Medición Cross-Device Como medir correctamente todo tipo de acciones Online en la diversidad de canales y medios que nos encontramos actualmente Gustavo Saientz es CEO de Resultics y cuenta con formación en Análisis de sistemas y más de 15 años de experiencia en la industria de Internet y publicidad online. En 1998 se incorporó a la unidad digital del Grupo Clarín donde se desempeñó como Product Manager participando en la creación del buscador Ubbi y llevando adelante la primera integración de Google en Argentina para la sindicación de búsqueda y representación comercial. En 2005 se unió a M-Joy Networks (hoy Jet Multimedia) desempeñándose como Gerente de Operaciones, empresa dedicada al desarrollo de servicios para móviles. En el año 2006 se unió a Resultics como socio y Director de Operaciones donde se especializó en campañas de Marketing en buscadores y publicidad digital logrando llevar a la agencia a ser la primera certificada por Google en la región. En 2013, toma la dirección general de la compañía pasando a desempeñarse como CEO. Es miembro de la Digital Analytics Asociation (DAA) y cuenta con varias certificaciones personales como Google Advertising Professional, Yahoo Search Marketing Ambassador y Google Web Analytics IQ entre otras. Se desempeña como profesor en el Programas Ejecutivo de Marketing Online de la Universidad de Buenos Aires y la UP, además de dirigir capacitaciones a clientes y participar activamente en conferencias y eventos de la industria del Marketing Digital.

1. Gustavo Saientz | CEO
Medición
Cross-Device
1
@SaientzG

6. Baño libre

7. Baño libre
¿Datateinment?

8. Valordelainformacón
6

9. Valordelainformacón
6

10. Valordelainformacón
6

11. Tomadedecisión
7

12. Múltiplesfuentesdedatos
8
CRM
Ventas

13. BIG DATA
“conjuntos de datos que superan la capacidad del software
habitual para ser capturados, gestionados y procesados en un
tiempo razonable”

14. ProblemáticaBigData
• Buenos datos no garantizan buenas
decisiones.
10

15. ProblemáticaBigData
• Buenos datos no garantizan buenas
decisiones.
• Habilidades de análisis concentradas en
pocos empleados.
10

16. ProblemáticaBigData
• Buenos datos no garantizan buenas
decisiones.
• Habilidades de análisis concentradas en
pocos empleados.
• Existe información confiable, pero es dificil
de encontrar. (sólo 44% sabe donde encontrarla)
10

17. Los consumidores u3lizan múl3ples disposi3vos para comprar

18. Múltiplesfuentesdedatos
12
CRM
Ventas

19. Múltiplesfuentesdedatos
12
CRM
Ventas
Desde múl3ples disposi3vos

20. ¿Cómomedimos“Personas”?
13
Usuarios únicosPersonas = Potenciales clientes
Vs.

21. ¿Cómomedimos“Personas”?
13
Usuarios únicosPersonas = Potenciales clientes
Vs.
Cookies

22. ¿Cómomedimos“Personas”?
13
Usuarios únicosPersonas = Potenciales clientes
Vs.
Cookies

23. ¿Cómomedimos“Personas”?
13
Usuarios únicosPersonas = Potenciales clientes
Vs.
Cookies
Login

24. ¿Cómomedimos“Personas”?
13
Usuarios únicosPersonas = Potenciales clientes
Vs.
Cookies
Login
DNI

25. ¿Cómomedimos“Personas”?
13
Usuarios únicosPersonas = Potenciales clientes
Vs.
Cookies
Login
DNI
aa@xyz.com

26. ¿Cómomedimos“Personas”?
13
Usuarios únicosPersonas = Potenciales clientes
Vs.
Cookies
Login
DNI
aa@xyz.com
Membrecía

27. Caso:UniversalAnalytics
14

28. Caso:UniversalAnalytics
14

29. Informacióncentralizada
15

30. Estrategia de Medición

31. Estrategiademedición
17
OBJETIVOS DE
NEGOCIO

32. Estrategiademedición
17
OBJETIVOS DE
NEGOCIO
KPIs

33. Estrategiademedición
17
OBJETIVOS DE
NEGOCIO
KPIs HERRAMIENTAS

34. ¿QUÉMedimos?
18
Clicks
Visitas
Páginas vistas
Usuarios únicos
Brand Awareness
Reputación
Engagement
Ventas
Fidelización

35. ¿QUÉMedimos?
18
Clicks
Visitas
Páginas vistas
Usuarios únicos
Brand Awareness
Reputación
Engagement
Ventas
Fidelización

36. WebAnalyticsMulti-plataforma
19

37. WebAnalyticsMulti-plataforma
20

38. WebAnalyticsMulti-plataforma
20
Medición Web

39. WebAnalyticsMulti-plataforma
20
Medición Móviles

40. WebAnalyticsMulti-plataforma
20
API de medición (Flash, Flex, offline, etc.)

41. Análisis

42. Análisisdedatosyoptimización
22
Regla 10 / 90
by Avinash Kaushik (@avinash)
Herramientas de medición

43. Análisisdedatosyoptimización
22
Regla 10 / 90
by Avinash Kaushik (@avinash)
Herramientas de medición Análisis de datos

44. Embudodecompra
23
AWARENESS
CONSIDERATION
PURCHASE
LOYALTY

45. Embudodecompra
23
AWARENESS
CONSIDERATION
PURCHASE
LOYALTY
5%
1.7%
11%

46. Caminoalaconversión
24
Modelos de atribución de conversiones:

47. ¿Qué / cómo podemos optimizar?

48. 1-Mixdemedios
26

49. 2-Mixdedispositivos
27

50. 3-Caminoalaconversión
28

51. 4-Engagement
29

52. 5-Reputaciónonline(monitoreosocial)
30

53. Conclusiones

54. • Implementar una solución de medición multi-
dispositivo
32
Conclusiones

55. • Implementar una solución de medición multi-
dispositivo
• Invertir más recursos en análsis que en
herramientas (Regla 10/90)
32
Conclusiones

56. • Implementar una solución de medición multi-
dispositivo
• Invertir más recursos en análsis que en
herramientas (Regla 10/90)
• Expandir la capacidad de análsis
32
Conclusiones

57. • Implementar una solución de medición multi-
dispositivo
• Invertir más recursos en análsis que en
herramientas (Regla 10/90)
• Expandir la capacidad de análsis
• Mejorar usabilidad y accesibilidad a datos
32
Conclusiones

58. • Implementar una solución de medición multi-
dispositivo
• Invertir más recursos en análsis que en
herramientas (Regla 10/90)
• Expandir la capacidad de análsis
• Mejorar usabilidad y accesibilidad a datos
• Generar recomendaciones basadas en KPIs
32
Conclusiones

59. Hipótesis...

60. ... Experimentar...

61. ACTUAR!

62. ¡Gracias!
Gustavo Saientz | CEO Resultics
@SaientzG
¿Preguntas?