Existe una idea preconcebida de que el análisis de datos es una tarea muy compleja y técnica, reservada exclusivamente para científicos de datos y analistas con años de experiencia. Y eso, sencillamente, no es cierto. Muchos negocios caen en la trampa de pensar que el análisis de datos requiere únicamente de herramientas complejas, algoritmos sofisticados y conocimientos avanzados de programación. Si bien estas herramientas y habilidades son valiosas en los análisis más profundos, como el análisis predictivo o el modelado estadístico, a menudo se nos olvida el poder del análisis manual, que permite obtener insights muy valiosos con técnicas muy sencillas y accesibles para cualquier profesional, independientemente de su formación técnica.
En IKAUE sabemos que los datos son la clave para tomar decisiones en cualquier negocio y llevamos años depurando formas por los que trabajarlos de distinto tipo. Pero debo confesar una cosa: La inmensa mayor pate de los insights que obtenemos y de las propuestas que hacemos surgen de observar sencillas tablas (en excel o en dashboards) y de pequeñas gráficas que se deben a procesos muy simples y rápidos que poco tienen que ver con el Machine Learning y los algoritmos predictivos.
Esto es lo que llamamos el «análisis manual». Esas operaciones que un solo analista, paseando por sus herramientas puede hacer posibles sin demasiado esfuerzo.
Este post explora los 8 tipos de análisis manuales fundamentales que todo profesional debería dominar para comprender mejor sus datos. Sobre estos, además, introducimos 24 técnicas clave distintas para analizar tus datos de forma concreta y directa. Técnicas que, ordenadas, te servirán para «rascar el dato» de forma estratégica, a identificar patrones y tendencias, y a extraer conclusiones que te permitan optimizar tus estrategias y alcanzar tus objetivos.
¡Ya esta bien de de empezar por lo difícil!
El valor del análisis manual
A pesar de que todos entienden la importancia de los datos para un negocio, muchos profesionales se sienten intimidados por la complejidad de las herramientas y las técnicas más avanzadas. ¿Te sientes identificado con eso? Pues permiteme decirte que hay una cortina de humo que no te está permitiendo ver muchísimas cosas de las que todos, con muy poca formación, somos capaces de analizar. Nuestra cabeza se pasa el día analizando ¿Qué producto del supermercado es más rentable el individual o el pack de 6? ¿Cómo puedo bajar mis gastos mensuales en casa? ¿Cual es la forma más rápida de llegar al cine? ¿Cuánto le han tomado el pelo a ese amigo tuyo que siempre necesita el último modelo de Iphone?
Existe la percepción de que el análisis de datos es un territorio exclusivo de los técnicos. Y esto genera barreras invisibles para aquellos que desean iniciarse en el mundo del análisis de datos. La realidad es que cualquiera puede realizar análisis con herramientas accesibles como Google Analytics 4, Looker Studio o incluso Google Sheets. No se necesitan conocimientos avanzados de programación, ni una cabeza especialmente matemática, ni costosas licencias de software para empezar a extraer valor nuestras métricas y dimensiones.
La clave para ello es centrarse y no perderse en la auténtica locura de posibilidades que se nos ofrecen. Debemos focalizar la atención en muy pocos datos. aquellos que nos permiten extraer conclusiones y obtener pequeños insights del negocio. Lo que llamamos objetivos de negocio, métricas clave y KPIs. Viéndolos en distintas perspectivas aprenderemos cosas de esos números. Pequeñas explicaciones que, en conjunto, terminan por revelar lo que un negocio necesita para mejorar. No se trata de procesar grandes volúmenes de datos de forma indiscriminada, sino de encontrar patrones que de forma estratégica explican y nos permiten comprender qué está sucediendo y por qué. El análisis manual nos permite, con muy pocas herramientas, acercarnos a los datos de forma más personal e intuitiva, lo que facilita la identificación de patrones, tendencias y anomalías que de otra manera podrían pasar desapercibidos. Al trabajar directamente en un tú a tú con tus datos, desarrollamos una comprensión más profunda de la información y de cómo se relaciona con los objetivos del negocio.
Los insights (los «por qués» que explican lo que sucede) son el objetivo final de cualquier análisis. Distintas técnicas manuales nos permiten alcanzar muchos de ellos de forma rápida y eficiente. Iremos directos al grano y obtendremos respuestas concretas a nuestras preguntas. Serán preguntas sencillas sí, pero es por donde hay que empezar a hacerlas.
El método IKAUE
En IKAUE, hemos organizado estas técnicas en una matriz para simplificar su comprensión y aplicación. Esta matriz es el resultado de años de experiencia en el análisis de datos, y representa una forma intuitiva y efectiva de abordar el análisis de datos de forma manual. La matriz IKAUE es una guía práctica que te permite elegir la técnica de análisis más adecuada en función de tus objetivos y del tipo de datos que quieres analizar.
La matriz se estructura en dos ejes:
Tipos de análisis:
Descriptivos vs. Comparativos. El análisis descriptivo busca comprender la naturaleza y composición de los datos, respondiendo a preguntas como «¿Qué está pasando?».
Por otro lado, el análisis comparativo se centra en identificar diferencias, patrones y anomalías, buscando respuestas a preguntas como «¿Por qué está pasando?».
Foco de análisis:
Métricas macro, Tendencias, Análisis granular y Análisis de segmentos clave. Este eje define el nivel de detalle y el tipo de dato en el que nos centramos al analizar, desde una visión general del negocio con las métricas macro, pasando por el análisis de la evolución de los datos a lo largo del tiempo con las tendencias, hasta el análisis individual de cada dato con el análisis granular y la agrupación de datos en segmentos con el análisis de segmentos clave.
Esta estructura, al cruzarla (2 tipos x 4 focos) da lugar a 8 tipologías de análisis. Podemos tanto hacer un análisis descritivo de la tendencia de ventas (Descriptivo + Tendencia) como comparar la conversión de los canales entre nuestros distintos mercados (Comparativo + Segmentos clave). Si lo piensas con solo estos 8 bloques ya cubres casi todo lo que en primera instancia podrías querer de un negocio.
Luego, por supuesto, para cada una de estas tipologías deberemos desarrollar distintas técnicas específicas. Lo importante es que tengas recursos para poder abordar diferentes tipos de preguntas y obtener una comprensión holística de tus datos.
Cómo navegar por la matriz de tipos de análisis de IKAUE
El análisis avanza de arriba hacia abajo (descriptivo a comparativo) y de izquierda a derecha (métricas macro a segmentos clave). Este recorrido nos permite ir de lo general a lo particular, comenzando por una comprensión global del negocio y profundizando paulatinamente en el análisis de los datos. Es como si estuviéramos haciendo zoom en la información, comenzando por una vista panorámica y acercándonos cada vez más a los detalles que nos interesan a medida que vamos descubriendo información sobre ellos. Si lo prefieres, puedes verlo como jugar a un juego de mesa, donde tienes que alcanzar tu meta, pero para ello tendrás que ir atravesando las casillas anteriores.
Las primeras etapas proporcionan contexto y comprensión general. Nos permiten familiarizarnos con los datos, identificar las métricas clave y establecer una base sólida para el análisis posterior. En esta fase inicial, el objetivo es obtener una visión general del panorama, comprender las principales tendencias y patrones, y detectar posibles áreas de interés para un análisis más profundo. A medida que se avanza, se obtienen insights más profundos y se puede profundizar en el análisis de patrones, tendencias y segmentos específicos.
Es importante saber cuándo parar. El análisis de datos no es un fin en sí mismo, sino una herramienta para realizar acciones claras. El objetivo es obtener insights, no generar ruido o perderse en un mar de datos. Una vez que se ha logrado la comprensión necesaria para tomar una decisión sobre un problema o situación, no es necesario seguir analizando ni avanzando por la matriz. La clave está en encontrar el equilibrio entre la profundidad del análisis y la eficiencia, es decir, obtener la mayor cantidad de información relevante con el menor esfuerzo posible.
Ejemplo práctico con GA4
Para ilustrar cómo funciona la matriz de análisis en la práctica, vamos a utilizar un ejemplo con Google Analytics 4, la herramienta de analítica web de Google. GA4 es una plataforma gratuita que te permite recopilar y analizar datos de tu sitio web o aplicación móvil, y que ofrece una amplia gama de informes y herramientas de análisis.
Imaginemos que queremos analizar el tráfico de un ecommerce…
- Empezamos por observar las métricas básicas: sesiones, usuarios, ventas, ingresos.
- Esto nos da una visión general del rendimiento del sitio y nos permite identificar las áreas que requieren mayor atención. Por ejemplo, podemos observar el número total de sesiones y usuarios para tener una idea del volumen de tráfico del sitio, así como el número de ventas y los ingresos generados para evaluar la efectividad del sitio en términos de conversión.
- Una vez que tenemos una idea general, podemos pasar a analizar las tendencias a lo largo del tiempo. ¿El tráfico está creciendo o decreciendo? ¿Hay algún patrón estacional? ¿Existen picos o valles que deban ser investigados? Este análisis nos permite comprender la evolución del sitio web y detectar posibles problemas u oportunidades. Por ejemplo, si observamos que el tráfico ha disminuido en los últimos meses, podemos investigar las posibles causas de esta disminución, como cambios en el algoritmo de Google, un aumento de la competencia o problemas técnicos en el sitio web.
- Con el tiempo, se domina la estacionalidad y los patrones de comportamiento, lo que permite focalizar el análisis en las desviaciones y anomalías. Por ejemplo, si detectamos un pico inusual en el tráfico, podemos investigar qué lo ha causado (una campaña de marketing, una mención en redes sociales, un evento externo) y si se puede replicar en el futuro. De esta forma, podemos aprovechar las oportunidades que se presenten y mitigar los riesgos potenciales.
Otro ejemplo para dejarlo más claro…
Supongamos que en nuestro sitio web de venta de productos ecológicos, observamos un aumento del 20% en las sesiones durante la primera semana de enero.
Al analizar las tendencias, vemos que este pico se repite cada año en la misma época.
Profundizando en el análisis granular, descubrimos que la mayoría de estas sesiones provienen de campañas de publicidad en redes sociales que lanzamos en Navidad, y que los usuarios que nos visitan durante esta época tienen un mayor interés en productos relacionados con la salud y el bienestar.
Este insight nos permite comprender la efectividad de nuestras campañas y la influencia de la estacionalidad en el comportamiento de los usuarios, lo que nos permite planificar mejor las acciones de marketing para el futuro y optimizar la oferta de productos en función de la época del año.
Además, podremos segmentar a los usuarios que nos visitan durante esta época y crear campañas de marketing específicas para ellos, con el objetivo de aumentar la conversión y fidelizar a estos clientes.
Como ves, disitntos recorridos por la matriz nos permitirán alcanzar distintas perspectivas, insights y por lo tanto acciones.
De las tipologías a las técnicas concretas de análisis
Pero, eso solo nos resuelve la parte conceptual ¿Verdad? No nos es difícil imaginar distintos recorridos por la matriz que nos lleven a informaciones interesantes. Pero luego nos queda ver cómo haremos cada uno de esos análisis. Para ello acudimos a las técnicas de análisis.
Dentro de una misma tipología yo puedo aplicar varias técnicas que me darán perspectivas de la información distinta y que por lo tanto me encaminarán hacia una conclusión u otra. ¿Cuáles existen y cuales debo usar en cada caso? Ahí me temo que es donde la experiencia hace un grado. A medida que ganas experiencia, como analista te será cada vez más sencillo y directo aplicar una técnica u otra. Sabrás hacia donde vas y sin pensar irás directo a por un tipo de tabla, gráfico o comparación. Pero mientras no llegas a ese punto a todos nos ha tocado practicar, probar y sí, perder el tiempo en cosas que no nos llevaban a ningún lado. Tiempo al tiempo, llegar se llega.
Así que permíteme que me centre más en el «qué técnicas pueden aplicarse» que en el cuales aplicar exactamente.
Esto lo haremos dividiendo las 8 tipologías de análisis manuales en las 3 técnicas de análisis más comunes que puedes desear aplicar. Además añadiremos a estas, a nivel mención, otras técnicas que habría dentro de cada tipología (y es que si intentásemos abarcarlas todas el post no acabarían nunca). Espero que estas te sirvan como guía para tus análisis y no tengas miedo de incorporar las tuyas propias con tus creencias, manías y sobre todo tu propio know how.
Las 24 técnicas de análisis fundamental manual de IKAUE
A continuación, vamos a describir las 24 técnicas fundamentales de análisis manual, agrupadas por tipología de análisis. De momento haremos una breve reseña de las mismas. Te permitirán entender en qué se basa cada una, pero no entraremos a desarrollarlas ni a poner ejemplos de cada una. En otros posts de este blog si que profundizaremos en cada técnica con ejemplos y casos prácticos.
Verás que muchas de estas técnicas son realmente sencillas. A veces se trata tan solo de mirar un número o una tabla y sacar conclusiones. Otras, en cambio, pueden requerir de bastante trabajo.
Análisis Descriptivo de Métricas Macro (ADM)
1. Análisis del contexto del negocio
Ideal para obtener una visión general del rendimiento del negocio. Permite comprender el volumen de usuarios, sesiones, conversiones y otras métricas clave. Sirve como base sólida para análisis posteriores al actuar como referencia sobre todo lo demás que observamos.
- Resultados: Nos familiariza con los datos, identifica las métricas clave y establece un punto de partida para el análisis.
- Dimensiones y métricas: Se utilizan las métricas clave del negocio (sesiones, usuarios, conversiones, ingresos, etc.) y se analizan en conjunto para obtener una visión general del rendimiento.
- Ejemplo: Analizar el número total de sesiones, usuarios, conversiones e ingresos del sitio web para comprender el volumen de actividad y la efectividad del negocio.
2. Análisis de oportunidades evidentes
Permite identificar rápidamente las áreas de mejora del negocio a partir de las métricas generales. Se compara el rendimiento con los benchmarks del sector o con los objetivos de la empresa.
- Resultados: Detecta problemas evidentes y oportunidades de mejora en áreas como la tasa de conversión, el porcentaje de rebote, el engagement en redes sociales o la retención de clientes.
- Dimensiones y métricas: Se utilizan las métricas clave del negocio y se comparan con los benchmarks del sector o con los objetivos de la empresa. Se analizan las desviaciones y se identifican las áreas que requieren mayor atención.
- Ejemplo: Observar que la tasa de conversión del sitio web es significativamente inferior a la media del sector, lo que indica una oportunidad de mejora en el proceso de compra o en la propuesta de valor.
3. Snapshot de áreas concretas
Útil para obtener una visión general del rendimiento de un área específica del negocio. Permite focalizar el análisis en un área específica y comprender su contribución al rendimiento general del negocio.
- Resultados: Identifica las fortalezas y debilidades de cada área y detecta posibles problemas u oportunidades específicas de cada área.
- Dimensiones y métricas: Se utilizan las métricas clave del negocio (sesiones, usuarios, conversiones, ingresos, etc.) y se filtran por la dimensión que define el área de interés (categoría de producto, país, segmento de clientes, etc.).
- Ejemplo: Analizar el tráfico, las ventas y la tasa de conversión del sitio web en un país específico para comprender el rendimiento en ese mercado y adaptar las estrategias de marketing en consecuencia.
Otros análisis descriptivos de métricas macro
- Análisis de la distribución de las métricas.
- Análisis de la contribución de las métricas.
- Análisis de la segmentación de las métricas.
Análisis Comparativo de Métricas Macro (ACM)
4. Normalización de ratios/KPIs
Permite comprender el significado de los KPIs y ratios del negocio. Establece una base de comparación para futuros análisis.
- Resultados: Ayuda a comprender el rendimiento del negocio «normal». A establecer el criterio de lo que consideramos «bueno» y «malo». Puede potenciarse en relación con los benchmarks del sector o con los objetivos de la empresa.
- Dimensiones y métricas: Se utilizan los KPIs y ratios más relevantes para el negocio, como el ROI, el CAC, el LTV, la tasa de conversión, etc. Se analizan los valores de estos KPIs y ratios y se comparan con los valores de referencia.
- Ejemplo: Calcular el LTV o el ROAS para determinar la rentabilidad de las acciones de marketing y compararlos con los objetivos del negocio para entender la situación esperada y la real.
5. Análisis de funnels
Se utiliza para analizar el flujo de usuarios a través de un proceso, como el proceso de compra en un sitio web de comercio electrónico o el proceso de registro en una aplicación móvil.
- Resultados: Permite identificar los pasos del proceso con mayor tasa de abandono y comprender las causas de este abandono. A través de estos análisis aparecen posibles optimizaciones y potenciadores de la conversión.
- Dimensiones y métricas: Se utilizan las métricas que miden el avance de los usuarios a través del funnel, como el número de usuarios que inician el proceso, el número de usuarios que completan cada paso y el número de usuarios que finalizan el proceso.
- Ejemplo: Analizar el funnel de compra de un sitio web de comercio electrónico para identificar los pasos con mayor tasa de abandono y optimizar el proceso de compra para reducir el abandono y aumentar las ventas.
6. Comparación de áreas
Sirve para comparar el rendimiento de diferentes áreas del negocio, como diferentes líneas de productos, diferentes segmentos de clientes o diferentes regiones geográficas.
- Resultados: Ayuda a identificar las áreas con mejor y peor rendimiento y comprender las causas de las diferencias.
- Dimensiones y métricas: Se utilizan las métricas clave del negocio (sesiones, usuarios, conversiones, ingresos, etc.) y se comparan los valores de las diferentes áreas. Se analizan las diferencias y similitudes entre las áreas y se buscan explicaciones para las variaciones en el rendimiento.
- Ejemplo: Comparar el rendimiento de dos líneas de productos para identificar cuál de ellas es más rentable y comprender las causas de las diferencias en rentabilidad. También podemos comparar el rendimiento de diferentes segmentos de clientes para identificar los segmentos más valiosos.
Otros análisis comparativos de métricas macro
- Análisis de la evolución de las métricas macro.
- Comparación con periodos anteriores.
- Análisis de la competencia.
Análisis Descriptivo de Tendencias (ADT)
7. Análisis de estacionalidad
Permite identificar patrones estacionales y temporales en los datos. Es relevante sobretodo para negocios afectados por factores estacionales. Ayuda (y mucho) a entender los cambios naturales vs los provocados por acciones del negocio en nuestros datos.
- Resultados: Ayuda a comprender cómo influyen los factores estacionales en el rendimiento del negocio.
- Dimensiones y métricas: Se utilizan métricas como el tráfico, las ventas, las conversiones, etc., y se analizan las tendencias a lo largo del tiempo, prestando atención a los patrones que se repiten de forma cíclica. Year over Year, Month over Month.
- Ejemplo: Analizar las ventas mensuales de un sitio web de venta de ropa de baño para identificar los meses de mayor y menor demanda y ajustar tanto las previsiones como las conclusiones cuando estas suban (como es lógico) poco antes de verano y caigan radicalmente al acabar este.
8. Detección de patrones estables
Se utiliza para encontrar patrones regulares en la evolución de las métricas. Permite comprender el comportamiento del negocio a largo plazo. Estos ya no quedan referidos a la estacionalidad sino a la evolución que sigue tu negocio o tu sector.
- Resultados: Ayuda a comprender la evolución del negocio a largo plazo y detectar posibles cambios en las tendencias.
- Dimensiones y métricas: Se utilizan métricas como el tráfico, las ventas, el engagement en redes sociales, etc., y se analizan las tendencias a lo largo del tiempo, buscando patrones que se repitan de forma regular.
- Ejemplo: Analizar la evolución del tráfico del sitio web a lo largo de los últimos años para identificar si existe un patrón de crecimiento constante o si el tráfico fluctúa de forma irregular por algún motivo. Otro ejemplo: Detectar un lento crecimiento en búsquedas de marca y aplicarlo para los forecast y predicciones mientras intentamos solucionarlo.
9. Predicciones simples
Sirve para realizar pronósticos básicos sobre la evolución de los datos. Permite anticipar el futuro y prepararse para los posibles cambios en el negocio. Se basa fundamentalmente en los dos anteriores para estimar un futuro basado en los patrones ya detectados.
- Resultados: Ayuda a anticipar la evolución inmediata del negocio y tomar decisiones más estratégicas.
- Dimensiones y métricas: Se utilizan las métricas que queremos predecir (tráfico, ventas, conversiones, etc.) y se analizan las tendencias a lo largo del tiempo, buscando patrones que nos permitan realizar proyecciones.
- Ejemplo: Proyectar el crecimiento del tráfico del sitio web para los próximos meses en base a la tendencia de crecimiento de los últimos años.
Otros análisis de tendencias – descriptivo
- Análisis de la volatilidad de las métricas.
- Análisis de eventos externos.
Análisis Comparativo de Tendencias (ACT)
10. Análisis de picos y valles
Permite investigar las fluctuaciones en las métricas a lo largo del tiempo e identificar momentos en los que los datos se salen drásticamente del patrón. A través de esta detección nos encaminamos hacia las causas que provocan estos picos (grandes subidas abruptas de los datos) y valles (grandes bajadas).
- Resultados: Ayuda a comprender los factores que influyen en el rendimiento del negocio y detectar posibles problemas u oportunidades.
- Dimensiones y métricas: Se utilizan las métricas que queremos analizar (tráfico, ventas, conversiones, etc.) y se analizan las tendencias a lo largo del tiempo, identificando los puntos con valores máximos y mínimos y los momentos en los que estos se han sobrepasado.
- Ejemplo: Investigar un pico en el tráfico del sitio web para identificar si se debe a una campaña de marketing, a una mención en redes sociales o a algún otro factor. Sacar casos de réplica a partir de este análisis.
11. Detección de breakpoints
Se utiliza para identificar los puntos en el tiempo donde se producen cambios significativos en las tendencias. Permite detectar el momento exacto en el que rendimiento del negocio pasa a evolucionar de otra forma.
- Resultados: Ayuda a identificar momentos clave en la evolución del negocio y comprender las causas que han provocado esos cambios (lo cual casi siempre es un insight en si mismo).
- Dimensiones y métricas: Se utilizan las métricas que queremos analizar (tráfico, ventas, conversiones, etc.) y se analizan las tendencias a lo largo del tiempo, buscando cambios bruscos en la pendiente de la curva.
- Ejemplo: Analizar la evolución del tráfico del sitio web a lo largo del último año para identificar cuando fue el momento en el que el tráfico SEO del blog empezó a crecer a mayor velocidad.
12. Análisis horizontal
Permite comparar el rendimiento del negocio en un periodo de tiempo específico con el rendimiento en un periodo anterior de forma sistemática. Son análisis que se realizan periódicamente, siempre bajo los mismos criterios y con los mismos datos para hacer seguimiento de la situación.
- Resultados: Ayuda a identificar tendencias y cambios en el rendimiento del negocio a lo largo del tiempo.
- Dimensiones y métricas: Se utilizan las métricas que queremos analizar (tráfico, ventas, conversiones, etc.) y se comparan los valores de los diferentes periodos de tiempo.
- Ejemplo: Comparar las sesiones, ventas e ingresos y del mes actual con las del mes anterior para identificar si las métricas clave han aumentado o disminuido.
Otros análisis comparativo de tendencias
- Análisis de la variación interanual de las métricas.
- Comparación con la competencia a lo largo del tiempo.
- Análisis de la influencia de eventos externos en las tendencias.
Análisis Descriptivo Granular (ADG)
13. Tops y bottoms / Mejores y peores
Esta técnica es útil para identificar los mejores y peores elementos de una dimensión, como las páginas más visitadas, los productos más vendidos o las campañas de marketing más efectivas. (No confundir con análisis de Outliers que se basaría en los que salen de la norma y sería un análisis más complejo).
- Resultados: Permite identificar los elementos que tienen un mayor impacto en el rendimiento del negocio y detectar oportunidades de mejora o de replicación. Cuidado, deben usarse como un ejemplo, pero no caer en el error de trabajarlos por separado solo por estar en esa posición.
- Dimensiones y métricas: Se utilizan las métricas que queremos analizar (tráfico, ventas, conversiones, etc.) y se agrupan los datos por la dimensión que queremos analizar (páginas web, productos, campañas de marketing, etc.). Se ordenan los elementos en función de su rendimiento y se identifican los «tops» y «bottoms».
- Ejemplo: Identificar las 10 páginas más visitadas del sitio web para analizar su contenido y optimizar su diseño. También podemos identificar los productos que generan más ventas y utilizar esta información para crear campañas de marketing más efectivas.
14. Análisis unitario
Esta técnica es útil para examinar un solo elemento en detalle, como analizar el comportamiento de un usuario específico, estudiar una transacción en particular o analizar el rendimiento de una campaña de marketing individual. Suele venir derivado e otros análsis en los que para hacernos una idea de lo que sucede escogemos un único caso para poder examinarlo en detalle.
- Resultados: Permite obtener una visión detallada de un elemento específico y comprender su comportamiento o rendimiento.
- Dimensiones y métricas: Se utilizan las métricas que queremos analizar (tráfico, ventas, conversiones, etc.) y se filtran los datos por el elemento que queremos analizar (usuario, transacción, campaña de marketing, etc.). Se analizan las métricas y se busca información adicional sobre el elemento en cuestión.
- Ejemplo: Analizar el comportamiento de un usuario específico que ha realizado una compra de alto valor para comprender sus motivaciones y preferencias. También podemos analizar una transacción fraudulenta para identificar patrones y prevenir futuros fraudes.
15. Clusterización manual
Esta técnica es útil para agrupar elementos con características similares, como segmentar nuestras URLs por tipologías, reajustar los canales de GA4, clasificar a usuarios por comportamiento de compra, agrupar productos por categoría o clasificar campañas de marketing por efectividad.
- Resultados: Permite agrupar elementos en categorías o segmentos con características similares, lo que facilita el análisis y la toma de decisiones al simplificar en pocos casos el total de elementos que observamos.
- Dimensiones y métricas: Se utilizan las métricas que queremos analizar (tráfico, ventas, conversiones, etc.) y se agrupan los datos por las dimensiones que queremos utilizar para la clusterización (comportamiento de compra, categoría de producto, tipo de campaña de marketing, etc.). Se utilizan técnicas de clusterización manual, como la observación de patrones y la creación de reglas de clasificación (normalmente con reglas simples -contiene, empieza por- o con Expresiones Regulares).
- Ejemplo: Segmentar nuestro tráfico natural por la tipología de landings por las que llegan, clasificándolas en pocos grupos como «Home», «Listados»; «Fichas de producto», etc. También podemos segmentar usuarios por comportamiento de compra, creando grupos como «usuarios de alto valor», «usuarios recurrentes» o «usuarios inactivos»..
Otros análisis granulares – descriptivo
- Análisis de la distribución de las métricas a nivel granular.
- Análisis de la contribución de los elementos individuales a las métricas clave.
- Análisis de la segmentación de los datos a nivel granular.
Análisis Comparativo Granular
16. Análisis de la desviación de la media
Esta técnica es útil para identificar rápidamente elementos que se desvían significativamente de la media en una dimensión específica. Permite detectar valores atípicos y comprender las causas de estas desviaciones.
- Resultados: Ayuda a identificar elementos con un rendimiento excepcionalmente bueno o malo, y a comprender los factores que contribuyen a estas desviaciones.
- Dimensiones y métricas: Se utilizan las métricas que queremos analizar (tráfico, ventas, conversiones, etc.) y se agrupan los datos por la dimensión que queremos analizar (páginas web, productos, campañas de marketing, etc.). Se calcula la media de la métrica para la dimensión y se identifican los elementos que se desvían significativamente de la media.
- Ejemplo: Analizar el rendimiento de diferentes páginas web en términos de tasa de conversión y identificar las páginas que tienen una tasa de conversión significativamente superior o inferior a la media. Esto puede ayudar a identificar las páginas que necesitan ser optimizadas o las páginas que tienen un buen rendimiento y que pueden servir como modelo para otras páginas.
17. Definición de los Conjuntos core (Pareto)
Esta técnica se basa en el principio de Pareto, que establece que el 80% de los efectos provienen del 20% de las causas. Es útil para identificar el conjunto de elementos que contribuyen en mayor medida a un resultado específico. Permite priorizar los esfuerzos y optimizar la asignación de recursos dedicándolos en mayor medida a lo que más impacto provoca.
- Resultados: Ayuda a identificar el conjunto de elementos que generan la mayor parte del impacto en una métrica específica. Permite focalizar los esfuerzos en los elementos más importantes y optimizar la asignación de recursos.
- Dimensiones y métricas: Se utilizan las métricas que queremos analizar (tráfico, ventas, conversiones, etc.) y se agrupan los datos por la dimensión que queremos analizar (páginas web, productos, campañas de marketing, etc.). Se ordenan los elementos en función de su contribución a la métrica y se identifican los elementos que generan la mayor parte del impacto.
- Ejemplo: Identificar el 20% de los productos que generan el 80% de las ventas para focalizar los esfuerzos de marketing y ventas en estos productos. También podemos identificar el 20% de los clientes que generan el 80% de los ingresos para desarrollar estrategias de fidelización específicas para estos clientes.
18. Análisis de Representantes de segmento
Esta técnica es útil para poder analizar al detalle un segmento a partir de un solo elemento del mismo. Se selecciona un elemento representativo de un segmento específico (seleccionado por distintos posibles medios) y se analiza solo ese elemento asumiendo que lo que detectemos es probable que aplique a todo el segmento. Permite analizar en detalle un elemento típico del segmento y comprender las características y el comportamiento del segmento en su conjunto. Requiere también una validación posterior que nos asegure que lo que encontremos aplica al resto del segmento.
- Resultados: Ayuda a comprender las características y el comportamiento de un segmento específico a través del análisis de un elemento representativo. Permite obtener una visión más profunda del segmento y desarrollar estrategias más efectivas.
- Dimensiones y métricas: Se utilizan las métricas que queremos analizar (tráfico, ventas, conversiones, etc.) y se agrupan los datos por la dimensión que define el segmento (segmentos de clientes, categorías de productos, etc.). Se selecciona un elemento que tenga un rendimiento cercano a la media del segmento y se analiza en detalle.
- Ejemplo: Seleccionar un cliente representativo del segmento de «clientes de alto valor» para analizar su comportamiento de compra, sus preferencias y sus motivaciones. Esto puede ayudar a comprender mejor las necesidades de este segmento y a desarrollar estrategias de marketing y ventas más efectivas.
Otros análisis granulares – comparativo
- Comparación del rendimiento de elementos individuales a lo largo del tiempo.
- Análisis de la variación del rendimiento de los elementos en diferentes contextos.
- Comparación de elementos individuales con benchmarks o con la competencia.
Análisis Descriptivo de Segmentos Clave
19. Análisis de pesos
Esta técnica es útil para entender la composición de una métrica y qué elementos pesan más en ella. Permite identificar los elementos más importantes de la métrica y priorizar las acciones de mejora. Se suele aplicar con métricas clave para explicar cosas como qué provoca relamente las conversiones o los ingresos.
- Resultados: Ayuda a comprender la importancia relativa de cada elemento y a focalizar la atención en los elementos más relevantes. Permite optimizar las estrategias y maximizar el impacto de las acciones.
- Dimensiones y métricas: Se utilizan las métricas que queremos analizar (tráfico, ventas, conversiones, etc.) y se agrupan los datos por la dimensión que queremos analizar (canales de marketing, productos, etc.). Se calcula el peso de cada elemento en relación con el total y se identifican los elementos más importantes.
- Ejemplo: Analizar qué canales de marketing generan más conversiones para optimizar la inversión en marketing y focalizar los esfuerzos en los canales más efectivos. También podemos analizar qué productos contribuyen más a los ingresos para optimizar la estrategia de ventas y promocionar los productos más rentables.
20. Definición de prioridades
Esta técnica es útil para priorizar acciones en función del peso de los segmentos, como focalizar los esfuerzos de marketing en los segmentos más rentables o priorizar el desarrollo de productos para los segmentos con mayor potencial de crecimiento. Permite optimizar la asignación de recursos y maximizar el impacto de las acciones. Su base de análisis es muy cercna a la definción de pesos, pero en este caso encaminado luego a establecer hasta que punto se priorizan acciones sobre ellos en base a esfuerzo/beneficio.
- Resultados: Permite identificar los segmentos más importantes y priorizar las acciones en función de su potencial de impacto. Ayuda a optimizar la toma de decisiones y a asegurar que los esfuerzos se centran en las áreas más relevantes para el negocio.
- Dimensiones y métricas: Se utilizan las métricas que queremos analizar (tráfico, ventas, conversiones, etc.) y se agrupan los datos por la dimensión que define los segmentos (segmentos de clientes, categorías de productos, etc.). Se analiza el rendimiento de cada segmento y se priorizan las acciones en función de su importancia relativa.
- Ejemplo: Focalizar los esfuerzos de marketing en los segmentos de clientes más rentables, aquellos que generan un mayor LTV o que tienen una mayor tasa de conversión. También podemos priorizar el desarrollo de nuevos productos para los segmentos con mayor potencial de crecimiento.
21. Reagrupaciones y cruces
Cruzamos diferentes dimensiones para obtener una visión más completa, como analizar el comportamiento de los usuarios por segmento demográfico y canal de adquisición, o analizar el rendimiento de las campañas de marketing por segmento de clientes y tipo de campaña. Permite identificar relaciones entre diferentes variables y obtener una comprensión más profunda de los datos. Lo que funciona en unos casos, no tiene porque hacerlo en otros. Gracias a este conocimiento podemos replantearnos los clusters manuales que hemos hecho complicándolos para hacerlos más homogéneos en sus resultados.
- Resultados: Permite identificar patrones y tendencias que no se aprecian al analizar las dimensiones de forma aislada. Ayuda a obtener una visión más completa de los datos y a detectar relaciones que de otra manera pasarían desapercibidas.
- Dimensiones y métricas: Se utilizan las métricas que queremos analizar (tráfico, ventas, conversiones, etc.) y se cruzan los datos por las dimensiones que queremos analizar (segmentos de clientes, canales de marketing, categorías de productos, etc.). Se analizan las interacciones entre las diferentes dimensiones y se buscan patrones y tendencias.
- Ejemplo: Analizar el comportamiento de los usuarios por segmento demográfico y canal de adquisición para identificar qué canales son más efectivos para cada segmento y personalizar las campañas de marketing en consecuencia. También podemos analizar el rendimiento de las campañas de marketing por segmento de clientes y tipo de campaña para optimizar la estrategia de marketing y maximizar el retorno de la inversión.
Otros análisis descriptivos de Segmentos Clave
- Análisis de la distribución de las métricas en diferentes segmentos clave.
- Análisis de la contribución de los diferentes segmentos clave a las métricas globales.
- Análisis de la evolución de los segmentos clave a lo largo del tiempo.
Análisis Comparativo de Segmentos Clave
22. Análisis de brechas/gaps
Esta técnica es útil para comparar el rendimiento de diferentes segmentos clave e identificar cuales de ellos son los que provocan brechas o gaps en el rendimiento. Permite identificar los segmentos que tienen un rendimiento inferior (o superior) y así empezar el camino de comprender las causas de estas diferencias.
- Resultados: Ayuda a identificar los segmentos que necesitan ser mejorados y a comprender los factores que contribuyen a las diferencias en el rendimiento. Permite desarrollar estrategias para reducir las brechas y mejorar el rendimiento general del negocio.
- Dimensiones y métricas: Se utilizan las métricas que queremos analizar (tráfico, ventas, conversiones, etc.) y se agrupan los datos por la dimensión que define los segmentos clave (segmentos de clientes, categorías de productos, etc.). Se comparan las métricas de los diferentes segmentos y se identifican las brechas o gaps en el rendimiento.
- Ejemplo: Comparar la tasa de conversión de diferentes segmentos de clientes para identificar si hay algún segmento con una tasa de conversión significativamente inferior a la media. Esto puede ayudar a identificar los segmentos que necesitan ser mejorados y a desarrollar estrategias para aumentar su tasa de conversión.
23. Correlaciones Básicas
Esta técnica es útil para analizar la relación entre diferentes variables y identificar correlaciones entre ellas. Permite comprender cómo se relacionan diferentes factores y cómo influyen en el rendimiento del negocio. También nos ayuda a simplificar lo que analizamos (si 2 métricas están correlacionadas con mirar una de las dos es suficiente).
- Resultados: Ayuda a comprender las relaciones entre diferentes variables y a identificar patrones y tendencias. Permite desarrollar estrategias más efectivas al comprender los factores que influyen en el rendimiento del negocio.
- Dimensiones y métricas: Se utilizan las métricas que queremos analizar (tráfico, ventas, conversiones, etc.) y se cruzan los datos por las dimensiones que queremos analizar (segmentos de clientes, canales de marketing, categorías de productos, etc.). Se analizan las correlaciones entre las diferentes variables y se buscan patrones y tendencias.
- Ejemplo: Analizar la correlación entre el gasto en publicidad y las ventas para comprender cómo influye la inversión en publicidad en el volumen de ventas. También podemos analizar la correlación entre el engagement en redes sociales y la tasa de conversión para comprender si influye la interacción en redes sociales en la confianza y el comportamiento de compra de los clientes.
24. El Análisis descendente
Esta técnica es útil para analizar hasta el detalle un caso detectado. Se comienza por una visión general y profundizando en el análisis filtrando y aplicando cada vez más perspectivas hasta llegar a la causa raíz del problema o a la fuente de una oportunidad. Permite obtener una comprensión profunda de un problema o una oportunidad y desarrollar soluciones mucho más efectivas.
- Resultados: Ayuda a identificar la causa raíz de un problema o la fuente de una oportunidad. Permite desarrollar soluciones más efectivas al comprender los factores que contribuyen al problema o a la oportunidad.
- Dimensiones y métricas: Se utilizan las métricas que queremos analizar (tráfico, ventas, conversiones, etc.) y se analizan los datos de forma descendente, comenzando por una visión general y profundizando en el análisis hasta llegar al nivel de detalle necesario para comprender el problema o la oportunidad.
- Ejemplo: Analizar una disminución en las ventas comenzando por una visión general de las ventas totales, luego analizando las ventas por categoría de producto, luego analizando las ventas por producto individual y finalmente analizando el comportamiento de los clientes que han dejado de comprar un producto específico. Esto puede ayudar a identificar la causa raíz de la disminución en las ventas y a desarrollar estrategias para revertir la tendencia.
Otros análisis comparativos de Segmentos Clave
- Análisis de la evolución de las brechas/gaps entre segmentos a lo largo del tiempo.
- Comparación del rendimiento de los segmentos clave con benchmarks o con la competencia.
- Análisis de la influencia de eventos externos en el rendimiento de los segmentos clave.
Conclusión de todo esto: Analizar es fácil, pero hay que aprenderlo poco a poco.
Realizar un análisis que nos lleve a conclusiones y acciones no es complicado. No requiere más que de conocer nuestros datos e ir creciendo poco a poco en herramientas de análisis. No todos los negocios necesitan de Machine Learning, Kmeans o IA para trabajar. La mayoría de hecho en el día a día se basan en técnicas tan sencillas como las aquí expuestas.La complejidad (que no es tal) radica en ser capaces de entender a donde vamos. Tener claro que lo que importa es lo que aprendemos y aplicar solo aquellos análisis que tienen oportunidades de enseñarnos cosas nuevas.
Para ello, por supuesto tendremos que ir probando y aprendiendo muchas formas distintas de ver los datos. En este post, sin embargo, he intentado cerrar el círculo en unos pocos. ¿24 son pocos? Si, son pocos, sobretodo para todo lo que puedes hacer con ellos. ¿Lo mejor? No es necesario conocerlos todos, solo ve sumándolos. Cada nueva técnica de análisis que domines te supone una nueva oportunidad para sacarle partido a tus datos. ¿Aún no conoces o sabes aplicar alguna? Por supuesto que no, todos pecamos de algunas lagunas. Pero, por eso estas leyendo este blog ¿no? Lo bonito es aprender cada día un poco más y ser un poco mejor y más capaz cada día.