Este documento describe cómo los medios pueden usar datos masivos (big data) para mejorar el contenido y las experiencias de los usuarios. Explica cómo analizar grandes cantidades de datos de usuarios, redes sociales y contenido puede ayudar a los medios a comprender mejor a sus audiencias, recomendar contenido personalizado y mejorar los ingresos a través de publicidad más efectiva. También destaca desafíos como la fragmentación de datos y la necesidad de equilibrar el análisis cuantitativo con el juicio editorial cualitativo.
22. UNIR
El contenido con las preferencias del usuario.
Diferenciarse con contenido personalizado.
Reducir el ruido: no mostrar noticias ya vista o
que tienen bajo interés para el usuario.
Mapear el flujo de usuarios entre plataformas.
24. SOLUCIONES
Entregar el contenido correcto.
Mayor rendimiento al contenido oculto.
Mayor tiempo de visita.
Mayor engament de los usuarios.
Entregar avisos efectivos.
Generar acciones y promociones cruzadas.
Obtener info a tiempo real para customizar.
Convertir lectores en suscriptores.
Incrementar CTR para promociones de contenido pagas.
31. DATOS RECOLECTADOS
Historial de navegación (behavior)
Análisis semántico del contenido
Encuestas (demográficas)
Datos de registración
INFORMACIÓN VALIOSA
Temas que más te interesan: ecología, salud
Personas mencionadas en artículos: Madonna
Noticias más leídas en días de lluvia (?)
Intereses personales en Facebook
Demografía de tu audiencia (ej. edad, género)
43. EVOLUCIÓN
Contenidos para todos
Ventas masivas
Generación de leads
Archivos de logs
Tracking manual
Clientes insatisfechos
Cobro manual
Datos básicos
Contenidos relevantes
Ventas segmentadas
Recomendaciones
Inteligencia de datos
Tracking automático
Mayor conocimiento
Cobro automatizado
Datos inteligentes
44. BENEFICIOS
Mayor CTR del contenido editorial
Tasa de conversión para el
contenido pago
Ingresos por publicidad display
Inventario editorial disponible
Tamaño de la audiencia
Tiempo de navegación en el sitio
45. DESAFÍOS
Demasiados silos: bases dispersas
Tiempo para analizar los datos
La gente especializada
Los gerentes no lo ven estratégico
Los datos no están estructurados
Alto costo para almacenar y
analizar los datos