Your address will show here +12 34 56 78
Social Media Monitoring

El pasado jueves 12 de junio tuvo lugar en Barcelona el Conversion Thursday donde los expertos Xavier Colomés, Anna Fernández, Adam Barnes y Pere Rovira centraron su conversación en la Analítica Accionable.

La jornada giró entorno al análisis de datos y a la evolución de las métricas. Antes lo importante era saber si las visitas web subían o si vendíamos más. Sin embargo, los datos evolucionan, el papel del analista adquiere mayor protagonismo y los métodos de estudio de datos adquiere mayor complejidad.

Un hecho que tenemos que tener en cuenta, es quien recibe estos datos y de que forman se presentan. Durante el evento pudimos escuchar frases como “En la analítica web es muy fácil encontrar datos que no te dicen nada” o “Como el hecho de saber explicar un dato, hace que puedas atraer la atención de tu Jefe”.

No debemos olvidar que los datos son largos extractos de letras y números y tanto un analista web como un analista de monitorización y reputación online tienen que gestionar e interpretar todas las variables para extraer el grano.

Los softwares nos proporcionan facilidades y numerosos métodos de clasificación que se pueden construir a medida para cada cliente. Pero no todos los datos tendrán la misma prioridad de interpretación. En este punto de inflexión es cuando el analista tiene que decidir que debe presentar y de que forma.

Como podemos deducir, no es lo mismo interpretar este tipo de gráfico donde se clasifica la información por una serie de categorías estipuladas por un clientes y segmentadas por diferentes medios de comunicación.

Que interpretar miles de menciones sin orden ni forma y decirle a tu cliente o jefe aquí tienes “el informe de datos del mes”.

Pero debemos tener en cuenta que para llegar a un resultado atractivamente visual y con todas las métricas y filtros aplicados, el analista se tiene que enfrentar a estos datos y proporcionar el giro visual necesario.

Los datos son como la alta cocina

Xavier Colomés, uno de los ponentes del Conversion Thursday dijo esta gran frase “Los datos son los ingredientes pero no el plato principal”.

La harina, levadura, huevos, leche y azúcar sean posiblemente los elementos claves para elaborar la base de un pastel. Su conjunto de ingredientes y la forma de cocinarlos nos deleitará con ese plato. No obstante, cada elemento por separado tienen numerosos significados. Cuando pensamos en huevos podemos hablar desde una tortilla francesa, a un huevo pasado por agua, el significado que nosotros le demos y la presentación de esa materia prima es el valor real del producto bruto.

Esta misma metáfora es 100% aplicable al análisis de datos, la presentación de los resultados y el valor que tengan para cada departamento.

La analítica por si sola no vale, no aporta y no decide.

La analítica no tiene que cambiar comportamiento, la analítica tiene que medir comportamientos.

Ya sea el estudio del proceso de compra en un ecommerce al orden de las pestañas en una web como también, la estrategia de conversación online que sigue una organización versus a sus competidores, son algunos ejemplos de mediciones que los diferentes tipos de analistas llevan a cabo.

La misión de un analyst es medir e interpretar los datos acumulativos de una organización y a través de la extrapolación, segmentación e interpretación dar un valor añadido a los resultados obtenidos.

El volumen de información que se obtiene del universo online es elevado por lo tanto, es vital que el analista siga unas directrices de los responsables de marketing y comunicación para saber hacia donde es más prioritario dirigir los esfuerzos. De esta forma, sus informes tienen un valor importante para la organización y hacen sus recomendaciones en función de los resultados.

Finalmente si los responsables de las áreas digitales implementan las recomendaciones indicadas por el Analyst es cuando los ingredientes por fin se convierten en un plato listo para comer.

0

Social Media Monitoring

No es la primera vez que en Brandchats hablamos del Big Data por esta razón, no entraremos en detalles en términos de definición. Sin embargo, vamos a incidir en el volumen de datos y en su organización.

En la actualidad, se transfieren 639.800 gigabytes de datos por minuto en el mundo y como bien sabemos, esto no ha hecho más que empezar. De hecho, en el 2015 se calcula que el volumen de vídeos sea tan elevado que costaría 5 años poder visualizarlos todos.

Cuando hablamos de una cifra de datos tan elevada, es inevitable pensar en el caos, el desorden y por donde empezar a clasificar la información. Numerosas preguntas como ¿Qué debo medir primero? o ¿Qué datos son los más elementales para mi organización? se plantean en nuestro interior.

De la monitorización del contenido, al orden y clasificación de los resultados en dashboards.

El primer paso para una empresa, es recapitular los datos en bruto que circulan en la red sobre su organización. Pero antes, se deben de establecer unos parámetros básicos como elegir unos países clave a seguir, el idioma de los comentarios y saber el eje comunicacional a medir. ¿Me interesa medir un competidor? o ¿Necesito tener un mayor control de mi canal de atención al cliente? o tal vez sean las dos variables. Cuanto más claro tengamos el camino previo a seguir mejor serán los resultados. Establecer los objetivos de búsqueda por fases puede ser también una opción muy acertada.

Una vez tenemos el Big Data en nuestras manos, en algunos casos hablaremos de 3.000 menciones en otras situaciones de más de 200.000, se debe de establecer la categorización y segmentación de los datos. Una primera clasificación sería por fecha y medio de comunicación pero, ¿Es suficiente? Para comprender los picos de subidas y bajadas de información es un primer paso pero si un día concentra 8.000 menciones, ¿Un ojo humano puede clasificar de forma automática y extraer conclusiones válidas? La respuesta es no.

¿Cómo podemos clasificar la información en una solución de monitoring? Por ejemplo, en el caso de un restaurante a través del conjunto de keywords se podrían establecer categorías como “Atención al cliente”, “celebraciones”, “cantidad”, “calidad”, “comidas”,etc.

Dentro de la categoría de comida se incluirían palabras claves como “comer”, “comida”, “comiendo” de esta forma se puede conocer si la gente prefiere comer o cenar en un establecimiento. Además si se segmenta una mención por horas del día el resultado de búsqueda se afina más.

Otro caso donde la categorización es básica es en el sector bancario ya que existen clientes interesados en ingresar sus nómina y otros en contratar un plan de pensiones. Segmentar la información por categorías como “Hipotecas”, “Desahucios”, “Plan de pensiones”, “Seguros”, etc, puede ayudar y orientar mucho a este tipo de organizaciones.

Si hablamos de una marca con productos de gran consumo y muy diversos como podría ser una marca de tecnología del hogar pero que también tiene telefonía móvil tendrían que hacerse dos tipos de categorizaciones. Por un lado, clasificar en productos y después clasificar las características de cada producto. Por ejemplo, una TV se tendría que clasificar en “UHD”, “Oled”,etc.

De la clasificación de resultados a la interpretación

Una vez hemos decidido la categorización, nos interesará conocer las distintas variables de una misma categoría. Si retomamos el sector bancario y seleccionamos la categoría “nómina”, nos interesará conocer si hablan bien o mal, cual es la persona que habla más sobre el tema o el grado de influencia. Saber en que punto de un país es donde más se comenta o cuales son los días que generan más diálogo son datos importantes a conocer.

Además, podemos relacionar el concepto con la competencia ya que tal vez, un comentario nos compare, critique o nos posicione mejor con un rival del sector.

De la interpretación de los resultados a la visualización

Una vez hemos categorizado una marca y se ha decidido su interpretación, debemos pasar al punto de dar forma y color a los resultados. Algo que no debemos olvidar es que la información entra por la vista. Los cuadros de mando deben cumplir unas normas corporativas con la imagen de marca de un cliente.

El lenguaje del color

En el caso de las aguas las tonalidades azules y verdes tendrán más importancia. En cambio si hablamos de un postre o chocolates las gamas marrones, liláceas y beige encajan mejor con el contenido.

El lenguaje de las formas

Para visualizar un pico de menciones, las barras o el gráfico de líneas puede ser el más adecuado sin embargo, si queremos plasmar agrupaciones, el gráfico sectorial o de anillo será el más visualmente correcto.

Incorporar elementos fotográficos como el logo de las marcas, mapas o la foto de perfil de twitter de los influencers proporcionan un soporte categórico importante.

El lenguaje iconográfico

La categorización del Big Data no sólo entiende de información clasificada en gráficos con unas formas o colores atractivos al ojo del lector.

Como bien hemos citado antes, la información proviene de numerosas fuentes y el receptor de esos datos la debe diferenciar de forma rápida por ese motivo, se asignan iconos representativos. Un icono de una cámara detectará que la fuente de información es una imagen o un icono con la letra “T” y color azul detectará que proviene de Twitter.

El lenguaje del marcar y desmarcar

Los datos nunca deben ser estáticos. ¿Cómo leemos 100.000 menciones si no podemos seleccionar según nuestras prioridades? Es vital contar con una barra de herramientas que nos permita distinguir o seleccionar. Si nos interesa ver la información sobre blogs que seguramente, es mucho menor que los datos acumulados en Twitter debemos poder jugar con las casillas de marcaje.

Conclusiones

  • El Big Data sin forma son sólo letras y números. Se necesita tiempo y un minucioso trabajo de segmentación para localizar de forma fácil la información.

  • Debemos ser conscientes que la información no se puede ingerir de un sólo golpe. Se deben establecer prioridades de análisis.

  • La información sin un contexto histórico y un seguimiento posterior es información incompleta y seguramente con conclusiones erróneas. Por lo tanto, debemos acumular datos. Sólo el tiempo, una buena clasificación junto un informe final nos orientarán en los objetivos.

  • La combinación del trabajo automatizado y el ojo humano es sinónimo del éxito. Ni una máquina detecta la ironía ni un humano clasifica de forma automática. En equipo se obtiene el resultado perfecto.

0

Bitnami