A veces, invertir en esfuerzos para llegar a audiencias específicas puede parecer una gran apuesta, con las probabilidades en contra.

Aquí está usted, encargado de realizar interesantes compras de medios, y se encuentra con que hay literalmente miles de proveedores de datos que le dicen que utilizar sus conocimientos le permitirá encontrar a la audiencia perfecta. Pero, ¿cuál es la mejor opción?

Suponiendo que no dispongas de tiempo o dinero suficientes para probarlos todos, aquí tienes 10 preguntas que debes hacerte antes de comprar datos.

1. ¿Reflejan los datos a compradores reales o son meros parecidos?

La forma en que alguien se comunica con el censo de Estados Unidos cada 10 años dista mucho de ofrecer una imagen completa de lo leal que es esa persona como consumidor.

Los datos deben reflejar a los consumidores que han comprado el producto o servicio anunciado o han realizado una acción que podría instigar una compra; el conjunto de datos no debe limitarse a representar un estereotipo de personas que "probablemente" reaccionarán a su anuncio por su edad, sexo o ingresos.

Ponga a prueba un conjunto de datos para llegar a algo más que un segmento demográfico heredado, como "mujeres de 18 a 54 años". Averigüe si ese conjunto de datos mide realmente el comportamiento pasado de los consumidores.

Quiere llegar a un consumidor real de su producto o servicio, no sólo a alguien que se le parece.

2. ¿De dónde proceden los datos (y desde cuándo)?

Con demasiada frecuencia, los profesionales del marketing desconocen el origen de los conjuntos de datos que utilizan. Hay innumerables razones para saber de dónde proceden los datos, entre ellas cuestiones de privacidad o responsabilidad que pueden tener consecuencias para la persona que compra los datos.

Pero conocer la fuente de los datos también es importante en aras de la coherencia. ¿Se han utilizado las mismas fuentes el año pasado? Si no es así, corre el riesgo de obtener resultados diferentes en años distintos y no tener forma de entender realmente qué ha funcionado y qué no.

Si un vendedor no revela el origen de sus datos, es probable que haya una razón... y probablemente no sea en su beneficio.

3. ¿Cómo sabe que sus datos son representativos (inteligentes) y no sólo grandes?

Es crucial asegurarse de que sus datos son realmente representativos del consumidor al que espera llegar.

Piense en los datos sobre ventas de bienes de consumo envasados (BPC); es un ejemplo de un conjunto de datos del sector que ya está a disposición de los profesionales del marketing digital. Si está utilizando datos de ventas minoristas para priorizar qué hogares verán sus anuncios, tendrá que estar completamente seguro de que el conjunto de datos que está utilizando tiene en cuenta las compras realizadas en todos los puntos de venta, no solo en tiendas de comestibles, grandes superficies o tiendas de conveniencia.

Sigamos con el ejemplo de los bienes de consumo: Imagine que comercializa papel higiénico. Puede parecer obvio utilizar datos de ventas offline para crear audiencias de marketing de precisión que vean su campaña digital. Pero, ¿y si esos datos se obtienen sólo de un conjunto de datos de ventas offline de comestibles? Pasaría por alto a todos los consumidores potenciales que compran papel higiénico en grandes superficies o tiendas de conveniencia. Si sus datos no son representativos de todos los puntos de venta en los que se compra papel higiénico, su estrategia de segmentación pasará por alto a determinados clientes y subestimará las ventas incrementales totales realizadas en esos lugares.

Por último, conviene confirmar que todos los conjuntos de datos están vinculados (para el hogar o la persona a la que se sirven los medios de comunicación). Si los conjuntos de datos no pueden "verse" entre sí, es lo mismo que tener un único conjunto de datos. La mezcla de conjuntos de datos es una de las principales diferencias entre datos "grandes" e "inteligentes".

4. ¿Con qué frecuencia se actualizan sus fuentes?

Algunos datos envejecen rápidamente: Los mercados pueden ser volátiles y la actitud de los consumidores puede cambiar rápidamente. Es especialmente importante tener en cuenta la frecuencia con la que se actualiza la fuente de datos si la categoría es propensa a fuertes oscilaciones estacionales, retiradas frecuentes, tendencias dispares en función de la geografía o problemas de disponibilidad.

5. ¿Qué control tiene de sus fuentes?

Desconfíe de los conjuntos de datos que van y vienen. No es infrecuente que se creen nuevos datos y que merezca la pena dejar marchar los antiguos, pero sí lo es que puedas elegir sobre ellos. Busca la fuente y asegúrate de que no se evaporen sin tu consentimiento.

6. ¿Sus datos se refieren a los individuos o al total del hogar?

Cada comercializador tiene objetivos diferentes. Es probable que los anunciantes de telecomunicaciones estén más interesados en el perfil de un individuo, mientras que los vendedores de bienes de consumo pueden considerar el comportamiento de compra en términos de hogares. En cualquier caso, hay que asegurarse de que los datos ofrezcan una imagen completa de quién podría comprar el producto y si ya lo ha comprado.

7. ¿A qué nivel de granularidad puede llegar?

Comprender la granularidad de un conjunto de datos de compras es crucial para entender su utilidad.

Consideremos el ejemplo de los datos a nivel de SKU frente a UPC. Los datos SKU (abreviatura de "stock keeping unit", unidad de mantenimiento de existencias) no diferencian entre una marca y una submarca. Los datos UPC distinguen entre productos relacionados.

8. ¿De cuánto historial dispone para los datos (ya sean familiares o individuales)?

Los datos históricos sólidos son necesarios para cualquier comercializador que intente superar los retos de la estacionalidad o comprender las macrotendencias del mercado que pueden ir produciéndose lentamente con el paso del tiempo. Los nuevos empleos, los hijos, el matrimonio y otras infinitas posibilidades también afectan a cómo y si los consumidores compran un producto.

También es importante controlar los datos a lo largo del tiempo para determinar si un comportamiento es realmente nuevo o sólo aparece episódicamente.

9. ¿Dónde y cómo pueden activarse los datos?

Comprenda de antemano qué limitaciones existen a la hora de activar un conjunto de datos concreto. Asegúrese de conocer los lugares y casos de uso específicos en los que los datos pueden o no aplicarse.

10. ¿Cuál es la respuesta o reacción típica ante los datos?

Las normas y los puntos de referencia son fundamentales. Aunque no parezca justo pedir esto a todos los conjuntos de datos, es necesario preguntar por los resultados disponibles. Los estudios de casos y las pruebas de cualquier tipo deben estar disponibles para demostrar que no eres la primera persona que da una vuelta en coche.

He aquí las principales conclusiones:

• No todos los conjuntos de datos son iguales. Sepa qué preguntas debe hacerse antes de invertir en fuentes de datos de nivel empresarial.
• No utilice conjuntos de datos de empresas que no compartan sus fuentes o métodos de recopilación.
• Los macrodatos pueden ser engañosos si no son datos inteligentes (afinados por conjuntos de datos más pequeños y equilibrados).
• La recopilación histórica, la granularidad de los datos y la representatividad de un conjunto de datos afectan tanto a la eficacia como al coste, no sólo al coste.

Este artículo se publicó originalmente en www.marketingprofs.com.