Usa los datos para conocer el comportamiento de tus usuarios
Todos los días, las personas producen y consumen mucha información, por ejemplo, en un minuto los usuarios de Snapchat observan casi 7’000.000 videos, mientras que los de Google, en ese tiempo, traducen cerca de 69’500.000 palabras.
En Pragma no somos ajenos a esto. Por ello, buscamos nuevas formas de aprovechar la información que los usuarios generan en su tránsito por un sitio web, para entender su comportamiento con el objetivo de diseñar estrategias digitales más personalizadas.
Quieres saber más, lee Conoce el mundo de la Ciencia de Datos
A continuación, mostraré dos alternativas de análisis de datos que nos brindan un conocimiento más profundo de lo que ocurre con nuestros usuarios en internet, pero para que sean fáciles de hacer y aplicar de la mejor manera, es necesario contar con una adecuada estructura de la información.
Venta cruzada
Imaginemos que se nos acabaron los huevos para el desayuno del día siguiente; por esto nos debemos desplazar hasta el mercado más cercano para adquirir una nueva cantidad del producto.
Ahora bien, a la hora de la compra, existe una alta probabilidad de que, además de los huevos, decidamos comprar queso, chocolate, mantequilla y pan, los cuales son acompañantes habituales del huevo durante la primera comida del día.
Pues bien, esta relación entre este conjunto de productos hace referencia a lo que en economía se conoce como productos complementarios, es decir, cuando se adquiere uno, es frecuente que se adquieran más.
Otros ejemplos pueden ser traje de baño y bloqueador, así como leche y cereal. Es por ello, que una buena estrategia para incrementar las ventas es ofrecer el producto complementario cuando el usuario adquiere uno de los dos, es decir, ofrecer la leche cuando se compra el cereal.
Esto aplica en diversos campos de la economía, y no solamente en productos físicos sino también en productos de carácter digital (contenido educativo, musical, etc.) o una combinación entre ambas modalidades.
En términos de negocio, a este suceso se le conoce como venta cruzada. Ahora bien, surge un par de preguntas respecto a este tema:
¿Cómo identificar cuál es la venta cruzada de mis productos?
Es necesario señalar que para un ejercicio de venta cruzada se debe contar como mínimo con una base de datos que contenga un identificador del usuario, el producto adquirido y la fecha de la compra.
Ahora, imaginemos una empresa de retail que registra aproximadamente 500 compras al día en su sitio web, lo que suma cerca de 15.000 al mes, donde en cada compra se pueden adquirir uno o más productos.
A partir de esta información se definen todas las combinaciones de conjuntos con productos que son comprados simultáneamente (no quiere decir que sean necesariamente complementarios); entre estos conjuntos encontramos los siguientes, con la respectiva frecuencia y probabilidad de ocurrencia:
Conjuntos de productos | Frecuencia | Probabilidad |
Mesa - Lámpara | 550 | 33% |
Leche - Jabón de baño | 520 | 18% |
Guantes de boxeo - Termo de agua | 500 | 35% |
Gaseosa - Papas de mecato | 495 | 27% |
Al analizar los diferentes conjuntos, se deben identificar tres grupos:
- Obvios: la relación de los productos es muy evidente, por lo cual no es un gran hallazgo al cual se le deba hacer mayor énfasis, sin que esto indique que se deban pasar por alto. El cuarto conjunto es una muestra de estos.
- Extraños: aquellos conjuntos que en primera instancia parecen inexplicables, puesto que los productos no parecen complementarse entre sí; y que su origen puede ser aleatorio, por lo cual no es un grupo recomendable de trabajar. La leche y el jabón es representación un ejemplo.
- Accionables: los conjuntos que no son muy obvios ni extraños, los de este grupo no son resultados netamente del azar ni de la cotidianidad en las compras de los usuarios. Por lo tanto, son relaciones que pueden ser interesantes de analizar. Aquí podemos encontrar conjuntos como el primero y el tercero de la tabla.
¿Cuál es la utilidad de emplear una estrategia con venta cruzada?
En este punto somos conscientes de que cuando un usuario compra unos guantes de boxeo, usualmente adquiere un termo de agua, de lo cual se puede pensar en un usuario que va a comenzar a asistir a clases de boxeo, por lo tanto, requiere de hidratación y de un acompañante para absorber el sudor.
A partir de esto, se pueden emplear algunas acciones, las cuales dependen de la capacidad de la empresa en cuanto a desarrollo tecnológico:
- Recomendación en tiempo real: En el momento que un usuario adquiera unos guantes de boxeo, surgirá automáticamente una notificación o mensaje recomendándole la compra de un termo de agua.
- Cortes periódicos con envío de mail hace referencia a una labor menos automática, donde se define una periodicidad (al inicio de cada día por ejemplo), se identifican los usuarios que adquirieron el termo el día anterior, y se envía un mail prediseñado, que invite al usuario a la compra de un termo de agua, puesto que previamente compró guantes de boxeo.
De esta forma se estaría aprovechando el conocimiento adquirido en las preferencias de compra de los usuarios, de manera que se puedan accionar indicadores tan relevantes como las ventas.
Análisis de cohortes
Al igual que en el caso de una venta cruzada, es necesario contar con una base de datos con unas variables mínimas: identificador único por usuario, fecha de registro o suscripción en nuestro sitio web y fecha de compra a lo largo de varios meses.
Consideremos el caso donde se quiere conocer cómo es el comportamiento, mes a mes, de los usuarios que se suscriben en nuestro sitio web con respecto a las ventas.
Para explicarlo mejor, imaginemos que en el mes de enero de este año se registraron 300 usuarios en nuestro portal. Entonces queremos identificar, de ese total, cuántos realizaron al menos una compra cada meses, es decir, cuántos compraron al menos un producto en febrero, cuántos en marzo, y así sucesivamente.
Lo anterior se conoce como análisis o estudio de cohorte, con el cual identificamos la frecuencia de una determinada acción a través del tiempo. En nuestro caso, buscamos conocer el ciclo de vida, definido en compras de los usuarios que se registraron en el portal en determinado mes.
De forma visual, un análisis de cohorte se ilustra en la imagen a continuación:
Cada fila hace referencia a un mes de 2017, entre enero y junio, mientras que las columnas, a excepción de la segunda (columna “0” con valores expresados en cifras absolutas), indican el comportamiento en los meses posteriores respecto al mes de cada fila.
A manera de ejemplo, enfoquémonos en enero, en este se observa que en la segunda columna (“0”) hay un valor de 3.165, lo cual indica que en ese mes se suscribieron en el portal esa cantidad de individuos; luego, en la columna “1” se evidencia que un 49,51%, que referencia que el 49,51% de las personas registradas en enero realizaron una compra en el siguiente mes. Es decir: en febrero, la columna “2” representa lo ocurrido en marzo; la “3”, en abril, y así sucesivamente.
Por lo anterior, si se analiza el mes de mayo, en la columna “5”, se puede decir que, de las 3.766 personas registradas en ese mes, tan solo el 22,25% efectuó una compra al quinto mes (octubre).
¿Cuál es la utilidad de esta información?
Se puede pensar en distintas maneras de aprovechar esta información:
- Ciclo de vida de los usuarios: con esta herramienta es posible determinar con una mayor exactitud cuál es el ciclo de vida (medido en meses) de nuestros usuarios, tanto a nivel general como discriminado por mes. Así, por ejemplo, podemos llegar a determinar que los usuarios que se registran en enero permanecen con la empresa 15 meses, mientras que los que ingresan en agosto tan solo lo hacen por 9 meses.
- Los mejores meses para hacer estrategias de suscripción: relacionado con el punto anterior, el análisis de cohortes, nos permite identificar los meses donde es más rentable realizar esfuerzos para conseguir nuevos usuarios, lo cual será en los meses donde en el largo plazo, el porcentaje de conversión es mayor.
- Situaciones particulares: se pueden identificar casos atípicos que proporcionen realidades desconocidas. Por ejemplo los registrados en marzo siempre incrementan sus ventas a mes siguiente, mientras que los de otros meses permanecen constantes; y por tanto debemos determinar qué diferencia a estos individuos de los demás.
Sin embargo, la utilidad no se limita a estos tres casos, y será de acuerdo a la necesidad y pensamiento estratégico que se podrán obtener mayores beneficios de este tipo de análisis.
Es así que, a partir de los datos que brindan nuestros sitios web se pueden accionar estrategias que busquen entender mejor al usuario, y por tanto, emplear las más acertadas.
Comparte
Te puede interesar
Otros artículos de Marketing
Mitos sobre usabilidad y experiencia de usuario que debes olvidar
Las 5 claves para mejorar la experiencia de usuario en tu sitio web
IA para comercio digital: usa chatbots, automatización y genera valor
Suscríbete al
Blog Pragma
Recibirás cada mes nuestra selección de contenido en Transformación digital.