¿Qué es qué? 8 términos populares con Analytics

Si te dedicas al marketing, quizás tienes debilidad por los conceptos recién estrenados. A nosotros, ciertamente, nos encantan. No obstante, todo se complica cuando te ves atrapado en una conversación donde no consigues descifrar qué está pasando. ¿Speech o Predictive Analytics? ¿Behavioral Analytics? Sí, lo cierto es que puede resultar muy confuso.

Para que no necesites más poner cara de póker, en este artículo definimos 8 vocablos relacionados específicamente con el ámbito de la analítica. Todos ellos son buzzwords que, en mayor o menor medida, se han popularizado en los últimos años. ¿Te suenan?

Palabras con analytics

1. Augmented Analytics

En el artículo de tendencias para 2019 ya hablábamos de Augmented Analytics como un paso más en el análisis de datos a través del uso de algoritmos para automatizar la exploración de nuevas hipótesis. Y es que Gartner lo define exactamente así, como una revolución en la extracción de insights que viene con la aplicación de técnicas de Data Science y Machine Learning.

Augmented Analytics se basa en la automatización de todo el proceso, desde la preparación del data al desarrollo del modelo, para eliminar las alteraciones humanas de enfoques más manuales, incrementar la productividad del equipo de Data Science y poner sus capacidades al servicio de todo el negocio.

2. Behavioral Analytics (+ Sentiment Analysis)

Aquí nos centraríamos en la utilización de datos de comportamiento del usuario para conseguir una comprensión más profunda de sus interacciones, optimizar nuestras segmentaciones y anticiparnos a futuras peticiones. La mayoría de compañías sitúan el análisis de datos del usuario en el centro de su estrategia de analítica en tanto que permite desde potenciar el engagement con la marca hasta mejorar productos o servicios, impulsar objetivos comerciales o potenciar el Customer Experience, por ejemplo.

Más allá de las métricas web tradicionales, el Behavioral Analytics puede complementarse con datos no estructurados provenientes de otras fuentes como Social Media. Con técnicas de Sentiment Analysis, por ejemplo, se obtendría información subjetiva del usuario a través del uso de sistemas de análisis de texto y lenguaje.

3. Clickstream Analytics

Se trata de una técnica de análisis que examina la actividad de los usuarios a través de los ítems seleccionados o clicados en distintas páginas. El término “clickstream”, en realidad, se utiliza para hablar del registro de acciones que te permite trackear con precisión por dónde ha pasado y con qué ha interactuado ese usuario, desde los motores de búsqueda hasta la confirmación final de venta en tu e-commerce.

Tal como explica ClickZ, a diferencia del seguimiento con cookie que sólo te aporta visibilidad de las visitas en tu sitio web, el clickstream proporciona una imagen más completa del customer journey. No obstante, obtener este tipo de data sin la autorización del usuario es una violación de su privacidad. Se podría hacer a través de un panel de voluntarios que acepten participar en un estudio de mercado (con objetivos de research) para descubrir tendencias, por ejemplo.

4. In-Database Analytics

Este concepto, frecuentemente, se aplica para hablar de la integración de sistemas de análisis dentro del propio Data WareHouse con el objetivo de reducir el tiempo y el esfuerzo necesarios para preparar y mover los datos a una solución de analítica como tal. Este complejo enfoque incrementa la seguridad de la información que, en ningún momento, sale del espacio de almacenamiento. El In-Database Analytics se utiliza en compañías que deben reducir riesgos e identificar anomalías en el negocio constantemente, como el fraude por ejemplo.

5. Location Analytics

Este término se utiliza para referirse al conjunto de técnicas de análisis que permiten obtener insights relevantes a partir de grandes cantidades de datos de ubicación (y aquí surge el Location Intelligence). El uso generalizado del teléfono móvil y la adopción de otras tecnologías con capacidades de geolocalización similares ha favorecido que algunos negocio inviertan en el análisis de este tipo de Big Data que les puede aportar una ventaja competitiva importante.

Por ejemplo, el location analytics puede permitirte optimizar costes a través de la comparación de resultados en distintos territorios para establecer donde deberías lanzar tu próxima campaña o, incluso, detectar problemas logísticos. Además, los datos de localización te abren nuevas oportunidades en la creación de experiencias personalizadas con el uso de sensores que activan mensajes o promociones (envío de un cupón a tu smartphone después de acceder a una tienda).

6. Predictive Analytics

Se refiere al uso de técnicas de análisis avanzado o modelización estadística (Data Mining, Machine Learning…) para detectar relaciones y patrones en grandes cantidades de datos con el objetivo de predecir o anticipar situaciones. Por ejemplo, la información de histórico y de transacciones de tu e-commerce podría relevarte qué promociones funcionarán mejor para un determinado tipo de audiencia en tu próxima campaña de San Valentín o cuáles son las probabilidades de apertura de una newsletter en ese mismo cliente. En pocas palabras, se basa en el uso de data actual para desbloquear futuras oportunidades de negocio.

7. Real-Time Analytics

Quizás el propio concepto te permite intuir qué implica y es que se entiende como Real-Time Analytics aquella disciplina de análisis que te ofrece resultados casi inmediatos con datos introducidos en el sistema unos pocos segundos o minutos antes. De esta forma, se consiguen insights que responden a la situación actual y que pueden conducir a decisiones muy rápidas y espontáneas (corregir un error en tu sitio web que está causando una pérdida de tráfico, por ejemplo).

En este sentido, Gartner habla de dos tipos de Real-Time Analytics: “On-demand real-time analytics waits for users or systems to request a query and then delivers the analytic results. Continuous real-time analytics is more proactive and alerts users or triggers responses as events happen” explica la compañía.

8. Speech Analytics

Este término se utiliza para designar sistemas que pueden analizar conversaciones de voz y obtener así insights de una interacción del cliente con la marca (por ejemplo, en un call center). Todo este data conversacional, que se puede transcribir y almacenar, permite a las compañías identificar patrones de expresión para detectar estados de ánimo y evaluar la calidad del servicio.

Las tecnologías Speech Analytics también pueden ayudarte a agilizar procesos, reducir costes o optimizar estrategias de gestión de Customer Experience, entre otras aplicaciones.

¿Añadirías algún otro concepto a nuestro listado? Déjanos tus buzzwords en comentarios.

DBi
DBI es una consultoría especializada en inteligencia digital de última generación que forma parte Havas Media Group. Nuestra misión es ayudarte a sacar el máximo partido del nuevo modelo de negocio digitalizado, multicanal y multiexperiencia en la que los datos son la nueva moneda y un activo estratégico.

Enviar comentario

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *