Fijaos en lo sencillo que resulta tomar decisiones cuando nuestros productos se agrupan de forma lógica.
Cuando vendemos habitaciones de hotel nos interesa diferenciar a la clientela “sol y playa” de la clientela “negocios”.
Si lo que ofrecemos son teléfonos móviles, habrá modelos destinados a un público nicho (tal vez por no existir en el mercado de productos subvencionados por operadoras) y habrá modelos de bajo coste y mucha competencia.
En banca podemos tener ciertos productos financieros pensados para clientes existentes y otros productos orientados a nuevos clientes.
Y es que, en Analítica Web, agrupar significa trasladar la carga de trabajo a quien es buen conocedor del propio mercado y la propia industria. Y en esa confluencia de conocimiento del propio negocio con escrutinio del dato obtenido nos topamos con sólidos sustentos de nuevas decisiones.
Piensa en tu web favorita de supermercados (que no es lo mismo que la web de tu supermercado favorito). Imagínate que se trata de tu negocio (o no imagines nada si ya lo es). Ahora:
Podemos categorizar productos por el nivel de margen que representan (esto puede venir determinado por el nivel de competencia a que nos enfrentamos o el particular target de los mismos). La sección de frutas exóticas o productos para el preparado de platos tailandeses pueden estar en el grupo de alto margen. En el opuesto, pongamos la leche, los huevos y el pan de molde.
Podemos clasificar productos por su ciclo de reposición (en casa). Van a durarnos menos unas cuajadas en el frigorífico que un abrillantador de metales de uso esporádico (para quienes acumulan sus trofeos de futbito o mus).
Si las dos agrupaciones que aquí ilustro consistieran en 3 valores posibles para cada producto (alto, medio, bajo), se nos ofrecen varias líneas de análisis.
A diferencia de la venta de vuelos o teléfonos móviles (donde lo tenemos más fácil aún), el visitante al supermercado no terminará con un solo producto “principal” en la mano (acompañado de productos accesorios como seguro de viaje o funda respectivamente), sino que lo hará con un “carrito”.
Y con todo ello en mente:
A) ¿Qué pasa con la optimización de campañas?
Cada campaña de origen puede resultar en conversiones de productos de una u otra familia (no por carrito, sino ¡por campaña!)
En función del peso de unos u otros grupos sobre el carrito, cada campaña de origen puede resultar en conversiones de carrito con valor alto, medio o bajo (es fácil imaginar una campaña con bajo ROI sobre la base de ingresos pero alto ROI sobre la base de márgenes)
B) ¿Qué pasa con la fidelización de visitantes?
Podemos categorizar al visitante en función del mencionado peso de un particular segmento sobre su carrito (comprado o creado), definiendo indicadores que combinen fidelización con segmento y valor total.
C) ¿Qué pasa con la personalización de ofertas para el aumento de la conversión?
Automaticemos las cosas allí donde los datos y el estado de la tecnología nos lo ponen en bandeja. Integremos los perfiles definidos a nivel de medición con fórmulas específicas de segmento.
Por supuesto que no será fácil saber cuál es la fórmula ganadora en la comunicación de propuestas o incluso su contenido, pero podemos circunscribir nuestras labores de experimentación (“testing”) a dichos segmentos predefinidos.
En resumen, me repito: Resulta mucho más sencillo tomar decisiones cuando nuestros productos se agrupan de forma lógica.
