Activación del dato: ejemplo real en Datola

Siempre decimos que lo importante de los datos no es almacenarlos, si no utilizarlos para analizar, comprender qué sucede y en base a ello aplicar mejoras en nuestros activos digitales y estrategias de negocio. Es lo que se suele llamar “activación del dato”, “usar los datos para mover palancas”, “activar insights”…

Esto es “fácil” en la teoría, pero no tanto en la práctica. Hoy os traigo una historia real de activación del dato en Datola. Un ejemplo que espero que os sirva (sobre todo a los que estáis empezando) para activar vuestros propios datos.

Antes de empezar quiero señalar que no soy la única involucrada en esta historia, de hecho el gran protagonista es mi socio Brais, que además fué quién detectó el problema y encontró la solución. Pero empecemos por el principio.

Datos que nos muestran problemas

Como sabéis, cada mes enviamos desde Datola una reflexión y un resumen de los contenidos que se han publicado durante el mes anterior. A finales del año pasado Brais detectó un par de newsletters con una tasa de apertura mucho más baja de lo habitual.

Inicialmente pensamos que sería que los temas no tenían tirón o que simplemente era una época de mucho lío para los datolistas y que no tenían tiempo de leernos. Pero nos quedamos alerta para seguir de cerca el tema. Al iniciar el año los datos se recuperaron, pero en marzo volvieron a caer los números. 

Por esa época, también recibimos feedback de algunos datolistas de que no estaban recibiendo las newsletters. ¡Qué importante es escuchar a nuestra audiencia! Según Mailerlite, la plataforma de mailing que utilizamos, los emails se habían enviado correctamente.

Otro punto que nos llamó la atención es que durante esos meses enviamos varias comunicaciones sobre la Datolada. Eran emails que en principio sólo interesaban a los asistentes al evento, algunos incluso con contenido promocional. Curiosamente, estos emails mantenía la tasa de apertura habitual, sobre el 40%, a pesar de ser un contenido irrelevante para muchos de los suscriptores.

Había demasiadas señales que apuntaban a que algo estaba pasando con la plataforma de email.

Tirar del hilo para resolver el misterio

Con todos los datos que evidenciaban un problema llegó la hora de tirar del hilo, tal y como recomendábamos en este post sobre el análisis de datos. Nos pusimos en contacto con el equipo de soporte de Mailerlite. Les comentamos todo lo que habíamos visto  y les preguntamos si tenían localizada alguna incidencia que pudiese explicar todo esto.

Revisaron nuestra cuenta y las campañas que habíamos lanzado y nos confirmaron que todas habían salido correctamente, que quizás el mail estaba llegando a spam. Insistimos en que había gente que nos había confirmado que no habían recibido el email, si siquiera en la bandeja de spam. 

Lo escalaron internamente a su equipo técnico y un par de días después nos dijeron que las newsletters con la baja tasa de apertura tenían un patrón común: todas excedían los 102kB de tamaño. Resulta que gmail recorta los emails que exceden ese límite y esto impacta directamente en la medición de las plataformas de mailing. Nos habían dado una pista clave para seguir tirando del hilo.

Vibe coding para acelerar procesos

Con esta respuesta nos pusimos a revisar el tamaño de las newsletters para verificar que ese era el origen del problema. Pero el proceso era bastante tedioso. Para saber el tamaño que tenía cada news teníamos que guardar la vista previa como archivo HTML y ver el tamaño de ese archivo. No es difícil, pero sí un coñazo

Así que a Brais se le ocurrió utilizar Lovable para currarse una pequeña aplicación que pasándole la url de la vista previa de la news, nos devolviera el tamaño.

Con esto comprobamos que efectivamente todas las news que tenían una tasa de apertura baja excedían ese límite de los 102kB. 

Todo había comenzado con un cambio de estructura en la news que hicimos en septiembre. Empezamos a incluir una foto de los colaboradores del mes. En los meses que teníamos dos colaboradores, no llegábamos al límite de tamaño y la tasa de apertura se mantenía por encima del 40%. En los meses en los que teníamos tres colaboradores, nos pasábamos de tamaño y la tasa de apertura caía a la mitad. ¡Problema localizado!

Validación de la hipótesis

De nuestra investigación formulamos una hipótesis: si conseguíamos hacer una newsletter más ligera, evitaríamos la limitación de tamaño de gmail y así volveríamos a las tasas de apertura habituales. 

No queríamos eliminar las fotos de los colaboradores, porque es nuestra forma de agradecer su esfuerzo creando contenido para la comunidad. Así que eliminamos las imágenes de los posts, aligeramos alguna sección y con algún retoque más, logramos estar por debajo de los 90kB de peso. 

Por supuesto, en las pruebas utilizamos la aplicación que había creado Brais. De hecho, desde su creación la hemos utilizado para controlar que no nos excedemos en ninguna newsletter.

Tras unos meses monitorizado las newsletters podemos dar nuestra hipótesis por validada. Desde que cambiamos a un formato más ligero, las tasas de aperturan vuelven a estar por encima del 40%.

Conclusiones

De esta historia que os traigo hoy, me gustaría resaltar varias puntos:

• Es muy importante la monitorización de los datos para ver cuándo se produce un cambio en una métrica. También saber diferenciar entre una anomalía (algo puntual) y un cambio de tendencia (cambio que se mantiene en el tiempo).
• Es fundamental escuchar a nuestros clientes. En este caso lo que nos animó a escribir al soporte de Mailerlite fue el feedback de los Datolistas.
• Debemos de utilizar la IA (en este caso a través de Lovable) para acelerar procesos internos tediosos que no nos aportan ningún valor.
• La activación del dato no siempre es inmediata. En este caso han pasado meses desde que empezó el problema hasta que adoptamos una solución, en gran parte porque sólo tenemos un dato al mes. Pero es importante tener paciencia.

¿Te animas a compartir con el resto de la comunidad otros ejemplos de activación del dato? Juntos aprendemos más y mejor 😉