Toma de decisiones basada en datos
Data-Driven Decision Making
¿Qué es la toma de decisiones basada en datos?
- Decidir con datos, no con la intuición
- Superar el HiPPO (opinión de la persona de mayor jerarquía)
- La mentalidad central de la DX
Cuando la toma de decisiones basada en datos se afianza, cambia la forma en que se habla en las reuniones. La afirmación «en mi experiencia, creo que este banner va a funcionar mejor» se convierte en «en las últimas cuatro semanas, las tasas de clic fueron de 1.2% y 2.7%, y si consideramos hasta el pago, la diferencia se reduce a 0.4 puntos porcentuales». El cambio más importante es que las decisiones quedan registradas. Si se anota al menos una línea con los números en que se basó cada elección y el motivo, cuando tres meses después el resultado sea malo, en lugar de discutir de quién fue la culpa, se puede revisar qué supuesto resultó equivocado. La velocidad con que una organización aprende de sus fracasos suele depender de esto.
En la práctica, primero hay que separar la naturaleza de la decisión. Las decisiones reversibles (el asunto de un correo, el texto de una guía de envío, el monto de un cupón) se resuelven más rápido con una prueba que con una reunión. Las decisiones irreversibles (retirarse de un negocio, invertir miles de millones en equipos) conviene tratarlas así: usar datos para reducir las opciones a dos o tres, y dejar el último paso al criterio de la dirección. La prueba A/B también tiene condiciones. Si los visitantes semanales son del orden de miles, una diferencia de 1 a 2 puntos porcentuales no es estadísticamente distinguible: conviene esperar de 3 a 4 semanas a que se acumule la muestra, o reemplazarla por entrevistas con clientes. Además, los indicadores deben mirarse en pares: los rezagados, como ventas o tasa de cancelación, junto con los adelantados, como el número de usos en las primeras dos semanas. Si de antemano se separa el ámbito que decide el dato (data-driven) del que solo lo toma como referencia (data-informed), se reducen las discusiones innecesarias.
En la práctica, cuatro desvíos son los más frecuentes. Primero, tener 30 dashboards y solo cinco personas que entran al mes: se hizo un informe, pero no se cambió la decisión. Segundo, leer correlación como causalidad. Si se concluye que « los clientes que usaron cupón recompran más » y se reparte el cupón a todos, se da descuento a quienes ya iban a comprar y el margen se reduce. Tercero, cuando el indicador se convierte en objetivo, se deforma. Si se fija la cantidad de consultas como KPI, aparecen llamadas de tres minutos que se parten en dos. Cuarto, « hay que sacar más datos » se usa como escudo para evitar decidir. La toma de decisiones basada en datos no consiste en postergar la decisión, sino en equivocarse en pequeño y corregir rápido.
Jaryong KooDoctor en marketing y referente en análisis de datos con IA y en marca personal
John KimAutor de «Diseño de marketing B2B» y CEO de Nanum ConsultoríaEs un modo de gestión que surgió con el desarrollo del big data y las tecnologías de análisis, y se destaca como una cultura central de la transformación digital (DX).
Veamos un caso hipotético. La empresa A vende suplementos alimenticios en línea; tiene 90 colaboradores y ventas anuales de KRW 42,000,000,000 (≈ US$31,435,700). La tasa de recompra bajó del 38% al 26% en dos años, pero en la reunión semanal solo se repetían frases como « por la situación económica » o « porque la competencia aplica descuentos fuertes ». El director pidió encontrar la causa con números en tres meses.
- Al dividir el historial de compras por cohortes mensuales, el líder de CRM encontró que los clientes que volvieron a comprar dentro de los 45 días posteriores a su primera compra tenían una retención a un año del 61%, frente al 14% de quienes superaron ese plazo. «No era la economía, eran los 45 días.»
- El equipo de marketing dividió al azar a 12,000 clientes de primera compra en dos grupos iguales y, durante cuatro semanas, realizó una prueba A/B que envió un recordatorio de toma del producto el día 30. Empezó solo con un mensaje informativo, sin cupón.
- El resultado fue una tasa de recompra del 19.4% en el grupo de envío y del 15.1% en el grupo de control, es decir, una diferencia de 4.3 puntos porcentuales. Por separado, el grupo con un cupón de KRW 3,000 (≈ US$2) tuvo una tasa de recompra 0.6 puntos porcentuales más alta, pero su ticket promedio fue KRW 8,200 (≈ US$6) menor, por lo que la opción del cupón se descartó.
- El líder de CS se opuso diciendo «si aumentamos los mensajes, se disparan las bajas», pero en cuatro semanas la tasa de rechazo solo subió de 0.7% a 0.9%, es decir, 0.2 puntos porcentuales. Tras revisar los números, el líder de CS fue el primero en aprobar la aplicación en toda la empresa.
- Seis meses después, la tasa de recompra subió de 26% a 33% y las ventas mensuales aumentaron unos KRW 180,000,000 (≈ US$134,700). Según el director, el cambio más grande es que la primera pregunta en la reunión pasó a ser « ¿de qué cohorte es este número? ».