El comportamiento en dispositivos móviles y el recorrido del cliente en el cambiante panorama tecnológico empresarial presentan a los especialistas en marketing desafíos multidimensionales.
Deben lidiar con cantidades cada vez mayores de datos, encontrar el equilibrio adecuado entre los enfoques basados en datos y los de narración de historias, y elegir las herramientas adecuadas en un panorama de opciones en expansión.
Deben lidiar con cantidades cada vez mayores de datos, encontrar el equilibrio adecuado entre los enfoques basados en datos y los de narración de historias, y elegir las herramientas adecuadas en un panorama de opciones en expansión.
Category
📚
AprendizajeTranscripción
00:00Hola a todos y bienvenidos a nuestro webinar,
00:02Marketers, pongan su data house en orden.
00:05Soy Evan Schumann y seré su moderador hoy.
00:09Con cualquier campaña para cualquier producto o servicio,
00:13muy pocas empresas hoy en día usan solo una
00:16táctica de marketing o aportación.
00:19Aunque eso, teóricamente, aumenta la posibilidad
00:22de que algo, de alguna manera, aumentará las ventas,
00:25también es frustrante, porque lo hace más desafiante
00:28saber, por cierto, qué específicamente funcionó.
00:31Google Analytics 360 Suite
00:33acaba de lanzar algunos estudios de marketing extensos
00:37para intentar cuantificar cómo las empresas
00:39están usando datos y análisis
00:41para entender mejor el impacto de su marketing.
00:44Pero la belleza del web y móvil hoy en día
00:47es que el volumen y la variedad de datos
00:49que se crean y capturan
00:51les da a los mercadores una enorme capacidad
00:54de conectar los puntos, descubrir conocimientos
00:56y tomar decisiones más informadas.
00:59Tohid Zaman, profesor de desarrollo de carrera en Comunicaciones
01:03y Tecnología de MIT,
01:07ha explorado la viabilidad
01:09de usar métricas más nuevas.
01:12Recuerda, ahora se puede medir
01:14cuánto tiempo alguien mira una imagen
01:16antes de tomar una acción.
01:18Esto, de nuevo, en teoría,
01:20permite que la interpretación sea mucho más sofisticada
01:23que simplemente si o no una imagen fue clickeada.
01:26El profesor Zaman está con nosotros hoy,
01:28acompañado por Casey Carey,
01:30directora de plataformas y publicador de marketing
01:33de Google Analytics 360 Suite.
01:36Entre los dos, vamos a intentar
01:38encontrar dónde está la análisis de marketing hoy
01:41y dónde probablemente estará mañana.
01:44Antes de entrar en esa discusión,
01:46algunos detalles administrativos.
01:48Primero, este evento será grabado
01:51y va a estar disponible a todos los atendientes
01:54aproximadamente tres o cuatro días de negocio
01:56después del final del evento en vivo.
01:58Además, los slides de hoy
02:00serán disponibles a los atendientes.
02:03Vamos a dar la bienvenida a la interacción con el público.
02:05Le damos la bienvenida a sus preguntas
02:07a nuestros hombres de hoy.
02:08Para enviar sus preguntas,
02:09por favor, entreganlas en cualquier momento
02:11en la caja de comentarios
02:12en la esquina inferior de su pantalla,
02:14o pueden enviar sus preguntas a Twitter
02:17usando el hashtag
02:19pound M-I-T-S-M-R event.
02:23Responderemos a tantas preguntas como el tiempo nos permita.
02:26También vamos a tomar un par de
02:29pollos instantáneos del público
02:31como el tiempo nos permite,
02:32y las instrucciones para eso
02:34aparecerán a medida que lleguemos a eso.
02:36Si están teniendo dificultades audio
02:38mientras están escuchando a través del computador,
02:40por favor, llévense a través del teléfono en lugar,
02:43o simplemente pueden revisar el enlace de ayuda
02:46en la parte superior de su pantalla.
02:48Nuestros agradecimientos van a nuestro sponsor de hoy,
02:52Google Analytics 360 Suite,
02:56y también estamos apuntando que este webinar
02:59fue creado por la M-I-T-S-M-R Custom Studio
03:02en colaboración con nuestro sponsor.
03:04El equipo editorial de M-I-T-S-M-R
03:06no estuvo involucrado en el desarrollo
03:08del contenido para este webinar.
03:10Empecemos.
03:11Así que, Casey, empecemos con ti.
03:13¿Puedes darnos un gran sentido
03:16de los resultados de tu survey?
03:20Gracias, Evan.
03:21Estoy contento de estar aquí hoy
03:23para compartir estos resultados
03:25y realmente hablar de cómo el marketing
03:27no es lo que solía ser.
03:29En realidad, es un poco de broma para mí.
03:31Durante los 10, quizás incluso los últimos 15 años,
03:33parece que siempre hemos estado diciendo
03:35que el marketing se está convirtiendo en más complejo,
03:37se está cambiando cada vez más
03:39a un ritmo más rápido.
03:41Hay más datos, hay más tecnología,
03:44y literalmente hemos estado diciendo esto
03:46durante 15 años ahora, y, francamente,
03:48no veo que se desvanezca ni cambie.
03:51Así que, realmente, la pregunta es
03:53si ese es el estatus quo, si cambia el estatus quo,
03:56¿qué podemos hacer para tomar advantaje de eso?
03:58¿Cuáles son nuestras oportunidades?
04:00Y, francamente, el comportamiento del consumidor
04:02es una gran parte de esto.
04:04Una de las cosas geniales de trabajar en Google
04:06es que pasamos mucho tiempo y esfuerzo
04:08tratando de entender a los consumidores
04:10y a los consumidores,
04:12así que me gustaría compartir con ustedes
04:14un estudio etnográfico que hicimos
04:16dos o tres años atrás para realmente entender esto.
04:19Déjenme presentarles a Stacy.
04:21Stacy es una persona real.
04:23Vive en Michigan. Es madre de dos.
04:25Y, en ese momento, ella y su esposo
04:27esperaban tener un tercer hijo.
04:29Y decidieron que necesitarían un auto más grande,
04:33o sea, un minivan o un SUV más grande,
04:36para que fuesen todos los tres sitios
04:38que necesitarían.
04:40También son una familia muy activa,
04:42así que le dieron espacio a todas sus familias
04:44y a lo que querían hacer.
04:46Y, si piensan en sus experiencias personales
04:48de comprar un auto,
04:50es un compromiso muy alto.
04:52Y la mayoría de nosotros
04:54va a gastar bastante tiempo y esfuerzo
04:56en tomar esa decisión.
04:58Así que preguntando,
05:00¿cuál es el mejor auto?
05:02Claramente Stacy y su esposo
05:04piensan en un SUV o un SUV más grande
05:06o probablemente sus mejores elecciones.
05:08De esas elecciones,
05:10¿cuál es el mejor para ellos?
05:12¿Pueden comprarlo?
05:14Obviamente es una pregunta importante
05:16para la mayoría de nosotros.
05:18¿Dónde deberíamos comprarlo?
05:20Hay muchas opciones.
05:22Puedo comprar en línea.
05:24Puedo ir a las tiendas.
05:26Y, al final, ¿estoy obteniendo un buen precio?
05:28¿Es el bien financiado?
05:30Así que, si piensan en ese viaje
05:32para ustedes mismos
05:34y si piensan en cómo
05:36la tecnología móvil,
05:38la tecnología digital
05:40ha cambiado realmente
05:42cómo interaccionamos con las marcas
05:44y la información
05:46durante estos viajes,
05:48es bastante increíble.
05:50Así que veámos un poco
05:52la viaje de Stacy específicamente.
05:54Una vez más,
05:56este fue un estudio etnográfico.
05:58Básicamente lo hacemos con consumidores
06:00donde observamos sobre su espalda
06:02y, durante este viaje,
06:04que duró más de un periodo de 90 días,
06:06Stacy y su esposo
06:08tuvieron más de 139 búsquedas en Google.
06:10Vieron 14 videos de YouTube.
06:12Tuvieron 69 interacciones de negocios.
06:14Observaron 89 imágenes
06:16y 186 interacciones
06:18de fabricantes
06:20en sitios web de fabricantes.
06:22Lo que es realmente interesante
06:24sobre este viaje
06:26es que el 71% de estas interacciones
06:28ocurrieron en dispositivos móviles.
06:30Si piensas en las implicaciones
06:32de eso,
06:34desde una perspectiva de marketing
06:36y de datos,
06:38todos esos puntos de datos
06:40a través de los dispositivos,
06:42a través de un largo periodo de tiempo
06:44interaccionando con diferentes fuentes
06:46de información,
06:48sitios web,
06:50sitios fabricantes,
06:52etc.,
06:54es un viaje bastante complejo
06:56y difícil de entender.
06:58Es un viaje muy complejo
07:00y difícil de entender.
07:02Es un viaje muy complejo
07:04y difícil de entender.
07:06Es un viaje muy complejo
07:08y difícil de entender.
07:10Es un viaje muy complejo
07:12y difícil de entender.
07:14Es un viaje muy complejo
07:16y difícil de entender.
07:18Es un viaje muy complejo
07:20y difícil de entender.
07:22Es un viaje muy complejo
07:24y difícil de entender.
07:26Es un viaje muy complejo
07:28y difícil de entender.
07:30Es un viaje muy complejo
07:32y difícil de entender.
07:34Es un viaje muy complejo
07:36y difícil de entender.
07:38Es un viaje muy complejo
07:40y difícil de entender.
07:42Es un viaje muy complejo
07:44y difícil de entender.
07:46Es un viaje muy complejo
07:48y difícil de entender.
07:50Es un viaje muy complejo
07:52y difícil de entender.
07:54Es un viaje muy complejo
07:56y difícil de entender.
07:58Es un viaje muy complejo
08:00y difícil de entender.
08:02Es un viaje muy complejo
08:04y difícil de entender.
08:06Es un viaje muy complejo
08:08y difícil de entender.
08:10Es un viaje muy complejo
08:12y difícil de entender.
08:14Es un viaje muy complejo
08:16y difícil de entender.
08:18Es un viaje muy complejo
08:20y difícil de entender.
08:22Es un viaje muy complejo
08:24y difícil de entender.
08:26Es un viaje muy complejo
08:28y difícil de entender.
08:30Es un viaje muy complejo
08:32y difícil de entender.
08:34Es un viaje muy complejo
08:36y difícil de entender.
08:38Es un viaje muy complejo
08:40y difícil de entender.
08:42Es un viaje muy complejo
08:44y difícil de entender.
08:46Es un viaje muy complejo
08:48y difícil de entender.
08:50Hay dos razones.
08:52Una es el tamaño de los datos
08:54y la complejidad
08:56y las oportunidades que hay
08:58para cambiar lo que parece un mercado.
09:00Crea nuevas oportunidades
09:02para tecnologías como esta.
09:04La computación de la red
09:06ha hecho muy fácil
09:08crear una nueva plataforma
09:10alrededor de los datos y tecnologías.
09:12Las barreras de acceso
09:14son mucho más bajas
09:16y continúan siendo más bajas
09:18y por último, creo que
09:20como la inteligencia artificial,
09:22el aprendizaje de máquinas
09:24y algunas de las tecnologías más avanzadas
09:26que están en los principales etapos
09:28continúan creciendo,
09:30continuaremos viendo
09:32este paisaje explotar.
09:34La buena noticia es que
09:36tenemos muchas herramientas
09:38disponibles para nosotros.
09:40El problema y los desafíos
09:42que tenemos es
09:44cómo aplicarlos.
09:46Y para encontrar eso,
09:48hay que tener en cuenta
09:50que hay una gran diferencia
09:52entre los datos
09:54que se ven en la red
09:56y los datos que se ven en la tecnología.
09:58No estamos hablando
10:00de la tecnología
10:02de la red
10:04sino de los datos
10:06que se ven en la tecnología
10:08de la red
10:10y de la tecnología
10:12de los servicios
10:14de los datos que tenemos.
10:17Lo primero es preguntarles cuáles son sus mayores
10:21desafíos analíticos.
10:23En ambos campos, el 61% dijo que lucharon para acceder
10:29y integrar lo que necesitaron el año pasado.
10:32Y eso es un número bastante grande, casi un dos por ciento
10:35diciendo que no se siente capaz de acceder,
10:37integrar y usar los datos que tienen disponibles.
10:41Y luego, si miran adelante y preguntan una pregunta similar,
10:45el mismo número espera que continúen teniendo
10:48esos desafíos en el 2017.
10:54La buena noticia es que más y más líderes de negocio
10:57de marketing reconocen que los datos son parte importante
10:59de su negocio.
11:01Entonces, pasemos a las características de lo que
11:04demuestra ser un líder.
11:07Hemos mirado a 700 ejecutivos de análisis de marketing
11:10de las marcas consumidoras y básicamente dijimos que
11:14definimos un líder por alguien que alcanzó o superó
11:16sus objetivos en el 2016.
11:19Entonces, hemos mirado a los cojones de líderes y
11:21no líderes y les hemos preguntado un par de preguntas
11:24que tienen algunos datos muy interesantes.
11:28Primero, es realmente un buen acento aquí,
11:32en que los datos son una herramienta transformadora.
11:35Escuchamos mucha conversación sobre la transformación digital
11:39y el papel del digital como parte de una cultura,
11:42pero creo que la fundación de esos tipos de transformación
11:46es en realidad datos, una cultura de aprendizaje,
11:49una cultura innovadora, uno que está dispuesto a tomar riesgos,
11:53a medir resultados, a iterar rápidamente y tener
11:56esas capacidades y actitud como parte de una infraestructura.
11:59Entonces, tiene que tener herramientas en su lugar
12:02o poner señales en la pared que dicen que tenemos que ser
12:05datos-driven, no son suficientes para convertirse en un líder.
12:08De hecho, tiene que ser un componente fundamental
12:11de la organización.
12:13Si miramos a estos líderes y algunas de las
12:16estadísticas claves que los definen,
12:201.5 son más probables de decir que su estrategia de marketing
12:23es fuertemente datos-driven.
12:26Y para aquellos de ustedes que están ahí que son
12:28productores o comercializadores,
12:30pregúntalos esa pregunta.
12:32¿Cómo fuerte dirían que su estrategia es basada en datos
12:35y datos-driven?
12:37Igualmente, 1.5 son más probables de decir que sus
12:40organizaciones tienen una comprensión clara de la
12:42carrera del consumidor, tanto a través de canales
12:44como de dispositivos.
12:46Entonces, si eres un mercador de consumidores,
12:48¿qué piensas de tus capacidades en términos de
12:50recoger y entender ese datos durante esa carrera?
12:53Dos veces son más probables de decir que se
12:55realizan de manera rutinera a través de
12:57consejos y recomendaciones.
12:59Y ese es el paso siguiente.
13:01Obviamente, ser datos-driven implica que vas a
13:04tomar acción a través de ese datos,
13:07pero ese es uno de los desafíos que muchas
13:09empresas se enfrentan.
13:10Y luego, 7 y 10 dicen que están confiantes de que
13:13los datos son usados para apoyar la decisión
13:15en todos los niveles.
13:17Entonces, los líderes, claramente,
13:19sobre el índice, tienen un bias hacia no solo
13:22hablar un juego sobre datos,
13:24sino que también están utilizando datos para
13:26ayudar a la organización a desarrollar el juego
13:28y a llevar a su suceso.
13:30También encontramos que la mayoría de líderes
13:32ya tienen una estrategia de datos en lugar.
13:34Entonces, han tenido esta estrategia en lugar,
13:36han estado ejecutando contra dos terceros de ellos,
13:39indicaron esto.
13:41Y creo que eso realmente habla de la
13:44formalización de datos como parte de una estrategia
13:47de negocio en general y luego empujar para
13:49asegurarse de que se realice a través de
13:51la organización.
13:53Y por último, es que los líderes son 127 por ciento
13:57más probables de que el mainstream diga que
14:00su estrategia de datos es útil para la
14:02decisión en todos los niveles.
14:05He estado en situaciones personalmente donde
14:07hay mucho dato, pero no es útil.
14:09Creo que lo que dicen es que hay datos en todos
14:11los lugares, no es una bebida.
14:13Pero, al final, asegurándonos de que
14:15hemos puesto los procesos y herramientas y
14:17personas en lugar que de hecho permitan que
14:19ese dato sea usado para la decisión.
14:22No solo muy tácticamente, pero al final,
14:24estratégicamente también.
14:26Entonces, ¿qué hacemos con esto?
14:27¿Cuáles son nuestras recomendaciones?
14:29Creo que hay tres componentes clave de
14:31tu estrategia de datos y de análisis que
14:33necesitas considerar.
14:34Primero, realmente comenzar,
14:36en el nivel alto, estratégicamente
14:38identificar objetivos de negocio específicos
14:40para tu estrategia de datos.
14:43¿Cuáles son las áreas en las que tienes acceso
14:46a datos que tal vez estén subutilizados,
14:48que tienen un valor potencial alto?
14:51Y, realmente, mirando a esas áreas para
14:53el desarrollo inicial y algunas ganancias rápidas.
14:56Pero, al final, ¿qué es lo que parece
14:58la curva de maturidad de una organización
15:00dirigida a datos?
15:02¿Y cuáles son las iniciativas claves que
15:04puedes poner en lugar para que eso suceda?
15:06Segundo, definir cómo integrar datos y
15:09tecnología para que todo esto suceda.
15:13En los años, ha habido muchas promesas,
15:16en particular en el segmento de marketing
15:18sobre integración de datos y cómo podemos
15:20generar datos.
15:21Honestamente, como mercador,
15:23esa promesa ha sido, principalmente,
15:26descargada, particularmente por muchos
15:28de los vendedores.
15:29Entonces, estamos empezando a hacer mejor
15:31progreso allí.
15:32Es difícil, pero, al final,
15:34integración a nivel de datos,
15:37generar datos cuando y donde necesitas
15:39para llevar a mejores decisiones y
15:41mejores resultados para el negocio,
15:43es donde puede ser creado un valor real.
15:45Y, finalmente,
15:47una gran parte de la estrategia de datos
15:49está basada en que la organización
15:53abraza y lo utilice.
15:55Y parte de hacer que eso suceda es
15:58invitar colaboración y democratización
16:00de los datos.
16:01Entonces, muchas veces,
16:02los datos están en silos,
16:03las personas van a hacer análisis,
16:05vuelven con recomendaciones,
16:06y alguna acción puede o no ser tomada.
16:09¿Cómo puedes, en realidad,
16:11abrir ese dato para que más personas
16:13tengan acceso a él,
16:15que más personas puedan pensar y usarlo,
16:17y, al final, usarlo para crear
16:19mejores decisiones a través de la organización?
16:25Con eso, antes de ir a la siguiente parte,
16:30Evan, creo que tuviste una pregunta
16:33que querías preguntar.
16:35Sí, lo que me gustaría tener una sensación
16:37es que hiciste las tres recomendaciones.
16:40Basado en tus interacciones con una gran
16:42variedad de compañías,
16:43¿dónde ves que la mayoría de las compañías
16:45están luchando?
16:46¿Qué parte de eso has visto que ha sido
16:48lo más difícil para muchas compañías
16:50que han tenido que enfrentarse?
16:52Buena pregunta.
16:53Creo que todos hacemos esto naturalmente.
16:58Empezamos con las herramientas,
17:01y creemos que si vamos a gastar dinero
17:04con algunos vendedores,
17:05y obtenemos algunos servicios,
17:07podemos resolver los problemas.
17:09Creo que, a veces,
17:11esas son tácticas en busca de una estrategia.
17:14Así que, realmente,
17:15las que veo que son éxitas
17:17empiezan con la perspectiva estratégica primero,
17:19y luego hacen sus decisiones más tácticas.
17:22La segunda, diría,
17:24es realmente la democratización
17:26y el acceso a la información y datos
17:28a través de las organizaciones.
17:30Tiene un largo camino.
17:32He presentado en conferencias
17:34y he tenido a la gente venir después
17:36y decir,
17:37está todo bien, es increíble,
17:39pero eso nunca sucederá en mi compañía.
17:41No tenemos ese tipo de cultura.
17:43Así que,
17:44se refiere, en parte,
17:46al comentario de la estrategia,
17:48y que la cultura tiene que matizar la estrategia
17:50y apoyarla a lo máximo.
17:52Esas son las dos áreas que destacaría.
17:55Solo una seguida rápida con eso.
17:58¿Estás viendo
18:00un montón de problemas de confianza?
18:02En otras palabras,
18:03las compañías están usando el datos,
18:05están analizándolo,
18:06pero algunos gestores seniores
18:08todavía están temidos
18:10de aceptar completamente
18:11esas recomendaciones
18:12y van con su cuello en lugar.
18:15Sí, absolutamente.
18:17Creo,
18:18y esto es particularmente cierto
18:19en el área de marketing.
18:21El dato de marketing,
18:23mi broma es,
18:24esto es marketing,
18:26no es accionamiento,
18:28y que a veces es pesado,
18:30no es totalmente acurado,
18:32es incompleto,
18:34pero la mayoría de las veces
18:35es muy direccional y relevante.
18:37Entonces,
18:38es un poco de vuelta a esa
18:40cultura de cambio
18:41y realmente poder
18:43estar bien con las decisiones
18:45sin tener las respuestas perfectas,
18:47poder tomar algunos riesgos,
18:48innovar mientras aprendes
18:50y tomar mucho más
18:52de una aproximación de prueba y aprendizaje
18:54en lugar de intentar
18:55lograr la perfección fuera de la puerta.
18:58Gracias.
18:59Bueno, Casey nos dio un buen sentido
19:01de dónde están las cosas hoy
19:03y ahora veámos
19:05dónde probablemente
19:06estarán mañana.
19:07Tohid,
19:08¿qué es lo que ves
19:09como la parte más intrigante
19:10de tu investigación
19:11en términos de marketing,
19:12cosas que típicamente
19:13no están siendo aportadas hoy?
19:16Sí,
19:17entonces,
19:18mi área de investigación
19:19se llama analítica de comportamiento
19:20y a nivel alto
19:22es básicamente tratar de tomar datos
19:23que producimos
19:24usando diferentes aplicaciones
19:26y tratar de entender
19:27cómo nos sentimos
19:28sobre lo que vemos.
19:29Entonces,
19:30en las aplicaciones de hoy
19:31hay cosas como Amazon
19:32donde compras cosas
19:33o Facebook
19:34donde te gusta
19:35diferentes piezas de contenido
19:36o tal vez aplicaciones de amistad
19:37donde intentas encontrar
19:38un potencial combate romántico
19:39y estas proporcionan
19:40un servicio, ¿verdad?
19:41Ahora,
19:42la aplicación funcionaría mejor
19:43si pudiera entender
19:44mi sentimiento
19:45hacia la aplicación,
19:46si me muestra una cara
19:47de una aplicación de amistad
19:48o si me gusta una cara o no.
19:49Si sabía esto,
19:50podría servirme mejor
19:51si me mostrara cosas mejores
19:52que me gustarían en el futuro.
19:54Y es aquí
19:55donde la analítica de comportamiento
19:56entra en juego.
19:57Siguiente slide, por favor.
19:59Entonces,
20:00la analítica de comportamiento
20:01intenta cerrar el espacio
20:02entre tu sentimiento
20:03de vuelta, por favor.
20:04Sí.
20:05Entre tu sentimiento
20:06y los datos que produces
20:07usando la aplicación
20:08y de alguna manera
20:09tomas ese dato
20:10y lo pones a través
20:11de algún tipo de modelo
20:12sistémico
20:13y luego descubres
20:14cómo te sientes
20:15sobre lo que ves aquí.
20:16Siguiente slide.
20:17Entonces,
20:18el dato básico
20:19que tenemos ahora
20:20son los clics.
20:21Entonces,
20:22en Amazon,
20:23¿compraste el producto o no?
20:24En el gap de datos,
20:25¿te gustó Ryan Reynolds o no?
20:26En Facebook,
20:27¿te gustó esta foto
20:28de mi comida
20:29en el restaurante o no?
20:30Y un clic es una cosa
20:31muy binaria.
20:32Entonces,
20:33es como sí o no.
20:34Pero si entiendes
20:35el sentimiento humano,
20:36sabes que el sentimiento
20:37no es binario,
20:38es un continuo.
20:39Y hay un señal
20:40que podemos medir hoy
20:41en estas aplicaciones
20:42que en realidad
20:43te da un mejor sentido
20:44de este continuo.
20:45Siguiente slide, por favor.
20:46Entonces,
20:47eso es el tiempo.
20:48En particular,
20:49el tiempo de respuesta
20:50a lo que ves.
20:51Entonces,
20:52si te muestro algo
20:53y luego
20:54lo miras por un momento,
20:55luego respondes
20:56después de un cierto tiempo
20:57ese retraso
20:58me dice algo
20:59sobre cómo sentiste
21:00lo que viste.
21:01Y aquí hay un ejemplo
21:02de cómo.
21:03Siguiente slide.
21:04Entonces,
21:05digamos,
21:06por ejemplo,
21:07el dating app Tinder.
21:08¿De acuerdo?
21:09Así que estoy seguro
21:10de que muchos de nosotros
21:11usamos el dating app
21:12y te muestra la cara
21:13y si te gusta la cara,
21:14te arrastras a la derecha
21:15y si no te gusta,
21:16te arrastras a la izquierda.
21:17Entonces,
21:18tal vez veas a Ryan Reynolds,
21:19a Crypt Keeper
21:20y luego
21:21a alguna persona
21:22que se ve normal
21:23y tal vez te gusta
21:24a Ryan Reynolds,
21:25no te gusta
21:26a Crypt Keeper
21:27y tal vez
21:28eres neutral
21:29sobre la tercera persona
21:30pero dices sí.
21:31¿Por qué no?
21:32Así que,
21:33a lo largo de lo que tiene que ver
21:34Tinder,
21:35te gusta la primera persona
21:36o la tercera persona
21:37y no te gusta
21:38la persona en medio.
21:39Pero con estos clics,
21:40eso es todo lo que realmente saben
21:41sobre cómo te sientes
21:42sobre estas imágenes.
21:43Sin embargo,
21:44si median el tiempo
21:45de respuesta,
21:46podrían obtener
21:47una imagen más refinada.
21:48Siguiente slide.
21:49Entonces,
21:50para Ryan Reynolds,
21:51probablemente lo viste
21:52y dijiste,
21:53oh,
21:54este tipo es muy bueno
21:55y el Crypt Keeper,
21:56¿verdad?
21:57No es el mejor
21:58y así que
21:59ves su imagen
22:00y muy rápidamente
22:01dices,
22:02no,
22:03no va a suceder.
22:04Pero esa tercera persona,
22:05estás un poco en el piso,
22:06no sabes si sí o no,
22:07piensas sobre eso
22:08y dices,
22:09bueno,
22:10tendría que perder
22:11y dices sí.
22:12Entonces,
22:13la respuesta rápida
22:14indica un sentimiento fuerte
22:15de una manera o de otra,
22:16o sea,
22:17un desguste fuerte
22:18o un gusto fuerte.
22:19Pero esa respuesta lenta
22:20indica
22:21alguna especie de indiferencia.
22:22Entonces,
22:23dices sí,
22:24pero no es realmente un sí fuerte,
22:26es como un meh,
22:27¿verdad?
22:28Ahora,
22:29esa información es muy útil
22:30para estas aplicaciones
22:31porque si pueden cuantificar
22:32cuánto les gusta algo,
22:33¿verdad?
22:34Pueden realmente
22:35servirles mejor
22:36mostrándoles cosas mejores
22:37en el futuro.
22:38Y la belleza
22:39de los datos de tiempo
22:40es que los datos de tiempo
22:41ya están siendo grabados
22:42por estas aplicaciones,
22:43solo que muchas veces
22:44no están siendo usados.
22:45Entonces,
22:46por ejemplo,
22:47Facebook mide el tiempo
22:48en las cosas diferentes
22:49que les muestran
22:50en la aplicación
22:51y usan el tiempo
22:52para descubrir
22:53lo que es popular.
22:54Entonces,
22:55es una empresa
22:56que usa
22:57esta información temporal.
22:58Sin embargo,
22:59la mayoría de las empresas
23:00no utilizan
23:01estos datos de tiempo
23:02para descubrir
23:03cuánto a la gente le gusta
23:04algo y
23:05totalmente lo pueden hacer.
23:06Ahora,
23:07más allá de entender
23:08si te gusta algo o no,
23:09los datos de tiempo
23:10nos dicen más
23:11sobre el individuo
23:12en un nivel más profundo.
23:13Siguiente slide, por favor.
23:14Y es sobre
23:15la comunicación.
23:16Entonces,
23:17hay un problema
23:18que las aplicaciones
23:19de comunicación
23:20como Tinder
23:21donde la gente
23:22es muy precoz
23:23y esto es realmente
23:24cierto para hombres
23:25y tal vez para mí
23:26a veces,
23:27tú simplemente
23:28pones el botón derecho
23:29para todo el mundo.
23:30Entonces,
23:31ves a Ryan Reynolds
23:32o a la criptografía
23:33o a una persona regular
23:34y dices sí, sí, sí.
23:35Ahora,
23:36ese dato que le estoy dando
23:37a la aplicación
23:38es en realidad
23:39datos ruidosos.
23:40Es incorrecto.
23:41Es biasado por el hecho
23:42de que no me importa
23:43lo que estoy mirando.
23:44Le estoy diciendo sí
23:45cada vez.
23:46Entonces,
23:47si la aplicación
23:48pudiera encontrar
23:49una manera de descubrir
23:50que le estoy dando
23:51y obtener una mejor imagen
23:52de cuán popular
23:53son los objetos.
23:54Ahora,
23:55con solo mis clics
23:56no puedes decir eso
23:57porque tal vez
23:58soy una persona
23:59con baja engajamiento
24:00o tal vez
24:01me gusta la criptografía
24:02porque me gusta a todos.
24:03Estoy buscando
24:04a cualquiera
24:05que me parezca.
24:06Puedes diferenciar
24:07esos dos
24:08con solo los clics.
24:09Pero con el tiempo
24:10podrías ver la diferencia
24:11porque si no me importa
24:12lo que estoy mirando
24:13entonces,
24:14pulsando sí
24:15en Ryan Reynolds
24:16o pulsando sí
24:17en la criptografía
24:18o una persona general
24:19debería tomar
24:20la misma cantidad de tiempo
24:21si estoy prestando atención.
24:22Pero si no estoy prestando atención
24:23debería ser
24:24la misma cantidad de tiempo.
24:25Y así,
24:26la variación
24:27de mi tiempo de respuesta.
24:28Si es la misma
24:29cada vez
24:30por cada imagen
24:31súper atractiva
24:32o no súper atractiva
24:33o neutral
24:34entonces,
24:35puedes descubrir
24:36que esta persona
24:37no realmente importa
24:38lo que está mirando.
24:39Es muy enojado.
24:40Por lo tanto,
24:41ese dato es
24:42un dato sucio.
24:43No vamos a usar eso
24:44para mejorar
24:45nuestra aplicación
24:46o nuestra performance.
24:47Entonces,
24:48puedo descubrir
24:50¡Sí, si, si!
24:51La última vez que lo vi,
24:53entonces,
24:54es decir,
24:55eso es un dato metálico,
24:56un dato metálico
24:57que es un dato
24:58que para los que
24:59realmente no vamos a usar
25:00es un dato
25:01que nos permite
25:02observar
25:03cómo esa persona
25:04se siente
25:05de forma automática
25:06con un día
25:07en cada 2 meses.
25:08Entonces,
25:09si su correspondiente
25:10estrella
25:11meestra
25:12la manera
25:13en que su cuerpo
25:14está reaccionando
25:15a lo que está viendo
25:16o cómo su cuerpo
25:17está actuando
25:18o como tu corazón está batiendo cuando ves algo,
25:21podría tener una mejor idea de cómo te sientes cuando ves algo.
25:24Siguiente slide, por favor.
25:26Ahora, la cosa genial es que el dato biométrico no es una cosa de ciencia ficción.
25:30De hecho, hoy en día es muy, muy fácil de medir estos tipos de cosas
25:33usando los biosensores usables, los smartwatches que probablemente han visto,
25:37y que seguro que muchos de ustedes actualmente proponen.
25:40Estos dispositivos son muy, muy populares.
25:42Creo que hoy en día 1 en 6 personas proponen un dispositivo usable.
25:45Cientos de millones son enviados cada año.
25:48Están creciendo en popularidad y en sus capacidades de medir.
25:51Entonces, se puede imaginar un mundo en el que todos tengan un dispositivo usable en el futuro
25:55y sus datos biométricos están siendo traídos.
25:58¿Y qué pueden medir ahora mismo con estos dispositivos?
26:00Bueno, un montón de cosas.
26:02Pueden medir tu movimiento, cómo te mueves.
26:05Pueden medir tu ritmo de corazón. Pueden medir tu temperatura de piel.
26:08Pueden medir cuánto hueso tienes.
26:10Pueden medir un montón de estos datos continuamente, todo el día.
26:14Y se conectan a tu teléfono inteligente para recoger los datos,
26:17que es el lugar en el que tus aplicaciones actualmente existen.
26:20Entonces, se puede imaginar una interfaz entre aplicaciones y biométricos
26:23que te digan algo sobre cómo la persona reacciona a lo que está viendo.
26:27Y puedes obtener unas inspecciones psicológicas realmente profundas
26:30sobre cómo la gente se siente con respecto a eso.
26:32Siguiente slide.
26:34Entonces, una cosa genial que puedes medir con respecto a la gente
26:36es cuánto huesan con estos dispositivos.
26:39Y la huesa es importante porque la huesa está ligada a tu psicología.
26:43Entonces, hay un fenómeno llamado actividad electrodermal.
26:47Y este fenómeno dice que tus glándulos de hueso están ligados a tu sistema nervioso central.
26:52Entonces, cuando tu mente se arrastra mentalmente o se estimula,
26:55de hecho, huesas más.
26:57Y puedes medir la huesa muy, muy fácilmente con dispositivos usables.
27:00Y la huesa se convierte en una proxia para la arrastración mental.
27:04Entonces, piensa en esto, ¿verdad?
27:06Te estoy mostrando cosas en la aplicación
27:08y algo tiene la atención de tu cerebro
27:10y te estás pensando y te estás enfocando en ello.
27:12Puedo medir esa atención
27:14solo por cuánto huesas con un dispositivo usable.
27:16Entonces, estoy realmente viendo
27:18cuánto te gusta sin ni siquiera responder a eso físicamente
27:21clickeando o lo que sea,
27:22solo cómo tu cuerpo responde a eso con el dispositivo usable.
27:26Siguiente slide, por favor.
27:28Para mostrar el básico gesto de lo que puedes medir hoy
27:31y lo que te dice,
27:32aquí hay un poco de datos raros
27:34de un estudio de un profesor de MIT,
27:36de hecho, yo,
27:37en un día de trabajo.
27:39Entonces, yo demarcé
27:40cuáles fueron los eventos diferentes durante el día
27:42y esa línea azul ahí es la actividad electrodromal.
27:45Piensa que es como una medida de cómo estresado yo estaba
27:48o cómo mentalmente enfocado yo estaba
27:50en diferentes momentos del día.
27:51Más alto esa cosa azul se pone,
27:53más enfocado yo estoy.
27:54Entonces, lo primero que quiero aclarar es que
27:56esta colección fue de las 8 de la mañana
27:58a las 8 de la noche.
27:59Entonces, es casi como un espacio de 12 horas
28:01que recopilaba mi datos continuamente.
28:03Entonces, de manera batería,
28:04estos dispositivos ya están donde deben estar
28:06en términos de, como,
28:07recopilación de datos.
28:08Y si voy a pasar mi día,
28:10en la mañana tuve una clase inmediata,
28:12a las 8 de la mañana,
28:13un poco estresado ahí afuera,
28:14pero luego me quedé en el ritmo,
28:15estoy enseñando la clase,
28:16mi cuerpo está relajado,
28:17veo mi estrés bajar.
28:19Enseño otra sección
28:20inmediatamente después de la clase
28:21y estoy en una especie de zona,
28:23buscando que me relaje.
28:24Luego tengo un descanso de una hora,
28:26vuelvo a mi oficina
28:27y luego tengo un almuerzo
28:28y el almuerzo,
28:29arrasa en mi cerebro,
28:30porque es comida,
28:31así que me voy a subir.
28:32Luego estoy enseñando otra sección
28:34en la tarde
28:35y al final de esa sección
28:36me siento realmente arrasado,
28:38creo que porque estaba contento
28:39de haber terminado la enseñanza
28:41para el día,
28:42así que veo la señal de terminación,
28:43me siento emocionado.
28:45Luego vuelvo a mi oficina
28:46y hago un poco de trabajo académico,
28:48leyendo papeles,
28:49escribiendo papeles,
28:50y así,
28:51y me siento un poco relajado allí.
28:53Luego tengo una reunión
28:54con mis asistentes
28:55para preparar la clase
28:56para el día siguiente.
28:57Como pueden ver,
28:58esta reunión me estresa un poco.
28:59Simplemente odio esa reunión,
29:00es mucho trabajo
29:01y preocuparse por esto
29:02y los estudiantes y eso.
29:04Se puede ver que me estoy estresando
29:06por eso.
29:07Pero después de la reunión
29:08voy a ver a mis asistentes
29:09académicos
29:10y nos quedamos
29:11y nos relajamos
29:12y hablamos
29:13y se puede ver mi cuerpo
29:14relajándose
29:15mientras la reunión continúa.
29:16Así que,
29:17con este dispositivo wearable
29:18estoy actualmente
29:19tratando mi estrés
29:20o mi arrepentimiento mental
29:21durante todo el día.
29:23Ahora,
29:24se pueden imaginar
29:25aplicaciones creativas
29:26que sientan
29:27este tipo de estado mental
29:28en el que estoy
29:29y tal vez
29:30me están ofreciendo
29:31advertencias
29:32o ofrecerme ofertas
29:33para hacer algo
29:34en respuesta
29:35a cómo mi estado de estrés
29:36cambiaba durante el día.
29:37Ahora,
29:38esta es la tecnología de hoy.
29:39La tecnología está cambiando.
29:40Cada día está mejor
29:41y mejor.
29:42Más dispositivos salen.
29:43Así que se puede imaginar
29:44que en los próximos cinco años
29:45tendremos
29:46sensores realmente efectivos
29:47tratando
29:48no solo
29:49esta data
29:50sino todas las datas
29:51sobre mí
29:52y es entender
29:53cómo me siento
29:54en tiempo real
29:55y responder a eso.
29:56Siguiente slide, por favor.
29:57Así que,
29:58este es el tipo de datos
29:59que estoy planeando
30:00que
30:01podemos medir
30:02a las personas
30:03cómo rápido
30:04responden,
30:05cómo responden
30:06sus cuerpos.
30:07Podemos realmente entender
30:08cómo se sienten
30:09sobre algo
30:10más allá
30:11de un solo clic.
30:12Ahora,
30:13habrá algunos desafíos
30:14con esto.
30:15Un gran desafío
30:16es que esta data
30:17es mucho más grande
30:18que un solo clic.
30:19Así que una serie de tiempos
30:20durante un día
30:21tiene mucho más espacio
30:22que un solo clic.
30:23Además,
30:24esta data
30:25podría tener
30:26mucho ruido en ella.
30:27No es solo
30:28un solo clic.
30:29Así que,
30:30pensando en cómo
30:31medir esa data,
30:32cómo conservarla,
30:33manejarla,
30:34requiere más esfuerzo
30:35y hay que tener cuidado
30:36con eso.
30:37Pero creo que,
30:38en general,
30:39que esta data biométrica
30:40combinada con
30:41estos datos
30:42de tiempo de respuesta
30:43van a hacer
30:44estas aplicaciones
30:45mucho más efectivas
30:46en servirlas
30:47de la manera
30:48que queremos ser servidos.
30:49Siguiente slide.
30:50Oh,
30:51perdón.
30:52Así que,
30:53Edwin,
30:54si tienes alguna
30:55pregunta
30:56para mí sobre esto.
30:57Bueno,
30:58lo que me gustaría
30:59entender es
31:00el componente
31:01equivocante
31:02de la data.
31:03En otra palabra,
31:04alguien toma mucho tiempo
31:05mirando una foto,
31:06ni siquiera
31:07estaban extraordinariamente
31:08interesados,
31:09ni siquiera
31:10recibieron una llamada
31:11en ese momento.
31:12De hecho,
31:13no están
31:14tan interesados
31:15en todo.
31:16A pesar de que la data
31:17está presentada
31:18sin contexto,
31:19no sabes realmente
31:20qué está haciendo
31:21esa persona.
31:22Solo tienes
31:23la biométrica
31:24o las lecciones de tiempo.
31:25¿Cómo tratas
31:26de eliminar
31:27los datos equivocantes?
31:28Creo que hay dos
31:29maneras.
31:30Una manera es que
31:31en el futuro,
31:32no tienes solo
31:33un sinal de datos.
31:34Tienes múltiples
31:35sinales de datos
31:36para una persona.
31:37Puedes tener
31:38mi estrés físico,
31:39mis tiempos de respuesta,
31:40mi emoción,
31:41cómo mi mano
31:42está orientada.
31:43Puedes medir
31:44la orientación
31:45de las manos,
31:46cómo se mueven.
31:47Combinar todos
31:48los diferentes
31:49sinales de datos
31:50puede ayudarte
31:51a desentender
31:52si es una reacción
31:53debido a la calidad
31:54del objeto
31:55o si es una reacción
31:56debido a algún
31:57otro factor
31:58en el objeto.
31:59La primera cosa
32:00es que los múltiples
32:01sinales de datos
32:02pueden ayudarte
32:03a reducir
32:04esos efectos
32:05confundidos.
32:06La segunda cosa
32:07es que si haces
32:08una decisión
32:09basada en los datos,
32:10debes asegurarte
32:11que tu proceso
32:12de decisión
32:13es robusto
32:14a este tipo
32:15de ruido que describes.
32:16No deberías ser
32:17muy sensato
32:18con tus datos
32:19cuando haces una decisión.
32:20Deberías tener
32:21alguna responsabilidad
32:22en ello,
32:23pero sin
32:24que sea muy ruido.
32:25Deberías modelar
32:26eso en tu aproximación
32:27para evitar
32:28los errores
32:29en los datos.
32:30Así que un proceso
32:31de decisión inteligente
32:32y integrar
32:33múltiples
32:34sinales de datos
32:35pueden ayudar
32:36a mitigar
32:37los efectos
32:38de errores
32:39en los datos.
32:40Entonces,
32:41estás hablando
32:42de un enfoque
32:43de datos grande
32:44donde estás
32:45mirando
32:46un volumen
32:47de datos
32:48para este
32:49particular consumidor
32:50con el tiempo
32:51y tratando
32:52de hacer
32:53mejores preguntas
32:54sobre lo que es
32:55significativo
32:56o significativo
32:57para el consumidor.
32:58Entonces,
32:59si el consumidor
33:00está mirando
33:01una imagen
33:02durante cinco minutos,
33:03eso no significa
33:04que está realmente
33:05muy interesado en ella,
33:06sino que algo
33:07más sucedió.
33:08Tal vez deberías
33:09modelar eso
33:10en tu sistema
33:11y no responder
33:12a una vista
33:13de cinco minutos
33:14contra una vista
33:15de cinco segundos.
33:16Tome en cuenta
33:17que hay efectos
33:18que causan
33:19estos tiempos
33:20extremos
33:21que no son basados
33:22en la señal
33:23que intentas captar.
33:24Excelente.
33:25Vamos a hacer
33:26una prueba instantánea
33:27que debería
33:28ser
33:29¿En qué áreas
33:30de marketing
33:31de tu negocio
33:32estás usando
33:33analíticas de datos?
33:34Entonces,
33:35puedes elegir
33:36todas las que aplican.
33:37Entonces,
33:38tus opciones son
33:39advertisamiento digital,
33:40estrategia de marketing,
33:41marketing directo,
33:42marketing e-mail
33:43o generación de demanda,
33:44advertisamiento offline,
33:45televisión imprimida
33:46fuera de casa,
33:47ese tipo de cosas,
33:48o no estamos
33:49actualmente
33:50usando
33:51mucha analítica
33:52de datos.
33:53Entonces,
33:54¿Cuál es tu opinión
33:55sobre eso?
33:56Entonces,
33:57hay un montón
33:58de opciones
33:59diferentes aquí
34:00y
34:01solo un momento
34:02y ahora
34:03veámos
34:04y veamos
34:05déjame dar
34:06otro momento
34:07para ver
34:08a dónde estamos
34:09y
34:10veámos
34:11a dónde
34:12el público
34:13está
34:14en este momento.
34:15Entonces,
34:16parece
34:17que
34:18oh,
34:19básicamente
34:20fue una
34:21prueba
34:22de tres años
34:23y
34:24básicamente
34:25fue una prueba
34:26de tres años.
34:27Advertisamiento digital,
34:28estrategia de marketing
34:29conectado
34:30por
34:31primero
34:32o primero y
34:33segundo
34:34en 48%
34:35con
34:36marketing directo,
34:37marketing e-mail
34:38y generación de demanda
34:39justo detrás
34:40en 46%.
34:41Interesante
34:42número
34:43que
34:44el
34:45siguiente
34:46más grande
34:47segmento
34:48para casi
34:49el tercero,
34:5031%
34:51que no estamos
34:52en el
34:53setento por ciento
34:54y
34:55la
34:56segunda
34:57por
34:58ciento
34:59que
35:00no estamos
35:01en el
35:02setento por ciento
35:03y
35:04el
35:05tercero
35:06por
35:07ciento
35:08que
35:09no
35:10está
35:11en el
35:12setento por
35:13ciento
35:14y
35:15la
35:16siguiente
35:17parte
35:18que
35:19también
35:20es
35:21que el mundo offline ahora es más data-driven para ellos.
35:25Así que creo que esa es una gran diferencia de lo que vimos en el poll.
35:31Interesante. ¿Alguna teoría sobre por qué esa diferencia ocurrió?
35:36Creo que desde un punto de vista estratégico y de ser parte de la cultura,
35:41vemos empresas que ahora están usando los señales digitales para medir la televisión.
35:48Así que básicamente son capaces de medir y optimizar
35:53las posiciones en las redes, programas, partes del día,
35:58periodos de tiempo y la longitud de programas y creativos,
36:02igual que lo harían una advertencia digital o una advertencia video en YouTube.
36:05Así que empezamos a ver trenes similares en la advertencia digital en casa.
36:10Así que creo que lo que veremos es que el mundo offline
36:13es mucho más data-rico y digitalizado a medida que avanzamos.
36:19¿Tohid, tienes alguna opinión?
36:21Sí, quiero aclarar ese mismo sentimiento.
36:23Cuando veo televisión ahora, muchas veces veo en una televisión inteligente
36:27que recorda el tiempo que estoy viendo, mi cuenta cuando me inscribo.
36:31Básicamente saben todo sobre mí mientras veo un programa de televisión.
36:34Así que creo que la televisión de red puede tener un tiempo difícil
36:37obteniendo datos detallados sobre quién es la audiencia.
36:40Pero plataformas como Netflix, Hulu, Amazon Prime,
36:43básicamente saben quién está viendo exactamente, cuándo están viendo,
36:46cuál habitación están viendo y tal vez en el futuro posiblemente.
36:49Así que creo que la televisión puede ser mucho más data-rica en el futuro,
36:54al menos como las aplicaciones más nuevas de la televisión.
36:57Sí, totalmente conozco eso.
36:59De hecho, creo que en algún punto la televisión es solo un dispositivo para ver
37:03y es realmente sobre el streaming de video,
37:05sin importar que dispositivo estés viendo eso.
37:08La red ha descubierto esto.
37:10Tienen todo su contenido ahora en el Internet.
37:12Puedes ver programas de televisión en el sitio web.
37:14Así que básicamente pueden ver quién eres mientras los ves,
37:17en contra de tu botón de televisión.
37:21Déjame hacerle una pregunta a ambos de ustedes,
37:23y esto es basado en la presentación de Tohit.
37:26Tohit, ¿cuánta resistencia esperas que las empresas den
37:31en términos de usar datos biométricos?
37:33No estoy hablando sólo de las limitaciones tecnológicas
37:36implementando eso y llevando ese dato.
37:39Estoy hablando de si son preocupaciones sobre la privacidad,
37:42si se preocupan por la acuracía de la analítica.
37:45¿Qué desafíos ves en ir allí?
37:48¿Cuántas empresas crees que van a hacerlo
37:50y cuáles son los obstáculos que van a tener que superar?
37:53De hecho, hay muchas empresas que no usan wearables para sus trabajadores,
37:56y es principalmente para propósitos de seguridad.
37:58Así que tal vez es para trabajadores en una barra de aceite o algo así.
38:01Sé que Google Glass es un dispositivo usado en muchas industrias
38:04para la seguridad de los trabajadores y cosas así.
38:06Así que si te da algún beneficio de seguridad,
38:08tal vez estarás bien con ello.
38:10Yo puedo hablar por mí mismo.
38:12Estoy actualmente haciendo un estudio de campo con un fondo de inversión
38:15y básicamente han decidido tener a sus comerciantes conectados
38:17durante todo el verano
38:19y recortar sus datos biométricos mientras están comerciando
38:22y luego comparar sus ganancias y pérdidas
38:23contra sus datos biométricos.
38:25Así que hay alguna curiosidad en la finanza
38:27para actualmente aplicar estos datos y estos avances
38:30a sus trabajadores para que puedan identificar
38:32a los profesionales que están comerciando.
38:34Así que hay intereses en algunas áreas
38:36donde hay riesgo alto o recompensa alta involucrada.
38:39A continuación, con la privacidad,
38:41mi sentimiento general es que al principio
38:43la gente puede parecer un poco raro
38:45y luego, en un año o dos años, no les importa.
38:48Y la conveniencia y los beneficios que obtenemos
38:50de la analítica de los datos
38:52sorprende las preocupaciones de la privacidad que la gente tiene.
38:54Lo he visto con los medios sociales.
38:56Si ustedes tienen niños más jóvenes o relativos más jóvenes,
38:59publican todo en línea, no les importa.
39:01La privacidad no es una preocupación
39:03para la generación más joven.
39:05Así que creo que es una cuestión
39:07que se desvanece con el tiempo
39:09y que, por mejor o por peor,
39:11es lo que he visto como una tendencia en la sociedad.
39:13Voy a traer a Casey en un momento,
39:15pero para clarificar sobre las cuestiones de la privacidad,
39:18hay dos elementos a eso.
39:20Uno, tienes preocupaciones actuales de la privacidad,
39:23que es lo que acabas de adresar,
39:25que muchas generaciones más jóvenes
39:27tienen mucho menos preocupaciones.
39:29Otro elemento es la percepción de las preocupaciones
39:31con los ejecutivos
39:33que piensan que la gente,
39:35cuanto sea preocupada,
39:37puede percibir.
39:39En otras palabras, hay una cuestión de percepción
39:41de que la privacidad para ciertas demograficaciones
39:43es más alta que para otras.
39:45Entonces, hablas de la realidad.
39:47¿Qué tal la percepción de los ejecutivos?
39:49Mi sentido es que,
39:51si ven un claro beneficio de esta tecnología
39:53en sus organizaciones,
39:55y pueden asegurar la privacidad de los datos
39:57para asegurar que nadie va a leer esta información,
39:59que será sólo usado para nuestros propios internos,
40:01tal vez no sea un gran problema.
40:03Tal vez ahora suene un poco
40:05cifrónico y extraño
40:07y no es normal,
40:09pero siento que con el tiempo
40:11ese tipo de estigma se va a disminuir.
40:13Y esto es evidencia
40:15de la creación de los usos de la industria.
40:17Casey, ¿algunas pensamientos
40:19sobre el mayor problema
40:21de usar el tipo de datos biométricos
40:23y el tiempo de trabajo
40:25para conseguir los datos que mencionó?
40:27Sí, creo que hay un par de pensamientos.
40:29Obviamente, la privacidad y la seguridad
40:31tienen que ser una parte crítica
40:33de cualquier estrategia de datos,
40:35especialmente si eres una marca conocida
40:37y un líder del mercado.
40:39Hay un gran riesgo asociado
40:41con hacer errores en esa área.
40:43Por lo tanto, siempre debe ser importante,
40:45y él es cierto, que con el tiempo
40:47la definición de la privacidad y la seguridad
40:49cambia según cualquier tema en particular.
40:51Hace 15 años
40:53no se permitía
40:55conectar datos de compra en línea
40:57con datos de advertencia en línea.
40:59Hoy eso sucede
41:01como una matanza, por supuesto.
41:03Así que las cosas cambian con el tiempo.
41:05Yo diría, obviamente,
41:07que es una gran parte de la estrategia.
41:09Y luego, al final,
41:11creo que algunas de las cosas
41:13que Taheed mostró son muy interesantes
41:15en que ellos miran
41:17esta visión en general
41:19de entender el comportamiento del consumidor
41:21en algún tipo de viaje
41:23o en algún tipo de resultado.
41:25Y hoy
41:27hacemos un buen trabajo de eso,
41:29mirando impresiones, clics,
41:31visiones de páginas y cosas así en el mundo digital.
41:33Y básicamente
41:35mostró una gran visión
41:37para extender ese modelo
41:39para encompasar nuevos y diferentes tipos de datos
41:41que pueden hacerlo aún más acurado
41:43y más relevante para el consumidor final.
41:45Casey, una otra pregunta
41:47sobre tu presentación.
41:49En algún momento hablabas de que
41:51el estudio había determinado
41:53que el 70% de los usuarios
41:55decían que usaban datos.
41:57¿Cuál es tu confianza
41:59de que el 70% de las empresas
42:01están haciendo eso?
42:03Y para clarificar,
42:05¿que están usando datos significativamente
42:07en lugar de simplemente usarlos en el periferio?
42:09Yo diría que son bastante altos.
42:11Estos son los líderes,
42:13así que este es el cohorte
42:15que tiende a ser más maturo en su aproximación
42:17a los datos como una estrategia en general.
42:19Así que diría que tengo
42:21bastante confianza en eso.
42:23Y varía.
42:25Hay curvas de maturidad
42:27en cada organización en términos
42:29de su habilidad de usar y manejar
42:31estos datos de manera efectiva.
42:33Ya sabes,
42:35obviamente tratamos con
42:37grandes empresas y SMBs.
42:39Y verás el espectro
42:41de maturidad entre
42:43las grandes empresas.
42:45Algunas industrias como la comercialización,
42:47los servicios financieros, el viaje,
42:49son bastante altos en la curva de maturidad.
42:51Otras tienden a estar más
42:53hacia el medio.
42:55En un momento,
42:57vamos a ir a las preguntas del público.
42:59Así que, por favor, si tienes preguntas,
43:01por favor, ponlas ahí.
43:03Vamos a llegar a tantas como podamos.
43:05Queremos hacer nuestro segundo poll instantáneo aquí
43:07y, de nuevo, tener una sensación
43:09de dónde está el público.
43:11Entonces, tenemos
43:13¿cuántas veces su organización de marketing
43:15toma acción basada en los datos
43:17y las recomendaciones de Analytics?
43:19Entonces, ¿cuántas veces lo hace?
43:21Las opciones son, y necesitamos que
43:23por favor, seleccione sólo una de estas.
43:25Rutinamente, frecuentemente,
43:27a veces, infrecuentemente,
43:29nunca.
43:31Así que ahí estamos.
43:33Y le doy un poco más
43:35para votar aquí.
43:37Y...
43:39Ok.
43:41Le daremos unos segundos más.
43:43Y...
43:45Veamos
43:47dónde está el público.
43:49Entonces,
43:51déjame ver aquí.
43:53Ok. Entonces...
43:55Interesante.
43:57A veces, y siempre es una opción
43:59popular en estos surveys,
44:01pero a veces,
44:03entra como la opción superior, 34,
44:05frecuentemente como la segunda opción
44:07a 25,
44:09infrecuentemente, cerca de ello.
44:11Entonces, tienes infrecuentemente
44:13y frecuentemente, entrando con dos puntos
44:15de cada otro, infrecuentemente entrando
44:17a 23,
44:19rutinamente a 16%,
44:21y interesante, al menos tenemos un poco
44:23de optimismo aquí, nunca
44:25entró a sólo 2%.
44:27Así que, raramente nadie
44:29optó por nunca, lo cual es al menos
44:31una buena preocupación.
44:33Volvamos otra vez al panel.
44:35¿Cuál es tu...
44:37¿Cuál es tu opinión sobre eso?
44:39Un segundo. ¿Cuál es tu opinión
44:41sobre esas respuestas?
44:43Casey, empecemos con ti.
44:45¿Qué piensas que todo esto significa?
44:47De hecho, creo que
44:49es una distribución bastante representativa
44:51de lo que hemos visto.
44:53Creo que lo que verás en los datos
44:55que...
44:57de nuestros surveys,
44:59los líderes tienden a ir
45:01más hacia rutinamente y frecuentemente,
45:03alrededor del 75%,
45:05y se desvanece
45:07de ahí. Así que parece que,
45:09generalmente, nuestra audiencia es una distribución
45:11bastante evena, mientras que los líderes
45:13se desvanecerán más hacia
45:15el uso más frecuente de los datos.
45:17Mi pregunta sería, para los 2%
45:19que no lo saben o nunca lo hacen,
45:21wow.
45:23De todos modos.
45:25Suena como un buen lugar para trabajar,
45:27deberíamos todos intentarlo.
45:29No es realmente una pregunta, wow es más
45:31verdad.
45:33No, fue una pregunta wow.
45:37Tohid, ¿cuál fue tu opinión
45:39sobre la respuesta de la audiencia?
45:41Creo que es un signo de los tiempos que estamos viviendo.
45:43El mundo ha cambiado.
45:45Si puedo contar una historia personal.
45:47Mi educación es en ingeniería.
45:49Tengo un doctorado en ingeniería de computación,
45:51pero estoy enseñando en una escuela de negocio.
45:53Y la gente me pregunta, ¿por qué has ido
45:55de ingeniería a negocio? ¿Qué te pasó?
45:57Nada me pasó.
45:59El mundo ha cambiado.
46:01El mundo ha dado cuenta de que podemos medir
46:03todo y usarlo para tomar mejores
46:05decisiones. Hagámoslo.
46:07Los 2% que están ahí, estoy seguro
46:09que si hacemos este webinar
46:11en un año o dos, puede ser
46:13un 1% o un 0%.
46:15Puedes medir todo hoy en día.
46:17Y así, casi cada industria
46:19será tocado por datos de alguna manera
46:21en el futuro.
46:23Es lo que estamos viviendo ahora.
46:25Es un mundo de analítica.
46:27Creo que los mercadores
46:29ahora tienen que ser parte tecnólogo,
46:31parte analista,
46:33parte creativa y parte estratégica.
46:35Y es lo que
46:37es necesario para ser suceso.
46:41Ahora volvamos a algunas de las preguntas
46:43de la audiencia. Tenemos muchas
46:45de ellas, preguntas interesantes.
46:47Empecemos con esta.
46:49Presumiblemente viene de un ingeniero.
46:51Y la pregunta es,
46:53¿Nosotros los ingenieros siempre estamos dispuestos
46:55a usar la tecnología,
46:57a menudo sin buscar la diferencia
46:59entre lo que podemos hacer
47:01y lo que deberíamos hacer?
47:03¿Cómo consideran las preguntas
47:05de lo que no deberían hacer
47:07a pesar de ser capaces de hacerlo?
47:09La llamo
47:11la pregunta de Jurassic Park.
47:13Le preguntan la pregunta
47:15de lo que deben hacer
47:17y lo que pueden hacer.
47:19Tohid, ¿qué piensas?
47:21Creo que para mí
47:23en mi investigación,
47:25tengo un punto de vista de científico
47:27de que debemos probar todo
47:29y ver cómo funciona.
47:31Pero si eres una organización,
47:33tienes que tener cuidado con estas cosas.
47:35Y creo que es importante entender
47:37cuál es tu objetivo desde el principio.
47:39¿Qué quieres hacer al final?
47:41Y luego usar los datos para lograr
47:43esos objetivos. Pero a un nivel alto
47:45los objetivos deben ser claros,
47:47qué es lo que realmente quieres hacer.
47:49Porque si tienes objetivos malos,
47:51con tus datos,
47:53eso puede ser muy preocupante.
47:55Así que es importante tener un liderazgo
47:57que nos diga qué es lo que estamos haciendo.
47:59Hacernos claro que nuestras acciones
48:01se alinean con estos objetivos.
48:03David.
48:05Sí, generalmente lo agrego.
48:07Creo que hay una palabra
48:09como ser comprometido con tu visión
48:11pero ser flexible con los detalles.
48:13Y apoyar ese test
48:15y iterar y intentar.
48:17Pero asegurarse de que las cosas
48:19que estás haciendo están alineadas
48:21con esa visión y esa estrategia.
48:23La siguiente pregunta
48:25habla de los dispositivos
48:27basados en la casa.
48:29¿Cómo crees que sistemas
48:31como Google Home, Amazon Alexa, etc.
48:33afectarán la naturaleza
48:35del marketing digital
48:37en términos de analítica?
48:39Ahora que tienes acceso a datos de casa
48:41más allá del dispositivo real,
48:43más allá del dispositivo móvil,
48:45más allá del computador,
48:47¿cuál es tu opinión al respecto?
48:49Empecemos con Casey.
48:51Sí, una pregunta muy fascinante.
48:53Creo que es una de esas
48:55donde terminamos muy temprano el juego.
48:57Hay mucho potencial
48:59y mucho que puede ser hecho aquí.
49:01Inicialmente,
49:03la búsqueda basada en voz
49:05es la nueva interfaz para la búsqueda.
49:07Así que empieza a cambiar
49:09el modelo,
49:11al menos desde la perspectiva de marketing
49:13de lo que pensamos en términos de
49:15búsqueda orgánica.
49:17La interacción con las marcas
49:19y la información que está disponible en Internet.
49:21Y que no hay
49:23más una página con un montón
49:25de listas de resultados
49:27que el comerciante puede pagar
49:29y o trabajar para ser listado.
49:31Así que cambia un montón
49:33de esos modelos fundamentales
49:35que el marketing digital está construyendo hoy,
49:37o al menos creo que
49:39aumenta algunas de las oportunidades
49:41para diferentes interacciones
49:43con esos consumidores
49:45que son, A, más relevantes
49:47y B, probablemente más valiosos
49:49para el comerciante.
49:51Déjame preguntarte, Casey,
49:53el aspecto más asombroso de esos dispositivos,
49:55que es el modo de escuchar siempre.
49:57Y toda la temor
49:59que los consumidores tienen
50:01de que si siempre está escuchando,
50:03¿se va a considerar cosas
50:05que no quiero decir
50:07que se han escuchado en la habitación?
50:09Sí.
50:11Creo que es una pregunta valiosa.
50:13No estoy muy cerca
50:15de los aspectos de la privacidad y la política
50:17de esos dispositivos,
50:19al menos desde una perspectiva de Google.
50:21Así que lo miro más desde
50:23una perspectiva de marketing y de consumidores.
50:25Creo que volvemos a nuestra conversación
50:27alrededor de,
50:29en fin, el usuario decidirá
50:31qué es privado y qué no.
50:33Deben tener
50:35esos controles y entender
50:37cómo la data está siendo usada
50:39para cambiar esos controles
50:41a lo que se sientan cómodos.
50:43Creo que ese es un requerimiento mínimo.
50:45Y esto crea
50:47nuevas complicaciones y nuevos
50:49aspectos que creo que
50:51deben ser trabajados,
50:53pero creo que los modelos actuales aplican.
50:55¿Johith?
50:57Sí. Sobre estos dispositivos en casa,
50:59puedo hablar de mi experiencia personal.
51:01Cuando primero encontré mi Amazon Alexa,
51:03la gente era un poco extraña,
51:05como, ¿qué es ese robot? ¿Estás hablando a él?
51:07¿No está escuchándome?
51:09La gente era un poco aprehensiva sobre eso,
51:11tal vez en el 2015.
51:13Ahora, esas mismas personas
51:15vienen a mi apartamento, la cosa está ahí,
51:17estamos bromeando, oh, está escuchándonos hablar a él.
51:19Le gritamos a la Alexa, le juramos a ella.
51:21No nos importa más.
51:23Se ha convertido en una norma de nuestras vidas.
51:25Así que lo que tenemos es aprehensión.
51:27Sí, están escuchando, lo que sea.
51:29Amazon sabe, no importa.
51:31Porque es tan conveniente.
51:33Nos da música, nos da alarmas, todo.
51:35Los humanos han sacrificado
51:37su privacidad por conveniencia
51:39cada vez que esto sucede.
51:41Nunca hemos fallado
51:43en buscar conveniencia.
51:45Siento que en el principio,
51:47si puedes sobrevivir al principio,
51:49un poco de impulso,
51:51y tienes una nueva tecnología que supuestamente
51:53inventa tu privacidad,
51:55eventualmente, si te dan un servicio conveniente
51:57para la gente, ellos lo aceptarán, no les importará.
51:59Ahora tenemos una pregunta de audiencia diferente,
52:01un tema muy diferente,
52:03un tema de estrategia corporativa.
52:05¿Puedes explicar los buenos y los malos
52:07de tener una estrategia
52:09completamente separada
52:11para datos y analíticas,
52:13en vez de incluir datos y analíticas
52:15en varias partes
52:17de la estrategia de negocio en general?
52:19Casey, ¿cuál es tu opinión sobre eso?
52:23Buena pregunta.
52:25Creo que,
52:27puedes hacer un caso para cualquiera
52:29muy fácilmente. Creo que si
52:31empiezas y tienes
52:33un montón de camino que necesitas cubrir,
52:35tal vez quieras
52:37hacerlo una sola
52:39iniciativa o estrategia
52:41para dar ese nivel
52:43de exposición y centrarse en ello.
52:45Con el tiempo,
52:47probablemente llegas a un punto en el que
52:49ahora es parte y parcela de todo lo que haces,
52:51y luego lo reemplazas
52:53con otras estrategias
52:55como iniciativas claves o cosas claves
52:57que hacen que esa estrategia suceda.
52:59Entonces, creo que depende
53:01de donde estés desde un punto de vista de maturidad,
53:03pero mi recomendación es que si realmente
53:05quieres mover el hilo,
53:07traerlo al nivel superior de tus estrategias,
53:09poner recursos suficientes y centrarse en ello,
53:11crear una cadencia de responsabilidad
53:13y luego
53:15hacerlo suceder.
53:17¿Cohen, tienes alguna opinión?
53:19Sí, solo quería decir que
53:21creo que los datos, en el futuro,
53:23permean cada aspecto
53:25de las decisiones que haces en una corporación.
53:27Es importante entender
53:29cómo los datos pueden mejorar
53:31las decisiones que haces en cada nivel.
53:33Los datos no deben ser
53:35una cosa separada en la compañía,
53:37pero deben ser integrados
53:39con cada faceta de las decisiones
53:41que haces en una corporación.
53:43Básicamente, puede mejorar todo lo que haces,
53:45y no es como una unidad solitaria.
53:47No son los nerds que están haciendo su cosa.
53:49Deben ser integrados con todo lo que haces
53:51porque pueden hacer las cosas
53:53más efectivas. No deben ser separados.
53:55Deben ser como parte de la mezcla.
53:57Sí, creo que agregaría eso.
53:59Puedes empezar
54:01en algunas áreas en las que es centralizado,
54:03pero, al final,
54:05tu objetivo debe ser
54:07descentralizarlo en cada aspecto del negocio.
54:09Sí.
54:11Hay una pregunta de audiencia relacionada
54:13que parece que se trata
54:15de reclutamiento y problemas de personal.
54:17La pregunta es,
54:19¿qué tal construir
54:21capacidades analíticas internas?
54:23¿Cuáles son las necesidades más necesarias
54:25y cómo desarrollar el equipo?
54:27Es un tema muy interesante
54:29de reclutamiento.
54:31Casey, comencemos con ti.
54:33Sí.
54:35Es una buena pregunta.
54:37Ahora mismo es difícil.
54:39La data es el nuevo negro.
54:43Los sistemas educativos
54:45y el enfoque
54:47están tratando de alcanzar la demanda
54:49en el mercado.
54:51Ahora hay
54:53docenas
54:55de instituciones educativas
54:57ofreciendo maestros y
54:59maestros de datos y analítica.
55:01La ciencia de datos es un gran
55:03parte del currículum.
55:05Estamos alcanzando, pero hay una gran demanda.
55:07Creo que depende de tu negocio
55:09en términos de lo que te valga la pena.
55:11Algunos de estos pueden ser extranjeros.
55:13Puedes querer construir un equipo
55:15adentro. Depende de tu estrategia.
55:17Creo que si piensas
55:19en esto específicamente desde
55:21una perspectiva de marketing,
55:23debes decidir
55:25si está dentro del
55:27organismo de marketing o
55:29de un organismo de financiación
55:31y operaciones.
55:33Tienes que decidir
55:35qué estructuras son correctas
55:37y cómo aplicarlas.
55:39Creo que
55:41si crees
55:43que es un gran parte de tu estrategia,
55:45tienes que mirar
55:47hacia abajo y encontrar formas
55:49de asegurarte que, internamente,
55:51estás proporcionando oportunidades
55:53en la educación, pero también cómo
55:55puedes llenar esa cadena con el tiempo.
56:01Una de las cosas que encontramos,
56:03y Karen me ha compartido esto,
56:05es que una de las mayores barreras
56:07para los líderes
56:09alrededor de datos y analítica es
56:11la educación, el entrenamiento y obtener
56:13los recursos y talentos.
56:15Si eres miembro de la Asociación de Analítica Digital,
56:17puedo decirte que eso es verdad.
56:19En un simposio preguntaremos
56:21cuántas personas están buscando
56:23analistas y científicos de datos.
56:25Casi todos levantan la mano.
56:27Preguntaremos cuántas personas están buscando
56:29trabajos. Nadie levanta la mano.
56:31Hay mucha demanda
56:33ahí afuera.
56:35Para el último palabra,
56:37tenemos a un profesor de MIT
56:39aquí. Tohid, puedes hablar
56:41para todo el sistema educativo
56:43¿estás produciendo
56:45suficiente talento de analítica
56:47para cumplir las necesidades
56:49de las empresas?
56:51Si no, ¿están los estudiantes interesados
56:53en perseguir eso? Ciertamente hay trabajos
56:55ahí afuera. Sí, buena pregunta.
56:57La respuesta es que definitivamente
56:59hay un hambre por la analítica ahora
57:01en todo el mundo.
57:03MIT respondió a esto recientemente
57:05creando este programa de maestros de
57:07Analítica de Física, que básicamente enseña
57:09a la gente en la escuela de Física
57:11las habilidades, las estadísticas, la optimización,
57:13la codificación.
57:15Y en MIT,
57:17he visto este cambio en las últimas décadas
57:19porque he estado aquí desde el 2001
57:21como estudiante. Entonces, en esos días,
57:23la escuela de negocio era un mundo diferente.
57:25No era una parte de la realidad de MIT.
57:27Era un poco como la escuela de negocio
57:29de la época. Pero puedo decir
57:31ahora que es totalmente diferente.
57:33La escuela de Sloan
57:35tiene muchos cursos de analítica.
57:37Los niños aquí tienen hambre de aprender analítica,
57:39de codificar. Estoy en una clase de MBA
57:41enseñando las estadísticas, la codificación
57:43y la optimización. Me duele a la mente
57:45a veces las cosas que los MBAs
57:47quieren aprender. Entonces,
57:49hay hambre por ello. Estamos creando nuevos cursos
57:51para enseñar a estos niños analítica.
57:53Y está en todo el mundo ahora. Está en la escuela de negocio,
57:55está en las ciencias, está en todo el mundo.
57:57Y las escuelas están respondiendo.
57:59MIT está definitivamente respondiendo.
58:01Y creo que no estamos respondiendo
58:03lo suficientemente rápido. Hay demasiada hambre
58:05y necesitamos más clases para enseñar a estos niños.
58:08Creo que nos gustaría explorar eso más.
58:10Desafortunadamente, es todo el tiempo
58:12que tenemos para esta sesión de Q&A.
58:14En los próximos días,
58:16por favor, cuídense
58:18para un survey de respuestas
58:20que vamos a enviar a través de e-mail.
58:22Agradecemos sus pensamientos y opiniones.
58:24Y esto concluye
58:26esta porción de nuestro programa.
58:28Gracias nuevamente a nuestros presentadores.
58:30Casey Carey, Directora de Plataformas
58:32y Publishing Marketing en Google Analytics 360 Suite.
58:35Y a Tohid Zama,
58:37Profesor de Desarrollo Cariño
58:39en Tecnología de Comunicación
58:41en la Escuela de Manajemento de MIT Sloan.
58:43Y, por supuesto, nuestro sponsor,
58:45Google Analytics 360 Suite.
58:47Un recuerdo
58:49de que la grabación de este programa
58:51y las páginas de presentación
58:53estarán disponibles en 3 a 4 días de negocio.
58:55Muchas gracias por asistir a nuestro programa.
58:57Gracias nuevamente.