El 24 de octubre mi compañero Antón Suárez y yo celebramos un webinar en el que hablamos de cómo diseñar un Plan de Adquisición de Datos First-Party. En este post, queremos contarte cuáles fueron los momentos más interesantes y darte la oportunidad de volver a verlo, si te lo perdiste.
¿Quieres ver la grabación del webinar?
¿Te gustaría profundizar en el Plan de Adquisición de Datos First-Party? Te ofrecemos acceso exclusivo al video del webinar.
Solo déjanos tus datos y te enviaremos el enlace directamente a tu correo electrónico.
Por qué First-Party Data
Como ya contamos en un post anterior —en el que clasificamos los datos según su origen y consentimiento— los datos first-party son aquellos que los usuarios nos proporcionan de manera voluntaria, consciente y directa.
Tanto en este webinar como en aditu en general, damos especial relevancia a los datos First-Party o datos propios, por diversos motivos:
- Relevancia y precisión: es lógico pensar que si estos datos provienen de los touchpoints de los usuarios con nuestra web, app, redes sociales, ecommerce… esto hará que esos datos sean para nosotros mucho más interesantes y fiables que aquellos datos que nos proporcionen unos terceros.
- Control total sobre los datos: tenemos la potestad de decidir cómo los recopilamos, cómo los almacenamos y cómo los analizamos.
- Seguridad y privacidad: al ser nosotros los que gestionamos directamente los datos, podemos asegurar en todo momento que se respeta la privacidad de los usuarios y además, nos cercioramos de cumplir con todas las disposiciones legales como la GDPR, lo que crea una cierta confianza en la marca.
Qué es el Plan de Adquisición de Datos First-Party
El Plan de Adquisición de Datos First-Party es el primero de los pasos necesarios en un proceso de análisis de datos basado principalmente en datos propios.
Este plan de adquisición de datos que vamos a ver ahora enseguida, consta de 4 pasos muy definidos que se deberán seguir sí o sí para definir nuestra estrategia de recopilación y explotación de datos first party.
- Objetivos y alcance
El primero de los pasos en nuestro plan de adquisición de datos será responder a qué, por qué, para qué y para quién. ¿Cómo se obtienen los datos? ¿Qué objetivos esperamos alcanzar? ¿Qué departamentos consumirán estos datos y cómo lo harán? - Auditoría de datos existentes
La siguiente etapa es una revisión completa de nuestro ecosistema analítico y nuestros datos first party. Para ello, es necesario inventariar los activos digitales y orígenes de datos de los que ya disponemos, identificar problemas de medición y detectar qué aspectos son susceptibles de mejora. - Mapeo del customer journey
Una vez tenemos claros nuestros objetivos y el estado actualizado de nuestros datos first party, es hora de analizar el recorrido de los clientes. ¿Cuáles son los puntos de contacto entre los usuarios y la marca? ¿Cuál es la importancia de cada uno de ellos? - Diseño de la estrategias
El último paso es el diseño de las estrategias que utilizaremos para captar datos first-party en cada uno de estos puntos de contacto de forma efectiva y segura. Estas estrategias deben ser atractivas, personalizadas y no intrusivas.
No olvides suscribirte a nuestra newsletter para no perderte ninguno de nuestros webinars y publicaciones.
Transcripción del webinar
Antón: Vamos a arrancar con la primera sección: contaros un poco quiénes somos. Muchos ya nos conocéis, pero de manera resumida: somos una consultora especializada en datos first-party. Trabajamos tanto con grandes empresas como con medianas y pequeñas, tanto en el ámbito business to consumer como business to business.
¿Por qué estamos especializados en first-party data? Porque es el futuro del marketing digital: ser capaces de sacar rendimiento a los datos de primera parte es algo que cada vez demandan más empresas, y estamos encantados de participar en este tipo de proyectos, ayudando a nuestros clientes a explotar sus datos propios.
El webinar de hoy se encuadra en la parte que veis sombreada: el plan de adquisición de datos first-party. Si os fijáis, por decirlo de alguna manera, el viaje del dato del usuario tiene tres partes. La primera es el consentimiento de los datos, con toda la parte de política de aceptación de cookies, una buena gestión de las mismas y un buen uso para no perder información. La segunda tiene que ver con la analítica de datos: el plan de adquisición, que es lo que vamos a ver hoy, pero también el análisis y visualización de datos —seguramente hagamos otro webinar sobre esa parte, que es muy importante—, y también la formación. Y, por último, toda la parte de activación de los datos: generar esas audiencias que luego nos permiten lanzar campañas concretas, ya sea en Google, en Facebook, por WhatsApp o email, pero audiencias creadas por nosotros mismos, no de terceros. Esto es lo que se trabaja en la parte de customer intelligence y activación del dato.
Si os fijáis, la metodología de trabajo que aplicamos en Aditu siempre tiene que ver con una buena estrategia y planificación, con el uso de la tecnología correcta y con las personas: no sirve de nada, por ejemplo, tener un dashboard maravilloso que funcione fenomenal si nadie lo consulta ni lo usa para sacar rendimiento a sus objetivos de marketing y comerciales.
Para ponernos en contexto, hoy vamos a poner el foco en el plan de adquisición de datos first-party, que es el webinar de hoy, y para el que tenemos la suerte de contar con Alazne, que es una crack en esta materia y tiene muchas ganas de contarnos todo lo que tenemos preparado. Alazne, tu turno.
Tipos de datos: por qué el foco en first-party
Alazne: Como comentaba Antón, lo que vamos a hacer hoy es centrarnos en ese primer paso, que es el plan de adquisición de datos first-party. No obstante, antes de llegar a ese punto, tenemos que retroceder un poco y, de algún modo, empezar hablando de qué son los datos y qué tipos de datos existen.
Normalmente vemos los datos como archivos Excel, o incluso como datos extraídos directamente del CRM; si nos movemos al mundo más digital, los asociamos con plataformas de analítica como Google Analytics, Matomo o Adobe. También hay mucha gente que invierte muchísimo dinero en campañas publicitarias en distintas plataformas, y asocia los datos a los resultados o insights que se sacan de ellas. El problema es que, aunque estos sí son datos, no son los únicos: hay que ampliar mucho más el abanico y tener en cuenta que, por ejemplo, cualquier interacción con un post de Facebook, con asistentes virtuales, o incluso acciones realizadas con dispositivos físicos inteligentes —desde vehículos eléctricos, pasando por smartwatches o cepillos de dientes eléctricos— constituyen interacciones que hay que tener en cuenta y que se pueden considerar datos. Así que un dato no se limita a los datos numéricos de las plataformas habituales: podemos tener datos en casi cualquier sitio.
Además, no todos los datos son iguales; hay que clasificarlos. Existen muchos posibles criterios de clasificación —algunos más útiles, otros más universales, otros más temporales—, pero el que utilizamos con mayor frecuencia en marketing, porque lo consideramos más objetivo, útil e interesante, es el relacionado con el origen del dato y la relación que existe entre esa información y la empresa. Con este criterio, tenemos cinco tipologías de datos:
Zero-party data. Son datos que los usuarios otorgan de forma voluntaria y proactiva: son ellos quienes nos los dan directamente. Por ejemplo, cuando un usuario configura su perfil personal con datos adicionales, cuando nos deja una reseña o valoración tras usar nuestro servicio, o cuando responde a una encuesta que le proponemos.
First-party data, también llamados datos propios. Son los que nosotros, como empresa, conseguimos directamente de nuestros usuarios, utilizando únicamente medios propios y extraídos siempre de nuestros propios activos digitales. Son datos muy relevantes y útiles porque proceden de un entorno que conocemos, del que también conocemos el contexto. ¿Qué tipos de datos first-party solemos manejar? Todo lo que provenga de una implementación avanzada de analítica, datos de campañas publicitarias en cualquier plataforma, o datos extraídos de eventos online.
Second-party data. Son datos que se intercambian entre distintos socios comerciales: nosotros compartimos un dato y ese socio nos da otro a cambio. Suele surgir de forma orgánica, por ejemplo, cuando alguien participa en un evento —ya sea patrocinándolo o asistiendo—, o mediante campañas conjuntas en las que se comparten datos entre los participantes, o simplemente como parte de una alianza estratégica en la que se establece quién comparte qué datos.
Third-party data o datos de terceros. Provienen de un proveedor externo que no tiene ninguna relación con nosotros, y que nos los proporciona, normalmente, a cambio de un pago. Suele ser información mucho más general, menos especializada, más de contexto: por ejemplo, cualquier investigación de mercado, ya sea de nuestro sector, de competidores o de posibles alianzas, o bases de datos generalistas relacionadas con lo que nos interesa. Aquí somos nosotros quienes decidimos qué datos queremos conseguir, y escogemos al proveedor en función de eso.
Fourth-party data. También provienen de un socio o proveedor externo, pero, en este caso, ese proveedor hace parte del trabajo por nosotros: recopila y procesa parte de los datos, y nosotros después los analizamos. También implica un pago por nuestra parte. Aquí entrarían, por ejemplo, datos de comportamiento o de plataformas de contenido publicitario; es una categoría bastante general.
Como veréis, nosotros ponemos mucho el foco en first-party data, tanto por el título del webinar como si habéis entrado en la web de Aditu, donde también lo especificamos. ¿Por qué nos centramos tanto en este tipo de datos? Sobre todo por tres razones. Primero, son datos mucho más relevantes y precisos: nosotros hemos decidido qué capturar, lo hemos implementado, y conocemos el contexto completo del que provienen, lo cual los hace mucho más útiles en nuestro día a día. Segundo, como somos los propietarios únicos de esos datos, tenemos el control total sobre ellos. Y, por último, la seguridad y privacidad: gracias a los first-party data podemos garantizar que esos datos se van a utilizar para el propósito para el que se concibieron, y para el que los usuarios dieron su permiso, y que solo nosotros podemos acceder a ellos, sin amenazas externas de acceso no autorizado.
Antón: Con la explicación que has dado para ponernos en contexto, creo que esta frase lo deja bastante claro, ¿verdad?: la mayoría de las empresas ya están recopilando datos first-party, pero no los están utilizando. Creo que el siguiente bloque tiene mucho que ver con esto: «oye, ¿dónde están esos datos first-party que ya tengo? ¿Cómo recopilo los propios datos de mis clientes y usuarios para no depender de cookies de terceros?» —que tampoco vamos a entrar mucho en ese debate, porque hay mucha discusión sobre el fin de las cookies y no sabemos si llegará algún día—, pero lo que sí sabemos es que los datos first-party son más rentables.
El proceso de análisis de datos en Aditu
Vale, pasamos al siguiente punto de la agenda: el proceso de análisis de datos. Antes os comentaba que en Aditu vemos un proceso lineal y secuencial: primero planteamos el plan de adquisición de datos, después pasamos a una segunda fase de análisis y visualización, y concluimos con la formación in-company. Hoy nos vamos a centrar en el primero de estos puntos, el plan de adquisición de datos first-party, pero, a grandes rasgos, para que sepáis en qué consiste el resto del proceso: primero hacemos un planteamiento estratégico general que sirva de base; después, en una segunda fase, lo implementamos, y podemos añadir la parte de visualización de datos para hacerlos más consumibles y utilizables; y, después, creamos una cultura basada en datos en la empresa, para que el equipo sepa darles ese uso y ese valor en los procesos diarios.
El plan de adquisición de datos first-party: cuatro pasos
Alazne: Teniendo esto en cuenta, pasamos ya directamente al centro de la sesión de hoy: el plan de adquisición de datos. Como hemos dicho, es el primero de los puntos, y va a ser la base de todo lo que venga después: no podemos concebir una fase de implementación o de formación si antes no hemos definido exactamente nuestra estrategia de medición de datos.
Vamos a encontrarnos con cuatro pasos muy bien definidos, que hay que seguir de forma secuencial, y que van enlazados entre sí, dándonos toda la estrategia que necesitamos para cualquier actividad relacionada con datos first-party.
Paso 1: definición de objetivos y alcance
Aquí tenemos que responder a tres —o, en realidad, cuatro, pero solemos agruparlas en tres— preguntas básicas. Lo primero: qué tipo de activos queremos medir. Tenemos que escoger únicamente aquellos activos digitales que realmente queremos medir, y que sean representativos para alcanzar los objetivos corporativos. A partir de ahí, la segunda pregunta: por qué y para qué medimos estos activos. No es simplemente por el hecho de medirlos, sino porque perseguimos unos resultados y queremos alcanzar unos objetivos; tenemos que dejar muy bien definidos esos objetivos y cómo se conectan con los activos digitales planteados anteriormente. Y la última pregunta: para quién. Es decir, si hacemos todo esto, ¿qué áreas o miembros del equipo salen beneficiados? ¿Quién va a poder utilizar estos datos, y en qué le va a beneficiar?
Antón: Es superimportante, antes de empezar cualquier proyecto de datos first-party, definir qué objetivos queremos alcanzar. Aquí uno se puede volver loco haciendo una lista de cosas que quiere medir; siempre comentamos lo mismo a los clientes: tienen que ser objetivos de negocio. Es decir: ¿qué objetivo de negocio tengo? ¿Qué KPI me va a indicar si lo estoy alcanzando o no? Y, a partir de ahí, ¿qué datos tengo que capturar para saberlo? Y, claro, sirven tanto para objetivos comerciales como de marketing. Un objetivo comercial podría ser aumentar las ventas, aumentar el número de clientes, mejorar la fidelización, temas de upselling, o detectar oportunidades de mejora de surtido de productos. Y, en el lado de marketing, por ejemplo, objetivos de consideración, entre otros que seguramente estaréis pensando ahora mismo.
Alazne: Realmente, todos los objetivos de negocio que persigamos —o al menos gran parte de ellos— se van a poder conseguir a través de los datos. Aunque muchas veces no seamos conscientes, están presentes en todos los ámbitos del marketing digital: si queremos hacer una optimización SEO para posicionarnos de forma orgánica más arriba en los buscadores, depende de datos; si lanzamos una campaña, ya sea en social o en plataformas publicitarias programáticas o de cualquier otro tipo, también depende de datos; y si nos movemos a otros ámbitos, como el community management, también depende de datos. Los datos ayudan al éxito de cualquier área del negocio.
Paso 2: auditoría de datos existentes
Ahora que tenemos definido qué pretendemos conseguir con todo este plan de adquisición, pasamos a hacer una auditoría de los datos que ya existen. Muchas veces no somos conscientes, como decía Antón, de que ya tenemos datos y simplemente no los estamos aprovechando. Para evitarlo, lo primero es entrar en nuestros diferentes activos digitales y documentar todos los datos que tengamos, porque puede ser que ya dispongamos de ellos; también puede ser que tengamos datos pero con algún problema —que sean imprecisos, directamente erróneos, o que algo no se esté recogiendo—, en cuyo caso hay que identificar esos problemas para subsanarlos; y, por último, puede ser que los datos sean correctos, pero que no lleguen exactamente a donde necesitamos para cumplir los objetivos definidos, en cuyo caso hay que identificar qué aspectos hace falta mejorar.
Antón: Perfecto. Así que el resumen es: las empresas tienen muchos datos first-party, y la clave está en cuáles se pueden usar. Hay que hacer un análisis de «todo esto que hemos estado recogiendo, ¿lo puedo usar o no?», en función de los objetivos de negocio, y entender cuáles necesito recopilar a partir de ahora.
Pasos 3 y 4: puntos de contacto y estrategias de captura
Alazne: Llegamos entonces al tercer punto de nuestro plan de adquisición. Ya sabemos cuáles son nuestros objetivos, para quién y de dónde vamos a sacar los datos, y ya sabemos exactamente qué tenemos. A partir de aquí, con todo ese conocimiento previo, tenemos que identificar todos los puntos de contacto que existen entre los usuarios y la marca: desde que el usuario nos conoce hasta que convierte, e incluso en fases posteriores de retención, fidelización o recomendación. Tenemos que saber cómo actúa el usuario y cómo se relaciona con nuestra empresa.
A partir de ahí, identificamos esos puntos de contacto y los priorizamos: escogemos los más relevantes de cara a cumplir los objetivos que establecimos en el punto uno; el resto no se descarta, pero se deja un poco aparcado, porque no son prioritarios. Y, cuando tenemos esto claro, el cuarto paso es diseñar estrategias de adquisición de datos específicas para cada punto de contacto, porque necesitamos que esas estrategias no sean genéricas, sino muy personalizadas y atractivas para los usuarios, y que, sobre todo, no les agobien: cuando un usuario se siente amenazado, no va a ser proactivo a la hora de proporcionarnos sus datos de forma voluntaria. Por eso hay que centrarse mucho en este último punto: las estrategias de captura de datos.
Antón: Así que el resumen de esta sección es identificar el viaje del cliente por tus activos digitales, ¿verdad? Un activo digital puede ser la web, un e-commerce, una aplicación, un formulario, una encuesta, e incluso, cuando alguien en una tienda física firma o hace la típica firma en la tarjeta al finalizar una compra y da sus datos, también podemos hacer seguimiento del usuario ahí.
Alazne: Estupendo, y hay que ver cómo viaja el usuario por todos nuestros activos digitales. A partir de ahí, lo que vamos a ver ahora es: ¿cuál es el sitio adecuado para recoger sus datos, y en qué medida? No podemos ser muy agresivos en sitios donde no toca, pero hay otros sitios donde sí tenemos la opción de pedir más cosas, poco a poco… Ahora tenemos preparados unos cuantos ejemplos.
Antón: Estupendo, eso es. Ya llevamos media horita, así que, si alguno estaba con la parte teórica pensando «uf, no quiero estar en la universidad otra vez», vamos a poner casos concretos y pasamos a la parte prácticamente penúltima del webinar. Para manejar vuestras expectativas: son las 10:29, vamos muy bien de tiempo, y creo que en unos 10 minutitos terminamos esta parte y pasamos a las preguntas.
Ejemplos prácticos de estrategias de captura de datos
Alazne: Hemos dicho que hay que diseñar estrategias para capturar datos, pero siempre manteniendo el formato original de la empresa: hay que ser coherentes con los colores de la marca, el logo y cualquier elemento corporativo. Esas estrategias también tienen que ser eficaces —que nos permitan capturar realmente los datos que buscamos— y, sobre todo, no intrusivas: tienen que invitar a los usuarios a compartir sus datos de forma voluntaria. Aquí traemos ejemplos de cómo podéis hacerlo, muchos de los cuales podréis aplicar directamente.
Formulario de efectos adversos (farmacéutica). Primero se dice al usuario: «si has notado algún efecto adverso, por favor, dínoslo, para que podamos mejorar y ayudarte», y después se le proporciona un formulario donde introduce sus datos personales. ¿Qué conseguimos aquí? Por un lado, la satisfacción del usuario, porque se siente escuchado; por otro, nosotros obtenemos información sobre quién usa nuestros productos, de qué forma, y qué ideas podemos sacar para mejorar los medicamentos. Doble beneficio: para el usuario y para la empresa.
Aplicación móvil universitaria. Este tipo de aplicaciones, usadas en una universidad española, permiten a los alumnos acceder a sus calificaciones, pero también seguir su progreso en cada curso, marcar qué módulos son sus favoritos, o apuntarse a eventos del campus si se les avisa. A los estudiantes les da una vía para tenerlo todo en un mismo sitio; a la universidad le aporta información sobre qué módulos interesan más, qué eventos convendría organizar con más frecuencia, y qué dudas o inquietudes tienen los estudiantes. Otra vez, doble beneficio.
Reseñas (equipamiento deportivo). Primero se informa a los usuarios de que sus opiniones son importantes, haciéndoles sentir valorados; después se les muestra el resultado de su labor —cómo ha quedado su reseña publicada— y se les hace ver que ayuda a otros usuarios. Pero, además, se incluye una sección de productos que se han mejorado gracias al feedback: cuando un producto estaba mal valorado, se mejoraba y se dejaba una nota para los usuarios que se habían quejado, agradeciéndoles su feedback. Estamos dando valor a los usuarios y, a la vez, recibiendo información valiosísima sobre nuestros productos, que si tuviéramos que conseguir mediante datos de terceros o de segunda parte, requeriría una inversión enorme, y aquí lo conseguimos, entre comillas, gratis —requiere esfuerzo, pero no una inversión económica—, y de forma mucho más directa y contextualizada.
Antón: Este ejemplo me parece una pasada, porque otro de los objetivos de negocio es la rapidez: atender la demanda de los clientes antes que la competencia. Con datos first-party, esa rapidez se multiplica por cien; si los datos son de terceros —de Facebook, Amazon, etc.—, ellos los van a utilizar para sus propios objetivos, pero nosotros necesitamos tener esta información directamente. Muy buen ejemplo, la verdad. Fenomenal, vamos a seguir.
Alazne: Este ejemplo ya es un poco más transaccional. Muchas empresas facilitan a los usuarios crearse un perfil, pero no tienen en cuenta que, cuanto más completo sea ese perfil, más completos serán también los datos que tenemos de ellos. Si solo pedimos nombre y apellidos, está bien porque los identificamos, pero si vamos un paso más allá —en este caso, una empresa de moda pregunta qué tipo de prendas o de estilo busca el usuario—, podemos hacer recomendaciones personalizadas, lo que normalmente implica más ventas. Y, cuando el usuario está a punto de finalizar la compra —un momento clave—, podemos decirle «hemos visto que has metido esto en tu cesta, también te puede interesar esto otro», haciendo cross-selling y upselling, creando un perfil mucho más completo, e incluso dando al usuario la posibilidad de crear looks completos. Doble beneficio: el usuario siente que le facilitamos el trabajo de combinar prendas, y nosotros obtenemos un beneficio económico importante.
Sorteo en redes sociales (empresa cosmética). Se invita a los usuarios a participar en un sorteo por un lote de productos. Aquí conseguimos información porque, al dar «me gusta», sabemos quién es; al pedir que mencione a un amigo, no solo conseguimos una recomendación —importante para ampliar nuestro alcance de marca—, sino también los datos de ese amigo; y, si comparte la publicación, ganamos todavía más repercusión y ampliamos aún más el alcance de nuestros datos. Aunque parezca un ejemplo muy convencional, del que solo se esperaría un beneficio económico o de repercusión social, en realidad conseguimos mucho más.
Juegos durante los partidos (equipo de fútbol español). Durante toda la temporada, se habilita para los usuarios una porra para apostar entre ellos sobre el resultado, preguntas sobre el partido para comprobar si han estado atentos, y una encuesta de valoración tras cada encuentro por si hay alguna incidencia que subsanar; luego se elabora un ranking con todo ello. Conseguimos información sobre qué esperan mejorar los aficionados, qué espera la gente del partido —útil incluso si nos asociamos con empresas de apuestas—, y, sobre todo, creamos una comunidad que nos valora y comparte sus datos —muchas veces con nombre y apellidos—, que está activa entre sí y que probablemente lo recomiende a otros, ampliando nuestra red de posibles contactos.
Programa de fidelización (aseguradora). Es muy típico que ciertas empresas concedan beneficios a sus usuarios más premium o activos. En este caso, la aseguradora otorga puntos —los llaman «tréboles»— en función de los seguros contratados y de la actividad y relación con los partners de la agencia, que después se pueden canjear por beneficios como dispositivos físicos o eventos.
Tracking analítico avanzado. Es el ejemplo más «resultado» que «planteamiento teórico»: tras hacer todo el planteamiento del plan de adquisición, podemos conseguir datos con información relevante sobre ventas, sobre todo el proceso seguido por los usuarios, y sobre qué tipo de contenido han consumido. Las implementaciones analíticas son muy importantes para saber qué hacen los usuarios y cómo interactúan con todos nuestros activos digitales.
Esta estrategia de datos first-party está al alcance de cualquier empresa, tanto grande como mediana o pequeña. Creo que es un mensaje muy potente, porque parece que solo las grandes empresas que trabajan con grandes agencias son capaces de hacer este trabajo, y la realidad es que no: en Aditu trabajamos por proyectos, y el proyecto tiene un alcance propio, independientemente de si la empresa es muy grande o muy pequeña. Podemos hacer grandes cosas en cualquier caso.
Bonus track: siguientes pasos
Lo único que nos queda, antes de las preguntas, es el bonus track: los pasos siguientes que seguirían a este plan de adquisición.
Lo primero, por supuesto, es la implementación del plan: hemos hablado del establecimiento de una estrategia, pero está en el terreno teórico, y hay que llevarla a la práctica mediante una implementación analítica avanzada en los distintos activos digitales.
Después, siempre hay que tener en cuenta la privacidad y seguridad de los datos: los usuarios nos conceden unos permisos para trabajar con sus datos, pero en todo momento tenemos que ser transparentes con ellos, diciéndoles quién va a acceder a esos datos, para qué los vamos a utilizar y dónde se van a almacenar; tenemos que ser siempre sinceros y asegurar que todo lo que hemos prometido al usuario se cumple, protegiendo esos datos frente a accesos y amenazas.
Después seguiríamos con la centralización de los datos: muchas veces la gente los deja dispersos en cada plataforma, pero crear ese tipo de silos de información es contraproducente, porque acabamos atacando al usuario por distintos medios y siendo ineficientes con nosotros mismos. Es importante centralizar esos datos para integrar la información y sacarle el máximo partido.
Y, por último, la creación de una cultura de datos dentro de la empresa: hemos dicho desde el principio que esos datos están ahí porque perseguimos unos objetivos, así que hay que formar a los miembros del equipo para que sepan cómo se alinean esos datos con los objetivos, y para que los integren en sus procesos diarios; si no, se quedan ahí abandonados, y todo el trabajo previo no habrá servido de nada.
