Para entender Big Data, intente pensar como un psicólogo

Como un Rey Arturo moderno y todos sus caballeros, los mercadólogos digitales están siempre en la búsqueda del Santo Grial: el sitio web que se personaliza para el consumidor.

Si podemos personalizar la experiencia digital de un individuo, pensamos, podemos alentarlos, con todas las señales y llamadas a la acción correctas, para completar su compra. La copa de conversión se agotará.

El problema es que una experiencia perfectamente personalizada es tan elusiva como el Santo Grial.

Las empresas tienen tantos tipos diferentes de usuarios que requieren diversos tipos de experiencias, y la "personalización", esa idea de un millón de dólares de que podemos predecir el comportamiento de los clientes con anticipación y luego ofrecerles una experiencia en línea personalizada, se promociona como la solución definitiva. Las empresas están invirtiendo recursos en personalización en un intento por obtener una ventaja sobre su competencia y aumentar sus ganancias.

Pero gran parte de esto es una pérdida de tiempo y efectivo.

Es fácil sentirse atraído por la idea de que si podemos identificar comportamientos similares entre grupos de clientes, nos permitirá predecir cómo se comportarán los clientes similares. Pero al buscar soluciones rápidas a partir de grandes cantidades de datos y al analizar un puñado de números, las empresas caen en la trampa.

Necesitas ser personal, pero no en la forma en que estás pensando

Las empresas están nadando en datos sobre sus consumidores. Hay datos que se relacionan con el comportamiento del usuario (clics, visitas a páginas), eventos sociales (me gusta, recursos compartidos), detalles del artículo (categoría, precio) e información contextual (hora del día, clima, dispositivo) y mucho más.

Pero a pesar de toda esta información a nuestro alcance, realmente no sabemos por qué sus clientes están comprando (o no) su producto. Esto se debe a que esta información increíble y rica nos dice mucho sobre lo que hacen nuestros clientes, pero casi nada acerca de por qué lo están haciendo.

Considere este ejemplo: una tienda de alimentos saludables hace un análisis basado en datos de su comportamiento del consumidor, y determina que el gasto promedio de los clientes es mucho más alto durante los meses de verano que en el invierno. La conclusión basada en datos aquí, entonces, sería que las personas están más dispuestas a gastar dinero en alimentos saludables en el verano.

Pero llegar a tal conclusión ignora varias posibles variables de confusión. Varios otros factores potenciales están en juego: el verano también es temporada de trajes de baño, lo que significa que las personas tienden a participar en actividades más saludables y estilos de vida en los meses calurosos, en cuyo caso comprar más alimentos saludables es un resultado secundario.

Para comprender realmente el comportamiento del cliente, los datos deben estar organizados de una manera que demuestre una comprensión profunda de la forma en que las personas piensan y se comportan. No se trata solo de la personalización global. Se trata de pensar como un psicólogo, o mejor aún, contratar a un psicólogo para ayudarlo a descifrar esos números.

Al igual que la vida humana, es complicado

Los científicos de datos son propensos a caer en lo que llamamos la suposición de "caja negra": pensar que el comportamiento humano se puede entender simplemente observando datos externos. Los humanos no son máquinas. Somos complicados, inteligentes y motivados por las emociones, y las empresas que dependen demasiado del frío para entender que sus consumidores se engañan al olvidar esto.

El aprendizaje automático ofrece un potencial ilimitado para llegar a los clientes de maneras nuevas y emocionantes. Usando métodos de aprendizaje automático, podemos acercarnos para identificar patrones que son invisibles para el ojo humano desnudo. Pero una cosa que el aprendizaje automático no puede ofrecernos, al menos no todavía, es un portal hacia la experiencia humana interna.

Considere esta analogía popular: las máquinas hacen predicciones meteorológicas muy buenas en estos días. Incluso pueden predecir el interior de una tormenta. Pero nunca está húmedo dentro de la computadora.

¿Por qué importa esto? Importa porque a pesar de que nos gustaría creer que todo el comportamiento humano es tan limpio y ordenado como una fila de números, la realidad es que la mayoría de nuestras decisiones provienen de corazonadas y corazonadas. Si no aceptamos esto, nunca avanzaremos en nuestra búsqueda para comprender verdaderamente el comportamiento humano.

El análisis de los datos debe ser impulsado por el conocimiento experto y la teoría psicológica4 en lugar de aplicar el enfoque "vamos a intentar y ver". Para que los especialistas en marketing usen datos de manera efectiva, tienen que alejarse y recordar que un enfoque de una sola dirección y de una sola dirección para leer datos casi siempre les fallará.

La conversión es un proceso compuesto por muchas paradas y comienzos. La sabiduría del científico de datos convencional ha considerado la conversión como una acción o evento aislado, aislado en el tiempo.

Este es un enfoque lamentablemente miope.

El camino desde la exposición inicial de la marca hasta la finalización de la compra es largo y, por lo general, requiere algunos puntos de contacto para que el usuario lo convierta. Debemos dejar de hablar sobre las tasas de conversión y comenzar a hablar sobre los ciclos de conversión.

Un "ciclo de conversión" puede incluir muchas visitas al sitio, transiciones entre dispositivos móviles y computadoras de escritorio, e incluso múltiples paradas entre las tiendas en línea y fuera de línea de una empresa. Es el resultado de muchas decisiones entrelazadas diferentes, teniendo en cuenta una serie de preocupaciones: costo, estilo, finanzas personales, impulsos emocionales, decisiones familiares y más.

Para que las empresas realmente hagan un acercamiento a sus clientes y obtengan información valiosa que pueda cubrir sus resultados, deben recordar que cuando un cliente visita su sitio, la visita al sitio es solo un pequeño punto de datos en un laberinto de factores que idealmente conducirán al final de la conversión

Pero si la empresa puede identificar dónde se encuentra el cliente en su proceso de conversión cuando se encuentra en ese punto específico de datos en el laberinto, entonces tendrá una herramienta valiosa para influir de manera efectiva en su comportamiento.

Para hacer uso de sus datos, cave

Es tentador pensar que los modelos de conversión y de datos existen en una sola dimensión. Pero si queremos aprovechar la mina de oro que nos ofrece el aprendizaje automático y utilizar los valiosos datos a nuestro alcance para realmente marcar la diferencia para nuestros clientes, tenemos que sacar la pala y excavar hasta su segunda, tercera y cuarta capa. .

Aquí hay un ejemplo. Un científico de datos de uno de nuestros mayores clientes minoristas me dijo una vez que estaba a punto de decirle a su gerente que elimine los filtros de su sitio web. ¿Por qué? Debido a que realizó un análisis de los clientes que se convirtieron y descubrió que, aunque los filtros eran populares entre los visitantes que ingresaban al sitio y luego se marchaban sin realizar una compra, los visitantes que sí lo hicieron no usaban los filtros.

Decidí profundizar. No pasó mucho tiempo para que este científico de datos y yo nos diéramos cuenta de que los visitantes que se estaban convirtiendo eran visitantes que regresaban, que ya estaban familiarizados con su sitio y ya no necesitaban los filtros para encontrar lo que estaban buscando. Esos mismos visitantes, en su primera visita al sitio, habían usado los filtros para buscar el mismo producto que ahora estaban volviendo a comprar.

Piense en modelos psicológicos como una pala: debajo de cada capa de datos están los problemas humanos de la emoción, la irracionalidad, el sesgo cognitivo y las señales emocionales.

Tantos factores influyen en nuestras decisiones de compra. Si las empresas quieren ayudar a orientar a sus clientes hacia la conversión, deben comenzar retirando las capas de sus datos y viendo a estos clientes como las personas multidimensionales y complicadas que son.

Los modelos psicológicos del comportamiento de los clientes pueden trabajar de la mano con los datos para identificar la intención del cliente y ayudar a las empresas a comprender dónde están los visitantes en su ciclo de conversión durante cada visita al sitio única. Los algoritmos podrían integrar acciones, atributos y contextos de los visitantes, como el tipo de página o el tipo de sitio web para determinar la intención.

Es este tipo de personalización, que identifica a los clientes como personas y no solo lugares de datos en un gráfico, ese es el verdadero santo grial. Cualquier empresa que quiera salir adelante debe apuntar a esto hoy.

Related of "Para entender Big Data, intente pensar como un psicólogo"