La mayoría de los especialistas en marketing piensan que estar basado en datos significa usar métricas web para informar cada decisión que toman. Pero eso en realidad no se basa en datos. Eso está siendo impulsado por Google Analytics. Para estar verdaderamente impulsados por los datos, debemos recordarnos la definición real de los datos: todo tipo de información.
Uno de los tipos de información más reveladores son los datos cualitativos o los datos no estructurados. Puede revelar las verdaderas opiniones y sentimientos de sus clientes hacia su marca, lo cual es difícil de extraer de datos cuantitativos o estructurados.
Incluso Jeff Bezos, el CEO de Amazon, es un apasionado defensor del uso de datos cualitativos para impulsar la estrategia. «Lo que he notado es que cuando las anécdotas y los datos no están de acuerdo, las anécdotas generalmente son correctas. Y hay algo mal con la forma en que mides (tus datos)», explicó durante Una entrevista en el escenario en el Centro Presidencial George Bush.
Sin embargo, el amor de Bezos por los comentarios de los clientes no debería obligarlo a suplantar datos cuantitativos con datos cualitativos al elaborar una estrategia para su próxima campaña de marketing. Debería obligarlo a informar su estrategia con ambas fuentes de datos. Al combinar los conocimientos extraídos de las métricas web y los comentarios de los clientes, puede obtener una comprensión completa de la efectividad de su programa de marketing.
Si desea una explicación más profunda de lo que son los datos cualitativos o no estructurados y los datos cuantitativos o estructurados, consulte este resumen rápido de cuáles son exactamente ambas fuentes de datos y qué herramientas puede usar para almacenarlas y analizarlas.
Datos no estructurados
Los datos no estructurados suelen denominarse datos cualitativos, por lo general, son opiniones y juicios subjetivos de su marca en forma de texto, que la mayoría de los programas de análisis no pueden recopilar. Esto hace que los datos no estructurados sean difíciles de recopilar, almacenar y organizar en bases de datos típicas como Excel y SQL.
También es difícil examinar datos no estructurados con métodos y herramientas de análisis de datos estándar como el análisis de regresión y las tablas dinámicas.
Dado que no puede almacenar y organizar datos no estructurados en bases de datos típicas, debe almacenarlos en documentos de Word o bases de datos no relacionales (NoSQL), me gusta Búsqueda elástica o Solr, que puede realizar consultas de búsqueda de palabras y frases.
Además, dado que no puede utilizar métodos y herramientas de análisis de datos estándar para extraer información de datos no estructurados, puede analizar manualmente o utilizar las herramientas de análisis en una base de datos NoSQL para examinar datos no estructurados. Sin embargo, para utilizar estas herramientas de manera efectiva, necesita un alto nivel de experiencia técnica.
Sin embargo, si puede extraer información de los datos no estructurados con éxito, puede desarrollar una comprensión profunda de las preferencias de sus clientes y su sentimiento hacia su marca.
Ejemplos de datos no estructurados
Los ejemplos más comunes de datos no estructurados son las respuestas a encuestas, comentarios en redes sociales, comentarios en blogs, respuestas por correo electrónico y transcripciones de llamadas telefónicas.
1. Respuestas de encuestas
Cada vez que recopila comentarios de sus clientes, está recopilando datos no estructurados. Por ejemplo, las encuestas con respuestas de texto son datos no estructurados.
Si bien estos datos no se pueden recopilar en una base de datos, sigue siendo información valiosa que puede utilizar para informar las decisiones comerciales.
2. Comentarios en redes sociales
Si alguna vez ha recibido comentarios de las redes sociales con comentarios de sus clientes, ha visto datos no estructurados.
Nuevamente, esto no se puede recopilar en una base de datos, pero querrá prestar atención a estos comentarios. Incluso puede almacenarlo en un documento de Word para realizar un seguimiento.
3. Respuestas por correo electrónico
Al igual que las respuestas a la encuesta, las respuestas por correo electrónico también pueden considerarse datos no estructurados.
Los comentarios que recibe son información importante, pero no necesariamente se pueden recopilar en una base de datos.
4. Transcripciones de llamadas telefónicas
Su servicio al cliente y su equipo de ventas siempre recopilan datos no estructurados en sus llamadas telefónicas.
Dado que estas llamadas a menudo incluyen algunas críticas de su empresa, es importante recopilar comentarios. Sin embargo, como con todos los datos no estructurados, es difícil de cuantificar.
5. Documentos comerciales
Cualquier documento comercial como presentaciones o información que haya almacenado en un documento de Word es un ejemplo de datos no estructurados.
Dado que los datos no estructurados son esencialmente la información que tiene que no puede almacenarse de forma ordenada en una base de datos, cualquier documento misceláneo que tenga puede considerarse datos no estructurados.
Datos estructurados
Los datos estructurados, que a menudo se denominan datos cuantitativos, son hechos objetivos y números que la mayoría de los software de análisis pueden recopilar, lo que hace que los datos sean más fáciles de exportar, almacenar y organizar en bases de datos típicas como Excel y SQL.
Aunque los datos estructurados son solo números o palabras empaquetados en una base de datos, puede extraer fácilmente información de los datos estructurados ejecutándolos a través de métodos y herramientas de análisis de datos como análisis de regresión y tablas dinámicas. Este es el aspecto más valioso de los datos estructurados.
Datos estructurados frente a datos no estructurados
La diferencia entre los datos estructurados y no estructurados es que los datos estructurados son hechos objetivos y números que la mayoría del software de análisis puede recopilar, mientras que los datos no estructurados suelen ser opiniones y juicios subjetivos de su marca en forma de texto, que la mayoría del software de análisis no puede recopilar.
1. Los datos estructurados son más fáciles de almacenar.
Los datos estructurados son fáciles de exportar, almacenar y organizar en bases de datos típicas como Excel, Google Sheets y SQL.
Por el contrario, los datos no estructurados son difíciles de exportar, almacenar y organizar en bases de datos típicas. La mayoría de las veces, debe almacenar datos no estructurados en documentos de Word o bases de datos NoSQL.
2. Los datos estructurados son más fáciles de analizar.
Con datos estructurados, puede examinar fácilmente la información con métodos y herramientas de análisis de datos estándar, como análisis de regresión y tablas dinámicas.
Sin embargo, con datos no estructurados, no puede. Tendrá que analizarlo manualmente o usar las herramientas de análisis en una base de datos NoSQL para examinar este tipo de datos.
3. Los datos no estructurados ofrecen más libertad.
Si bien los datos estructurados son más fáciles de almacenar y recopilar, los datos no estructurados brindan a los analistas más libertad ya que están en su formato nativo.
Además, las empresas suelen tener más datos no estructurados, ya que los datos son adaptables y no están restringidos por formato.
Estar basado en datos, no solo basado en Google Analytics
En un mundo donde Google Analytics puede escupir cada métrica bajo el sol, debe recordar que los datos cualitativos, como los comentarios de los clientes, son tan cruciales para informar su estrategia de marketing como las métricas web.
Sin datos no estructurados, no tendrá una comprensión clara de cómo se sienten realmente sus clientes acerca de su marca. Y eso es crucial para que cada vendedor lo sepa.
Nota del editor: esta publicación se publicó originalmente en febrero de 2019 y se ha actualizado para que sea exhaustiva.
