Nota del editor: La publicación de hoy es de Sasha Bartashnik, directora de análisis de marketing de zulily. zulily es una empresa de comercio electrónico de rápida expansión y valorada en USD 1600 millones que lanza más de 100 nuevas ofertas por día para sorprender y deleitar a las mujeres deseosas de descubrir artículos nuevos y únicos. Esta es la primera parte de una serie de dos partes.

Todos los días, zulily lanza más de 9000 estilos de productos y 100 nuevas ofertas, incorpora miles de nuevos clientes y procesa millones de transacciones de usuarios. Somos una empresa que pone al cliente por delante de todo. Por eso, nos esforzamos constantemente por entender a nuestros clientes y optimizar sus experiencias. Con la gran cantidad de datos provenientes de fuentes internas y externas, acceder rápidamente a los datos necesarios para tomar decisiones de marketing se estaba convirtiendo en un proceso complicado y extenso para el usuario corporativo promedio. Como consecuencia, los analistas dedicaban más tiempo a escribir código para responder solicitudes de datos ad hoc que a proporcionar información realmente útil que permitiera impulsar el negocio. Necesitábamos encontrar una forma de reducir el tiempo que tomaba transmitir el mensaje correcto, en el momento exacto, mediante el canal adecuado y a todos los clientes.

Para ello, creamos una plataforma de análisis de marketing de autoservicio que aprovecha la integración de Google BigQuery con Tableau. Gracias a esta plataforma, por primera vez, logramos una vista única de los datos de los diferentes puntos de contacto de marketing, como Facebook Ads, Google Ads, y correo electrónico. Esto nos permitió combinar los datos con las fuentes internas, como secuencias de clics, catálogos de productos y transacciones de pedidos, para tomar decisiones de negocios más rápidas y acertadas. Esta plataforma convirtió a BigQuery y Tableau en la herramienta básica de nuestro equipo de análisis de marketing. Mediante la implementación personalizada de estas dos tecnologías, podemos analizar datos complejos rápidamente y realizar recomendaciones destinadas a impulsar la toma de decisiones estratégicas en tiempo real. En esta publicación encontrará orientación sobre cómo aplicar algunas de estas estrategias en su organización.

Pasar a una plataforma de datos de autoservicio

En mi empleo en zulily, lidero un equipo de analistas y científicos de datos dedicado a optimizar nuestra estrategia de marketing mediante información basada en los datos. Trabajamos en estrecha colaboración con un equipo técnico formado por ingenieros de software y datos. Esta colaboración es una de las principales ventajas de trabajar en análisis de marketing en zulily: tengo la posibilidad de trabajar con un equipo técnico talentoso y creativo. Nuestro equipo técnico debe concentrarse en el desarrollo continuo de nuevas funcionalidades con el propósito de lograr una experiencia del cliente totalmente escalable con capacidad para administrar millones de transacciones por día y en diversas plataformas. También son responsables de crear la infraestructura y las herramientas necesarias para administrar nuestras sofisticadas plataformas de marketing y proveedores. Esto significa que nuestro equipo técnico no puede sobrecargarse con las tareas operativas de TI tediosas que suelen surgir en los departamentos de TI tradicionales. En cambio, se dedican a desarrollar herramientas que nos permiten a los demás hacer nuestro trabajo sin depender del tiempo y las prioridades del equipo técnico. Un ejemplo de esto es zuFlow, una herramienta de generación de consultas y programación para BigQuery que permite a los analistas de zulily generar flujos de trabajo complejos propios de preparación de datos (ETL) mediante una interfaz web de tipo “apuntar y hacer clic”.

El equipo técnico también comparte la visión de mi equipo de utilizar los datos como base para todas las decisiones, en cada nivel de la organización. Esta visión alienta a nuestros equipos a promover herramientas y técnicas innovadoras dentro de zulily que aumentan las maneras en que la empresa utiliza los datos. En 2014, cuando el equipo técnico se dio cuenta de que nuestra plataforma de datos existente —una combinación de SQL Server para los datos estructurados y un clúster de Hadoop para los no estructurados— pronto generaría limitaciones, se anticiparon a crear una nueva plataforma de big data. Esta plataforma utiliza BigQuery como almacén de los datos de la empresa, ya que proporciona un servicio de análisis altamente escalable. Por otra parte, usa Tableau para el acceso a los datos y la generación de análisis visuales, lo que permite tomar rápidamente decisiones basadas en los resultados.

Con nuestra nueva plataforma de datos, el proceso se reduce a lo siguiente:

  1. Trasladar todos los datos, ya sean estructurados, no estructurados, en tiempo real o en lotes, a BigQuery.
  2. Los analistas de marketing y científicos de datos unen varias fuentes de datos con el SQL de BigQuery.
  3. Desarrollar modelos en los data marts de BigQuery de la empresa mediante diversas herramientas de ciencia de datos comunes (por ejemplo, Anaconda, RStudio, Google Cloud Datalab) in situ y en Google Cloud.
  4. Tableau es la plataforma de análisis visual y generación de informes de zulily. Los analistas de marketing y científicos de datos utilizan Tableau para realizar análisis de autoservicio de datos almacenados en BigQuery, además de generar informes sobre la información extraída de los modelos anteriormente mencionados. Gracias a esto, podemos tomar decisiones en tiempo real todos los días y contamos con información estratégica a largo plazo.

Posibilitar las decisiones de marketing con análisis de autoservicio

La integración de Tableau y BigQuery conduce a dos mejoras clave en la eficiencia gracias al modelo de autoservicio:

  1. Permite al equipo de análisis obtener, procesar y utilizar los datos mucho más rápido para generar informes y modelos sin tener que involucrar al departamento de TI en las actividades diarias.
  2. Proporciona a los usuarios corporativos acceso en tiempo real a datos clave utilizados para tomar decisiones inmediatas sin depender de los analistas para la generación de información básica.

Dado que todos los datos se encuentran almacenados en tablas de BigQuery, mi equipo puede generar consultas sobre datos de prácticamente cualquier tamaño y nivel de granularidad. También puede dividirlos para crear funcionalidades que se adapten a nuestros modelos. Luego, podemos explorar los datos más en profundidad, y crear informes y visualizaciones en Tableau, con el objetivo de compartir los datos y modelos con los usuarios finales. Con Tableau, los usuarios corporativos también pueden profundizar en las métricas clave, a fin de entender el rendimiento de los diferentes anuncios, programas y canales.

Para lograr estas dos mejoras en la eficiencia, el equipo de análisis de marketing debía crear una única vista centralizada del cliente. Primero, combinamos todos los datos de marketing que el equipo técnico almacena en BigQuery. Esto incluía costos y datos de clics de Facebook Ads, Google Ads, correos electrónicos y demás puntos de contacto de marketing con el cliente. Luego, los vinculamos con secuencias de clics, transacciones de pedidos y otros metadatos sobre las acciones de clientes en el nivel de cliente y anuncio mediante SQL de BigQuery. Antes de BigQuery, combinar cantidades tan masivas de datos era un proceso arduo y extenso. Ahora, obtenemos resultados en cuestión de minutos o segundos, según la consulta. Con esta velocidad, el equipo puede crear un modelo de datos basado en todos los aspectos del comportamiento del cliente, incluidas características como los gastos del cliente en el tiempo, la frecuencia de las interacciones por correo electrónico y los hábitos de navegación en el sitio. Ahora tenemos la capacidad de vincular este modelo integral de datos de clientes con las campañas de marketing y publicidad específicas que desencadenan comportamientos del cliente.

Acceder a información de adquisición de clientes con Google BigQuery y Tableau

La implementación del enfoque de autoservicio y el modelo del cliente libera al equipo técnico para que se concentre en tareas de mayor valor, como la creación de una arquitectura de sistemas sólida para optimizar los anuncios en tiempo real. Al mismo tiempo, el equipo de análisis de marketing tiene la oportunidad de profundizar en aquellas áreas que son fundamentales para entender el negocio. Tableau permite a los usuarios corporativos formular y responder muchas de sus propias preguntas, o manipular los datos de la forma que necesiten. Como resultado, nuestro equipo se libera de los intercambios cotidianos relacionados con actualizaciones de informes o solicitudes de modificaciones de datos simples. Ahora, podemos utilizar la plataforma de datos de zulily para desarrollar modelos de aprendizaje automático avanzados que ayudan a la empresa a fomentar la adquisición de clientes y entender mejor la experiencia del consumidor.

Con todos los datos de zulily en BigQuery, podemos desarrollar un modelo de aprendizaje automático sólido que permite predecir el valor del cliente mediante una serie de comportamientos. Además, nos brinda la capacidad de vincular los resultados con campañas de marketing específicas a fin de medir el rendimiento a largo plazo.
Con este objetivo en mente, asignamos un valor histórico para identificar a los clientes existentes de alto valor. Luego, utilizamos un aumento de gradiente para considerar más de 1000 variables transaccionales y conductuales, y evaluar así cientos de modelos. Al final, lo reducimos todo a unas 30 características clave, que son factores que contribuyen a la predicción del valor de los clientes.

El resultado final es un modelo con capacidad para predecir con gran precisión la probabilidad de que un nuevo cliente de zulily genere valor a largo plazo. Podemos vincular estas predicciones con los conjuntos de datos de marketing que se encuentran almacenados en BigQuery. Así, proporcionamos los datos de rendimiento de marketing combinados en dashboards altamente dinámicos y personalizables (que llamamos internamente dashboard de métricas de canal [CMD]) en nuestro servidor de Tableau. El CMD permite al administrador del canal de marketing y a los especialistas generar fácilmente su propia información mediante datos históricos y previstos a través de la selección de métricas, rangos de fechas y hasta la granularidad necesaria. Esto es posible gracias a la creación de gráficos e informes personalizados directamente en el servidor. Con esta solución, el equipo de marketing de zulily puede tomar rápidamente decisiones destinadas a optimizar anuncios, correos electrónicos y ofertas para los clientes que mejor responden a las acciones de zulily.

Cuando implementamos esta nueva plataforma de datos, recibimos la inestimable ayuda y soporte tanto del equipo técnico de zulily como de los ingenieros de Google Cloud y los ingenieros de clientes de Tableau.

En la segunda parte de esta serie, el equipo combinado compartirá consejos y trucos sobre la integración de BiqQuery y Tableau. ¡No se lo pierda!

También podría interesarle...

Suscribirse a nuestro blog