Cómo Trove ahorra más de 3000 horas de desarrollo al año gracias a Product Analytics de Contentsquare

Insights más importantes

La empresa

Trove es una plataforma tecnológica y operativa que ayuda a las marcas a crear y gestionar sus propios programas de recompra y reventa. Trove ofrece a las marcas con las que trabaja las herramientas y las competencias operativas que necesitan para mantener sus productos en circulación durante más tiempo, desde la creación de entornos de reventa propios para cada marca y la puesta en marcha de iniciativas de recompra hasta programas de arreglos y reciclaje sostenible. El objetivo es que el comercio circular no se quede en una simple declaración de sostenibilidad, sino que se convierta en una parte fundamental del negocio.

Rocco Giordano, Sr. Product Manager, y McCall James, Senior Data Analyst, son los responsables de proporcionar a las más de 40 marcas con las que trabajan los insights sobre el comportamiento y los informes sobre el embudo de los que dependen para ejecutar sus programas.

El reto

A medida que la red de partners y la oferta de productos de Trove aumentaban, las limitaciones del seguimiento manual de eventos se hicieron cada vez más evidentes.

Se pretendía que un equipo pequeño de datos proporcionara una analítica detallada y granular sobre un ámbito cada vez mayor, que incluía programas de recompra en tiendas, reventa online, arreglos y devoluciones. El problema es que era inviable si no contaban con un método escalable para capturar datos de comportamiento.

Estas eran las principales dificultades que tenía la empresa:

• El equipo de desarrollo tenía que introducir manualmente el seguimiento de eventos de los productos directamente en el código, lo que suponía unas 252 horas de trabajo al año a un equipo de ingeniería de seis personas.

• Los científicos de datos invertían más tiempo en pedir que etiquetaran eventos y en esperar a que lo hicieran que en analizar datos.

• El onboarding de nuevos partners les llevaba hasta dos meses y solo podían gestionar uno a la vez.

• Contaban con un pipeline de datos fragmentado que hacía que las comparaciones entre partners y plataformas no fueran fiables.

• Tardaban mucho en procesar las solicitudes de analítica, lo que limitaba la capacidad del equipo para respaldar las decisiones con datos en toda la empresa.

A medida que Trove iba creciendo, estos problemas se iban agravando, ya que surgían nuevos tipos de partners. Para algunos de ellos solo gestionaban devoluciones; para otros, programas piloto de recompra, y para otros, programas completos. Cada uno de ellos aumentaba la carga de trabajo de un equipo que ya estaba sobrecargado.

La solución

Durante siete años, Trove ha estado utilizando Product Analytics de Contentsquare (con tecnología de Heap), una herramienta que se ha convertido en imprescindible para el equipo de datos. Les proporciona una plataforma unificada que captura automáticamente datos de comportamiento en todos los entornos de Trove, lo que permite a los partners tener una visibilidad completa de sus programas.

"Independientemente de la plataforma de recompra que elija el partner, contamos con un conjunto coherente de eventos para crear embudos y generar informes. La coherencia que ofrece Heap by Contentsquare como plataforma única para el seguimiento de todos estos eventos y su integración en nuestra base de datos ha sido de gran ayuda. De lo contrario, habríamos tenido que introducir todos esos eventos personalizados manualmente en nuestro código, lo que hubiera supuesto mucho trabajo para el equipo de ingeniería y mucho mantenimiento".

Rocco Giordano

Sr. Product Manager

Cómo Contentsquare ayudó a Trove

1. Eliminación del etiquetado manual de eventos con Smart Capture

Gracias a Smart Capture, Product Analytics captura automáticamente todas las interacciones de las usuarias y los usuarios en todos los productos digitales de Trove, sin necesidad de etiquetar nada de forma manual.

"Smart Capture nos ha ayudado mucho cuando no hemos podido seguir el ritmo de los nuevos desarrollos o los nuevos lanzamientos a producción. Como captura los datos retroactivamente, evita que perdamos meses de datos".

McCall James

Senior Data Analyst

Esta novedad supone una auténtica revolución para un equipo de datos pequeño, como el de Trove. Cuando se lanza una nueva página, botón o función, los datos se capturan de forma automática y retroactiva, lo que significa que el equipo nunca pierde datos sobre el comportamiento, incluso aunque no pueda atender de inmediato a un nuevo lanzamiento a producción.

La función Smart Capture de Contentsquare captura todas las interacciones en tu aplicación o sitio web desde el primer día.

Cuando Trove lanzó la opción de arreglos para sus partners de Europa, Smart Capture permitió al equipo de datos respetar los plazos habituales, sin tener que correr a configurar eventos antes de que el piloto se pusiera en marcha. Todos los datos estaban disponibles cuando los necesitaron.

2. Reducción de meses a días del proceso de onboarding de partners

Antes de Product Analytics, el proceso de onboarding de un nuevo partner al entorno de analítica de Trove consumía mucho tiempo y recursos, ya que lo gestionaban de uno en uno y podían tardar hasta dos meses en completarlo. Con la captura automática de eventos, configurar un nuevo partner es tan sencillo como crear un nuevo proyecto y activarlo.

El equipo de datos ahora puede gestionar el onboarding de varios partners a la vez, un cambio que permitió a Trove cumplir con su propio KPI de reducir drásticamente el tiempo que les llevaba ese proceso. Para una empresa centrada en ampliar su portfolio de partners, esto les supuso una ventaja importante.

"Es tan sencillo como crear un nuevo entorno dentro de un proyecto y activarlo para que todos los eventos se capturen automáticamente. No tenemos que hacer nada más. Ha simplificado mucho las cosas y garantiza que no nos perdamos nada".

McCall James

Senior Data Analyst

3. Descubrimiento de muchísimos insights a partir de datos

Una de las funciones más valiosas de Product Analytics para Trove desde el punto de vista estratégico ha sido Funnel Analysis, ya que les ha permitido mejorar la experiencia de recompra que ofrecen a los consumidores. A diferencia del comercio electrónico tradicional, existen muy pocas investigaciones consolidadas en el sector sobre qué factores contribuyen a que un proceso de recompra genere muchas conversiones. Esto significa que las marcas que gestionan estos programas operan sin datos que las respalden, así que los equipos que sí que los tienen cuentan con una clara ventaja competitiva.

El equipo de producto de Trove utilizó los datos de eventos de Product Analytics para identificar exactamente dónde abandonaban las usuarias y los usuarios y para probar diferentes implementaciones, hasta encontrar el equilibrio adecuado entre recopilar suficiente información sobre los artículos y ofrecer una experiencia agradable.

Este tipo de desarrollo de producto iterativo y basado en datos no habría sido posible con etiquetado manual, ya que tendrían que pedir al equipo de desarrollo que creara un nuevo escenario de prueba para cada nuevo flujo, lo que hubiera sido inviable para un equipo de cuatro personas.

"Utilizamos Heap by Contentsquare para probar diferentes hipótesis, analizar datos y optimizar el producto. Si tuviéramos que etiquetar manualmente los eventos, no podríamos hacerlo, porque tendríamos que pedir a nuestro equipo de desarrollo que creara un escenario de prueba para cada flujo, algo que sería inviable".

Rocco Giordano

Sr. Product Manager

Otro ejemplo que ilustra bien este concepto es un widget de merchandising que Trove creó para un partner, una importante empresa minorista de ropa y accesorios para actividades al aire libre. El widget aparecía como un recuadro en el sitio principal del partner, lo que permitía mostrar a los clientes opciones para comprar ese mismo artículo de segunda mano.

Utilizando eventos preexistentes de Product Analytics y dividiendo los datos por parámetro de UTM (distinguiendo a los usuarios que llegaron al sitio de reventa a través del widget de aquellos que llegaron de forma orgánica), Trove pudo comparar directamente el rendimiento de las sesiones en ambos grupos. Y sin tener que etiquetar nada.

El equipo descubrió cómo se comportaban en el sitio de reventa las usuarias y los usuarios que accedían a él a través del widget, en comparación con los visitantes habituales. Esto proporcionó al partner una visión clara y basada en datos sobre la eficacia de la integración para promover la interacción con la reventa.

4. Promoción de la analítica de autoservicio en toda la organización

Como Product Analytics es tan fácil de usar, más equipos, aparte del de datos y de producto, han podido sacarle partido. En Trove, los responsables sénior de partners y otros roles que no se ocupan de datos pueden acceder a la interfaz directamente para crear informes rápidos, filtrar por partner y responder preguntas puntuales, sin tener que abrir ningún ticket.

Esta posibilidad de autoservicio quita carga de trabajo al equipo de datos y les permite centrarse en tareas de mayor impacto, como la creación de nuevos informes para lanzamientos de productos o la refactorización de modelos de datos.

McCall James llegó a Trove sin haber usado nunca la plataforma Contentsquare. En cuestión de semanas, ya utilizaba Product Analytics con soltura, lo que refleja lo intuitiva y fácil de usar que es.

"Cuando empecé a trabajar en Trove, nunca había utilizado Heap by Contentsquare. Como no necesité conocimientos previos y el onboarding fue mínimo, enseguida me puse al día y pude hacer todo lo que necesitaba con ella".

McCall James

Senior Data Analyst

Los resultados

El impacto de Product Analytics en las operaciones de Trove ha sido considerable. Ha mejorado la eficiencia del equipo de ingeniería y reducido la carga de trabajo del equipo de datos:

• Ahorro anual de unas 3000 horas de FTE (equivalente a tiempo completo), eliminando el etiquetado manual de eventos del que se tendrían que encargar seis desarrolladores y tres científicos de datos.

• Mejora interanual de entre el 4 y el 12 % en la capacidad para atender solicitudes de analítica, lo que ha permitido al equipo centrarse en trabajo estratégico de mayor valor.

• Reducción de meses a días del proceso de onboarding de partners, lo que ha permitido a Trove incorporar más partners sin aumentar la plantilla.

• Un equipo de datos de cuatro personas ahora presta servicios a más de 40 socios, proporcionándoles informes coherentes, fiables y multiplataforma.

Para Trove, el valor va más allá de las horas que se ahorran. Product Analytics ha aumentado considerablemente la capacidad de un equipo pequeño y ha hecho que la empresa tenga una ventaja competitiva en un sector el que todavía no es habitual disponer de datos sobre el comportamiento en programas de recompra y reventa.

"Nuestro mayor logro es poder contar con una plataforma fiable y estable que realmente funcione. Responde bien a las necesidades de nuestros partners y no necesita una gran gestión ni mantenimiento por nuestra parte, algo fundamental cuando estás intentando conseguir más partners con un equipo bastante reducido".

Rocco Giordano

Sr. Product Manager

Pasos siguientes

Ahora Trove se está centrando cada vez más en la gestión de devoluciones —uno de los mayores desafíos a los que se enfrentan las marcas de comercio electrónico hoy en día—, así que el equipo está explorando integraciones más profundas entre Product Analytics y el software operativo de la empresa.

El objetivo es hacer un seguimiento de las interacciones del personal con los flujos de almacenamiento y procesamiento, lo que ayuda a sus responsables a identificar dónde se estancan y dónde se puede mejorar la eficiencia.

El equipo también está investigando Session Replay de Contentsquare y trabajando para ampliar la adopción de la plataforma en toda la organización. La hoja de ruta deja claro que, a medida que Trove evoluciona, también lo hace el uso que hace de la plataforma.

"Sea cual sea la estructura del programa que elijan los partners y los componentes de Trove que utilicen, gracias a Contentsquare podemos prestarles servicio. Todo evoluciona continuamente, pero Contentsquare nos permite adaptarnos a las necesidades que les surjan."

McCall James

Senior Data Analyst