Cómo interactuar con estudios en marketing digital

Una de las partes más atractivas del marketing digital es el enfoque incorporado en los datos.

Si una táctica tiende a tener datos positivos a su alrededor, es más fácil de adoptar. Del mismo modo, si no se ha demostrado una táctica, puede ser difícil obtener la compra para probar.

La principal forma en que los especialistas en marketing digital construyen esa confianza de datos es a través de los estudios. Estos estudios generalmente se dividen en una de dos categorías:

• Anecdótico: Sin embargo, un número limitado de puntos de datos, generalmente hay mucho más detalles sobre la mecánica individual.
• Estadísticamente significativo: Una gran cantidad de puntos de datos (típicamente más de 100) que podrían verse forzados a un análisis más simple debido al gran volumen de entidades que se analizan.

Ambos conjuntos de datos tienen su lugar en la construcción de estrategias de marketing digital. Es por eso que es peligroso inclinarse demasiado en uno u otro.

Como alguien que ha trabajado dentro de las organizaciones capaces de publicar ambos tipos de conjuntos de datos, y un ávido consumidor de ambos, pensé que sería útil cavar en:

• Criterios mínimos para cada tipo de estudio.
• Qué valor las marcas pueden obtener de ambos tipos de estudios.
• Cómo configurar sus propios estudios.

Esta publicación analizará algunos estudios diferentes que van en disciplinas de marketing digital.

Esto se debe a que los principios centrales que rigen anecdóticos (datos más pequeños) y estadísticamente significativos (big data) son bastante similares en todas las disciplinas de marketing.

Criterios mínimos para cada tipo de estudio

Un error común que comete la gente al establecer estudios es pensar que el volumen de datos es el único criterio para que sus estudios sean valiosos.

Sí, es encantador cuando hay muchos datos, pero hay otros factores críticos:

• ¿Cuántas variables se están considerando?
• ¿Qué, si alguna, hay una mitigación para valores atípicos/en exceso de variables?
• ¿Puede el estudio responder a los críticos con datos versus emoción?

Estos tres serán requisitos mínimos independientemente de si se enfoca en un estudio anecdótico o uno estadísticamente significativo. Sin embargo, también hay algunos criterios específicos del estudio.

Estudios anecdóticos

Al mirar un conjunto de datos más pequeño (es decir, menos de 10 cuentas, menos de un año de datos, etc.), hay mucha más presión para profundizar en los impactos antes y después de lo que desee probar.

Las personas querrán tantos detalles como sea posible porque el estudio generalmente muestra los resultados de acciones específicas tomadas en una cuenta/para una marca.

Esto significa que las capturas de pantalla serán críticas. Si no puede mostrar exactamente lo que sucedió, no se tomará en serio.

Sin embargo, las capturas de pantalla no requieren que revele el cliente para el que está trabajando. Filtrar los nombres de las marcas es absolutamente razonable.

Dejar los puntos de referencia, las métricas importantes y si una iniciativa tenía “ventajas injustas” (gran presupuesto, campañas de marca, etc.) no lo es.

Un buen ejemplo de un estudio anecdótico es analizar el impacto de un cambio durante unos meses. Este gráfico de Will O’Harra muestra el cambio en el tráfico del sitio para sitios de “fan” frente a grandes nombres.

En este estudio, podemos ver sitios que de otro modo tendrían un tráfico más bajo obteniendo un gran pico debido al cambio en los criterios de contenido de calidad. Este es un estudio anecdótico en el sentido de que solo mira cinco sitios.

Estudios de big data

Donde la gente será bastante implacable de la falta de detalles en los estudios anecdóticos, los estudios de big data obtienen un poco más de clemencia.

Esto se debe a que su medida principal es el volumen de cuentas que hablan de una tendencia específica. Sin embargo, esto no significa que los estudios de big data estén libres de escrutinio, solo que el enfoque está en cosas diferentes.

Big Data debe ser muy estricto en los criterios de inclusión. Las entidades incluidas deben estar lo más cerca posible entre sí.

Además, los estudios de big data generalmente necesitan muchas entidades. Si va a hacer un comentario sobre una tendencia en particular, debe haber suficiente volumen para respaldar el reclamo.

Por ejemplo, en mi estudio Optmyzr que analiza los tipos de coincidencias de Google y las estrategias de licitación, incluimos aproximadamente 2.600 cuentas en varios países. (Descargo de responsabilidad: trabajo para Optmyzr.) Podríamos haber incluido más cuentas si éramos más indulgentes en los criterios.

¿Qué valor puede obtener las marcas de ambos tipos de estudios?

Puede ser tentador centrarse solo en un tipo de estudio. Sin embargo, ambos tienen su lugar y pueden informar una estrategia de cuenta significativa.

Big Data es útil para comprender conceptos y tendencias generales que pueden afectar su cuenta. Estos serán los principios rectores, como:

• ¿Qué opciones de estructura tienen mayores posibilidades de éxito?
• Dónde enfocar los esfuerzos de generación de contenido.
• ¿Cómo gastan la gente su dinero?
• ¿Cuándo usar qué tipo de mensajes en el embudo del comprador?

Lo que es útil sobre este tipo de aprendizaje es que le dan un buen lugar de inicio para formar su estrategia. También pueden ser útiles para verificar la cordura.

Por ejemplo, el brillante Mike Ryan (SMEC) realizó un estudio sobre cuántas conversiones se necesitan para campañas exitosas de PMAX. Si bien estos datos son útiles en cada contexto, es útil saber que se basa en 14,000 campañas.

Imagen de Mike Ryan (SMEC), noviembre de 2023

A partir de estos datos, podemos ver que para lograr resultados decentes, nuestras campañas de PMAX deberían obtener al menos 60 conversiones en un período de 30 días.

Si no pueden, podría valer la pena evaluar otros tipos de campaña. Es muy posible que una cuenta pueda tener éxito fuera de los resultados de este estudio, pero serían atípicos para la regla general.

Del mismo modo, las partes iguales de Greg Gifford (Search Labs) inteligentes y entretenidas hicieron un estudio sobre los listados de perfil comercial de Google para evaluar si las “mejores prácticas” realmente mantienen el análisis.

Él y su equipo observaron 1,000 concesionarios y encontraron algunas prácticas mejores que se mantienen ciertas, mientras que otras fueron correlación en lugar de causalidad.

Los estudios anecdóticos serán mejores para darle “ideas salvajes y locas” para probar. También son muy buenos para que las personas tolerantes al riesgo exploren las tendencias emergentes.

Cómo configurar sus propios estudios

La creación de estudios se reduce a comprender cómo se verá el alcance del estudio y cuán repetible es. Si solo hace un estudio una vez, no es tan útil porque las tendencias siempre están cambiando.

Además, si su alcance es demasiado estrecho o ancho, puede enturbiar los datos o no abordar completamente la pregunta importante.

Asegúrese de que su hipótesis deje espacio para que se demuestre que está equivocado.

Si no toma precauciones, se pueden hacer datos para decir cualquier cosa. Es fundamental mantener pautas estrictas de lo que se incluye y por qué.

Más recursos:

Imagen destacada: Sergey Nivens/Shutterstock