Marketing Analytics, un día en la vida de un profesional
Marketing Analytics es una práctica multifacética pero a menudo incomprendida.
Aquí hay un día de ejemplo en la vida de un profesional de Marketing Analytics para arrojar luz sobre la diversidad del rol.
Marketing Analytics es a menudo la base de cualquier programa de marketing de clase mundial. Pero las conferencias, entrevistas y reuniones me han enseñado que muy pocas personas entienden el mundo de Marketing Analytics.
Algunas describen incorrectamente Marketing Analytics únicamente como análisis digital: seguimiento de visitas, clics y conversiones. Sí, lo hacemos, pero eso no es todo lo que hacemos. Escuché a otros confundir Marketing Analytics con Market Research.
Trabajo estrechamente con mis colegas de Market Research, pero normalmente no hago investigación. Una vez, alguien enojado me dijo que era responsable de sus anuncios en Spotify. Nunca he trabajado en Spotify.
La razón por la que amo mi trabajo es que mi día puede variar desde la codificación SQL ligera hasta los algoritmos de aprendizaje automático en toda regla. Mi rol es diverso y tiene impacto; mis análisis impulsan decisiones multimillonarias.
Tengo la oportunidad de reunirme con todos, desde el CFO hasta los internos enérgicos. Y miro los datos en todo el ecosistema.
Reviso los datos de cada área de productos y profundizo en la relación entre el comportamiento del producto, la información demográfica y las tendencias culturales. Describo este trabajo como ciencias sociales computacionales aplicadas.
Para levantar el valle y arrojar algo de luz sobre la profesión de Marketing Analytics, he reunido un día en la vida de un profesional de Marketing Analytics.
Los proyectos y las tareas se han condensado en intervalos de 45 minutos para garantizar que puedo proporcionar una visión general representativa de los proyectos que abordo regularmente.
Bienvenido a mi día como profesional de Marketing Analytics.
7.30 a.m. -Ejecutar consultas de SQL pesadas en recursos.
Me gusta llegar temprano. Desayuno, café y código SQL. Las bases de datos se ejecutan más rápido en la mañana porque hay menos analistas que ejecutan consultas y absorben los recursos informáticos. Inicié algunas consultas grandes que requieren mucha potencia informática. Ejecute, usted dulce base de datos, usted.
8.15am – Correos electrónicos y Admin.
Mi bandeja de entrada me está burlando. Apoyo a los especialistas en marketing de todo el mundo, así que intento consultar mi bandeja de entrada antes de tiempo y responder preguntas, especialmente de mis colegas de EMEA que acaban de terminar el día.
9 a. M. – Cluster Analysis.
. Levanto R (software de estadísticas) y comienzo a codificar. Estoy buscando usuarios por debajo del promedio de un producto para una campaña de marketing basada en la educación. La agrupación es una técnica de ML (aprendizaje automático) que me ayuda a encontrar agrupaciones “naturales” de usuarios. En este caso, estoy usando ML para identificar la definición natural de ‘debajo del promedio’. Mi herramienta ML me da clusters de usuarios de alto a bajo basados en ciertas métricas. Tomo la (s) definición (es) asignada (s) de los usuarios por debajo del promedio y eso se convierte en mi audiencia.
9.45 a. M. – Consulta con colegas de marketing.
Me reúno con los miembros del equipo de marketing para ayudarlos a definir la estrategia y el enfoque para una próxima campaña. Hablamos de audiencias potenciales, Indicadores Clave de Desempeño (KPI), estrategias y presupuesto. Es divertido. Disfruto de la creatividad y la lluvia de ideas.
10.30am – Revisión de Dashboards and Trends.
De vuelta en mi escritorio y es hora de revisar el “tablero de instrumentos y el correo electrónico”. Mantengo un total de cuatro tableros automatizados para el equipo de marketing. Estos paneles cubren datos demográficos, rendimiento de marketing, segmentación regional de datos y puntos de referencia de marketing. Mi objetivo es enviar un breve correo electrónico cada dos semanas que cubra las tendencias en los paneles. Hoy, estoy revisando y enviando por correo electrónico una actualización sobre el panel de tendencias de datos regionales, mirando las tendencias específicas de cada país para ayudar a los equipos de marketing en el país.
11.15 a.m. – Análisis de los resultados de la campaña.
Tiempo de los resultados. Acaba de finalizar una campaña de marketing de dos meses en Francia y el equipo está buscando resultados. Saco los archivos de impresión de medios y comienzo el análisis.
Casi toda nuestra mercadotecnia se mide utilizando un formato de prueba y control: las audiencias de prueba reciben mercadeo mientras que una audiencia de control similar no recibe mercadeo.
Uso SQL y R para comparar el comportamiento de los grupos de prueba y control. Mi objetivo es ver si hay una diferencia estadísticamente significativa entre los grupos en las métricas de comportamiento del producto.
Los resultados y los aprendizajes se incluyen en un documento de resumen de la libreta de calificaciones, así como en nuestra base de datos de referencia.
12 del mediodía: Reunión con analistas de productos.
Reunión de almuerzo. Me reúno con científicos de datos de productos que ofrecen las últimas tendencias que están viendo y nuevas tablas de datos que han configurado.
Los analistas de productos son responsables de comprender las tendencias y los matices profundos en un área de producto específica.
También crean y mantienen tablas de datos clave para su área de productos. Como analista de marketing, soy responsable de analizar las correlaciones e interacciones en todas las áreas de productos.
Por lo tanto, confío en los analistas de productos para obtener información detallada y utilizar sus diversas tablas de datos para medir el impacto de marketing en el comportamiento del usuario. Hablamos de tablas y tendencias de Hive.
12.45 p.m. – Sesión de trabajo para construir una herramienta de aprendizaje automático.
Me reúno con el ingeniero de datos de mi equipo. Estamos construyendo una herramienta de aprendizaje automático que automatizará secciones de nuestras campañas de marketing para ayudarnos a probar y aprender a gran escala.
Es un proyecto emocionante. Pasamos el tiempo hablando de algoritmos, traduciendo mi código R en Python y averiguando las bases de datos que necesitamos configurar. Los nerds técnicos se unen.
1.30 p.m. – Predecir el ROI.
De vuelta en mi escritorio. Mi próximo proyecto se centra en predecir el ROI (retorno de la inversión) de una campaña de marketing planificada. El objetivo es averiguar si la campaña vale la inversión.
Si doy luz verde, se comprometerán millones de dólares y trabajarán tres equipos diferentes en este proyecto, así que me aseguro de verificar mis números cuidadosamente. Miro las métricas, como el alcance potencial.
La tasa estimada de clics y los CPA aproximados (costo por adquisición). Estoy equilibrando la necesidad de responder rápidamente con precisión. Este acto de malabarismo es una dolencia común del analista de marketing moderno. Uso benchmarks y regresión multivariada para ejecutar la predicción.
2.15pm – Mapeo geográfico de la actividad.
Ubicación, ubicación, ubicación. Cambio mi enfoque a geografía y mapeo. A algunos compañeros de equipo se les dio luz verde para crear un programa de eventos ‘pop-up’ en ciudades de todo el Reino Unido.
Ya he preseleccionado las ciudades en nuestras sesiones de planificación y estrategia. Ahora, necesitan saber específicamente donde en las ciudades deberían ejecutar su evento. Piden ubicaciones que tengan mucho tráfico peatonal a la hora del almuerzo.
Utilizo datos de ubicación con la funcionalidad de mapeo en R (me gusta usar la API de mapeo de folletos) para crear mapas de calor del tráfico peatonal por ubicación.
Saco las tres mejores ubicaciones y las envío al equipo de marketing. Me encanta este proyecto, soy un nerd para un buen mapa de calor.
15:00 – Escritura de un plan de medición.
A continuación, debo escribir la parte del plan de medición de una campaña de marketing. Se requiere que todos los planes de campaña incluyan una sección de medición que describa KPI, métricas secundarias, objetivos, audiencias objetivo, geografías y enfoque de medición.
Mis colegas de investigación también agregarán a esta sección si hay un componente de conciencia o de investigación de sentimientos. Nuestra organización tiene una fuerte cultura de prueba y medida aquí para que analítica e investigación (si corresponde) firmen en todos los planes de marketing.
3.45pm – Correos electrónicos Segunda ronda.
Se acerca el final de la día. Me tomo un momento para revisar mis correos electrónicos y responder preguntas del día, o preguntas pendientes que no he respondido de días anteriores. Recibo muchas preguntas durante el día que, con el tiempo, me han enseñado a ser sucinto y directo en mis respuestas. Me inclino por la voz activa tanto como puedo. Ya casi eliminé la pelusa de mis correos electrónicos porque simplemente no hay suficiente tiempo. Guardo la charla para conversaciones en persona y reuniones de café.
4.30 pm – Revise las tendencias de datos en Japón.
Mi última reunión del día – Estoy hablando de comportamiento tendencias con nuestro Country Marketing Manager para Japón. Es un tipo apasionado y divertido que adora sumergirse en los números. Intento reunirme con los gerentes de marketing del país cada dos meses para darles una actualización sobre lo que veo en los paneles.
También es una gran oportunidad para escuchar de ellos sobre temas importantes, áreas en las que puedo ayudar a proporcionar información valiosa y sus planes de promoción. Levanto el tablero interactivo que construí para Japón y chateamos datos.
Tableau es mi opción para pequeños conjuntos de datos, pero a menudo no puede manejar la tabla de datos con la que trabajo, así que también uso una herramienta de panel desarrollada internamente.
5.15pm – Configuración de consultas SQL para ejecutar durante la noche.
Está llegando al final de mi día. Mi última tarea para configurar algunas consultas SQL para que se ejecuten durante la noche que crearán tablas de datos para los análisis de mañana.
Los ejecuto de la noche a la mañana porque hay más recursos disponibles después de que la gente se va a casa. Y cuando se trata de tablas que tienen miles de millones y billones de filas de datos, necesita todos los recursos del servidor que puede disputar.
Como puede ver, la profesión de Marketing Analytics va más allá de los clics y las conversiones. Es una mezcla de tableros, algoritmos, codificación y consulta interna.
Esta variedad es lo que disfruto de la profesión. Las semanas rara vez son las mismas.
Esperamos que este artículo haya resaltado parte de la diversidad que se ofrece en Marketing Analytics. Ah … y si estás pensando en una carrera que combina datos, variedad e impacto, valdría la pena considerar Marketing Analytics.
Un día en la vida de un profesional de Marketing Marketing fue publicado originalmente en Hacia Data Science en Medium, donde las personas continúan la conversación resaltando y respondiendo a esta historia.
