¿Qué dispositivos utilizas habitualmente para navegar por Internet? En mi caso utilizo, como mínimo tres: mi portátil, con el que trabajo y estoy escribiendo este post, mi tablet “de sofá”, con la que me muevo por Internet después de cenar mientras veo la televisión y por supuesto mi smartphone. El uso de uno u otro, me sitúa en diferentes momentos de compra y por tanto receptivo ante distintos tipos de artículos.
Por ejemplo, muchas de mis compras las hago en Amazon, las compras las hago utilizando la web desde mi portátil, o el App de iOS de mi iPad o el App de Android de mi smartphone, en los tres casos estoy registrado con mi cuenta, en los tres casos compro cosas, pero en cada uno de los momentos compro distintos artículos o estoy más receptivo a la compra o simplemente estoy ojeando. Por ejemplo, compro material que necesitamos en Belike cuando estoy en la oficina, compro libros con mi móvil, porque estoy en una conferencia o hablando con un cliente y me recomienda un libro, y compro artículos para mis hijos en mi tablet cuando estoy en casa después de cenar. En definitiva, aunque soy la misma persona, el hecho de utilizar un dispositivo u otro, es una pista valiosísima para que Amazon sepa qué productos me debe sugerir, dependiendo del dispositivo que utilizo.
En cada momento estaré más receptivo a comprar un tipo de artículo determinado. Además, es posible que el mismo artículo lo haya ojeado y comparado en mi portátil y sea desde mi tablet cuando finalmente finalice la compra. A la técnica de marketing que busca analizar y explotar mi comportamiento en función del dispositivo que uso se le conoce como “cross-device tracking”.
Los usos y virtudes del “cross-device tracking”, que son muchos, no son el objeto de este post. Podrás encontrar infinidad de blogs de marketing donde profundizar en su utilidad. En este post vamos a daros una visión más cercana al desarrollador, tratando de describir el problema y las distintas soluciones, además de que, como siempre, os hablaremos de un proyecto real y de la solución que hemos adoptado en un negocio digital.
Entonces, ¿cuál es la finalidad de utilizar cross-device tracking?
El objetivo final es ser capaz de saber que yo, como usuario, soy la misma persona cuando utilizo mi smartphone, que cuando utilizo mi tablet o mi portátil. Esto permitirá que las acciones que nuestra sistema quiere hacer o medir, sean las mismas para la misma persona, teniendo en cuenta además el comportamiento del mismo usuario dependiendo del dispositivo. La consecución de este objetivo permite que las marcas nos conozcan mejor y nos ofrezcan anuncios de una manera mucho más efectiva.
¿Cómo identificar quién soy cuando utilizo distintos dispositivos?
Existen tres opciones para traquear a un usuario, utilizando para ello tanto técnicas determinísticas como probabilísticas. Los tres métodos son conocidos como “user authentication method”, “walled garden method” y “device fingerprinting method”.
User Authentication method
Utiliza un código – bien sea un id de cliente o un login – para unir el comportamiento de un determinado usuario desde los distintos dispositivos que ha utilizado en nuestra Web, principalmente cuando el usuario se identifica iniciando una sesión.
En este caso, todo es mucho más fácil. Yo le he dicho a la web que soy el usuario “x” y además que estoy utilizando mi smartphone. A esa misma web, le podría haber dicho hace un par de días que era el usuario “x” y que estaba utilizando un portátil. La principal ventaja de este método de tracking es que es extremadamente preciso, no hay mucha probabilidad de error puesto que el propio usuario se ha identificado.
La principal desventaja de este método es que no se puede escalar, ya que se limita a usuarios registrados y no permitirá el tracking de un usuario nuevo hasta que no cree una cuenta.
Walled Garden method
Se trata de redes de terceras compañías que son capaces de mantener una base de datos inmensa donde se han guardado la relación entre un ID de usuario y un dispositivo. Este tipo de compañías ofrecen el servicio de tracking de navegación tanto en sus sistemas, como en los del cliente que les contrata.
La principal desventaja es que estas compañías ofrecen información agregada en forma de reportes estadísticos, y no con información de navegación particularizada de un determinado usuario.
Device Fingerprinting method
Con este método se obtiene un fingerprint (huella digital) del dispositivo que se está utilizando. Esta huella digital se obtiene con complejos algoritmos que, utilizando una lista de parámetros del dispositivo (chip de tarjeta gráfica, información del navegador, lista de fuentes, etc), genera una huella que identificará con una probabilidad alta al dispositivo. Las técnicas de fingerprint fueron desarrolladas hace años cuando no era tan habitual el uso de cookies o simplemente no eran soportadas por los navegadores.
Aunque este método es el menos exacto de los tres, es el que permite un mayor escalado. Es por eso que, combinado con uno de los métodos anteriores, se pueden obtener resultados sorprendentes.
¿Y cómo utilizamos todo esto en Belike?
En nuestro caso real, nuestro cliente no se dedica a la publicidad, por tanto, el objetivo no era conocer los gustos del usuario para enviar una publicidad más efectiva. En nuestro caso, nuestro cliente se dedica a comercializar ciertos artículos, (llamémoslos “items”) que expone en su web y otros agregadores. Los usuarios de dicha web podrán buscar “items” y solicitar una llamada de un call-center para obtener más detalles y poder finalizar, llegado el caso, el proceso de compra. Por tanto, los objetivos de nuestro cliente no eran publicitarios, sino:
- Conocer el comportamiento que un usuario había tenido en su web antes de interesarse por un determinado “ítem” de su portfolio.
- El comportamiento registrado del usuario debería de hacerse desde la primera vez que entró en nuestra web, con independencia de cuánto tiempo hubiera pasado desde que entró la primera vez hasta que se interesó.
- El comportamiento que un usuario hubiera tenido en distintos dispositivos sobre la web debería de unificarse en la medida de lo posible y mostrarse al operador de call-center como una línea de tiempo de comportamiento del usuario.
- Cuando se interesara por un “ítem” y llamara al call-center, el operador encargado de atender al usuario debería de ser capaz de visualizar el comportamiento, gustos y, en definitiva, el “customer journey” de la persona interesada. De esta manera, la experiencia de venta sería mucho más personalizada y por tanto, el ratio de conversión se vería incrementado significativamente.
La solución adoptada fue:
Utilizamos un método híbrido de “device fingerprinting” y de “authentication”. Los highlights de la solución son:
- Utilizar una librería Javascript para la gestión de “device fingerprinting”, en concreto utilizamos la librería fingerprintjs2
- Mediante código Javascript y utilizando la librería anterior, generamos un “fingerprint” cada vez que un usuario entra en nuestra Web.
- Tanto el fingerprint calculado en el punto anterior como un tracking de las acciones que el usuario hace en la página son enviados al Backend del sistema, que a su vez los almacena en una base de datos NoSQL, que a su vez implementamos sobre un cluster. En la actualidad se están generando medio millón de registros diarios en dicha Web.
- En el Backend implementamos lo que llamamos “inteligencia del fingerprint”, que consiste en determinar en cuál de estos casos nos encontramos, ejecutándose las acciones adecuadas a cada momento:
- Se trata de un fingerprint desconocido hasta la fecha → El usuario navega con un dispositivo cualquiera en modo “anónimo”. Alta de fingerprint.
- Se trata de un fingerprint del cual ya teníamos historial de navegación → El usuario vuelve a navegar con el mismo dispositivo continuando en modo anónimo. Se agregan los nuevos datos de navegación a los anteriores.
- Se trata de un fingerprint nuevo y además el usuario se ha logueado en la Web → El usuario, que ya tenía cuenta de usuario se ha logueado utilizando un nuevo dispositivo. Se añade un nuevo dispositivo de navegación al usuario logueado y se agregan los datos de navegación.
- Se trata de un fingerprint que ya existía y además en esta ocasión el usuario se ha logueado → El usuario había navegado de manera anónima con su smartphone y ahora se ha logueado con el mismo, como ya se había logueado anteriormente con otro dispositivo (por ejemplo, un portátil) ahora se fusionan los datos de navegación histórica que el usuario realizó con su móvil, junto con los datos ya almacenados de navegación que realizó con su portátil.
Resumiendo, podemos decir que combinando dos técnicas de cross device tracking, hemos sido capaces de generar un set de datos de comportamiento del usuario, con independencia del dispositivo utilizado y con la totalidad de los datos de navegación desde que el usuario entró por primera vez a nuestra web. Dichos datos son extremadamente útiles para el operador de call-center que atiende la llamada, sobre todo posicionando al lead en el momento real de su “customer journey”, pudiendo de esta forma mejorar la experiencia ofrecida al comprador y, por tanto, mejorar muy significativamente el ratio de conversión de ventas.
Leave a Reply