Ejemplos de marketing de big data
Contenidos
El análisis de datos en el ámbito del marketing está bien establecido, pero hoy en día los profesionales del marketing tienen acceso a una gran cantidad de datos propios y públicos sobre el comportamiento, el uso y las preferencias de los clientes, lo que representa una potencial mina de oro de información sobre ellos. El término “big data” se refiere cada vez más a esta explosión de datos y a la capacidad de utilizar la información de los datos para la toma de decisiones. Hacer realidad el potencial de los big data presenta numerosos desafíos técnicos, por supuesto, pero también requiere talento ejecutivo comprometido con la implementación de soluciones de big data y un equipo con capacidades analíticas y voluntad de experimentar.
Una reciente encuesta de Spencer Stuart a 171 ejecutivos de marketing con sede en Estados Unidos reveló que los profesionales del marketing han adoptado ampliamente el big data y confían en su uso de las técnicas y herramientas de análisis. Más de la mitad de los encuestados calificaron el uso de datos y herramientas analíticas por parte de su equipo de marketing como competente o mejor, y el 11% calificó a su equipo como sofisticado o puntero en el uso de big data. Sólo el 1% de los encuestados dijo que su equipo de marketing no utiliza herramientas de análisis de big data.
Gartner big data
El gigante de las tarjetas de crédito, Capital One, es conocido por su uso pionero de la analítica de marketing y los macrodatos, por lo que puede sorprender que se haya dado cuenta recientemente de que una dependencia excesiva de esas herramientas le ha dejado sin una marca significativa. Los autores explican cómo el trabajo número uno del director de marketing -conseguir el equilibrio adecuado entre las promociones que aumentan los ingresos a corto plazo y las campañas de creación de marca que apoyan los márgenes saludables a largo plazo- se ha vuelto dramáticamente más difícil en la era de la segmentación basada en datos. Capital One recibió su propia llamada de atención cuando su director general, Rich Fairbank, encargó un estudio sobre el valor de la marca. El estudio reveló que los consumidores conocían a la empresa mayoritariamente por un solo atributo: “Me envían mucho correo”. Los esfuerzos por fortalecer la marca y dar a Capital One una base más sólida para el crecimiento futuro dieron lugar a cinco lecciones, todas ellas aprendidas y perfeccionadas a través de conversaciones con otros ejecutivos de marketing, como Tony Pace, de Subway; Mark Addicks, de General Mills; Tariq Shaukat, de Caesars Entertainment; Russell Weiner, de Domino’s; y Jim Speros, de Fidelity, al enfrentarse a la misma tensión en sus muy diferentes organizaciones.
Análisis de marketing de ventas
ResumenLas tecnologías de big data y la analítica permiten nuevos servicios digitales y a menudo se asocian con un rendimiento superior. Sin embargo, las empresas que invierten en big data a menudo no consiguen esas ventajas. Para responder a las preguntas de cómo y cuándo los big data son rentables, los estudiosos del marketing necesitan nuevos enfoques teóricos y herramientas empíricas que den cuenta del mundo digitalizado. Basándose en la teoría de las posibilidades, los autores desarrollan un marco novedoso, conceptualmente riguroso y orientado a la práctica, sobre el impacto de las inversiones en big data en la innovación y el rendimiento de los servicios. Los affordances representan las posibilidades de acción, es decir, lo que los individuos u organizaciones con determinados objetivos y capacidades pueden hacer con una tecnología. Los autores conceptualizan y operacionalizan tres importantes posibilidades de marketing de big data: la detección de patrones de comportamiento de los clientes, la capacidad de respuesta del mercado en tiempo real y la ambidexteridad del mercado basada en los datos. El análisis empírico establece la validez del constructo y ofrece una prueba nomológica preliminar de los efectos directos, indirectos y condicionales de las astucias de marketing de big data sobre el rendimiento percibido de los big data.
¿Puede un científico de datos hacerse millonario?
El uso actual del término big data tiende a referirse al uso de la analítica predictiva, la analítica del comportamiento del usuario o algunos otros métodos avanzados de análisis de datos que extraen valor de los big data, y rara vez a un tamaño concreto del conjunto de datos. “Hay pocas dudas de que las cantidades de datos disponibles ahora son realmente grandes, pero esa no es la característica más relevante de este nuevo ecosistema de datos”[4].
El tamaño y el número de conjuntos de datos disponibles han crecido rápidamente a medida que los datos son recogidos por dispositivos como los móviles, los baratos y numerosos dispositivos de detección de información del Internet de las cosas, los aéreos (teledetección), los registros de software, las cámaras, los micrófonos, los lectores de identificación por radiofrecuencia (RFID) y las redes de sensores inalámbricos. [8][9] La capacidad tecnológica per cápita del mundo para almacenar información se ha duplicado aproximadamente cada 40 meses desde la década de 1980;[10] en 2012 [actualización], cada día se generaban 2,5 exabytes (2,5×260 bytes) de datos[11] Según la predicción de un informe de IDC, se preveía que el volumen mundial de datos crecería exponencialmente de 4,4 zettabytes a 44 zettabytes entre 2013 y 2020. Para 2025, IDC predice que habrá 163 zettabytes de datos[12]. Una cuestión que se plantea a las grandes empresas es determinar quién debe ser el propietario de las iniciativas de big data que afectan a toda la organización[13].