Aprovechar el pulso del advertising con visualización de datos



Únase a los ejecutivos del 26 al 28 de julio para la semana AI & Edge de Rework. Escuche a los principales líderes discutir temas relacionados con la tecnología AL/ML, IA conversacional, IVA, NLP, Edge y más. Reserva tu pase free of charge ahora!


Es possible que haya escuchado la frase «una imagen vale más que mil palabras». Lo que quizás no sepa es que, según el contexto, esto puede ser una declaración algo engañosa.

Escúchanos. El cerebro humano está programado para ingerir imágenes 60.000 veces más rápido que el texto, teniendo en cuenta 90% de que la información que procesamos cada día sea visible. Estos números son un caso convincente de por qué una imagen merece un poco más de crédito que mil palabras.

Pero no mencionamos un proverbio centenario para criticar sus deficiencias estadísticas. En cambio, queríamos resaltar cómo el sentimiento detrás de la frase nunca ha sido más apropiado para los especialistas en advertising que deben mantenerse a flote en un mar de datos sin procesar en expansión cada día que pasa.

Refinar datos sin procesar con visualización

Clive Humby estaba en lo cierto cuando propuso los datos como el nuevo aceite a sus compañeros ejecutivos de C-suite en la cumbre Grasp of Advertising de la Affiliation of Nationwide Advertisers (ANA) de 2006. Una década y media después, su predicción se cumplió cuando fecha reemplazó por completo la introspección y las conjeturas como base para el éxito del advertising.

Sin embargo, lo que hace que la previsión de Humby sea verdaderamente impresionante no es el eventual ascenso de los datos como rey de la publicidad. Es más el hecho de que los datos, al igual que los crudos, son prácticamente inútiles en su forma más cruda.

Para elaborar, el aceite pasa por un proceso de refinación antes de llegar a las bombas. Lo mismo ocurre con los datos en bruto. Necesita contextualizarse y debe dividirse primero en algo más estructurado y, en última instancia, procesable.

Aquí es donde visualización entrar en la imagen. Una vez que los conjuntos de datos se han limpiado y estandarizado, la visualización se presenta como el último paso crítico del proceso de refinación para remodelarlos en gráficos inteligibles que muestren información procesable en pantalla completa.

Aprovechar el poder de la visualización de datos

Tómese un segundo para absorber el contraste entre la izquierda y la derecha. La diferencia debería ser bastante marcada a menos que seas un cerebro matemático secreto.

En serio, a los ojos de un Joe promedio, la tabla de la izquierda parece una mezcla aleatoria de números que no dicen nada sustantivo. Por otro lado, los diagramas de dispersión dejan en claro la correlación positiva que une las variables desde el principio.

Ese es el poder de la visualización. Aprovecha la capacidad de desbloquear patrones ocultos, lo que hace posible conectar los puntos entre puntos de datos sin sentido a la vez. Para los especialistas en advertising que deben hacer preguntas complejas repetidamente, como qué embudos de adquisición conducen a la conversión, a qué hora del día son los prospectos más activos y similares, la visualización puede ayudar a eliminar la pila de datos sin procesar que se interponen en el camino para obtener respuestas a esas preguntas.

¿Y la mejor parte? La visualización no conoce fronteras. Ya sea que se trate de su equipo, los miembros de la junta o las partes interesadas externas, la presentación de los datos a través de gráficos prepara incluso los conjuntos de datos más aburridos para que se procesen y utilicen fácilmente, independientemente de quién esté en el extremo receptor.

Elegir los gráficos adecuados para la visualización de datos

Tan maravillosa como es la visualización de datos, averiguar qué tipo de ayuda visible representaría mejor el conjunto de datos puede ser complicado. E ir con una elección subóptima difícilmente es una opción cuando hacerlo conlleva el riesgo de confusión o, peor aún, de mala interpretación.

Gracias al Dr. Andrew Abela, quien presentó un amplio diagrama al elegir el gráfico correcto para diferentes tipos de datos, la elección de un elemento visible se puede resumir en cuatro criterios básicos:

  • comparación. Dibujar una comparación entre conjuntos de datos durante un período específico para identificar los máximos y mínimos.
    • Por ejemplo, desglose del tráfico del sitio net por fuente.
  • relación. Establecer una correlación para ver si las variables dadas se influyen positiva o negativamente entre sí.
    • Por ejemplo, la influencia regional en el crecimiento de las ventas.
  • Distribución. Medir el rango de un conjunto de datos para comprender mejor cómo interactúan las variables mientras se verifican los valores atípicos.
    • Por ejemplo, la fluctuación en la tasa de conversión de prospectos mensual promedio a lo largo de un año fiscal.
  • Composición. Trazar cómo las partes individuales forman un todo para crear jerarquías dentro de un conjunto de datos determinado.
    • Por ejemplo, desglose de los gastos de advertising por prioridades estratégicas.

Con estos criterios en mente, use la siguiente descripción basic como pautas adicionales para seleccionar la ayuda visible que mejor se adapte a sus necesidades:

gráfico de columnas

El gráfico de columnas se refiere a una visualización gráfica en la que las barras verticales, la altura de cada una proporcional a la categoría que representa, se ejecutan horizontalmente en el gráfico.

Nueve de cada diez veces, un gráfico de columnas funcionará si está buscando una comparación en paralelo de 10 elementos o menos.

Ejemplo de gráfico de columnas

Gráfico de linea

¿Qué sucede si tiene más de diez conjuntos de datos para apilarlos contra otro? El gráfico de líneas es su mejor apuesta.

A diferencia del gráfico de columnas, el gráfico de líneas ejecuta una línea a través de una serie de puntos.

Si bien es mejor conocido por resaltar los altibajos en varios puntos de datos, el gráfico de líneas también puede comparar de manera efectiva las tendencias entre diferentes métricas trazando varias líneas en un solo gráfico.

Ejemplo de gráfico de líneas

gráfico de dispersión

Un diagrama de dispersión se trata de mapear la correlación entre dos conjuntos de datos. También conocido como diagrama de causa y efecto, un diagrama de dispersión puede ayudarlo a ver si una variable determinada influye en la otra y en qué dirección (positiva o negativa) se dirige la correlación.

Ejemplo de diagrama de dispersión

Gráfico round

El gráfico round se utiliza para tratar con variables categóricas para ver cómo se divide la cantidad complete entre ellas. Proporciona un sentido basic de la relación de parte a totalidad que resulta útil cuando desea descubrir los canales más y menos efectivos para atraer visitantes a su sitio net.

Ejemplo de gráfico round

nube de palabras

Quizás la última incorporación a la pila de visualización de datos, una nube de palabras se refiere a un grupo de palabras que se muestran en diferentes colores y tamaños. Es una herramienta ingeniosa para visualizar cómo piensa la audiencia sobre un tema determinado y descubrir las mejores y peores palabras clave en lo que respecta a la generación de tráfico.

Ejemplo de nube de palabras

Avanzando con la visualización de datos

Todo dicho y hecho, la visualización es el presente y el futuro de la analítica de advertising. La buena noticia es que, con todo lo que ha visto y leído hasta ahora, está listo para aprovechar al máximo la visualización.

Pero si hay algo que espero que hayas aprendido de este artículo, es que las imágenes hablan mucho más que las palabras. Es hora de tomar sus datos de advertising visible.

Sophie Eom es cofundadora y directora ejecutiva de adriel.com.

Tomadores de decisiones de datos

¡Bienvenido a la comunidad VentureBeat!

DataDecisionMakers es donde los expertos, incluidos los técnicos que trabajan con datos, pueden compartir información e innovación relacionadas con los datos.

Si desea leer sobre concepts de vanguardia e información actualizada, mejores prácticas y el futuro de los datos y la tecnología de datos, únase a nosotros en DataDecisionMakers.

Incluso podrías considerar contribuyendo con un artículo ¡tuyo!

Leer más de DataDecisionMakers