Marketing Analytics: breve presentación de en qué consiste, cuáles son las principales herramientas involucradas y ejemplos reales de aplicación de estas técnicas en contextos de negocio

1. Marketing Analytics
Como yo lo entiendo
Sebastián Girón
Data Miner / Marketing Analytics professional
http://www.linkedin.com/in/sebasgiron

2. Contenido
En qué consiste
Cómo se hace:
herramientas y técnicas
Ejemplos
Sebastián Girón
Data Miner / Marketing Analytics professional
http://www.linkedin.com/in/sebasgiron
Resumen esencial
de la tarea y su contexto
Algunas de las principales herramientas
de software y técnicas analíticas
Dos proyectos reales
de aplicación de Marketing Analytics

3. En qué consiste
La misión
Transformar la información almacenada en Bases de Datos en
conocimiento de negocio para apoyar la toma de decisiones
También se conoce
como…
Ámbito
funcional
Sectores
Business Intelligence
Marketing Intelligence
Customer Intelligence
Data Mining
Analytics
Marketing como área principal de actuación
Posibilidad de interacción con otras funciones: operaciones, finanzas, atención al cliente…
Finanzas (Banca) y Seguros en mi experiencia personal desde 2004
En general, cualquier empresa con acciones comerciales sistemáticas y un volumen de
información medio-alto sobre sus clientes puede beneficiarse de una cultura analítica
Sebastián Girón
Data Miner / Marketing Analytics professional
http://www.linkedin.com/in/sebasgiron

4. Cómo se hace
Herramientas
Suites
analíticas
SAS®
Lenguaje
BB DD
Base SAS®
SAS® Enterprise Guide®
SAS® Enterprise Miner™
SQL
SQL para consultas
PL/SQL programación Oracle
T-SQL en SQL Server
SPSS Clementine (Modeler)
Microstrategy, BusinessObjects…
Software
BI &Reporting
Sebastián Girón
Data Miner / Marketing Analytics professional
http://www.linkedin.com/in/sebasgiron
Microsoft Office
VBA + Visual Basic Script
Herramientas
de apoyo

5. Cómo se hace
Técnicas analíticas
Análisis Uni- y Multi-Variante
Para estudiar la distribución de los datos, y las relaciones numéricas
entre las magnitudes analizadas
Segmentación: análisis de cluster
Algoritmos que permiten identificar, dentro de un conjunto de datos,
grupos de elementos de forma que cada grupo tenga características
homogéneas entre sí, y heterogéneas con el resto.
Modelización predictiva
Conjunto de técnicas (regresión, árboles de decisión, y otras más
sofisticadas) que permiten, a partir de un conjunto de datos a priori,
predecir posibles comportamientos futuros o valores de variables
desconocidas.
Sebastián Girón
Data Miner / Marketing Analytics professional
http://www.linkedin.com/in/sebasgiron

6. Ejemplo 1
Modelización predictiva
Objetivo
En una entidad aseguradora, poder facilitar públicos objetivo
formados por clientes de alta propensión a la contratación de diferentes
productos, para ser usados por la red de mediadores en acciones comerciales de
venta cruzada
Resultado
Despliegue de 7 modelos predictivos (regresión logística y árboles de decisión),
que permiten clasificar a toda la base de clientes existentes, seleccionar a los más
propensos y, junto a una serie de reglas de negocio, definirlos como potenciales
receptores de una acción comercial de venta cruzada-
Metodología
Estudio
de negocio
• Análisis de
características del
producto, dinámicas
comerciales, etc.
• Disponibilidad de
información, posibles
datos faltantes…
Diseño
técnico
Análisis de
variables
• Definición de la variable
de respuesta
• Estudio detallado de los
diferentes items de
datos
• Composición de la
muestra
• Profundidad histórica
Sebastián Girón
Data Miner / Marketing Analytics professional
http://www.linkedin.com/in/sebasgiron
• Tipologías,
distribuciones, calidad
del dato
• Relevancia e impacto en
la variable de respuesta
Modelización
y despliegue
• Construcción del
modelo predictivo
• Integración en procesos
mensuales de
puntuación y selección
de públicos objetivo
• Creación de procesos de
validación para medir
evolución del poder
predictivo

7. Ejemplo 2
Segmentación de red comercial
Objetivo
En una entidad financiera, hallar diferentes tipologías de oficina dentro de una
misma red comercial, en función de características e indicadores del negocio de
cada sucursal
Técnicas
Definición y análisis de KPIs
Análisis de Cluster (algoritmo k-means)
Resultados
Se identificaron 4 segmentos de oficina, con características de negocio bien diferenciadas:
•
•
•
•
Pequeñas especialistas en ahorro
Grandes especialistas en empresas
Medianas especialistas en hipoteca residencial
Medianas generalistas
Estudio de
KPIs
Análisis de
cluster
Definición y cálculo de KPIs
de relevancia para
caracterizar tipologías de
negocio de las oficinas
Proceso iterativo para la
selección definitiva de
variables y la
determinación del número
de clusters presentes
Metodología
Sebastián Girón
Data Miner / Marketing Analytics professional
http://www.linkedin.com/in/sebasgiron
Evaluación
• Análisis descriptivo de
los clusters obtenidos en
función de un abanico
amplio de variables
• “Test de realidad” de los
resultados obtenidos
frente a las impresiones
de los responsables de la
red

8. Gracias por su tiempo
Contacte conmigo
http://www.linkedin.com/in/sebasgiron
Sebastián Girón
Data Miner / Marketing Analytics professional