Si en algo estuvimos de acuerdo mis colegas ponentes y yo en el reciente evento sobre marketing centrado en las audiencias que organizaron Audiense & Pulsar en IBM Londres, fue que los datos sociales son más efectivos para resolver el tipo de problemas complejos a los que se enfrentan los marketers cuando se combinan con datos de otras fuentes.
Durante, aproximadamente, la última década hemos visto a un buen número de especialistas en marketing digital caer en el hábito de hablar sobre audiencias dirigibles casi como si no fueran grupos de seres humanos, sino autómatas que actúan de manera vagamente predecible. Desafío a cualquier profesional del marketing que lo entienda así a que salga a calle e interactúe realmente con la gente y pronto descubrirá que están lejos de ser predecibles.
Como es de esperar, el método empleado para recopilar datos puede tener un impacto significativo en la utilidad de éstos para un propósito específico. Por ejemplo, si bien las herramientas de escucha en las redes sociales como Audiense y Pulsar son excelentes para obtener insights sobre temas y sentimientos de grandes volúmenes de conversación social y online, son menos efectivas para comprender las motivaciones y los comportamientos humanos, ya que no siempre son claros.
Del mismo modo, los datos de las encuestas son realmente buenos para definir los comportamientos de la audiencias al usar preguntas directas, pero no es posible utilizar este medio para comprender cómo la gente habla online o en redes sobre un tema, dada la gran cantidad de respuestas posibles.
En otras palabras: nadie compartió jamás un tuit que describa claramente el customer journey que ha seguido al contratar unas vacaciones, y eso es tan probable como que una encuesta pueda incluir la variedad de respuestas necesarias para cubrir toda la miríada de temas sobre los que una audiencia podría hablar online. Con esto en mente, recomiendo que cuando se quiera comprender un aspecto particular de una audiencia, los analistas consideren qué herramienta son las mejor para su objetivo.
Si bien los datos sociales y de encuestas se obtienen y se aplican mejor de forma diferente, a menudo hay superposiciones claras en los datos disponibles que pueden ayudar a corroborar los resultados. En EntSight siempre estamos interesados en identificar estos solapamientos, ya que nos ayudan a ofrecer recomendaciones mucho más verificadas que si los datos provinieran de una única fuente.
Un ejemplo de esto lo hemos vivido recientemente utilizando Audiense, cuyos insights de personalidad (proporcionados por IBM Watson) para una audiencia segmentada han quedado claramente reflejados en las percepciones expresadas por esa misma audiencia segmentada en una plataforma online de muestreo de datos. Como resultado, estamos contentos por poder presentar a nuestros clientes este atributo de la audiencia "verdad esencial" que ayudará a informar sus estrategias creativas.
Al utilizar los tres métodos descritos anteriormente, los analistas que trabajan con datos sociales y de encuestas descubrirán insights más claros y definidos, ya que después de todo los humanos son criaturas tan complejas que a veces es útil tener múltiples ángulos desde los que estudiarlos.