Carl Sagan & I S Shklovskii - Vida Inteligente en el Universo
#SMDayPA "El Marketing No Inteligente" by @fedefumiere
-
Upload
federico-fumiere -
Category
Data & Analytics
-
view
526 -
download
0
Transcript of #SMDayPA "El Marketing No Inteligente" by @fedefumiere
2
Presentación
Federico Fumiere Director de en Panamá
• Vivo en Panamá hace más de un año • Trabajo con proyectos de Panamá desde hace 4 años • Soy Licenciado en Publicidad de la UCES • Mis fortalezas: Dirección de proyectos y Desarrollo de estrategias de comunicación
• Mis debilidades: La yuca frita y la malteada de vainilla del costa azul
@fedefumiere ffumiere
El Big Data o Datos Masivos se refiere a sistemas informáOcos basados en la acumulación a gran escala de datos y en los procedimientos usados para idenOficar patrones recurrentes dentro de esa información.
Big Data
5
Las 4V del Big Data
Volumen 1 petabyte de datos
requiere 2,000 discos de 500 Gb
Velocidad Esta información debe poder consultarse en un Oempo razonable
Variedad Fotos, imágenes, texto, logs de servidores, publicaciones, contenido, etc.
Veracidad El origen de los datos debe ser confiable y asegurar su calidad
CaracterísOcas & Pilares
6
1
2
3 4
petabytes > 3,500
petabytes > 2,000
petabytes > 700
petabytes > 200
América del Norte
Medio Oriente
Europa Asia
Volumen
1 petabyte = 1 millón de Gigabytes
7
Volumen
1América del Norte
2Medio Oriente
Europa 3Asia 4
petabytes > 3,500
petabytes > 2,000
petabytes > 700
petabytes > 200
1América LaOna
petabytes > 50
< 1% LATAM
1 petabyte = 1 millón de Gigabytes
8
Velocidad
Millones Horas Millones 50 20 2.9 De emails son enviados por segundo
De video son subidos por minuto
De Tweets son publicados por día
220 De fotos son subidas por semana
Millones Millones 3.1 De fotos son subidas por minuto
Millones 20 De Gibabytes son procesados por día
9
Variedad
9
1. Persona a Persona Es la información generada y comparOda a otras personas en redes sociales, siOos web, comentarios en blogs, aplicaciones de mensajería instantánea
Ejemplos Facebook, Twiger, Whatsapp, Versy, SMS, etc.
10
Variedad
10
2. Persona a Máquina Es la información generada por personas que es almacenada por cualquier Opo de disposiOvos, computadoras y/o servidores.
Ejemplos Uso de TV digital, tarjetas de crédito, wearables, uso de celulares, aplicaciones móviles, envío de emails, login a plataformas digitales, etc.
11
Variedad
11
3. Máquina a Máquina Es la información generada por disposiOvos electrónicos que es registrada y almacenada sin intervención humana.
Ejemplos Sensores de movimiento, GPS, scanners de códigos de barra, disposiOvos RFID, NFC, cámaras de seguridad, semáforos urbanos, satélites, etc.
12
Variedad
12
4. Máquina a Persona Es la información generada por disposiOvos electrónicos con el objeOvo de noOficar, alertar o informar a una persona.
Ejemplos Alarmas, recepción de emails, noOficaciones de aplicaciones, suscripción a noOcias y/o publicidades, etc.
13
El resultado: Definición de Perfiles
Segmento A Personas que: • Tengan alguno de mis productos • Les guste el fútbol • Usen Twiger • Vayan a MulOplaza al menos una vez por semana • Pasen diariamente por el semáforo de Aquilino de la
Guardia y Calle 50 • Usen más de un celular • Compren mensualmente productos por más de
U$S 300 con tarjeta de crédito
Segmento B Personas que: • No sean clientes • Tengan cuenta de Instagram • Usen Waze • Usen Corredor Sur los fines de semana • Tengan casa propia • Tengan más de 2 hijos y estén divorciados
14
Las 10 “Best Practices”
Desarrolla un plan de seguridad
Establece un RoadMap
Planea una estrategia de administración de
datos
IdenOfica la Data con la que NO cuentas
Estudia los patrones de apalancamiento
Define tus metas IdenOfica la Data con la que cuentas
Comprende tus opciones tecnológicas
Planea una estrategia de governabilidad de
datos
CuesOona lo que asumas
constantemente
15
Los 5 “NO”
No tomes decisiones apresuradas
Nunca olvides gesOonar los datos de
forma segura
No conne en un solo enfoque para el análisis de datos
No subesOme la necesidad de cruzar
los datos
No subesOme la necesidad de mantener la
performance de la data
19
Barreras de Acceso a Big Data
Presupuesto El acceso y la gesOón de Big Data no es algo que todas las compañías hoy pueden pagar
Talento Hay muy poco personal especializado en
Big Data e interpretación de datos
Complejidad Lleva mucho Oempo detectar patrones que
sean de uOlidad para la compañía
20
Pero ese no es un impedimento…
Información Disponible Todavía hay mucha información “inúOl” o sub-‐uOlizada en las empresas
Segmentación Se pueden encontrar insights muy fuertes analizando los segmentos encontrados
Evolución del MarkeOng La inversión en medios o acciones de markeOng como newslegers pueden ser más específicas y ópOmas
21
Nuestra Realidad
1América LaOna
“En América LaDna, los CMO solo uOlizan analyOcs en el 29% de las ocasiones”
22
¿Qué datos tenemos disponibles hoy?
8 1
2
3
4 5
6
7
Social Media Feedback ¿qué comentarios hacen? ¿qué dicen?
¿qué reputación online Oene nuestra marca?
Social Media Profiles ¿quiénes son? ¿qué les gusta?
¿son jóvenes o adultos?
Emails recibidos ¿qué Opo de mensajes recibimos?
¿cómo es el trato? ¿generamos confianza?
Formularios de Contacto ¿qué mensajes recibimos? ¿quejas? ¿sugerencias? ¿cómo respondemos
Social Media Stats ¿qué Opo de gente nos sigue? ¿cuántos? ¿desde dónde? ¿varones o mujeres?
Web Site AnalyOcs ¿cuántos nos visitan? ¿desde dónde? ¿con qué disposiOvo? ¿qué miran?
CRM ¿quiénes nos compraron? ¿cuándo? ¿cuándo nos toca contactarlos?
Social CRM ¿cuántos clientes nuestros usan social media? ¿qué les gusta? ¿a quiénes siguen?
23
Proceso de Creación de Contenido
CreaOvidad Con la estrategia definida, el equipo busca conceptos
innovadores para ser relevantes y cumplir objeOvos
Estrategia Se definen los objeOvos y
las acciones que proponemos para
alcanzarlos
Producción En esta etapa cada concepto
se transforma en publicaciones, trabajando el diseño y la redacción
de cada uno
Community Management
Publicación, Monitoreo y Conversación
OpOmización Se hacen ajustes a la estrategia, la creaOvidad y la producción
en función de los resultados obtenidos
Análisis Constantemente hay que medir e interpretar las estadísOcas y el
feedback generado
Estrategia Si es necesario, se definen nuevos objeOvos y se plantean nuevas acciones
24
Atención al Cliente
Principales responsabilidades • Publicar • Monitorear • Responder Para responder, es clave analizar antes quién será el receptor de la respuesta (De esta forma seremos mucho más relevantes en nuestra respuesta)
Por ejemplo, en Twiger • Mirar su avatar • Leer su biograna • Analizar sus úlOmos tweets • Conocer el contexto
Community Management
Publicación, Monitoreo y Conversación
25
76.27% de las visitas desde mobile devices
320x658 y 360x640 resoluciones más usadas
Casi el 60% de celulares son Android
Apple iPhone el celular más popular
Definir los objeOvos ¿Qué queremos mejorar? ¿atención al cliente? ¿producción de contenido? ¿nuestro siOo web? ¿aplicaciones móviles?
Equipo de MarkeOng
ComparOr Información El equipo de markeOng debe comparOr la información con el resto de la compañía. MarkeOng debe liderar el aprovechamiento del CRM y de las estadísOcas obtenidas.
Analicemos la data que tenemos
Revisar estadísOcas Los números, semanalmente, serán los principales aliados para determinar si se están haciendo las cosas de forma eficiente.
Revisar la atención al cliente Analizar el Opo de feedback, la eficiencia en la gesOón, el tono de comunicación y la resolución de casos, es clave para mejorar la atención día a día.
Medir evolución constante Debemos llevar un histórico de alcance, interacciones, casos resueltos, impacto, reputación online, engagement, etc. para medir su evolución.
InvesOgar & CuesOonar Siempre preguntarse “¿cómo puedo mejorar este proceso?” ayudará a buscar soluciones cada vez más eficaces.
Probar El peor intento es el que no se hace. Corramos
riesgos con nuestras marcas en función de mejorar resultados. Midiendo en Oempo real
podremos determinar si vale la pena conOnuar o no por ese camino.
Alinear internamente Todo el equipo Oene que estar a tanto de las iniciaOvas, acciones y resultados, de forma tal de no realizar esfuerzos independientes y ser
coherentes en la comunicación.
ComparOr el éxito! Crear un repositorio de mejores prácOcas y
armar una metodología, manuales y procesos de trabajo.