Inicio Articulos. Entendiendo al consumidor mediante Social Big Data

Entendiendo al consumidor mediante Social Big Data

Todas las compañías globales cuentan actualmente con software para monitorizar las redes sociales, con los que obtienen los típicos reportes con foco en las menciones alrededor de la marca y sus competidores, y que incluyen funcionalidades estándar como el análisis de sentimiento, volumen de buzz, términos y temáticas más relevantes, plataformas sociales más utilizadas, etc.

E.Life detectó que la forma actual de generar insights en redes sociales estaba dejando al consumidor fuera del proceso. Habíamos estado demasiado orientados en la marca y nos habíamos olvidado de hacer preguntas fundamentales acerca de los consumidores de nuestros clientes. Resultó que la industria entera estaba haciendo exactamente lo mismo. ‘Buscamos metodologías centradas en el consumidor y no encontramos ninguna. Entonces nos decidimos a inventarla. Este documento nos introduce a las ideas básicas que desarrollamos en los últimos 12 meses de investigación’.

¿Qué datos deberíamos obtener acerca del consumidor?

Dimos con una sencilla infraestructura que denominamos las 4 Ps of insights (ver gráfico 1), para guiar las búsquedas relativas a estas cuestiones. También movimos el foco para no sólo a monitorizar la marca, sino tambien para incluir todo el universo del consumidor de una marca en específico.

Definimos las 4 Ps de la siguiente forma:

  • Las Preferencias generales del consumidor (por ejemplo, si le gusta cierta actividad física, cierta marca de té, ver viejas comedias americanas, etc.),
  • La sensibilidad al Precio (por ejemplo, le gusta la comida rápida porque es económica, juega al golf y no le importa si tiene que comprar equipo costoso para ello, etc.),
  • Los lugares o Plazas a las que asiste (gimnasio, cafetería o el centro comercial local) y,
  • Qué tipo de Personas son estos consumidores (padres de familia, atletas, banqueros, periodistas, etc).

 

Las 4 Ps of Insights para un acercamiento centrado en el consumidor

elife1

 

Las 4Ps son, de este modo, una simple infraestructura sobre la que se sustenta el proceso de dar con interesantes preguntas acerca de quiénes mencionan las marcas de nuestros clientes. Por ejemplo, vamos a tomar la categoría de zapatos deportivos. Aquí, algunas preguntas que podemos contestar usando Social Data:

  • ¿A qué centros comerciales van los consumidores de Nike?
  • ¿Cuál es la marca de deportes más mencionada entre periodistas y adolescentes?
  • ¿Están los joggers que usan Puma bebiendo más Red Bull o Nestea?
  • ¿Son las madres consumidores de la marca Asics?
  • ¿Realmente comparan precios o les importa menos?
  • ¿Compran más las mujeres durante la tarde en centros comerciales del norte de Madrid?

Tan impresionante como parece, fuimos capaces de encontrar uan gran cantidad de estas Ps echando un vistazo al Social Big Data. Comenzamos acuerdos con proveedores de datos que nos permitieron literalmente aprovechar millones de posts cada día. Luego procesamos estos posts para averiguar qué marcas mencionaba cada usuario durante un periodo de tiempo (días, meses o incluso años). Finalmente, construimos un nuevo modelo centrado en el consumidor preocupado por las marcas a su alrededor.

 

Consumer-centric Data Model

elife2

 Una vez implementado el modelo, diseñamos un cuadro de mando al estilo Lego, para visualizar las Ps agregadas y extraídas a partir de millones de elementos en un intervalo de tiempo. Abajo (gráfico 3) mostramos un ejemplo de 3 piezas de Lego (o widgets en el argot geek) de un cuadro de mando o dashboard asentado sobre cientos de miles de menciones y check ins en los centros comerciales de España.

 

Tres widgets de nuestro cuadro de mando para centros comerciales

elife3

 La primera caja muestra el volumen total de tweets hechos en centros comerciales de España en un día y, más importante, cuántas personas han hecho estos check-ins. El segundo widget muestra el ranking de centros comerciales de acuerdo al volumen de check-ins (los cuales pensamos que pueden ser de mucha utilidad para los directores de marketing de estos centros) y finalmente en una última caja se extrae la descripción de cómo los usuarios se definen a sí mismos: periodistas, directores y políticos en el top 3.

Al agregar cada uno de los miles de usuarios únicos que recolectamos cada día y sus Ps, construimos los cimientos del Big Data en redes sociales. Al ser capaces de visualizar dichos cimientos finalmente somos capaces de activar proyectos de monitorización centrados en el consumidor para nuestros clientes. Dichos proyectos entregan un conjunto de insights completamente diferentes, complementando la actual y tradicional aproximación.

Por Jairson Vitorino, CTO de E.life Group