T5 – Principales Métricas de Marketing Digital

Indicadores Generales

• Valor de tiempo de vida del cliente – Lifetime Value o LTV: «Total de beneficios que nos va a generar durante toda su relación con la marca».
• Tasa de rebote – Bounce Rate: «Porcentaje de personas que han visitado nuestra página web pero la han abandonado justo después, sin completar ninguna acción.»
• Búsquedas de la marca – Branded Search: «Búsquedas de la marca en Google y otros motores de búsqueda. Nos sirve para evaluar las campañas de reconocimiento de marca y notoriedad».

Indicadores de Redes Sociales

• Engagement: (Me gusta + comentarios + compartir) / Nº de fans.
• Tráfico de referencia – Referral Traffic: «Cantidad de visitas que llegan a nuestra web procedentes de las redes sociales, tanto de manera aislada como en porcentaje del total de visitas.»

Indicadores de Emailing

1. Porcentaje de bajas – Unsubscribe rate.
2. Índice de crecimiento de suscriptores – Contact growth rate.
3. Ingresos por email – Revenue per email.
4. Tasa de apertura.
5. Tasa de clics (únicos).
6. Tasa de conversiones.

Indicadores de un E-commerce

1. Valor medio por pedido.
2. Tasa de abandono de carrito.
3. Tasa de visita de producto.

Indicadores de SEO

1. Ranking de palabras clave: SERP o SEMRush
2. Indexación: «Cantidad de direcciones URL que pertenecen a tu dominio que Google puede mostrar» > Google Search Console
3. Enlaces externos: ¿negativo o positivo?
4. Posicionamiento orgánico: «Contenido/páginas que posicionan de forma orgánica, es decir sin utilizar campañas pagadas» > SEMRush
5. Tráfico orgánico: Google Analytics
6. Tiempo de carga.

T6 – Social Media Data

Es la disciplina que se ocupa de captar y analizar el conjunto de datos que se genera en las redes sociales para poder convertirlos en propuestas de valor.

¿Cómo genera conocimiento para las marcas el «Social Media Data»?

• Predecir tendencias de consumo.
• Anticipar problemas con un producto.
• Encontrar un nuevo nicho en el mercado.
• Mejorar un servicio/Imagen de marca.

¿Hay diferencia entre Social Media y Redes Sociales?

En definitiva, son las investigaciones o informaciones procedentes de la actividad o los movimientos de los usuarios en los medios sociales. Es el conjunto de estadísticas y análisis sobre lo que ocurre en el social media.

¿Qué medimos?

• Alcance
• Likes
• Menciones
• Shares
• Visitas
• Comentarios
• Clicks
• Viralidad

Para tomar decisiones inteligentes basadas en el uso de Social Media Data:

1. Identificar y delimitar los objetivos a los que apuntar
2. Recopilar, organizar y procesar los datos
3. Desarrollar un pensamiento crítico y analizar la información
4. Tomar decisiones y corregir.

Social Listening:

El Social Listening es una técnica que permite a las empresas conocer todo aquello que se habla de su marca en redes sociales a través de diferentes herramientas de monitorización. Nos puede ayudar a crear campañas, enviar contenido relevante, descubrir qué están haciendo nuestros competidores o elegir embajadores de marca.

T7 – Geodatos

Los datos geoespaciales, también conocidos como geodatos, son datos que incluyen información relacionada con ubicaciones en la superficie de la Tierra. Los datos geoespaciales combinan información sobre la ubicación con características o atributos de otros conjuntos de datos empresariales durante un periodo determinado. Los datos geoespaciales involucran grandes conjuntos de datos (Big Data) espaciales obtenidos de muchas fuentes diversas en distintos formatos y pueden incluir información como datos demográficos, imágenes satelitales, datos meteorológicos, datos de teléfonos, imágenes dibujadas o datos de redes sociales. Son útiles cuando se pueden descubrir, compartir, analizar y utilizar en combinación con datos comerciales tradicionales.

Geomarketing:

Es una estrategia de marketing que utiliza geodatos para comprender mejor al público y dirigir con precisión mensajes, ofertas y publicidad:

• Geolocalización
• Geotagging
• Geofencing
• Mapas interactivos
• Heatmaps
• Local SEO
• Geotargeting publicitario
• Marketing de contenido localizado.

T8 – Análisis Predictivo

El análisis predictivo hace predicciones sobre resultados futuros utilizando datos históricos combinados con modelos estadísticos, técnicas de minería de datos, IA y aprendizaje automático. El análisis productivo ayuda a las empresas a encontrar patrones entre los datos, identificar riesgos y oportunidades. En otras palabras, el análisis predictivo busca patrones pasados para medir la probabilidad de que esos patrones vuelvan a ocurrir.

Beneficios del Análisis Predictivo:

1. Reduce el impacto de riesgos.
2. Mejora la estrategia de marketing.
3. Optimiza las operaciones.
4. Permite encontrar mercados y segmentos nuevos.
5. Facilita el cross-selling y up-selling.
6. Aplicaciones en Banca.
7. Aplicaciones en Medicina.
8. Aplicaciones en RRHH.
9. Aplicaciones en Marketing y ventas.
10. Aplicaciones en la Cadena de suministros.

Técnicas de análisis predictivo:

1. Árboles de decisión: Utilizan ramificaciones para mostrar visualmente las posibilidades que surgen de cada resultado o elección. Cada una de las ramas representa una posible elección y la hoja de las ramas simboliza el resultado de la decisión (un sí o un no).
2. Regresión: Ayuda a comprender las relaciones entre variables. Funciona descubriendo una fórmula que representa la relación entre todas las entradas encontradas en el conjunto de datos. Podemos predecir, por ejemplo, cómo afecta un aumento de precio a las ventas de un producto.
3. Redes neuronales: Son métodos de aprendizaje automático que imitan la forma en que funciona el cerebro humano. Este modelo puede abordar relaciones de datos complejas utilizando inteligencia artificial y reconocimiento de patrones.