Google Big Query para Marketeros: ¡Conoce el nuevo almacén de datos de Google!

Las hojas de cálculo son sumamente eficaces porque, una vez que se capturan los datos sin procesar, se pueden usar para crear rápidamente cálculos básicos, tablas dinámicas y visualizaciones con muy poco contenido técnico.

Sin embargo, a medida que las necesidades de análisis de datos se vuelven más complejas, las hojas de cálculo rápidamente comienzan a quedarse sin utilidad. El análisis de datos ad-hoc requiere un conjunto completamente nuevo de capacidades técnicas subyacentes. Sin embargo, nuevas herramientas como Google BigQuery han eliminado en gran medida esa complejidad y las barreras de costo/tiempo relacionadas con la implementación.

Con BigQuery, los especialistas en marketing pueden migrar rápidamente de las hojas de cálculo a herramientas de inteligencia empresarial completas como Tableau, Looker, QlikView y Google Data Studio para convertir fácilmente datos sin procesar en ideas/insights procesables.

En este artículo, te brindaremos una breve introducción a Google BigQuery, incluidos algunos casos esenciales de su uso para el análisis de datos de marketing. Sin embargo, antes de hacerlo, te presentaremos rápidamente algunos de los escenarios clave en los que el uso de este almacén de datos podría funcionar mejor:




¿Qué pueden hacer los marketeros con Google BigQuery?


Arrasa con grandes cantidades de información

Un almacén de datos como BigQuery tiene la oportunidad de lucirse cuando se trabaja con conjuntos de datos que tienen una gran cantidad de filas con múltiples columnas y donde los datos se actualizan con mucha frecuencia. La arquitectura técnica altamente optimizada de BigQuery permite un análisis rápido incluso de conjuntos de datos a escala de terabytes.

Combina datos de múltiples fuentes

Con la proliferación de herramientas tecnológicas de marketing, los especialistas ahora tienen grandes cantidades de datos almacenados en múltiples plataformas. Sin embargo, solo cuando estos datos se reúnan y se combinen en un solo lugar, se tendrá una única fuente de verdad. Desde los datos publicitarios hasta los datos de análisis web, podrás ingresar todo  en un único almacén de datos.

Accede a todo tu historial de datos

Varias plataformas de marketing tienen límites en la cantidad de historial de datos a los que se puede acceder.

Por ejemplo, Google Search Console ofrece seis meses de historial dentro de su interfaz nativa, pero con aplicaciones integradas sobre su API, así como con Supermetrics para Google Sheets y Supermetrics para Data Studio, puedes aumentar esto hasta 16 meses de historial de datos. Pero con un almacén de datos, puedes almacenar todos los diferentes historiales de todas tus plataformas de marketing para que nunca se te pierdan, brindándote un gran depósito para analizar y recopilar información.

Automatiza las actualizaciones de datos

Los informes y análisis creados con hojas de cálculo generalmente se basan en capturas de datos que deben actualizarse manualmente. Con un almacén de datos como BigQuery, estas capturas se pueden actualizar automáticamente a intervalos regulares utilizando conexiones API a sistemas de fondo. Este es un requisito importante cuando se trabaja con paneles que necesitan mostrar automáticamente los datos más recientes.

Realiza análisis de datos ad-hoc

Las ideas verdaderamente significativas casi siempre requieren segmentación y fragmentación arbitraria de datos. Es un requisito común poder crear métricas y dimensiones personalizadas que no están presentes en los datos originales, pero que se derivan de los campos primarios. Ejecutar informes utilizando entradas parametrizadas, mostrar visualizaciones basadas en filtros complejos y crear grupos jerárquicos de dimensiones, son tareas rutinarias de análisis que se pueden implementar fácilmente conectando BigQuery a una herramienta de análisis/visualización de datos.

Estos son solo algunos de los escenarios en los que algo como BigQuery podría funcionar mejor que las hojas de cálculo. Un enfoque más competente para implementar tareas de análisis tan complejas es seguir una arquitectura conceptual, como veremos a continuación:




Análisis de datos basado en BigQuery:

desde la perspectiva del marketing


El análisis y la presentación de informes de datos de marketing implica los siguientes 4 componentes:
  • Almacenamiento de datos: un lugar para almacenar y organizar los datos.
  • Conectividad: una forma de enviar datos de los sistemas de origen al almacén de datos.
  • Generador de informes: una herramienta interactiva de análisis de datos que pueda conectarse al almacén de datos y crear informes de análisis.
  • Tableros en línea: una herramienta de tablero donde los informes creados en el Paso 3 se puedan publicar y compartir.

BigQuery es la solución de Google para la necesidad de almacenamiento de datos presentada anteriormente. Estamos frente a un almacén de datos altamente escalable y rentable que está especialmente diseñado para proporcionar almacenamiento y consultas de grandes conjuntos de datos. El componente de conectividad anteriormente expuesto viene en forma de conectores preconstruidos para Google BigQuery y un número creciente de proveedores está creando adaptadores que puedan alimentar automáticamente los datos en BigQuery. Las capacidades del Generador de informes y del tablero se pueden implementar con una serie de herramientas que incluyen Tableau, Looker, PowerBI y Google Data Studio.

Observa aquí que los componentes anteriores son en su mayoría plug-and-play y basados en la nube, que necesitan pocos o casi nulos esfuerzos tecnológicos en la configuración inicial y muy pocos (o casi nulos) gastos de capital.



Comienza tu prueba gratuita de Supermetrics para BigQuery

¡Quiero probar Supermetrics!



Poniendo en práctica a BigQuery:

4 casos de uso dentro del marketing


Ahora que tenemos una comprensión básica de lo que es Google BigQuery y los desafíos generales que aborda, veamos algunos casos de uso específicos para comprender mejor su propuesta de valor para los especialistas en marketing digital en comparación con un análisis de datos basado en una hoja de cálculo.

 

1. Análisis profundo de las campañas de Facebook

Considere una gran agencia de anuncios de Facebook que busca optimizar la inversión publicitaria para un gran cliente multinacional. La compañía ejecuta múltiples campañas de prospección y reorientación en la plataforma de Facebook y en Facebook Network de forma más amplia y tiene los siguientes requisitos especiales de análisis:

 

  • Identificar el grupo de audiencia que se desempeña mejor de manera consistente para métricas CTR, CPC, CPA y CPM durante un período de tiempo establecido.
  • ¿En qué porcentaje de audiencia similar (1%, 2%, etc.) el desempeño de un grupo de audiencia se estabiliza y, por lo tanto, tiene sentido cambiar al replanteo del target desde la prospección?
  • La creación constante de contenido creativo en video para Facebook Ads es una propuesta costosa, pero se produce una degradación tangible del rendimiento cuando se utiliza el mismo contenido creativo durante mucho tiempo. ¿Cómo podemos predecir la fatiga creativa?

 

Nota que estas son solo algunas de las complejas tareas de análisis que los analistas realizan rutinariamente en las grandes agencias. Sin un acceso casi en tiempo real a los insights (algo casi imposible de hacer usando hojas de cálculo), es probable que se gasten grandes presupuestos publicitarios en campañas poco optimizadas, lo que reduce el valor para el cliente. Cuando se utiliza Google BigQuery, los datos de las campañas de Facebook se pueden extraer automáticamente a intervalos regulares. Conectar una herramienta competente como Tableau puede ayudar fácilmente a responder las preguntas anteriores.

 

2. Análisis de atribución para campañas PPC multicanal

Las grandes marcas de comercio electrónico realizan regularmente campañas integradas de PPC para la adquisición. Estos cubren múltiples canales, incluidos Facebook, AdWords, Bing Ads, por nombrar algunos. La capacidad de duplicar conversiones de varios canales es fundamental para administrar con éxito los presupuestos publicitarios para tales campañas.

Considera, por ejemplo, un usuario que primero proviene de una campaña de AdWords pero que no realiza la conversión. AdWords establecerá una cookie para este usuario y si realiza una conversión en cualquier momento en el futuro, AdWords mostrará una conversión. Ahora, considera cuando el mismo usuario también llega a través de un anuncio de Facebook y nuevamente no convierte. El usuario finalmente visita el sitio directamente después de un cierto tiempo y completa una compra. En este caso, tanto Facebook como AdWords tomarán el crédito por esta conversión, pero eso puede no ser exacto dependiendo de si utilizas la atribución de primer toque o la última.

Con Google BigQuery, será posible capturar conversiones de ambos canales junto con marcas de tiempo y luego vincularlas con una sola ID. Entonces se podría atribuir la conversión correctamente dependiendo del esquema de modelado seleccionado. Cuando se trabaja con presupuestos grandes, estos conocimientos granulares contribuyen en gran medida a garantizar que los presupuestos se asignen de la manera más optimizada.

 

3. Combinando Web Analytics con datos CRM

Comprender el comportamiento de los visitantes antes y después de la conversión es un requisito crítico para todas las empresas. Considera un prospecto que realiza múltiples visitas a un sitio web e interactúa con diferentes materiales de marketing antes de enviar un formulario para ver una demostración del producto. Antes del envío, todos los datos de comportamiento del usuario se vincularán a una identificación cookie única y anónima y se podrá enviar a Google BigQuery utilizando la API de Google Analytics (o automáticamente si se utiliza Google Analytics Premium).

Esto puede incluir puntos de datos como el número de visitas, páginas vistas por visita, clics en enlaces y elementos descargados. Una vez que se envía el formulario, este usuario también tendrá una ID de registro de CRM que podrá asociarse con su identificación cookie anónima enviándola a CRM cuando se envíe el formulario. Si el usuario proporciona el nombre de una empresa, también podría ser posible obtener otros puntos de datos, como el número de empleados, la rotación, los competidores clave, etc.

Dichos datos de CRM ahora se pueden exportar a BigQuery con la misma identificación de usuario anónima para crear registros de prospectos de alta calidad que brinden una gran cantidad de información contextual a los equipos de ventas y marketing.

 

4. Análisis del rendimiento del marketing de contenidos

Imagina tratar de analizar el rendimiento del contenido de un sitio popular de reservas de viajes que produce una gran cantidad de publicaciones que generan millones de visitas por mes. Cada elemento de contenido tiene múltiples etiquetas, como la oferta de servicios asociados principales (reservas de hotel, reservas de vuelos, paquetes vacacionales, alquileres de vacaciones), temas de contenido principal (atracciones turísticas, vida nocturna, comida, cultura local), temas de contenido por autor (vlog, días festivos temáticos, vacaciones familiares) y formatos (artículo largo, video, libro electrónico). El requisito es poder generar informes de rendimiento de contenido para una agrupación arbitraria de estas etiquetas, por ejemplo:

 

  • ¿Cuántas vistas semanales de página generó cada autor, para cada tema y dentro de una oferta de servicio en particular?
  • ¿Hay variaciones cíclicas en el consumo de contenido? Por ejemplo, ¿un tipo específico de contenido funciona mejor en ciertos meses?
  • ¿Cuál es el conteo ideal de palabras que genera la máxima participación? ¿Cómo varía según el tema, el formato y la oferta de servicios?
  • ¿Qué temas requieren menos tiempo en su producción de contenido?, pero ¿cuáles generan constantemente el máximo compromiso?

 

Como puede verse, estas son consultas complejas que deben ejecutarse en conjuntos de datos que contienen una gran cantidad de filas y dimensiones. Una herramienta como BigQuery está optimizada para generar rápidamente estos conocimientos casi sin codificación cuando se conecta con un software de análisis o visualización de datos competente.




Conclusión


A medida que aumenta el número de puntos de contacto de los clientes y escalan los presupuestos de marketing, los especialistas en marketing necesitan mayores capacidades para agregar rápidamente datos de puntos de contacto múltiples y luego convertirlos en información. Google BigQuery es un salto en esta dirección, ya que permite a los especialistas en marketing implementar marketing avanzado basado en datos con inversiones mínimas de capital, descansando en los esfuerzos tecnológicos y, lo más importante, sin la necesidad de tener amplias habilidades técnicas.



Comienza hoy tu prueba gratuita de Supermetrics para BigQuery y desbloquea analíticas potentes bajo demanda.

¡Quiero probar Supermetrics!

Do NOT follow this link or you will be banned from the site!