Analizando el estado de la gestión de datos para el comercio electrónico

Este AnalystANGLE es un análisis del estado actual de la gestión de datos en el comercio electrónico.

El artículo destaca el cambio hacia el seguimiento de datos propios a medida que las cookies de terceros se vuelven menos confiables. Destaca la importancia de desarrollar un almacén de datos para análisis profundos y recomienda utilizar plataformas de datos de clientes, o CDP, para agilizar la integración y el análisis de datos.

La discusión también aborda el equilibrio entre el uso de datos y el respeto a la privacidad del usuario, enfatizando que las marcas deben respetar los límites para mantener la confianza del consumidor. Finalmente, analiza los costos de los sistemas de datos complejos y el valor estratégico del análisis predictivo para comprender el comportamiento del consumidor.

Construyendo un ecosistema de datos sólido para el comercio electrónico

En el mundo del comercio electrónico, que cambia rápidamente y es ferozmente competitivo, nunca ha sido más importante comprender a sus clientes a través de los datos. Este es un análisis detallado de una conversación que tuve con Edward Upton, fundador y director ejecutivo de Littledata. La discusión revela la complejidad y la naturaleza esencial de construir un marco de datos sólido.

Cambiar de cookies de terceros

Hay un gran cambio en la recopilación de datos para el comercio electrónico y más allá, y la importancia del seguimiento de origen se convierte en una prioridad para todas las organizaciones a medida que las cookies de terceros se vuelven obsoletas y, en algunos casos, ilegales. La clave es recopilar datos de tal manera que, incluso si inicialmente no proporcionan identificadores personales, cuando inician sesión o realizan una compra -lo que permite una comprensión integral del comportamiento del cliente- o poder utilizar datos anonimizados para tales cosas. . como análisis de cohortes, recorrido de ventas o abandono del carrito.

Almacenamiento y análisis de datos.

Las organizaciones pequeñas pueden encontrar abrumadora la tarea de configurar un almacén de datos, pero es esencial para proteger, almacenar y analizar los datos a lo largo del tiempo. Los datos históricos juegan un papel importante en el desarrollo de modelos predictivos y la alineación de estrategias de marketing. Los almacenes de datos y lagos de datos proporcionados por Cloud SaaS, como Google BigQuery, Snowflake, Databricks, MongoDB y Amazon Redshift, son opciones populares para almacenar datos de flujo de trabajo analítico. Estos almacenes y grupos se pueden utilizar para realizar diversas transformaciones y modelos, creando «productos de datos», como motores de recomendación y análisis de cambios para ETL inverso. Más adelante se compartirá más información sobre los productos de datos.

Uso de plataformas de datos de clientes y lagos de datos

Los beneficios de utilizar un CDP comercial son significativos, especialmente para las empresas que carecen de experiencia en ingeniería de datos e ingeniería de plataformas. Estas plataformas simplifican el proceso de recopilación y uso de datos, a menudo con soporte y experiencia dedicados. Aunque plataformas poderosas como Segment ofrecen capacidades valiosas, tienen un costo mayor, lo que puede no ser inmediatamente obvio para todas las marcas de comercio electrónico.

Innovaciones recientes, como el anuncio de Twilio Segment Delta en la Cumbre Databricks Data + AI, facilitan la realización de operaciones de datos complejas que requieren un entorno de ciencia de datos. Esto se puede lograr transfiriendo datos del CDP a lagos de datos, lo que puede ser necesario para algunos casos de uso, como la creación de un motor de recomendación.

En el campo de la IA en rápida evolución, tener acceso a los datos sin procesar en su almacén de datos es fundamental para implementar la IA de manera efectiva. Esto es especialmente importante para el análisis predictivo, que puede ayudar a las marcas de comercio electrónico a comprender e influir estratégicamente en el comportamiento de los clientes.

Consideraciones de privacidad

Debe haber un equilibrio entre el uso de los datos y el respeto a la privacidad. El uso de datos demográficos para marketing dirigido tiene el potencial de volverse escandaloso y las marcas deben mantener límites éticos para mantener la confianza del consumidor. Aunque combinar el seguimiento propio con listados e información de terceros puede ayudar a proporcionar una visión completa del cliente, también conlleva la responsabilidad de mantener esos datos privados y seguros.

Estados Unidos va a la zaga de Europa en la capacidad de los individuos para controlar sus datos. Los dos mercados difieren en sus expectativas sobre la privacidad de los datos. Las organizaciones que operan en múltiples ubicaciones enfrentan una elección difícil: tener políticas de privacidad de datos separadas para cada ubicación o adoptar la política más estricta y desarrollar productos de datos en consecuencia.

Nuestro ÁNGULO

El camino hacia un ecosistema de datos maduro puede resultar complejo. Las recompensas en términos de conocimiento de los clientes y crecimiento empresarial pueden ser significativas. Al centrarse en la recopilación de datos, utilizar las herramientas adecuadas y mantener un equilibrio entre el uso de datos y la privacidad, las marcas de comercio electrónico pueden construir una base de datos para el éxito.

A continuación se ofrecen algunos consejos prácticos para las marcas de comercio electrónico que buscan hacer crecer sus prácticas de datos:

1. Considere metodologías de seguimiento y recopilación de datos propias, no solo Google Analytics.
2. Considere asociarse con un CDP empaquetado para simplificar los canales de datos y análisis. Utilice esto para saber qué datos son importantes para los resultados de su organización y qué productos de datos puede y no puede crear.
3. Sea consciente de los costos de transacción y del crecimiento de sus soluciones de datos.
4. Manténgase informado sobre las normas de privacidad de datos para evitar fuertes multas y proteger la confianza del cliente.

Esta nota de investigación se basa en investigaciones propias, comunicaciones de organizaciones de usuarios finales y una conversación entre Rob Strechay y Edward Upton.

Rob Strechay es un analista con una combinación única de experiencia en productos, ingeniería, marketing, ventas y operaciones. Ha ocupado puestos ejecutivos senior en nuevas empresas y organizaciones Fortune 500. Equipos líderes a nivel mundial que entregan, comercializan y venden productos en las áreas de nube, software como servicio, proveedores de servicios administrados, almacenamiento, administración de aplicaciones, recuperación ante desastres, redes, análisis, operaciones y administración de infraestructura.

Divulgación: CUBE Research es una empresa de servicios de investigación y consultoría que ha participado o ha participado en servicios de investigación, análisis y consultoría con muchas empresas de tecnología, que pueden incluir las descritas en este artículo. El autor no verifica ninguna posición accionaria con ninguna de las empresas mencionadas en este artículo. Se expresaron análisis y opiniones.Estos son específicos del analista individual, y los datos y otra información que pueda haberse proporcionado para su aprobación no son los de CUBE Research o SiliconANGLE Media en su conjunto.

Foto: Adobe Stock