¿CÓMO MONETIZAR DATOS DE UNA APP?

Lo que nos enseñan cada día las grandes tecnológicas (Google, Facebook, Amazon, Apple, Netflix) es que accionando los datos que generamos por interacción con el usuario de forma correcta, tiene un potencial mayor que simplemente mejorar la experiencia de usuario.

España es el país europeo, y del mundo en 2017, con mayor penetración de smartphone con un 88% de penetración de mercado. En el camino para adaptarse a una sociedad y a un mercado que hoy en día es móvil las empresas multinacionales hacen esfuerzos por conectarse con sus clientes. Es común facilitar APPs para ofrecer un servicio complementario o facilitar la gestión de tu servicio desde un dispositivo móvil. Sin embargo, salvo que sea una app de pago por uso o transaccional (en la que se suele obtener una comisión por transacción) raramente conseguimos monetizar esos datos.

EL VALOR DE DATOS GEORREFERENCIADOS Y TEMPORALES

Pensemos en qué datos podemos sacar de una APP y para qué utilizarlos. Normalmente tenemos un email de registro que sirve como canal de contacto, los datos de navegación, que nos servirán para mejorar la experiencia de usuario y algunas apps, además, piden acceso a datos internos del teléfono como geolocalización, acceso al micrófono o a los bancos de imágenes. De estos datos la localización es el dato más potente al que podemos acceder. Si a las variables x, y de localización además sumamos la variable temporal, podemos sacar un conocimiento del usuario y del entorno suficiente para accionar estrategias basadas en datos que funcionen.

Pensemos que si un usuario pasa cierto tiempo en un centro deportivo de pádel de forma recurrente ¿no podríamos deducir que es aficionado al pádel y que es susceptible de recibir información sobre equipamiento deportivo específico? O si el usuario pasa varias noches en diferentes localizaciones de forma recurrente ¿no podríamos deducir que es una persona que viaja y que recibirá con interés información sobre seguros de viaje? ¿O sobre un seguro del hogar para su vivienda vacacional si la localización se repite y está en la costa? Indudablemente las campañas que hiciéramos tendrían mayor probabilidad de éxito.

A continuación, veremos cómo podemos extraer información de valor de la APP para poder integrarlo en nuestra estrategia data-driven a través del caso de uso de Pyramid Datalake. El Third Party Data de Datacentric que hemos usado para enriquecer y cualificar con precisión los datos de geolocalización extraídos de la aplicación.

CUALIFICACIÓN DE USUARIOS Y CONOCIMIENTO DEL ENTORNO

En este caso concreto hemos analizado la información georreferenciada histórica de un usuario en Alcobendas. Basándonos en lo que hemos comentado antes y analizando los datos hemos identificado unas localizaciones clave llamadas “keylogs”. Esas localizaciones son el lugar de trabajo, la vivienda, el colegio y el supermercado habitual.

Tras analizar el comportamiento de 24h a 8h hemos definido el domicilio o vivienda habitual del usuario. A partir de aquí hemos enriquecido el registro con información de catastro contenida en Pyramid para perfilar más al usuario a través de los datos correspondientes a su parcela donde vemos que tiene una parcela de 10.000 m2 con la vivienda principal y otro edificio de 95 m2, una piscina, una pista de tenis y una pista de pádel. A continuación, hemos añadido datos agregados de la sección censal como el nivel socioeconómico, la media de edad, la tasa de morosidad, la superficie media de las viviendas, el año medio de construcción de la vivienda y el gasto en ocio.

Con estos datos ya podemos comenzar a inferir que el usuario puede ser un potencial cliente de marcas de lujo: el usuario es de clase alta, su gasto en ocio es alto y la morosidad es baja. Además, por su vivienda, puede ser posible cliente también de productos y servicios asociados al tenis, pádel, la piscina, accesorios de jardín, sistemas de seguridad etc…

Toda la información que seamos capaces de ir añadiendo nos permitirá validar la información anterior o crear una foto más precisa del perfil de usuario para identificar necesidades u ofertas adecuadas de nuestros productos o servicios

Siguiendo con el análisis vemos que de 9h a 18h la ubicación se corresponde con la localización de la empresa AUTOCARES SANFIZ y que se trata del lugar de trabajo del usuario. Gracias a Pyramid hemos vinculado la localización de la empresa con los datos contenidos en su web. En este caso simplemente es para poder hacernos una idea de la posible profesión del individuo, pero teniendo vinculada la localización de las empresas con su web nos ayuda a determinar la actividad real de la empresa que suele diferir de la que aparece en el registro mercantil. Muy útil si tenemos productos o servicios B2B para identificar las posibles necesidades de la empresa. Incluso para realizar segmentaciones por localización y por característica web. Por ejemplo, podríamos hacer una segmentación de todas las empresas de Alcobendas que además tengan linkedin en su web o que sean ecommerce. La creatividad e imaginación es el límite a la hora de segmentar.

Volviendo al caso que nos ocupa, también identificamos un lugar de compra habitual del usuario al analizar los logs de datos de la APP y combinarlos con los datos de empresas y POIs (o puntos de interés) de los que dispone Pyramid y que nos permite identificar la tienda física con precisión.

Conocer dónde compran nuestros usuarios puede sernos de utilidad para saber qué retailer físico utilizar para servir nuestros productos y dónde invertir presupuesto y esfuerzos a la hora de realizar acciones comerciales. En este caso se trataba del Carrefour de Alcobendas. Imaginemos que comprobamos que el 60% de nuestros usuarios compran en Carrefour, podríamos unirnos con esta cadena de supermercados para una acción conjunta con la finalidad de buscar gemelos, o para hacer crecer el ticket de compra o realizar estrategias de fidelización a nuestros usuarios.

Otra localización clave es el colegio Brains Internacional. Esta persona para habitualmente a la hora de salida del colegio. De inicio nos ayuda a perfilar aún más al usuario y su tipología de hogar, que nos sirve para accionar campañas de crecimiento dentro del usuario con ofertas para perfiles de familia con hijos. También puede ser de utilidad la información pensando en los negocios vinculados al sector de la educación, y por el perfil del colegio podemos deducir que en este caso en concreto la disposición de la familia a invertir en la educación de sus hijos es más alta que la media.

CONCLUSIONES

Simplemente con un email de registro y la aceptación de la localización la información que podemos sacar es impresionante. Algunas de las conclusiones de las localizaciones identificadas son:

• Vivienda habitual: Nivel socioeconómico alto, potencial cliente de marcas de lujo, posible cliente también de productos y servicios asociados al tenis, pádel, la piscina, accesorios de jardín, sistemas de seguridad.
• Lugar de trabajo: Trabaja en la empresa AUTOCARES SANFIZ
• Lugar de compra habitual: Compra en Carrefour habitualmente
• Lugar de paso habitual identificado como colegio: Familia con hijos, colegio Brains Internacional, dispuesto a invertir en educación.

Esto es una muestra de cómo al recoger datos de localización en el tiempo de un usuario a través de la APP móvil y combinándolo con datos externos de Pyramid Datalake* podemos enriquecer y cualificar usuarios permitiéndonos accionar todo tipo de estrategias de captación, crecimiento y fidelización.

*Los datos enriquecidos en este caso de uso son solo una muestra del potencial de Pyramid Datalake. Existen diferentes datos accionables no contenidos en el caso y se pueden crear nuevos a partir de KPIs a medida.

Jorge González

Responsable de Marketing en DataCentric