Cinco formas de mantener la calidad de los datos en sus análisis

Una estrategia basada en datos es una parte esencial de cualquier función de marketing, lo que hace que la calidad de los datos sea una prioridad para los especialistas en marketing senior. Pero, ¿cómo puede asegurarse de que sus datos estén limpios y sean precisos?

Un informe reciente de AT Internet exploró las 5 dimensiones clave de la calidad de los datos en el análisis digital . A continuación, se muestran algunas conclusiones clave del informe, así como algunas cosas que los especialistas en marketing pueden hacer para mantener alta la calidad de sus datos.

• El 55% de las empresas utilizan datos para tomar decisiones ... [1]
• … Pero solo el 33% de los directores ejecutivos confía en sus propios datos [2]
• El 56% de los ejecutivos dice que la mala calidad de los datos da como resultado la pérdida de oportunidades de ventas [3]
• El 51% de los ejecutivos dice que los datos incorrectos hacen perder tiempo y causan ineficiencia [3]

Este contenido fue producido en asociación con AT Internet.

1. Excluya el tráfico de bots

De acuerdo con Incapsula 's 2016 Bot Informe de Tráfico, más del 50% del tráfico en la red se puede atribuir a los robots - como el gráfico siguiente muestra.

Imagen cortesía de Incapsula

Este tráfico se puede dividir en bots " buenos " y " malos " . Los bots ' buenos ' son:

• Bots de motores de búsqueda de empresas como Google, Bing o Yandex (7%)
• Buscadores de feeds como la aplicación móvil de Facebook, el bot de marco de Android y el bot de Twitter (12%)
• Rastreadores comerciales : generalmente se utilizan para extraer datos para herramientas de marketing digital (3%)
• Monitoreo de bots, como el bot pingback de WordPress (1%)

Es más probable que los bots ' malos ' sean ' imitadores ' que asumen una identidad falsa para eludir la seguridad del sitio web. Los más nefastos pueden ejecutar denegación de servicio distribuida (ataques DDoS) contra los sitios que atacan. Este tipo de bots representaron el 24% del tráfico total de Internet en 2016, con otro 1,7% aportado por web scrapers.

El tráfico de bot de esta proporción tiene dos efectos que los especialistas en marketing deben conocer. Uno de ellos, que se infla artificialmente el volumen de tráfico (por lo que su apariencia sitio como que 's conseguir más tráfico de lo que es), y dos, que trae métricas tasa de conversión hacia abajo (por lo que sus campañas se vean menos eficaces de lo que son).

Eliminar este tráfico es esencial para una evaluación comparativa precisa. Sin datos 'limpios', es significativamente más difícil tomar decisiones informadas acerca de la estrategia.

2. Compruebe si faltan etiquetas o están rotas

Durante las actualizaciones del sitio y los cambios en las aplicaciones móviles, garantizar la integridad de las etiquetas de análisis es esencial para recopilar datos fiables, especialmente en sitios con una gran cantidad de páginas, como editores o minoristas en línea que añaden y modifican páginas con frecuencia.

A pesar de que los errores pueden ser difíciles de detectar, Ellos son críticos para identificar y corregir con el fin de garantizar la exactitud de los informes.

Las etiquetas faltantes, duplicadas o incorrectas pueden afectar la medición de la campaña , lo que lleva a conclusiones erróneas sobre la efectividad de determinadas campañas. Los sitios específicos de eventos suelen ser propensos a perder etiquetas, ya que los equipos suelen estar sometidos a una intensa presión de tiempo antes del lanzamiento, lo que puede dar lugar a descuidos técnicos.

Por desgracia, estos también pueden ser los errores más costosos de hacer, como el caso - como un anuncio de televisión o conferencia - a menudo representa una inversión significativa por la empresa.

3. Mantenga la coherencia en el formato de sus datos

El uso de cadenas numéricas (ID de categoría, SKU) en las URL puede parecer una ventaja para las cadenas de texto sin formato largas y difíciles de manejar. Pero si bien esto puede ser práctico al capturar datos, puede causar problemas al analizarlos. Los valores de texto inteligibles son de gran ayuda para comprender de dónde provienen los datos y qué cadenas se pueden consolidar.

Mantener la coherencia de los valores del texto también es importante. Una inconsistencia común es en los parámetros de lenguaje, donde los mismos valores se escriben a menudo en diferentes formas - como el uso de 'ES' y 'Inglés' tanto para representar texto en Inglés.

En este ejemplo, cada uno aparecería en filas diferentes en un informe y requeriría la consolidación manual por parte de un analista.

4. Utilice una " versión única de la verdad "

El uso de una gran cantidad de herramientas puede resultar problemático para la recopilación y el análisis de datos. Los diferentes sistemas pueden utilizar definiciones y cálculos únicos para las mismas dimensiones y métricas. Por ejemplo, las diferentes herramientas de análisis pueden atribuir las fuentes de tráfico de manera diferente dependiendo de si una campaña se está ejecutando o no.

Un problema común es la medición entre dispositivos. Un usuario que visita un sitio en su teléfono de camino al trabajo y luego nuevamente en el escritorio cuando llega al trabajo puede contarse como dos usuarios diferentes.

El uso de una sola herramienta que tenga la capacidad de medir el comportamiento de inicio de sesión en dispositivos y plataformas es una solución eficaz , que le ahorra la molestia de las conciliaciones y deduplicaciones manuales.

5. Utilice análisis en tiempo real para identificar problemas.

Los proveedores de inteligencia digital de alto nivel pueden brindar a los usuarios una idea del comportamiento de los visitantes en tiempo real. Esto permite a los equipos obtener comentarios instantáneos sobre campañas específicas en el tiempo y responder a problemas que ocurren, como errores 404 y fallas de aplicaciones móviles, a medida que ocurren.

Otro caso de uso es durante un evento de noticias de última hora, donde un sitio de medios puede rastrear el rendimiento de artículos individuales en tiempo real, proporcionando una perspectiva basada en datos sobre qué tipo de contenido están más interesados ​​en los usuarios.

[1] http://www.oxfordeconomics.com/thought-leadership/leaders-2020

[2] https://home.kpmg.com/xx/en/home/campaigns/2016/06/ceo-outlook.html

[3] https://www.edq.com/globalassets/white-papers/building-a-business-case-for-data-quality-report.pdf

Para saber algo más acerca de la preservación de su calidad de datos, descarga en Internet 's informe completo: Calidad de Datos en Digital Analytics: la tecla del 5 Dimensiones.

Este artículo fue elaborado en colaboración con AT Internet . Haga clic aquí para leer las pautas de contenido colaborativo de ClickZ.