Productos relacionados en Magento, Prestashop y automatización

En qué consisten los productos relacionados y qué opciones tenemos para disponer de ellas en nuestro comercio electrónico.

Productos relacionados en Magento

Up-sells, Related Products, and Cross-sell. Estos son los 3 tipos de productos relacionados que existen en Magento.

Up-sells

La intención de los up-sells es la de recomendar productos similares más atractivos para el negocio en las propias fichas de producto.

Se priorizan aquí los productos que puedan generar más ganancias para el negocio. Suelen ser productos similares pero algo más caros. Para que el visitante lo compre, el producto que se recomienda debería añadir más valor que la diferencia de precio con el producto que se visualiza.

Cuando visualizan una silla sin certificaciones, en un Up-sells puedes sugerir que, en vez de esta silla,  pueden comprar una sillas certificada para uso intensivo por un precio atractivo.

Related Products

Los Related Products de Magento son aquellos productos complementarios al producto que se está visualizando.

La intención con los Related Products es que el visitante añada al carrito tanto el producto que está visualizando cómo el producto que se le está recomendando.

Cuando visualizas una silla, en un Related Product puedes sugerir, que además de esa silla, compren también unas ruedas para suelos duros.

Cross-sells

Los Cross-sells van de compra impulsiva. Cuando haces un pedido puedes querer personalizarlo o añadir cosas al pedido.

La intención con los Cross-sells en el carrito es la de sugerir ofertas que no tenían intención de comprar previamente.

Cuando estás en el carrito a punto de comprar unas sillas, puedes sugerir que contraten el montaje de las sillas.

Módulos productos relacionados en Magento

Aunque Magento dispone de las anteriores funcionalidades de productos realacionados mencionadas, con un presupuesto de 0€ o 150€ puedes tener alguna de estas extensiones:  

1. Automatic Related Products
2. Fast Product Relator
3. Softcube Personalized Product Recommendations
4. Related Products Manager
5. Magik Product Recommendations

Productos relacionados en Prestashop

Prestashop no dispone de funcionalidades de productos relacionados sin usar una extensión. Con un presupuesto de 30€ o 200€ puedes tener alguna de estas extensiones:

1. Related Products
2. Related Products Pro
3. Smart suggest products / Related, Cross-sell, Recommend
4. Related Products by Product’s Tags
5. Fast and Easy Related Products
6. Related Products Carousel
7. Advanced Related Products
8. Cross Selling / Manual related product with add to cart
9. Related Products Premium
10. Related Products Advanced
11. Related Products Simple
12. J2T X Product Up-sells / Cross-Sells / Related Products
13. Products related by features
14. Related Products Simple PS 1.5
15. Suggested/Related Products
16. Related Products Advanced PS 1.5
17. TM Related Products
18. Knowband - Automatic Related Products
19. Reflection mirror related products
20. Additional products on order page

Automatización de productos relacionados

Hay servicios de terceros que nos pueden ayudar a tener productos relacionados sea cual sea nuestra plataforma de comercio electrónico.

Realizar manualmente las tareas de asociar las distintas recomendaciones de productos es un trabajo laborioso. Es por eso que se ayuda poder usar herramientas automatizadas.

Existen varios servicios con motores de recomendaciones automatizados van adquiriendo información sobre la navegación de los visitantes de la tienda y de las compras online que se realizan. Las recomendaciones están basadas en datos reales y no en nuestra "intuición" y trabajo manual.

Algunas de estas herramientas online son:

1. Brainsins
2. Blueknow
3. Strands 

Otra alternativa es la explotación de la base de datos transaccional propia con métodos estadísticos. Una ventaja, entre muchas otras, de esta opción es la de tener una visibilidad total que permite cruzar datos de distintos canales y no sólo del canal online.

Conclusiones y recomendaciones

Para resumir:

1. Los up-sells nos ayudan a mejorar el importe del ticket medio.
2. Los related products dan visibilidad a los accesorios de los productos .
3. Los cross-sells son un recordatorio para ofertas impulsivas.

Pueden haber muchas más relaciones y criterios como por ejemplo, los más populares, los más vendidos o los "más de tu estilo". No hay una respuesta correcta. Explora, analiza, experimenta y valida estos criterios.

La cuestión es saber aprovechar los datos disponibles con herramientas disponibles y hacer un uso efectivo de los datos.

Read More

Haciendo un uso efectivo de los datos. Puede ser que no lo estés haciendo.

Los datos son el nuevo petróleo. Como tal, debe ser procesado y refinado para poder ser usado. ¿Hace tu compañía un uso efectivo de los datos?

Tal y como comentamos en el post fundacional, según FORTUNE en un post de principios del 2016, sólo el 20% de los directores piensan que su compañía hace un uso "altamente efectivo" de los datos. Ahora, la pregunta del millón es: ¿hace su compañía un uso efectivo de los datos? O, mejor aún, ¿su compañía usa datos?

Todas las compañías tienen datos, y es relativamente fácil comenzar a usarlos: sencillamente comience recolectando algunos datos en diversos sistemas y haga algún procesamiento sobre ellos (aunque sea manual). Muy rápidamente nos damos cuenta que hacer un uso (altamente) efectivo de los datos es bastante más difícil de lo que habíamos imaginado. En cualquier caso, centraremos el resto de este post en aquellas compañía que, de una manera u otra ya usan datos y desean hacer un uso más efectivo de los mismos.

El ejercicio clave es determinar qué quiere decir hacer un uso (altamente) efectivo de los datos. Para ello, lo haremos de la manera inversa: determinaremos qué es un uso inefectivo de los datos a partir de situaciones que nos hemos ido encontrando en los últimos años. ¿Serás capaz de pasar el test?

Test #1: ¿Qué tres KPI (indicadores clave de rendimiento) compruebas cada mañana cuando te sientas en tu escritorio? Si la respuesta a esta pregunta no es otra cosa que un conjunto claro y conciso de indicadores o cuadros de mando, entonces tu compañía hace un uso inefectivo de los datos.

Test #2: ¿Los datos que extraes generan alguna duda sobre su calidad? ¿Son datos fiables? ¿Son legibles? Si una sola de las respuestas es "no", entonces tu compañía hace un uso inefectivo de los datos.

Test #3: ¿Tardas demasiado tiempo en extraer datos? Entonces tu compañía hace un uso inefectivo de los datos.


Test #4: ¿Puedes extraer y cruzar datos de diversas fuentes? Si no, o se trata de un proceso manual, o algunas de las fuentes no son accesibles, entonces tu compañía hace un uso inefectivo de los datos.

Test #5: ¿Puedes leer grandes cantidades de datos? Si Excel parece quedarse corto y no se usa ninguna otra herramienta para hacerlo, entonces tu compañía hace un uso inefectivo de los datos.

Test #6: ¿Puedes extraer datos por ti mismo? Si necesitas estar permanentemente pidiendo ayuda (normalmente por la complejidad de los sistemas involucrados), entonces tu compañía hace un uso inefectivo de los datos.

Test #7: ¿Los descubrimientos son comunicados y entendidos (no necesariamente compartidos) por todo el mundo? Si los datos dan lugar a confusión o son pobremente comunicados, entonces tu compañía hace un uso ineficiente de los datos.

Test #8: ¿Experimentas montones de burocracia que hace que quienes tienen que tomar las decisiones no sean provistos con la información correcta y a tiempo? Entonces tu compañía hace un uso inefectivo de los datos.

Test #9: ¿Tienes preguntas concretas que debas contestar, y entonces determinas dónde se encuentra la información necesaria para responderla? Si es que no, entonces tu compañía hace un uso inefectivo de los datos.

Test #10: ¿Tomas acciones concretas a partir de los datos y de los descubrimientos? Si es que no, entonces sólo estás coleccionando información. Por lo tanto, tu compañía hace un uso inefectivo de los datos.

Tu compañía, pues, alcanza una cultura data-driven sí y sólo sí ninguna de las diez situaciones arriba mencionadas tiene lugar. Por lo tanto, ¿cómo las resolvemos?

Solución para #1: Definir KPI, organizarlos y conceptualizar cuadros de mando. Comienza por una servilleta y después pásalos a un papel. Luego haz que alguien lo tenga listo cada mañana en un PDF correctamente distribuido, y asegúrate de tenerlo en tu bandeja de entrada cada mañana. Por último, evoluciona hacia una herramienta de BI.

Solución para #2: Si los datos no son fiables, entonces debemos investigar en qué punto los datos dejan de serlos, tanto entre sistemas como dentro de los mismos. De la misma manera, es posible que haya errores en el proceso de extracción o que los procesos de transformación y manipulación sean defectuosos. El primer caso requerirá probablemente de procesos de congelación de datos. El segundo y tercer caso probablemente necesite nuevas reglas de manipulación.

Solución para #3: Si los datos tardan años en ser extraídos, es posible que las fuentes sean lentas de por sí (API de SalesForce, por ejemplo). También es posible que los procesos de transformación y manipulación presenten fallos o que la herramienta de reporting no esté optimizada. Por último y no menos importante, es posible que que tu departamento de BI esté ahogado en peticiones.

Solución para #4: Si tienes muchas fuentes de datos que necesiten ser accedidas y cruzadas. se deberán definir procesos ETL (Extract, Transform, Load). Si el volumen de datos es verdaderamente grande, un Data Warehouse (DWH) puede ser una buena solución.

Solución para #5: Lo primero es preguntarse si se necesita tal cantidad de datos. Si resulta que sí, entonces se pueden hacer pre-procesamientos y cálculos de datos en servidor. Si esto no es posible (aunque apostamos a que sí se puede), se deberá buscar una herramienta que sea capaz de leer tal cantidad de datos.

Solución para #6: La capacidad de servirse por sí mismo es una quimera para muchas compañías, pero a la vez es algo deseable. Se debe comenzar por decir que no a peticiones sencillas. Forma a tu gente y hazlo muy simple (no necesariamente barato): implementa una herramienta de reporting y enseña a tu gente (desde el analista hasta el CEO) a usarla. Se puede comenzar por tablas muy sencillas que no pueden ser modificadas. Más adelante (mucho más temprano de lo que puede parecer) los usuarios irán pidiendo derechos de modificación y edición.

Solución para #7: Comprueba dónde están los cuellos de botella. Asegúrate que tus analistas tengan buenos dotes de comunicación. Aplica el Principio de Comunicación Piramidal, de Barbara Minto. Y, por favor, evita presentaciones con decenas de diapositivas. La clave es el foco.

Solución para #8: Nuevamente, hay que analizar dónde están los cuellos de botella. Asegúrate que las personas que tienen que tomar las decisiones pueden acceder a los datos (¡y asegúrate de que usan datos!). También es posible que el departamento de BI o de Análisis necesite mejorar en transparencia. La clave puede estar en mejorar los procesos de feedback.

Solución para #9: Por favor, evita el Síndrome de Diógenes en versión datos. No es necesario almacenar todos los datos a la espera de que, por algún milagro, se obtengan descubrimientos a partir de ellos. Hay que conocer bien la estrategia y las operaciones del negocio para identificar los puntos claves que necesiten una decisión. Entonces, y sólo entonces, trata de descubrir qué datos son necesarios. Si los datos están ahí, úsalos. Si no, comienza a almacenarlos inmediatamente.

Solución para #10: Un buen consejo es el de evitar tener montones de cuadros de mandos y KPI (nuevamente, la clave es el foco). Una buena herramienta es el del "Test de las Tres Capas de para qué" (Three Layers of So What Test). A cada indicador, cuadro de mando o análisis se le pregunta: ¿para qué? Frecuentemente, la respuesta a esta pregunta vuelve a requerir nuevamente la pregunta: ¿para qué? Si a la tercera vez que se hace la pregunta no aparece una recomendación clara de qué hacer, entonces el análisis, KPI o cuadro de mando es totalmente inútil. Tírelo.

En todo caso, si esto suena muy complicado, no tiene más que contactarnos: es.ducks-in-a-row.es.

Para acabar, sólo queremos mencionar que los datos representan, o deben representar, acción. Para que esto pase, los datos deben ser accesibles, fiables y comunicados de manera eficiente. Entonces, y sólo entonces, tu compañía estará haciendo un uso efectivo de los datos.

Read More

Curso de Google Analytics para principiantes en Barcelona

Nunca consideres el estudio como una obligación, sino como una oportunidad para penetrar en el bello y maravilloso mundo del saber. Albert Einstein.

Una de las virtudes de saber, es que nos gusta que otros sepan también. Para nosotros no hay nada más importante que el conocimiento. Bien a través del obtenido por los datos, o bien a través de la transmisión de lo que mejor sabemos hacer: manejar datos y herramientas.

Con este propósito, abrimos nuestro primer curso de Google Analytics para principiantes (o Google Analytics 101). En realidad, Google Analytics, como herramienta que es, es una excusa para meternos en el apasionante mundo de la analítica digital. La analítica digital es la ciencia que mide las interacciones de los usuarios con nuestro site o App. El propósito final de la analítica digital es la de aportar una base sólida basada en datos para la optimización de la experiencia de usuario para que el usuario realice la acción pretendida (compra, registro, descarga, etc.) con la mayor eficiencia y eficacia posibles. La analítica digital toma datos de diversas fuentes, algunas de ellas cualitativas y otras cualitativas, y toma a los usuarios desde cualquier canal (aproximación multi u omnicanal), algunas de ellas online y otras offline. Como vemos, al final estamos hablando de la aproximación 360 al comportamiento e interacción de los usuarios con nuestro producto digital.

A medida que los negocios, los mercados y la tecnología evolucionan, también lo hacen los requisitos del analista digital. No es difícil ver que es un perfil cada vez más demandado (y poco a poco mejor pagado). Así que, tanto si ya se trabaja en analítica digital como si es el primer aterrizaje en ella, la formación en este ámbito es un paso que no podemos obviar.

Por supuesto, cuando hablamos de analítica digital no podemos dejar de pensar en Google Analytics. Líder indiscutible durante años entre las herramientas de analítica digital, Google Analytics ofrece, a partir de diversos grados de implementación (siempre escalable), una gran variedad de informes y datos a partir de los cuales podemos comenzar a optimizar nuestros productos digitales.

Cuesta mucho trabajo imaginarse la analítica digital sin la presencia rutilante de Google Analytics. Este curso va sobre dominar Google Analytics desde sus más tiernos cimientos. A partir de ahí, nos podremos convertir en ninjas no sólo de Google Analytics sino de la analítica digital, hasta encontrar la mejor herramienta para nuestras necesidades. En este momento, Google Analytics ofrece tres grandes ventajas:

Tiene una versión gratuita plenamente funcional (también ofrece versiones de pago). No hace falta hacer ninguna inversión en la herramienta en sí para poder comenzar a disfrutar de una infinidad de informes.


La implementación básica es tremendamente sencilla (y de ahí al infinito). Con sólo copiar y pegar un trozo de JavaScript en todas tus plantillas, podrás comenzar a recabar datos de manera inmediata.


Tiene el sello de Google: penetración en el mercado, recursos, documentación, formación, etc. En la red de usuarios de Google Analytics podremos encontrar infinidad de recursos, foros, add-ons, etc.


Sencillamente, no podemos imaginar un mejor aterrizaje en la analítica digital que aquel hecho a través de Google Analytics.

¿Qué vas a encontrar en este curso?

El curso está orientado en cuatro grandes bloques: principios de monitoraje, adquisición de usuarios, comportamiento de usuarios y objetivos.

1. Comenzando con Google Analytics:
1. ¿Cómo funciona Google Analytics?
2. Métricas y dimensiones.
3. ¿Cuáles son las métricas que me importan?
4. Introducción a la segmentación.
2. Adquisición: ¿cómo llegan mis visitas?
1. ¿De dónde llegan mis visitas y mis visitantes?
2. Tráfico Directo, Referentes, SEO y SEM.
3. Marcando campañas de Emailing y Afiliados.
4. Agrupación de canales.
3. Comportamiento: ¿qué hacen en mi site?
1. ¿Qué páginas y contenidos han mirado?
2. ¿Por dónde entraron al site? ¿Por dónde lo han abandonado?
3. ¿Qué buscaron internamente?
4. Agrupación de contenidos.
4. Objetivos: ¿hicieron lo que pretendemos?
1. Definir objetivos: micro y macro.
2. Reportes de objetivos.
3. Reportes de E-Commerce.

Este primer vistazo a la analítica digital a través de Google Analytics consta de dos sesiones consecutivas de tres horas cada una. El contenido del mismo es 100% práctico y usaremos una implementación muy completa con una gran cantidad de datos reales. El precio del curso es de 120€, y será ofrecido en nuestras oficinas, en Sant Cugat del Vallès.

¿Te lo vas a perder? ¿Vas a perder la gran oportunidad de entrar en el apasionante mundo de la analítica digital? Clica aquí para más información. Las plazas son limitadas.

¡La oportunidad de entrar por la puerta grande en la analítica digital está en frente de ti!

Read More

Bed & Breakfast Analytics: lanzamos blog en castellano

Si hablas a una persona en una lengua que entiende, las palabras irán a su cabeza. Si le hablas en su propia lengua, las palabras irán a su corazón. Nelson Mandela.

Hace tiempo que veníamos pensando en abrir una sección en Bed & Breakfast Analytics para los castellano-parlantes. Después de mucho trabajo en distintos ámbitos, nos hemos lanzado a postear (lo siento, aquí no hemos encontrado una traducción que nos convenciera) en castellano. Eso sí, fieles a nuestro estilo.

Como buen post fundacional, queremos hablar de quiénes somos y qué hacemos. Nuestro blog, al que hemos llamado Bed & Breakfast Analytics es el blog de nuestra compañía, Ducks|in|a|row. Somos una consultoría de reciente creación, que se especializa en la gestión efectiva y eficiente de los datos. Nuestros servicios incluyen: análisis predictivo, analítica de clientes, analítica digital, optimización de la tasa de conversión, reporting, gestión de los flujos de información, optimización de procesos y formación.

El eje central que une todos estos puntos es el de los datos. Todas las compañías tienen datos. Muchas veces están diseminados en diversos sistemas que, muy frecuentemente, hablan lenguajes diferentes que difícilmente se entienden. De esta manera, la consolidación de las diversas fuentes de información, en caso de ser posible, se acaba realizando manualmente. El resultado final de esto es una inversión considerable de tiempo en la manipulación de los datos, y no en su análisis, que es lo único que lleva a la accionabilidad de los mismos. Si un análisis, un informe, un gráfico o un dato suelto no lleva en última instancia a un acción o decisión, entonces estaremos perdiendo el tiempo. Este es el gran foco de Ducks|in|a|row: generar acción de manera eficiente.

¿Qué quiere decir eficiente? En un artículo de Fortune de principios del 2016, se mencionan tres grandes problemas en la gestión de datos. Analicémonos con algo de detalle, aunque volveremos a este punto en futuros posts.

Alrededor del 80% de las grandes compañías han visto como alguna decisión estratégica de importancia se ha ido al garete por culpa de datos erróneos. Esto suele pasar cuando las fuentes de datos son inestables o deben manipularse frecuentemente y de manera manual.

Un 72% de tales empresas han experimentado retrasos en los tiempos de entrega de información a las personas que tienen que tomar las decisiones. Ésta es una consecuencia obvia de la desestrucutración de los datos, de un exceso de manipulación (y falta de análisis) y de una estrategia de reporting no existente o mal implementada.

Sólo un 27% de los directores cree que su compañía hace un uso efectivo de los datos, y un 32% piensa que las montañas de datos han hecho que las cosas vayan a peor. Éste es un síntoma que hemos notado muy frecuentemente: se tiende a invertir mucho tiempo (y dinero) en recolectar datos y muy poco a consolidarlos o analizarlos.

Siempre se ha dicho que los datos son el nuevo petróleo. Efectivamente, se puede extraer mucha información de los datos, pero, al igual que el petróleo, hay que definir bien los procesos de refinación. En el caso de los datos, esto hace referencia a procesos de automatización de limpieza, consolidación, reporting y análisis.

En definitiva, no es fácil hacer un uso efectivo de los datos, pero es posible. Nosotros podemos ayudarte.

Espero que nos acompañes leyéndonos. ¡Iremos publicando tan frecuentemente como nuestros quehaceres nos lo permitan!

Read More