Una relación es como un tiburón; tiene que estar continuamente avanzando o se muere. Y me parece que lo que aquí tenemos es un tiburón muerto

Aunque no hayamos tenido actividad previa en Redes Sociales, sí que podemos hacernos una idea de cuales son los números que necesitamos para considerarlo un canal interesante para la venta.

 Si nuestro objetivo en Redes Sociales es vender un 5% más de nuestro negocio o conseguir un 5% más de contactos (emails o teléfonos) en el próximo trimestre, lo primero que haremos es traducir ese porcentaje en unidades de venta: Si el 100% de nuestras ventas o contactos son 1.000, un 5% de esta cantidad son 50 unidades.

Es decir, para alcanzar nuestro objetivo en Redes Sociales hemos de vender 50 unidades o hacer 50 nuevos contactos en el próximo trimestre. Si la tasa de conversión de nuestro sitio web es del 2%, significa que para conseguir ese total de 1.000 ventas o contactos necesitamos 50.000 visitantes.

Por lo que podemos deducir que para vender 50 unidades más o menos necesitaríamos tener 2.500 visitantes desde el canal de Redes Sociales. Lógicamente esto no es exacto, cada canal tiene sus propias características y comportamiento pero la previsión del total del sitio web nos sirve para tener claro desde el primer momento que no es tan importante el número de followers o fans o amigos que tenga nuestra empresa como el número de usuarios que logramos atraer a nuestra web.

 Es decir, ¿De qué nos sirve tener 5.000 fans si solamente derivamos 100 visitantes a nuestra web (usuarios propensos a la venta)? Cuando vamos a utilizar las redes sociales para vender debemos dejar de hablar en términos de fans, followers, me gusta, RTs, etc… para hablar de clientes potenciales.

 Una vez tengamos datos sobre cómo actúan los usuarios de este canal, podremos afinar mucho más en las predicciones: Si se han logrado 3.000 visitantes con 3 acciones en Facebook por ejemplo para conseguir vender 55 productos por un valor final de 3.300 € en el último trimestre, tendremos una tasa de conversión de 1,8%.

Con esto ya tenemos por dónde empezar a plantearnos bien la estrategia: Si estas acciones han sido llevadas a cabo en Facebook y durante este trimestre hemos logrado 200 fans, quiere decir que 200 fans han generado 3.000 visitantes y 3.300€.

 Lo mismo para webs que no sean ecommerce y necesiten hacer contactos. Una vez más recordar que SIEMPRE hay que valorizar las conversiones independientemente de si suponen o no ingresos, puesto que son negocio. Si cada contacto generado se valora en 60€, se tendrán los mismos números que en el ejemplo del ecommerce: 200 fans han generado 3.000 visitantes y 55 contactos nuevos, lo que suponen 3.300€.

 En ambos casos, cada fan genera unos 15 visitantes y nos puede significar unos ingresos de 16,5€ en el trimestre. Entonces toca preguntarse… ¿Cómo evoluciona este valor a lo largo del tiempo? ¿Cómo evoluciona este valor en cada acción que llevamos a cabo en la red social?

De cara a nuestras promociones futuras… ¿cuántos fans necesitaremos para lograr alcanzar nuestros objetivos?

Es muy importante en el análisis del rendimiento de Redes Sociales como canal de venta la figura del valor del usuario (fan, follower, etc…) ya que incluye otras métricas como tasa de conversión, valor medio por acción completada, número de visitantes y número de conversiones.

Valor por visitante = ingresos / número total de visitantes

Si lo cruzamos con el Coste de visitante, tendremos una medida interesante para saber cómo están funcionando nuestras estrategias en el canal:

Coste por visitante = gastos / número total de visitantes

Es decir; si cada acción en Facebook nos cuesta 100€ y hemos realizado 3, los costes han sido de 300€ en total. En nuestro ejemplo, cada visitante desde Redes Sociales nos ha costado 0,1€ (300€ de gastos / 3.000 visitantes). Y cada visitante nos ha generado 1,1€ (3.300€ de ingresos / 3.000 visitantes), por lo que por cada nuevo visitante se logra 1€ (1,1€ de ingresos - 0,1€ de gastos).

Analizar esta métrica de forma periódica nos ayudará a determinar qué acciones funcionan mejor de cara a cumplir los objetivos de venta. Es decir, esta métrica ayuda a saber qué promociones valen la pena como inversión para captar usuarios de calidad, transformamos la estrategia en negocio. O dicho de otro modo, sabiendo aproximadamente cuánto vale un visitante de este canal, podremos determinar cuánto podemos gastar para captar visitantes de este canal para que nos sea rentable.

 Si la herramienta de analítica web lo permite (Google Analytics, Omniture lo hacen, por ejemplo), debemos tener en cuenta el cruce o canibalización de canales. Es decir, dependiendo del producto o servicio ofertado, puede que un visitante necesite de más de una visita para finalmente convertir.

Y puede que el primer contacto del visitante con la web sea una promoción en facebook, o en un blog, o en twitter o un video de youtube. El visitante llega a la web, estudia el producto pero no lo compra. Pasados unos días vuelve a la web y compra (o se da de alta) pero llega desde un buscador o un email por ejemplo.

Saber qué porcentaje de conversiones tienen como punto inicial las Redes Sociales es vital para tenerlo en cuenta de cara a la estrategia a seguir por el negocio, si no es un canal de finalización de compra pero sí de primer contacto, hay que tratarlo como tal y no pedir resultados de compra final sino de contacto inicial.

Si queremos que las Redes Sociales sean un canal de venta, hay que tratarlo como tal y medir lo que interesa para sacarle el máximo partido. Detrás habrá una labor del responsable de dicho canal de saber qué tipo de mensaje es el adecuado, cuándo es mejor lanzarlo, en qué red social y qué tipo de usuarios interesa tener de aliados.

El analista web puede ayudar con todos los datos disponibles a saber dónde, cuándo y qué mensaje funciona mejor de cara a objetivos, pero la estrategia lógicamente viene por un estudio exhaustivo del rendimiento del canal en base a la actividad que genera.

 Mi experiencia hasta la fecha con Redes Sociales como canal de venta en varios clientes es que se necesitan más visitantes que en otros canales para lograr la conversión pero el precio medio de compra es bastante superior al resto de canales… ¿Es también tu caso? ☺

Mi táctica es quedarme en tu recuerdo no sé cómo ni sé con qué pretexto pero quedarme en vos.

"Mi táctica es quedarme en tu recuerdo no sé cómo ni sé con qué pretexto pero quedarme en vos. Mi estrategia es que un día
cualquiera no sé cómo ni sé con qué pretexto por fin me necesites."

El 1 del 1 del 11 empecé mi nueva aventura como profesional independiente y la verdad es que 2011 ha sido uno de los mejores años de mi vida profesional, si no el mejor ☺

Este año he sido la primera española nominada a los prestigiosos premios de la Web Analytics Association. Tuve la suerte gracias al patrocinio de Aspgems de viajar a la Gala de Premios en San Francisco y fue una experiencia inolvidable, aunque no me llevara finalmente el galardón. En octubre decidí viajar de nuevo, esta vez a Nueva York al congreso Emetrics a aprender de los maestros de la analítica web. Valió la pena!

Marzo fue especial, por la nominación a los premios y el viaje, pero también por el lanzamiento de “El Arte de Medir”, mi primer libro, junto a mi gran amigo Tristán Elósegui. Ha tenido una acogida espectacular y creo que vale la pena el esfuerzo que supuso por todas las alegrías que me está proporcionando. Gracias a la editorial Profit por su apoyo incondicional y por creer en nosotros en un primer momento.

Y por si fuera poco, en marzo también lanzamos el primer master en Analítica Web en España, gracias a Kschool. Ahora mismo estamos en la segunda edición y cada vez somos más analistas web y mejor preparados, además de haberme permitido conocer a los casi 60 alumnos que han confiado en nosotros para su formación en esta disciplina. Creo firmemente que el dar clases es importante para cualquier profesional, porque hace imprescindible el estar al día, nos ayuda a ver las cosas desde distintas perspectivas y por supuesto a conocer a mucho profesional muy motivado… verlos crecer profesionalmente es muy satisfactorio.

Tres de los alumnos de la primera edición del master me acompañan desde octubre en mi nuevo proyecto: EL ARTE DE MEDIR. Buscamos una nueva forma de ayudar a las empresas a sacar el máximo rendimiento a su canal online, basando nuestro valor en la cercanía al cliente, el asesoramiento completamente personalizado y, por supuesto, en el potencial de utilizar los datos y diseñar una metodología que permita crecer con garantías en internet.


Pero empezaré por el principio, al empezar el año hice mi lista de deseos, deseando que el Testing, la medición en Redes Sociales, el análisis predictivo, la accionabilidad de los informes y el perfeccionamiento en nuestras metodologías fueran los pilares de esta nueva etapa que estaba a punto de empezar y así seguir creciendo como profesional. He intentado hablar sobre todo de estos temas en este año desde el blog, compartir mis experiencias y mis opiniones al respecto.

Una buena estrategia de analítica en el sitio web pasa siempre por un buen establecimiento de objetivos y la posterior asignación de indicadores clave que midan la consecución de los mismos, por lo que no puede faltar en nuestra metodología este primer paso, nuestros cimientos.

Hice mis deberes y empecé hablando sobre los factores que pueden influir en decidir por dónde empezar a optimizar el sitio web, combinando las KPIs visita (con un valor alto), tasa de rebote (más alta que la media del sitio web) e Índice de Ingresos (menor que la media del sitio web). Esta es la base de un buen proceso de Testing, detectar dónde se encuentra la necesidad real de optimización.

Pero para saber qué es lo que puede estar fallando, tenemos que aplicarnos y estudiar cómo podemos ayudar al experto en usabilidad y diseño, cómo saber dónde y qué puede estar fallando a la hora de completar nuestros objetivos en cada página del sitio web. Es importantísimo estudiar a fondo las páginas antes de lanzar hipótesis y ponernos a testar sin control ni sentido.

Es básico segmentar las métricas para poder ser capaces de tomar acciones sobre los datos. Primero estudiar los datos globales para después ir decidiendo por dónde hemos de segmentar para sacarle partido a la analítica web. Sin segmentación, no hay nada.

¿Por qué segmentar? Porque necesitamos saber dónde focalizar nuestros esfuerzos, qué está fallando, qué está funcionando, si un producto necesita promoción más completa o necesita una optimización de su página de presentación de producto, o incluso el formulario. Si no segmentamos estamos perdidos, seremos parte del problema y no parte de la solución, que es lo que nos interesa. Un ejemplo claro es la segmentación por producto o servicio del embudo de conversión. Este post me dió la idea para la presentación que realicé en el congreso web de Zaragoza, del que hay un vídeo de la totalidad de la ponencia para ilustrar el proceso.

No se ha escrito demasiado sobre cómo podemos medir en las Redes Sociales, al menos en español, y decidí poner por escrito la metodología que yo sigo para este canal. Es el post más leído del blog de 2011 y merece una mención especial porque ha sido un año muy importante en este canal y es vital que las empresas y los profesionales del Social Media tengan conocimiento, herramientas y tiempo suficiente para ir midiendo qué está funcionando y qué no en la estrategia para poder tomar decisiones a tiempo.

No podemos olvidarnos dentro de las redes sociales, de que un blog también debe tener bien definidos sus objetivos para así saber qué línea ha de seguirse y si está dando resultado la estrategia que se sigue con el contenido elegido. Podemos medir todo en nuestro blog, ¿por qué no hacerlo?

Dicen que este año es el del móvil, llevan tiempo diciéndolo, pero creo que a partir de esta último año sí ha llegado pisando con fuerza... si tenéis ocasión de comprobar en vuestras estadísticas la tendencia de visitas desde un dispositivo móvil en los últimos meses, lo normal es que haya aumentado considerablemente por lo que hay que tener muy en cuenta este nuevo tipo de dispositivos, móviles y tablets.

Y aunque este año Google se empeñe en hacer la vida del SEO más difícil, nosotros como analistas web hemos de tener muy en cuenta que podemos ayudar a estos profesionales de la captación y el posicionamiento desde los datos que podemos ir combinando para que le sea más fácil tomar decisiones sobre la estrategia que estén aplicando sobre el sitio web.

Porque estudiar al no cliente es la clave para poder crecer “desde dentro”. Captar a un cliente nos sale caro, muy caro, y no es cuestión de dejarlo marchar así como así. Detectando qué podemos hacer para intentar convencer al indeciso o decidir el target correcto al que debemos dirigirnos nos ahorrará mucho esfuerzo y dinero.

Finalmente, el utilizar técnicas como la estadística nos dará LUZ en nuestros análisis y nos facilitará el acceso a técnicas propias del análisis predictivo; es decir, no centrarnos tanto en lo que ha pasado sino en intentar adelantarnos al qué va a pasar.

En resumen, un año muy importante a nivel profesional en el que además he aprendido y disfrutado compartiendo todo lo que me resulta interesante, tanto en el blog como en twitter. Gracias a todos por acompañarme en este viaje, en especial a Eduardo, Eva y Jose Manuel por caminar a mi lado y a los clientes que han confiado en mi trabajo este año.

No sé cómo será 2012, pero de una cosa estoy segura, lo afrontaré con PASIÓN. Felices fiestas!

Hay dos maneras de difundir la luz... ser la lámpara que la emite, o el espejo que la refleja.

Uno de los problemas con los que nos encontramos los analistas a la hora de analizar es la cantidad ingente de datos que hemos recogido. Entender qué ha pasado se convierte en un reto importante cuando no hay nada que nos ayude a ver la luz!

Yo suelo usar la estadística (a nivel muy muy básico, no asustarse!) en la metodología que sigo en el análisis, sobre todo para entender muy bien las tendencias, el qué ha pasado e intentar dilucidar por qué.

¿En qué me ayuda la estadística? Bien, una de las primeras cosas que hago al enfrentarme a un sitio web es estudiar el comportamiento de diversas métricas a lo largo del tiempo. Por ejemplo, tomo el dato de visitas al sitio web a lo largo del último año. Incluyo el mismo mes del año anterior para comprobar si la evolución tiene una tendencia positiva o negativa, y obtengo desde excel un gráfico como éste:



De este modo, podemos ver cómo los meses más flojos a nivel de visitas en el sitio web son Junio y Julio, mientras que en Abril y Agosto tenemos los picos más interesantes del periodo. Parece que con respecto al año anterior hemos ido perdiendo fuelle.

Pero ¿no falta algo? El siguiente paso que realizo después de estudiar la evolución es calcular la progresión. Es decir, el cambio real que se ha producido entre cada mes de 2011 en comparación a lo que pasó en 2010. La fórmula exacta es:

Progresión = valor mes año actual / valor mismo mes año anterior – 1

Se calcula exactamente la progresión para cada uno de los meses a analizar y volvemos a consultar el gráfico:



Al estudiar la progresión, podemos ver las visitas desde una perspectiva distinta a la evolución, puesto que no veremos qué pasa de un mes hacia otro, sino qué meses han funcionado mejor en base a la estacionalidad del producto o servicio que ofrecemos.

En el primer gráfico uno de los meses que más destacaba era noviembre, también abril tenía un pico destacado. Después de mirar la progresión, la atención va más a febrero, octubre y noviembre. Parece que después del verano no se logra remontar el vuelo… ahí es donde hay que analizar más a fondo, empezamos a tener un camino que explorar.

Evolución + Progresión = LUZ

Otras veces lo que tenemos son un montón de variables que suben o bajan a primera vista sin relación aparente. ¿Cómo arrojar luz sobre qué métricas tienen que ver con otras? La regresión lineal nos ayuda ☺

Desde Excel únicamente necesitaremos una tabla con los valores de las métricas a estudiar:



La idea es ir combinando variables para saber si existe relación entre sus valores. Es decir, ¿sube la tasa de rebote al subir los visitantes nuevos? ¿suben los ingresos si suben las visitas desde keywords con nuestra marca? Buscar relaciones entre métricas nos ayudará a reconducir una estrategia, a prevenir problemas mayores, a aprender de lo que estamos haciendo bien, etc…

¿Cómo funciona la regresión lineal? Se basa en el coeficiente R2, que saca la relación lineal entre dos variables. Cuando este coeficiente esté próximo a cero, indica que no hay relación entre las variables. Cuanto menos se acerque a cero, existe relación. Si el valor es positivo, indica que cuando una de las variables sube, la otra también lo hace. Si el valor es negativo, que cuando una de las variables aumenta la otra disminuye. Luz Luz Luz!!! ☺

En el ejemplo, podemos ver cómo el aumento o disminución de los usuarios captados nuevos no influye en los ingresos conseguidos puesto que el coeficiente tiende a cero:



Sin embargo, al comparar los ingresos con la tasa de rebote, podemos comprobar cómo sí que existe una relación, al aumentar los ingresos si la tasa de rebote disminuye. Es decir, en el ejemplo, hay un 95% de Luz! Focalizando esfuerzos en disminuir la tasa de rebote estaremos en el buen camino:



Podemos meternos más en este tipo de análisis de relación y correlación, combinando todas las métricas que se nos ocurra, yo lo automatizo en excel para que las combine según las voy alimentando de Google Analytics y la verdad es que salen conexiones que nunca se nos hubieran ocurrido... al menos a mí!

Finalmente, con la función TENDENCIA de Excel podremos intuir el valor futuro de una métrica teniendo en cuenta sus valores en periodos anteriores:



Si tenemos valores de enero a septiembre y queremos estimar el valor de octubre, usaremos esta función, que nos dará un resultado sobre el que podremos basar nuestra predicción o estimación del valor del siguiente periodo:



Así podremos adelantarnos al tiempo y saber lo que nos espera, tendremos más pistas de por dónde debemos tirar. LUZ! ☺



Son conceptos muy básicos de estadística que nos servirán, no para hacer un estudio estadístico profundo, sino para desatascarnos en el análisis de los datos de cara a decidir por dónde podemos empezar a meter mano para optimizar el sitio a analizar.

Para ahondar en cómo estos modelos estadísticos pueden ayudar en el día a día de un análisis web hay ejemplos en estos enlaces:

Regresión y Correlación

Regresión lineal

Correlación

Creo que es muy interesante que, sea cual sea tu experiencia o estudios como analista web, conozcas la existencia de estos conceptos para poder hacer un análisis exhaustivo de las métricas y ver la luz cuando nada parezca tener mucho sentido ☺

Algunas veces, para poder ver la luz, hay que arriesgar la oscuridad

En la línea de lo que he aprendido en la conferencia de eMetrics en Nueva York (la más importante de la industria de analítica web a nivel mundial), me gustaría comentar una de las mayores equivocaciones que tenemos los analistas web a la hora de enfrentarnos a un análisis sobre la web.

Nos centramos en conversiones. Nos centramos en objetivos. Quién los cumple, cuántos son, qué porcentaje sobre el total, de dónde han venido, a dónde han ido después, con qué palabra clave les relacionamos, etc etc. Ojo, estos usuarios suelen suponer únicamente el 2% del total de nuestro tráfico en la web.

Esto no está mal, de hecho nos ayuda a saber dónde nos encontramos, cómo son nuestros clientes y nos ayuda a identificar los canales o landing pages o keywords que nos ayudan a conseguir el éxito. Nos centramos en el 2% que nos quiere.

Pues bien, no nos debemos centrar en las diferencias entre los clientes sino que deberíamos centrarnos en los puntos que tienen en común los no clientes (de dónde vienen, qué hacen, cómo lo hacen…). ¿Por qué? Pues porque conocer estas semejanzas nos llevará a saber dónde debemos atacar, dónde podemos meter mano para mejorar. ¿Cómo? Seguiremos una metodología.

Hay 3 niveles de no clientes:

• 1. Los que están a punto de ser clientes. Esos que se quedan a las puertas y necesitan un pequeño empujón para finalmente ser convencidos. Les podremos localizar en nuestras páginas de carrito, han metido productos y no terminan de hacer el checkout o bien se han quedado en la última página antes de la compra, … Si los analizamos bien, sabremos el punto de fuga preferido por estos clientes, los productos que nunca llegan a comprar… Es decir: ¿Qué tienen en común los no clientes que están a punto o estuvieron a punto de serlo? Seguramente lo que toque aquí será mejorar una parte del proceso de compra, saber qué hay que optimizar, o al menos por dónde empezar a optimizarlo.



• 2. Los que deciden no ser clientes. Son los que llegan a nuestra web, vomitan y se van. Es decir, los que llegan y se largan puesto que no les hemos gustado o no somos lo que estaban esperando. Aquí lo tenemos un poco más difícil que con los clientes del grupo 1. Nuestra meta es que con el proceso de optimización movamos un alto porcentaje del grupo 1 a ser clientes y un alto porcentaje del grupo 2 al grupo 1 ☺ Esto podremos conseguirlo optimizando las páginas donde aterrizan los nuevos no clientes desde la publicidad equis. Hay que estudiar qué tienen en común los puntos de entrada por los que los no clientes nos abandonan después de echar un primer vistazo. Hay que estudiar qué tienen en común los mensajes de captación o las keywords que utilizan los no clientes que vomitan. Y empezar a optimizar por ahí. ¿Son todos nuevos visitantes? ¿O son propensos a visitarnos y vomitar? ¿Qué tienen en común?



• 3. Finalmente tenemos a los no clientes porque no saben que existimos. Aquí lo que hay que optimizar son las campañas de captación en todos los canales. Esto es más cosa del departamento de marketing, aunque el analista debe ayudar a saber cómo está distribuyéndose el presupuesto de marketing y qué funciona y qué no funciona. Para poder darle más presupuesto a lo que pueda llegar a más gente, que podamos tocar a aquellos que no nos conocen y que pasen al grupo 2, al grupo 1 o incluso ¿por qué no? al grupo de clientes directamente ☺

Los no clientes son una fuente mayor de conocimiento que los clientes satisfechos. Debemos centrarnos en los intentos de conversión, no en la conversión en sí.

Entonces ¿cómo podemos centrar esto en una metodología de ataque? Con las microconversiones. No centrarnos en el objetivo final, en la conversión a cliente, sino identificar qué acciones están tomando los no clientes y qué les está llevando a que no pasen de ahí, que no lleguen nunca a la macroconversión. Hay que pensar que con cada microconversión estaremos más cerca de llegar a la macroconversión. No hay que pasar por todas las microconversiones para llegar a nuestro objetivo (menos mal) pero sí el ir sumando microconversiones significa que estamos logrando interesar al usuario, que le estamos enganchando, que se lo está pensando.

Como proponía antes, si nos centramos en qué tienen en común los no clientes, podremos saber qué andaban buscando y en qué punto han decidido desistir. La primera métrica de microconversión será por supuesto la tasa de rebote. Todo aquel que llegue a nuestro sitio web, independientemente de por dónde entre, qué haya visto primero, etc… necesitamos que pase a una segunda página o que esté en nuestro sitio web más de 10 segundos para convencerle de que valemos la pena.

Lógicamente algunas microconversiones serán más interesantes para el negocio que otras, al final están en distintos niveles, unas más cercanas a la macroconversión que otras.

Yo prefiero pensar que hay distintos niveles, tantos como queramos en nuestro negocio. Empezamos por el estado del Interés, dividido en primario y real.

Lo primero es la tasa de rebote, que representa el interés “primario” en nuestra web, seguiríamos por el interés “real”, con microconversiones tales como que se use el buscador interno, que se vea la página de Sobre Nosotros, que se visiten las páginas de producto. En el caso de no ser un ecommerce, que se interesen por lo que hacemos, por nuestras noticias, por nuestro contenido… ¿Qué páginas, qué términos se buscan, qué miran justo antes de “Sobre Nosotros”, qué producto... tienen en común nuestros no clientes? ¿De dónde vinieron? ¿Dónde habían aterrizado? Todo aquello que denote un interés creciente en el usuario.

Nuestro objetivo con este tipo de microconversiones es lograr pasar al siguiente estado: El enganche.

Seguimos con las microconversiones de “enganche”, para mí las más normales serían ver un vídeo, leer reviews sobre un producto, clicar en el botón de más información sobre un producto, hacer más grande una imagen para verla en profundidad, que visite nuestros perfiles en social media, utilizar los botones de SM del sitio web… ¿Qué tienen en común los que no logran pasar al siguiente estado? ¿Qué han visto? ¿Qué han dejado de ver? ¿Eran usuarios nuevos o recurrentes? ¿Qué tienen en común?

Nuestro objetivo aquí sería llevar al no cliente al estado “preparado para ser cliente”.

Estas microconversiones son del tipo añadir productos a un carrito, rellenar un formulario para pedir más información sobre un producto/servicio, registrarse para recibir una newsletter, apuntarse a un blog,… ¿Qué productos son los que más se añaden y luego quedan sin empezar el proceso de compra? ¿Qué formulario no se termina de rellenar? ¿Son usuarios que vuelven pero no pasan de nivel?

Finalmente tenemos las microconversiones del estado final “necesito un leve empujoncito y ya”.

Empezar el checkout, empezar a darse de alta online, que visite la página con nuestro teléfono. Aquí es donde entran en acción los llamados embudos de conversión, interés real en ser cliente -> ¿dónde y por qué les estamos perdiendo? ¿Con qué producto o servicio? ¿En qué punto se produce exactamente la evasión?

Cada página en la web debe tener una microconversión asociada (salvo las páginas de confirmación de la conversión). Y sabremos qué página pertenece a qué tipo de microconversión. Cada página tiene un objetivo al menos que ha de cumplir y podremos localizar las páginas que no están alcanzando estos microobjetivos cuando tengamos un alto porcentaje de usuarios perdiendo el interés/enganche/casisoycliente en esta página. Así podremos focalizarnos en realizar una optimización concreta y con todas nuestras armas sobre lo que es necesario.

El estudio de las microconversiones nos ayudará a priorizar, ¿quién tiene el dinero suficiente para rediseñar un sitio web, por ejemplo? Por lo menos el poder ir paso a paso con aquellos puntos de la web que impiden a los no clientes convertirse en clientes nos dirá por dónde es necesario empezar. Tendremos la página donde está el problema, el anuncio de la campaña que no está funcionando como debiera, la keyword que no funciona debidamente atrayendo visitas de calidad…

Y lo más importante de todo, el analizar la web desde el punto de vista de las microconversiones nos permitirá dibujar un mapa con detalle de cómo es el comportamiento de nuestros usuarios en la web, así como las páginas o procesos involucrados en cada uno de los niveles y detectar dónde pasan de uno a otro nivel los no clientes. Así, intentar guiarles de forma más sólida y segura hacia la siguiente microconversión para alcanzar la conversión final. Es decir, arriesgarnos en la oscuridad para intentar llegar a la luz :)