revolución del Marketing”.