Con los Datos estamos viviendo un proceso que confirma tercera ley de Newton: “para cada acción hay una reacción de la misma magnitud”. La cultura de datos genera excesos que lleva a muchos a preguntarse si hay negocio detrás o es una simple moda. Tenemos que ser capaces, en esto de los datos como en cualquier otro aspecto de negocio (o de la vida), de detenernos, y preguntarnos ¿Para qué?. Junto con el para qué vamos a encontrar los cómos.
Nos vamos a centrar en las empresas de medios online. Veremos que las empresas más innovadoras del sector ya se han embarcado en la captura y explotación de datos. Y nos ayudan a ver el camino que lleva de los datos al beneficio.
En la última sección contamos nos enfrentamos al “Todo lo que necesitas saber para ganar dinero y atraer al público mediante el aprovechamiento de los datos”. Un título bastante arrogante, la verdad.
ACCIÓN: Empresas que acumulan datos.
La cultura de datos se ha impuesto lo suficiente como para estar convencidos de que las decisiones no pueden tomarse a partir de intuiciones sino que tienen que estar basadas en las evidencias que nos aportan los datos. Muy bien.
Esta saludable cultura de datos, sin embargo, está creando un montón de empresas que acumulan sin saber para qué. Yo las llamaba Empresas Diógenes. Del mismo modo que las personas que sufren el síndrome de Diógenes acumulan grandes cantidades de basura y desperdicios domésticos, las empresas Diógenes acumulan datos que no conducen a ningún tipo de acción que mejore el negocio.
REACCIÓN: Expertos que desconfían de los datos masivos.
Muchos analistas están reaccionando contra el síndrome de Diógenes y ponen en duda la utilidad de los datos masivos (Big Data). Como Avinash Kaushik cuando dice que “Es maravilloso tener esos datos masivos. Lo que huele mal es que casi nadie sabe qué hacer con ellos para generar valor real a las empresas”…Lo que me interesa está profunda y apasionadamente enfocado a intentar descubrir cómo conseguir guiar a los datos masivos al Banco (o a conseguir la paz mundial).” (http://www.kaushik.net/avinash/big-data-imperative-driving-big-action/)
Estoy tan de acuerdo con esta necesidad de responder el CÓMO que me he decidido a aportar algo en esa dirección.
TRANSFORMANDO LOS DATOS en dinero.
Dicen por ahí, que a los de mi tierra hacemos cualquier cosa cuando oímos un “¡A-QUE-NO!” o muchísimo peor si es el más grosero “¡A-QUE-NO-HAY!”. Y algo debe haber de verdad, porque el desafío que lanza Avinash me lo he tomado a la navarra.
Para salir de este proceso de acción-reacción-acción, me propongo agarrar el desafío e intentar explicar cómo ganar dinero con Datos
Ganar dinero con Datos, por sectores
No son lo mismo los medios online, banca, seguros, automoción, salud o la educación.
Para poder dar respuestas más precisas tenemos que entender bien cada negocio, comprender sus necesidades específicas, los tipos de datos que tiene cada uno de ellos y saber en qué áreas hay que invertir y donde podemos crecer.
Así que si queremos saber cómo generar dinero con datos, vamos a tener que ir sector por sector.
El contexto de negocio de los medios online
Las compañías de Medios merecen ser tratadas en primer lugar porque recogen cada minuto cantidades descomunales de datos de sus negocios: datos de publicidad y ventas, de lectores anónimos y usuarios registrados, de suscriptores de papel y de los online, datos de contenidos que crean, de contabilidad y de muchísimo más.
Antes de ir al grano, un poco de contexto sobre el sector. Así en plan muy general, pensando en los grupos editoriales que conozco: Prisa (elpais.com, as.com…), Grupo la Información (diariodenavarra.es), Grupo el Comercio de Perú (elcomercio.pe) o Unidad Editorial (elmundo.es, marca.es, expansion.es …)
- Eran editores de papel y están avanzando en su proceso de transformación digital: disponen de varios diarios digitales que conviven con otras publicaciones de papel.
- En el mundo offline tienen suscriptores y compradores anónimos (los del kiosko).
- Los suscriptores y compradores anónimos de papel son cada vez menos y más viejos.
- El modelo de negocio básico es la venta del periódico y la inclusión de publicidad.
- La mayoría de las empresas editoras complementan desde hace muchos años sus ingresos decrecientes con todo tipo de promociones de objetos con gancho: DVDs, batidoras, relojes o gafas de sol. Esto les hacen tener picos de ventas de periódicos que caen inmediatamente después de retirar la promoción.
- Los ingresos por publicidad offline han caído de modo dramático.
- El número de lectores online crece.
- En las publicaciones digitales sólo unos pocos suscriptores pagan y la mayoría leemos gratis.
- El modelo de negocio online se basa fundamentalmente en publicidad.
- Los ingresos por publicidad online no se aproximan ni de lejos a los que tuvieron o incluso a los que tienen aún en papel.
- En el online la mayoría de los usuarios son anónimos y unos pocos usuarios son registrados (de entre ellos unos pagan y otros no).
- Aprovechando su base de lectores digitales y su conocimiento del medio digital, a menudo crean otros portales verticales. El grupo El Comercio de Perú tiene, por ejemplo, la inmobiliaria urbania.pe, el portal de empleo aptitus.pe, o la especializada en automóviles neoauto.pe.
Las lecciones del Huffington Post, BuzzFeed o el Financial Times
Las empresas que se han embarcado en la captura y explotación de datos para conocer a usuarios y clientes tienen ya varias respuestas al para qué de los Datos.
En el muy recomendable estudio Big Data for Media (PDF), de Martha L. Stone. El estudio recoge, entre muchas otras cosas, los puntos importantes de intervenciones de los responsables de datos de algunos de los medios online más innovadores del mundo.
Jimmy Maymann (CEO del Huffington Post): “Todo va de datos”
- Los periodistas del Huffingnton Post prueban el éxito de los titulares con "tests AB” y consiguen aumentos significativos de tráfico.
- La analítica de Big Data ha determinado que la publicidad nativa del sitio (artículo de la Wikipedia en Inglés sobre Native Advertising) doblan en recuerdo de marca al del contenido patrocinado y hasta consiguen 1,3 veces más de recuerdo que los contenidos convencionales.
- El Huffington Post está utilizando la tecnología de Gravity (http://www.gravity.com) para identificar los intereses de los usuarios individuales a través de comportamientos de navegación y así ofrecen a cada usuario el contenido que mejor se adapta a sus preferencias.
BuzzFeed: “Podemos predecir si una historia es viral”
El equipo de Buzzfeed identifica qué CARACTERISTICAS tiene una historia viral con el fin de duplicar el éxito en el futuro. Por medio de Aprendizaje automático
(https://es.wikipedia.org/wiki/Aprendizaje_autom%C3%A1tico - Machine Learning) son capaces de predecir qué historias se van a convertir en contenidos virales.
Finnancial Times: “Buscábamos suscripciones para hacer dinero y los datos nos dieron conocimiento”
El impacto de los datos en el Financial Times está muy relacionado con la recogida de datos que llegaron cuando establecieron su muro de pago (hay que suscribirse para seguir leyendo).
Comenzaron hace 6 años con un modelo de suscripción de pago para obtener ingresos por ese medio, pero descubrieron que aún más importante ha resultado el conocimiento que nos aportado sobre nuestros clientes.
Gracias a estos datos pueden ofrecer contenidos mas relevantes para cada usuarios, servir campañas de publicidad más personalizadas e incluso crear nuevos productos basados en la información que recogen.
Todo lo que necesitas saber para ganar dinero y atraer al público mediante el aprovechamiento de los datos
Me encanta el lema de la conferencia BIG DATA FOR MEDIA 2015.
“Todo lo que un ejecutivo de medios necesita saber para ganar dinero y atraer al público aprovechando datos más inteligentes”
|
Veamos ahora sólo 3 entornos donde vamos a hacer negocio con los datos:
01. Datos para conseguir más páginas vistas y más tiempo en el sitio
Empecemos con lo más básico. Uno de los modelos más frecuentes de los medios online es la publicidad: banners, publicidad nativa, branded content, lo que sea. Como primera aproximación ( más adelante añadiremos más sofisticación al enfoque), cuantos más anuncios ven nuestros usuarios y durante más tiempo, mayor es el beneficio para el medio online.
Para conseguir este objetivo tenemos que aumentar el número de páginas que ven los usuarios y el tiempo que pasan en nuestro sitio.
En esta tarea de mejorar el contenido de la prensa online, los datos nos pueden decir ¿qué contenidos hacen que cada usuario visite más páginas y estén más tiempo en nuestro sitio? ¿cuándo y dónde tengo que colocar estos contenidos para tener éxito según nuestras métricas de tiempo en el sitio y páginas vistas?
La respuestas nos acercas cada vez más hacia la necesidad de personalización de los contenidos: cada individuo tiene sus preferencias, si conocemos mejor a cada uno de ellos, le ofreceremos el contenido más relevante, que le hará volver más a menudo a nuestro sitio y verá más páginas.
El camino está claro. Pero eso no significa que sea fácil. Especialmente si nuestra analítica tiene que valerse de los datos de usuarios no registrados y las cookies.
Por eso el Finnancial Times descubrió que el principal valor de su muro de pago, más allá del dinero que aportaban los suscriptores, era sobre todo el de los datos mucho más precisos que obtiene para conocer mejor a sus clientes.
02. Datos para hacer publicidad más eficiente
El conocimiento de los usuarios por medio de datos trae consigo también la personalización de los contenidos publicitarios. Tanto si es publicidad estándar, como en la publicidad nativa o en otros métodos innovadores, esta publicidad personalizada es, lógicamente, mucho más eficiente.
El Remarketing es sólo un adelanto primitivo en esta dirección. Ya sabéis: después de entreteneros en un sitio web determinado, os aparecen en sitios diferentes banners publicitarios del sitio que habéis visitado recientemente (http://www.eduardovalencia.com/2015/06/las-cookies-y-el-conocimiento-del-bien.html).
Y claro, si los anunciantes consiguen aumentar la efectividad de sus contenidos publicitarios, los medios acabarán por llevarse su parte.
03. Datos para conseguir más suscriptores y fidelizarlos
The New York Times anunció en febrero de 2014 que contrataba a Chris Wiggins, su primer jefe científico de datos. Wiggings, que construye modelos informáticos de predicción, ahora dirigirá un pequeño grupo científicos de datos en NYT que tiene como misión mantener o ampliar su base de suscriptores.
Los ingresos por publicidad del grupo editorial del NYT se redujeron de $ 1260 millones a apenas $ 666,7 millones durante la última década. Las suscripciones son, por tanto, una prioridad.
El equipo de Wiggins está utilizando datos para predecir qué lectores pueden darse de baja y permitiendo a los equipos de marketing y ventas intentar retener a estos suscriptores en riesgo de abandono con mensajes y ofertas que puedan mantenerlos como suscriptores.
The New York Times anunció en febrero de 2014 que contrataba a Chris Wiggins, su primer jefe científico de datos. Fijaos en el detalle del corazón con el texto de “Data” sobre su polo.
Al final, como ya dijimos en Big Data, Analítica web y la parábola del elefante la respuesta a “¿cómo ganar dinero con Big Data? se acercaba mucho a “Necesitamos datos masivos para conocer a nuestros clientes y poderles ofrecer un servicio realmente personalizado”, con el mensaje adecuado, en el momento adecuado.