Qué es Flywheel y cómo ayuda al marketing

Lucas González

28/11/2022

En este post presentamos un análisis de Flywheel para el enlace externo, una nueva herramienta que podemos introducir en nuestro data stack.

Flywheel es una plataforma de activación de datos que pretende simplificar la capa de activación del data stack actual.

Su intención es permitir a perfiles de marketing activar datos sin la necesidad del departamento de IT, ni conocimiento avanzado de SQL. Por lo tanto, flywheel es muy útil en ecommerce.

La idea es que el personal de marketing pueda generar audiencias desde una interfaz gráfica y exportar estos datos a otras plataformas.

Se introduciría en el flujo de activación de datos de esta forma:

No es ningún sustituto para Data Warehouses ni para plataformas de marketing como Facebook Ads o Adwords. Su objetivo es ser un puente entre los datos y sus plataformas de activación y acelerar el uso de los datos para mejorar las conversiones. En este sentido, es una herramienta especializada en cumplir una de las funcionalidades de un Customer Data Platform, por una fracción del coste.

¿Cuál es la función principal de Flywheel?

La función principal de Flywheel es generar audiencias utilizando datos 1st party que se alojan en un data warehouse como BigQuery o Snowflake. Es una herramienta muy accesible para usuarios que no tienen conocimientos de Data Science pero quieren crear campañas lo antes posible.

Su interfaz es la siguiente:

Podemos acceder a la herramienta desde un navegador web, por lo tanto no requiere instalación de ningún tipo. Desde esta interfaz podemos ver todo lo que se puede hacer con la herramienta, que incluye:

• Importación de datos 1st party, sin necesidad de sacar los datos del data warehouse en cuestión. Esto es de especial importancia teniendo en cuenta el nuevo acuerdo de protección de datos Privacy Shield 2.0.
• Generación de audiencias utilizando una interfaz gráfica.
• Exportación de audiencias a plataformas de marketing.
• Generación de experimentos con los que verificar la efectividad de las audiencias.

¿Cómo ayuda Flywheel al marketing?

Busca simplificar el sistema actual de generación y exportación de audiencias.

Actualmente, la única forma de hacerlo es mediante algún lenguaje como SQL, Python o R. Esta barrera hace que el proceso de lanzar una campaña dirigida sea mucho más lenta de lo ideal.

Flywheel empodera al marketing, debido a que se elimina la dependencia actual en equipos de IT, y acerca al cliente a la activación de sus datos lo más pronto posible.

¿Cómo funciona Flywheel?

En caso de utilizar BigQuery, el primer paso para utilizarlo es conectar una cuenta de servicio para que pueda acceder a nuestros datos. Como hemos mencionado antes, estos datos siempre estarán alojados en BigQuery, y nunca serán enviados a otro data warehouse.

A partir de ahí, seleccionamos el dataset y la tabla que queremos usar:

En cuanto hemos creado el dataset, ya podemos ir a la sección de Audiencias para crear una. La generación de audiencias se hace desde una interfaz gráfica sencilla que intenta darnos toda la funcionalidad de SQL. Es intuitivo, responde rápidamente y da respuestas en tiempo real. Además, se está desarrollando una versión mejorada que ya tiene versión alpha.

En la siguiente captura hemos creado una audiencia simple, en la que filtramos por usuarios mobile:

Ahora podemos exportar esta audiencia de forma directa a una plataforma de marketing como Facebook Ads, Google Ads o Snapchat. Esta audiencia se actualizará automáticamente con los datos que introducimos en BigQuery y podemos programar la exportación periódica de la audiencia.

En la sección de la derecha podemos crear una audiencia de control. Nos permite comparar las dos audiencias y comprobar la efectividad de nuestra audiencia personalizada:

Conclusiones sobre Flywheel y el inbound marketing

Tras haber experimentado con la herramienta, creemos que cumple su función y ocupa su rol en el flujo de activación de datos de forma satisfactoria.

Pensamos que puede ser especialmente útil para empresas sin un departamento de IT muy desarrollado, pero que tienen un gran deseo de utilizar sus datos 1st party, digitalizarse y mejorar su conversiones. Tras un poco de configuración, vemos perfectamente lo fácil que sería crear audiencias para alguien sin previa experiencia.

A pesar de todo esto, creemos que la herramienta aún requiere desarrollo de funcionalidades adicionales. Por ejemplo, utilizar machine learning para generar y recomendar audiencias utilizando un modelo sería una funcionalidad espectacular. Ahora mismo, cubre un nicho muy específico del flujo de activación, pero nada más.

En su estado actual, recomendamos al experto en marketing digital que busca sacar provecho de sus datos y activarlos ASAP, y no pretende utilizar todas las funcionalidades de un Customer Data Platform.

Rompiendo la barrera de la activación de los datos

Felipe Maggi

14/11/2022

En el campo de los datos, y durante años, el principal escollo ha sido la activación. Ya desde los albores de la analítica digital, en los que los informes empezaban, o debían empezar, con un listado de hallazgos y recomendaciones, hasta hoy, en los que un modelo es capaz de predecir el comportamiento de nuestros clientes, el problema de la activación sigue en primera línea.

Para muchas empresas, pequeñas, medianas y grandes, hacer algo con los resultados que se obtienen a partir de los datos, ya sean resultados descriptivos, prescriptivos o predictivos, es un verdadero problema. Es la última milla que muy pocos recorren: la mayoría se ahoga después de haber nadado contra viento y marea, a pocos metros de la orilla.

Activar los datos de una empresa

Activar el dato es complejo, porque supone la coordinación de varios departamentos. Un simple análisis de campañas, que arroje unas cuantas recomendaciones de cambios y ajustes implica a Marketing, Diseño, Compras y probablemente a IT.

La activación de un modelo que clasifique a los clientes según su probabilidad de abandono, y cuyo output sea un listado de usuarios ordenados según esa probabilidad implica a Business Intelligence, IT, Marketing y seguramente al Centro de Atención de Clientes.

Esta coordinación no es sencilla, y a menudo salta las barreras del departamento que solicitó el análisis. La situación se reduce a lo siguiente: las iniciativas acaban juntando polvo en un cajón.

La solución adoptada por las grandes compañías tecnológicas ha sido la automatización de las acciones. Los modelos “analizan” la situación y el sistema reacciona de una manera que se supone beneficiosa para los objetivos de la empresa. En esta reacción, que a menudo es a tiempo real, o casi, no interviene el ser humano, y no implica, en el momento de adoptarse, a ningún departamento de forma directa.

Ejemplos de empresas que utilizan el big data

Amazon (perdón por el ejemplo, ya sé que es muy manido), hace esto cada vez que entramos en el sitio y vemos una selección de productos destacados basada en nuestras compras anteriores, y en lo que compran otros usuarios con gustos parecidos a los nuestros. Esto no significa que no haya habido coordinación interdepartamental. Marketing, Compras, Business Intelligence, Diseño, IT… Todos han trabajado para definir la estrategia de contenidos a mostrar, para desarrollar el modelo que decide a quién ofrecer qué, para preparar los textos y las imágenes, para contratar a los perfiles adecuados, etc… La clave, es que una vez definida la estrategia, en sentido amplio y en detalle, la activación corre sola.

Pero claro, Amazon es Amazon, y Google, Google… Y así podríamos seguir. La excusa para justificar que no hacemos lo que hacen Amazon y Google es que dichas empresas tienen mucho dinero, y muchos recursos tecnológicos. Pero la verdad es que si tienen dinero, es porque han sabido usar los recursos tecnológicos, y los datos. 
Este es el quid de la cuestión: lo que tienen estas empresas son datos. Pero el caso es que usted también los tiene. Vale, de acuerdo, quizá no el el mismo volumen y extensión, pero los tiene.

Cómo analizamos datos para tomar decisiones en Datarmony

Hoy en día cualquier empresa, de cualquier tamaño, genera datos suficientes como para poder trabajarlos. Nosotros mismos, sin ir más lejos, explotamos nuestros datos todo lo que la imaginación nos permite, y somos una consultora con veintiún empleados.

Por ejemplo, en Datarmony recogemos con una herramienta muy barata los tiempos dedicados a los proyectos, y contamos con Cuadros de Mando que nos muestran en todo el momento el estado de los mismos. Las tablas a partir de las que “pintamos” la información, nos permiten generar alertas automáticas cuando se cumplen ciertas condiciones en los parámetros de vida de los proyectos. Esto posibilita, entre otras cosas, controlar los costes de producción, y emitir facturas cuando llega el momento, con el objetivo de tener la caja lo más saneada posible.

Otro ejemplo: analizamos los flujos de comunicación dentro de la empresa, con los datos de correos, chats y reuniones, y usamos esa información para detectar problemas de funcionamiento de los equipos en materia de colaboración. Aplicamos para ello modelos de análisis de redes, y luego trabajamos los hallazgos con los encargados de RRHH y coaching interno. El objetivo es mejorar los resultados de la compañía, mejorando el entorno de trabajo. Si su empresa usa las herramientas de comunicación de servicios como Google Workspace o Microsoft, los datos para este tipo de análisis los tiene disponibles ¿Lo sabía?

Activación del dato mediante marketing automation

En el terreno del Marketing Digital y la comunicación con los clientes, hay aspectos que se han automatizado mucho mejor que otros, es cierto. Aún no he visto funcionando en un cliente una solución que permita ajustar de forma automática la inversión en distintos canales según la contribución real de éstos a las conversiones. Importante: hablo a nivel de canales, no de campañas, donde las plataformas aplican sus algoritmos para maximizar el beneficio. La pregunta, capciosa, es ¿para maximizar el beneficio de quién?

En cambio, ejemplos de personalización de contenidos y ofertas hay muchos, y contrastados. ¿Por qué no aprovechar lo que ya existe? Es verdad que en este terreno hay todo un abanico de opciones que van desde lo más simple, herramientas de testing capaces de mostrar la versión que mejor convierte de una página o pantalla, hasta las complejas, que modelizan los datos para generar audiencias a las que presentan la experiencia que mejor se ajusta a sus características. Nos movemos de Google Optimize, a Dynamic Yield, por nombrar dos ejemplos en los extremos.

Big Data: Explosión de datos

Como ya hemos dicho, la activación de los datos siempre supone una fase previa en la que distintos departamentos se han puesto de acuerdo. La diferencia esencial entre las empresas que realmente activan sus datos, de forma continua, y las que no, radica que estas últimas se han puesto de acuerdo antes. La activación no exige que la gente esté encima, aunque solo sea para darle a un botón.

Pero seamos realistas. Adoptar procesos en los que la activación de los datos sea la norma no es algo que se pueda hacer de un día para otro. Paradójicamente, lo que a priori se ve como más complejo (la parte técnica), es lo más sencillo. Lo difícil es adoptar el esquema mental que hace posible este tipo de avances. Es a nivel estratégico y de madurez en la percepción de la importancia de los datos, en donde está el problema. La barrera no es técnica, es mental.

Por listar algunos escollos:

• No somos conscientes de los datos que ya tenemos.
• Pensamos que para sacarles provecho hay que hacer grandes inversiones en tecnología.
• Vemos todo como demasiado complejo… “Esto es muy difícil”.
• Damos por sentado que el equipo directivo no va entender las ventajas de un proyecto de activación de datos.

La lista podría ser mucho más larga, pero con estos cuatro puntos creo que resumo la esencia del problema.

Vamos a tratar de responder a cada uno de ellos:

Recursos de los que disponemos

• ¿Usa entornos de comunicación empresarial, registra transacciones, tiene algún sistema de gestión de clientes, debe gestionar stocks, ofrece servicios y cuenta con un departamento comercial, tiene web, cuenta con call center…? Con que haya respondido afirmativamente una vez, ya tiene datos que puede activar.

Inversión para activar el dato

• La inversión necesaria, más que en tecnología, es en talento. Hay miles de herramientas gratuitas en el mercado que permiten recoger y almacenar datos y, si no son gratuitas, hay opciones muy baratas. Los mismo es aplicable en casos concretos, como la personalización de contenidos. En materia de almacenamiento y procesamiento, el advenimiento de los servicios de computación en la nube ha democratizado el entorno. Contar con un data warehouse hoy en día está al alcance de cualquier empresa, de cualquier tamaño. Lo mismo puede decirse a nivel técnico en lo referente al desarrollo de modelos y aplicación de Inteligencia Artificial. Los servicios en la nube que permiten almacenar los datos cuentan con la infraestructura necesaria para desarrollar dichos modelos, y subirlos a producción.

El talento necesario

• Si cuenta con el talento adecuado, ya sea internamente, ya sea mediante una empresa colaboradora, se sorprendería de lo sencillo que resulta activar los datos, una vez que se tiene la estrategia adecuada, y las prioridades claras. El trabajo real es sentarse a pensar y decidir por dónde empezar. Desde Datarmony podemos proporcionar ese talento, y/o ayudar a formar un equipo interno necesario.

Colaboraciones

• Busque la colaboración de una empresa especializada capaz de presentar un plan de activación de los datos a los directivos. Permita a dicha empresa estudiar su situación, a nivel de madurez en el terreno de los datos, y déjela desarrollar para usted una propuesta de activación que tenga en cuenta el punto de partida, y los objetivos finales. En Datarmony podemos hacerlo de forma que queden patentes las ventajas del proyecto.

Cobertura de etiquetas en GTM

Vicente Peris

14/11/2022

Hace unos meses el administrador de etiquetas de google añadió la funcionalidad Cobertura de la etiqueta, en este enlace está disponible la documentación oficial:

Pero, en este breve post, damos algunas pinceladas de lo que nos encontramos al acceder a esta funcionalidad de Google Tag Manager.

Cómo validar las etiquetas de una página web

Este servicio nos permite validar si la etiqueta de Google está instalada correctamente en el sitio web. Es decir, lo que se va a revisar es si existe una llamada a gtag o que esté puesto el contenedor de GTM.

El Tag de Google se incluye cuando implementamos GA4 o Google Ads.

Para acceder a este servicio desde GTM, podemos hacerlo desde la pestaña “Administrador” de nuestro contenedor.

También desde la propiedad de GA4, accedemos al flujo de datos, en la parte de etiqueta de Google seleccionamos “Configurar ajustes de etiquetas” y dentro pulsamos en la pestaña “Administrador”

Al acceder a esta sección, se nos proporciona un listado de URLs sugeridas de nuestro site sobre las que GTM ha encontrado el tag de Google, este listado no tiene por qué incluir todas las URLs del site, son las URLs que han tenido alguna actividad, es decir, han sido consultadas por los usuarios y han enviado alguna información a GA4, es necesario aceptar estas sugerencias si queremos que se mantengan ya que se eliminarán a los 60 días.

El listado permite aceptar esas sugerencias o ignorarlas. Podríamos ignorarlas si vemos que alguna lleva un dominio que utilizamos para pruebas en los que tenemos instalado nuestro contenedor. En total se pueden mantener un total de 10.000 URLs.

El listado muestra la URL y el estado del tag en esa URL, los diferentes estados pueden ser: Etiquetada, No etiquetada, Sin actividad reciente.

Es de suponer que las URLs sugeridas están etiquetadas, puesto que se añaden al detectar el contenedor en ellas, pero pueden pasar al estado “Sin actividad reciente” si en los últimos 30 días no han cargado el contenedor, bien porque lo han perdido, bien porque no se ha accedido a esa página por ningún usuario, en esos 30 días.

El orden del listado depende del estado de la etiqueta, dejando en último lugar las que están etiquetadas, pero es posible, desde el buscador, localizar cualquier URL con facilidad.

Aumente la precisión de su analítica web

La potencia de esta funcionalidad radica en la posibilidad de añadir URLs, bien mediante un fichero CSV, o bien incluyendo la URL de forma manual, para poder validar aquellas URLs que no sabemos con seguridad si llevan el contenedor, o hacer una validación completa de todo nuestro site, aunque sea añadiendo estas URLs por partes si superan el límite de 10.000. La validación de estas nuevas URLs añadidas puede tardar hasta 24 horas.

El problema viene, según mi experiencia con clientes, en que es complicado contar con un sitemap que lleve el listado actualizado de las URLs del site o que te avisen de las nuevas páginas que se van a crear e incluir al site.