Cómo elegir tu Tech Stack según el estadío de tu negocio

Revisamos las principales preguntas que surgen en cada etapa de un negocio y el stack MarTech óptimo que deberías considerar desde el Early Stage hasta Enterprise.

Empecemos por lo primero: ¿qué es MarTech?

Por definición se refiere a tecnología aplicada al marketing — es decir, el conjunto de herramientas y tecnologías que vamos a poder utilizar en nuestros productos digitales con el objetivo de crecer y optimizar nuestro producto y negocio.

Y por más de que su nombre dice "marketing", la verdad es que su scope abarca también a equipos de retención, growth, producto, datos, tech, customer support, etc.

¿Cuáles son los errores comunes al elegir MarTech?

Hay muchísimos tipos diferentes de herramientas: Product Analytics, CEPs, MMPs, CDPs, Experimentation & Personalization y más. Hasta sus nombres parecen jeroglíficos encriptados.

Así que un error muy común es no conocer qué tipo de herramientas hay disponibles ni cuáles conviene implementar a medida que va creciendo y madurando nuestro producto.

Muchas de estas herramientas pueden llegar a costar miles de dólares al año — y si las contratamos en el momento equivocado pueden terminar juntando polvo. En cambio, si lo hacemos en el momento indicado, nos pueden ayudar a hacer crecer exponencialmente nuestro negocio.

La idea de este artículo es ir revisando cada uno de estos tipos de herramienta, explicar qué nos van a permitir hacer, cuándo conviene implementarlas — y también tips de cómo abaratar sus costos.

Early Stage: ¿Cómo validar tu producto desde el día uno?

Herramienta clave: Product Analytics

La frase es cliché, pero es muy verdad: "lo que no se mide, no se mejora".

Desde el minuto cero es muy importante poder conocer cómo nuestros usuarios están interactuando con nuestro producto, qué features están usando — y cuáles no —, dónde se están trabando. De esta manera podemos tomar mejores decisiones de producto o growth para mejorar la experiencia.

El tipo de herramienta que nos permite ver esto es una de Product Analytics (analítica de producto). Las líderes del mercado son Mixpanel y Amplitude.

Lo que nos van a permitir hacer es trackear todas las acciones clave que realice cada usuario, y una vez que recopilamos estos datos podemos crear distintos reportes para ver cómo interactúan con el producto.

Así podemos ver con datos: ¿dónde se están trabando en el flujo? ¿qué features están valorando y cuáles no? ¿quiénes abandonaron el producto? ¿qué fuente de nuevos usuarios está convirtiendo mejor? ¿cuál es la retención día 1, semana 1, mes 1? También podemos setear alertas cuando se disparan errores o cae la tasa de conversión.

Ahora, cuando recién lanzo mi producto y tengo pocos usuarios, ¿podría sacar conclusiones significativas como para tomar las decisiones correctas?

Cuando recién comenzamos vamos a tener poco volumen de usuarios y pocos datos. Es verdad que puede parecer difícil tomar conclusiones con tan poco volumen, así que el caso de uso de Product Analytics puede ser distinto al principio que cuando vamos creciendo.

Voy con un ejemplo que creo que va a quedar más claro.

Tengo un amigo que hace unos meses estuvo trabajando en un proyecto donde lanzaron una app que les permite a dueños de granjas o campos administrarlas.

Dado que es un apasionado de los datos, lo primero que hizo fue implementar Mixpanel para medir la actividad de cada uno de los usuarios que iban adquiriendo. Lo bueno de estas herramientas es que podemos ver datos agrupados — es decir, si tenemos 100 usuarios podemos analizar qué acciones hace la mayoría — pero también nos permiten ver hasta nivel usuario por usuario.

El primer mes quizás tenían sólo 10 usuarios, y lo que hacía era ver la actividad de cada uno de ellos buscando insights sobre qué features estaban utilizando — y cuáles no. Por ejemplo, veía que el principal caso de uso era agregar los animales y registrar cuándo los vacunaban para darles seguimiento. Y que quizás otro módulo, al que habían dedicado muchas horas de desarrollo y que servía para registrar las ventas de cultivos y animales, ni había sido utilizado.

Con estos datos iniciales ya podían entender qué features de su producto eran más valiosos para los usuarios. Combinando esos datos con otros cuali — por ejemplo, entrevistas — podían seguir desarrollando nuevos features para expandir su producto hacia esas verticales.

Eso para producto. Para adquisición / marketing podrían también utilizar estos insights para orientar sus anuncios a mensajes basados en lo que más resonaba. Y desde soporte, podían llamar personalmente a los usuarios que veían que se instalaban la app pero no la usaban o que se trababan en algún punto en particular.

Acá hay dos grandes conclusiones:

1) La importancia de tener datos ni bien lanzamos nuestro producto para tomar mejores decisiones.

2) Que cuando lanzamos está bien hacer cosas que no escalan.

Claramente, una vez que tengamos cientos o miles de usuarios, no vamos a estar mirando la actividad usuario por usuario y tampoco vamos a llamar a cada uno personalmente. En cuanto a datos, vamos a poder agruparlos y llegar a conclusiones de grupos — lo que se llama cohortes. Y a nivel comunicación, vamos a buscar herramientas que nos permitan enviar comunicaciones o personalizaciones de manera masiva.

Scale Up: ¿Cómo escalar las comunicaciones con tus usuarios sin perder la personalización?

Herramienta clave: Customer Engagement Platforms (CEPs)

Cuando tu base de usuarios crece, necesitás herramientas que permitan gestionar y personalizar las comunicaciones de manera escalable. Plataformas como OneSignal, Braze o Clevertap automatizan el envío de mensajes personalizados a través de canales como email, push notifications y SMS.

Además, es posible integrar tu herramienta de Product Analytics con la de Customer Engagement.

En Mixpanel podemos ver un funnel de los usuarios que ya hicieron Sign Up pero aún no probaron un feature clave (por ejemplo, realizar su primer depósito en una Fintech o su primera compra en un Marketplace). Podemos guardar a esos usuarios en un segmento (llamado cohort) y luego sincronizarlo con OneSignal. Así, después podemos enviarles push notifications, emails, in-apps o SMS para incentivarlos a hacer esa acción de valor.

Scale Up: ¿Cómo medir el impacto de tus campañas?

Herramienta clave: Mobile Measurement Partners (MMPs)

Si tu producto es mobile-first, las herramientas de atribución como Appsflyer, Adjust o Singular son indispensables. Estas plataformas te ayudan a identificar de dónde vienen tus usuarios (Meta, Google, TikTok, etc.), a medir las conversiones posteriores y así decidir dónde alocar tu budget de forma más inteligente.

Un ejemplo para que quede más claro: antes de instalar una app, yo cliquée un anuncio en Instagram, luego de 3 días uno en YouTube y finalmente terminé instalando después de clickear uno en TikTok. En este caso, si vamos a cada plataforma, puede ser que el pixel de cada una se esté atribuyendo la instalación diciendo que yo instalé después de clickear su anuncio.

Lo que hace el MMP es ser una fuente de verdad centralizada que puede ver este recorrido. Con distintos modelos de atribución, podemos asignar pesos a cada uno de esos touchpoints para que la atribución sea más justa — y así tomar mejores decisiones de cómo invertir el presupuesto en las campañas que mejor performance tengan.

Esto aplica tanto para paid media como también para campañas de referrals, emails u otros links.

Ahora, si no tenés app y tu producto es 100% web, la buena noticia es que no precisás contratar un MMP: la plataforma de Product Analytics te va a permitir hacer este tipo de análisis con UTM tags. Es decir, en Mixpanel vas a poder ver cómo está performando cada media, teniendo en cuenta los usuarios que llegaron a tu página web desde cada uno y si convirtieron o no.

Enterprise: ¿Cómo centralizar y escalar tus datos?

Herramienta clave: Customer Data Platforms (CDPs)

Cuando era CPO de Wabi, un pain grande que teníamos era que estábamos integrados por SDK y registrando eventos en múltiples plataformas: Mixpanel, OneSignal, Meta Ads, Google Ads, Appsflyer...

Esto llevaba a dos grandes problemas:

1) Cada vez que queríamos trackear un nuevo evento, el equipo de tecnología lo tenía que implementar para cada SDK.

2) Muchas veces había diferencias entre los valores que traía cada evento en distintas plataformas.

Con un CDP, como Segment o Rudderstack, esto se soluciona porque importa todos los eventos en una única fuente y desde allí podés agregar destinos donde decidís qué eventos enviar — por ejemplo tu plataforma de Product Analytics, CEP, MMP, Meta Ads, Google Ads, etc.

Enterprise: ¿Qué beneficios tiene ser dueño de tus propios datos?

Hoy los stacks más avanzados están tendiendo a inclusive no depender de un CDP, sino a trackear eventos y almacenarlos directamente en sus propios Data Warehouses (BigQuery, Snowflake) o Data Lakes.

Estos permiten gestionar y tener control absoluto sobre tus datos. Te permiten combinar múltiples fuentes, transformarlas a placer y almacenarlas en distintos formatos.

Por ejemplo, podés tener datos almacenados de los eventos del usuario, pero también de fuentes como Ad Spend de paid medias, Revenue (típico ejemplo donde tenemos transacciones cuyo exchange rate hay que actualizar), CRMs, encuestas u otras fuentes desde donde enriquecer.

Además, las herramientas MarTech más avanzadas hoy ya permiten integrarse directamente con estos warehouses. Por ejemplo, Mixpanel permite ingerir datos directamente desde cualquier Data Warehouse y mantenerse sincronizado. Es decir, si por alguna razón un dato antiguo cambió de valor (por ejemplo, el GMV de una transacción que tuvo una devolución), ese valor se actualiza también en Mixpanel.

Otra ventaja es que nos prepara para el mundo de la IA: ser dueño de tus datos es central para poder alimentar a tus propios modelos, y probablemente en el futuro traiga muchas otras ventajas aún inciertas. Lo que sí es seguro es que para cualquiera de ellas va a ser indispensable controlar tus datos de manera independiente.

Como desventaja, precisás tener un equipo especializado en datos que pueda crear estas bases y mantenerlas actualizadas. Mientras que con una solución más enlatada como un CDP, la flexibilidad es menor pero el costo de mantenimiento y setup también lo es.

Enterprise: ¿Cómo optimizar la experimentación a gran escala?

Herramienta clave: Plataformas de Experimentación

A grandes volúmenes, incluso un pequeño porcentaje de mejora en el conversion rate puede tener un impacto significativo en tus ingresos. Por eso, en esta etapa, la experimentación se vuelve clave.

Herramientas como VWO, Kameleoon o AB Tasty te permiten realizar pruebas A/B y personalización a escala para maximizar resultados.

La verdad es que vemos pocas empresas en LatAm que están llevando la experimentación como una parte central de su estrategia. Para lograrlo es clave tener un equipo alocado al mismo que pueda mantener un backlog de experimentos e ir priorizándolos en cada sprint.

Conclusión

El stack de MarTech ideal depende de tu etapa de crecimiento.

En el Early Stage, empezá con Product Analytics para entender a tus usuarios.

En Scale Up, incorporá CEPs y MMPs para gestionar la comunicación y medir el impacto de tus campañas.

Y en Enterprise, apostá por CDPs, Data Warehouses y herramientas de experimentación para operar a gran escala y optimizar continuamente.

Elegir las herramientas adecuadas en el momento correcto puede transformar tu negocio y prepararlo para el futuro.

Escribinos si precisás ayuda para definir tu MarTech Stack.