Analítica digital para startups

La analítica digital para startups debe ser simple, que no pobre. El motivo principal es la sucesión de cambios en procesos e incluso el modelo de negocio que este tipo de proyectos pueden llegar a realizar.

Habitualmente, esta característica hace que tu elaborado análisis inicial no valga de nada. Invertir tiempo y recursos en entender algo que no es sólido, sino que busca la solidez, implica trabajar de manera distinta.

Esto no solo nos ocurre a los analistas digitales, sino que sucede en todas las áreas que implican un nivel medio de research: estrategia, análisis financiero, producto, investigación de mercados, entre otros.

Todo lo que implica mirar hoy para proyectar a futuro en el mundo startup requiere unas lentes distintas. Es en el post de hoy dónde nos vamos a centrar en algunas buenas prácticas para abordar proyectos de analítica digital en startups.

Características de negocio del mundo startup

Antes de comenzar, debemos recordar que el entorno startup es amplio y engloba desde empresas que están dando sus primeros pasos (seed o pre-seed) hasta empresas más consolidadas que no solamente consiguen levantar grandes rondas de financiación sino que cuentan con unos datos económico-financieros favorables y un product market fit definido.

Este artículo se centra en el primer grupo: las startups en fase inicial. En estos proyectos no se basa únicamente en conseguir un flujo de tráfico estable y una tasa de conversión aceptable (ojalá fuera tan sencillo). Aquí debemos validar la hipótesis que sustenta el modelo de negocio.

Como buenos analistas digitales que, en este caso, queremos implantar un sistema de analítica digital en una startup, debemos antes conocer el negocio y sus características. Así pues, a continuación se presentan unas simples características básicas de este tipo de startups:

No PMF, No Party

Dicen que el papel lo aguanta todo. Sobre papel todos nuestros proyectos pueden convertirnos en millonarios dentro de 3 a 5 años desde el día de hoy. Sin embargo, cuando te estrellas ante la realidad del mercado nada es tan simple.

Las startups en fase pre-seed o seed buscan validar su hipótesis y esto implica toda una serie de idas y venidas a nivel de procesos, target, propuesta de valor, marca, tecnología, canales de adquisición, estrategia de pricing, entre muchos otros.

En esta fase experimentaremos muchas opciones distintas lo más rápido posible hasta encontrar la fórmula perfecta: el product market fit. Es una carrera a contrarreloj y la analítica también debe responder de forma satisfactoria a este entorno extra ágil.

La importancia del foco en la medición

Para saber si los cambios que ejecutamos a nivel de producto, web, app o en nuestra e-commerce están surtiendo efecto debemos medir, eso no es ningún secreto. Sin embargo, hay algo que sucede en estos proyectos y que define perfectamente Andrew Chen en este artículo en el que explica cómo gestionar la analítica en startups.

Cita de Andrew Chen: Si no vas a hacer nada para mejorar algo, no lo midas

Básicamente, lo que explica Andrew Chen en este artículo es que “Si no vas a hacer nada para mejorar algo, no lo midas”. Una startup en esta fase es un proyecto en el que no hay nada seguro al 100% y todo es plausible. Eso significa, indirectamente, que hay cientos de actividades por hacer siempre.

La analítica digital en startups debe focalizarse en medir aquellos experimentos o acciones que estemos ejecutando o vayamos a ejecutar y todo el tiempo que el analista destine a medir o analizar otros elementos relacionados indirectamente puede significar una pérdida de recursos y, recordemos: los recursos económicos son precisamente aquellos que la startup más precisa.

Es por ello que la analítica digital en startups debe poner el foco en lo importante. Más adelante, en el siguiente punto, se desarrollarán estos conceptos en los que se tratará la NSM y la OMTM.

Cambios de modelo de negocio

Slogan Netflix: "Don't give up on your dreams. We started with DVDs"

Es lógico que ante un proceso de prueba-error como es al fin y al cabo trabajar en una startup, haya cambios en el modelo de negocio, algunos muy severos. Muchas empresas pasan de producto digital a consultoría y viceversa y algunas triunfan por este tipo de decisiones.

Sin ir más lejos, en octubre de 2021, Netflix realizó esta graciosa creatividad en Hollywood. Si pensamos en analítica digital, esto de pivotar de modelo de negocio muy probablemente hará que gran parte de tu set-up quede obsoleto.

Ante esto no hay soluciones: Business first. Sin embargo, es algo que en empresas ya consolidadas es más raro que ocurra. Por eso los elaboradísimos análisis al detalle de cada rincón del producto digital no tienen sentido en un modelo económico no asentado como es una startup en fase pre-seed o seed.

En conclusión…

Estos tres puntos (y los que he dejado en el tintero) ponen de manifiesto la necesidad de una analítica digital distinta a la que una empresa consolidada necesita… pero, ¿Cómo lo hacemos?

¿Cómo analizar startups en fase inicial?

Responder a esta pregunta no es especialmente complejo. A nivel técnico se analiza exactamente igual que cualquier otra empresa, sin embargo, la diferencia principal reside en el proceso, en la necesidad de foco por la escasez de recursos y en las propias dinámicas y cambios continuos que tienen las startups.

North Star Metric & One Metric That Matters

Si aceptamos que las startups necesitan un extra de foco en todas las acciones que realizan (lo cual necesariamente incluye a la analítica digital), es necesario crear una serie de indicadores que sirvan para que todos los departamentos trabajen cohesionados.

La manera de encontrar esa métrica que aúna a todos los equipos merecería un post aparte. Sin embargo, si el tema te interesa y quieres profundizar, te animo a que leas este artículo del blog de Mixpanel, llamado ¿qué es la North Star Metric?

La North Star Metric es, según dice Sean Ellis en el libro “El método Hacking Growth”:

La North Star Metric deberá ser la que capture con mayor precisión el valor esencial que creas para tus clientes.”

¿Un ejemplo para entenderlo mejor? En el caso de WhatsApp, la NSM fue en su día el “número de mensajes enviados” en lugar del número de usuarios activos diarios (DAU). ¿Por qué? Porque el éxito del producto reside en que sus usuarios tengan conversaciones recurrentes y no que escriban algún mensaje esporádico.

Todos los especialistas (producto, diseño, marketing, el analista digital, entre otros) trabajarán focalizados con la finalidad de mejorar esta métrica. El foco es fundamental en las startups y si los analistas entienden cuál es el foco del resto de departamentos, será más sencilla y eficiente su labor.

Tener una North Star Metric en tu startup genera una serie de beneficios a nivel de analítica digital:

  1. Menor número de KPIs
  2. Mayor eficiencia en el proceso de diagnóstico
  3. Si todos los especialistas realizan acciones y experimentos relacionados con una misma métrica, gran parte de los dashboards servirán para distintas acciones
  4. Orientar la actividad de la startup en mejorar una métrica simplifica parte del proceso de analítica digital, lo cual es positivo

Es usual que en ciertos círculos se use el término North Star Metric y One Metric That Matters de forma indistinta (aunque siendo puristas no son lo mismo). La OMTM es introducida por Alistair Croll y Benjamin Yoskovitz en el libro Lean Analytics y la utilizan como métrica que cohesiona la actividad empresarial del proyecto.

Analítica digital en metodologías basadas en experimentación

El Growth Hacking es una metodología basada en experimentación cuyo objetivo es generar crecimiento en una métrica determinada.

Una de los puntos clave de esta metodología es la velocidad, es decir, implementar el máximo número de experimentos en un periodo de tiempo. Empresas como Amazon o Facebook implementan cientos de experimentos todas las semanas con el fin de mejorar sus métricas objetivo.

Gráfico sobre el crecimiento de experimentación en Bing

Según Sean Ellis (creador de la metodología), el Growth Hacking se basa en un proceso de cuatro pasos como se muestra en la imagen.

Diagrama de proceso de Growth Hacking

El análisis, que incluiría métodos cualitativos como el focus group o las entrevistas en profundidad, es importantísimo en el Growth Hacking por tres motivos:

  1. Alimenta de insights la fase de ideación
  2. Se encarga de la analítica operativa de cada experimento
  3. Recibe los resultados de los experimentos con el fin de extraer aprendizaje para experimentos futuros.

Esta y otras metodologías como Lean Startup de Eric Ries ponen en el centro (entre otras cosas) el foco en un reducido número de actividades y la velocidad de ejecución. Como estas son algunas de las metodologías que usan las startups para crecer, la analítica digital debe adaptarse a esta manera de trabajar:

  1. Poner el foco en lo importante y olvidar “los tags y objetivos de conversión por defecto”
  2. Aprender que lo perfecto puede ser enemigo de lo bueno
  3. Adaptarse ante cambios drásticos que tiran por tierra parte del trabajo previo realizado

Analítica operativa y analítica exploratoria

Habitualmente cuando se habla de analítica pensamos en eventos, etiquetas, hits y en elaborar dashboards en los que la visualización de datos nos permitirá encontrar nuevos insights. También existe otro tipo de analítica basada en bucear en Google Analytics, Mixpanel o la herramienta que utilicemos y satisfacer nuestra curiosidad sobre el negocio que tenemos entre manos.

Estos dos prácticas de analítica digital son igual de importantes, también en startups. Es importante que el analista digital pueda dedicar tiempo no solamente a implementar tags, objetivos y gráficos de conversión para verificar las acciones que se están llevando a cabo, sino también dedicar tiempo a explorar y encontrar nuevas respuestas (e incluso preguntas) para el negocio.

Capitán Barbosa mirando por su catalejo

Gracias al ejercicio de foco previamente realizado, el analista digital podrá ser más eficiente en la implementación operativa y dedicar tiempo durante la fase de implementación de experimentos a explorar, cosa que es necesaria en cualquier proceso de análisis (también en una startup).

Siete claves para startups seed y pre-seed

  1. Simple, que no pobre. El análisis en startups en fase inicial debe ser más simple que en otro tipo de empresa y eso no significa que tenga que ser un análisis pobre
  2. El Análisis crece con el negocio. La North Star Metric suele cambiar conforme el negocio cambia y las necesidades de analítica requieren también de soluciones más sofisticadas
  3. El analista digital debe ir dos pasos por delante. Debe saber lo que es probable que a futuro necesitemos medir y si tenemos la tecnología y los medios suficientes para atrapar y manipular ese dato.
  4. Menos tags, más foco. Añadir mayor complejidad al análisis es muy probable que sea una pérdida de recursos ante una empresa que en menos de un año puede cambiar su propuesta de valor (o cerrar).
  5. Satisface tu curiosidad. Cuando la parte de analítica operativa esté cubierta, practica la analítica exploratoria y busca las preguntas que necesita el negocio. Tranquil@, en seguida aparecerán nuevas necesidades operativas.
  6. Lo perfecto es enemigo de lo bueno. La analítica debe responder de forma rápida a las necesidades de medición que las startups tienen.

Para concluir: En entornos de máxima incertidumbre, no solamente la empresa debe ser ágil y adaptativa. También así la analítica digital.

Ubaldo Hervás
Ubaldo Hervás

Comencé en analítica digital por la convicción de que la estrategia debe ser más técnica y analítica que nunca. Apasionado por el Growth Hacking, me centré en analítica digital porque representa los cimientos de todo proyecto sostenible. Creo que las buenas respuestas comienzan con grandes preguntas y es ahí donde la analítica digital entra en juego.

Necesitas compartirlo y lo sabes!

Deja un comentario