Planificación estratégica digital: Otra mirada

Sergio Cuervo G. @scuervoUlaf Salcedo Z. @usalcedoz

Agenda

• Compitiendo mediante el análisis.

• Modelo base.• Modelo propuesto.• Análisis de data.• Conclusiones.

¿Qué es compitiendo mediante el análisis?

• Es el uso exhaustivo de datos, análisis estadísticos y cuantitativos, modelos explicativos y de predicción, y dirección y gestión basados en hechos como motor de la toma de decisiones y de acciones emprendidas.

(Davenport, 2009)

Inteligencia empresarialOptimización ¿Qué es lo mejor que puede suceder?

Modelo de predicción ¿Qué ocurrirá a continuación?

Previsión / Extrapolación ¿Qué pasaría si estas tendencias continuasen?

Análisis estadístico ¿Por qué está ocurriendo esto?

Avisos ¿Qué acciones son necesarias?

Consultas / desglose detalles ¿Dónde está exactamente el problema?

Informes ad-hoc ¿Cuántos, con que frecuencia, dónde?

Reportes estándar ¿Qué ocurrió?

Vent

aja

com

petiti

va

Grado de inteligencia

Acce

so y

repo

rte

Inte

ligen

cia

anal

ítica

(Davenport, 2009)

Pages / Session

New Visits

Return Visits

Direct visits

Reference Sites

Search Engine

http://www.Wikipedia.orghttp://www.ebu.es

http://www.uv.es

Others

Google

Other Search Engine

Fuente: Google Analytics for measuring website performance, Plaza ( 2011)

Modelo Inicial

Pages / Session

New Visits

Return Visits

Direct visits

Reference Sites

Search Engine

Social

Display

Organic Search

Paid Search

Nuevo Modelo

Páginas/Sesión

Nuevos Visitantes vs Retorno de Visitantes

Búsquedas Orgánicas

Visitas Directas y Visitas por Referencia

Social Media y Búsquedas Pagadas

Análisis de Correlación Pearson

N = 366 SessionsPages / Session

New Visitors

Returning Visitors

Direct Visits

Referral Visits

Organic Search

Paid Search Social Display

Sessions 1                  

Pages / Session -,122* 1                

New Visitors ,966** -,250** 1              

Returning Visitors ,946** .050 ,829** 1            

Direct Visits ,712** ,150** ,549** ,846** 1          

Referral Visits ,453** .073 ,397** ,478** ,330** 1        

Organic Search ,807** ,233** ,703** ,859** ,688** ,625** 1      

Paid Search ,397** -.067 ,263** ,525** ,688** ,178** ,309** 1    

Social ,291** -.092 ,322** ,224** .075 ,461** ,311** -,107* 1  

Display ,137** -,141** ,178** .073 -.062 -.049 -.030 -.014 ,171** 1

* La correlación es significativa en el nivel 0,05 (2 colas).** La correlación es significativa en el nivel 0,01 (2 colas).

Análisis de Regresión (Pages/Session)Resumen del modelob

Modelo R R cuadradoR cuadrado

ajustadoError estándar de la

estimaciónDurbin-Watson

1 ,524a .275 .271 .2035 .585a. Predictores: (Constante), Returning Visitors, New Visitorsb. Variable dependiente: Pages / Session

Coeficientesa

Modelo

Coeficientes no estandarizados

Coeficientes estandarizados

t Sig.BError

estándar Beta1 (Constante) 2.925 .037 78.728 .000

New Visitors .000 .000 -.934 -11.679 .000Returning Visitors .000 .000 .824 10.311 .000

a. Variable dependiente: Pages / Session

Pages/Session = 2.925 – 0.394NewVisitors + 0.824ReturningVisitors

Análisis de Regresión (Pages/Session)

Pages/Session = 2.925 – 0.394NewVisitors + 0.824ReturningVisitors

Análisis de Regresión (Returning Visitors – Modelo 1)

Returning Visitors = -360.959 + 0.545OrganicSearch + 0.429DirectVisits + 0.61PaidSearch

Resumen del modelob

Modelo R R cuadradoR cuadrado

ajustadoError estándar de la

estimaciónDurbin-Watson

1 ,929a .864 .862 566.7580 .581a. Predictores: (Constante), Paid Search, Organic Search, Direct Visitsb. Variable dependiente: Returning Visitors

Coeficientesa

Modelo

Coeficientes no estandarizados

Coeficientes estandarizados

t Sig.BError

estándar Beta1 (Constante) -360.959 107.226 -3.366 .001

Organic Search .627 .032 .545 19.334 .000Direct Visits 1.088 .094 .429 11.613 .000Paid Search .197 .091 .061 2.166 .031

a. Variable dependiente: Returning Visitors

Análisis de Regresión (Returning Visitors – Modelo 1)

Returning Visitors = -360.959 + 0.545OrganicSearch + 0.429DirectVisits + 0.61PaidSearch

Análisis de Regresión (Returning Visitors – Modelo 2)

Resumen del modelob

Modelo R R cuadradoR cuadrado

ajustadoError estándar de la

estimaciónDurbin-Watson

2 ,875a .765 .763 743.9149 .675a. Predictores: (Constante), Paid Search, Referral Visits, Direct Visitsb. Variable dependiente: Returning Visitors

Coeficientesa

Modelo

Coeficientes no estandarizados

Coeficientes estandarizados

t Sig.BError

estándar Beta2 (Constante) 377.896 127.375 2.967 .003

Direct Visits 2.119 .093 .836 22.766 .000Referral Visits 1.809 .224 .218 8.067 .000Paid Search -.289 .114 -.090 -2.541 .011

a. Variable dependiente: Returning Visitors

Returning Visitors = 377.896 + 0.836DirectVisits + 0.218ReferralVisits - 0.09PaidSearch

Análisis de Regresión (Returning Visitors – Modelo 2)

Returning Visitors = 377.896 + 0.836DirectVisits + 0.218ReferralVisits - 0.09PaidSearch

Análisis de Regresión (Returning Visitors – Modelo 3)

Resumen del modelob

Modelo R R cuadradoR cuadrado

ajustadoError estándar de la

estimaciónDurbin-Watson

3 ,875a .766 .764 742.6429 .650a. Predictores: (Constante), Social, Direct Visits, Referral Visitsb. Variable dependiente: Returning Visitors

Coeficientesa

Modelo

Coeficientes no estandarizados

Coeficientes estandarizados

t Sig.BError

estándar Beta3 (Constante) 421.936 121.163 3.482 .001

Direct Visits 1.976 .069 .780 28.802 .000Referral Visits 1.525 .252 .184 6.050 .000Social .477 .172 .080 2.779 .006

a. Variable dependiente: Returning Visitors

Returning Visitors = 421.936 + 0.780DirectVisits + 0.184ReferralVisits + 0.08Social

Análisis de Regresión (Returning Visitors – Modelo 3)

Returning Visitors = 421.936 + 0.780DirectVisits + 0.184ReferralVisits + 0.08Social

Análisis de Regresión (New Visitors – Modelo 1)

Resumen del modelob

Modelo R R cuadradoR cuadrado

ajustadoError estándar de la

estimaciónDurbin-Watson

1 ,725a .526 .521 1316.1482 .144a. Predictores: (Constante), Referral Visits, Direct Visits, Social, Organic Searchb. Variable dependiente: New Visitors

Coeficientesa

Modelo

Coeficientes no estandarizados

Coeficientes estandarizados

t Sig.B Error estándar Beta1 (Constante) 1600.074 247.739 6.459 .000

Organic Search .894 .089 .624 10.088 .000Social 1.281 .306 .173 4.180 .000Direct Visits .460 .162 .146 2.843 .005Referral Visits -1.243 .516 -.121 -2.406 .017

a. Variable dependiente: New Visitors

New Visitors = 1600.074 + 0.624OrganicSearch + 0.173Social + 0.146DirectVisits – 0.121ReferralVisits

Análisis de Regresión (New Visitors – Modelo 2)

Resumen del modelob

Modelo R R cuadradoR cuadrado

ajustadoError estándar de la

estimaciónDurbin-Watson

2 ,635a .403 .397 1477.1668 .213a. Predictores: (Constante), Paid Search, Social, Referral Visits, Direct Visitsb. Variable dependiente: New Visitors

Coeficientesa

Modelo

Coeficientes no estandarizados

Coeficientes estandarizados

t Sig.B Error estándar Beta2 (Constante) 2632.633 255.448 10.306 .000

Direct Visits 1.856 .185 .588 10.012 .000Social 1.476 .349 .199 4.227 .000Referral Visits 1.417 .502 .137 2.824 .005Paid Search -.584 .231 -.145 -2.525 .012

a. Variable dependiente: New Visitors

New Visitors = 2632.633 + 0.588DirectVisits + 0.199Social + 0.137ReferralVisits – 0.145PaidSearch

Returning Visitors = f(Rebote)Resumen del modelo

Modelo R R cuadradoR cuadrado

ajustado Error estándar de la estimación1 ,187a .035 .032 1502.9659a. Predictores: (Constante), Rebote

Coeficientesa

ModeloCoeficientes no estandarizados

Coeficientes estandarizados

t Sig.B Error estándar Beta1 (Constante) 7193.964 800.626 8.985 .000

Rebote -4698.477 1290.892 -.187 -3.640 .000a. Variable dependiente: Returning Visitors

Returning Visitors = 7193.964 - 0.187Rebote

NewVisitors y ReturningVisitors

Medias Marginales EstimadasNew Visitors y Returning Visitors

Conclusiones

• No es suficiente mirar la data de manera descriptiva, debemos desarrollar un marketing más estratégico basado en el análisis de la información.

• Explorar la data a otro nivel permite poder desarrollar un plan digital de acuerdo a los resultados que va obteniendo la organización en un periodo determinado.

• Esto implica nuevos recursos, es especial el recurso humano, con capacidad analítica.

• Se hace necesario la exploración de nuevas técnicas predictivas. Por ejemplo: Análisis Multivariante.

• No quedarse en el día a día, genere valor pensando en el mediano y largo plazo.