Las herramientas de big data est\u00e1n hoy en d\u00eda muy extendidas y, en comparaci\u00f3n con hace unos a\u00f1os, son baratas. Pero, aunque estas herramientas te ofrecen el \u201cqu\u00e9\u201d \u2014una avalancha de datos\u2014, no te indican el \u201cc\u00f3mo\u201d utilizarlos.<\/p>\n\n\n\n
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 interacci\u00f3n con los anuncios, etc. Pero es el desarrollador quien debe determinar cu\u00e1les de estos datos son buenos, malos o, sencillamente, no son \u00fatiles para el an\u00e1lisis.<\/p>\n\n\n\n
A continuaci\u00f3n, repasamos un flujo de decisi\u00f3n \u00fatil, tomando como ejemplo a nuestro desarrollador de videojuegos ficticio.<\/p>\n\n\n\n
Empieza por las preguntas adecuadas<\/strong> Para nuestro ejemplo, supongamos que nuestro desarrollador empieza pregunt\u00e1ndose: \u201c\u00bfPor qu\u00e9 mis usuarios no vuelven con frecuencia?\u201d.\u201d<\/p>\n\n\n\n Una vez que sepas por d\u00f3nde empezar, profundiza m\u00e1s<\/strong> Desarrollador: \u201c\u00bfPor qu\u00e9 mis usuarios abren la aplicaci\u00f3n durante sesiones largas de entre 5 y 10 minutos y juegan, pero aun as\u00ed no vuelven con frecuencia?\u201d<\/p>\n\n\n\n Formula hip\u00f3tesis que puedan responder a tus preguntas<\/strong> Hip\u00f3tesis inicial del desarrollador: \u201cLos usuarios de mi juego no vuelven con frecuencia porque tienen pocas conexiones en la aplicaci\u00f3n\u201d.\u201d<\/p>\n\n\n\n A continuaci\u00f3n, asigna una acci\u00f3n a cada resultado (verdadero, falso u otro) para tener claro cu\u00e1l es el siguiente paso que debes dar tras la validaci\u00f3n.<\/p>\n\n\n\n Hip\u00f3tesis final del desarrollador: \u201cLos 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 hip\u00f3tesis es falsa, entonces analizar\u00e9 otras posibles razones, como las notificaciones enviadas en un momento inadecuado\u201d.\u201d<\/p>\n\n\n\n Segmenta a tus usuarios al analizar los datos<\/strong> Desarrollador: \u201cSer\u00e1 mucho m\u00e1s f\u00e1cil crear una campa\u00f1a de recomendaci\u00f3n dirigida a los usuarios de iOS de entre 18 y 25 a\u00f1os que viven en EE. UU., en lugar de dirigirse simplemente a todos los usuarios de iOS\u201d.\u201d<\/p>\n\n\n\n Establecer indicadores de \u00e9xito<\/strong> Desarrollador: \u00bfC\u00f3mo se distingue a los usuarios m\u00e1s activos del resto? \u00bfEs cuando vuelven diez veces a la semana? \u00bfDeber\u00edan medirse los usuarios iOS y Android con el mismo indicador?<\/p>\n\n\n\n
Antes incluso de recopilar ning\u00fan dato, puedes empezar a plantearte preguntas sobre el rendimiento de la empresa. Estas preguntas act\u00faan como \u00abanteojeras\u00bb que te ayudan a centrarte en lo que es importante. Aunque tambi\u00e9n es posible decidir lo que se quiere \u2014por ejemplo, una retenci\u00f3n del 50 % el primer d\u00eda\u2014 e intentar encontrar pistas en los datos que permitan alcanzarlo, este enfoque carece de la precisi\u00f3n de una pregunta y conlleva el riesgo de caer en el sesgo de confirmaci\u00f3n.<\/p>\n\n\n\n
Para obtener los mejores resultados, formula tus preguntas de la forma m\u00e1s concreta posible. \u201c\u00bfPor qu\u00e9 mis usuarios no vuelven con frecuencia?\u201d ofrece demasiadas posibles l\u00edneas de investigaci\u00f3n. Una pregunta concreta debe basarse en conocimientos b\u00e1sicos que un desarrollador ya conoce.<\/p>\n\n\n\n
Una vez que hayas concretado tus preguntas, formula hip\u00f3tesis que puedan demostrarse o refutarse.<\/p>\n\n\n\n
Cuanto m\u00e1s reducido sea tu grupo, m\u00e1s f\u00e1cil resultar\u00e1 elaborar un plan de acci\u00f3n basado en su comportamiento. Desglosa tus datos por regi\u00f3n de registro, edad o tipo de dispositivo y comb\u00ednalos con factores como el n\u00famero de conexiones o el comportamiento ante las notificaciones.<\/p>\n\n\n\n
Sin indicadores de \u00e9xito con los que comparar los datos, resulta dif\u00edcil decidir si conviene seguir adelante con una estrategia o si es el momento de reajustarla. Tambi\u00e9n resulta complicado identificar qu\u00e9 usuarios pertenecen al grupo que se desea analizar.<\/p>\n\n\n\n