Importancia de hipótesis en la analítica digital

Después de tratar con muchos clientes, una de las lecciones más valiosas que he aprendido es que en cualquier proyecto de analítica, si la pregunta de negocio que nos hacemos no es la correcta, si empezamos con la pregunta equivocada, nunca llevaremos a buen puerto el proyecto. Nunca. Imposible.

Lo malo es que, aunque la pregunta de negocio debe salir del cliente que es quien lleva las riendas, muchas veces la persona responsable no tiene muy claro qué es lo que quiere y al final parece que el analista es el que tiene la culpa de no dar las respuestas adecuadas.

¿Y qué podemos hacer al respecto? Lógicamente lo primero es tener claro qué datos tenemos disponibles para determinar qué problemas podemos resolver y sobre todo qué análisis podemos llevar a cabo para encontrar correlaciones en los datos e identificar las causas de dichos problemas.

El objetivo del proyecto debe ser definido correctamente para que el análisis y su resultado tengan sentido. No podemos quedarnos en “Objetivo: vender más”, hay que traducirlo en problemas “Objetivo: vender más a través de las campañas que tenemos activas en SEM”, por ejemplo. Segmentar los objetivos de negocio es la base para poder llegar al meollo de la cuestión.

Y el primer paso es entender qué tipos de datos tenemos, si están centralizados, si se recogen de la forma correcta, si son los que necesitamos, la calidad del dato es esencial porque vamos a basar todo el análisis en dichos datos. Cómo definimos cada uno de los conceptos a analizar, ¿existe ya la KPI asociada a cada concepto?, ¿es la que nos vale o hay que definir otra o construirla a partir de una segunda o tercera métrica?

Yo suelo empezar por construir modelos de datos a partir del histórico disponible y comprobar si cada KPI mide lo que debe en base a los resultados del pasado. Suele funcionar bastante bien para comprobar si se recoge bien el dato o los datos y si nos sirve o no para nuestro cometido.

Tenemos que tener en cuenta que la primera pregunta cuando se presenta un análisis es “¿esos datos están bien?”. Si me hubieran dado un euro cada vez que en una reunión alguien empieza por esa pregunta, estaría escribiendo esto desde un bungalow perdido en Las Bahamas o similar. Y no hay nada peor que perder la confianza en los datos, ya nada vuelve a ser igual y la duda en cada análisis queda ahí, flotando, sin poder hacer nada al respecto. Así que es vital empezar por la calidad de los datos. Vital.

Proceso analítica web

Proceso analítica web

 

Pero como decía, el meollo de la cuestión básicamente es encontrar la hipótesis y analizar en base a ésta: buscar la causa de que nuestras campañas en SEM no estén dando el rendimiento esperado. ¿Es problema de las keywords? ¿De los segmentos a quien va dirigida la campaña? ¿Mandamos el mismo mensaje a cualquier usuario? ¿No genera interés el copy? ¿Genera interés pero no logramos mantenerlo en la landing page? ¿Es problema de las expectativas que tenía el usuario? ¿Es problema de nuestro sitio web o aplicación? ¿Tiene interés pero no logramos convertirlo en conversión? Según las respuestas a estas preguntas tendremos más claro dónde está el problema y tratar de entender las causas reales para poder dar hipótesis al respecto.

Los analistas que llevamos tiempo en esto rara vez nos desorientamos, puesto que quien más quien menos sabe reconocer la mayoría de las situaciones (sube esto, baja esto otro y esto de más allá se mantiene -> nos lleva a la hipótesis A). Pero realmente la parte más interesante es intentar tener ideas nuevas desde el análisis de la información, no quedarnos en lo que ya sabemos sino explorar nuevos caminos para llegar a nuevas soluciones.

Por eso es tan importante que el analista tenga la mente abierta y aunque lo fácil sea analizar los datos desde la perspectiva de lo que ha pasado, llegar a diferentes hipótesis para comprender lo que sucede realmente.

Recordemos que una hipótesis es una suposición, por lo que al formularla tendremos un escenario o marco de trabajo para observar la información y empezar lo importante: el descubrimiento de datos que la corroboren o la nieguen.

Cuantas más hipótesis analicemos más claro tendremos el entorno y llegaremos a conclusiones más sólidas. Pero para esto tenemos que tener conocimiento del problema a fondo.

Es decir, para asegurar el éxito en un proyecto de analítica el analista debería formar parte de las reuniones estratégicas, determinar qué nos hace falta y de dónde sacar la métrica, controlar el almacenamiento y calidad de los datos, además de encargarse del análisis y el desarrollo de hipótesis.

He encontrado este post de DataScienceCentral que ilustra todo esto con un ejemplo muy interesante sobre las vacunas en USA, de principio a fin. Está en inglés pero vale la pena porque está muy detallado y se ve claramente el problema de no hacer las preguntas adecuadas en el análisis de un problema.

 

“Gemma es diplomada en informática y tiene un master en Web Analytics por la Universidad British Columbia. Sus 8 años de experiencia como Web Analytics Manager en Bankinter, Panda Security y sus colaboraciones con clientes como Iberdrola, Fundación Telefónica, Grupo Meliá, Carrefour y Línea Directa le avalan como una de las mejores profesionales de analítica web a nivel nacional.
Ha sido nombrada en octubre 2012 como una de las 100 Mujeres Líderes en España en la categoría de Emprendedoras e Innovadoras por Mujeres&Cia (www.lastop100.com).
Es autora de los libros “Analítica Web en una Semana” (Gestión 2000, 2012), “El Arte de Medir” (Profit, 2011) y “Métricas del Marketing” (Esic, 2010).
Es la directora del primer máster español en Analítica Web en Kschool y participa como docente en la Universidad Politécnica de Valencia y Francisco de Vitoria además de en diversas escuelas de negocio.
Única española finalista en 2011 al premio internacional de Excelencia Web Analytics Rising Star de la Web Analytics Association.”

Twitter Google+ 

3 Responses to Importancia de hipótesis en la analítica digital

  1. Ana febrero 19, 2015 at 5:39 pm #

    Hola Gemma,

    Muy buen post, has resumido en pocas frases el trabajo de un analista: hacer las preguntas correctas, garantizar la calidad de los datos, ideas nuevas y creatividad.

    Saludos

    Ana

  2. Joel febrero 26, 2015 at 1:55 am #

    Sin duda el trabajo de un analista no es poco !

    Gran post, Saludos Joel

  3. seowebconsultora febrero 27, 2015 at 9:03 pm #

    Un post muy real aplicado a la experiencia, la mayoría de artículos de analítica solo ofrecen teoría de como crear cuadros de mando, pero el tuyo en concreto me encantó porque lo aplicas a un caso real y en estrategia, con los que nos enfrentamos los consultores digitales a menudo.

    Saludos!

Hecho con cariño desde Madrid por las Madrid Geek Girls.