Sunny Cha
22 de marzo de 2017
Las herramientas de big data están hoy en día muy extendidas y, en comparación con hace unos años, son baratas. Pero, aunque estas herramientas te ofrecen el “qué” —una avalancha de datos—, no te indican el “cómo” utilizarlos.
Un desarrollador de aplicaciones de videojuegos, por ejemplo, puede configurar herramientas sencillas y listas para usar con las que recopilar a diario millones de puntos de datos sobre el comportamiento de los usuarios en el juego, las actividades virales, la interacción con los anuncios, etc. Pero es el desarrollador quien debe determinar cuáles de estos datos son buenos, malos o, sencillamente, no son útiles para el análisis.
A continuación, repasamos un flujo de decisión útil, tomando como ejemplo a nuestro desarrollador de videojuegos ficticio.
Empieza por las preguntas adecuadas
Antes incluso de recopilar ningún dato, puedes empezar a plantearte preguntas sobre el rendimiento de la empresa. Estas preguntas actúan como «anteojeras» que te ayudan a centrarte en lo que es importante. Aunque también es posible decidir lo que se quiere —por ejemplo, una retención del 50 % el primer día— e intentar encontrar pistas en los datos que permitan alcanzarlo, este enfoque carece de la precisión de una pregunta y conlleva el riesgo de caer en el sesgo de confirmación.
Para nuestro ejemplo, supongamos que nuestro desarrollador empieza preguntándose: “¿Por qué mis usuarios no vuelven con frecuencia?”.”
Una vez que sepas por dónde empezar, profundiza más
Para obtener los mejores resultados, formula tus preguntas de la forma más concreta posible. “¿Por qué mis usuarios no vuelven con frecuencia?” ofrece demasiadas posibles líneas de investigación. Una pregunta concreta debe basarse en conocimientos básicos que un desarrollador ya conoce.
Desarrollador: “¿Por qué mis usuarios abren la aplicación durante sesiones largas de entre 5 y 10 minutos y juegan, pero aun así no vuelven con frecuencia?”
Formula hipótesis que puedan responder a tus preguntas
Una vez que hayas concretado tus preguntas, formula hipótesis que puedan demostrarse o refutarse.
Hipótesis inicial del desarrollador: “Los usuarios de mi juego no vuelven con frecuencia porque tienen pocas conexiones en la aplicación”.”
A continuación, asigna una acción a cada resultado (verdadero, falso u otro) para tener claro cuál es el siguiente paso que debes dar tras la validación.
Hipótesis final del desarrollador: “Los jugadores de mi juego no vuelven con frecuencia porque no tienen suficientes conexiones activas. Si esto es cierto, entonces necesitamos una estrategia para atraer a sus amigos al juego. Si mi hipótesis es falsa, entonces analizaré otras posibles razones, como las notificaciones enviadas en un momento inadecuado”.”
Segmenta a tus usuarios al analizar los datos
Cuanto más reducido sea tu grupo, más fácil resultará elaborar un plan de acción basado en su comportamiento. Desglosa tus datos por región de registro, edad o tipo de dispositivo y combínalos con factores como el número de conexiones o el comportamiento ante las notificaciones.
Desarrollador: “Será mucho más fácil crear una campaña de recomendación dirigida a los usuarios de iOS de entre 18 y 25 años que viven en EE. UU., en lugar de dirigirse simplemente a todos los usuarios de iOS”.”
Establecer indicadores de éxito
Sin indicadores de éxito con los que comparar los datos, resulta difícil decidir si conviene seguir adelante con una estrategia o si es el momento de reajustarla. También resulta complicado identificar qué usuarios pertenecen al grupo que se desea analizar.
Desarrollador: ¿Cómo se distingue a los usuarios más activos del resto? ¿Es cuando vuelven diez veces a la semana? ¿Deberían medirse los usuarios iOS y Android con el mismo indicador?
Y no te fijes en datos concretos
Por último, recuerda que las cosas cambian. Por ejemplo, los mejores desarrolladores suelen dedicar meses a perfeccionar el desarrollo de un tutorial, para luego descartarlo y empezar desde cero. Esto se debe a que los usuarios que tienes hoy pueden no ser los mismos que los de hace seis meses. No te obsesiones demasiado con los datos puntuales a costa de perder de vista la tendencia general.
Desarrollador: “Ahora que hemos logrado un crecimiento viral en el segmento de 18 a 35 años, ¿deberíamos seguir buscando mejoras para el de 36 a 50?”
No olvides que los resultados de estos datos no deben quedar aislados en una unidad de inteligencia empresarial o en la sala de reuniones de la dirección. A medida que plantees preguntas y llegues a conclusiones, asegúrate de que tu proceso de comunicación con otros equipos funciona correctamente. Por ejemplo, al equipo de marketing le resultará útil saber a qué segmentos dirigir su publicidad. Los diseñadores necesitarán conocer las frecuencias de uso para poder diseñar una experiencia de usuario fluida en la aplicación. Los programadores necesitan conocer las previsiones de uso para adaptar las actualizaciones de forma adecuada. Los datos deben democratizarse.
Y, por el bien de tu salud mental, lo mejor es que utilices una única herramienta para todos tus datos, en lugar de varios silos. Para obtener más información sobre cómo elegir un servicio, echa un vistazo a nuestro reciente artículo sobre herramientas de inteligencia empresarial.
