El documento discute cómo el análisis de datos puede ayudar con la estrategia de marketing digital mediante la creación de un modelo de datos, el análisis de contenido estructurado y desestructurado, y presenta cinco casos de uso en diferentes industrias como telecomunicaciones, retail, política y turismo.

1. ¿Qué puede aportar el data analytics a mi
estrategia de marketing online?
+ Casos de éxito
Álvaro Fierro – alvaro.fierro@urbegi.com

2. ¿De qué vamos a hablar?
• Introducción y Crítica al Business Intelligence (BI), Big Data y Data Analytics.
• La importancia de crear un modelo de datos para medir la estrategia de marketing digital.
• Contenido estructurado: datos internos y datos externos.
• Contenido desestructurado: datos dirigidos Vs. datos espontáneos. ¿Cuál influye más en las
ventas?
• Metodologías alrededor del Data Analytics: inventario breve de técnicas y herramientas.
• 5 casos de uso: Telco, Retail (Ropa), Política, Turismo y Marca Ciudad.
1

3. • Existe cierta devaluación de todos los conceptos relativos al BI o Big Data.
• Hoy en día, hay un enfrentamiento entre la ciencia y el marketing, es decir, entre la «chapa y pintura»
inherente del primero y la búsqueda constante de la verdad del segundo.
• No existe, al menos actualmente, dentro de las ciencias sociales, una manera de encontrar la causalidad
entre dos variables.
• «Nunca te fíes de las predicciones, y menos a futuro»
2

4. 3

5. 4

6. 5

7. 6
Metadatos
En el mundo el 80% de los datos que se generan están desestructurados y estos crecen 15 veces más rápido
que los estructurados.
Se prevé que la producción digital globalmente se multiplique x20, alcanzando los 35.000 exabytes en
2020.
(Un Exabyte equivale a 20 veces todos los libros escritos en la historia hasta 2013)
Últimas previsiones sobre el impacto que tendrá el Big Data en la economía europea:
o Aportación de 206.000 millones € en 2020.
o Incremento del 1,9% del PIB (en el sur de Europa, aumento del 1,6%).
Uno de los empleos más sexys del mundo.
Fuente: http://www.idcspain.com/

8. 7

9. Ritual Data Analytics
8

10. 1. Offline
3 ámbitos de estudio
9
2. Online 3. Online Vs. Offline

11. 10
• Datos estructurados: los que están contenidos en hojas de cálculo y archivos, básicamente: CRMs, ERPs,
Udalmap, Eustat, INE, Eurostat, Banco de España, etc.
• Datos semiestructurados: datos que no tienen un formato fijo, pero contienen etiquetas y otros
marcadores que permiten separar elementos dato. Ej.: los registros web log de las conexiones a Internet,
como etiquetas de lenguaje XML y HTML
• Datos desestructurados: no tiene un tipo predefinido. Son datos de texto, vídeo, audio, fotografía, e-
mails, whatsApp, etc.
Diferencia entre datos estructurados, desestructurados y semiestructurados

12. 11
• Contenido dirigido: la generación de contenido elaborada por mi organización.
• Contenido espontáneo: la generación de contenido elaborada por terceros ajena a mi organización.
Ejemplo: turismo.
La pregunta es, por tanto, ¿Cómo influye el contenido dirigido en mis ventas y el contenido espontaneo en
mis ventas?
Contenido espontáneo Vs. Contenido Dirigido

13. La importancia de crear un modelo de datos para elaborar una estrategia de marketing digital:
Definiremos un modelo como el conjunto de relaciones que se usan para representar de forma sencilla
una porción de la realidad empírica.
Datos
estructurados
Fuentes
internas
Fuentes
externas
Datos
desestructurados
Fuentes
internas
Fuentes
externas
CRMs,
ERPs, etc.
Eustat,
INE, etc.
Contenido
dirigido
Contenido
espontáneo
12

14. mockaroo
13

15. Herramientas
15
Herramientas de visualización

16. Herramientas
16
Herramientas de análisis

17. - Organización de telecomunicaciones
- Retail: Distribución de ropa
- Política
-Turismo Euskadi
- Marca Ciudad: Medellín
5 Casos de uso
17

18. RESULTADO
A raíz de la solución definida, la Telco pudo averiguar
la efectividad de dicha campaña sólo en redes
sociales, abstrayéndola de otras formas de
promoción clásica como el buzoneo o los anuncios
en TV. Una vez estudiado el resultado, se plantearon
la siguiente campaña seleccionando determinados
canales en los que generar contenido y días
concretos.
PROYECTO
“Medir la efectividad de una campaña de promoción online en las ventas”
RETO
Conocer efectividad de una campaña de promoción en redes sociales. Es decir,
saber si la generación de contenido a lo largo de una fecha determinada
promocionando un producto había repercutido en resultados positivos.
SOLUCIÓN
Se monitorizó durante una fecha concreta- tanto el tiempo que duraba la
campaña como una etapa posterior- y se extrajo un modelo de datos dividido en
sentimiento y canales en los que se mencionaba la marca y el producto; luego,
se cruzaron con los datos de ventas haciendo inferencia estadística.
1. Organización de telecomunicaciones
18

19. RESULTADO
Se facilitó un decálogo de acciones en
relación a los patrones, tendencias y
percepción del consumo en su cadena de
tiendas en pos de fidelizar e incrementar
clientela. Asimismo, se les asesoró en qué
capitales españolas son más sensibles para
la apertura de nuevas sedes.
PROYECTO
“Segmentación y fidelización de clientes”
RETO
Detectar patrones socio- económico-demográficos a través de los datos
extraídos de las tarjetas de fidelización de clientes.
SOLUCIÓN
Mediante la normalización, depuración y análisis de sus bases de datos se les
proporcionó una serie de recomendaciones en pos de hacer ofertas concretas,
en fechas concretas, así como conocer mejor el perfil de su clientela para su
expansión territorial. Se detectaron una serie de patrones cruzando variables que
hasta el momento no se habían tenido en cuenta.
19
2. Retail: Distribución de ropa

20. RESULTADO
Se comprobaron que algunas de las inquietudes
arrojadas por los ciudadan@s en el
Euskobarometro no se correspondían con lo que
hablaban en Internet, y que se generaba mucho
«ruido», es decir, información irrelevante que, a
pesar de parecer importante, se infirió finalmente
que no lo era. Este análisis serviría de diagnóstico
para que los gestores de comunicación de los
partidos políticos realicen estrategias de
comunicación digital.
PROYECTO
“Análisis de la percepción de la ciudadanía en base a sus inquietudes políticas”
RETO
Tomando como referencia los resultados del Euskobarometro, es decir,
utilizando las keywords (paro, vivienda, violencia…) con las que la ciudadanía
expresaba sus inquietudes políticas, se analizó si la percepción online, a lo largo
del tiempo, se correspondía de la misma manera.
SOLUCIÓN
Se parametrizaron esas keywords en nuestra herramienta de monitorización,
elaborando un diccionario léxico ad hoc, y a lo largo de todo un año, para
comprobar si lo expresaban de manera offline era igual que de manera online.
3. Política
20

21. RESULTADO
Se detectaron cómo la mayoría de las
menciones de Bilbao, en términos de
turismo, se refieren a la cultura, y que
existe una correlación entre las menciones
(no tanto las positivas como las neutras) y
las pernoctaciones. Este estudio puede
servir a la Agencia Vasca de Turismo para
saber qué demandan sus visitantes y qué
itinerarios hacen, quiénes son los
influencers y el timing de actividad.
PROYECTO
“Modelización de los hábitos de comportamiento turísticos relativos a la marca
Bilbao y el llamado «efecto Guggenheim»”
RETO
Medir si los hábitos de comportamiento del visitante (sobre todo, el español) a
Bilbao, en relación a las menciones “culturales” a la capital bizkaina y lugares
aledaños se materializaban en pernoctaciones.
SOLUCIÓN
Se diseñó un modelo de datos, segmentándolo entre sentimiento positivo,
negativo y neutro, amén de los canales donde más menciones se generaban en
relación a la marca Bilbao, y se cruzaron con los datos del Eustat relativos a las
pernoctaciones hoteleras.
4. Turismo Bilbao
21

22. Mix: contenido estructurado interno, externo, espontáneo y dirigido. Turismo Euskadi.
22

23. RESULTADO
Detección de determinados
canales en que se estaba
estereotipando la marca
Medellín escorándola de forma
peyorativa (los medios online).
En base a esto se aconsejó
realizar una estrategia de
comunicación que enterrara
dicha imagen de marca
negativa, amén del timing e
PROYECTO
“Modelización de los hábitos de comportamiento online relativos a la marca
Medellín en diversos mercados: EEUU, Argentina, Venezuela, Ecuador, Colombia
y España”
RETO
En colaboración con la Universidad de Medellín, se midieron cómo se
expresaban los usuarios de Internet cuando hablaban de Medellín, desde julio de
2014 a noviembre del mismo año, en pos de conocer si las diversas épocas del
año tenían influencia.
SOLUCIÓN
Se desarollaron soluciones de monitorización web, generación de datos y
análisis de la información de valor para que los gestores de comunicación de la
marca Medellín reorienten su estrategia de marca hacia los mercados estudiados
y principales emisores.
5. Marca Ciudad: Medellin
23

24. "La dificultad del Big Data es hacer buenas preguntas, no encontrar respuestas".
Mike Walsh
24

25. Tenzing SPAIN
Ugasko Bidea 1 – 48014
Bilbao (Spain)
+34 94 680 19 34 Ext. 5
info@urbegi.com
www.tenzing.urbegi.com
Tenzing MEXICO
​Ejercito República Nº 121, 3. piso,
oficina 323, Corporativo Empresarial
Carretas –
76050, Santiago de Querétaro,
Querétaro (Mexico)
Tenzing COLOMBIA
Complejo Ruta N calle 67 N° 52-20, Oficina
4012, Barrio Sevilla de Medellín, Antioquia
(Colombia)
ander.rivero@urbegi.com
GRUPO URBEGI
Pol. Ind. El Páramo B7 - 48800
Balmaseda (Spain)
+34 94 680 19 34
info@urbegi.com
www.grupo.urbegi.com