Nuestro Blog

Desde la llegada de Internet las compañías además de poseer datos internos estructurados y almacenados en Bases de Datos, manejan nuevos datos externos de diversas fuentes procedentes de Internet (redes sociales, noticias, open data, etc) y en formatos poco estructurados (PDF, html, imágenes, vídeos, etc). Estos últimos suponen casi un 80% del total de datos que puede manejar una compañía. A este tipo de datos desestructurados, se le conoce bajo el nombre de dark data (datos oscuros) y su análisis supone todo un reto.

Qué es Dark Data

En muchas ocasiones, para explicar qué es Dark Data (datos oscuros) utilizamos la imagen de un icerberg porque resulta más fácil de explicar y de entender. Observando el iceberg, podríamos decir que aquellos datos que posee una compañía de forma interna y estructura en sus base de datos es aquella información que se conoce y resulta «sencilla» de manejar -la parte del iceberg que se ve fuera del agua-. Por otro lado, toda la información externa de una compañía -datos desestructurados- es la que se desconoce y cuyo manejo es más complicado -la parte del iceberg que está sumergida en el agua-.  Este último tipo de datos es lo que se le llama Dark Data (el dato que no se ve) y que, muchas veces, las compañías ni siquiera se dan cuenta del poderoso conocimiento inherente que hay en estos datos.

¿Cómo sacar partido al Dark Data? 

El problema inherente al dark data es la inaccesibilidad de los datos y la dificultad para registrarlos y tratarlos. El objetivo de cualquier empresa es identificar oportunidades y en este caso, el Dark Data puede proporcionar información valiosa sobre nuevos clientes y/o negocios, descubrir nuevo conocimiento y tener una ventaja competitiva. Sin embargo, ¿cómo solucionar la desestructuración de datos para tener una ventaja competitiva? ¿cómo sacar partido al Dark Data? Lo podemos conseguir a través del siguiente procedimiento:

  • Extracción de datos con analítica avanzada (Business Analytics). Extraer  datos de diversas fuentes (redes sociales, sensores, open data, noticias, etc) y, a través de analítica avanzada, extraer la información importante y cruzar los datos para mejorar así la información obtenida. Existen varios tipos de analítica avanzada que os lo contamos en un post anterior: qué es business analytics
  • Homogenización de los datos. Sirve para llevar a cabo la limpieza de datos y consiste en separar la información en diferentes campo y unificar criterios para un mejor manejo y análisis de los datos. Como resultado obtendrás una estandarización o clasificación de la información extraída.
  • Enriquecimiento de los datos. Incorporar nuevos datos o datos internos ya existentes a los datos extraídos del Dark Data para así «enriquecerlos» (por ejemplo, incluir información geográfica, datos de clientes, etc)

 

 

Un nuevo método de pago ha llegado esta semana a Facebook y Messenger en EE.UU: Facebook Pay, más adelante estará disponible en otros países. Con esta nueva funcionalidad,  Facebook Pay, se puede agregar el método de pago en una sola vez. El objetivo es poder usarlo en aquellas plataformas donde esté disponible y realizar el pago de forma más ágil y sencilla. Algunas de las características más atractivas de este sistema es que el usuario tenga la opción de ver el  historial de pagos y pueda administrar sus métodos de pago y actualizar la configuración en un único lugar.

Más adelante, Facebook tiene previsto ampliar Facebook Pay para que los usuarios puedan disfrutar de esta  experiencia de pago en otras redes sociales como Instagram y WhatsApp,  de manera segura -Facebook ofrece experiencias de pago fiables desde 2007-, consistente y conveniente -compatible con la mayor parte de tarjetas de crédito, débito y PayPal-.

Con Facebook Pay puedes:

  • Agregar el método de pago preferido una única vez y luego usar Facebook Pay donde esté disponible para realizar pagos y compras en el resto de apps de la marca Facebook, en lugar de tener que volver a ingresar la información de pago cada vez.
  • Configurar Facebook Pay, aplicación por aplicación u optar por configurarlo para usarlo en todas las apps (cuando esté disponible). Esto significa que no se configurará automáticamente Facebook Pay en las apps en las que esté activa esta opción al no ser que el usuario elija hacerlo.
  • Ver el historial de pagos, administrar los métodos de pago y actualizar la configuración en un solo lugar.
  • Obtener el servicio de «Atención al cliente» en tiempo real a través del chat online. Esta opción en principio sólo estaría disponible en EE.UU. y más adelante, en otros lugares del mundo.
  • Comprender claramente qué servicios de pago son parte de Facebook.

Facebook  asegura que los datos del pago son almacenados y cifrados de manera segura, contando con un sistema de monitorización anti-fraude para impedir pagos no autorizados. Por otro lado,  esta plataforma de pago cuenta con una capa de seguridad adicional basado en un PIN o un método de identificación del propio dispositivo móvil, sin que Facebook obtenga o almacene ningún de estos datos, y así lo detalla Deborah Liu, VP, Marketplace & Commerce de Fecebook:

«Diseñamos Facebook Pay para almacenar y encriptar de forma segura su tarjeta y números de cuenta bancaria, realizar un monitoreo antifraude en nuestros sistemas para detectar actividades no autorizadas y proporcionar notificaciones para la actividad de la cuenta. También, puede agregar un PIN o usar la biometría de su dispositivo, como el reconocimiento de identificación táctil o facial, para una capa adicional de seguridad al enviar dinero o realizar un pago. Facebook no recibe ni almacena la información biométrica de su dispositivo. Obtenga más información sobre la privacidad de Facebook Pay«

La consolidación de este servicio de pago forma parte de un intento de Facebook de unificar sus plataformas social media (Facebook, Messenger, Whatsapp, Instagram) para que estén bajo una sola marca consistente. El mercado ya ha reaccionado y las acciones de la red social de Mark Zuckerberg han aumentado un 2,56%.

seamless-customer-experience

Antes del auge Big Data e Inteligencia Artificial (IA), las técnicas de marketing se sostenían en «casi conjeturas» gracias a las investigaciones de mercado offline pero que no siempre reflejaban lo que realmente querían los consumidores al 100%. De ahí que digamos «conjeturas», como una aproximación o estimación probable. Sin embargo, actualmente, gracias a las nuevas tecnologías inteligentes y al mundo Social Media, las marcas pueden eliminar estas «conjeturas» e incorporar comentarios reales de los consumidores a sus estudios de mercado para obtener una ventaja competitiva.

Por otro lado, existe una nueva generación, los Millennials, que están acostumbrados a trabajar con bots desde realizar una queja a través de chatbots hasta tener «meets» con bots (ej. citar a un coche Uber). Por lo que no sorprende que esta generación quieran que estos bots los ayuden a elegir un atuendo, un coche o una escapada de fin de semana. Ya sean recomendaciones de Amazon impulsadas por la Inteligencia Artificial que revolucionan la cadena de productos o que toda la industria publicitaria se ajuste a los algoritmos de Google y Facebook, que la Inteligencia Artificial ha estado moldeando el espacio online más que cualquier otra tecnología.

Una nueva generación que requiere nuevas soluciones: IA & Seamless Consumer Experience

La solución es simple de explicar pero difícil de ejecutar: hacer que la experiencia de consumo online sea tan parecida como estar en una tienda física o frente una persona real. El ingrediente que falta aquí es una voz: una voz en sentido figurado, que los consumidores deben escuchar sus deseos y necesidades; una voz en sentido literal, que los consumidores deben poder usar el lenguaje para dirigir su experiencia de compra; y una voz en sentido práctico, que las marcas deben utilizar un tono claro.

Un ejemplo claro de todo esto es Starbucks. La app de la compañía -en EE.UU- permite a los clientes usar su propio «Natural Language» para hacer su pedido antes de llegar a la tienda. Como Starbucks sabe, la idoneidad es clave, y el Procesamiento del Lenguaje Natural permite que los pedidos sean personales y fácil de hacer.

A este tipo de soluciones se les llama Seamless Consumer Experience. Se trata de un concepto focalizado en el usuario y cuyo objetivo es hacer que éste obtenga su experiencia en el consumo de un producto o marca de forma sencilla, transparente y sin  interrupciones (ej. colas de espera).

La Inteligencia Artificial no va a reemplazar a las personas, pero debería ayudarnos a trabajar de manera más efectiva y eficiente. Por ejemplo, cuando el consumidor interactúa con un agente virtual, es fácil infundirle una tonelada de información personal sobre él, y puede actuar sobre esa información rápidamente. Si se le proporciona esta misma información a un agente call center, solo hay una cantidad de datos que pueden procesar sin dejar de responder al cliente.

Por tanto, estas tecnologías inteligentes puede ayudar a personalizar y abordar las preocupaciones individuales de manera mucho más rápida y eficiente que las personas, y los escenarios más complejos serán aquellos en los que comience a buscar la intervención humana en combinación con la Inteligencia Artificial. Todo el mundo quiere una interacción fácil, sin fricciones, similar a la de Amazon, Starbuck, … y eso se está convirtiendo rápidamente en una apuesta para las expectativas de los clientes. La IA puede ayudar a que las empresas lleguen allí donde el ser humano no puede.

Tanto la Inteligencia Artificial, Procesamiento del Lenguaje Natural, Machine Learning… son, probablemente, las tecnologías más predominantes en la actualidad ya que la mayoría de las marcas se centran en mejorar la experiencia del cliente (customer experience),  crear interacciones con el cliente más fluidas y sin problemas (seamless) y optimizar sus resultados.

google tag manager

Como su propio nombre indica, se trata de una capa (layer) de datos (data) -un trozo de código de información- que sirve de conexión entre Google Tag Manager (GTM) y nuestra página web para llevar acciones que mejoren el rendimiento de nuestras site. Se trata de un fragmento JavaScript que almacena y envía información desde nuestro sitio al GTM; más tarde, esos datos pueden transferirse a otras herramientas, como Google Analytics. Los tipos de datos contenidos en una Data Layer pueden ser numerosos y variados, y puede contener diferentes tipos de información: de transacciones de comercio electrónico, datos de comportamiento web. datos de uso de aplicaciones móviles…

Cómo implementar la capa de datos

Segun la página oficial de Google Tag Manager, para conseguir la máxima flexibilidad, portabilidad y facilidad de implementación, GTM funciona mejor si se implementa con una capa de datos o data layer. Google describe la Data Layer como un objeto que contiene toda la información que queremos transferir a GTM y usarla para transferir información como eventos o variables. También, cabe la posibilidad de configurar activadores en GTM en función de los valores de las variables -por ejemplo, activar una etiqueta de remarketing cuando el valor purchase_total es superior a 100 €-, o en función de eventos concretos. Los valores de las variables también se pueden transferir a otras etiquetas -por ejemplo, se puede transferir purchase_total al campo de valor de una etiqueta-.

Para saber más sobre variables y añadirlas a la capa de datos de una página y cómo configurar la data layer, te aconsejamos que sigas los pasos en la Guía de la web de Google Tag Manager.

¿Qué variables se podrían configurar en Data Layer según el modelo de negocio?

Sector Retail:

  • Descuento del producto
  • Número de opiniones que tiene un producto en particular
  • Número de fotos de un producto en el archivo del producto
  • Conocer el número de compras anteriores de un usuario

Sector de viajes:

  • Conocer el número de noches que el usuario ha seleccionado
  • Número de personas que han adquirido el servicio
  • Origen del usuario que va a realizar el viaje
  • Tiempo de anticipación con el que ha comprado el servicio