1. ¿Cómo aplicarlo?
1.1. Aplicado en cualquier casi ámbito
1.2. Generar resultados en los negocios
1.2.1. Análisis de datos del comportamiento de visitantes de páginas web
1.2.2. Detección de comportamientos inusuales y fraudes
1.2.3. Sistemas de recomendación de de productos destinados a clientes.
1.2.4. Predicción de cuando el cliente dejará de pagar una suscripción.
1.2.5. Previsión de facturación.
1.2.6. Clasificación de clientes respecto a las compras
1.2.7. Optimización de carros de compras
1.3. Consejos
1.3.1. Utilizar Web Analytics
1.3.1.1. Detectar estándares de comportamientos
1.3.1.2. Información relevante
1.3.1.2.1. Origen de la visita
1.3.1.2.2. Tiempo promedio de la visita a paginas web
1.3.1.2.3. Paginas y productos visitados
1.3.1.2.4. Tasa de abandono
1.3.1.2.5. Parámetros de los enlaces que se visitaron al hacer clic
1.3.1.2.6. Numero de visitantes que realizaron alguna acción
1.3.1.3. Google Analytics
1.3.1.4. Hotmart Analytics
1.3.2. Priorizar leads
1.3.2.1. Enriquecimiento de datos
1.3.2.2. Clasificación de leads
1.3.2.3. Segmentar el modo de comunicación con cada cliente
1.3.2.4. Herramientas de email-marketing
1.3.2.4.1. Infusionsoft
1.3.2.4.2. Benchmark
1.3.2.4.3. Mailchimp
1.3.2.5. Utilizar Listboss
1.3.2.5.1. Integración
1.3.2.5.2. Recibir notificaciones cuando un lead haga una acción
2. Etapas
2.1. Inventario de preguntas
2.1.1. ¿Cual es el momento adecuado para abordar al cliente ofreciéndole algún producto?
2.1.2. ¿Cual es el precio ideal para poner a la venta un producto?
2.1.3. ¿Cuándo ofrecerle un nuevo producto al cliente?
2.1.4. ¿Cuál es el mejor formato para promocionar los contenidos?
2.2. Recopilación de datos
2.2.1. Provienen de diferentes fuentes
2.2.1.1. Sistemas y aplicaciones
2.2.1.2. Búsquedas en Internet
2.2.1.3. Datos de organizaciones y empresas
2.2.1.4. Investigaciones
2.2.2. Confiables y estructurados
2.3. Procesamiento y organización de los datos
2.3.1. Limpieza de los datos
2.3.2. Procesamiento de la información
2.3.3. Organización de la información
2.3.4. Prevenir
2.3.4.1. Inconsistencias
2.3.4.2. Perjudicar el análisis
2.3.4.3. Toma de decisiones erróneas
2.4. Análisis de los datos
2.4.1. Simple
2.4.2. Complejo
2.5. Desarrollo de modelos y algoritmos
2.5.1. Solución al negocio
2.5.2. Encontrar mejores estándares para solucionar un problema
2.5.3. Encontrar la solución de un problema sin tardar demasiado tiempo
2.6. Visualización de datos
2.6.1. Analizar visualmente los resultados de los modelos y algoritmos
2.6.1.1. Garantizar las conclusiones de acuerdo con el análisis y el objetivo del estudio
2.6.2. Gráficas
2.6.2.1. Detección de estándares
2.6.2.2. Toma de decisiones
2.7. Toma de decisión
2.7.1. Verificar estándares
2.7.1.1. Lo que funciona
2.7.1.2. Lo que necesita ser mejorado
2.7.1.3. Nuevas acciones
2.7.1.4. Pruebas
2.7.1.4.1. Aprovechar resultados
2.7.2. Dependen del negocio
2.7.3. Aspectos a optimizar
3. Analizar los datos
3.1. Complejidad del análisis
3.1.1. Negocio adquiere madurez
3.1.2. Mayor volumen de información
3.2. Recoger, organizar y analizar los datos del negocio
4. ¿Qué es?
4.1. Área de estudio
4.1.1. Matemáticas
4.1.2. Estadística
4.1.3. Computación
4.1.4. Negocios