Si te interesa la analítica digital, esta presentación de Pere Rovira sobre Analítica Ágil (en Itnig, mayo 2013) no tiene pérdida. Y si no tienes tiempo para el video (es un poco largo) aquí debajo están mis apuntes.

La verdad es que “Agile Analytics” no es una teoría formal, sino más bien una forma de entender la analítica. La cuestión no es sacar muuuuchos datos en esta era de big data, sino sacar pocos datos que valgan la pena. Pierdes menos tiempo y sacas insights más jugosos para lo que realmente importa.

Normalmente los profesionales quieren sacar muchos datos y después la ganancia en euros es proporcionalmente pequeña. Pere recomienda invertir ese embudo: trabajar con pocos datos y procurar tener el máximo impacto posible. Lo fácil es pedir muchas cosas, pero cuantos menos datos trabajemos más nos enfocaremos en ganar sacar lo máximo de ello. La clave está en saber qué es lo que vale la pena analizar.

Para eso primero recopilamos datos sobre los 3 vectores principales del marketing: adquisición, conversión, fidelización. Y con todos estos datos el objetivo es lograr un impacto económico (aumentar la satisfacción de clientes/empleados, aumentar ingresos y/o reducimos costes). Primero necesitamos un objetivo (fijar una meta que se pueda medir, sino no son adecuados para el análisis), de ahí unos KPIs, formular unas hipótesis y finalmente hacer testing. ¡Pero que sea una meta y muchos tests, no al revés!

El mito de la hormiga. No intentes clasificar y encuadrar cómo navegan en tu web los usuarios con herramientas (“Visitors Flow” en GA). Está bien a nivel general, pero introduce la falsa creencia que al saber lo que pasa puedes modificarlo. Y aunque nos diga qué pasa no nos dice el por qué una enseñanza clásica de Avinash. Es más útil usar mapas de calor como CrazyEgg y así entender cómo se comportan los usuarios en un lugar determinado. Podemos sacar insights cómo que no hay suficiente scroll, o que no gusta cómo se presentan las prendas… Para testear estas hipótesis podemos usar herramientas como Optimizely, Visual Website Optimizer u otra que permita hacer A/B testing.

Causa y efecto. “La estadística es como un bikini, porque oculta lo más interesante”, porque trabajamos con medias aritméticas. La media no está mal, pero generaliza demasiado, disfrazando las distribuciones o desviaciones estándar que te pueden decir mucho sobre tus usuarios.

Más vale V en mano que ciento volando. El Big Data se caracteriza por 3 Vs: velocidad, volumen y variedad de datos. Pero el problema es que te obsesionas con el volumen, fijándote en cosas que no tienes y descuidas la V que sí conoces y que es vital: la Velocidad de carga.

Antes de precisión y exactitud, a los datos debemos pedirles inspiración. Datos más cualitativos (en socialmedia medir conversación y amplificación) que cuantitativos, y las encuestas sirven muy bien para esto (iPerceptions, antes llamado 4Q). Y no olvidemos que visualizar es la forma más ágil de analizar. Vale la pena usar herramientas de business intelligence como Tableau, de representación gráfico como Gephi, motion charts, scatter plots…

Un cuadro de mando es un cuadro de mando, no te dice lo que tienes que hacer. No preocupes tanto en consolidar los diferentes sistemas o la pureza de los datos (otra enseñanza de Avinash), con lo que te da Google Analytics ya tienes de sobra.

Not everything that can be counted counts, and not everything that counts can be counted” – Einstein. Tenemos el problema del “dark social”: GA no mide correctamente el tráfico social. Los links que se comparten por email, chat, o algunos clientes de socialmedia, GA los interpreta erróneamente como tráfico directo.

Si no puedes medir, correlaciona. Vivimos en un entorno de multicanalidad, obsesionados con cómo se interrelacionan los distintos canales. Todo eso es importante, pero con los datos que ya tenemos, sin métodos de atribución caros y complicados, con simples correlaciones podemos sacar conclusiones importantes.

Si no tienes recursos, automatiza. Ejemplo: Buffer.

En fin, hay mucha tecnología en todo lo anterior, pero la analítica ágil no es solo tecnología, es un cambio de cultura. Y en las empresas “Los proyectos se desarrollan en torno a individuos motivados. Hay que darles el entorno y el apoyo y confiarles la ejecución del trabajo”. Aunque también depende de si los jefes quieren ser reyes o millonarios (tomar decisiones o simplemente ganar más dinero).