Caso de éxito: Cómo hacer un análisis de marketing avanzado utilizando Excel

En este artículo revisaremos un caso de éxito de análisis de datos en una tienda de ropa

Este artículo es en colaboración con The Marketing Guy (http://www.themarketingguy.es), una consultora de marketing especializada en customer science & user experience. TMG nos ha facilitado los datos de un caso real que nos sirva para explicar cómo hacer un análisis de marketing avanzado utilizando Excel.

Este ejemplo busca profundizar en la parte más técnica del análisis de datos para un estudio del comportamiento del consumidor en una tienda de venta de ropa.

Paso 1: conseguir los datos

Lo primero necesario es conseguir los datos, y conseguirlos en un formato adecuado y estructurado. En muchas ocasiones el primer paso es trabajar los datos para limpiar aquellos erróneos, ya sea por formato o cualquier otro de los problemas que vimos en los 7 pecados capitales de la coherencia de datos.

En este caso la gente de The Marketing Guy ha tenido a bien darnos un Excel muy bien estructurado y que no ha necesitado ningún tratamiento. Este fichero, integraba datos de visita, contacto, y compra del consumidor en tienda, obtenidos mediante sistemas de monitorización, captación y digitalización de la división de Customer Science de The Marketing Guy.

Paso 2: Análisis descriptivo

La muestra que nos ha pasado se centraba en la cantidad de ventas realizadas y la visitas a la tienda. Esto permite calcular el porcentaje de gente que ha comprado. Esas 2 variables, nº de clientes y % de compra son en las que centraremos el análisis.

Así que lo primero que hago es usar la herramienta “Análisis de datos” en la pestaña Datos y aplico la “estadística descriptiva” sobre la variable “% de compra” obteniendo el siguiente resultado:

Lo más interesante de este análisis es la media y la desviación estándar. Vemos una desviación típica relativa bastante alta, lo cual nos hace querer profundizar en los motivos de esta variabilidad.

Para ver la estabilidad a lo largo de las semanas, hemos decidido usar un diagrama box-plot (también llamado de cajas y bigotes) para poder ver en mismo gráfico los promedios y la variabilidad.

Aquí podemos ver que la variabilidad es bastante constante entre semanas. También observamos que algo ha pasado en la semana 2 que ha sido netamente inferior a las otras en todos los cuartiles en probabilidad de compra. Es cierto que solo 3 semanas de datos son insuficientes para que los resultados sean significativos, pero desde luego son ilustrativos de la manera de visualizar teniendo en cuenta la variabilidad.

Otro uso que podemos darle a los diagramas Box-Plot es para graficar el nº de compradores por día de la semana. De esta manera podriamos adaptar recursos y procesos a estos datos. Los podemos ver a continuación:

Cómo podemos ver, los resultados en los días centrales de la semana son bastante estables mientras los días de más venta se dispara tanto la media cómo la dispersión de los datos.

A la vista de estos datos, nuestra recomendación sería hacer un análisis de correlación multivariable con otras variables para tratar de buscar explicación a esta variabilidad.

También si tuviéramos un set de datos más completo (de años de datos) podríamos hacer un estudio de la estacionalidad para ver el grado de influencia.

Paso 3: Análisis de probabilidad

Una de las cuestiones que más interesaban al cliente era la probabilidad de que el cliente compre. En la fase descriptiva ya vimos la variabilidad existente. En este apartado vamos a centrarnos en la probabilidad de que una serie de clientes NO compre.

En este gráfico vemos la distribución de probabilidad de “Nº de clientes consecutivos que no compran”. Esta información la podemos utilizar, por ejemplo, para saber si una “mala racha” de clientes que no compran pueden considerarse normales.

Por ejemplo, tras un cambio de escaparate, verificar cuantos clientes entran. Si pasan de 10 sin comprar, significará que algo extraño está sucediendo. Observa que la posibilidad de que esto sucede con la distribución de probabilidad dada, sería muy improbable.

Para calcular los valores de este gráfico, hemos utilizado la función DISTR.BINOMIAL.N ya que las probabilidades se limitan a 2 casos: o el cliente compra o no compra:

En esta fórmula, los nº de éxitos buscados son 0, en la celda J21 está el número de clientes consecutivos (el eje X del gráfico anterior). En la celda J3 está la media del % de compra y en la J4 está la desviación típica. Le hemos sumado la desviación típica a la media para elegir una situación más pesimista, teniendo en cuenta la variabilidad.

Conclusiones

Con unas pocas herramientas en Excel, hemos conseguido hacer un análisis bastante avanzado sobre algunas variables de este estudio de marketing. Estos datos pueden ser utilizados para tomar decisiones informadas y mejorar los resultados de la empresa. En esto los grandes expertos son la gente de The Marketing Guy. Nosotros hemos intentado darle un enfoque más técnico.

Obviamente, podrían sacarse más conclusiones analizando otras variables. Hemos intentado hacer uso de algunas funciones distintas de los clásicos medias y tendencias. Espero que sirva cómo ejemplo de cómo hacer un análisis de marketing avanzado utilizando Excel.

Para poder hacer análisis más avanzados, sería interesante tener más datos. Espero que podamos tener un ejemplo próximamente para otro artículo.