Los cuatro tipos de analítica de marketing: descriptiva, diagnóstica, predictiva y prescriptiva
La analítica de marketing no es una sola cosa: son cuatro capas de sofisticación creciente. Qué responde cada tipo, cuándo la necesitás y qué necesitás antes.
Los cuatro tipos de analítica de marketing: descriptiva, diagnóstica, predictiva y prescriptiva
La analítica de marketing suele discutirse como una sola cosa. Son cuatro, cada una respondiendo una pregunta distinta y requiriendo una madurez de datos diferente para ejecutarse bien. Entender la progresión te ayuda a saber qué construir después.
Analítica descriptiva: ¿qué pasó?
La analítica descriptiva te dice qué ocurrió. Vistas de página. Tasas de conversión. Aperturas de email. Ingresos por canal. Es la capa de panel — los números que te dicen si las cosas van más o menos como se esperaba.
Aquí es donde viven la mayoría de los equipos de marketing. Tienen analítica descriptiva y se detienen ahí. La analítica descriptiva te dice el qué. No te dice el porqué, el qué pasaría si, ni el qué sigue. Es necesaria pero insuficiente — los cimientos de una casa que todavía necesita paredes y techo.
La analítica descriptiva requiere: recolección de datos limpia, definiciones de métricas consistentes y una cadencia de reportes. La mayoría de los equipos tienen al menos una versión de esto, aunque sea desordenada.
Analítica diagnóstica: ¿por qué pasó?
La analítica diagnóstica explica qué hizo moverse a los números. El tráfico bajó 30% — la analítica diagnóstica te dice que fue porque Google actualizó su algoritmo y tus tres páginas mejor posicionadas perdieron posiciones, no porque tu contenido de repente empeoró.
Esto requiere pensamiento analítico más que tecnología analítica. Alguien tiene que mirar los números, formar hipótesis sobre qué los impulsó e investigar. Las herramientas ayudan (segmentación, drill-down, análisis de cohortes), pero el análisis en sí es trabajo humano. El software no puede preguntar "¿por qué?" — solo puede responder cuando vos lo hacés.
La analítica diagnóstica requiere: analítica descriptiva como base, más el tiempo y la habilidad para investigar anomalías en lugar de solo reportarlas.
Analítica predictiva: ¿qué va a pasar?
La analítica predictiva pronostica resultados futuros a partir de patrones históricos. ¿Qué leads tienen más chances de convertir? ¿Cómo se va a ver el ingreso del próximo trimestre si las tendencias actuales continúan? ¿Qué clientes están en riesgo de churn?
La analítica predictiva usa modelos estadísticos y machine learning para encontrar patrones en datos históricos y proyectarlos hacia adelante. La calidad de la predicción depende enteramente de la calidad y cantidad de los datos históricos. "Basura entra, basura sale" aplica aquí con precisión matemática.
La analítica predictiva requiere: datos históricos sustanciales (típicamente al menos miles de observaciones), infraestructura de datos limpia, y o capacidad analítica interna o una herramienta que empaquete el modelado en una interfaz accesible. Aquí es donde la mayoría de los equipos de marketing pequeños y medianos chocan contra una pared — no porque la tecnología sea inaccesible, sino porque el volumen y la limpieza de los datos no son suficientes.
Analítica prescriptiva: ¿qué deberíamos hacer?
La analítica prescriptiva recomienda acciones basadas en predicciones. "Este lead tiene 78% de probabilidad de convertir — pasámelo a ventas ya." "Este anuncio probablemente se va a fatigar en 4 días — prepará un reemplazo." "Esta combinación de canales maximiza el ROAS proyectado con tu presupuesto actual."
Esta es la capa más sofisticada y la menos común en la práctica. Requiere analítica predictiva como insumo, más una capa de optimización que evalúa múltiples acciones posibles y recomienda la mejor.
La analítica prescriptiva funciona bien para problemas acotados y bien definidos con criterios de optimización claros (asignación de presupuesto, optimización de pujas, optimización del momento de envío). Funciona mal para preguntas estratégicas amplias donde las variables son numerosas, los datos escasos y la definición de "lo mejor" está en disputa.
El camino práctico
La mayoría de los equipos de marketing necesitan analítica descriptiva que sea realmente confiable (muchos la tienen pero no es confiable) y analítica diagnóstica que se realice de verdad (muchos tienen los datos pero nadie investiga las anomalías). La analítica predictiva y la prescriptiva valen la pena cuando esos cimientos son sólidos y el caso de uso específico justifica la inversión. Construir modelos predictivos sobre datos descriptivos poco confiables produce predicciones precisas, seguras y equivocadas.