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 :)

Cambiaría el más bello atardecer por una sola visión de la silueta de Nueva York. En particular cuando no se pueden ver los detalles. Sólo las formas.

Si tuviera que resumir en una palabra mi experiencia en el eMetrics de Nueva York al que estoy asistiendo esta semana sería “Impresionante”. La verdad es que en cuestión de eventos tenemos mucho que aprender de los americanos, una semana dedicada a la medición en todo su potencial es difícil que no cumpla expectativas, de una forma u otra se logra que todos cumplan objetivos :)

Me gustó una cosa que no tenemos en España: aquí casi todos nos conocemos, allí casi nadie se conoce (salvo los pesos pesados tipo Eric Peterson, John Lovett, Jim Sterne y demás gurús del sector) por lo que las mesas para comer, cenar y hacer networking son redondas, nunca desayuné o comí en la misma mesa con la misma gente, vamos rotando, todos se presentan, comentan, se quejan, se congratulan… o sea, se habla de analítica web las 24 horas del día. Estamos hablando de casi mil personas, por lo que se puede conocer a mucha mucha gente en los 5 días de conferencia. Realmente esta parte es muy grande, el tener bajo el mismo techo a personas con las que no sería posible hablar una a una en su habitat natural, esto es lo grande del Emetrics.

Quizás esperaba demasiado pero no me gustó el que no registré muchas ideas nuevas, los problemas de aquí son los mismos de allá. El nivel no estuvo mal puesto que los ponentes son grandes speakers y tienen mucho que contar, pero me faltó algo. Quizás lo que más difiere es la madurez de la mayoría de las empresas online americanas en cuestión de medir, aquí aún no hemos llegado tan lejos, pero todo se andará.

DIA 1

El primer día de la conferencia lo dediqué a aprender sobre Predictive Analytics, con la gente de Aryng.com (Piyanka Jain y Puneet Sharma), muy interesante ya que fue un recorrido por todo lo que la estadística puede hacer por la analítica en general. Regresiones, Correlaciones, …. Es el futuro, cuanto más alto llegamos en una organización, los jefes quieren saber lo que va a pasar, no tanto lo que ya ha pasado. Por lo que no podemos quedarnos únicamente en estudiar los datos del pasado, hay que utilizarlos para saber cómo será el futuro si no hacemos nada, para aprender del pasado y cambiar el futuro.

DIA 2

El segundo día elegí un workshop sobre la Elaboración de Dashboards, con Jennifer Veesenmeyer de Stratigent, gente muy potente en la transmisión del conocimiento. Muy interesante también, dado que da igual lo bueno que sea el análisis en el que se ha trabajado, si no se sabe transmitir, no valdrá de nada. Empezamos con la elección de KPIs para pasar por distintos tipos de dashboards, elección de gráficos, trucos para que nuestro amor por Excel siga vivo… un día genial para frikis como yo ☺

Algunas notas que tomé: La calidad de los informes hablan de tu calidad como analista. Errores comunes: tratar de hacer un dashboard para todo, poner todas las métricas sin espacio para insights (los números no hablan, mejor visualización + explicación de forma conjunta). El problema es que o bien no tenemos contexto o bien no tenemos tiempo de hacer bien el análisis: concéntrate en lo que ha cambiado y haz el análisis profundo únicamente de ésa parte del análisis. No muestres solamente datos de la web, pon contexto (ventas offline, adwords, social media, encuestas…). Haz uso de las APIs para que se pueda automatizar lo más posible y no lleve tanto tiempo sacar la evolución básica. Nunca presentar datos sin segmentar, correlaciones, benchmarks, … KPIs siempre directamente hablando de objetivos, todas son parte de un todo.

DIA 3

El tercer día ya nos metemos en el eMetrics de lleno, arranca Jim Sterne con un discurso optimista, muy ligado a la WAA. Aquí me gustaría comentar algo. Desde hace 3 años soy miembro de la asociación. Básicamente porque es la única que existe de esta naturaleza. Y la verdad es que no me ha aportado gran cosa, algún descuento y tal, pero poco más. Creo que no hay más gente apuntada (en España no llegamos a 10 miembros) porque no aporta mucho, pero aquí en USA es como “si no perteneces a la WAA no eres nadie”. A ver cómo evoluciona fuera de tierras americanas, si no se hace algo por evitarlo me da que no va a tener sentido en Europa.

Selecciono las conferencias que, en mi opinión, fueron más interesantes para que os hagáis una idea de qué va este tipo de eventos y evaluéis si os interesa acudir a alguno en el futuro :)

Luego Joe Megibow, VP de Expedia.com nos cuenta su experiencia en AW. Para mí, ciencia ficción, el potencial de la AW en esta empresa no tiene cabida en Europa por ahora, pero bueno, muy interesante. Una gran parte de su discurso tiene que ver con la analítica en móviles, aquí ya está pegando fuerte este tipo de análisis, atención a este año en este sentido. También me gustaría destacar un par de frases “ Don’t just count. Do! Make decisions. Make mistakes.” Y “It’s not about click conversions. It’s about intents”. Creo que resume muy bien los retos de la analítica web, el primero: no quedarnos en los datos, sino hacer algo con ellos, tomar decisiones aunque no sean acertadas. Internet es el medio en el que más rápidamente podemos arreglar una equivocación, vale la pena arriesgarse para mejorar. Y no quedarnos únicamente en los clientes que llegan a cumplir los objetivos de nuestra web, sino focalizar nuestra atención y esfuerzos en aquellos que quieren hacerlo y finalmente no lo llevan a cabo. Averiguar qué pasa y tomar decisiones!

Larry Freed, CEO de Foresee es el siguiente en hablar, sobre la ventaja comptetitiva. Me encanta su discurso, a mi parecer da en el clavo: no nos podemos parar en ser únicamente analistas web. Ahora mismo tenemos un montón de canales que tienen que ver en el comportamiento de los usuarios en la web, que tienen que ver con el cumplimiento de los objetivos de un negocio. Si nos quedamos en la analítica web será un problema porque no veremos la foto real, solamente tendremos una parte y no servirá para tener éxito como empresa. Debemos reconvertirnos como analistas de datos, no solamente analistas web. Analistas de datos web, de datos de redes sociales, de datos de dispositivos móviles, de datos offline, de datos de clientes de nuestro CRM, de datos sobre la percepción de la marca, etc… Solamente así cerraremos el círculo del negocio. Piensa como un analista de negocio, no como un analista de datos de internet.

Para cerrar la mañana tuvimos a John Lovett de Web Analytics Demystified hablando sobre Social Media Metrics. Pensé que se iba a mojar más, pero fue muy light. En fin, lo más interesante aparte de la parte rosa (las categorías de métricas para Social Analytics son Business Value, Outcome, Counting, Foundational… o sea, no dices nada) fue la afirmación que sigo viendo repetida conferencia tras conferencia: los que toman las decisiones esperan recomendaciones, no más datos. Esto es lo que siempre comento, a mí no me llaman para saber cuánto venden (si no lo saben tienen un problema), sino para saber DÓNDE pueden meter mano y mejorar y conseguir sus objetivos. Y hablando de objetivos, John también dedicó gran parte de su conferencia a hablar sobre los objetivos en Social Media, cómo las empresas se meten en las redes como un elefante en una cacharrería sin organización ni objetivos ni nada esperando conseguirlo todo. No. Empieza por tener claro qué quieres conseguir, dónde y con quién vas a conseguirlo, empieza a medir y decide en qué te estás equivocando. Es decir, nada nuevo bajo el sol, estamos todos igual, aquí en España y alli en USA.

Por la tarde empezamos con Geoff Ramsey, CEO de eMarketer, un crack presentando, hablando sobre el impacto digital. El banner ha muerto, ejemplos sobre compañías americanas que no conocía. Se habla del contenido magnético, el contenido que engancha, la publicidad que llega al usuario. El contenido magnético debe contar una historia y ser único, útil, divertido y exprimir al máximo el canal donde se hace la publicidad. Algunas veces viene incluso de los propios clientes por lo que hay que focalizarse en los fans de la marca. Son recomendadores de nuestra marca, hay que darles poder y cuidarles.

También habla sobre la necesidad de correlacionar las métricas del “canal digital” para sacar realmente su valor, métricas de “exposición” (like de facebook o los followers de twitter), métricas estratégicas (encuestas, percepciones de la marca, comentarios generados…) y métricas de negocio (ventas, objetivos finales). Se sigue sin saber el ROI exacto de Social Media pero si no conectamos estos tres tipos de métricas estaremos más lejos de conseguirlo.

Tim Wilson de Resource Interactive nos cuenta sobre Twitter Analytics. Hay muchísimas herramientas que miden métricas relacionadas con twitter. Se centran o bien en el usuario (twitalyzer, crowdbooster, klout, peerindex) o en el contenido (tweetreach, the archivist, radian6, sm2, sysomos). Lo ideal es combinar los dos usando las herramientas necesarias. Pero hay que ir más allá para medir el ROI en Twitter. Se empieza por el Qué y el Quién. De qué se habla (contexto) y quién habla (usuarios). Sobre la marca, sobre los competidores y las categorías. Pero al final, analizar en twitter es como analizar la web: reporting, análisis, optimización y testing. Guardar todo twitt con su contexto y analizar qué funciona (llegó a cumplir objetivos) qué no, qué día, a qué hora, qué usuarios estuvieron involucrados… Lo de siempre, trabajárselo y aprender.

Ahora viene Marty Weintroub de AimClear Online Marketing, un crack exponiendo, muy ameno. Aparte de dividir en fases lo que hay que medir en Facebook: Insights (qué llama a la acción? Qué tipo de contenido genera “megusta”? …), Fans (de donde son? En qué idioma hablan? Son hombres o mujeres? Qué edad tienen? Qué les gusta? De dónde vinieron?), Reach (hasta dónde llegó el mensaje), Talking about this (quién lo movió, por dónde, en qué tiempo?)... Lo que me gustó fue la metodología que usa para llegar a los fans que interesan para mover un producto en FB. Usar el Internal Search de FB y Social Plugs para encontrar usuarios, Google Search para encontrar notas y videos y encontrar los promotores de la marca, usuarios que hablan de ella de la manera que se necesita como promoción y hacerles parte de la publicidad. Puso ejemplos con y sin los promotores "naturales" y el éxito se multiplicaba! Muy interesante viendo casos reales y cómo los medía.


DIA 4

Jeff Jonas de IBM habló sobre la integración de los datos. Para mí, la mejor Keynote del Emetrics. Sabiendo el contexto de la información podremos tomar decisiones. La información es como piezas de puzzle. Se ponen sobre la mesa y se empieza a intentar juntarlas, nos damos cuenta de que alguna está repetida, de que nos faltan otras, de que hay que mirarlo desde otra perspectiva, de que necesitamos una mesa más grande para poder clasificar las piezas. Algunas observaciones producen nuevos descubrimientos y la foto que se empieza a formar nos ayuda a focalizar bien nuestros esfuerzos (qué pieza va conectada a ésta que tomo como base). El problema es que contar es difícil. Cuantos más datos tienes, mejores son las predicciones, te das cuenta de que tus datos no son perfectos, pero también menos automatización necesitas porque lo que tienes es contexto. Cuanto más grande es el contexto, mayor es el valor que podemos sacar. Hay que sacar partido mientras está ocurriendo, no después, hay que ser rápido: Espacio y Tiempo! Os recomiendo su blog, muy interesante!


Jorge Ruiz de Ogilvy habló de la atribución de conversiones. Cómo el nuevo modelo de atribución de conversiones (ya no atribuible únicamente al último canal) cambia sustancialmente la forma de analizar el ROI. Se centró en varios casos de negocios, casi todos centrados en incrementar el ROI de acciones de TV+Busqueda+Display. Poca información que tratar offline, mucho dato online. En la empresa crearon el Media Mix Modeling: un intento de acercamiento estadístico orientado a aislar y cuantificar los impactos de los distintos esfuerzos en marketing y otros factores en los ingresos. Es decir, estudio a fondo del ROI incremental, cómo los distintos canales incrementan el ROI de cada uno. ¿Cómo funciona cada canal en solitario y cómo lo hace en combinación con otros canales? La atribución se divide en dos áreas: Micro o optimización digital (días para guardar la cookie en una conversión, conversión inmediata) y Macro o Impacto de canales (qué canales funcionan mejor para la marca? Qué combinación de canales es la más efectiva?).

Modelo antiguo de last conversion vs. Modelo nuevo de conversiones atribuibles:


Finalmente June Li de ClickInsight, Stephane Hamel de Immeria y Angie Brown de IBM hicieron un recorrido exhaustivo por las KPIs, empezando por dejar claro que no es lo mismo una métrica que una KPI (han de reflejar los objetivos de la organización) y que una vez se encuentran las apropiadas para un negocio, éstas no son para siempre porque todo cambia. Segmentación y Contexto, mucho de esto :) Se hace mucha referencia al blog de Avinash Kaushik donde se habla de las KPIs involucradas en el ROI. Una organización debería tener muy claras antes de empezar un proceso de optimización sus KPIs financieras, las que se refieren al cliente, con las que se mide a la competencia, con las que se mide la satisfacción interna y aquellas que indican crecimiento. Un repaso muy interesante de 3 cracks que iban contando experiencias en la definición de KPIs, no aporta nada nuevo pero me gustó la forma de tratar el tema desde 3 puntos de vista.

DIA 5

Era el último día y se notó. Mucha menos gente y las conferencias más flojillas. Las keynotes, insufribles.

Destacar únicamente (gracias a Sergio Maldonado por recomendarme esta charla) a April Wilson, de Digital Analytics 101. Esta chica dejó su trabajo en una empresa por montarse ella por su cuenta (os suena? :))) y cuenta de una manera muy personal cómo ya no cree en los datos de la misma manera. Es decir, la metodología para tratar los datos en un análisis no ha cambiado de manera significativa en estos últimos 30 años, resulta que la manera de recogerlos cambia constantemente pero la metodología de análisis no. Esto no es una ciencia exacta por lo que hay que relativizarla y darnos cuenta de que cada vez tendremos más y más datos por lo que hay que ir adaptando la forma de tratar los datos (y el tiempo invertido en hacerlo). El camino de buscar la mejor forma de ayudar al negocio a través de un análisis cada vez más complejo y con más y más datos es duro y ha de cambiar constantemente, reinventar cada vez y para cada cliente un método que exprima al máximo su canal online. Muy fresca y con mucha energía :)

Mi resumen: No dejo de escuchar que no nos podemos quedar en ser analistas web, sino que hay que hacer frente a los datos, hay que sacar el máximo poder de las herramientas y APIs para todo lo que sea evolutivo, hay que utilizar la analítica predictiva para recomendar en base a lo que puede pasar y no a lo que ha pasado, hay que distribuir de manera eficiente las KPIs más importantes en Dashboards con estilo y ser partícipes del negocio. Los únicos que han hablado de herramientas han sido los que las quieren vender, los demás no proponen una herramienta u otra, sino formas de optimizar al máximo la web en base a los datos.

Eso sí, como ya dije en twitter hace unos días, pensé que estábamos bastante más por detrás de los gurús americanos en esta historia. Pues no, no lo estamos. Si bien se ha tratado cada uno de los temas importantes de hoy en día en Analítica Web (he tratado de ir a todas las conferencias sobre los temas candentes) y se han dado cita los más nombrados gurús de la industria (salvo mi Avinash querido), no creo que acuda anualmente a la cita con el eMetrics. Sí que creo que todo analista debería vivir la experiencia de asistir al menos una vez, es toda una experiencia :) Para más información podéis buscar en Twitter el hashtag #eMetrics.

I love NY!