¿Dónde está Avinash cuando se le necesita?

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

2012-01-04T00:00:00.000+01:00

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.

2011-12-19T10:00:00.001+01:00

"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.

2011-12-08T10:00:00.001+01:00

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

2011-10-28T12:00:00.001+02:00

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.

2011-10-24T10:00:00.004+02:00

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!

Nadie se ha ahogado en el sudor. Nunca seas un mero espectador, no dejes que la vida te pase de largo.

2011-09-29T12:00:00.003+02:00

Sinceramente, creo que no le sacamos el máximo partido a los blogs. Así lo afirmo, sin paños calientes. Muchas veces las únicas métricas a las que hacemos caso son el número de visitas que recibimos (dato cuantitativo) y el tiempo de estancia en el blog (lo usamos como dato cualitativo). Cuanto más altos son los valores de estas métricas, más felices nos quedamos. Pues mal. Muy mal.

Veamos, si uno tiene un blog es por algo. Sí, queremos que nos lean y que nos comenten y que se mueva por twitter y que nos den a google +1 y a facebook like… Ese es el objetivo que podemos perseguir por cada artículo que escribimos, ser referentes en nuestro campo. Pero no nos podemos quedar ahí.

Con un poquito más de esfuerzo podemos hacer las cosas de otra forma, podemos hacer las cosas bien ☺

Vamos a ello: a intentar medir el rendimiento real de nuestro blog.

Lo primero que debemos hacer es determinar qué objetivo perseguimos con el blog. No debe ser difícil saberlo. Un blog nos quita tiempo. Un blog nos supone un esfuerzo, al escribir, al documentarnos,… Es decir, un blog nos “cuesta” dinero, es una inversión… una inversión para qué? ¿Cuál es el objetivo que perseguimos realmente con el blog? Parémonos un segundo y tengámoslo claro antes de seguir adelante.

Cuando tengamos ya claro el principal objetivo del blog, hay que pasar a la siguiente fase: determinar qué tiene que pasar en el blog para que se cumpla nuestro objetivo. Ilustremos este paso con varios ejemplos:

Si el objetivo de nuestro blog es:

Conseguir el máximo número de suscriptores al blog -> fijaremos la url de confirmación de suscripción al blog como éxito del objetivo.

Conseguir ser referente en la materia -> podemos fijar la url de “quien soy” o “datos de contacto” como éxito del objetivo.

Que se hagan fans de la página de mi empresa en facebook -> fijaremos el botón de “siguenos en facebook” como éxito del objetivo.

Y así sucesivamente. Lo importante es tener claro qué tiene que pasar en el blog para considerar que estamos teniendo éxito en nuestro objetivo principal. No tiene que ser nada rebuscado, usemos el sentido común.

Una vez aquí, lo siguiente es abrir nuestra herramienta de analítica web. Pongamos que es Google Analytics, lo que hemos de hacer es dar de alta este objetivo para poder seguir adelante.

En el ejemplo siguiente, tomamos el objetivo de conseguir el máximo número de suscriptores al blog. Por lo que ponemos el título “Suscripción Email” y tomamos la URL /confirmacion.html como cumplimiento de este objetivo.

Atención a lo más importante de este paso: dar valor a este objetivo. En el ejemplo hemos determinado que cada vez que se cumpla este objetivo, logramos 0,2 euros.

Dejamos que pase un mes para recolectar datos y en ese periodo de tiempo escribimos 3 artículos. Nuestra misión será saber qué artículo ha funcionado mejor de cara a conseguir nuestros objetivos.

Ojo! No tiene por qué ser el artículo más leído, ni siquiera el más retuiteado o el que más comentarios genera. Tiene que ser el artículo que más suscripciones haya generado.

Imaginemos que en este mes, entraron 500 visitas y 5 se dieron de alta en la suscripción.

Mi tasa de conversión será: 5 suscripciones / 500 personas = 1%.

Pero… ¿qué artículo me proporciona las suscripciones?

Estos son los datos que hemos recogido este mes:

Artículo 1 nos genera 300 visitas y 3 suscripciones
Artículo 2 nos genera 100 visitas y 1 suscripción
Artículo 3 nos genera 100 visitas y 2 suscripciones

Como cada suscripción nos genera 0,2 puntos, tenemos un campo que automáticamente se genera en Google Analytics asociado a cada página:

Índice de Ingresos = conversiones * valor objetivo / visitas a la página

Por lo que:

Artículo 1 = 3 suscripciones * 0,2 / 300 visitas = 0,2
Artículo 2 = 1 suscripción * 0,2 / 100 visitas = 0,2
Artículo 3 = 2 suscripciones * 0,2 / 100 visitas = 0,4

Esto quiere decir que es el artículo 3 el que mejor resultado me ha dado en base a conseguir suscripciones. Probablemente el siguiente paso para optimizar nuestro blog debería pasar por seguir hablando de la temática utilizada en el artículo 3 e intentar llegar a más visitas para aumentar el ratio de conversión.

En Google Analytics (versión antigua) se encuentra dentro del menú Contenido. No olvidemos ordenar por el campo Índice de Ingresos y ponderar la clasificación, así podremos clasificar por las páginas más importantes a nivel de volumen:

Aquí lo tenemos, cuánto “vale” cada página o cada artículo de nuestro blog en base a nuestro objetivo principal: conseguir suscripciones al blog. Hay que tener en cuenta que Google Analytics concede el valor del objetivo a todas aquellas páginas involucradas en la conversión. Es decir, si una visita lee los 3 artículos del mes en la misma visita y decide suscribirse, entonces cada uno de los artículos logrará el valor del objetivo.

Lo interesante será ver la evolución en la consecución de cada objetivo y determinar qué tipo de contenido ayuda mejor a conseguirlo. Incluso qué día de la semana ayuda más a la conversión, qué canal... segmentar por todo lo que se nos ocurra para optimizar al máximo nuestro blog teniendo siempre en mente nuestro objetivo.

Ojo! Esto no quiere decir que dejemos de lado las métricas básicas en medición de blogs, como las visitas y la actividad que genera cada artículo. Pero si nuestro objetivo principal no trata solamente de lograr visitas sino que va más allá, va de obtener un alto rendimiento, hemos de cambiar nuestra estrategia de medición e ir más allá.

El siguiente paso es dar de alta todos los objetivos que persigamos con el blog en Google Analytics. Hay que priorizarlos y darles valor en base a esa prioridad. Por ejemplo, si el objetivo principal de mi blog es la suscripción pero también me interesa que visiten mi sección de “contactame” y que se sientan interesados por mi usuario de twitter, he de dar de alta 3 objetivos distintos con sus correspondientes mediciones de éxito (“url de suscripción confirmada”, “url de sección de contacto”, “evento de click a botón de sígueme en twitter” respectivamente) y 3 valores de objetivo, que pueden ser de igual valor o de distinto valor si me interesa más uno que otro.

Seguiremos los mismos pasos que hemos relatado y sabremos cómo funciona cada página a nivel global de consecución de objetivos. Para saber el rendimiento de cada página a nivel de cada objetivo hemos de definir un segmento avanzado para cada consecución de objetivo y volver a cargar el informe de rendimiento de Contenido.

El bonus viene cuando además segmentamos por la fuente de origen al artículo y aprendemos qué tipo de artículo interesa a cada canal (qué interesa en redes sociales, qué en google, qué interesa a los fieles de tráfico directo…).

Cuando te quieras dar cuenta, habrás sucumbido a la locura de medir… Demasiado tarde para seguir midiendo solamente visitas y tiempo de lectura en el blog ☺

Todos tenemos luz y oscuridad en nuestro interior, lo que importa es q parte elegimos potenciar

2011-09-12T10:00:00.004+02:00

Hoy empiezo un nuevo curso ☺

Después de la primera promoción en julio del máster de Analítica Web de Kschool en Madrid, tenemos la ilusión de lanzar convocatoria en Barcelona, en Zaragoza y en Valencia.

Es impresionante la buena acogida que ha tenido el curso en estas ciudades, sobre todo para muy distintos perfiles, estudiantes recién salidos de una carrera que se quieren especializar en esta disciplina, trabajadores relacionados con internet que quieren complementar conocimientos, gente de offline que se está reciclando para entrar de lleno en el mundo online, empresarios que quieren llevar en primera persona su negocio… Y esto es lo que enriquece el máster, los alumnos se complementan y todos aprendemos unos de otros.

Digo aprendemos porque incluso los profesores nos llevamos algo nuevo en nuestras clases. No podemos olvidar que la analítica web es una disciplina relativamente nueva y que cada día se puede aprender algo nuevo, esto es lo que me gusta de mi trabajo, que nunca sabes lo que te puedes encontrar al día siguiente ☺

El otro día una persona que estaba interesada en apuntarse al máster me preguntó si esto de la analítica web es vocacional. No tengo respuesta a esa pregunta, solamente sé que para sentirte a gusto en esta profesión lo principal es que no te deben asustar los números y sus combinaciones, te debes meter hasta las entrañas del negocio que estés analizando, ponerle algo de sentido común y estar abierto a innovar cada día, al igual que internet cambia, tu debes ir adaptándote también.

Cada vez son más empresas las que se dan cuenta de que si no se mide y analiza no se optimiza el negocio, no al menos de una manera eficiente. Muchos empresarios me dicen al oirme hablar de mi trabajo que no necesitan analizar, que tienen muchas visitas y que no necesitan más. Y yo me pregunto… el tener muchas visitas implica tener éxito en internet? Si tienes muchos fans tienes éxito en las redes sociales? Pues yo creo que no, que hay que pensar mucho más en sacarle todo el rendimiento posible a la web y si no mides lo que corres, no podrás correr más rápido. Si no mides lo que vendes y cómo lo vendes, no podrás vender más. Y así todo.

Los alumnos analizan de forma individual un proyecto real, de empresas que comparten sus datos para empezar a correr de forma más eficiente. Este informe de situación que a su vez se convierte en el proyecto final de 4 meses de trabajo de análisis, les sirve a las empresas que participan en el máster para saber por dónde pueden empezar a meter mano a su negocio. En estos momentos tenemos 9 empresas colaborando con nosotros, si estás interesado como empresa en el proyecto contacta conmigo en contacto@sorprendida.es.

Si quieres ser analista web y no puedes o no te apetece realizar el máster, no te preocupes, hay formas de encontrar tu camino, yo encontré el mío ☺:

Hace un tiempo escribí sobre este tema: Sin estudiar enferma el alma

Jaume Clotet escribió también sobre cómo ser analista web

Y no podía faltar Pere Rovira, que explicaba cómo aprender analítica web por cuenta propia

De cualquier forma, si la analítica web es tu camino, lo importante es que hay formas de prepararse para ser un buen profesional, que dispones de un abanico de posibilidades que hace años no existía tan al alcance de la mano... empieza a buscar la oscuridad en tu interior ☺

Sirva como complemento a todo esto el testimonio de un alumno de la primera promoción del máster en Madrid.

Cuando era niño vi una vez un coche, pero...ahora están por todas partes. Este maldito mundo va demasiado deprisa.

2011-09-01T10:00:00.002+02:00

Si hay una tendencia ascendente en este 2011 en materia de marketing es sin duda el marketing en el móvil. Si observamos detenidamente los distintos dispositivos que utilizan los usuarios para conectarse a nuestras páginas, da igual el tipo de web que tengamos, los accesos son cada vez más numerosos desde un dispositivo móvil.

Esta tendencia ascendente es normal, ya que las acciones en este tipo de dispositivos son mucho más inmediatas ya que se puede acceder desde cualquier lugar (recordemos aquel estudio no muy ortodoxo en el que el sitio donde aparentemente se usa el Ipad es el servicio, jejeje).

Pero sobre todo (y para mí lo más importante) se puede segmentar de forma más fidedigna a la audiencia y medir los resultados. Esto me lleva a la pregunta que todos los frikis analistas tenemos en mente: ¿Y qué podemos medir exactamente? ¿Qué tipo de métricas son las que mejor reflejan el rendimiento de mi negocio en los dispositivos móviles?

copyright Webtrends

A nivel de medición debemos separar los dos tipos de negocio que podemos encontrar en el móvil.

El primero es el negocio de las aplicaciones. Las preguntas que debemos hacernos en este caso tienen que ver con si los usuarios encuentran nuestra aplicación, si la descargan, si la usan, si la valoran, si les logramos retener y se convierten en clientes….

Los ratios en este caso son importantes, más que el volumen de descargas o los números absolutos: ¿Qué porcentaje de usuarios que se descargan la aplicación la usa habitualmente? ¿Qué porcentaje la ha valorado positivamente? ¿En qué momento del ciclo de vida de la aplicación nos encontramos? (evolución del ratio de nuevos usuarios / usuarios ya conocidos).

Así sabremos cómo son los usuarios que utilizan nuestras aplicaciones. Pero no podemos parar aquí, faltaría lo más importante: ¿Es rentable?

Si nuestro objetivo por ejemplo era el darnos a conocer, pongamos el caso de la aplicación para iphone de Minube. Si uno se baja la aplicación en el móvil, puede acceder a las opiniones de los usuarios sobre los destinos y restaurantes más sugerentes, con fotos, etc… Lógicamente importa saber el número de usuarios a los que ha seducido esta aplicación, pero también cuántos la utilizan para decidir un viaje, por ejemplo. No sirve de nada que se baje tu aplicación un millón de personas si luego no la utilizan, no es rentable. Es como tener un millón de fans en facebook si nadie se digna a comentar absolutamente nada. Pues francamente, prefiero tener la mitad de fans y que sí estén lo suficientemente interesados en mi marca como para conversar.

En este caso, como siempre, hay que decidir qué objetivos se persiguen con el lanzamiento de la aplicación, cuánto cuesta publicitarla además del coste de desarrollo y si hemos cumplido dichos objetivos.

El segundo tipo de negocio lógicamente es el que se desarrolla directamente en nuestra web y tiene que ver con el comportamiento de estos usuarios.

Este segmento de usuarios es importante compararlo al segmento del resto de usuarios por lo menos, para crear contexto que nos de una pista de la magnitud de las métricas que tenemos en el análisis.

Lo primero es conocer a este tipo de usuarios, para saber en qué se parecen y en qué se diferencian del resto de usuarios, recordemos que la personalización se traduce normalmente en éxito. Dar lo que gusta al usuario ☺

¿Cuál es la fuente de entrada preferida por estos usuarios? ¿Vienen de un buscador? ¿O quizás de una determinada red social? ¿Cuántas de estas visitan llegan y se van al primer vistazo? ¿Cuántas páginas ven en cada visita?¿Qué tipo de contenido es el más solicitado? ¿Cuánto duran de media estas visitas en el sitio web? ¿Con qué frecuencia nos visitan los usuarios de un dispositivo móvil? ¿Mayor, menor o igual que los que nos visitan desde un ordenador?

Una vez tengamos los datos generales de los usuarios de dispositivos móviles, podemos profundizar en las mismas preguntas o métricas pero segmentando por dispositivo, o sistema operativo… ¿Cuanta duración tienen las visitas desde un iphone en comparación a una blackberry? ¿Y a un tablet? ¿La tasa de rebote de las visitas que entran por la home es igual en todos los dispositivos? ¿Hay alguno que genere una tasa más alta? Solamente así tendremos los datos suficientes como para saber dónde podemos atacar.

Siguiente paso, la conversión.

¿Qué porcentaje de usuarios de dispositivos móviles logran cumplir nuestros objetivos? ¿Qué porcentaje de transacciones suponen con respecto al total de transacciones realizadas? ¿Y cuántos ingresos han supuesto? ¿Cuál es el valor de cada una de las visitas de un dispositivo móvil? ¿Y la evolución de cada una de las métricas?

Hay que analizar la evolución de los últimos meses para saber si nuestro negocio sigue la misma línea que el mercado en el uso de los dispositivos móviles, con un crecimiento muy alto en el 2010-2011. No sería la primera vez, por ejemplo, que el porcentaje de ingresos de los usuarios de dispositivos móviles no sea muy alto pero el valor medio por transacción duplica o es mucho más alto que el valor medio de una transacción realizada por un dispositivo no móvil.

¿Y para qué sirve entender bien la forma de proceder de estos usuarios? Para varios objetivos: conocer cómo actúan nos da una idea de qué necesitan, de si es necesaria una revisión de la usabilidad, por ejemplo. No es lo mismo una pantalla táctil (tablet) que una pantalla de móvil que una pantalla de ordenador. ¿Por qué las vamos a tratar de la misma manera utilizando el mismo diseño y usabilidad?

Sigamos con el caso de Minube. La aplicación es solamente una pequeña parte de la web. En la web además de compartir fotos y experiencias se puede reservar un vuelo, buscar inspiración sobre viajes dependiendo del tiempo disponible, planificar al detalle cada viaje… es una potente red social para viajeros.

Por lo tanto, los objetivos que tenemos en la web estarán orientados al uso que hagan los viajeros de la red social y lo que se evaluará será el comportamiento de los usuarios de dispositivos móviles con respecto al resto. ¿Reservan vuelos desde el Ipad? ¿Generan comentarios con un móvil? ¿Acceden con más frecuencia? ¿Los usuarios de los smartphones consultan el doble de páginas y están más tiempo que el resto? Son buenas métricas para medir la usabilidad, el diseño en los dispositivos móviles y ser capaces de optimizar al máximo la web de cara a estos usuarios, cada vez son más y es importante tenerles en cuenta.

Si conocemos qué tipo de productos o servicios son los preferidos para estos usuarios, podremos adecuar la oferta orientada a éstos por encima de otros que no resulten tan atractivos.

Pero sobre todo recordemos que estos dispositivos suelen ser personales, por lo que es lo más cercano que tenemos a la métrica usuarios únicos = dispositivos = personas. Si somos capaces de identificar dispositivos, somos capaces de identificar personas, saber en qué momento del ciclo del cliente está el usuario, si es la primera vez que compra, si lo hace regularmente, qué tipo de productos o servicios o contenidos consume, qué le interesa, cómo reacciona a determinada publicidad en el mismo dispositivo, etc… por lo que podremos actuar en consecuencia con la mayor rapidez posible, que esto va muy deprisa :)

Hasta las mejores pistas solo conducen a otras

2011-07-06T12:00:00.000+02:00

El mes pasado tuve la oportunidad de mantener una larga conversación con dos expertos en usabilidad a los que admiro profundamente. Uno es Daniel Torres Burriel y otro es Ricardo Tayar. Ambos maños y muy majos ☺

Mi inquietud es cómo puedo desde la perspectiva de la analítica web ayudar al experto a saber si la estrategia en usabilidad está o no funcionando. ¿Cómo detectar un problema de usabilidad con los datos que me proporciona la herramienta de analítica web?

Lo primero que debemos hacer es, como siempre, tener muy claros los objetivos de nuestro sitio web. Hemos de pensar como lo haría un experto en usabilidad, en tareas. Dividir nuestro sitio web en tareas y ver si se están cumpliendo o no.

Podemos usar los datos de nuestra herramienta de analítica web como si estuviéramos en un megatest de usuarios, en vez de 12 clientes o potenciales contaremos en nuestro “test” con todos los usuarios que llegan a nuestra web (con un poco de suerte, más de 12, jejeje).

Nos ponemos manos a la obra y ¿Por dónde empezamos? Identificando la página de nuestro sitio web donde la usabilidad es más importante: la ficha de producto o la página donde el usuario muestra interés por comenzar la tarea que estamos a punto de medir.

Evaluemos la persuasión de esta página a la hora de llevar al usuario a la siguiente página del proceso. En todas las páginas que tengan que ver con la tarea que tengan que realizar.

¿Qué porcentaje de visitas siguen al siguiente paso?

¿Qué porcentaje de visitas no siguen al siguiente paso?

¿Qué porcentaje de las visitas terminan convirtiendo? Sí, lo que viene siendo en analítica web el estudiar el embudo de conversión del que tanto hablo últimamente.

Es momento de empezar con nuestra siguiente tarea. Averiguar:

¿Qué página relacionada con la tarea contribuye más a la conversión? Es decir, ¿Por dónde pasan las visitas que terminan convirtiendo? ¿Desde dónde se llega a esta página?

¿Qué página relacionada con la tarea pierde más visitas? ¿Desde dónde se llega a esta página?

Identificar estas dos páginas nos servirá para determinar si hay que diseñar un nuevo planteamiento de embudo de conversión. ¿En qué orden de páginas navegan nuestros usuarios?

También para detectar qué página hay que arreglar en base a lograr el mínimo número de abandonos.

Aquí nos suele ayudar el disponer de una herramienta adicional que nos permita ver cómo los usuarios utilizan nuestra página, como CrazyEgg. Podremos entonces comprobar si los usuarios hacen caso de la llamada a la acción relacionada con el cumplimiento de la tarea o los diferentes elementos le confunden y van donde no queremos que vayan.

Evaluemos entonces dónde se va la visita… el peor escenario es cuando deja nuestro sitio web, si no tenemos ni idea de por qué nos abandona en ese punto, ni se nos ocurre cuál puede ser el problema, lo mejor es que lancemos una encuesta para que sea el propio usuario quien nos cuente el motivo de su abandono.

En un escenario más amable, podremos detectar qué información necesita el usuario para seguir con el proceso:

¿dónde se va dentro de nuestro sitio web?

¿por qué se va precisamente a esa página?

¿vuelve hacia atrás?

¿ve algo que no esperaba ver?

¿no ve algo que esperaba ver?

¿qué le hace retirarse?

¿qué le falta?

Estudiar la página sabiendo dónde se va el usuario nos da pistas de cómo ve el usuario la página.

Nos puede ayudar también el comprobar si desde las páginas de la tarea se ha utilizado el buscador interno, para determinar por un lado qué no encuentran que esperaban encontrar y tenemos en otro lugar y por otro lado qué esperan encontrar que no tenemos en ningún lugar de mi sitio web.

Si la página contiene un formulario, el analizar qué campos se han rellenado y qué campos constituyen un problema para el usuario será vital para encontrar puntos de conflicto.

Me encantó la frase de Juan Leal cuando compartimos mesa en la Fundación Telefónica “la usabilidad es como el tobogán de una piscina, hay que ir reconduciendo al bañista por el tobogán y que acabe cayendo al agua al final del tobogán con una sonrisa de satisfacción”. Nosotros como analistas web debemos detectar los problemas del tobogán.

¿Hemos terminado? Por supuesto que no. No se deberían sacar conclusiones sin haber segmentado todo lo que estamos averiguando.

¿Segmentos que me vienen a la cabeza? Fuente de origen, Keyword de origen, Usuario nuevo vs. Usuario repetidor y por supuesto qué camino siguen los que convierten y en qué se diferencia de los que no convierten…

Nuestro reto como analistas web en relación a la usabilidad es ayudar lo más posible a detectar problemas y ser capaces de plantear posibles soluciones. Lamentablemente esta vez no disponemos de métricas esclarecedoras que nos reporten directamente resultados de estrategia, pero si sabemos combinar las pistas, nos conducirán a otras ☺

Enlaces de interés| Guía de Usabilidad de Userfocus.

Cuando llueve comparto mi paraguas, si no tengo paraguas, comparto la lluvia.

2011-06-28T09:30:00.002+02:00

Hace unas semanas me invitaron a mi primera desconferencia y fue una experiencia muy interesante. Estaba organizada por Alberto Romero, Jesús Gorriti y Agustín Jiménez de DNX Group. Me encantó el concepto, la “puesta en escena”, las ganas de aportar de todos los presentes.

Compartí esta experiencia con las Madrid Geek Girls y decidimos convocar la primera Desconferencia Geek para Girls.

El día elegido es el domingo 3 de julio, queremos invitar a toda aquella chica que quiera formar parte del grupo a hablar y comentar del tema elegido: “Cuadros de mando en AW”.

¿Por qué hablaremos de cuadros de mando? Porque tan importante es el saber transmitir el conocimiento como el análisis de la información. Y por desgracia pasamos muchas horas delante de herramientas que nos ayudan en el análisis pero no dedicamos habitualmente el tiempo necesario a construir un cuadro de mando impactante. Entre todas hablaremos de consejos, problemas y trucos para dar con el dashboard ideal.

Cada persona que hable, tendrá únicamente 15 minutos de tiempo, luego nos podremos extender en el debate que pueda generar la historia. ¿Por qué este límite de tiempo? Porque iremos a aprender pero también a participar, para que aprendamos todas.

Juntaremos en una misma habitación a 25 personas que tienen mucho que aportar. Por eso no es necesario ser analista web, es una oportunidad para que distintas profesionales den su punto de vista y todas saquemos un beneficio.

Generar conversación para ayudarnos a innovar. Compartir será la clave de la inspiración. Porque iremos a inspirarnos. Para eso debe servir una desconferencia.

A todas aquellas que os apetezca os animo a venir y a hablar, a conversar, a innovar. Esta desconferencia está diseñada para hacernos pensar, pero para hacernos pensar juntas.

Empezaremos a las 11 de la mañana. Se cobrará una entrada, 10 euros, que servirá de bote para comprar algo para picar por la mañana y encargar unas pizzas y cerveza para la hora de la comida. Esperamos terminar a una hora razonable, a eso de las 17:00.

Tenéis de tiempo hasta el 29 de junio para dejarnos un mensaje en el blog contándonos qué os gustaría aportar si os apetece asistir y compartir una desconferencia con nosotras, ¿os animais?

Es muy probable que las mejores decisiones no sean fruto de una reflexión del cerebro sino del resultado de una emoción

2011-06-07T12:04:00.006+02:00

El pasado domingo realicé una ponencia en el I Congreso Web de Zaragoza, la verdad es que fue una experiencia muy positiva.

Estuve en ponencias sobre SEO y sobre Social Media y algunas me parecieron sumamente interesantes. Lo que más me gustó es que en ambos campos se empieza a repetir la consigna de que HAY QUE MEDIR para optimizar resultados, así que la labor de evangelización que desde hace unos años estamos realizando parece que no cae en saco roto.

Las ponencias que más me gustaron y están colgadas en la red:

Señor Muñoz

Clinic SEO

Ricardo Tayar

Me gustó también @elqudsi pero no encuentro su ponencia en ninguna parte :(

Yo estuve hablando de Analítica Web, para variar, y me centré en la importancia del estudio de los embudos de conversión para realmente optimizar nuestro negocio online. Si tenemos como objetivo aumentar los ingresos, no podemos limitarnos a atraer o captar más visitas a lo loco, sino estudiar cada categoría o producto por su parte para determinar cómo podemos optimizar lo que le rodea:

El público al que ha ido dirigida la campaña

La página de aterrizaje de la campaña

El proceso de compra del producto o adquisición del servicio

Conociendo el problema o, como me gusta llamarlo "lo altamente mejorable", podremos enfocar nuestros esfuerzos hacia un mismo punto, siendo mucho más efectivos y rentables.

Edito el 4 de julio para poner el link al vídeo donde está el total de mi ponencia (46 minutos, aviso!) en el Congreso. Alguien tenía que hablar sobre Embudos de Conversión largo y tendido :)

Esta filosofía o método de trabajo lo comenté ampliamente en este post sobre estrategia, por si queréis complementar las diapositivas de la ponencia:

Embudos de Conversion

View more presentations from Gemma Muñoz

Espero que este congreso vaya a más año tras año, enhorabuena a los organizadores.

Porque construir un sueño a partir de los recuerdos puede hacerte perder la noción de lo que es real y de lo que es un sueño

2011-06-01T19:13:00.002+02:00

Una de las preguntas que más me hacen últimamente es si el analista web debe ser también SEO para realmente sacar el jugo a sus recomendaciones sobre qué o no hacer en la estrategia en buscadores.

Siempre respondo lo mismo ☺ El analista web no puede ser experto en SEO, SEM, Diseño, Usabilidad, Redes Sociales, Programación, etc. El analista web ha de ser ANALISTA WEB. Debe ayudar a los expertos en cada campo con recomendaciones en base a los datos que haya analizado. Yo no tengo por qué saber qué es lo que hace un SEO para subir nuestra web en la búsqueda de la keyword A. Pero sí debo saber que la keyword A es básica para conseguir nuestros objetivos en la web, por lo que le indico al experto en SEO que es vital que la keyword A sea prioritaria en su estrategia.

Hace poco estuve hablando con José Panzano sobre SEO y Analítica Web. Es una de mis fuentes más fiables sobre métricas orientadas a hacer la labor del SEO más fácil, lo importante es que el analista web esté en permanente contacto con el experto en SEO para saber qué necesita para hacer su trabajo.

Como todos sabemos, la estrategia SEO no es a corto plazo, por lo que hay que hacerle un seguimiento sólido para saber qué está pasando en cada momento pero sin perder de vista lo que ha pasado. Siempre hay que calcular la mejora anual además de la mensual, tomando 13 meses de datos.

¿Y cuáles son los datos que realmente merecen la pena y que pueden ayudar a la estrategia SEO?

La metodología que yo sigo es la siguiente, para cada mes:

Empezamos por lo fácil: ¿qué pasa con las visitas de SEO cuando llegan a mi sitio web?

Aquí tomaremos el número total de visitas que vienen desde buscadores de forma gratuita y determinaremos el porcentaje sobre el total de visitas.

Empezaremos entonces a segmentar:

¿Cuántas de esas visitas no pasan de la página en la que aterrizan? ¿Qué porcentaje supone del total de las visitas SEO?

¿Y cuántas visitas llegan a cumplir alguno de mis objetivos en el sitio web? ¿Qué porcentaje supone del total de las visitas SEO? ¿Y qué porcentaje de las visitas que pasaron de la página de aterrizaje?

Pero no nos podemos quedar aquí, esto solamente es el primer paso de la metodología. Esto son solamente datos. Vamos a transformarlos en información añadiéndoles contexto.

Empezamos por el contexto temporal. ¿Cómo están evolucionando las métricas que hemos elegido como determinantes para saber qué funciona y qué no en la estrategia SEO?

Sí, podemos observar que las visitas están bajando de casi 9.000 mensuales en abril 2010 a poco más de 5.000 en abril 2011. Pero la calidad tiene una tendencia completamente distinta, antes no pasaban de la página de aterrizaje más del 55% y ahora casi llega a ser el 80% del total de las visitas SEO.

Pero lo importante viene cuando comprobamos la evolución de las conversiones (de un 3% a un 13% en el año) y la subida en los ingresos de la compañía (+55% de abril 2010 a abril 2011).

Con estos datos podemos evaluar grosso modo el rendimiento anual de nuestra estrategia SEO.

Si nuestro sitio no es un ecommerce, cambiaremos la variable de ingresos por la de valor del objetivo. No podemos olvidar que cualquier objetivo en nuestro sitio web debe tener un valor, para ser capaces de determinar qué estamos consiguiendo y monetizar los retos que perseguimos con el canal online.

Además, no está de más poner otro tipo de contexto además del temporal, como puede ser el porcentaje de conversiones y de ingresos de SEO con respecto al total conseguido por el sitio web en general. Según vaya variando en el tiempo, podremos detectar las estacionalidades de nuestro sitio web.

Puede que en el mes de mayo 2010, cuando se registra el menor volumen de ingresos SEO, hayamos bajado en general en todas las fuentes de tráfico y logremos un más que digno porcentaje de ingresos sobre el total de las ventas:

Es decir, podemos identificar la estacionalidad a nivel de ingresos de nuestro sitio web comparando cuánto consigue la estrategia SEO en comparación con las demás estrategias de captación.

Con estas primeras segmentaciones podemos decir que más que datos ahora disponemos de información, pero no es suficiente. Hay que generar conocimiento. ¿Y cómo lo hacemos?

Identificando las recomendaciones que vamos a hacer en base a nuestros datos y a la información que nos están proporcionando.

Es momento de identificar qué palabras clave nos están proporcionando éxito… Primero segmentando por keywords que se refieren a nuestra marca. Haremos el mismo ejercicio que antes:

¿Cuántas visitas tenemos de SEO branding? ¿Qué porcentaje de estas visitas siguen adelante? ¿Cuántas llegan a cumplir nuestros objetivos? ¿Qué ingresos generan?

¿Cuántas visitas tenemos de SEO NO branding? ¿Qué porcentaje de estas visitas siguen adelante? ¿Cuántas llegan a cumplir nuestros objetivos? ¿Qué ingresos generan?

Bajemos un escalón más identificando los grupos de palabras clave que generan mejor rendimiento, los que generan mayor rechazo a su llegada al sitio web (¿por dónde entran? ¿podemos optimizar esta página de aterrizaje? ¿realmente da el servicio para las palabras clave que llegan a ella?), los grupos que generan visitas de calidad porque pasan de la primera página pero no llegan a convertir.

Materialicemos lo que podemos sacar en claro: ¿Qué palabras clave nos interesa captar porque se muestran interesadas en el sitio web y no rebotan al entrar? ¿Qué palabras clave nos interesa trabajar porque terminan convirtiendo? ¿Dónde estamos perdiendo las visitas que se muestran interesadas pero no terminan convirtiendo? ¿Qué tienen en común con los que convierten? ¿Qué les diferencia? ¿Qué páginas de aterrizaje influyen negativamente en mis intereses? ¿De cuáles puedo aprender?

En resumen, es aquí donde podremos sacar las conclusiones que realmente nos llevarán a la optimización del sitio web. Aportar conocimiento sobre qué es lo que está funcionando y qué no tiene los resultados esperados. Imagina siempre lugares nuevos :)

Enlaces interesantes:

Ani López: Contiene un SEO Performance Dashboard muy interesante

José Panzano: Vídeo de su intervención en el Conversion Thursday de Mayo 2011 donde da una clase magistral sobre métricas en SEO.

Es una misión que como maestros deben imponérsela a sí mismos: despierten en sus alumnos el dolor de la lucidez. Sin piedad, sin límites.

2011-05-02T12:00:00.001+02:00

Después de haber defendido hasta el infinito y más allá la importancia de una buena definición de objetivos previa a realizar el análisis del sitio web, vamos a ver por qué y de qué nos sirve el priorizar todos los objetivos que tenemos en la web.

Imaginemos que tenemos una web www.misitio.com que vende el producto A, el producto B y el producto C. Nuestro macro objetivo es la venta, nuestros micro objetivos serían vender el producto A, el producto B y el producto C.

Lo primero que debemos hacer es saber cuánto vendemos de forma agregada, nuestra tasa de conversión global del sitio web; es decir, sumamos el total de ventas del producto A, del producto B y del producto C y las dividimos por el total de visitas que hemos recibido en un periodo determinado.

Esta tasa de conversión la comparamos con los meses anteriores para comprobar la evolución, o con el mismo mes del año anterior para saber nuestro rendimiento global en contexto.

Volvamos a imaginar que lo que queremos y nuestro objetivo principal es incrementar las ventas, aumentar la tasa de conversión global. ¿Qué pasos seguiríamos? ¿Dónde atacaríamos para lograr dicho objetivo? ¿Cómo decidimos si lo que necesitamos es optimizar nuestros procesos de compra o vamos a optimizar nuestra estrategia de captación?

Una buena metodología para decidir dónde atacar es la siguiente:

Primero averiguamos las visitas a cada ficha de producto y el número de conversiones de cada producto por separado:

producto A: 500 visitas a la ficha de producto con 50 conversiones
producto B: 500 visitas a la ficha de producto con 100 conversiones
producto C: 50 visitas a la ficha de producto con 35 conversiones

Por lo que:

tasa conversión A = 10% (50/500)
tasa conversión B = 20% (100/500)
tasa conversión C = 70% (35/50)

¿Qué haríamos entonces?

Está claro que el producto A no necesita atraer más visitas, puesto que solamente el 10% termina convirtiendo. El producto A necesita optimizar su landing page o proceso. Aquí profundizaría en el embudo de conversión del producto A, ¿dónde exactamente estamos teniendo puntos de fuga? ¿qué está pasando en la landing page?

El producto B tiene mejor tasa de conversión que el producto A. Podemos probar el posicionar otras keywords (no branding correspondientes al producto B) en buscadores o Adwords o generar una campaña específica del producto B para incrementar su captación y a la vez trabajar en el punto del proceso donde más visitas se caigan.

Finalmente el producto C es el que mejor tasa de conversión tiene por lo que el trabajar su captación es primordial para incrementar sus ingresos.

Por eso normalmente no hay que decidirse a trabajar la captación a nivel del sitio web ni la optimización de todos los procesos sin mirarlos bien, como pollos sin cabeza. Sino que es más efectivo estudiar cada proceso que tengamos para determinar dónde y cómo atacamos para optimizar nuestro sitio web: o bien a nivel de captación o bien a nivel de optimización de la landing o el proceso en sí.

Podemos ir un poco más allá si tomamos el precio medio de cada producto y lo multiplicamos el número de visitas o visitantes perdidos por el camino. ¿Cuánto estamos dejando de ganar como máximo? Dependiendo de la naturaleza del producto tendrá un mayor valor medio y nos puede interesar arreglar primero los productos que mayor margen nos proporcionan.

Si tenemos acceso al número de visitas perdidas después de la ficha de producto y por separado al número de visitas perdidas durante el proceso de checkout tendremos una idea más clara aún de donde debemos focalizarnos. Lógicamente no es lo mismo perder el 60% después de la ficha de producto que perder el 60% en el último paso del checkout, donde el nivel de compromiso del usuario es más alto (porque ha introducido datos, porque ha manifestado mayor interés al entrar en el proceso, etc…).

Si realmente queremos realizar un buen trabajo y profundizar lo máximo posible, lo mejor es agregar contexto a los datos que hemos obtenido, ¿cómo ha ido evolucionando el producto a nivel de visitas a la ficha del producto a lo largo del tiempo? ¿han aumentado o disminuido de la misma manera las conversiones? ¿Cómo afecta cada incremento en la tasa de conversión de cada producto en la tasa de conversión global?

Identifiquemos nuestros puntos débiles con el objetivo siempre de mejorar. Sin piedad, sin límites.

Hacemos aquello para lo que nos hemos entrenado. Para lo que fuimos criados. Para lo que nacimos. Sin prisioneros. Sin piedad. Es un buen inicio.

2011-04-05T10:00:00.002+02:00

A veces lo más difícil en el análisis de un sitio web es identificar dónde y cómo empezar a segmentar los datos. Para realmente tomar decisiones sobre los datos tenemos que tratar la información de forma segmentada, nunca de forma agregada.

Pero… ¿qué segmentos son realmente los que importan en nuestro sitio web? ¿Cómo lograremos averiguarlo?

Un primer acercamiento a los segmentos más importantes será profundizar en los datos a nivel de:

1. Captación

Es decir, profundizar en la forma en que realizamos la adquisición de los visitantes. Así, podremos contestar a preguntas como:

¿Cómo funcionan nuestros esfuerzos en SEO?

¿Y nuestra estrategia en SEM?

¿Obtenemos resultados desde las Redes Sociales?

¿Y de las campañas fuera de nuestro sitio?

¿Con qué palabras nos encontraron?

¿Qué otros sitios web nos mandan visitas de calidad?

Si tomamos los datos de nuestro sitio web en base al origen del tráfico, podemos saber de un solo vistazo si nuestro tráfico es de calidad, cómo ayuda cada origen a la conversión y cómo está funcionando el sitio a nivel de consecución de objetivos, por ejemplo:

Además, si sabemos cómo funciona cada fuente de origen, podremos observar su tendencia, estudiar cómo se reparten las métricas y podremos optimizar cada fuente por su lado conociendo sus puntos fuertes y débiles.

2. Comportamiento

También podemos segmentar por el uso que hacen de la web nuestras visitas. Lo podemos hacer en base a preguntas como:

¿Por dónde entran?

¿Por dónde salen?

¿Dónde hicieron click?

¿Qué producto visitaron?

¿Cuánto tiempo se quedaron?

¿Cuántas páginas vieron?

¿Qué fichero se descargaron?

¿Qué buscaron en el buscador interno?

Podemos estudiar los datos de segmentos que cumplen una serie de requisitos en base a la activación o compromiso que tienen los usuarios con nuestra web.

Si estudiamos cómo se comportan las visitas, conoceremos mejor a los visitantes, además de identificar cómo se manejan las visitas en nuestra web y registrar patrones de comportamiento.

Por lo que podremos personalizar nuestra oferta y optimizar el sitio web en base a la navegación.

3. Resultados

El último eje sobre el que podemos basar una primera segmentación de los datos del sitio web es analizar en base a resultados.

Estudiando bien el proceso de conversión o a los que convirtieron podremos segmentar a las vistas:

¿De dónde vinieron?

¿Cuánto tiempo tardan en comprar?

¿Qué contenido del sitio web consumen antes?

¿Qué palabras clave utilizaron?

¿Con qué frecuencia vuelven?

Si identificamos todos los productos y segmentamos por consecución de los mismos, podremos estudiar a los que convirtieron y ver qué tienen en común con aquellos que no lo hicieron.

Segmentando por las tasas de conversión de cada producto (adquisiciones del producto / visitas a la página de interés del producto) para poder estudiarlas bajo el mismo plano y determinar dónde podemos meter mano.

Si sabemos qué diferencia a los que convierten, podremos entender sus motivaciones e identificar cada conversión al mismo nivel. Para así trabajar en la reconversión a otros productos y optimizar el proceso de compra o embudo de conversión.

La segmentación es indispensable para poder hacer un análisis digno de nuestro sitio web. Podemos segmentar por muchas métricas y dimensiones, empecemos por esta sencilla metodología y una cosa llevará a la otra ☺

Los libros sólo tienen valor cuando conducen a la vida y le son útiles...

2011-03-29T21:35:00.003+02:00

Hace un par de años tuve la suerte de conocer a Tristán Elósegui. Y digo “tuve la suerte” porque desde entonces mi vida ha sido más interesante. Vale, he tenido que sacar tiempo de donde casi no lo había para poder seguirle el ritmo, pero de eso se trata: de encontrar a gente que saque lo mejor de ti.

Y Tristán lo hace. Me acuerdo de ese Conversion Thursday en el que coincidimos. Una semana después nacía en Madrid The Monday Reading Club junto a profesionales de la talla de Pedro Robledo, Jaime Valverde y Borja Muñoz.

Y 3 meses después se nos cruzó la idea de hacer un libro sobre analítica web desde la perspectiva del marketing, un manual de analítica web.

Tardamos un año en darle forma, por una parte había que generar contenido base del libro en forma de posts, categorizarlo, sacar casos prácticos y por otra parte “traducirlo” para los no iniciados y darle el toque de marketing que necesita alguien lo suficientemente contaminado por su trabajo como para no darse cuenta de que no todo el mundo sabe lo que es una tasa de rebote ☺ Gracias a Tilcia por su apoyo y por sus sabios consejos!

Pero por fin en septiembre del año pasado decidimos que ya no íbamos a hacer más revisiones por miedo a perder nuestra salud mental y se lo ofrecimos por medio de Antonio Toca a Profit, una editorial especializada en libros de gestión que desde el principio se mostró interesada en el proyecto.

Nacía nuestro primer libro “El Arte de Medir”.

El título del libro fue fácil escojerlo: cada capítulo comienza con una frase del maestro Sun Tzu, autor de “El Arte de la Guerra”. Porque prepararse para ser analista web es como prepararse para ganar una batalla tras otra.

Después de unos meses más de trabajo, de contar con profesionales de la talla de Pilar de Terán para el diseño de la portada, de Avinash Kaushik como embajador principal y de René Deschamps, Javier Godoy y Javier Rodriguez Zapatero como impulsores del mismo, por fin podemos presentar en público de manera oficial (y lo hacemos ilusionados):

www.elartedemedir.es (gracias a Dani por la web y a Álvaro por el diseño, majos!)

Gracias a todos los que me habéis brindado vuestro apoyo desde que me lancé a poner por escrito mis experiencias en esta disciplina, en 2008. Gracias a todos los que me pedíais que le “pusiera tapas al blog”, habéis sido el empujoncito que necesitaba para dar el paso final.

El libro no pretende competir con aquellos que ya están en el mercado, al contrario, creo que es un complemento ideal para todo lo que ya está escrito, está basado en mi aprendizaje, en mi día a día, y es un manual para iniciarse en esto de la analítica web.

Sólo sé que este libro, lejos de haberme saciado las ganas de escribir, me ha dado alas y no puedo esperar a reunir contenido para un segundo libro, un tercero, lo que se tercie, lo que la analítica web dé de sí ☺

La posibilidad de realizar un sueño es lo que hace que la vida sea interesante

2011-03-20T00:11:00.009+01:00

El sueño americano llegó a su fin. Ha sido una experiencia inolvidable, la verdad. Cuando te dedicas a esto de la analítica web no piensas que vas a poder vivir algo parecido, me lo he pasado increíblemente bien, he conocido a un montón de profesionales interesantes y he tenido la oportunidad de hacer llegar esta profesión a mucha gente. Es impresionante.

Todo empezó con una entrevista en HoyTecnología y ABC.es, después se sumaron CadenaSer y Punto Radio. Me dieron la oportunidad de explicar en qué consiste esto de la analítica web y me sentí orgullosa de poder representar a esta disciplina. Ojalá las empresas tomen nota de que existen muchos profesionales en el sector y que podemos conseguir optimizar su canal online.

Una empresa que cree firmemente en medir para mejorar en internet es AspGems, que me brindó su apoyo desde el principio y me ha permitido viajar a la Gala de Entrega de Premios en San Francisco. Les estoy muy agradecida de haberme dado esta oportunidad, gracias Agustín, una pena no haberte podido ofrecer el premio final ☺

Y Trucco, apoyando a la mujer trabajadora española, me ofreció vestirme especialmente para el viaje, también para la Gala, cuyo “business code” me tenía confusa! Tanto en su blog como en el prestigioso Con dos bolsas en cada mano se han hecho eco del apoyo.

Es un orgullo estar patrocinada por dos marcas enteramente españolas, gracias gracias gracias!!!!

Llegué a San Francisco después de un viaje interminable, pero ha valido la pena. Mi primer destino fueron las oficinas de Google, en Mountain View, con un anfitrión de auténtica excepción Avinash Kaushik. Hablar con mi ídolo siempre resulta interesante, pero tenerle tanto tiempo para comentar cosas del sector, de sus conferencias, de su manera de ver el presente y el futuro… es un lujo. Solamente por este par de horas me valió la pena el viaje.

Pasamos más de dos horas recorriendo las oficinas, interesante el concepto que tienen de cómo ser más efectivo en el trabajo:

Me llamó la atención que los despachos los compartían más de dos personas, había salas de masaje, sitios específicos de “diversión” (a veces se reúnen en un parque de bolas… entre las bolas) y aparatos sofisticados para echarse una siesta, un montón de cafeterías donde todo es gratis a cualquier hora, gimnasios, espacios para charlas (nada de sitios de reuniones), barbacoa, bicicletas para ir de edificio en edificio… muy interesante, no sé si en España tenemos alguna empresa con esta misma filosofía.

Me dieron ganas de volver a trabajar en una empresa, no digo más ☺

Esa misma tarde era la Gala de los Premios de Excelencia, en el hotel Marriott. La sala estaba llena, la mitad de las mesas estaban patrocinadas por empresas fuertes en el sector. Una de las mesas era para los miembros del consejo de la WAA.

Me produjo algo de tristeza que solamente un 20% de los presentes en la sala eran mujeres. En las oficinas de Google me pareció que estaban en esa proporción también. Creo que algo está cambiando en el sector, pero aún estamos lejos de igualar el número de profesionales.

Después de una cena, que la verdad estaba estupenda, llegó el turno de las presentaciones y los discursos. El que más me gustó fue el del CEO del Huffington Post, patrocinador de la gala, que contó la evolución de la medición que se ha realizado en su empresa, con datos interesantes sobre todo en la publicidad, donde se ve que han pasado de gastar mucho en offline a prácticamente invertirlo todo en online.

Luego el presidente de la WAA dio paso a las diferentes categorías de las nominaciones, la mía, Web Analytics Rising Star, fue la primera. Desde el principio sabía que lo tenía muy difícil dado que el resto de nominados realizan su labor y apoyan la organización en US y es complicado que los que deciden el premio miren hacia Europa.

Aquí me gustaría hacer una pequeña reflexión. Durante la Gala tuve la oportunidad de hablar con mucha gente del sector. Tanto estrellas (Bryan Eisemberg, Eric Peterson, Judah Phillips, Stephane Hemel, Justin Cutroni, Dennis Mortensen, Jim Novo, Jim Sterne, ...) como con profesionales menos conocidos. Y me dio la impresión de que en USA tienen un problema parecido a Europa. El analista web se dedica más al Report que al Business. Porque la empresa es lo que demanda. Y todos nos quejamos de lo mismo, allí y aquí.

Así que creo que deberíamos centrarnos en evangelizar más a las empresas, no focalizarnos solamente en el “qué” ha pasado y “por qué” ha podido pasar sino en el “cómo” se puede llegar a los objetivos. Creo que las empresas saben que necesitan basar sus estrategias en los datos, pero no que el analista web puede ayudarles a conseguir sus metas online. Esto es tarea nuestra, el hacernos un hueco donde realmente podemos aportar y donde disfrutaremos mucho más allá del excel o el powerpoint ☺

El premio Web Analytics Rising Star lo ganó Michelle Hinojosa, con quien tuve ocasión de hablar y que me pareció una profesional muy interesante y con mucho que aportar, sobre todo desde su twitter. Creo que es justa ganadora y espero que llegue a cumplir su sueño de seguir en la analítica web. Bravo Michelle!

El cartel de premios final fue el siguiente:

Michelle Hinojosa, Red Door Interactive - Web Analytics Rising Star

Analysis Exchange - Most Influential Agency or Vendor

Avinash Kaushik, Google - Most Influential Industry Contributor

Joe Megibow, Expedia – Client or Practitioner of the Year

Beyond Web Analytics Exchange – Innovator or Technology of the Year

Después de un cocktail donde tuve la oportunidad de hablar con un montón de gente a la que admiraba desde la prudente distancia, me fui de vuelta al hotel con una sensación de haber encontrado lo que necesito para seguir apasionándome por mi trabajo: no tenemos nada que envidiar a nadie! Estamos en el mercado de una manera sólida y avanzando, estoy segura de que no seré la única española nominada en la historia de los premios de Excelencia en Analítica Web, estamos haciendo cosas muy grandes aquí y se va a notar, se tiene que notar.

Pero lo increíble estaba ocurriendo en España. Gracias a todos por vuestro apoyo, no os imagináis la cantidad de mensajes que he recibido desde Twitter, Facebook… no había experimentado nunca nada igual, durante las nominaciones, cuando se hizo público que fui finalista, en la Gala y el día después. Me he emocionado profundamente, nunca seré capaz de agradeceros todo esto.

Intentaré seguir haciendo mi trabajo de forma que me llene, intentaré seguir escribiendo aquí y allá compartiendo todo lo que me llame la atención y vaya aprendiendo por el camino. Pero, como hubiera dicho en el discurso de haber ganado el premio, lo importante es ir haciendo camino entre todos.

Si quieres llegar rápido camina solo, pero si quieres llegar lejos, camina acompañado.

Gracias a todos, de corazón. Nunca olvidaré esta experiencia.

El gran enemigo del conocimiento no es la ignorancia, sino la ilusión de conocimiento...

2011-03-08T23:07:00.010+01:00

Lo primero que tenemos que hacer antes de empezar a medir una estrategia de Redes Sociales es tener claros los objetivos que queremos conseguir.

¿Queremos aumentar beneficios? ¿Queremos crear una comunidad? ¿Generar una imagen de marca? Sin objetivos no valdrá de nada medir porque no sabremos dónde queremos llegar.

Pere Rovira lo explica de forma muy clara en un ejemplo de su cosecha: si reunimos el nombre de unas calles, lo que tenemos son datos. Si ponemos esas calles en un mapa, sabremos cómo de grandes son y cómo se cruzan unas con otras, eso es información. Pero si trazamos la ruta sobre el mapa con la calle donde estamos hacia la calle donde queremos llegar, eso es conocimiento.

Si medimos sin saber a qué calle queremos llegar, por mucho que sepamos la calle donde estamos y cómo las adyacentes se cruzan entre sí, no nos será fácil llegar a nuestro destino. Nuestro objetivo en redes sociales será trazar esa ruta (definir la estrategia), pasar de recopilar los datos (medir) a conocer dónde estamos y cuánto nos falta por recorrer, hacia dónde debemos tirar para conseguir llegar a nuestro destino (objetivo final).

Una vez que tenemos esto claro, lo demás es muy fácil. Recopilar los datos de nuestra actividad en redes sociales y analizarlos en base a nuestros objetivos puede hacerse de manera automática con herramientas de pago como:

Alterian

Radian6

Buzzgain

Ubervu

o hacerlo de una manera algo más artesanal mediante el método DIY (Do It Yourself) ☺

La metodología comienza por la búsqueda de DÓNDE se está hablando de nosotros (marca, producto, servicio, nosotros mismos) y CÓMO se está hablando de nosotros (marca, producto, servicio, nosotros mismos).

Para saberlo podemos utilizar herramientas gratuitas en internet, que nos ofrecen los datos que necesitamos para recopilar los datos previos a nuestro análisis de la situación. Hay muchas, nombro algunas para tener algunas por dónde empezar.

Para medir las menciones en internet (en general):

SocialMention

HowSociable

Whostalkin

También podremos medir las menciones en blogs:

Blogpulse

Bitácoras

Blogsearch

Icerocket

En la red social Facebook:

Lexicon

Tinker

Y en la red social Twitter:

Searchtastic

Visitmix

Una vez que sabemos si ya existen conversaciones sobre nosotros o sobre la competencia o sobre el mercado donde queremos introducirnos en redes sociales, es el momento de definir exactamente nuestros objetivos en conjunto con las métricas que nos van a indicar cuán cerca o lejos estamos de conseguirlos.

No tiene que ser algo muy enrevesado, pero sí debe cubrir todos los datos que necesitamos: Objetivo – Audiencia - Lugar – Tiempo – Campaña – Llamada a la acción – Producto/Servicio – Métricas.

Para las campañas en Redes Sociales que se refieran a generar imagen de marca, también debemos respetar el programa, nuestra llamada a la acción será el tener menciones positivas o que se empiece a hablar de nosotros, por ejemplo. Es decir, no por no tener un objetivo cuantitativo debemos de dejar de diseñar la estrategia en base a objetivos y métricas.

Llega el momento entonces de conocer los valores de las métricas definidas. Desde el blog de MVConsultoría nos proponían una lista de KPIs importantes para Redes Sociales. Me gustaría destacar 4 que considero imprescindibles:

Menciones de la marca vs. Menciones de la competencia.

Participación frente a visualizaciones.

Índice de satisfacción.

Relación visitantes de Redes Sociales respecto a visitantes del sitio web.

Pero realmente cada uno debe determinar en base a sus objetivos qué métricas son las que realmente importan.

Si seleccionamos las métricas más importantes por red social, yo destacaría las siguientes:

En Twitter:

Datos de Perfil:

Número de followers.

Número de following.

Número de tweets.

Media de tweets diarios.

Estas métricas podemos encontrarlas en herramientas gratuitas como Twittercounter

Datos de Actividad:

Número de clicks en URLs.

Número de RTs conseguidos.

Momento del día.

Estructura del tweet (texto, URL, hashtag).

Estas métricas hay que generarlas manualmente, mi sugerencia es llevar un excel (lo siento, soy analista) con el tweet y sus estadísticas para estudiar lo que nos funciona mejor. Es la estrategia que utilizan para optimizar la actividad en Twitter desde SEOmoz y me parece fascinante:

(tener en cuenta que el número de followers es para el ejemplo 21.134 y que el formato de los tweets es 1-texto+url, 2-url+texto, 3-texto+url+texto).

Este ejercicio, aunque pueda parecer tedioso, nos permite contestar a preguntas como:

¿Qué formato es el que mejores resultados cosecha?

¿Los tweets con mayor número de palabras genera mejor CTR?

¿Los tweets con menor número de caracteres se retuitean más?

¿Qué tipo de contenido consigue más conversiones?

¿Estoy mejorando mi CTR con el tiempo?

Finalmente, debemos recaudar Datos de Compromiso:

Número de menciones del usuario.

Número de menciones de la marca.

Contenido de la mención.

Sentimiento de la mención (neutro, positivo, negativo).

Estos datos los tendremos que buscar en el propio Twitter y en herramientas como Twitteranalyzer.

No está de más estudiar a nuestros followers con la herramienta gratuita Tweepi.

¿Por qué no nos limitamos a ver el número de followers y ya está? Fácil, porque no por tener más followers estaremos más cerca de conseguir nuestro objetivo. Aunque nuestro objetivo sea crear comunidad o generar imagen de marca será interesante más que saber el número de followers, el impacto que nuestro mensaje tiene en dicha comunidad.

Esto lo explica fenomenalmente Tristán Elósegui en su blog, lo importante que es medir nuestro alcance con el índice que proporcionan herramientas como Klout.

Así, sabremos cuántos de nuestros followers se hacen eco de nuestros mensajes, cuántos interactúan con nosotros y la audiencia final que tiene nuestra cuenta en twitter.

No podemos olvidar medir a nuestros competidores, con herramientas como Twittercounter y la propia Klout podremos poner contexto a nuestros datos. ¿Son mejores, peores o iguales que los de nuestra competencia?

En Facebook debemos medir y analizar en función a los mismos factores: cuantitativos y cualitativos.

Los datos que nos proporciona la propia red social sobre nuestras páginas se refieren a:

Usuarios: Tendencia de los usuarios activos y Tendencia de “Me gusta”

Actividad: Páginas vistas, visualizaciones por pestaña y referencias externas

Características Demográficas: Sexo, Edad, Países, Ciudades, Idioma…

Compromiso: Impresiones de cada mensaje, comentarios, suscripciones…

Pero si generamos la misma hoja excel que hicimos con los tweets, con los datos de los comentarios que publicamos en el muro o en nuestras páginas, tendremos la tendencia de cómo se perciben e interesan nuestros comentarios y podremos actuar en consecuencia.

Finalmente, en nuestra web deberemos estudiar este segmento de visitantes que vienen desde las redes sociales por separado de los demás.

Segmentaremos por un lado:

Visitas que llegan a nuestro sitio web por nuestro esfuerzo.

Visitas que llegan a nuestro sitio web por el esfuerzo de otros.

Así sabremos qué hacen estos usuarios y si conseguimos alguno de nuestros objetivos del sitio web.

Para poder profundizar en estos usuarios de manera correcta, trabajaremos en añadir parámetros a la URL que compartiremos en las redes sociales tal y como comentamos en el post de etiquetar campañas externas.

Así, nuestras URLs quedarán como:

https://www.misitioweb.com/misuperproducto.jsp
?utm_campaign=superproducto&utm_medium=redessociales&utm_source=twitter

Luego, para poder utilizarlas de manera más “friendly” las pasaremos por un acortador de URLs (además viene bien para acceder mejor a las estadísticas).

Así, podremos comparar nuestros esfuerzos y los esfuerzos de otros en las diferentes redes sociales (en Google Analytics):

Agruparemos toda las visitas para saber cómo se comportan en nuestro sitio web con segmentos avanzados:

Y sabremos con rotundidad cúanto conseguimos con estas visitas para poder calcular el ROI de nuestro esfuerzo en Redes Sociales:

Lo dicho, la metodología del DIY (Do It Yourself) puede ser más complicada, tardaremos más tiempo… pero el análisis final valdrá la pena, conoceremos a fondo nuestra estrategia, a nuestros usuarios, aprenderemos de nuestros errores, optimizaremos nuestra estrategia y además podremos corroborar con datos lo bien que lo estamos haciendo en redes sociales ☺

Esta es la presentación completa sobre el tema que realicé en Barcelona el 2 de marzo de 2011:

Analitica web y Redes Sociales

Los ideales son como las estrellas, no las alcanzamos pero iluminan nuestro camino.

2011-02-24T14:57:00.005+01:00

Hace unos días, Gema Mora y Nancy Guillén iniciaron un movimiento vía twitter, linkedin y email. Me querían nominar para los premios anuales de la Web Analytics Association. Esta asociación es la más importante de la disciplina, a nivel mundial, y estos premios generan bastante ruido dentro de la comunidad.

El movimiento de Gema y Nancy surtió efecto y me llegó un mail del presidente de la WAA donde me comentaba que más de 50 personas habían secundado mi nominación a dos categorías de premios.

La primera de estas categorías era muy ambiciosa, ya que se trataba de MOST INFLUENTIAL INDUSTRY CONTRIBUTOR y lógicamente me queda bastante grande. Me siento mucho más cómoda en la categoría WEB ANALYTICS RISING STAR… si la digo muy deprisa parece que digo “rockandroll star” que según mi círculo de amigos fuera del trabajo suena mucho más cool, dónde va a parar!!!

La verdad es que soy una privilegiada por muchas cosas, pero sobre todo por poder trabajar en lo que me gusta y apasiona y por tener a un montón de gente acompañándome en el camino: Gema, Nancy, Ana, Bárbara, Marta, Tilcia, Noe, Paula, Pamela, Zai, Bea, Sergio, Dani, Ani, Jorge, Antonio, Stephan, Javier, Andrés, Miguel, Fernando, Sandra, Pilar, Ricardo, Jaime, Pablo, Elena, Manu, Rubén, Tristán, Álvaro, Chema, Alex… seguro que me dejo muchos nombres, pero ya sabéis quienes sois!

Muchas gracias a todos aquellos que me votasteis en la primera ronda y a los miembros de la WAA que lo hicieron en la segunda y me han permitido vivir esta locura :) De verdad que significa mucho para mí este gran apoyo que me habéis brindado.

No quiero dejar pasar la oportunidad de agradecer también a Avinash el que haya defendido mi candidatura en su círculo de influencia, es todo un honor, gracias!

Aquí está el listado de los finalistas para cada categoría: https://webanalytics.site-ym.com/?awards2011_finalists

Y algo que me hace especial ilusión es que de los 5 finalistas en esta categoría, 3 somos mujeres. Como miembro de las Madrid Geek Girls, me siento muy orgullosa de que cada vez haya más chicas en posición de optar a un premio :) A ver si hay suerte y el premio tiene nombre femenino!

Hasta Fernando, @dibujario en twitter, me ha preparado una chapa especial para esta ocasión:

Los ganadores finales se conocerán en la gala, que tendrá lugar en San Francisco el 15 de marzo. Una pena que no pueda acudir, solamente para ver el ambiente y conocer a muchos de los profesionales americanos a los que admiro profundamente. Además de para volver a ver a Avinash :)

Qué especial está siendo el 2011!!!!

Si has construido un castillo en el aire, no has perdido el tiempo, es allí donde debería estar. Ahora debes construir los cimientos debajo de él.

2011-02-21T17:47:00.001+01:00

Hay mucha gente que empieza la casa por el tejado, y se pone a medir su web sin haber puesto los cimientos: definir los objetivos.

Hace unas semanas tuve la suerte de colaborar con Andrés Flores de WATT en un proyecto cuya primera fase pasaba por establecer correctamente los objetivos de un sitio web para poder definir las KPIs más importantes a estudiar en el análisis y plasmar en dashboards a los diferentes departamentos.

Estudiamos varias posibilidades para adaptar una metodología que nos resultara efectiva y nos decantamos por la de Nokia (whitepaper para descargar). Me ha parecido un ejercicio sumamente completo y que puede servir como base a una buena estrategia de establecimiento de objetivos para un proyecto de analítica web, así que hoy la comparto aquí.

La metodología se basa en agrupar los objetivos por tipo y se definen 4 tipos diferentes:

Adquisición o de alcance. Se refieren a llegar a que los usuarios visiten nuestro sitio web.

Activación o Compromiso. Engloban toda interacción con el visitante, como el consumo de contenido, navegación interna...

Conversión. En cualquiera de sus formas, saber cuántas visitas de nuestro sitio web consiguen llegar al éxito

Retención. Trabajar en retener al visitante, se refieren por un lado a hacer que el visitante vuelva, que siga convirtiendo en el mismo producto y en otros (reconversión).

Realmente, el éxito de nuestro sitio web dependerá de en qué medida se consiguen estos 4 tipos de objetivos desde la perspectiva de la experiencia de usuario.

Los pasos necesarios para llevarla a cabo son sencillos:

Hacer una lista de los objetivos generales del sitio web: básicamente listar las razones por la que está diseñado el sitio. Un ejemplo sería "Conseguir los ingresos máximos a través de la venta online".

Debajo de cada objetivo general, añadir microobjetivos dependientes de dicho objetivo: es decir, listaremos lo que queremos que haga el usuario para cumplir los objetivos. Siguiendo el ejemplo, podríamos considerar microobjetivo "Que los usuarios compren los productos" o "Generar venta cruzada".

A continuación, preguntarnos qué hace falta para llegar a cumplir los objetivos: o sea, qué tiene que pasar en la web para que logremos el éxito. Como ejemplo tendríamos "Registrar el usuario" o "Check out del carrito de la compra" o "Tener la transacción validada por el banco".

Asociar a cada microobjetivo el tipo de objetivo que es: de adquisición, de activación, de conversión o de retención. En los ejemplos anteriores, ambos microobjetivos son de conversión (para ver la imagen ampliada, click):

Crear en base a los objetivos un mapa donde se ubiquen todos los microobjetivos para verificar que no se nos haya pasado listar objetivos relativos a alguno de los diferentes tipos: siempre tendremos que tener un equilibrio entre todos los objetivos, debemos atraer visitas, hacer que se enganchen a la web, convertirles en clientes y hacer que vuelvan en un futuro:

Es el momento de listar los puntos de cada microobjetivo, para enriquecer el mapa e ir dibujando la estrategia:

Finalmente, asociar las KPIs a cada microobjetivo de la lista. Este es quizás este es el punto más peliagudo de la metodología. Lo importante es partir de las KPIs más generales e intentar adaptarlas y personalizarlas para nuestros objetivos propios.

Debemos hacer el ejercicio de listar todos los objetivos que tiene el sitio web, asociar los microobjetivos de todos los tipos para tener la visión global, generar las KPIs para saber cuán cerca o lejos estamos de cumplirlos y tener una base sólida para la generación de dashboards sobre el rendimiento de nuestro negocio.

En definitiva, lo básico es entender bien los objetivos y targets de nuestro negocio para poder descubrir las KPIS implicadas y así ser capaces de determinar si nuestra estrategia online está o no funcionando. Os recomiendo encarecidamente que leáis el whitepaper completo porque no tiene desperdicio.

Sin este primer paso, sin estos cimientos, la analítica web sirve más bien de poco.

El conocimiento es una aventura incierta que conlleva en sí misma y permanentemente el riesgo de ilusión y de error.

2011-02-08T16:30:00.001+01:00

Ayer presenté en una nueva edición del The Monday Reading Club el libro de Avinash Kaushik que acaba de ser traducido al español (por fin!) Web Analytics 2.0.

La verdad es que fue una experiencia genial, básicamente porque hablar de Analítica Web ante un público "virgen" en la materia como era el caso de muchos asistentes me supuso todo un reto. Al final decidí centrarme en el primer capítulo del libro, ya que creo que es la base de cómo ha avanzado esta disciplina en los últimos tiempos.

Empecé compartiendo un cuadro con el que explico a todo aquel que me quiere escuchar en qué consiste la analítica web:

No podía dejar de nombrar el primer libro de Avinash Web Analytics: an hour a day para todos aquellos que empiezan a sentir la llamada de la selva digo de la analítica web :) Es la biblia!

Y me centré en explicar las capas de la teoría de la multiplicidad de Avinash, que se basa en no centrarnos únicamente en la herramienta que saca los datos sino en un ecosistema de datos en los que basar las conclusiones y la toma de decisiones para optimizar las estrategias. Explicaba cada capa, desde la secuencia de datos que sacamos de la herramienta de AW, pasando por datos externos a la herramienta, de la competencia, de lo que piensa el usuario, de los resultados de los tests de optimización... Lo mejor de todo es que todo se puede hacer con herramientas gratuitas... salvo el sacar las conclusiones y enfocarlas a la acción, que es la tarea del analista web :)

Entonces pasé a explicar cómo debía trabajar el analista web, cómo gestionar su tiempo y a qué darle importancia para poder cumplir con todas las etapas de la analítica web sin morir en el intento, para terminar con un ejemplo que leí al maestro Pere Rovira de cómo transformar los datos en conocimiento, que en definitiva debe ser el objetivo del buen profesional.

Aquí está la presentación completa:

TMRC-Avinash Web Analytics 2.0

View more presentations from Gemma Muñoz.

En serio, si me llegan a decir que van a venir más de 50 personas a oír hablar sobre la analítica web hace un par de años me muero de risa :) Parece que algo se mueve!!! Por fin!! Muchas gracias a todos por asistir al evento.

Me gustaría agradecer públicamente a Fernando Ortega el que sea mi fotógrafo oficial, hace las fotos como nadie y además es un analista web impresionante... lo tiene todo! Aquí las fotos de ayer.

Y a mis chicos del The Monday Reading Club: Tristán, Jaime, Pedro, Borja, es un lujazo compartir la organización de este evento con vosotros, os adoro!

Hay una peor condición que la ceguera, y esa es ver algo donde no hay nada...

2011-01-30T22:05:00.001+01:00

En nuestro sitio web siempre hay algún punto donde una pequeña modificación puede ayudar a incrementar de forma notable el rendimiento, la cuestión es dar con dicho punto, fuera de un carrito de compra o una página donde se produzca la conversión o la página de inicio o home (que suelen ser donde se efectúan las primeras acciones de mejora). ¿Cómo lo encontramos?

En cualquier herramienta se puede seleccionar el informe donde ver las páginas más visitadas. Además de las visitas, para determinar la calidad de las mismas habría que tener en cuenta otras dos KPIs.

A mí por un lado me gusta observar la tasa de rebote para saber qué grado de rechazo tiene la página, que puede ser debido a un diseño mal elegido, una usabilidad inexistente, un contenido que no se corresponda con lo esperado o cualquier combinación de estos factores o incluso todos a la vez.

Por otro lado, considero que debemos saber el grado de consecución de objetivos (lo explican muy bien en el blog de central de conversiones) que posee la página. Si hemos hecho bien nuestros deberes y tenemos configurados los objetivos en la herramienta y hemos asignado un valor a su consecución, nos será de gran utilidad la métrica $/Index.

No sería la primera vez que una página con una tasa de rebote muy muy alta (en torno al 85%) resulta que tiene un índice de ingresos mucho más alto que otra página con un rebote más bajo.

Nuestro objetivo es optimizar una página que realmente lo necesite, por lo que hemos de buscar la combinación de estas 3 KPIs:

visitas (debe tener un valor alto)

tasa de rebote (debe estar más alta que la media del total del sitio web)

$/Index (debe ser menor que la media del total del sitio web)

Una vez tengamos la página elegida, vamos a determinar dónde vamos a realizar el cambio. Lo primero será estudiar la página en concreto a todos los niveles, nos haremos preguntas:

¿Los colores son los adecuados? ¿Siguen la estética del sitio web?

¿Existen suficientes imágenes acordes con los textos? ¿Quizás hay demasiadas?

¿Qué objetivo principal tiene la página? ¿Hay uno o varios?

¿Y las llamadas a la acción? ¿Están debidamente resaltadas? ¿Bien localizadas?

¿Cómo es el contenido? ¿El copy engancha? ¿Tiene valor?

Completaremos estos datos cualitativos con los cuantitativos. Si disponemos de una herramienta con un mapa de calor, veremos los lugares donde los usuarios deciden hacer click. ¿Se corresponden con las llamadas a la acción que teníamos identificadas? Si no tenemos el mapa de calor integrado en la herramienta, podemos utilizar una no muy cara estilo CrazyEgg.

No está de más pedirle opinión a alguien que no esté "contaminado" por la web; es decir, que no la conozca en exceso, puede ser un familiar o amigo. Entre todo lo que nos diga (ya sabemos que en este país todos tenemos un político, un entrenador y un diseñador en el interior) seguro que hay algo que podemos tener en cuenta :)

Una vez tengamos claro qué queremos cambiar de todas las preguntas de antes, no hay que volverse loco, elegir un par, como mucho tres cosas a cambiar y ponernos manos a la obra: construyamos una alternativa a esta página. Puede ser a modo conceptual y que alguien del departamento de diseño y usabilidad se encargue de llevarla a cabo. La idea es disponer de una opción que a nuestro juicio es mejor que la original.

Y ahora es el momento más importante: perdamos el miedo a testar. En internet es fácil y relativamente barato montar un test, tal y como hemos comentado en otros posts. Con una herramienta como Google Website Optimizer solamente necesitamos disponer de la página original más la alternativa, definir la página que vamos a definir como conversión o éxito del test y modificar el código fuente.

En poco tiempo tendremos claro si nuestra alternativa tiene o no el éxito esperado. Aunque no sea así, habremos aprendido a conocer mejor a nuestras visitas, lo cual es siempre interesante. Y seguro que la próxima vez no nos cuesta tanto plantear hipótesis.

Pero tened cuidado, mucho cuidado. Esto engancha, aviso a navegantes :)

El ser humano tiene dos grandes problemas: el primero es saber cuándo comenzar, el segundo es saber cuándo detenerse

2011-01-25T12:00:00.000+01:00

Desde Wellcom me han propuesto participar en la nueva edicion de "Perspectivas de la Comunicación" donde participamos 35 diferentes personas del mundo de marketing, publicidad, psicologia, comunicación, etc...

Acaba de salir a la luz y te lo puedes descargar aquí.

RETOS DE LA ANALITICA WEB EN EL 2011 POR GEMMA MUÑOZ, Consultora estratégica de analítica web

No puedo hablar de los retos de la Analítica Web para el 2011 yo sola porque por fortuna somos una comunidad que está creciendo cada vez más y que estamos juntos intentando mejorar día a día en esta disciplina que aún está en pañales.

Por eso, además de apuntar los retos que, bajo mi punto de vista necesitará alcanzar la Analítica Web en el 2011, he pedido ayuda a todos los analistas web en Twitter para que entre todos identifiquemos las más interesantes y urgentes.

El resultado es esta relación de 23 retos que a buen seguro supondrán la base de trabajo de todos los analistas web para el 2011. Las claves pasan sobre todo por basar la optimización de los sitios web en los Tests online, integrar los múltiples datos de Social Media, CRM y cualitativos.

No podemos olvidarnos de lograr profesionales mejor cualificados con una escuela, para que la Analítica Web llegue a conocerse y necesitarse, que los analistas web tengan dedicación exclusiva y se sigan metodologías reales. El optimizar la recogida y mejorar la precisión de los datos intentando tener una implementación personalizada y mejorando el etiquetado es un pilar importante. La privacidad y el tener que basarse en cookies inestables son las mayores preocupaciones del sector.

Finalmente, nuestra misión será, desde análisis predictivos y segmentados, hacer informes útiles que nos lleven a la acción inmediata para consolidarnos como parte indispensable del ciclo de optimización de la web.

Gracias a @Ana_Sopli, @Analisisweb, @AnnaSolans, @Barbmk, @Beamariscal, @Belybells, @daheras, @Fegnac, @Goyogana, @JavierCelaya, @Justo_Ibarra, @mgmya, @Nansky, @Pabs83, @Paula_Sanchez, @rtayar, @Stefvanef, @Torresburriel y @Xavier_Colomes.

La vida sólo puede ser comprendida mirando hacia atrás, pero ha de ser vivida mirando hacia adelante!

2011-01-18T23:41:00.004+01:00

Solamente unas líneas para comentaros que es posible ver mi intervención en la Fundación Telefónica sobre Analítica Web. Participé junto a Juan Leal y Fernando Polo.

Parece ser que también hay un vídeo de mi intervención en ESADE, lo cuenta Ismael ElQudsi en su blog. Participamos ambos junto a Enrique Burgos.

En esta ocasión hice una pequeña introducción de lo que es la analítica web y lo que implica, para seguir evangelizando en la medida de lo posible :)

Por otro lado, Fernando de Pablo, que es un magnífico concept drawer, me ha dado una sorpresa y ha publicado en su blog un post sobre el trabajo del analista web basado en una ponencia que realicé para el WSAB. Su blog es una fuente de inspiración y de aprendizaje.

Seguiremos mirando hacia delante :)

La experiencia no es lo que te sucede, sino lo que haces con lo que te sucede…

2011-01-02T12:39:00.002+01:00

Este año 2010 ha sido muy especial en todos los sentidos, lo he compartido con todos vosotros así que no creo que os pille de sorpresa :)

Durante este tiempo he dedicado toda mi ilusión y esfuerzo a Panda, pero ahora quiero contaros mi nueva aventura, a partir del 1 de enero de 2011 emprendo mi mayor reto profesional hasta la fecha. Llevo trabajando en distintas empresas desde el año 1995 y más de 15 años después he decidido seguir en solitario, como profesional autónomo.

La verdad es que creo que es la salida natural que me pedía el cuerpo, me apetece colaborar con distintas empresas de sectores variados donde por un lado pueda seguir creciendo profesionalmente y por otro ayude a estas empresas a empezar a basar sus decisiones estratégicas en datos de su canal online.

Por mi forma de ser, creo que esta situación tenía que llegar tarde o temprano, me meto en muchos fregaos y cada vez es más fuerte la necesidad que tengo de hacer más y más cosas. Supongo que por eso en mi círculo más cercano me llaman friki, con cariño, eso sí!

Aquí os dejo mi nueva web, espero que me tengáis en cuenta si necesitáis alguno de los servicios que oferto tanto a nivel de consultoría como de formación.

Además de ofrecerme como consultora estratégica de analítica web también soy la directora del primer máster en analítica web en España, estoy muy ilusionada porque creo que el programa es muy completo y contamos con los mejores profesionales a nivel nacional como profesores. Por fin vamos a poder decir que estamos a la altura de otros países a nivel de formación en esta disciplina.

Y nada más. Me gustaría, dado que no suelo escribir posts tan personales, aprovechar la ocasión para agradeceros a todos las muestras de apoyo, ánimo y sobre todo cariño que me habéis dedicado en estos días.

Aquí estoy para lo que necesitéis, haciendo que suceda.

Ahora escuchadme, galeotes: a todos vosotros se os condenó. Os mantenemos vivos para servir esta nave. Por lo tanto remad, y vivid

2010-12-31T11:37:00.000+01:00

El otro día estuve hablando sobre Analítica Web en los ciclos de nuevas profesiones de la Fundación Telefónica. Y me sorprendió en el turno de preguntas que un asistente comentó que las pymes o pequeñas empresas en España no parecían tener muy claro que la analítica web fuera importante para su negocio.

Creo que a lo mejor los profesionales de la analítica web no hemos sabido transmitir lo fácil y efectivo que puede ser echar un vistazo a los datos de nuestro negocio.

El primer paso es instalar una herramienta de Analítica Web en nuestras páginas. No nos costará mucho esfuerzo, Google Analytics o Piwick son gratuitas y una implementación básica nos servirá para empezar a sacar datos.

Una vez tengamos datos disponibles (dejar pasar por lo menos una semana) es momento para navegar en los distintos informes que se nos ofrecen. Pero nunca de una manera loca, sin sentido, porque entonces no llegaremos a nada. Primero hay que identificar los objetivos que tenemos en la web, sean ventas o no. Y entonces ir directos a aquellos informes que nos puedan dar información sobre lo que queremos saber (informes relativos a los usuarios, al contenido, a las fuentes de tráfico, a las keywords…).

Yo señalaría unos cuantos informes que pueden resultar interesantes, pero es imprescindible que hagamos el ejercicio de tener claro antes de consultar los datos que queremos averiguar, si no, es muy difícil que lleguemos a nuestro objetivo: convertir los datos en conocimiento.

Informes sobre Adquisición

Páginas de aterrizaje de las visitas de tráfico directo: quitando la home, ¿qué páginas se guardan en favoritos? Son las que interesan.

Keywords y frases de keywords que utilizan nuestras visitas de SEO y SEM: ¿qué andan buscando los visitantes? ¿Son por las que queremos que nos encuentren? ¿Y cuáles echamos en falta?

Referrers: ¿Qué otros sitios me están enviando tráfico? ¿Tenemos algún tipo de relación con ellos? ¿Por dónde se mueven? ¿Las redes sociales nos traen tráfico?

Informes sobre Contenido

Contenido más visitado: A nivel total y en todos los perfiles que consideremos importantes para nuestro sitio, como los que llegan a nuestros objetivos, nuestros clientes, los que vienen por buscadores, …

Estadísticas de la home: ¿Qué porcentaje de usuarios entran por nuestra home? ¿Desde dónde llegan? ¿Qué tasa de rebote tiene? ¿Hacia dónde se mueven?

Buscador interno: ¿Se parecen las búsquedas internas a las que nos llegan de manera externa? ¿Qué buscan los usuarios porque no lo tenemos bien posicionado en nuestro sitio? ¿Qué buscan los usuarios y no tenemos y deberíamos tener?

Informes sobre KPIs

Tasa de Rebote: A todos los niveles, la tasa de rebote del sitio web, la de cada página importante en el sitio, la de cada landing page… Sacaremos conclusiones sobre lo que está o no funcionando

Tasa de Conversión: A todos los niveles, la tasa de conversión del sitio web, la de cada sección, la de cada producto o servicio… Podremos comparar cada tasa entre sí y saber en qué medida contribuyen a la tasa de conversión general

Está bien concentrarse en los resultados, en la tasa de conversión en cualquiera de sus variantes. Pero no está de más conocer qué pasa en el sitio web, por dónde entran, hacia dónde se mueven, si les gusta y terminan con éxito la visita y por dónde se van.

No es cuestión de no saber analítica web, es cuestión de focalizarse y saber qué y dónde buscar. Ahora, a empezar a remar :)

He venido porque cuando te das cuenta de que quieres pasar el resto de tu vida con alguien deseas que el resto de tu vida empiece lo antes posible

2010-12-10T18:00:00.002+01:00

Aunque no tengamos un perfil técnico, es importante conocer todas las opciones que hay a nuestra disposición para personalizar nuestro código y adaptarlo lo más posible a nuestras necesidades.

Google Analytics nos da la opción de crear unas variables en el código para facilitarnos el análisis de los datos, una vez se conocen, son fáciles, muy fáciles de utilizar.

Estas variables se llaman custom variables y nos dan información de tres tipos:

a nivel de usuario o visitante (para almacenar información demográfica, tipo de visitante, toda información que el visitante nos deje en el site...). Dura lo mismo que una cookie.

a nivel de sesión (para recoger comportamiento de la visita durante la sesión, tipo de producto por el que se interesó, qué productos se añadieron al carrito, etc...). Dura lo mismo que una sesión.

a nivel de página vista o evento (tipo de contenido visitado, …). Dura de una página a otra.

con lo que seremos capaces, por ejemplo, de:

segmentar a nuestros usuarios como registrados o clientes / no registrados o no clientes

hacer seguimiento de campañas antes de la conversión

categorizar nuestro contenido utilizando variables de sección y subsección por página

Las variables personalizadas se definen de la siguiente manera:

_setCustomVar(index,name,value,scope)

donde:

index es el número de la variable (rango 1-5)

name es el identificador de la variable

value es el valor asignado de la variable

scope es el tipo de variable (1 usuario, 2 sesión o 3 página vista)

Esta es la pinta que tendrá el código en la página (ejemplo para el establecimiento de 5 variables recogiendo datos en una sola página):

_gaq.push(['_setDomainName','.nombredominio.com'],['_setCustomVar',1,'name1','value1',3],['_setCustomVar',2,'name2','value2',3],['_setCustomVar',3,'name3','value3',3],['_setCustomVar',4,'name4','value4',3],['_setCustomVar',5,'name5','value5',3] ['_trackPageview']);

Para comprobar luego las variables hay que ir al dashboard de visitantes / variables personalizadas

Tienen limitaciones. Únicamente se pueden definir 5 variables personalizadas por página y el nombre y el valor de las variables no pueden superar los 64 caracteres.

Las posibilidades que tenemos con estas variables son infinitas :) Lo interesante es tener claros los objetivos del sitio web y decidir las variables más importantes o que nos pueden aportar información más interesante para nuestros análisis.

Por ejemplo, si una visita en una página hace login por ser cliente, podemos registrarlo y luego segmentar el comportamiento de los clientes en comparación a lo que hacen los no clientes.

pageTracker._setCustomVar(1, "TipoVisita", "Cliente", 1);
pageTracker._trackPageview();

Es impresionante el potencial que tenemos al segmentar nuestro análisis por las variables personalizadas más importantes de nuestro sitio web. ¿Cuáles pueden ser estas variables?

Crear variables personalizadas por cada dato que deje el visitante sobre sí mismo (datos demográficos) para poder segmentar el contenido que consultan, los productos que consumen, por ejemplo. Son esenciales para crear patrones de comportamiento.

Crear variables personalizadas por cada comportamiento importante del visitante en el sitio web (datos de registro o de conducta) que sean interesantes para sacar conclusiones personalizadas sobre cada segmento, por ejemplo los clientes, los que se han registrado, los que empezaron el proceso de compra, los que dejaron un comentario…

Crear variables personalizadas por cada contenido que contenga nuestro sitio web, para categorizarlo de una manera más visual. Generar secciones y subsecciones por cada grupo de contenido, organizando todo el contenido de forma que sea más fácil acceder a él.

Crear variables por cada tipo de contenido que tenga una página, para saber qué tipo de contenido prefieren los visitantes, si páginas con texto, con fotos, con vídeo, con flash, o qué tipo de contenido dentro de un blog gusta más o qué autor o qué categoría.

Identifiquemos las variables que den sentido a nuestro análisis, que nos permitan trazar un mapa de cómo son y cómo actúan nuestras visitas, de cómo es y cómo se actúa en nuestro sitio web, y podremos tomar decisiones de una manera mucho más certera desde el primer momento en que nos demos cuenta de que queremos saber más :)

Otros ejemplos de uso de variables personalizadas:

Trucos Google Analytics
Blog de Google Analytics
Blog de Conversion Room
Blog de MVConsultoría

Tú no buscas la verdad. Tú fabricas tu propia verdad

2010-11-22T18:00:00.000+01:00

Hace unas semanas vimos cómo la analítica web podía ayudar a decidir en cuestiones de usabilidad. También nos puede ayudar a tomar decisiones en nuestra estrategia SEO.

El primer paso a realizar será comprobar qué principales frases clave gratuitas recogemos en nuestra herramienta de analítica web para visitas desde buscadores; es decir, nuestro Head. ¡Ojo! Hay que separar las palabras clave branding (que incluya nuestra marca) y las que no se refieran a nuestra marca.

El segundo paso a realizar será recopilar las frases clave más importantes para el Long Tail, o sea, las que por sí solas no tienen un volumen excesivo de visitas o de ingresos pero que si las sumamos todas sí constituyen una parte importante de nuestro negocio.

Normalmente, centraremos los esfuerzos de SEO en las palabras clave head y los esfuerzos de SEM en las palabras clave long tail, ya que normalmente las palabras clave head se referirán más a nuestra marca o a gente que ya nos conoce, mientras que el long tail será el resto. Pero cada negocio debe decidir qué estrategia va a seguir :)

Es importante estudiar a fondo las keywords:

¿Hay un número elevado de keywords diferentes para nuestro Head? ¿Y para nuestro long tail?

¿Qué tendencia tiene cada grupo? ¿Aumentan? ¿Descienden? Vamos más allá… ¿Si suben las visitas al site, aumenta también el número de keywords distintas?

Según lanzamos una nueva campaña… ¿cambian las keywords por las que llegan a nuestro site? ¿y las que logran conversiones?

Con el tiempo... ¿cambian nuestras palabras long tail? ¿o nos encuentran siempre por el mismo tipo de keywords? O lo que es lo mismo… ¿tenemos que cambiar más frecuentemente el contenido? O bien… ¿sirven nuestros esfuerzos por cambiar el contenido de algo?

¿Cuántas landing page tenemos? ¿Qué porcentaje de keywords diferentes tenemos por cada landing page? ¿Hay alguna que hemos de optimizar en base a las keywords por las que aterrizan, es decir, el contenido de la landing page complementa la keyword?

Si aumentan las visitas de una determinada keyword… ¿suben también las visitas a las landing pages o crece también el número de landing pages existentes?

¿Notamos algún tipo de comportamiento extraño en nuestras keywords después del lanzamiento de nuevas funcionalidades tipo Google Instant? ¿Son más largas las keywords ahora que antes? ¿Son más cortas? ¿Ha aumentado el volumen de visitas?

Las métricas para crear contexto a estas keywords deben incluir el número de visitas al site, el número de visitas con origen en tráfico de búsqueda gratuito y, por supuesto, segmentar las que se refieren a nuestra marca por un lado y las que no por otro.

También podemos segmentar los resultados de las preguntas antes mencionadas por perfiles que tenemos identificados en nuestro negocio. Por ejemplo, por keywords con conversión asociada, por determinada zona geográfica, por primera visita ¿qué keywords nos traen visitas nuevas? ¿qué keywords nos traen más nuevas visitas que compran?, por buscador… Seguramente así nos será más fácil obtener recomendaciones.

No siempre será acertado medir con conversiones, ya que existen palabras clave interesantes para captar o que nos tengan en consideración sin producir un beneficio como tal, pero sí un valor para la marca. Lógicamente, para saber qué palabras clave nos están funcionando a nivel de ingresos, podemos utilizar la tasa de conversión.

Pero podemos estudiar qué palabras clave logran mayor fidelización… ¿cuáles registran mayor número de visitantes que repiten? o mayor compromiso con el sitio web… ¿Cuáles son las que pasan más tiempo en el sitio?... ¿Qué palabras clave tienen mejores landing pages? Deberemos medirlo con la tasa de rebote. En combinación con el índice de ingresos, por supuesto también :)

La forma que tiene el analista web de ayudar al SEO es complementando los datos que éste pueda tener de su estrategia para optimizarla al máximo, con los datos hay que buscar la verdad, no fabricarla.

Haríamos muchas más cosas si creyéramos que son muchas menos las imposibles

2010-11-17T18:00:00.001+01:00

Me encanta hablar sobre analítica web. Y este 2010 sin duda ha sido un año muy importante para la disciplina de la analítica web. Estamos avanzando mucho y poco a poco se nos empieza a tomar en cuenta para todos los eventos sobre marketing online, que son unos cuantos :)

Después de haber asistido a algunos durante el último año, me he dado cuenta de que uno de los principales escollos que nos encontramos a lo largo de nuestra experiencia como analistas web es la dificultad de separar nuestro puesto de la parte técnica y acercarlo más al negocio.

Es cierto que el tener una formación técnica ayuda mucho a la hora de evaluar el rendimiento de una herramienta, de detectar cualquier problema o error en los tags, de sacarle más partido a las APIs, etc.. Pero en mis seminarios e intervenciones durante este año he intentado dejar claro que la analítica web no es tanto una herramienta técnica como de negocio.

Está muy bien entender sobre tecnología y el funcionamiento de las distintas herramientas a nuestra disposición, pero si no entendemos el negocio, si no conocemos los objetivos, si no participamos de una estrategia global, no vamos a ser capaces de ayudar a optimizar el canal online.

Por eso es importante que se conozca nuestra labor, en qué podemos ayudar, nuestra metodología de trabajo y qué hay detrás de nuestro día a día. Esto es lo que intento transmitir tanto en mi lugar de trabajo como en el blog como en todas aquellas consultas que me llegan sobre la analítica web.

Y parece que voy a tener la suerte de llegar a mucha más gente en estos últimos coletazos del 2010 ya que participo en unos cuantos eventos.

Si os apetece pasaros a verme a cualquiera de estos tres eventos que se realizan en Madrid en las próximas semanas seréis bienvenidos, son gratuitos y, junto a mis compañeros, hablaré a grandes rasgos de en qué consiste la analítica web, qué beneficios conlleva para el negocio y cómo intentar sacarle el máximo partido. He hablado sobre esto una y mil veces aquí en el blog así que no me pondré pesada con esto, jeje.

Mañana jueves 18 de noviembre, participaré en FICOD en una edición de Iniciador dedicada a cómo sacar partido a los contenidos digitales. El moderador del acto será Jose Antonio Gallego, participo junto a Adrián Segovia, Diego Ballesteros y Antonio Ortiz.

El martes 23 de noviembre estaré en la Fundación Telefónica en su ciclo de internet y nuevas tecnologías dedicado a la analítica web y la usabilidad, junto a Juan Leal.

Finalmente, el martes 14 de diciembre participaré en una mesa redonda junto a Ismael ElQudsi y Enrique Burgos en ESADE dedicada al marketing online.

Por este año ya está bien :) ¿Nos vemos por allí?

Tiene gracia. Trabajas duro, haces todo lo que puedes para escapar de aquí y cuando te llega la oportunidad de irte encuentras una razón para quedarte

2010-11-02T18:00:00.003+01:00

El índice de ingresos o $/Index es una variable de Google Analytics de la que oigo hablar muy poco y que me parece sumamente interesante. ¿La conocéis? ¿La utilizáis?

Para los no iniciados, es una columna del informe Contenido / Contenido principal. Para que realmente tenga datos, debemos haber activado previamente el ecommerce y definido los objetivos de nuestro sitio web, asignándoles un valor determinado de consecución. Si no lo has hecho nunca, puedes consultar este post de Central de Conversiones, que te ayudará a establecer los objetivos de tu sitio web en Google Analytics.

Tanto si nuestro sitio vende o no, esta métrica nos va a servir para saber qué páginas nos aportan valor y para poder compararlas al mismo nivel entre sí.

Además la nueva funcionalidad de Google Analytics, la clasificación ponderada, nos permite ordenar la columna por significancia; es decir, combina la información del índice de ingresos con el número de páginas vistas únicas, por lo que se ordena por mayor utilidad de la información. De hecho, lo que nos cuenta esta métrica es la medida en que cada página del sitio contribuye a nuestros objetivos.

¿Pero cómo se calcula esta métrica exactamente? ¿Qué nos está contando? El índice de ingresos se basa en la cantidad y el valor de las conversiones o cumplimiento de objetivos que se producen después de la visita a esa página.

Es decir, imaginemos una sola visita a nuestro sitio web que se ha comportado de la siguiente manera:

Entra por página 1 (home)
Navega por página 2 (información producto estrella de la compañía)
Sigue por página 3 (información detallada del producto estrella de la compañía)
Llega a la página 4 (introduce sus datos de contacto) -> objetivo 1 valorado en 10 eur
Vuelve a la página 3 para chequear la información del producto
Visita la página 5 (agrega el producto al carrito de la compra)
Finaliza su visita en la página 6 (adquiere el producto) -> conversión valorada en 100 eur

Lo primero que debemos de saber es que las visitas duplicadas a una página solamente cuentan una vez para esta métrica en Google Analytics, por lo que, en nuestro ejemplo, la página 3 solamente será contada una vez.

Índice de ingresos de páginas 1,2,3 = (10 euros del objetivo 1 + 100 euros de la transacción) / 1 visita = 110 euros.

Índice de ingresos de página 5 = 100 euros de la transacción / 1 visita = 100 euros.

Si hubiéramos registrado 5 visitas a cada página, los números cambian:

Índice de ingresos de páginas 1,2,3 = (10 euros del objetivo 1 + 100 euros de la transacción) / 5 visitas = 22 euros.

Índice de ingresos de página 5 = 100 euros de la transacción / 5 visitas = 20 euros.

Por lo que la fórmula oficial es:

Índice de ingresos = suma de valores de transacción y objetivos / número de visitas que vieron la página

La diferencia con el embudo de conversión de toda la vida es que el embudo será más preciso puesto que solamente cuenta las visitas interesadas en el proceso, mientras que el índice de ingresos no discrimina ninguna visita. En mi opinión, la combinación de los datos de ambos nos ofrece un análisis mucho más certero y nos da más pistas de dónde podemos actuar.

Una página con un índice de ingresos pobre puede predecir que hay algo que está funcionando mal (un enlace roto o similar) o que no funciona como debiera en términos de persuabilidad.

Normalmente, una página de producto convertirá mejor que una home ya que está pensada más en la venta. Lo interesante aquí es comparar entre sí las landing pages del sitio web y consultar en conjunto el índice de ingresos con la tasa de rebote, por ejemplo. De ahí podremos aprender cómo utilizan los visitantes nuestro sitio web. Será interesante comprobar cómo algunas páginas con alta tasa de rebote tienen un índice de ingresos alto… ahí es donde debemos actuar y poner todos nuestros esfuerzos en conseguir aumentar el número de visitantes hacia el objetivo.

Si encima vamos segmentando por fuente de origen del tráfico, por ejemplo, nos podemos encontrar que un determinado origen puede estar sacándole más partido a una página que otro, aquí es donde debemos profundizar para averiguar qué están encontrando unos que no parece que sea interesante para otros.

Así, se puede localizar qué tipo de páginas funcionan mejor para un tipo de visitantes y utilizarlas en consecuencia, personalizando rutas dependiendo del índice de ingresos.

La idea es identificar las páginas que funcionan y ver el porcentaje de visitantes que llegan a dicha página… ¿podemos dirigir más tráfico allí? ¿podemos bajar la tasa de rebote?

Incluso podremos estudiar a fondo el potencial de nuestras páginas y determinar dónde tenemos oportunidades de mejorar... ¿por qué no tomar las páginas con mayor índice de ingresos como landing pages?

¿Están las páginas con mayor valor de ingresos en nuestro proceso de conversión? Si no es así… ¿por qué están mejor valoradas que las demás páginas?

En un proceso de rediseño esta métrica nos sirve para saber si la navegación propuesta está debidamente optimizada o tenemos páginas que no tienen buen índice de ingresos en medio del camino.

Es una métrica muy útil para tomar decisiones en base a objetivos logrados, nos va a ayudar a optimizar nuestro sitio web tanto o más que la tasa de conversión o de rebote, vamos a darle una oportunidad antes de salir corriendo, no? :)

El que se erige en juez de la verdad y el conocimiento es desalentado por las carcajadas de los dioses.

2010-10-11T18:00:00.003+02:00

Con el auge de las redes sociales, se han puesto de moda los acortadores de URLs. Para mí son mucho más que acortadores ya que además de esta función, muchos de ellos nos ofrecen unas estadísticas necesarias para ayudarnos en nuestra estrategia online.

Es necesario tener datos sobre estos links que compartimos en redes sociales. Si los enlaces llegan a nuestra web podremos tener las estadísticas en la herramienta de analítica web, pero si lo que estamos compartiendo son enlaces a contenido en otros sitios web no tendremos forma de saber cuántos usuarios han accedido a dicho enlace, por eso es importante disponer de esta información en otra herramienta.

Y nos interesa, ya que si sabemos qué tipo de links genera más clicks, a qué hora, qué día de la semana, en qué área geográfica, etc… podemos diseñar una estrategia de comunicación mucho más certera.

Los datos no solamente se obtienen de una herramienta de analítica web, tengamos claro que cualquier estrategia online debería basarse en la experiencia y, por lo tanto, sin datos no tendremos conocimiento.

Hay muchas formas de obtener estadísticas mediante los acortadores de URL. Mis preferidas son:

Bit.ly: Sus estadísticas son muy completas, como se puede ver en la imagen. El problema es que estas estadísticas son públicas, cualquiera que quiera ver las estadísticas solamente tiene que añadir el signo “+” al final del link y tendrá acceso a las mismas.Por ejemplo: Aunque no se posea el link http://bit.ly/919cIW, si se pone en el navegador http://bit.ly/919cIW+, se puede acceder a las estadísticas completas del link.

ow.ly: Ofrece estadísticas interesantes puesto que antes de acortar la URL permite añadir los parámetros de la campaña al link. Las estadísticas se muestran vía Hootsuite, si se utiliza esta herramienta de gestión de redes sociales, es la mejor manera de tener toda la información en una misma aplicación:

cli.gs: Este acortador de URLs es muy parecido a bit.ly pero mucho menos conocido. La principal diferencia (y ventaja) es que las estadísticas no son públicas puesto que hay que hacer log in para acceder a ellas:

goo.gl: Acaba de salir y ya tiene muy buena pinta. Ofrece estadísticas de volumen de clicks, de referrers, del perfil del usuario (país, navegador utilizado,…), también son estadísticas privadas :)

En marlexsystems.org tenemos una tabla con los 200 acortadores de url más populares (sí, ¡200!).

No nos olvidemos de elegir un acortador de urls que incluya estadísticas completas para poder profundizar en el análisis del link compartido, será la única forma de comprobar si el enlace ha conseguido nuestros objetivos, si ha logrado llamar la atención, a qué hora cosecha más éxito, qué día de la semana, en nuestro entorno o fuera de él…

Si lo hemos compartido en twitter, podemos combinar esta información con los retuiteos que logra nuestro tweet, con el número de usuarios de cada perfil que se hace eco del mismo, etc… Así podremos tener en cuenta a qué usuarios nos interesa llegar y que nos ayuden a difundir nuestro mensaje.

Si lo hemos compartido en facebook, en una página nuestra, ampliaremos la información con las estadísticas propias que ofrece la misma aplicación. Nos servirá para conocer mejor a nuestros fans y afinar nuestra estrategia en el entorno.

Cada día crecen más y más las redes sociales, se hace más patente que nadie tiene realmente la llave del éxito puesto que nuevos usuarios llegan y son receptivos a nuestros mensajes, por lo que no está de más el conocer el comportamiento de dichos usuarios, sus preferencias, para sacarle el máximo partido a nuestra estrategia online.

Espero que vivas una vida de la que te sientas orgullosa. Y si ves que no es así, espero que tengas la fortaleza para empezar de nuevo.

2010-09-28T18:00:00.002+02:00

Cada vez que nos plantamos ante nuestra web con intención de analizarla nos preguntamos: ¿por dónde empiezo? La tarea de empezar a medir y analizar nos parece muy complicada, tenemos muchas páginas, muchos links, y no sabemos cómo hacerles frente. A la vez hemos recopilado un montón de información de blogs de analítica web, de White papers, de libros, incluso hemos acudido a un curso o seminario sobre la materia, pero una vez nos encontramos delante de nuestro sitio web no sabemos cómo aplicar nuestros recién adquiridos conocimientos.

Lo primero es conocer el sitio web y el negocio. Se puede tener un profundo conocimiento de lo que supone el negocio si eres empresario o llevas mucho tiempo en la empresa o se puede saber uno de pé a pá la web porque eres técnico o te has currado el sitio web desde dentro. Pero necesitamos ambas perspectivas para realmente ser efectivos en la estrategia a seguir como analistas web.

Por un lado conocer a fondo el negocio para saber los objetivos y por otro conocer bien la web para entender la conducta de los visitantes. De hecho, aunque no tengamos ni idea del negocio que se trae la web entre manos ni de cómo está construida dicha web vamos a ser capaces de sacar conclusiones después de aplicar unos pocos pasos de trabajo:

Un primer acercamiento supone obtener una perspectiva global, no es el momento ahora de empezar la casa por el tejado. Necesitamos la base, los cimientos, y esto solamente nos lo proporcionará el conocer a grandes rasgos a qué nos estamos enfrentando.

Primero centrémonos en las tendencias a largo plazo de nuestras visitas y visitantes, buscamos conocer estacionalidades, patrones y sobre todo tener una idea de cómo ven la web desde fuera. ¿Cuántos vuelven? (visitantes que repiten) ¿A cuántos les llamamos la atención? (visitas nuevas) ¿Cuántas páginas suelen consultar? (páginas por visita) ¿Cuánto tiempo se quedan? (tiempo medio de estancia) ¿Cuántos siguen adelante? (tasa de rebote) ¿Cuántos compran? (tasa de conversión) y demás.

Sin segmentar aún, tenemos que conocer nuestra web a nivel global, no para tomar decisiones, sino para entender y aprender dónde estamos.

Una vez tengamos los datos globales es el momento de empezar a segmentar para entender bien por dónde nos llega el negocio y las bases de la estrategia que seguimos online. Segmentaremos normalmente por Fuentes de Tráfico. Depende del porcentaje de cada fuente de origen que nos trae tráfico sabremos en qué nos gastamos el dinero. ¿Tenemos un buen SEO? ¿Adwords es nuestra principal fuente de adquisición? ¿Hablan de nosotros y tenemos una buena red de referrers? ¿Gestionamos varias campañas? ¿Nos adoran y nuestro punto fuerte es el tráfico que nos llega de manera directa? ¿Necesitamos algún tipo de inversión?

Vamos un poco más allá, profundicemos en las palabras clave por las que llegan a nuestro sitio web, tanto las que incluyen nuestra marca como las que no y segmentando por tráfico orgánico o pagado. ¿Cómo funciona nuestro branding? ¿Nuestras palabras claves son interesantes? ¿Nos buscan por lo que queremos que nos encuentren?

Todo esto hay que analizarlo tanto a nivel de volumen de tráfico como a nivel de ingresos obtenidos. Conociendo la procedencia de nuestro tráfico podremos identificar el tipo de visitas que vienen a nuestro sitio e incluso adivinar su intención al visitarnos. Con solamente estos tres pasos tendremos una idea concreta sobre el tipo de web que estamos analizando.

Es momento ahora de centrarnos en los objetivos que perseguimos con el sitio web. Echemos un rápido vistazo a la página web para determinar si podemos contestar a la pregunta del millón “¿Por qué y para qué existe esta web?”. Necesitamos averiguar qué se quiere conseguir a nivel global con el site y tomar notas sobre si las llamadas a la acción están correctamente indicadas o no en las páginas principales. Para esto tomaremos del informe de Contenido las páginas más visitadas y por las que se entra a la web.

¿Por dónde llegan? ¿Cuál es nuestro contenido estrella? ¿Dónde van después de entrar al sitio web? ¿Siguen algún tipo de patrón? ¿Por dónde se van? Contrastar estos datos SIEMPRE mirando la página en cuestión. Intentando meterse en la piel del usuario para identificar posibles puntos de mejora, a nivel de diseño, de usabilidad o de todo a la vez :)

Identificar el proceso más importante de la web (el que mejor cuadre con el principal objetivo de negocio) y seguirlo paso a paso, página a página (si no existe ya un embudo de conversión) para conocer el estado de nuestro reto principal.

Tenemos que tener en mente que hay dos estrategias básicas para optimizar nuestra tasa de conversión, o reducir el número de páginas del proceso u optimizar las páginas de manera individual. Debemos saber a qué nos enfrentamos.

El objetivo real de aplicar esta metodología de 5 primeros pasos será el ir tomando notas en cada uno de los escenariosplanteados. Por ahí empezaremos a profundizar en el siguiente análisis a efectuar, ya no tan básico :) Debemos apuntar por el camino todo lo que nos llame la atención, todo lo que no nos cuadre, todo lo que nos exija un análisis más profundo para sacar conclusiones sobre el sitio. Después agrupar todas las notas y, junto con los responsables de negocio o de internet de la empresa, decidir dónde y en qué empezar a profundizar para iniciar nuestro proceso de optimización.

Lo más importante de esta metodología para hacer un análisis básico no es realmente el coleccionar métricas, eso es fácil con cualquier herramienta de analítica web, sino interpretarlas y ser capaz de transformar esos datos en conocimiento. Seguro que por el camino encontramos cosas que nos sorprenden :)

Yo no enseño a mis alumnos, solo les proporciono las condiciones en las que puedan aprender . (A. EINSTEIN)

2010-09-20T16:00:00.002+02:00

Creo firmemente que en todo curso o master de marketing online se necesita aprender analítica web ya que es vital medir el retorno de la inversión que estamos realizando en la web, nuestro objetivo será optimizar la estrategia online y sacar el máximo partido de las inversiones realizadas.

Actualmente en internet se invierte en diseño, en generación de buenos contenidos, en campañas publicitarias, en ofrecer nuevas funcionalidades. Y esto, como bien sabemos, no es gratis. Por lo tanto hemos de tener claros los objetivos que buscamos con nuestra web, saber cuan cerca o lejos nos encontramos de cumplirlos, qué estrategia funciona, qué tácticas no dan el resultado esperado y qué podemos hacer para disminuir gastos y generar más beneficio.

Esto solamente se consigue si se saca partido a la analítica web. La analítica web es el resultado de analizar la actividad con el objetivo de enfocar acciones a resultados. Lo más importante es entender que no se trata tanto de una herramienta técnica como una herramienta de negocio.

Porque es necesario saber qué contenidos, productos o servicios prefieren nuestros clientes potenciales, qué otros sitios web nos están generando más visitas, qué palabras clave utilizan nuestros visitantes para llegar a nuestra web (y cuáles nos gustaría que utilizaran y no lo hacen), detectar por dónde entra y por dónde sale la visita… es decir, qué hacen en nuestra web, compararlo con qué queremos que hagan y determinar los pasos a seguir para lograr nuestros objetivos.

La analítica web necesita que los gestores de la web tengan muy claros los objetivos que se persiguen con la estrategia online. Estos objetivos llevan a determinar qué métricas serán las que determinen el éxito en dicha estrategia. La métrica básica en la medición del éxito es la tasa de conversión que mide cuántos de nuestros visitantes del total llegan a cumplir el objetivo. Así, podremos analizar qué está pasando con los que no han llegado al objetivo y tomar decisiones en base a dónde se quedaron y qué puede haber ocasionado su abandono.

Es necesario conocer a nuestros visitantes, clasificarlos o segmentarlos por conducta, para poder personalizar las tácticas para conseguir los objetivos. Una de las segmentaciones básicas será la procedencia de la visita, para saber qué visitas vienen de forma gratuita (directamente desde el navegador o porque nos tienen guardados como favoritos), desde los buscadores (de forma gratuita o pagada), desde otras webs que nos enlazan, desde una plataforma de afiliados, desde una determinada campaña de publicidad, desde las redes sociales, desde un lanzamiento de emails… Saber qué porcentaje de visitas viene y qué porcentaje de beneficio sacamos por cada vía será vital para saber dónde invertir con mejor rendimiento.

Al igual que conocer por dónde se mueven nuestros visitantes una vez que llegan a nuestro sitio web, qué les interesa, qué funciona, qué no, qué les frena para no terminar donde queremos que lleguen, saber qué llamadas a la acción no están funcionando como debieran, qué diseños no resultan atractivos, qué caminos no ven claros, en definitiva, aprender y optimizar la experiencia de usuario.

Pero la analítica web no termina en el sitio web. Para llegar al éxito real no hay que olvidar lo que pasa con nuestros competidores, para tener una idea clara de cómo está el mercado y de nuestra posición en el mismo. Y por supuesto es vital combinar todo el conocimiento cuantitativo que podemos recoger sobre nuestro sitio web con los datos cualitativos, el entender por qué están pasando ciertas situaciones mediante la voz del usuario, para combinar los dos objetivos de la analítica web: mejorar el rendimiento de la web y la satisfacción del cliente.

Si tenemos un negocio online y no planteamos objetivos o no medimos su consecución, no podremos mejorar. Sin la analítica web será mucho más difícil, por no decir imposible, optimizar nuestro sitio web a conciencia.

Esto es lo que intento trasladar en cada curso que doy o máster en el que participo, no realmente enseñar a utilizar una herramienta técnica determinada, sino una herramienta de negocio para poder sacar el máximo partido al canal online.

Mis próximos cursos o seminarios en masters (octubre y noviembre):

Jueves 30 de septiembre en un master del ESIC donde hablaré de analítica web durante 4 horas

Lunes 4 de octubre en el Web & Social Analytics Bootcamp donde hablaré de la puesta en marcha del entorno de trabajo de la analítica web durante 2 horas.

Jueves 14 de octubre en el seminario de Analítica Web en el INESE en Madrid, 8 horas de introducción a la analítica web.

Jueves 28 y Viernes 29 de octubre en el master de marketing online en Secuoyas Academy, donde en total serán 8 horas de introducción a la analítica web.

Lunes 8 de noviembre en un seminario de Analítica Web en el INESE en Barcelona, 8 horas de introducción a la analítica web.

Martes 30 de noviembre en un seminario sobre analítica web dentro del ciclo de seminarios sobre marketing online de Secuoyas Academy, 8 horas de introducción a la analítica web.

Si te apetece apuntarte, nos veremos allí :)

De las leyes más simples nacen infinitas maravillas que se repiten indefinidamente

2010-09-14T17:00:00.003+02:00

La métrica “días previos a la compra” es una de esas métricas que se suelen mirar así, tal cual, en frío, sin paños calientes y claro, pues no sirve para mucho.

Esta métrica en principio muestra a nivel genérico cuántos días tardan nuestras visitas en hacer lo que queremos que hagan, suele tener algo que ver con realizar una compra ya que solamente aparece en sitios web que en Google Analytics han activado la opción de comercio electrónico:

Me gustaría resaltar que estamos hablando de una métrica basada en visitas, es decir, si de una visita a otra se borran las cookies, no se identificarán correctamente los días. Si una visita se produce desde un PC y la siguiente se cambia de dispositivo, tampoco. Lo dicho, no es la métrica más precisa del mundo, pero nos puede servir para profundizar en nuestra estrategia online.

Si comparamos nuestras fuentes de origen de tráfico a nivel de días que tardan en comprar los usuarios podremos determinar qué puede estar ocasionando esta conducta. Miremos a un ejemplo:

¿Por qué los usuarios que vienen de SEO tardan más en comprar que los usuarios que vienen de SEM? ¿Qué es lo que provoca que un usuario que visualiza nuestra campaña a través de un banner (campaña 1) tarde un solo día en comprar mientras que a los que vienen por un link en nuestros afiliados (campaña 3) les lleva más de tres a su gran mayoría?

¿Existe la posibilidad de que nuestras campañas no sean tan efectivas como podemos pensar en un primer momento?

Es el momento de indagar en cada fuente de origen. Salvo en la de Tráfico Directo, podemos sacar muchísima información de qué es lo que está funcionando, a nivel de keyword en el tráfico gratuito y pagado, a nivel de diseño/ubicación/copy del anuncio en nuestras campañas, o cualquiera que sea nuestra estrategia de venta.

Si profundizamos en la Campaña 1, podemos determinar qué parte de la campaña puede estar ralentizando sus números totales:

En este ejemplo podemos comprobar cómo los anuncios en los sites A y B no logran la compra en un primer momento… y ¿el vídeo? Casi la mitad de los compradores que han visto el vídeo necesitan al menos 4 visitas para decidirse a comprar…

Para optimizar nuestro sitio web y tomar decisiones sólidas es necesario cruzar las dos variables que determinan lo que nuestros clientes han hecho en el site: el volumen de compra conseguido por cada parte de la campaña por un lado y los días que han sido necesarios para lograrlo. ¿Tienen algo que ver?

Si los usuarios de los sitios A y B necesitan más de una visita para hacer realidad nuestros deseos (que compren), ¿podemos ofrecerles una landing page distinta para su segunda visita? Podemos utilizar estos datos para determinar cuántos días dejamos pasar entre una primera visita a nuestro sitio web del usuario y enviarle un mail, por ejemplo, dependiendo de los datos de los que disponemos al respecto.

También es interesante comprobar la tendencia en el tiempo en cada una de nuestras estrategias, ¿tardamos más días en vender en nuestras campañas actuales que en las anteriores? ¿Existe ahora más competitividad en nuestro sector que hace un mes? ¿Qué es lo que ha podido provocar un aumento o descenso en el tiempo de adquisición en una determinada fuente de origen? ¡Aprendamos de nuestros clientes!

Esta métrica nos ayuda, sobre todo, a conocer más al tipo de comprador en cada fuente de origen o campaña de publicidad. Así podremos adaptar nuestras llamadas a la acción en base a cada una de nuestras estrategias de captación. ¿Son impulsivos? ¿Necesitan una rama? ¿Una cuerda? :)

La única posibilidad de descubrir los límites de lo posible es aventurarse un poco más allá de ellos, hacia lo imposible.

2010-07-27T18:00:00.003+02:00

El otro día llevé a mis hijos a una clase de inglés extraordinaria. El concepto es diferente a lo que llevo conociendo en lo que se refiere a escuelas de inglés. Los niños no atienden a una clase como tal, sino que hacen actividades como cantar, cocinar, pintar en otro idioma. Y lo pasan bien.

Me dio que pensar ya que últimamente estoy dando clases de analítica web a alumnos que no han estado nunca en contacto con internet (en cuanto a trabajo, me refiero) y al principio me resultaba complicado explicar cómo y por qué el medir online es una tarea estimulante y no un infierno.

Pero he aprendido (esa es una de las cosas por las que adoro impartir clases, porque aprendo muchísimo) que el problema es estudiar analítica web como quien estudia inglés. Si eres un español que ha estado estudiando inglés en España sabes a lo que me refiero. No se puede estudiar de cabeza sin experimentar cada una de las enseñanzas uno mismo.

Entonces... ¿cómo le damos la vuelta al aprendizaje? Metiendo a los alumnos sin que lo sepan en la espiral analítica. Como cuando cantan los niños, lo mismo. Todo aquel que se apunta a una clase de analítica web es porque tiene una web, o quiere tenerla o trabaja en una o está mínimamente en contacto con el mundo online. Es lo mismo que si dentro de tu empresa te preguntan por la analítica web, si lo hacen es porque están interesados, de una u otra forma en saber, en conocer.

La clave está entonces en hacerles cantar sus cosas pero en nuestro idioma. Empezaremos con los datos de tráfico, como el número de accesos a la web, a cuántos les gusta lo que ven, desde dónde llegan, qué páginas son más visitadas, cuál es la relación entre lo que hace el usuario y lo que realmente quieres que haga.

Y entonces entramos en materia, ¿cuánto dinero nos estamos gastando en la web? ¿Qué objetivos nos hemos marcado? ¿Sabemos qué ROI tenemos? ¿Cómo lo averigüamos? Es el momento de cocinar, de tomar las acciones por separado como ingredientes (campañas, afiliados, redes sociales, buscadores...) y ponerlas todas juntas para formar un único plato. Determinemos qué indicadores son los que nos dan el éxito y descubramos qué porcentaje de cada ingrediente hace falta para producir el bizcocho deseado.

Explicar la influencia que cada acción tiene en nuestro beneficio, identificar cuál es la fuente que nos aporta más ingresos, observar las tendencias, estudiar los procesos de venta, segmentar, testar, cambiar, diseñar, optimizar... lo dicho: cocinar los distintos ingredientes que tienen las estrategias de una empresa.

Y finalmente dibujar, generar recomendaciones en base a lo que hemos descubierto y crear uno o varios modelos de cuadros de mando para que los demás sepan por dónde estamos yendo bien o mal, saber qué le importa a cada uno, descubrir nuestras conclusiones y que lo entiendan aunque hablen otra lengua.

Tanto para aprender un idioma, como una profesión, como cualquier otra cosa, no hay nada mejor que introducirlo en la vida diaria, si yo te enseño analítica web (o lees blogs, o estudias libros...) y solamente atiendes, no ves un dashboard en tu día a día, si no te metes a indagar en los datos en algún momento, no servirá de nada. Como el inglés del colegio.

Si estás entrando en el mundo de la analítica web y aún no sabes muy bien cómo cantar, cocinar o dibujar en este idioma, te recomiendo el libro de Avinash Kaushik, basado en aprender de esta manera, metiéndote en materia desde el minuto 1.

Dentro de nosotros existe algo que no tiene nombre y eso es lo que realmente somos

2010-07-13T17:00:00.002+02:00

El otro día un amigo me dijo que al empezar a utilizar las expresiones regulares se sentía como si escribiera en chino, pero que al final si las dominas puedes ser el amo del universo de Google Analytics. Tiene toda la razón, yo desde que las utilizo necesito mucho menos tiempo para lograr recolectar los datos del análisis, casi siempre lo hago desde la API de GA, pero me sacan de determinados apuros al diseñar perfiles customizados, en la creación de objetivos o funnels, en los segmentos avanzados y en los informes cuando quiero filtrar los datos sin tener que exportarlos a Excel.

¿Qué son las expresiones regulares? En inglés RegEx. Pues son expresiones que nos permiten mediante un patrón de búsqueda con caracteres especiales contrastar un texto. Son muy útiles y cómodas para hacer filtrado y obtener unos resultados específicos. Pero como funcionan con reglas especiales, como decía al inicio, son algo complicadas, por lo menos al principio.

¿Y cuáles son estas expresiones? Explicaré las que conforman la base:

\ La barra o slash quita el comodín de los caracteres; es decir, si alguno de los caracteres que se utilizan en las expresiones regulares queremos que funcione como lo que realmente es.

. El punto indica comodín de un carácter. Por ejemplo, si ponemos /clinicaveterinaria/.ato valdría para filtrar por /clinicaveterinaria/pato y /clinicaveterinaria/gato

clinicaveterinaria.com

clinicaveterinaria\.com

^ El acento cirílico indica el principio del campo. Se utiliza mucho para filtrar por determinadas IPs en un perfil para no contar con las IPs de los empleados de la empresa. Si ponemos ^90 filtraría por todas las IPs que empiecen por 90. Por ejemplo, si queremos que únicamente obtengamos resultados del subdirectorio /contacto/ deberemos indicar ^/contacto/ porque si solamente ponemos /contacto/ también cogería por ejemplo /clínica/contacto.

[^g]ato

/clinicaveterinaria/pato

/clinicaveterinaria/gato

^marca

marca fútbol

marca.com

marca resultados

$ El signo dólar indica final del campo, no tomará nada que contenga algún carácter después de la condición. Si quiero tomar las keywords que terminan con mi marca, filtraremos por marca$ y como resultado saldrán fútbol marca o resultados marca.

^marca$

marca

? El signo de final de interrogación indica que el carácter que va justo antes del signo puede existir o no. Se utiliza para tener controlados determinados errores ortográficos. Por ejemplo, si en el informe de keywords de mi blog pongo Gem?a, los resultados contendrán tanto las keywords que contengan Gema como las que contienen Gemma

| El signo pipe, es el “O" por excelencia. Es decir, toma únicamente los contenidos que cumplan una condición u otra u otra que indiquemos en la expresión regular. Tomando el ejemplo anterior, obtendremos el mismo resultado si ponemos Gema|Gemma

() Los paréntesis ajustan las expresiones o símbolos a lo que hay dentro de los paréntesis. Se utiliza mucho en combinación con el signo anterior. Por ejemplo, (pre|su)fijo

+ El signo más indica que coincide con 1 o más de los caracteres anteriores. En el ejemplo de mi nombre, Gem+a coincidirá con Gema Gemma o Gemmmmmma

[] Los corchetes indican coincidencia con uno de los elementos de la lista. Son muy útiles cuando, por ejemplo, tenemos un producto con diferentes versiones y solamente queremos saber los datos correspondientes a las primeras versiones, que comprenden del número 1 al 5 y no de las últimas versiones, la 6 y la 7. En el filtro pondremos [12345]

- El guión indica un rango. En el ejemplo anterior, obtendríamos el mismo resultado en la búsqueda de versiones si pusiéramos [1-5]

* El asterisco es la wildcard o comodín por excelencia, coincide con 0 o más de 1 carácter en la expresión. Es decir, si queremos recopilar todos los ficheros tipo texto del site en un informe, pondremos .*\.txt$

Google Analytics en sus informes ya asume el dominio, por lo que en nuestras búsquedas o filtros solamente se necesitan aplicar a las páginas sin el dominio. Es decir, para http://www.clinicaveterinaria.com/homepage/contacto realmente es como si se accediera solamente a /homepage/contacto sin tener en cuenta lo anterior.

Con estos caracteres para expresiones regulares se puede ir al fin del mundo :) Lo interesante es combinarlos entre sí porque se nos pueden escapar de las manos ya que las expresiones regulares intentan hacer coincidir todo lo que pueden.

Por ejemplo, si tenemos páginas distintas según el país o idioma elegido por el usuario y queremos distinguir únicamente la home de cada uno de los países, habría que construir una expresión regular como esta:
^.*/.*./homepage/$
Si no ponemos el carácter de inicio ^ y de final $ la búsqueda tardará más tiempo y nos saldrán resultados que puede que no se correspondan con nuestra intención.

De esta manera, el resultado que devolverá será: /spain/homepage/ /france/homepage/ /england/homepage/ etc…

Si os interesa meteros más a fondo, aquí teneis un ebook de expresiones regulares que escribieron en lunametrics. También me gusta este tutorial.

Para probar si las expresiones regulares son correctas, en este link se pueden probar antes de utilizarlas a ver si realmente corresponden con lo que queremos seleccionar en realidad.

Olviden toda idea acerca de ciudades perdidas o viajes exóticos. No hay mapas que lleven a tesoros ocultos y nunca hay una "x" que marque el lugar

2010-06-22T18:00:00.001+02:00

Le puede pasar a cualquiera. Uno se deja una pasta y un tiempo precioso en campañas de SEM, en posicionarse en el top 3 (ya no vale el top 5) en los resultados SEO y en lanzar una campaña a lo grande en varios sites e incluso en Redes Sociales. Y sin embargo, no obtenemos los resultados esperados. Y es frustrante.

Y cuando uno decide arremangarse y buscar dónde puede estar el problema, entonces se encuentra con ese tipo de cosas que se da por hecho que van a estar bien y resulta que no lo están y que arreglarlas nos supone ir remontando y que esta alegría se ve empañada por las ganas de quererte dar de cabezazos contra la pared por no haber previsto desde el principio las cosas básicas.

¿Cuáles son los errores básicos?

Una landing page para cada keyword o grupo de keywords. No vale una home. Ya no. Ahora estamos en la edad de la impaciencia. Señores, si busco en Google “concierto U2 Sevilla” no quiero que me manden a una homepage con millones de conciertos all over the world. No puedo entender cómo se lanza una campaña sin landing pages exclusivas, es como tirar el dinero en vez de por la ventana, por internet. El usuario quiere llegar aquí:

Y mucho menos quiero una página generada automáticamente desde el buscador interno que encima me puede decir que no ha encontrado nada. No cuelgo la página por no poner rojo a nadie ya que las campañas en Bing cuestan mucho, dicen :)

¿Cuánto tarda en cargarse la página? Nos pone sobre la pista de este caso si tenemos mucha diferencia entre los clicks generados en Adwords por ejemplo y las visitas en Google Analytics o en cualquier otra herramienta de medición. Lo de la paciencia iba en serio, si tarda más de 10 segundos en cargar se vuelve atrás y se prueba otro link.

¿Se carga entera la página? ¿Falta alguna imagen o botón? No sería la primera vez que me encuentro en una página que no tiene llamada a la acción porque se ha quedado en el limbo…

Hay que comprobar que todos los links, banners y demás elementos de la campaña están debidamente etiquetados para que podamos analizar los resultados de forma correcta.

Si la página es la apropiada para la keyword o la campaña en cuestión, checkear que no hay ningún link roto en la página. O algún código raro que machaque los que teníamos en la campaña.

¿Se ve bien la llamada a la acción? ¿Queda ahogada entre múltiples llamadas a hacer cualquier otra cosa? ¿Queda abajo y hay que hacer scroll para llegar a ella?

Nunca está de más comprobar si están correctamente escritos los textos, sin faltas de ortografía. Es cierto que el usuario normalmente escanea el texto y no lee en profundidad pero normalmente lo que suele saltar a la vista es el error ortográfico y da muy mala imagen, que se lo digan a Marca:

Es un buen momento para revisar el diseño y la usabilidad. Este es un buen link y este otro también de nuestras landing pages, de comprobar cuáles están funcionando mejor y qué hacemos en ellas en comparación con las demás.

Algunas veces ni la más reciente tecnología, ni el mejor de los productos o servicios, ni la mejor y más cara de las campañas puede competir en el mundo exterior si no cuidamos los pilares de nuestra estructura. Y el pilar más importante es nuestra landing page. Marquémosla con una X bien grande :)

Acción, reacción, causa y efecto… Lo esencial es invisible a los ojos...

2010-06-08T17:57:00.002+02:00

Esta semana pasada estuve en el Practitioner Web Analytics, donde tuve la oportunidad de compartir dos días con muchos analistas de aquí y de allá. Este tipo de eventos donde, además de disfrutar de buenas conferencias y aprender con las experiencias de otros colegas de profesión, tenemos oportunidad de hacer networking me ayudan a tener salud mental :)

Estuve hablando en petit commitée con unos compañeros sobre lo difícil de transmitir a las distintas personas de la organización lo mucho que podía ayudarles la analítica web. Y me quedé pensando en el tema, porque hace tiempo a mí me asaltaban las mismas dudas pero me he dado cuenta de que con un solo factor tenemos esto bajo control: el FACTOR SORPRESA.

Desde el principio y con cualquier análisis que hagamos, hemos de sorprender. Cuando yo con mis datos vengo a decir que las ventas no van bien, no descubro nada nuevo. Por mucho gráfico de colores que utilice, por muchas palabras inspiradoras que tenga el informe, no va a sorprender a nadie saber que las ventas van mal. Porque es algo que se sabe, los de finanzas, los de marketing, los jefes...

¿Entonces? Bienvenido a la analítica web. El “qué” pasa es importante. Pero el “por qué” puede estar pasando es aún más importante. Y el “qué c… podemos hacer para que no vuelva a pasar” o el “qué hacemos para sacarle todo el jugo a esto” es nuestra meta. Si cualquiera puede averiguar nuestro análisis con sólo mirar nuestra web o no damos más información que unos datos… es que no estamos haciendo algo bien.

Pongamos que este mes ha sido lamentable en cuestión de ventas. Es más, nuestro producto estrella se ha estrellado. Fuera caras de pena y gráficos todos en rojo. Invertiremos el 20% del tiempo del que dispongamos para este informe en saber qué ha pasado: dónde está realmente el problema del bajón, qué producto, qué fuente de entrada, qué keyword, qué campaña, qué país o provincia, qué paso del carrito de compra, qué landing page no está funcionando como debería…

Encontremos el punto que nos ayude a dar alguna teoría del “por qué” y tiremos del hilo, otro 20% del tiempo… ¿Hemos hecho alguna acción que haya repercutido negativamente en las ventas como aumentar los gastos de envío? ¿Los mails que enviamos no han tenido resultado positivo? ¿Hemos bajado en nuestra campaña de banners en ese medio especializado? ¿ya no se busca mi producto en SEO? ¿nuestro máximo competidor ha hecho una apuesta firme en Adwords que nos está quitando tráfico cualificado? ¿ha sido fiesta en Cataluña y hemos perdido ventas en ese día? ¿Se nos ha caído la página de compra durante nuestro prime time el jueves?

Puede que nada sea la causa aparente o que todo combinado lo sea. En este caso, mi experiencia me dice que no hay que volverse loco cruzando millones de datos a ver si encontramos el problema. Si no hay nada que nos indique por qué puede estar pasando, o sea, no hay datos en los que nos podamos basar, formularía hipótesis basadas en lo que me dice la experiencia y propondría tests o encuestas o cualquier otro método de recolección de datos que nos ilumine en el futuro.

Una vez tengamos más claro qué ha pasado y por qué ha podido pasar gastaremos el 50% de nuestro tiempo proponiendo acciones para mejorar. Aquí es donde debemos sorprender. Aquí es donde está realmente nuestro valor. Focalicémonos en saber qué nos indican los datos y en cómo podemos mejorar. Seguro que entre los datos encontramos nichos de mejora para lograr nuestros objetivos aunque no hayan resultado determinantes en el problema.

¿Podemos mejorar nuestras keywords en SEO? ¿Nuestros copys en Adwords? ¿Le damos una vuelta al diseño de las campañas de banners? ¿La landing de nuestro producto estrella ha dejado de dar resultados? Podemos proponer un test A/B pero dando ideas de cómo podemos mejorarla.

Visitemos a nuestros competidores para ver qué están haciendo y qué no estamos haciendo nosotros. Lancemos encuestas a los usuarios para ver en qué podemos mejorar, propongamos las preguntas que nos interesan. Indaguemos en las redes sociales… ¿se dice algo de nosotros? ¿podemos utilizarlo para mejorar?

¡Ojo! No se trata de mejorar el site o el negocio a lo bestia en un solo análisis, sino de dar recomendaciones concretas y basadas en datos para mejorar un determinado aspecto, muy concreto y dejándolo muy muy claro en el informe. Funcionan mucho mejor los análisis a pequeña escala con mejoras pequeñas que un análisis de 40 páginas con 100 recomendaciones por muy buenas que sean. Basémonos en los principios de causa-efecto. Causa: Algo pasa en el site. Efecto: Analizamos y Generamos recomendaciones (no más de 5).

Hemos dejado un 10% de tiempo para la elaboración del informe. Debemos sorprender también con el formato del análisis y las recomendaciones, un buen método para mejorar los diseños y gráficos es visitar regularmente los blogs de infografías, dan muchas ideas. Lo ideal en un informe sorprendente es que hable en un 10% de lo que pasó y en un 90% de lo que va a pasar :)

De donde vienes, eso que mas da, solo importa donde vas... pisa el acelerador!

2010-05-31T18:35:00.005+02:00

Las fuentes de tráfico suelen ser el primer quebradero de cabeza del analista web. Da igual los porcentajes que manejemos, parece siempre que hay algo que no funciona bien :)

Empecemos por el principio:

Las cuatro fuentes de origen de tráfico de un site son:

Buscadores
Todo el tráfico proveniente de los distintos buscadores, agrupa tanto el tráfico no pagado u orgánico como el tráfico pagado.

Referrals
Distintos enlaces en otros sites que nos traen tráfico al nuestro.

Campañas (Otros)
Tráfico de todas las campañas externas a nuestro site y que hemos etiquetado convenientemente.

Tráfico Directo
El resto. En teoría son las visitas que llegan al site porque han escrito nuestra URL directamente en el navegador o nos tienen guardados en favoritos. Pero mi experiencia me dice que al final es una especie de cajón donde entran nuestros “habituales” o los que no están debidamente etiquetados.

Así que nuestro primer paso para analizar lo que nos dicen nuestras fuentes de tráfico será el verificar que todos nuestros enlaces externos van bien, nuestras campañas están con sus parámetros correspondientes y que hemos desestimado del tráfico orgánico los “habituales” que utilizan el buscador en vez del navegador.

Existen algunos ejemplos de por dónde se nos pueden escapar los orígenes correctos:

Si no etiquetamos bien una campaña, el tráfico proveniente de esa campaña será registrado como referrer. Por ejemplo un mail, aparecería el servidor del email como enlace.

O bien se ha modificado adrede el servidor o alguna solución firewall bloquea la información de los referrers, por lo que la información de origen no llega a nuestro site y se contabilizará como tráfico directo.

Los links en un documento PDF o similar llegarán como tráfico directo a nuestro site

Como tráfico pagado solamente aparecerá nuestra estrategia PPC en Adwords, los demás buscadores vendrán agrupados como buscador – cpc en el informe de referrers.

Teniendo esto en cuenta y una vez nos hemos armado de valor, lancémonos a analizar el origen de nuestras visitas:

¿No tenemos campañas activas? ¿No se nos enlaza de otros sites? ¿Pasamos bastante del posicionamiento orgánico? ¿No nos gastamos un euro en Adwords? No, no estamos locos, simplemente jugamos con ventaja :)
Normalmente un porcentaje muy alto de tráfico directo indica que somos una empresa con amplia trayectoria, muy asentada en internet, con un público muy fidelizado, ofrecemos un producto o servicio a renovar periódicamente o somos una marca muy reconocida. Un ejemplo puede ser la web de El Corte Inglés.

¿Las campañas nos atraen gran cantidad de tráfico?
Si el porcentaje de tráfico de campañas es alto, quiere decir o bien que nos hemos gastado un dineral en poner nuestras campañas en todas partes o bien que las hemos dirigido a un público bien segmentado o se trata de una campaña de mails a usuarios muy fieles que han respondido en masa. Por ejemplo, un mail con descuento en el Ipad a usuarios Apple :)

¿Somos populares y los referrers tienen un porcentaje alto con respecto al resto?
Si tenemos muchas visitas desde otros sites, es o bien porque hay muchos sitios que nos enlazan (número) o porque nos enlazan en webs de nuestro mismo sector, o sitios donde llamamos la atención (calidad). Un ejemplo de esto último sería una web de coches referenciada en un foro importante sobre el tema.

¿Y el tráfico orgánico?
El tráfico orgánico puede ser bajo porque el contenido de la web no se indexa bien. O porque no se conozca demasiado o porque sea muy nueva la marca. Puede que sea un producto o servicio que tiene mucha competencia y no está bien posicionado. Quizás esté muy abandonada la web y los contenidos no se suelen actualizar con frecuencia… Por ejemplo, un site basado en contenidos flash.

Un porcentaje de SEO alto puede ser porque tenemos un crack haciéndonos el posicionamiento, porque nuestra URL es difícil de escribir o recordar y los usuarios utilizan el buscador en vez del navegador o porque tengamos unos contenidos actualizados con mucha frecuencia. Por ejemplo, Elconfidencial.es.

No olvidemos que las visitas tienen que entrar por alguna de las fuentes y que lo que determinará si nuestra estrategia está funcionando o no es el porcentaje de visitas desde cada una de ellas.

Es decir, los porcentajes nos indican qué tipo de site tenemos, pero lo importante es saber dónde podemos mejorar:

¿Qué fuente de tráfico nos da mejores resultados? Ojo, no solamente nos fijaremos en el volumen de las visitas. Segmentando por las fuentes de tráfico pondremos sobre la mesa todas las variables que representan valor para nuestro site. Empezaremos por comparar la tasa de rebote, el tiempo de estancia, las páginas vistas por visita… Y por supuesto el beneficio que nos ofrece cada fuente, la tasa de conversión, el coste por visita, los leads conseguidos, el número de veces que alcanzan nuestros objetivos, etc.

Además de estas comparaciones de métricas y KPIs es interesante comprobar a lo largo del tiempo qué fuente ha crecido más en calidad, ¿cuál es la fuente que más fluctúa?

Así que lo que realmente tenemos que preguntarnos es ¿qué fuente de tráfico nos da los peores resultados? ¿En qué se diferencia del resto? Ahí es donde debemos meter mano :)

No importa cuán estrecho sea el portal, cuán cargada de castigos la sentencia, soy el amo de mi destino: soy el capitán de mi alma

2010-05-11T16:00:00.002+02:00

La analítica web tiene una relación directa con la usabilidad de un sitio web. La usabilidad se mide en base a que el usuario pueda realizar las tareas propuestas en cada página y la analítica web el que el usuario llegue a completarlas. La combinación de ambas es lo que determinará el éxito de nuestro site.

La analítica web nos sirve para detectar dónde podemos tener un problema de usabilidad, por ejemplo, en un formulario. Analizaremos la página del formulario para saber qué podemos mejorar.

Es muy importante medir antes y después de un cambio en cada página para saber si realmente estamos mejorando con la nueva versión, para aprender cómo funcionan nuestros usuarios, qué diseño prefieren, qué les resulta más fácil. Es decir, para saber cómo de bien o mal funciona una página en base a nuestros objetivos.

Después de medir los resultados que ofrece la página es el momento de tomar decisiones de usabilidad basadas en los mismos, para optimizar el site página a página dependiendo del comportamiento de nuestros usuarios.

Igual de importante que atraer usuarios a nuestro sitio web es el ser capaz de captar su atención, ofrecerles una landing page que les resulte de utilidad y que finalmente puedan cumplir los objetivos que nos hemos marcado. De nada nos va a servir el esfuerzo de atraer visitas si no conseguimos que sean rentables.

Entonces, ¿qué tipo de decisiones podemos tomar en usabilidad en base a la analítica web? Me atrevería a decir que TODAS :)

A nivel cuantitativo, podemos determinar qué visibilidad tiene cada elemento de nuestra página, construyendo mapas de calor sabremos cómo ven nuestros usuarios la página, qué elemento llama su atención y de qué elementos pasan ampliamente.

Con un mapa de calor además podemos descubrir qué elementos no linkables confunden a los usuarios, las zonas donde pulsan buscando algo que no encontrarán.

Por otro lado, podemos analizar desde el punto de vista de los objetivos marcados. ¿Sabemos cómo de rentable nos sale un link?

Si analizamos los clicks en cada elemento de la página, tendremos el porcentaje de éxito de cada uno. Es el momento de agrupar estos elementos:

Por tipo de link (botones, imágenes, menú, vídeos, links…)

Por tareas (comprar, Información, Darse de alta, Ofertas…)

Por ubicación (central, izquierda, derecha, arriba, abajo…)

¿Qué porcentaje de éxito obtiene cada grupo? ¿Qué nos dice de nuestros usuarios? ¿Prefieren una imagen que acompañe nuestro mensaje? ¿Un video explicativo? ¿Se fijan solamente en la zona central? ¿Obvian nuestro menú lateral? Es el momento de hacerse preguntas, de averiguar dónde y cómo ubicar cada llamada a la acción de la manera más efectiva.

Al igual que segmentamos por tipo de link, por tarea o por ubicación en la página debemos segmentar por perfiles de nuestro sitio web o situaciones derivadas de la página para saber qué tienen en común. Es decir, saber qué hicieron dependiendo de:

Si son nuevos visitantes o visitantes que repiten

Si son cliente o no cliente

La fuente de entrada en la página o site

La keyword utilizada para llegar a la página

Tiempo que se pasa en la página hasta que se hace click

Su ubicación geográfica

Día de la semana / Momento del día

Así podremos ofrecer la presentación y los contenidos adecuados a cada perfil o situación que queramos en cada momento. Optimicemos nuestra web en base a la analítica web, seamos los amos de nuestro destino :)

>“-¿Tú eres satánico, verdad?. -Sí, ¡y de Carabanchel!

2010-04-27T16:00:00.001+02:00

Desde Google Analytics, si no hay tiempo para cruzar datos en Excel o te resulta demasiado pesado exportar los datos y luego trastear con ellos, desde hace un tiempo hay una funcionalidad que nos facilita mucho la vida.

Se trata de las tablas dinámicas o pivot tables. Se encuentran en cada informe, con las demás opciones de vistas situadas arriba a la derecha:

Permite usar una segunda dimensión en el informe, por lo que nos ahorramos pasar a una segunda pantalla, podemos comparar múltiples combinaciones de datos en un mismo sitio.

Muchas veces, vemos los datos de manera agregada y no nos damos cuenta de que pueden estar escondiendo algo grave: Mientras que las visitas de una determinada campaña pueden mostrar un rendimiento bueno, incluso por encima de la media, si profundizamos podemos darnos cuenta de dónde podemos mejorar. Antes había que llevarse los datos a Excel y combinarlos allí, en ese oscuro lugar :) Pero ahora el análisis es mucho más sencillo.

Veámoslo con un ejemplo. Partimos del informe de Motores de Búsqueda dentro de Fuentes de Tráfico. Veremos algo así:

> Pulsa en la imagen para ver más datos

Es decir, vemos los datos ordenados por la dimensión Fuente combinado con las métricas de tráfico (visitas, páginas por visita, tiempo, visitas nuevas y porcentaje de rebote). Interesante. Bien, ¿y si quiero saber cómo ha funcionado una keyword dentro de cada buscador?

Si cambiamos la vista a tablas dinámicas y seleccionamos como dimensión “palabra clave”, podemos comprobar cómo está funcionando cada palabra clave en cada fuente de entrada a nivel de visitas:

> Pulsa en la imagen para ver más datos

Voilá, tenemos una visión mucho más interesante, en una dimensión tenemos las fuentes y en otra las palabras clave. En el análisis usaremos dos métricas, visitas y el porcentaje de visitas nuevas. Así podremos comparar qué keywords nos traen tráfico, si es tráfico que vuelve y detectar posibilidades para nuestro trabajo SEO.

Las tablas dinámicas funcionan como en Excel; es decir, permiten agrupar los datos por dimensiones de manera eficaz y fácil. Podemos combinar dimensiones y métricas en base al análisis que queramos obtener.

En este otro ejemplo partimos de la dimensión Fuente y profundizamos por Origen/Medio y por Ciudad. Comparamos las métricas Visitas y Porcentaje de Rebote:

> Pulsa en la imagen para ver más datos

De esta manera podremos sacar conclusiones en segundos: En Tarragona, desde tráfico directo no se suele pasar de la primera página y desde Twitter viene más gente de Madrid que de Barcelona y además tienen mejor tasa de rebote. Quizás sea momento de dar un empujoncito a los lectores catalanes :)

Las ventajas de usar este tipo de tablas es que son interactivas, se pueden cambiar en segundos las dimensiones y las métricas utilizadas según los datos que se quieran tratar, se actualizan automáticamente y el tratar cantidades indecentes de datos se convierte en algo limpio, rápido e indoloro.

Es más, si utilizamos el Filtro avanzado (la opción aparece justo debajo de la tabla) y segmentamos la información en base a lo que realmente nos interesa, las posibilidades son infinitas.

Por ejemplo, si seleccionamos en el ejemplo anterior solamente aquellos datos que queramos mejorar, los que tienen el porcentaje de rebote mayor del 90%:

> Pulsa en la imagen para ver más datos

Nos encontramos que, además de a las visitas de Tarragona, a las visitas de Logroño no les gustamos demasiado ni a las de Valladolid. Es el momento para ver qué keywords están utilizando las visitas procedentes de Bogotá, Caracas, Mendelín, Santo Domingo o Quito para intentar averiguar por qué no se quedaron lo suficiente como para saber lo geniales que somos :) O sea, por qué no cumplimos sus expectativas.

Un “pero” a las tablas dinámicas… no permiten trabajar con segmentos avanzados, por lo que será interesante disponer de perfiles con los segmentos más importantes que tengamos en el negocio para poder sacarle todo el jugo a este tipo de análisis.

Todos los parques han tenido problemas, Disneyland cuando lo abrieron no funcionaba nada… Sí, pero allí si algo se estropea no se come a los turistas

2010-04-13T18:00:00.003+02:00

En principio, la medición de rendimiento de una landing page se divide en tres bloques. El primero abarca a los usuarios que ven la landing page y se van. El segundo sería el formado por los usuarios que ven la landing page y siguen adelante. El tercero es el que comprende a los usuarios que ven la landing page, siguen adelante y llegan a convertir. Solamente así tendremos un contexto lo suficientemente completo como para tener la visión general del éxito o no de la landing page. Ya tratamos este tema hace unos meses, con este segundo post quiero abrir nuevas posibilidades de estrategia. En este caso nos vamos a centrar en la tasa de rebote para deducir dónde debemos meter mano :)

De poco nos servirá atraer mucho tráfico al site si luego no logramos interesarles. Y la métrica que mejor nos cuenta si interesamos o no a primera vista es la tasa de rebote. ¿Dónde deberemos actuar primero? En la landing page que atrae muchas visitas pero tiene una tasa de rebote lamentable. O en la keyword que nos atrae muchas visitas pero tiene una tasa de rebote indeseable. O en la campaña que nos atrae muchas visitas pero tiene una tasa de rebote muy muy alta. Este es el concepto, da igual lo que estemos analizando, si por un lado nos trae cantidad pero por otro no tiene calidad puesto que no pasan de la landing page… estamos perdiendo dinero.

Podemos empezar por el informe base, el que englobaría al primer grupo, los que llegan a la landing page y se van. Las variables contenidas en el informe deben abarcar la keyword, su landing page, su número de visitas y su tasa de rebote. Para esto nos servirá el informe de Palabras Clave contenido en el menú de Fuentes de Tráfico. Nos saltará mejor a la vista aquella landing page que necesite de nuestra ayuda si utilizamos la vista de Comparación, para que nos compare los datos de rebote en comparación a los del site:

Con estas cuatro variables seremos capaces de ordenar cada campaña según su importancia a la hora de atraer tráfico y a la hora de interesar y tomar decisiones del tipo “esta keyword es lo suficientemente importante porque nos atrae una cantidad de tráfico por encima de la media pero no logramos interesarles una vez hayan llegado al site: Hay que darle una vuelta a la landing page”

Aquí es donde saltarán esas landing pages genéricas, aquellas que no son personalizadas para el término de la búsqueda. Hay que tener en cuenta que para maximizar la tasa de conversión hay que encontrar el equilibrio perfecto entre la respuesta inicial que se produce en el momento en que el usuario llega a nuestro site a través de la landing page y la conversión final, nuestro objetivo.

Una vez hayamos comprobado si el primer vistazo ha interesado o no a los usuarios podemos centrarnos en las landing pages que seleccionemos como candidatas a cambiar, a un test A/B o incluso a una reestructuración completa. Al pasar a un análisis algo más profundo, necesitaremos crear un informe personalizado donde combinaremos las variables de entradas, tasa de rebote, páginas vistas, ingresos obtenidos, objetivos conseguidos, tasa de conversión, etc... para cada una de nuestras landing pages:

Aquí hemos obviado ya las keywords que nos han traído tráfico, para centrarnos en lo que nos interesa, profundizar en las landing pages que no están haciendo bien su trabajo. Y ahora hemos introducido las consecuciones de objetivos y el ingreso o beneficio ya que la combinación de tasa de rebote y beneficio generado es la mejor manera de llegar a determinar en qué landing page debemos centrar nuestros esfuerzos de optimización.

Es posible que una landing page con mucha tasa de rebote tenga mayor beneficio que una landing page con una tasa de rebote muy baja. Todo debe tenerse en cuenta, todo es susceptible de mejorar. Al igual que una landing page con una tasa de rebote descomunal y con una tasa de conversión igual a cero ha de ser aniquilada, una landing page con una tasa de rebote muy baja pero con una tasa de conversión mínima también nos está diciendo “Houston, tenemos un problema”. No a lo mejor con esta página pero sí con el proceso de conversión.

Será bienvenido todo aquel proceso de análisis que nos dé pistas sobre qué es lo que nuestro site necesita para mejorar nuestra tasa de conversión, para que nuestro site no se coma a las visitas :)

Nunca sabes lo que puede traerte la marea...

2010-03-30T18:00:00.002+02:00

Una de las consultas que más me hacen últimamente es cómo medir las campañas que se realizan fuera del site o por qué no funcionan bien los parámetros que hemos añadido. Muchas veces falla por el etiquetado, porque la clasificación no es correcta y no se filtra bien la información que viene de las distintas campañas, de los diferentes medios y de las diferentes fuentes.

Tan importante es realizar una buena elección de imagen de la campaña, de elección de medios, como el etiquetarlo todo debidamente para después poder estudiar correctamente todo lo recopilado de una manera organizada, clara y eficiente.

Los parámetros que debemos introducir en cada URL donde pongamos nuestras campañas son los siguientes:

Utm_campaign: Nombre de la campaña

Utm_medium: Método de entrega

Utm_source: Fuente donde se muestra la campaña

Utm_content: Tipo de anuncio

Utm_term: Término utilizado en el anuncio

Es decir, si nuestro objetivo es lanzar una campaña de lanzamiento de un nuevo producto, el kokoo. Se decide que vamos a lanzarlo utilizando un robapáginas en abc.es, en elpais.com y elmundo.es. En elpais.com nos hacen un descuento por buenos clientes y nos ofrecen espacio para un video. En abc.es también nos hacen buen precio por un banner y un botón. Finalmente decidimos utilizar google para ofertar el kokoo cuando se busquen las palabras "kokoo” y “koko”.

¿Cómo lo hacemos?

En abc:

https://www.kokoogroup.com/kokoo.jsp?utm_campaign=kokoo;utm_medium=display; utm_source=abc;utm_content=robapag

https://www.kokoogroup.com/kokoo.jsp?utm_campaign=kokoo;utm_medium=display; utm_source=abc;utm_content=banner

https://www.kokoogroup.com/kokoo.jsp?utm_campaign=kokoo;utm_medium=display; utm_source=abc;utm_content=boton

En elmundo:

https://www.kokoogroup.com/kokoo.jsp?utm_campaign=kokoo;utm_medium=display; utm_source=elmundo;utm_content=robapag

En elpais:

https://www.kokoogroup.com/kokoo.jsp?utm_campaign=kokoo;utm_medium=display; utm_source=elpais;utm_content=robapag

https://www.kokoogroup.com/kokoo.jsp?utm_campaign=kokoo;utm_medium=video;utm_source=elpais

En Google.com:

https://www.kokoogroup.com/kokoo.jsp?utm_campaign=kokoo;utm_medium=cpc; utm_source=google;utm_term=kokoo

https://www.kokoogroup.com/kokoo.jsp?utm_campaign=kokoo;utm_medium=cpc; utm_source=google;utm_term=koko

Ya tenemos todos los elementos de la campaña debidamente etiquetados. ¿Cómo veremos los resultados?

En el menú de Fuentes de Resultados / Campañas tenemos una primera pantalla en la que, seleccionando la campaña a analizar nos ofrece un primer acercamiento al resultado de la campaña:

A mí me gusta particularmente seleccionar la vista de tabla dinámica arriba a la izquierda, con Fuente (utm_source) como dimensión, Medio (utm_medium) y Contenido del Anuncio (utm_content). Esto nos ayuda a tener una visión completa de la campaña y a tomar decisiones en base a cómo ha funcionado en cada medio y en cada tipo de contenido.

Quedaría así: (pulsa en la imagen para verla entera)

En este caso he tomado el porcentaje de visitas nuevas y la tasa de rebote para comprobar qué anuncio logra captar más potenciales de calidad (nuevos usuarios con menor tasa de rebote = nuevos usuarios que fueron más allá de la landing page).

Podemos ver por ejemplo que 8 de cada 10 visitas que ven el banner en abc.es son potenciales y que 6 de cada 10 visitas que ven el banner siguen navegando por el site. Sin embargo los usuarios que ven el video de elpais.com en su gran mayoría (más de 9 de cada diez) son potenciales y casi el mismo porcentaje (88%) no pasa de la landing page. ¿Qué podemos mejorar? Podemos seguir profundizando, añadir la tasa de conversión al cocktail de datos, segmentar por tipo de contenido independientemente de la fuente a ver cuál funciona mejor en base a los objetivos, etc…

Este análisis no sería posible de no haber tenido un etiquetado apropiado y de llevar un control de cada elemento de la campaña.

Pero una campaña no tiene por qué ser exclusivamente de links en medios externos, podemos crear nuestras campañas propias. Por ejemplo, cuando compartimos un link en cualquier red social. En este caso podemos utilizar los parámetros de la siguiente forma:

Utm_campaign: Nombre de la campaña

Utm_medium: Tipo de enlace

Utm_source: Red Social donde se realiza la campaña

Así tendremos registradas las visitas que se han logrado en base a mi campaña en redes sociales.

Como en muchas redes sociales no podremos adjuntar la URL completa por falta de espacio, podemos acortarla con la herramienta bit.ly, que además ofrece un recuento de clicks propio que nos puede servir en el caso de querer medir las visitas a webs que no tengan Google Analytics instalado o que no sean propiedad nuestra.

Un ejemplo, vamos a promocionar el kokoo en twitter, adjuntando un enlace a la página de promoción:

https://www.kokoogroup.com/kokoo.jsp?utm_campaign=kokoo;utm_medium=link;utm_source=twitter

Si la pasamos por bit.ly quedaría así:

http://bit.ly/aEd9lb

En cualquiera de estos casos, es muy fácil generar bien el etiquetado con herramientas como Google Analytics URL Builder. Si no invertimos el tiempo necesario en crear este tipo de etiquetas, nunca sabremos lo que nos depara la marea :)

¿Sabes cual es la diferencia entre tu y yo? Que yo hago que esto luzca

2010-03-15T18:00:00.003+01:00

El objetivo de cualquier negocio online es mejorar la eficiencia del site, por lo que es esencial el asentar la estrategia de testar el contenido, para conocer la conducta del visitante y así optimizar la navegación por el site y su rendimiento.

Para plantear un test en el site, la propuesta debe estar en línea con las iniciativas de la empresa y el ROI potencial, para estar seguros de que supone una oportunidad es relevante para el negocio. Esto solamente se consigue si la/s KPI elegida/s es la que mejor prueba la hipótesis y que las variantes son las opciones de mejora que buscamos.

El problema es saber focalizar bien los esfuerzos en un objetivo central para ser realmente efectivos. El primer punto de referencia suele ser mejorar los puntos de entrada al site, o las páginas de registro o de finalización de compra del producto o servicio. Es en estas páginas donde comprobaremos de manera más fácil si estamos triunfando o no.

Después de elegir el “dónde” habría que determinar el “qué”. Es decir, seleccionar los elementos que vamos a utilizar. Aquí viene la pregunta del millón… ¿Qué elemento de la página debo elegir para testar?

Al igual que basamos las decisiones en los datos analizados, deberíamos basar esta clase de elecciones en hechos y no en predicciones personales, aunque el instinto también ayuda :)

El elemento elegido debería tener relación con lo que queremos mejorar. Empecemos por un ejemplo. Imaginemos que queremos mejorar el ratio de rebote de nuestra página principal, la home. Este será nuestro objetivo principal. ¿Qué variables tienen impacto en este objetivo? Estudiemos bien la página, ¿qué elementos son los más linkados? ¿tenemos campañas internas? ¿qué contenido es el más solicitado? ¿tenemos encuestas de calidad con los clientes donde hayan dejado algún comentario al respecto de esta página en concreto?

Analizando los datos que tenemos al respecto de la home, tendremos algo más claro cuál puede ser nuestro elemento a testar. Puede ser la campaña, puede ser una llamada a la acción o un elemento visual. Pongamos que en nuestra home hay una tabla con todos los productos que ofrecemos en nuestro site:

Es el momento de lanzar nuestra hipótesis, en este caso sería: “Variar el contenido y la visualización de la tabla de la home tiene que ver con el ratio de rebote de nuestra home”.

Tras la hipótesis, llega el momento esperado… la predicción: “Si cambiamos la tabla de la home, reduciremos el ratio de rebote de nuestra home”.

Puede parecer una tontería, pero el establecer la hipótesis y la predicción es básico porque deja nuestra meta clara y nos ayuda a elegir las KPIs que medirán si esta predicción es correcta o no. En este caso nuestras KPI están claras, el ratio de rebote y el clickthru de nuestra tabla :)

Es el momento de definir y diseñar las distintas opciones que vamos a testar. Nosotros testaremos la actual tabla contra estos 2 diseños:

Una vez que los diseños están creados, tenemos todo el pretest preparado, tanto los detalles del experimento conceptual como del diseño: punto de test (nuestra home), objetivo (reducir el ratio de rebote de la home), hipótesis (la tabla influye), predicción (una nueva tabla mejorará el ratio de rebote), KPIs (ratio de rebote y clickthru de la tabla) y los diseños a probar.

Este documento será la base del test, todos los implicados sabrán qué hay que testar, por qué, con qué objetivo y cómo medirlo. Solamente faltaría por determinar la fecha del test y darlo de alta.

Si el test no cumple las expectativas, hay que revisar las especificaciones cuanto antes, aprenderemos de nuestra experiencia. Es importante que el test no dure mucho tiempo para que la estrategia funcione. Probadlo, un test puede ser la diferencia entre un buen site y un gran site :)

Al Himalaya no se vuelve. Cuando has venido aquí, se queda contigo para siempre. Puedes escapar a ratos, pero el resto del tiempo tú le perteneces

2010-03-11T18:00:00.001+01:00

Entrevista que me hicieron conjuntamente con Fernando Polo con respecto al curso de Unidad Editorial en el que participaré el 24 de marzo sobre Estrategias de Medición en la web 2.0.

Publicado el 07-03-2010 , por Sara M. Calahorrano en www.expansion.com.

"Necesitamos medir Internet para sacar el máximo rendimiento al negocio"

Vivimos una nueva etapa para la gestión de la marca empresarial a través de lo nuevos entornos 2.0 y las comunidades virtuales. Este nuevo ámbito en el que nos encontramos es joven y la lucha para el posicionamiento es feroz e ilimitada y la gran preocupación de los profesionales de las empresas que invierten en Internet es saber qué está pasando en su web y cómo analizar su campaña online para que el retorno de la inversión sea positivo.
[foto de la noticia]

Las empresas se encuentran ante un nuevo reto: deben disponer de la formación y las herramientas adecuadas para que una medición del retorno de la inversión en internet facilite la respuesta a la demanda del mercado. Para conocer los mejores análisis que se pueden ejecutar en la Red, Unidad Editorial Conferencias y Formación organiza, el próximo 24 de marzo, el seminario especializado 'Estrategias para la medición en Redes Sociales. Analizando la web 2.0', donde se darán cita los máximos representantes del sector.

"Necesitamos medir Internet para poder sacar el máximo rendimiento al negocio", declara Gemma Muñoz, directora de la Analítica Web y Redes Sociales en Bankinter. "Sólo con estrategia y experiencia entenderemos qué está pasando en nuestra web, el comportamiento de nuestros visitantes y cómo podemos llegar a los objetivos que tenemos marcados en el canal online. Es básico analizar el contexto donde se encuentra la empresa y el sector donde opera", añade.

"Las empresas prueban tácticas nuevas continuamente para entender lo que funciona y lo que no. Medir en Internet es, precisamente, lo que nos permite decidir a dónde vamos"

Fernando Polo, director de Estrategia y Operaciones de Territorio Creativo, señala que "Internet no es un medio sino un medio de medios". "Las empresas tienen que probar herramientas y tácticas nuevas continuamente y entender lo que funciona y lo que no. Medir en Internet es, precisamente, lo que nos permite decidir dónde vamos", asegura. "John Wanamaker, empresario americano pionero del concepto de 'grandes almacenes' decía: "Sé que la mitad de lo que gasto en marketing, lo tiro a la basura; el problema es que no sé qué mitad". Internet permite acercarnos a conocer la mitad que funciona", afirma Polo.

Las herramientas que se usan para medir resultados en Internet se dividen "en gratuitas, comandadas por Google Analytics y Yahoo Web Analytics, y no gratuitas, donde se catalogan el resto, como Omniture, Webtrends, Unica, Nedstat, etcétera", explica Muñoz.

Sobre los indicadores, Polo señala que "ya son clásicos", como usuarios únicos, páginas vistas, tasa de rebote, etcétera, en la analítica de la web. Sin embargo, apunta, hay otros más innovadores, "como el número de 'retweets' desde Twitter, a un twitt nuestro, o número de 'backtweets' a un artículo de nuestro blog o de nuestra web".

"Los indicadores se dividen en tres categorías, las que se refieren a captación de usuarios/clientes/lectores, las que miden la conversión de nuestros productos/servicios/contenidos y de las que se obtiene la fidelización de nuestros usuarios/clientes/lectores"

"Los indicadores dependen de los objetivos, pero normalmente se dividen en tres categorías, las que se refieren a captación de usuarios/clientes/lectores, las que miden la conversión de nuestros productos/servicios/contenidos y de las que se obtiene la fidelización de nuestros usuarios/clientes/lectores", añade Muñoz.

En cuanto a cómo medir el impacto de los medios online, Fernando Polo recuerda que "se sigue dando mucha importancia a "aparecer" en medios online tradicionales, y se valora el impacto en función de métricas que aún no están consolidadas. Pero desde hace algunos meses, las empresas empiezan a valorar el impacto de aparecer en medios sociales: blogs, Facebook, etcétera, y las métricas para los medios masivos no son válidas con medios sociales".

"Las empresas debe adoptar unas métricas, seguir su evolución, y mejorarlas con el tiempo. Es un gran paso respecto al vacío de la medición"

Lo importante de aparecer en un blog, explica, "no es el número de páginas vistas de ese blog, sino conceptos tan sutiles como la influencia del mismo en otros blogs o en la comunidad a la que pertenece, la capacidad que tiene ese blog para conseguir que otros reseñen el contenido y, de esta forma, se propague de boca en boca. No existen métricas estándar sobre conceptos como 'influencia', 'viralidad', etcétera. Por lo que cualquier empresa debe adoptar unas métricas, seguir su evolución, y mejorarlas con el tiempo. Es un gran paso respecto al vacío de la medición".

La medición desde distintas perspectivas y con distintos objetivos, el 'reporting', que se divide en 'publisher', si se trata de medios y 'Annoucement', si se trata de anunciantes, "debe ser complementaria a los medios y al propio site", afirma Muñoz.

"La estrategia a seguir online depende de los objetivos de la campaña, pero lo básico es que desde el medio anunciante se mida el número de impresiones, los clicks realizados y el CTR, segmentado por anuncio y medio, y desde la analítica web se debe tener en cuenta el número de visitas que llegan al site desde el anuncio, la tasa de rebote y el número de conversiones que logran realizar, segmentado por medio y por anuncio", explica. "Con este 'cóctel' de datos se debe tener la 'foto final y general' de cómo está funcionando una campaña en general y desde todas las perspectivas, así el analista será capaz de recomendar acciones que mejoren los resultados si es necesario", sentencia Muñoz.

La medición en medios sociales "es una verdadera jungla", afirma Polo. "Medir la actividad de un blog es sencillo mediante herramientas como Google Analytics, pero medir los retweets en Twitter no cuenta actualmente con una herramienta sencilla", apunta.

"Se recomienda medir tres variables: tamaño de la comunidad, vitalidad e influencia"

"Las redes sociales verticales españolas han desarrollado complejas herramientas estadísticas para medir el impacto de una campaña publicitaria en su red que son verdaderas obras de ingeniería. Sin embargo, Twitter no cuenta con ninguna herramienta oficial para seguir estadísticas y las que han desarrollado terceras empresas son poco fiables. Ni siquiera las hay de pago. Facebook sí que tiene herramientas para sus páginas de fans pero también distan mucho de estar completas", explica Polo.

Y para finalizar, añade que "desde Territorio creativo se recomienda medir tres variables de Community Management: tamaño de la comunidad (número de fans, número de suscriptores a un blog, etcétera); vitalidad (interacciones, comentarios, valoraciones, etcétera), e influencia (links entrantes, backtweets, etcétera). Además, se debe medir la actividad propia de cada medio".

No tenía miedo a las dificultades: lo que la asustaba era la obligación de tener que escoger un camino. Escoger un camino significaba abandonar otros

2010-03-04T18:00:00.003+01:00

La pregunta del millón en la analítica web es saber qué KPIs hay que utilizar en cada momento para tener todo controlado sin que se nos escape nada. Lo malo es que no existe una regla exacta para determinar estas KPIs, su elección depende básicamente de los objetivos que se quieran alcanzar y del propio negocio.

Un primer paso para elegir el conjunto de KPIs que nos van a ayudar a saber cuan cerca o lejos nos encontramos de nuestros objetivos sería sacar todos los datos que parezcan importantes (tanto de nuestra herramienta de analítica web como datos cualitativos, de mercado, etc…), para partir de lo que nos parece a priori importante.

Con los objetivos del site/campaña/acción presentes, habría que hacerse las siguientes preguntas:

1. Si sube o baja el dato… ¿es significativo?
2. Si es significativo, ¿me lleva a la acción? tengo recursos para actuar?

Y elegir únicamente las KPIs que respondan afirmativamente

En cualquier caso, existen unas KPIs que podemos llamar básicas que nos ayudan a establecer una línea de estrategia, dependiendo del objetivo principal de nuestro site:

1. Si nuestro site es de tipo comercial, está claro que nuestro objetivo es vender, vender y vender, gastando lo mínimo posible, por lo que tenemos que tener en cuenta:

* Tasa de Conversión (conversiones/visitas) – ¿Vendemos? ¿Persuadimos?
* Average Order Amount ( importe/conversiones) – ¿Cuánto es de media la venta?
* Visit Value (importe/visitas) – ¿El tráfico es de calidad?
* Customer Loyalty (visitantes que repiten/nuevos) – ¿Son fieles? ¿Futuros clientes?
* Stickiness (>2 páginas/visitantes) – ¿Les gustamos? ¿Les retenemos?
* Search Engine Referrals (visitas buscadores/visitas) – ¿Y el SEO como va? ¿Y el SEM?

2. Si nuestro site es de soporte o de servicios, el objetivo será dar respuesta inmediata a los clientes, evitando la saturación de otros canales, como el telefónico, por ejemplo. Así que unas métricas interesantes pueden ser:

* Tasa de Conversión (conversiones/visitas) – ¿Encuentran lo que buscan?
* Tasa de Rebote (visitas <30 seg/visitas) – ¿Es esto lo que se esperan?
* Length of Visit (contenidos vistos/visita) – ¿Se queda demasiado tiempo?
* Top Internal Search Phrases - ¿Qué buscan exactamente?

3. Si nuestro site es de contenidos, como un blog, el objetivo será incrementar la fidelidad del lector, o llevar adeptos a cualquiera de los canales offline:

* Tasa de Conversión (conversiones/visitas) – ¿Se suscriben o registran?
* Depth of Visit (páginas vistas/visita) – ¿Les generamos interés?
* Content Depth (páginas vistas content/visitas contenido) – ¿Qué contenido interesa más?
* New Visitor Percentage (nuevos visitantes/visitantes únicos) – ¿Atraemos nuevos visitantes?
* Committed visitor share (visitas de más de 19 min/visitas) – ¿Tenemos muchos fieles?

4. Si el site es para conseguir contactos (lead generation), nuestro objetivo será incrementar nuestra red de contactos, obviamente :)

* Tasa de Conversión (leads/visitantes) – ¿Cuántos leads conseguimos?
* Cost per Lead (leads/inversión en marketing) – ¿Cuánto nos cuesta cada lead?
* New visitor Percentage (nuevos visitantes/visitantes únicos) – ¿Cuántos son potenciales?
* Single Access ratio (single access pages/total entry pages) – ¿Cuántos se van sin ir más allá?

5. Para una campaña: nuestro objetivo será estudiar lo que se genera previamente al click y después lo que pasa en el site:

* Tasa de Conversión (conversiones/visitas) – ¿Cuántas ventas conseguimos?
* Clickthrough/Impresiones: (cuantas veces se interesan por nuestro anuncio/cuantas veces se muestra nuestro anuncio) – ¿Está funcionando nuestro anuncio?
* Tasa de Rebote (visitas <30 seg/visitas) – ¿Está funcionando nuestra landing page?
* ROI – ¿qué beneficio hemos conseguido con la campaña?

Empezando por estas métricas, seguro que vendrán a pedirnos más, incluso nosotros echaremos en falta otras para dar respuestas, pero hay que arrancar por algo para que se nos empiece a ver, para que empiecen a entender que aportamos valor.

Mientras tanto, no hay que limitarse a sacar los datos, podemos segmentar, por cliente, por no cliente, por visita desde buscador, por visita desde favoritos, por visita que convierte, por visita que no convierte, por visita que va por aquí, por visita que ve cierto contenido… si algún indicador sube, podemos ir profundizando hasta encontrar exactamente cuál es el segmento que se ve afectado y actuar en consecuencia.

Pero… ¡hay que elegir!

Nota: Este post se publicó el 2 de marzo en el blog de Tristán Elósegui en su serie #HablemosdeAnalíticaWeb

Entrenar para convertirse en Jedi no es sencillo, aún si lo logras es una dura vida

2010-02-28T22:59:00.002+01:00

Cada vez es más importante para una empresa poder medir el beneficio de su canal online, actualmente se invierte mucho en campañas, en diseño de landing pages, usabilidad , en SEO… y hay que decidir cómo vamos a continuar nuestra estrategia online en base a datos, como bien sabemos en esta serie de Mide y Analiza.

El tráfico “en bruto” es importante, puesto que nos sirve como primer paso de información en base a evaluar nuestra web. Por aquí empezará nuestra labor como analistas web, en conceptos tales como “visitas”, “fuente de origen”, “usuario único”, “página vista”, “tasa de rebote”, “tasa de conversión" ...

Pero, como hemos aprendido, para determinar la estrategia más adecuada tenemos que tener muy claros los objetivos de la web desde el punto del negocio. Cuando los hayamos identificado y convertido a métricas web sabremos exactamente lo que tenemos que medir para determinar la evolución de los objetivos.

Aunque nuestra web no sea de comercio electrónico, debemos tener objetivos que se puedan identificar y medir, si no, no servirá de nada sacar estadísticas que no estén asociadas a una optimización del site. Se pueden identificar claramente este tipo de estadísticas inservibles: son las que, al enseñarlas a alguien del negocio, se quedan en un simple “ummm, interesante..”.

Las herramientas nos proporcionan los datos, como ya sabemos. Pero a través de estos datos hay que pensar en cómo podemos ayudar a mejorar el negocio. Si reportamos solamente lo que ha pasado, serán datos, no conocimiento. Es decir, si reportamos solamente los datos seremos parte del problema, si reportamos conocimiento, seremos parte de la solución.

Es tarea del analista web el transformar los datos y las estadísticas en conceptos entendibles por el negocio. En este momento es cuando estos datos se convierten en conocimiento.

Y para esto es importante conocer a fondo quienes van a leer tus informes; es decir, quienes son tus stakeholders, a quien le va a importar tu análisis, quien debe seguir tus recomendaciones para optimizar el canal, la campaña o cualquier acción que se tome en la web. Solamente teniéndoles identificados seremos capaces de determinar qué necesitan, qué objetivos tienen, qué métricas estarán implicadas, etc…

Al igual que medimos la repercusión de un cambio en la web tenemos que medir el feedback que obtenemos de cada informe, para tener claro el que funciona y el que no, para saber si las conclusiones les sirven, si las KPIs les dan suficiente información para hacer su trabajo, si no ven claro qué ha pasado, si necesitan algo más, qué cambiarían, que no.

Por eso es tan importante saber qué necesita cada departamento para sacar beneficio de nuestro análisis, de nuestras conclusiones, cómo pueden aprender de las tendencias para saber qué medidas tomar y que se sientan involucrados en nuestro trabajo. De ahí depende nuestro éxito en la empresa.

Nuestro objetivo real como analista web es hacer ver en la empresa que la analítica web es menos herramienta tecnológica y más estrategia de negocio. Nadie dijo que la vida del analista web fuera fácil :)

Si tu única herramienta es un martillo, tiendes a tratar cada problema como si fuera un clavo

2010-02-23T18:00:00.004+01:00

Hace unos días se publicó el primer white paper sobre analítica web en nuestro país por parte de Evoca en el que he colaborado en uno de los capítulos.

La verdad es que el proyecto ha sido muy interesante y gente como Pere, Rafa, Ismael, Adrián o Sergio han participado, dando como resultado un documento en el que se pretende mirar la analítica web desde los diferentes ángulos:

Analítica Web, una nueva disciplina para un mundo digital. Pere Rovira

Analítica Web y Redes Sociales. Miguel Ángel Díez Ferreira

Analítica Web y agencias de medios. Jaime Agulló

Publicidad Online y Análisis Web. Rafael Jiménez

Herramientas para la correcta utilización de la Analítica Web. Gemma Muñoz

Analítica Web y SEO. Ismael el-Qudsi

Analítica Web para Medios de Comunicación. Adrián Segovia

El analista web, un nuevo perfil profesional. Sergio Maldonado

Si crees que te puede resultar interesante, aquí te puedes descargar el documento entero.

Esta es mi aportación donde hablo de las herramientas:

La historia de las herramientas de Analítica Web empieza en los años 90, con el análisis de las huellas que dejan las peticiones al servidor (logs). Sin embargo, basar la medición en analizar los ficheros de logs tenía varios problemas puesto que puede contar más visitas de las reales (por los robots) o menos (no cuenta los accesos a la caché) y la identificación es en base a la IP con la imprecisión que esto implica.

Entonces salieron a la luz las herramientas que medían por medio de tags o etiquetas integradas en todas las páginas del site. Esta medición mejora los resultados de las herramientas basadas en logs puesto que proporciona información que el log no es capaz de revelar y es más fiable. Requiere de javascript y al utilizar cookies (marca en forma de fichero de texto que el navegador asocia al site visitado) se puede identificar si el usuario es conocido o es su primera vez. El problema que esto genera es que si se elimina la cookie, la información no es del todo fiable.

Realmente la medición web basada en tags ha vivido su máximo apogeo desde que Google lanzó su Analytics. Esta herramienta gratuita es la más extendida en el mundo, además de Yahoo Web Analytics junto con las herramientas de pago: las más famosas son Omniture, Webtrends, Unica, Nedstat, CoreMetrics y AT Internet.

No podemos olvidar otro sistema de medición, muy utilizado en empresas de comunicación: los paneles o medición orientada al usuario. Consiste en instalar en los sistemas de algunos usuarios un software de recogida de datos obteniendo una serie de estadísticas para determinar la audiencia del site. Este sistema se ha heredado de la TV y lo más interesante es que permite hacer comparativa de los distintos sites para determinar los puntos débiles y fuertes de cada uno. Los más utilizados son los paneles de Nielsen (NetView) y Comscore (Media Metrix).

La elección de la herramienta que mejor puede responder a las necesidades de una organización debe apoyarse en 4 pilares básicos: la capacidad de recopilación de datos (variables fijas o configurables), la flexibilidad del modelo de datos (segmentación de las variables), la integración de los datos (de fuentes externas o extracción de la herramienta) y la gestión de los mismos (en servidores propios o ajenos). De los pesos que se den a cada pilar dependerá la elección de una u otra herramienta.

Sin embargo, no todo depende de la elección de la solución más adecuada, sino también de la necesidad de que una persona se haga cargo de esta herramienta para configurarla de manera efectiva y para sacarle el máximo partido. A la hora de presupuestar la Analítica Web hay que contar con el dinero que cuesta la implantación y el mantenimiento de la herramienta así como el sueldo de la/s persona/s que van a trabajar con ella. Se habla mucho de la regla 10/90 referida a que se debe invertir el 10% del presupuesto en la propia herramienta y el 90% en los analistas, aunque suele presupuestarse justamente al revés.

¿Qué podemos obtener de la herramienta de Analítica Web? Información sobre el número de visitas, páginas vistas, desde dónde vinieron, buscadores utilizados y keywords, contenido visitado, duración de la visita, número de veces que se alcanzan los objetivos, cómo está funcionando una campaña, geolocalización de los visitantes, si es su primera visita, etc…

Las herramientas de Analítica Web son fáciles de utilizar, pasan de la visión genérica que podamos tener a la profundidad del detalle de forma clara. También nos permiten conocer el comportamiento de nuestros usuarios, desde antes de llegar a nuestro site hasta que se van de la web. Por tanto, tendremos datos objetivos que nos servirán para optimizar el diseño y el contenido de nuestro site, de forma que su rendimiento sea máximo.

Lo ideal es combinar la información que nos proporciona cualquiera de las herramientas expuestas arriba con una segunda herramienta. Por ejemplo, podemos utilizar Google Analytics de forma gratuita y combinarla con Site Catalyst de Omniture. Si además introducimos una herramienta propia del site que registre los logs, podemos tener la certeza de manejar los datos de manera correcta.

Los propios usuarios nos pueden guiar en por qué se puede estar produciendo una determinada situación. Podemos crear un laboratorio de test con clientes, generar nuestros propios cuestionarios de calidad o utilizar encuestas online. Las hay gratuitas, como 4Q o tusencuestas. Así podremos completar la información que tenemos con nuestra herramienta de medición.

No podemos quedarnos aquí. Hay que mirar también dónde está nuestra competencia, para tener un complemento ideal al análisis de nuestro site que nos permite agregar contexto a nuestros números. Podemos utilizar herramientas que permiten comparar nuestro site con el resto de sites en Internet –son datos estimados de audiencia–, pero podemos hacernos una idea del número que manejamos en comparación al que manejan otros. De manera gratuita tenemos Alexa y de pago Compete.

O nos puede interesar saber la frecuencia con la que se realiza una búsqueda en Google, el buscador más utilizado en España, como el volumen de búsquedas entre varias keywords. Lo conseguimos con Google Trends, que nos ayuda a conocer un poco más las preferencias de nuestros usuarios (cómo y por qué llegan a nuestro site) y las que les llevan a preferir a nuestros competidores. Nuestra labor será determinar si hay alguna relación entre ellas y tomar decisiones al respecto.

En el mercado también existen herramientas que nos pueden ayudar a optimizar el SEO. Google Insights for Search es un buen ejemplo. Compara patrones de palabras clave por categoría, periodos de tiempo y determinadas regiones. Y muy importante, hay herramientas que permiten testar distintas versiones de una misma página (a nivel de copy, de imágenes, de botones o links, etc.…). Se puede organizar el test desde Google Website Optimizer (herramienta gratuita), o desde una herramienta más sofisticada como Optimost o Test&Target.

En los últimos tiempos ha tomado mucha importancia el análisis de todo lo que tenga que ver con la web 2.0 y cómo podemos determinar cuándo tenemos éxito en redes sociales, qué se comenta sobre nosotros y nuestra web. El poder medir la distribución de nuestro contenido o cómo influye en el beneficio que persigue nuestra web es vital para poder decidir la estrategia más adecuada en la red. No hay una herramienta capaz de medir el impacto en la totalidad del mundo de las redes sociales por lo que la solución puede ser el definir claramente los objetivos que perseguimos en cada una de las redes sociales y tomar las decisiones sobre dicha base.

Podemos medir cómo está funcionando un blog incorporándole el código de Google Analytics e investigar que se dice de nosotros en otros blogs, con socialmention. O cómo está funcionando nuestro perfil en Twitter con alguna de las herramientas disponibles en el mercado como twittercounter o twitterfriends o klout. Si tenemos una cuenta o grupo en Facebook podemos utilizar las aplicaciones de Allfacebook (para medir páginas con más seguidores, tener estadísticas de uso de aplicaciones o consultar las estadísticas de demografía de Facebook) o Socialistics para construir un perfil sociodemográfico con tus amigos o fans. Finalmente, si usamos Youtube para almacenar nuestros videos, la propia aplicación nos proporcionará los datos que necesitamos para comprobar si estamos llegando o no a nuestros objetivos.

¿Y el futuro? Lo ideal es invertir en una herramienta de Analítica Web que nos permita adecuar la recogida y el análisis de los datos que optimicen nuestra estrategia de negocio, incluir los datos de nuestro sistema de CRM y poder determinar acciones personalizadas sobre el cliente de manera perfilada.

Pero no nos podemos olvidar que el futuro pasa por las redes sociales y que tenemos que integrar esta nueva fuente de aprendizaje para realmente tener una foto completa de lo que está pasando para determinar dónde estamos y hacia dónde queremos ir. Pero por ahora nos debemos conformar con que en la organización se respete la Analítica Web y se tomen decisiones basadas en los análisis de datos.

Aprender sin reflexionar es malgastar la energía...

2010-02-21T18:00:00.002+01:00

Me gustaría compartir con vosotros la entrevista que me ha realizado Tristán Elósegui en su blog, espero que os resulte interesante porque habla de muchos temas dentro de la disciplina de la analítica web:

¿Qué es la analítica web y para qué sirve?
Aunque nunca he logrado que mis padres entiendan a que me dedico, yo lo definiría como el resultado de analizar la actividad de un sitio web con el objeto de enfocar acciones a resultados.
Una vez leí que desde que se empezaron a cronometrar las carreras, se corre más rápido. Para esto sirve la analítica web, para sacar el máximo rendimiento a la web y para no tomar decisiones basadas en suposiciones de nadie de la organización, sino en datos y experiencia.
¿Qué papel juega (y cuál debería jugar) la analítica web dentro de la organización? ¿qué deberíamos hacer para introducir la analítica web en nuestras empresas?
Ahora mismo la analítica web está entrando, un poco por la puerta de atrás, en muchas empresas. Cualquier empresa que invierte en su site, en publicidad, que espera resultados, está empezando a interesarse en conceptos de medición online.
Creo que a Google Analytics se le debe agradecer el haber llegado a todos los negocios y que muchas empresas se planteen empezar en serio.

Hace falta aun mucha evangelización, pero también mano izquierda, que los demás departamentos no vean al analista como el enemigo que les dice lo que se hace mal, sino como el consejero que saca el máximo rendimiento a su trabajo, no siempre es fácil. La clave está en conocer a tus stakeholders (los que mueven el cotarro), saber que metas tienen, que objetivos las componen y diseñar una estrategia para que la analítica web se convierta imprescindible en la toma de decisiones.
¿Qué debería pasar para que la analítica web termine de asentarse en España? ¿De dónde venimos y hacia dónde vamos?
Poco a poco se terminara de asentar, el sector ha ido creciendo en estos últimos años y estoy convencida de que vamos por muy buen camino. Se nota porque la disciplina se empieza a introducir en los contenidos de cursos especializados en marketing online, porque hay muchos blogs especializados en la materia, porque los eventos como el Conversion Thursday se han asentado en varias ciudades del país y porque ya se empiezan a ver ofertas de trabajo para analistas web.
Hay que ser optimista, la analítica web no ha sido especial, estamos como siempre, 2 años por detrás de quien maneja la cuna. Los dos años han pasado y aquí estamos, dando guerra y evangelizando para que ninguna empresa se quede sin su analista web.
¿Con qué herramientas cuenta un analista web para hacer su trabajo? ¿Qué perfil debe tener este analista?
Soy de la opinión de que un análisis no puede estar basado en una sola herramienta. El equipo básico del analista debe ser:
- Herramienta de analítica web (Google Analytics, Omniture, Webtrends, Unica…)
- Herramienta de análisis de clicks (Crazy Egg, ClickTale…)
- Herramienta de encuestas para recoger datos cualitativos (4q, Survey Monkey…)
- Herramienta de testing de diseño/usabilidad (Google Website Optimizer)
- Herramienta para SEO y SEM (Ad Planner, Enquisite, 103Bees…)
- Herramienta para benchmarking (Google Trends, Insight Search, Netsuus…)
- Herramienta social media (social mention, especializadas en twitter, facebook, youtube, linkedin, tuenti…).Con este cocktail de datos se puede empezar a trabajar teniendo una idea mucho más cercana a la realidad de nuestros puntos a atacar y de donde aprender.
Aquí entra en juego el perfil del analista. No es indispensable, pero ayuda el tener una formación algo técnica para ser capaces de detectar si la implementación es correcta y como sacar partido totalmente a las herramientas. Conocer el negocio, saber involucrarse. Tener mano izquierda para los momentos difíciles.

Lo que sí es indispensable es que se tenga capacidad para los números y sobre todo, sentido común. Y por supuesto, no olvidemos las ganas.
¿Cuáles son las fases básicas que se deberían seguir para lanzar una campaña? (desde que se tiene la intención de hacerla, hasta que se entrega el primer informe de resultados).
Ojo, aviso a navegantes, yo no lanzo campañas, me las “dan hechas”. Entonces sigo el método ADEME:
- Averiguar los objetivos.
- Decidir las métricas que medirán dichos objetivos.
- Etiquetar cada elemento correctamente y comprobarlo.
- Medir, medir y medir. Segmentar, segmentar y segmentar.
- Elaborar el análisis en base a los objetivos perseguidos, proponer cambios.
La pregunta del millón siempre ha sido ¿Qué KPI debo tener en cuenta? La respuesta es siempre la misma: “depende de tus objetivos”. ¿Podrías recomendar una serie de KPIs en función de los objetivos más comunes de las campañas?
Más que KPIs por objetivos, voy a proponer una serie de KPIs básicas para cada industria. Esta base me la enseñaron Sergio Maldonado de MVConsultoría y su equipo de analistas en forma de chuleta, a ver si os resulta interesante:
- Viajes y Alojamiento:
  - Coeficiente de conversión para visitas cualificadas.
  - Razón de disponibilidad de vuelos/hoteles.
  - Promedio de visitas previas a conversión.
  - Coeficiente de conversión en venta cruzada.
- E-commerce / Retail:
  - Porcentaje de compradores contra total de visitantes únicos.
  - Coeficiente de conversión desde búsqueda desestructurada.
  - Coeficiente de conversión desde campañas.
  - Promedio de carritos abandonados.
- Publicaciones Online:
  - Promedio de páginas vistas por visita.
  - Razón de visitas cualificadas.
  - Promedio de tiempo entre visitas.
  - Coeficiente de click-through en espacios publicitarios.
- Banca y Seguros:
  - Coeficiente de abandonos en transacciones secuenciales.
  - Razón de cualificaciones por campaña de origen.
  - Coeficiente de click-through para campañas internas.
  - Promedio de visitas que utilizan la atención al cliente.
Creo que las KPIs dependen aparte de los objetivos, de la propia empresa. Pero para empezar puede valer el echarle un vistazo a estas que proponen, por supuesto segmentadas por los distintos perfiles de cliente o visitante.
Muchas veces aun teniendo claro los objetivos de la campaña, los KPI que deberíamos controlar, etc. no tenemos forma de obtener los datos ¿qué debemos hacer?
No creo que sea imposible obtener los datos, la imaginación al poder. Cuando algo se tuerce y parece que no es posible obtener los datos siempre se pueden combinar los datos de los que disponemos para conseguir saber que ha pasado.
Si no se puede conseguir un 100% de fiabilidad siempre podemos crearnos un índice de fiabilidad para tenerlo en cuenta, pero soy de la opinión de que si no se dispone de un dato, hay que buscarse la vida para obtenerlo.
Independientemente del tipo de campaña que estemos analizando ¿Qué KPIs debería tener siempre en cuenta?
Una KPI lo que hace es medir el desempeño de un determinado objetivo, así que se deben tener en cuenta las que tengan que ver con conseguir la meta que tenga la campaña. Siempre deben ser parte de un marco temporal, no vale simplemente con determinar la/s métrica/s.
Dicho esto, para mí las KPIs básicas de una campaña externa son:
- Tasa de Rebote
- Tasa de Conversión
- Click-through / Número impresiones
- Satisfacción del cliente con la campaña
- ROI de la campaña

Soy consciente de lo pesada que soy, pero por favor, las KPIs siempre segmentadas, en este caso por campaña y dentro de la campaña por medio, anuncio, creatividad, posición… Solamente así seremos capaces de optimizar la campaña.

9. ¿Qué características tiene que tener un buen informe?

El informe es la presentación final del análisis, es igual de importante o más el presentar los datos de forma adecuada:

Visualización, ¡mucha! Empaparse de Infografía, la técnica para contar historias de manera visual.
Lo bueno si breve… pues eso, que el informe quepa en una página, cuanto menos scroll haya que hacer, mejor que mejor.
Incluir siempre una serie de mejoras en función de los datos que hemos presentado.
Utilizar el lenguaje del receptor, nada de tecnicismos (tasa de rebote = usuarios a los que no convencimos, por ejemplo).
Utilizar tendencias o lo que sea para crear contexto.
Nunca ofrecer una sola métrica.

10. Landing pages: ¿qué características debe cumplir? ¿Cuándo es aconsejable hacer testing? Podrías darnos algunos ejemplos (links o pantallazos) de buenas y malas landings.

Una landing page debe seguir la estela del anuncio del que parte, no perder lo que llaman el “scent” para que el usuario llegue a completar el objetivo que tenemos marcado. Es decir, el objetivo de la página, la llamada a la acción debe estar muy clara y la métrica a utilizar también, solamente así podremos sacar conclusiones válidas.

Hay que tener en cuenta el target al que queremos seducir con nuestra landing page, si se puede segmentar no dudemos en hacerlo y crear distintas landing pages para cada perfil.

Creo que en cualquier caso se puede y se debe hacer un test para primero conseguir optimizar al máximo nuestra landing page y después para conocer las preferencias de nuestros visitantes, clientes y/o potenciales, la información que recojamos nos servirá para la totalidad de nuestra web.

Ejemplos personales de landing pages:

Buena,

Cuando accedemos a la página de amazon.com donde habla de kindle (desde google o desde un link). Como podemos ver, además de fotos, información, precios, llamada a la acción… si hacemos scroll tenemos más datos y además la opinión de los usuarios que lo han comprado y recomendaciones:

Mala,

La campaña del rolex cosmograph daytona. Una landing page muy moderna, espectacular, con fotos impresionantes, un video genial… pero… ¿y si lo quiero comprar? ¿y si quiero ver otros modelos? ¿y si quiero ver dónde puedo encontrarlo offline? Me pierden, señores, me pierden como cliente.

11. Imagina que me quiero dedicar a la analítica web ¿por dónde debería empezar? Y sobretodo ¿con qué me voy a encontrar?

Yo creo que lo mejor para empezar como primer contacto es descubrir los blogs de los expertos y leer un par de libros sobre el tema (más detallado en la pregunta 13).

Es básico abrir un sitio propio si no se dispone de algo que medir, y añadirle Google Analytics. A partir de aquí, trastear con todas las métricas que presenta la herramienta, definirse los segmentos, las campañas, las variables, los configuraciones, los objetivos, crearse tableros e informes propios, jugar mucho con todos los datos y familiarizarse con los conceptos propios de la analítica web.

Los seminarios o cursos que organizan los que entienden de este tema, son absolutamente imprescindibles. El Practitioner WA cuya tercera edición se celebrará en Madrid en mayo, el EMetrics, que este año por primera vez se celebró en Madrid el pasado junio, la Internet Marketing Conference que se celebró en octubre en Barcelona, el SMX, el OME,… Pero la mejor manera de conocer a la gente del sector es sin duda ir a los Conversion Thursday, que ahora mismo se celebran un jueves al mes en Madrid y en Barcelona, pero que en un futuro sería interesante que se fueran propagando por todo el territorio :)

Por último, si quieres una formación académica adecuada, en la Universidad de British Columbia existen unos cursos enfocados únicamente a la analítica web, son online y bastante interesantes. ¡Yo acabo de graduarme el año pasado! Sirven, sobre todo, para ordenar los conceptos y sentar bien las bases.

¡Y empezar a buscar trabajo ya! Ahora es buen momento porque somos pocos y la oferta va en aumento. Te vas a encontrar con profesionales que, a diferencia de otros sectores, nos conocemos mucho, transmitimos conocimiento y nos apoyamos todos.

12. ¿Cuál es tu relación con la analítica web? Si eres analista, ¿cómo has llegado hasta ahí?

Yo llegué al mundo de la analítica web por casualidad en el 2006 y me apasionó desde el primer momento. De la mano de Pere Rovira y Javier Godoy me adentré en este mundo y lo mejor que hice en el momento fue comprarme el libro de Avinash Kaushik, mi libro de cabecera desde entonces. Hubo momentos algo frustrantes (de ahí salió el título de mi blog) pero en general ha sido muy emocionante.

En mi trabajo diario siempre me encuentro algo nuevo, o bien respecto a herramientas o bien respecto a retos en la web, esto me hace sentirme viva y con ganas de enfrentarme al día a día. No sé muy bien cómo he llegado hasta aquí pero … de aquí no me mueve nadie, me fascina mi trabajo y, sobre todo, seguir aprendiendo y tener la sensación de que nunca me voy a aburrir.

Comparto mi experiencia con un equipo en el que aunamos información cuantitativa con información cualitativa para intentar completar un ciclo de optimización en el conjunto de webs donde trabajo y considero que la base de un buen analista web es tener compañeros alrededor en las demás áreas con los que trabajar en equipo y sacarle todo el jugo a las posibles acciones derivadas de los datos.

13. Recursos sobre analítica web:

Blogs:
- En castellano:
  1. Adrián http://www.filmica.com/audiencias/
  2. Elena http://elenaenriquez.com/
  3. Pere http://web-analytics.es/blog/
  4. José http://titojose.wordpress.com/
  5. Ferriol http://trucosgoogleanalytics.com/
- En inglés:
  - Avinash http://www.kaushik.net/avinash/
  - Eric http://blog.webanalyticsdemystified.com/weblog/
  - Robbin http://www.lunametrics.com/blog/
  - Manoj http://www.webanalyticsworld.net/
  - Roi Revolution http://www.roirevolution.com/blog/
Twitteros:
1. @asegovia, @clicmetrics, @danielpena, @pere_rovira, @trucosga, @javiergodoy, @analisisweb, @imediabar, @mvconsultoria, @mgarrigap
2. @avinashkaushik, @erictpeterson, @aureliepols, @kissmetrics, @jimsterne, @jimnovo
Libros:
1. Avinash Kaushik: Web Analytics: An Hour a Day y Web Analytics 2.0
  Con estos libros más los blogs y demás temario online, no se necesita nada más para empezar.
Documentos interesantes (PDFs, etc.)
Eric Peterson puso hace poco tiempo a disposición de todo el público sus 3 libros en pdf con extras como hojas Excel y Dashboards de ejemplo:
1. Web Analytics Demystified
2. Website Measurement Hacks
3. The big book of KPI
4. Muy recomendables

14. Pregunta y respuesta libres. Puedes destacar algo de tu trabajo, blog, etc. u otra cosa que te parezca interesante.

Creo que es interesante comentar la organización del tiempo del analista web. En mi caso, prácticamente un 10% lo dedico a ver las tendencias del site a analizar (métricas brutas sobre todo derivadas del tráfico).

Según lo que me indiquen, un 50% del tiempo lo dedico a profundizar en lo que cambia o me llama la atención o quiero estudiar por cualquier motivo especial; es decir, este tiempo lo dedico a pulir estas métricas, a crear el contexto con datos externos y cualitativos, para saber con detalle qué ha pasado y aproximarme lo más posible a saber por qué ha podido pasar.

Entonces es el momento de invertir el 40% del tiempo en diseñar una estrategia de acciones para mejorar y mostrar dicha estrategia de manera que sorprenda. No vale pasar el 90% entre tendencias y análisis, el verdadero valor del analista web, aunque pueda parecer paradójico, no es tanto el analizar lo que ha pasado como el poder ofrecer alternativas de optimización de lo analizado. Conocer los objetivos y guiar hacia la gloria.

Me seducen las mentes, la inteligencia, una cara y un cuerpo cuando veo a una mente q los mueve y q vale la pena. Conocer, poseer, dominar, admirar.

2010-02-16T18:00:00.006+01:00

La verdadera tarea del analista web a la hora de enfrentarse a los datos es intentar estudiarlos desde todos los ángulos posibles. Por eso es tan importante que las herramientas permitan segmentar dichos datos, puesto que muchas veces no entenderemos lo que pasa en nuestro site si no los estudiamos desde el punto de vista correcto.

El saber cómo se comporta un perfil determinado en nuestro negocio nos permitirá proponer distintas estrategias en base a los perfiles implicados, incluso descubrir nuevos perfiles al ir profundizando en los comportamientos.

Imaginemos que nos salta una alerta porque nuestra tasa de conversión se ha incrementado en un 5%. Despues de brindar con alegría, es momento de comprobar qué acción es la causante del triunfo comparando los distintos segmentos con los datos de las visitas totales. Esta es la clave: segmentar, no todas las visitas son iguales, hay que distinguirlas, personalizarlas.

La idea es determinar que perfiles o segmentos forman el grupo que ha incrementado la tasa de conversión (o cualquier otra acción observada en el site) para saber qué acciones podemos tomar al respecto. La pregunta ahora es… ¿Por dónde podemos empezar a segmentar?

Mi opinión es que al empezar, cuando no tenemos aun muy claro qué es lo que agrupa o diferencia a los perfiles que entran en nuestro site, hay que elegir segmentos básicos, de una sola variable. Para ir combinándolos después a medida que vamos profundizando y encontrando los que se van adaptando a nuestras necesidades de información.

Podemos primero elegir los segmentos (por intuición o basandonos en nuestra experiencia) y luego comprobar los datos. O bien podemos analizar los datos que hayamos recogido para entonces determinar los segmentos. Es decir, observar las métricas a ver que tienen en común y agruparlas (por ejemplo, ha subido la tasa de conversion de un determinado articulo y detectamos que ha subido el tiempo de estancia y las visitas desde buscadores, formamos ese segmento para compararlo al resto).

Siguiendo cualquiera de las dos técnicas, podemos empezar a segmentar por muchas variables:

Cliente / No Cliente

Geográfica (por país, ciudad, host, …)

Fuente de entrada (directa, buscadores, email, links…)

Keywords (externas o sacadas del buscador interno)

Por contenido (producto o servicio contratado o consultado, landing page, pasaron por este contenido y este otro, entraron por la home, consultaron este pdf, se fueron por la pagina X, …)

Por conducta del usuario (tiempo, navegación, es su primera vez, no lo es, compraron, no lo hicieron, no lo hicieron pero llegaron hasta un determinado punto, usan el buscador interno…)

Por campaña (medio, anuncio, posición…)

Estacionalidad (Dia de visita, hora de visita, días transcurridos desde la primera visita o hasta la conversión)

Informacion Técnica (Sistema operativo utilizado, navegador, velocidad de conexión, compatibilidad con java, versión del flash…)

Para después profundizar combinándolos:

Productos con mejor conversión vs. keyword de SEO o SEM o campaña…

Visitas que entraron por la home, vieron 3 páginas o más y consultaron el pdf

Visitas que en su primera vez vinieron con la keyword XXX, usaron el buscador interno y no compraron nada

Visitas que vinieron de la campaña YYY desde el anuncio YYY1, son de Cataluña y no pasaron de la landing page

Visitas que siguieron una determinada ruta y compraron el producto ZZZ

Lo primero que debe tener claro un analista web a la hora de analizar un sitio web es cuál es la meta principal del sitio, qué objetivos forman parte de esta meta y que métricas nos ayudaran a medir dichos objetivos. Igual de importante es saber segmentar a las visitas que llegan al site para saber que estrategia debemos seguir y enfocada a quién. O para saber qué puede provocar una determinada conducta.

La clave es hacerse preguntas directas: ¿Los clientes que compran un determinado producto tienden a solicitar el servicio XXX? Entonces en la compra les podríamos poner un enlace sugiriendo dicho servicio.
O construír un segmento con las visitas que vienen de buscadores, después de aterrizar en la landing page usan el buscador interno y se van sin comprar… ¿vinieron por el mismo tipo de keyword? ¿buscaban lo mismo en el buscador interno? ¿lo encontraron? Puede que la landing page no les diera la información… habría que arreglarla o construír una página especifica para la keyword.

Cuantos más segmentos tengamos, más precisos podremos ser sobre las decisiones a tomar. Pero no nos volvamos locos con segmentos imposibles, debemos intentar siempre seleccionarlos con respecto a los objetivos establecidos. Dejar que los segmentos nos ayuden a conocer, a poseer, a dominar :)

-¡Puedo luchar! - Lo sé... pero es la inteligencia la que nos convierte en hombres

2010-02-02T22:58:00.001+01:00

Cuando empecé en esto de la analítica web, una de las primera lecciones que aprendí fue que lo importante, lo que hay que analizar, es aquello que cambia de un periodo a otro, no hay sentido en darle vueltas a lo que permanece.

Hay muchos datos que a priori parecen interesantes pero con el paso del tiempo nos damos cuenta de que no aportan nada para tomar decisiones. Un par de ejemplos:

1. Porcentaje de clientes del site que utilizan el servicio X

2. Lista de keywords por las que se llega al site:

El primer mes devoramos las keywords, el segundo mes las miramos por encima y el tercero ni las vemos.. son siempre las mismas! ¿Entonces? ¿Qué podemos hacer para mejorar el site?

Centrarnos en lo que cambia, estudiar qué ha pasado de especial y analizarlo para explorar nuevas ideas en el negocio. Hasta ahora cada uno se buscaba la vida como podía, creando una hoja Excel con una función que busque de mes a mes lo que suba o baje de repente, programando la API para detectar los cambios, …

Y de repente viene Google Analytics y nos ofrece la Inteligencia Artificial. Porque realmente es inteligencia lo que han puesto en nuestras manos.

Primero nos llama la atención sobre métricas que han cambiado de manera significativa. Es decir, nada de programar, ni de Excel ni de búsquedas “a mano”. Ya tenemos automáticamente seleccionado lo que ha cambiado, para bien o para mal.

Pero aún hay más. Esta funcionalidad intenta explicar el por qué de esta variación señalando la relación con otros datos que han cambiado a su vez. Por ejemplo:

¿Que nuestro tiempo medio en el site ha subido de manera indecente? Nos indica que puede tener algo que ver con el tiempo del tráfico que viene desde buscadores porque también ha subido de manera importante. Y sin embargo el tiempo de las visitas que vienen de Madrid baja un poco. Ya tenemos pistas de por dónde empezar a buscar, tenemos incluso a un click el crear un segmento únicamente con las visitas que han ocasionado esta subida o bajada específica para investigar qué hacer al respecto.

Si hay algo que nos preocupa especialmente, como por ejemplo la tasa de conversión de una campaña en un medio que nos sale un poco cara y queremos tener constancia de cuando no llega a los límites que consideramos imprescindibles para mantenerla, podemos crear nuestra propia alerta y recibir un aviso por email cuando no llegue o sobrepase nuestros límites.

Considero imprescindible para sacar conclusiones el comprobar qué cambia en nuestro site día tras día o mes tras mes o año tras año para ayudarnos a entender un poco más el interés de los usuarios, su conducta y anticiparnos a sus inquietudes. Aplicar la lección de focalizarnos en los cambios que sufren los datos, nos será mucho más fácil con la inestimable ayuda de Google Analytics. Podemos luchar, pero con inteligencia será más sencillo.

Daría todo lo que sé, por la mitad de lo que ignoro...

2010-01-28T18:00:00.005+01:00

Tengo esto muy abandonado. Echo de menos escribir semanalmente, mucho, pero el tiempo se me va en muchas cosas... y al final prefiero no escribir a hacerlo deprisa y mal. Pero todo se andará, estoy convencida de que vendrán tiempos mejores.

En fin, no puedo dejar de escribir sobre el Conversion Thursday Madrid de la semana pasada. Fue espectacular.

Nunca había visto a Aurelie Pols en una presentación y la verdad es que superó todas mis expectativas. Reinaba un silencio absoluto en la sala, además de porque la presentación era muy interesante, porque como era en inglés a ver quien pillaba todo lo que decía a la primera ;) Bueno, Sergio dominaba, pero Dani, Javier y yo necesitamos un curso de inglés ya mismo :)

Ahora en serio, Aurelie empezó su exposición presentando a sus socios Eric Peterson y John Lovett. Es un equipo de lujo sin duda.

La idea era hablar de herramientas, personas e integración y empezó haciendo una interesante comparativa de las herramientas. ¡Solamente las europeas! Lo mejor, que nunca había oído hablar tan concienzudamente de muchas de ellas, lo peor, que el lugar que ocupan en el mercado de la analítica web es francamente lamentable. Habló por supuesto de Nedstat y de AT Internet, pero también nombró Snoobi, Gemius, Webtrekk...

Me pareció muy interesante el comentario de que, mientras que en Europa nos ceñimos a una sola herramienta, en USA lo normal es tener más de una. Es cierto que vamos dos años por detrás... una lástima.

No podía faltar el debate sobre las herramientas de pago y las herramientas gratuitas, en inglés es difícil ser apasionado, pero dimos bastante caña a las herramientas de pago.

Después Aurelie siguió hablando de la evaluación del usuario y me gustaría destacar la comparativa que hizo de la regla 10/90 de Avinash y la regla 50/50 de Eric. También generó comentarios, en España la regla de Avinash es impensable y si nos acercamos a la de Eric es porque la empresa se toma algo en serio la analítica web :)

En cuanto consiga la presentación (si Aurelie me la deja) la cuelgo porque es muy visual y se entiende muy bien.

Después disfrutamos de un extenso piscolabis por cortesía de Webtrends, y de un rato largo de networking, la verdad es que se agradece hablar con todos los analistas. ¡Que me gustan los conversion thursday, sí!

Pd. ¡Gracias a Tristán por la foto!

Tenemos q prosperar: si un cliente pide un huevo a los 2 minutos, se lo daremos en 1; y si lo pide en 1, le daremos 1 gallina y q se apañe como pueda

2010-01-07T12:00:00.007+01:00

Hace algún tiempo, Pere Rovira en su blog, contó su experiencia de aplicar el concepto de long tail en la analítica web, al analizar el SEO desde un punto de vista de resultados que no producen mucho tráfico por si mismos pero que combinados atraen un porcentaje más que digno de visitas.

Es un ejercicio que nos puede ayudar mucho a focalizar nuestros esfuerzos en keywords que a primera vista no parecen importantes pero que nos da pistas sobre la relación que nuestro tráfico tiene con nuestro site.

¿Qué porcentaje del tráfico total de nuestro site viene desde buscadores? ¿Nos interesa incrementarlo? ;) La pregunta tiene truco, en casi cualquier situación toda estrategia que suponga atraer nuevos visitantes será bienvenida. Aunque hay que tener en cuenta que si conseguimos más tráfico pero nuestro site no está bien optimizado, nuestros esfuerzos por mejorar se quedarán en nada, porque no se cumplirá el objetivo final: conversión.

Pero vamos a suponer que hemos realizado un trabajo extraordinario en nuestro site y lo hemos dejado estupendo a la espera de que lleguen usuarios que sepan apreciar la calidad de lo que ofrecemos :) Es el momento de poner en práctica la estrategia que comentaba Pere para optimizar nuestro SEO.

El primer paso es tomar la totalidad de las keywords por las que han llegado nuestros visitantes al site y eliminar las que se refieren a nuestra marca. Entonces tomamos las 10 primeras keywords y sumamos el porcentaje resultante, preparando un primer segmento con las visitas que se producen desde estas keywords, será interesante tomar como base dos o tres métricas para poder compararlo al segmento de keywords long tail, de tráfico de referencia o de tráfico directo.

Al tomar por ejemplo la tasa de rebote, la tasa de conversión y el número de productos visitado (o artículos si se trata de un blog) tendremos un dato que refleja si a priori somos lo que estaban buscando (rebote), si les convencemos (conversión) y si hay interés de venta cruzada (productos).

Tomemos ahora lo que falta del tráfico orgánico para generar el segmento de las keywords restantes: Nuestro Long Tail.

¿Cómo se comportan estos segmentos? ¿Podemos decir cuál es el segmento que nos interesaría conservar? ¿Son un reflejo de lo que hacen o suelen hacer los visitantes que vienen referenciados de otra web o como tráfico directo?

Pongamos que efectivamente podemos meter mano a este segmento de long tail. ¿Cómo lo hacemos? ¿Cómo elegimos las keywords sobre las que podemos hacer alguna acción que nos genere tráfico de calidad? Claramente debemos ir a las keywords que tengan recorrido con respecto a nuestros objetivos.

Es decir; si nuestro site es un ecommerce, nuestro objetivo primordial debe ser la venta. Si nuestro site es un blog o newsletter, nuestro objetivo puede ser el tiempo de permanencia o el número de artículos visitados… entonces, con nuestro objetivo primordial en mente para tener un punto de partida concreto, podemos tomar solamente aquellas keywords que destaquen en esa métrica o KPI. Dentro del segmento elegiremos entonces solamente aquellas keywords que tengan una tasa de conversión alta, o una tasa de rebote baja o un número mayor de 2 artículos, por ejemplo.

Por un lado, será interesante intentar incrementar el tráfico por estas keywords. Y por el otro podemos focalizarnos en qué hace ese subsegmento, para intentar entender qué buscan, por dónde se nos caen en el proceso, si es necesario generar landing pages que aún no tengamos, si podemos mejorar el resultado de la métrica elegida… Así a la vez que atraemos más tráfico, haremos lo posible para hacer que éste sea también de calidad. ¿Nos puede servir también esta relación de keywords para ayudar a la selección de palabras clave para nuestra estrategia SEM? Hagamos lo posible para darle al cliente el huevo un minuto antes de lo esperado :)

Más sobre este tema: Avinash Kaushik

Si no sabes dónde estás yendo, probablemente no llegarás ahí

2009-12-18T18:00:00.002+01:00

Cuando lanzamos una campaña externa a nuestro site hay que tener claro desde el principio lo que consideraremos éxito, es decir, los objetivos… siempre claritos.

Lo ideal es determinar con frecuencia, con mucha frecuencia, cómo optimizar o reestructurar la campaña en base a los datos evolutivos y a los objetivos marcados. No podemos limitarnos a recuperar datos, a ponerlos en una tabla Excel y archivarlos hasta el final de la campaña para entonces decir “¡Hay que ver lo bien/mal que ha funcionado esta campaña!” porque entonces no tendrá solución, no tendremos margen de maniobra y no podremos aprender de la experiencia.

Además de comprobar que el etiquetado es correcto y que estamos recibiendo correctamente los datos desde el medio en cuestión... ¿Qué preguntas básicas hay que hacerse desde el primer día de la campaña?

¿Qué número de entradas me está proporcionando la campaña?

¿Cuál es el coste por visita?

¿Hemos notado mejoría en el ROI?

Muy pocas métricas de manera independiente nos van a explicar qué está pasando con la campaña, es básico combinarlas para sacar las conclusiones correspondientes. No es que no nos valga un análisis de estas tres preguntas, son bastante importantes: tráfico + coste + beneficio.

Sin embargo… Hay tantos matices para determinar tanto si una campaña está o no funcionando como para profundizar en busca de soluciones que podemos añadir a nuestras métricas básicas alguna más que nos ayude a tener una visión más de conjunto. Se me ocurren unas cuantas:

¿Cuantos clicks estamos generando en cada anuncio?

¿Cuántos de estos clicks llegan realmente a nuestro site?

¿Qué frecuencia de display o impresiones ha generado cada anuncio? ¿En qué posición? ¿En qué momento?

¿Qué porcentaje de clicks/impresiones tenemos en cada anuncio?

¿Cómo está funcionando cada anuncio? A nivel de formato, tamaño, copy… ¿Cuál convierte mejor?

¿Cuántos usuarios distintos vienen y desde dónde?

¿Mi landing page genera interés después del click? ¿Qué porcentaje de clicks no pasa de ahí? ¿Cuántos siguen adelante? ¿Cuántos llegan a convertir?

¿Cuánto me cuesta cada click?

¿Y cada conversión?

¿Cómo ha contribuido esta campaña a la consecución de objetivos globales de mi site?

Hago un inciso para reiterar que nos conviene siempre generar una landing page o microsite para la campaña, para adaptar el contenido a lo que realmente busca el visitante, para crear un entorno donde se sienta cómodo. Y medirlo tal y como medimos la campaña en sí.

Como comentaba al principio, lo interesante es identificar qué consideraremos éxito. No todo el tráfico convertirá en una primera visita, hay que tener en cuenta factores como la frecuencia, latencia y el número medio de visitas que necesita para convertir, por ejemplo.

Así podremos saber la calidad por elemento de campaña, el volumen de tráfico y éxito que genera cada uno y dónde poder focalizar nuestros esfuerzos de optimización.

Empezar por decidir si se sigue invirtiendo dinero tanto en la campaña como en cada anuncio de la misma o nos replanteamos cambiar de estrategia.

Entender la relación entre las iniciativas de nuestras campañas y la generación de datos según las KPIs que marcan nuestros objetivos nos llevará a la mejor evaluación y optimización de las campañas. Siempre segmentar (por visitantes nuevos, por visitantes conocidos, por comportamiento, por tipo de conversión…), así tendremos información más fiable.

Si las campañas no cumplen nuestras expectativas da igual que lleven 2 días, 2 semanas o 2 meses. Hay que revisar las especificaciones y decidir o recomendar las mejoras propuestas.

Lo importante no es qué campaña nos trae más clicks, sino cual nos genera más beneficio. Y por supuesto, tener claro POR QUÉ. Si no sabemos dónde vamos nunca llegaremos :)

No sabía que os asustaran las ovejas... Sólo cuando vienen sin pastor...

2009-11-10T18:00:00.003+01:00

Este fin de semana, mientras estaba viendo la jornada futbolística, me descubrí preguntándome “¿cómo se la juega un entrenador para decidir qué jugadores componen el equipo?”.

Normalmente al entrenador es al primero que echan si los resultados no acompañan al equipo. ¿Pasa lo mismo en el caso del analista web? Si no elegimos las mejores KPIs... ¿nos mandarán a la oscuridad del ninguneo?

Entonces... ¿Cómo decidir las KPIs ganadoras? Aquí no tenemos una clasificación mundial, algunas KPIs no combinan con otras y encontrar la combinación perfecta es muy difícil. Pues sí, pero no imposible, así que hay que arremangarse y ponerse manos a la obra. A la busca y captura de las KPIs guerreras y triunfadoras.

¿Por dónde empezar?

Primer paso, los datos. Sacaremos todos los datos que te parezcan importantes, si no hay ninguno que nos resalte… ¡no pasa nada! Se sacan todos, ya habrá tiempo de decidir cuales nos sirven y cuales no.

Cogemos los datos de la herramienta web que tengamos, recopilamos también datos de otras fuentes, de la BBDD de nuestros clientes, rebuscando entre los logs que deja el sistema, de donde sea, nos toca recopilar.

Si has sacado todos es porque no conoces tu web al mínimo detalle, no pasa nada, ahora la vas a conocer en esencia. Objetivo de este primer paso: obtención y recopilación de datos.

Segundo paso, sentarse a pensar. Necesitamos conocer lo que queremos conseguir, o sea, lo que vamos a cambiar y nos va a transformar en el no va más del negocio. ¿Qué objetivo queremos lograr? No siempre va a ser una venta, o darse de alta en un servicio, puede ser algo más intangible, como “¿quién se ha interesado por este producto?” o “¿como está funcionando nuestro servicio de atención al cliente?”.

Tercer paso, tenemos los datos, tenemos los objetivos. ¿A correr? No, ni mucho menos. Ahora hay que decidir qué datos o combinación de datos me llevarán a decidir la KPI perfecta para medir ese objetivo y poder aplicar decisiones de negocio en base a su valor.

Aquí he de hacer un paréntesis. Es complicado dar con la KPI correcta. A priori, puede parecer importante y que refleja perfectamente el objetivo. ¿Será la KPI perfecta? ¿O nos engaña? Aquí aplicamos lo que he bautizado como el método PereRo. Se trata de hacerse 2 preguntas básicas:

- Si sube o baja el dato… ¿es significativo?

Si la respuesta es afirmativa, perfecto. Tenemos una KPI cuya variabilidad es importante, justo lo que estábamos buscando. Seguimos con el cuestionario.

- Si es significativo, ¿tengo recursos para actuar?

Si la respuesta es negativa…, bueno, pues será una KPI impresionante, pero no me va a aportar nada, no podré actuar, no me sirve.

Es decir, no medir más de lo que necesitamos. Está muy bien dar multitud de datos a todas luces interesantes, pero si no nos aportan nada a decidir cómo podemos mejorar, no interesan.

Yo parto de las enseñanzas de Avinash Kaushik. Para definir nuestras KPIs hay que tener en cuenta la diferencia entre las KPIs y las KIAs (lo más de lo más):

Las KPIs (Key Performance Indicator) equivalen a la forma básica de medir indicadores; básicamente se refieren a combinaciones de páginas vistas (individuales, agregadas, media), visitantes (visitas, únicos, total), tiempo (total, media), referrers (contadores, keywords, trends)...

Las KIAs (Key Insight Analysis), en cambio, suponen un cambio de filosofía a la hora de medir indicadores. Las destacadas comprenden: click density analysis, visitor primary purpose, task completion rates, visitas segmentadas, análisis multicanal...

No desesperarse si no se consiguen las KPIs / KIAs logradas en el primer intento. Se puede ir probando con varias KPIs / KIAs hasta encontrar las que, por propia experiencia, aporten más al objetivo. Incluso, a mí me ha pasado, puedes encontrar combinaciones que definan un objetivo muchísimo mejor que el que te han encomendado, lo que te dará una satisfacción sin precedentes.

Utilizar una rueda como ésta, nos servirá para poner sobre el papel qué es lo realmente importante de cada KPI y cómo afecta al negocio. Me parece muy interesante como metodología de trabajo de selección y mantenimiento de KPIs:

¿Qué pregunta nos ha hecho llegar a esta KPI? ¿A quien le resulta importante la información que puede ofrecer? ¿Por qué es importante? ¿Cómo llegamos a los datos? ¿Qué preguntas nos surgen con los valores que puede tomar? ¿Qué acciones debemos llevar a cabo si cambia a mejor? ¿y a peor?

Cuarto paso. Crear el contexto. Nunca dar la KPI / KIA en bruto, como si la soltaras de mala manera en un informe. No. Hay que ponerlo en evolución, o compararlo al total de las ventas, o al total de altas de otro servicio, o lo que falta que aumente para llegar a un objetivo…

Depende de la KPI / KIA, pero siempre debe estar englobada en un contexto. Aquí es donde segmentamos el dato, por fuente, por número de visitas, por cliente / no cliente, por rentabilidad... Si es posible, acompañar el dato cuantitativo de algún dato cualitativo complementario (por medio de una encuesta, por ejemplo).

No podemos dejar que, ni nosotros ni nadie, al recibir nuestro informe, hagamos cualquiera de estas preguntas:

¿Qué pasa si en enero hemos vendido 25 unidades de un producto? ¿Es mucho? ¿Es poco? ¿Cumple las expectativas? ¿Cuánta gente se interesó pero no lo compró? ¿Cuánta gente vino a la web por este producto? ¿Cuánto nos falta para cumplir el objetivo? ¿Cuántos usuarios lo buscaron en el buscador interno? ¿Y en Google? ¿Cuántos usuarios se han convertido en clientes gracias a este producto?

Quinto y último paso. Ya tenemos todas las KPIs / KIAs, las variaciones, los contextos, todo perfectamente hilado. ¿Y qué? Pues ya solamente falta la guinda del pastel, lo que te dará valor como analista. Y no, no es decidir la forma de presentar los datos, que eso da para varios posts. Falta la valoración del analista.

Faltan las decisiones que van ligadas a los datos. Es lo que nos debe indicar la rueda de KPI, en la parte de acciones a tomar con los cambios. Hay que realizar la interpretación de cómo utilizar estos datos de forma inteligente. Cómo mejorar el panorama, aunque sea un porcentaje pequeño. Aunque vaya todo como la seda, hay que proponer acciones, pasitos, lo que sea. Aquí es donde podemos aplicar la tabla de Karnaugh. ¿Qué dato es el importante? ¿Dónde me puedo centrar? ¿Qué segmento voy a mejorar?. Este será nuestro punto de partida para decidir si la KPI es válida o no merece la pena.

Partimos como los entrenadores, sin credibilidad (salvo Guardiola). Pues nada, nosotros a jugar, a darlo todo, a desoír los malos comentarios, paso a paso, partido a partido, gol a gol. Y si de paso nos llevamos la Liga, la Copa o la Champions… pues genial.

Yo digo que nunca estés completo. Yo digo que dejes de ser perfecto. Yo digo que hay que evolucionar. Pase lo que pase.

2009-11-02T18:00:00.001+01:00

Lamentablemente medir una campaña de marca o branding no es tarea fácil. Las métricas no se limitan a unidades vendidas, a palabras por las que se llega al site o al número de visitas que generamos. Es bastante más abstracto de medir y, aunque no significa que sea imposible, al menos debemos tener algo por donde empezar.

Hay que cambiar el chip de la campaña de marketing tradicional y no buscar KPIs o métricas que se refieran al impacto que puede causar una determinada acción de marca en el momento, sino ver lo que se genera con el tiempo. Creo que una combinación de métricas es lo que nos puede funcionar mejor para conocer la percepción que genera nuestra marca. Pasemos a enumerar una combinación de las mismas.

Lo primero es medir el tráfico que viene directamente a nuestro site, bien porque se guarde la dirección en favoritos o porque se teclee en el navegador del site. Esta métrica nos identifica a los fieles a nuestra marca. ¿Cómo crece con el paso del tiempo?

Lo segundo es tomar el tráfico que vino de buscadores y cuya keyword o keywords contenga la de nuestra marca. Aquí, también resulta interesante conocer la tendencia, en general y por cada keyword, porque nos puede decir lo sólida o no que resulta nuestra marca.

Como tercer punto de medición tomaría aquellas palabras que formen parte de la estrategia SEM, que bien incluyan o hagan referencia a la marca. Aunque hayan sido de pago nos dan una idea de cómo se nos busca.

No podemos olvidar el tráfico de referencia que se haya podido generar en blogs, twitter, facebook y otras redes sociales. ¿Se nos visita desde alguna de estas redes o blogs? ¿Quién habla de nosotros? ¿El artículo, tweet o comentario es bueno, malo o neutro? ¿Hay algún tema sobre nuestra marca que nos haya traído un pico importante de tráfico?

El primer paso está dado: hemos estudiado el tráfico que nos genera nuestra marca, si lo comparamos al resto de campañas o de acciones comerciales podemos sacar conclusiones que nos hagan poner nuestros esfuerzos hacia un tipo de acciones o hacia otro. ¿Debemos fortalecer la marca? ¿O fortalecemos la fidelización de los que llegan por la marca? ¿Ambas cosas?

Pero podemos ir más allá, dando un segundo paso. Pongamos que mi site mide el tráfico con Google Analytics, ¿qué más podríamos hacer? Pues bien, si generamos un segmento avanzado de forma que cada métrica de las que he hablado arriba constituyan un criterio, podemos analizar cómo se comporta este grupo de visitas que han llegado al site atraídos por nuestra marca en sí.

¿Qué tasa de rebote tienen? ¿Qué adquieren? ¿Cuántos se hacen clientes? ¿Cuántos son ya clientes? ¿Qué están buscando? ¿Por dónde salen? ¿Cuánto tiempo estuvieron en el site? ¿Repiten visita? ¿Qué cantidad de contenidos ven? ¿Cuál es el coste por visita? ¿Qué beneficio les sacamos?

Es decir, ¿cuál es el valor de nuestra marca? ¿Cuánto ayuda a vender? ¿Cuánto se confía en nosotros?

Podemos comparar la actividad de este segmento con otros que se nos ocurran. Por ejemplo, los que vienen por tráfico orgánico sin usar nuestra marca, con los que vienen por campañas SEM que no incluyan nuestra marca, los que vienen de campañas de determinados productos, los que acceden a través de emails…

Al igual que aquí recopilamos el tráfico que tiene que ver con nuestra marca, para medir el tráfico de captación que no se relaciona con la marca en sí sino con una determinada oferta, deberíamos excluir lo que estamos analizando en este artículo.

Y como no se dan dos pasos sin tener un tercero en perspectiva, podemos ir aún más y más allá. Rastrear el volumen de búsquedas de nuestra marca en Internet, aunque no se traduzca en visitas a nuestro site. De esta forma, podremos saber por qué somos noticia, cuándo despertamos más interés y si hay alguna acción que haga aumentar las conversaciones sobre nosotros. ¿Cómo comprobaremos esto? Con Google Insights for Search, una herramienta de estadísticas de búsquedas.

Si por ejemplo, fuéramos los responsables de la marca Freixenet (elegida porque tiene una estacionalidad evidente y porque hay noticias al respecto últimamente), podremos observar que la única acción que subió el interés por la marca fue el anuncio que rodó Scorsese en 2007.

Además de saber en qué países y regiones despertamos más interés, podemos saber qué búsquedas se relacionan directamente con nuestra marca. Es decir, qué términos de búsqueda asocian los usuarios con nosotros. ¿Y con la competencia? ¿Qué asocian con la competencia?

Para profundizar más en la competencia podemos utilizar Google Trends. ¿Hay alguna forma en que podamos optimizar el rendimiento de nuestra marca? ¿Con qué nos gustaría que se nos asociara y no se hace?

Hay que vender mejor nuestra marca. Hoy hemos dado el primer paso: aquello que no se mide no se mejora. Y el planteamiento siempre parte de una premisa sencilla: sabiendo donde estamos podemos saber hacia adónde vamos. Y lo que es más importante, sabremos adónde queremos llegar. Pase lo que pase, hay que seguir evolucionando.

Los días negros se está triste y nada más. Pero los días rojos son terribles, de repente se tiene miedo y no se sabe por qué...

2009-10-28T18:00:00.001+01:00

"—¿Conoce usted esos días en los que se ve todo de color rojo?
—¿Color rojo? Querrá decir negro.
—No, se puede tener un dia negro porque una se engorda o porque ha llovido demasiado, estás triste y nada más. Pero los días rojos son terribles, de repente se tiene miedo y no se sabe por qué." Audrey Hepburn en Desayuno con Diamantes

Una de las tareas más importante, y a la que no prestamos a veces la atención debida, porque estamos embelesados con el análisis realizado, es la presentación de la información. Es decir, cómo generamos un dashboard.

Lo importante es saber comunicar qué está pasando, por qué puede estar pasando y cómo podemos arreglarlo. Se trata de hacerlo de una forma agradable, dando información relevante que muestre cómo está funcionando el negocio, y que además ayude al receptor a tomar decisiones de una manera eficiente, basándose siempre en los datos recopilados. Sobre todo hay que incidir, y resaltar la atención, en lo que haya cambiado en el periodo analizado, tanto para bien como para mal. Así se identifican mejor las acciones a realizar y los segmentos afectados.

En un dashboard no se deben poner muchas KPIs. Se habla de que el número ideal es entre 5 y 20 por tablero, a mí me parece que no debería haber más de 10 (pero ésta es mi opinión). Sobre todo, y esto es lo que de verdad debemos tener en cuenta, que depende de lo que represente cada una de ellas.

Es vital proveer de contexto con un histórico detallado, y no limitarnos a dar los datos (éstos sin un análisis sirven para pocas cosas). También conviene siempre mostrar gráficos evolutivos, para saber de un sólo vistazo la línea que estamos siguiendo. No sirve de mucho copiar los dashboards de la competencia, dado que no tienen por qué usar las mismas métricas para los mismos objetivos. Por tanto, es mejor utilizar nuestro propio histórico como benchmarking.

El dashboard típico es el que trata la conducta o el ciclo de vida del cliente:

KPIs referidas a la adquisición (conversión, importe, coste por visita, coste por compra...)

KPIs referidas a la retención (nº visitas hasta la compra, nº visitas al mes...)

KPIs referidas a la fidelización (cada cuanto tiempo compran, cada cuanto tiempo vuelven...)

KPIs referidas a la actitud (satisfacción del cliente, recomendación del site, uso de otros canales...).

El primer paso para crear un dashboard es monetizar y analizar los procesos del site. El último paso es no olvidar hacer pronósticos basados en el análisis. Además, no tenemos que olvidar adjuntar anexos con la descripción exacta de cada KPI, con la fuente de datos utilizada, puntualizando las acciones que consideremos más importantes.

Probablemente, habremos manejado más de 10 KPIs durante el análisis. Por esa razón, debemos crear diferentes dashboards dependiendo del receptor (director financiero, marketing, técnicos...).

Pere Rovira, uno de mis ídolos, aconseja programar 3 dashboards diferentes para uso personal: uno diario con las KPIs; otro semanal con el resumen de las KPIs; y finalmente, uno mensual con los indicadores totales para tener una visión más real (yo sigo su consejo a rajatabla).

Para ir concluyendo, conviene tener en consideración, por su interés, usar un modelo jerárquico para distribuir las KPIs a la organización. Hay que estudiar a los receptores, entrevistarles, conocer bien sus inquietudes, para así personalizar al máximo los dashboards. La frecuencia de distribución se basará en las necesidades de los receptores, y el periodo de análisis deberá seguir la misma frecuencia.

Siempre que se pueda, entre los consejos que os proponemos, procupar siempre obtener feedback de los receptores y cambiar, de vez en cuando, el dashboard. Recordad: si los objetivos cambian, las KPIs también.

Algunos ejemplos que pueden resultarnos de interés:

Dashboard para ejecutivos: KPIs de rendimiento del site: conversiones, beneficio, valor medio de la venta, altas, coste medio de la visita, satisfacción del cliente, segmentar por tipo de cliente...

Dashboard de contenido: KPIs de compromiso con el cliente: tasa de rebote, uso del buscador interno, contenidos a los que se accede, ratio de visitantes nuevos vs. visitantes conocidos, tiempo pasado por visita, segmentar por tipo de cliente...

Dashboard de campañas: KPIs de rendimiento por campaña: beneficio, tasa de conversión, conversión por keyword, ratio de abandono de compra, CTR, coste por adquisición, segmentar por fuente de entrada...

Dashboard de usabilidad del sitio y mantenimiento: KPIs técnicas: velocidades, consistencia, carga de páginas, uso de navegadores...

Para tomar ideas sobre cómo presentar la información, nada como aprender de los expertos. Hace tiempo descubrí la infografía y desde entonces devoro todo lo que llega a mis manos sobre el tema. Mis preferidos son Chiqui Esteban y Xocas en español, y David McCandles y el equipo de infografistas del NYTimes en inglés.

Bienvenidos al mundo de color. Rojo malo. Verde bueno.

Yo no hago que las cosas pasen, ni obligo a nadie a actuar. Yo sólo pongo el escenario...

2009-10-24T21:55:00.005+02:00

Al igual que conocer el ciclo de vida del cliente es importante, entender bien el ciclo de vida del contenido de nuestra web es vital para optimizar el site.

¿Por dónde empezamos? ¿Qué podemos utilizar como base? ¿Cómo sabremos cuando decae la popularidad de cada contenido? ¿Hay contenidos que funcionan mejor que otros? ¿Cuándo es el mejor momento para renovarlo? ¿Hay acciones externas que determinen el éxito o no de un contenido? ¿Cómo podemos optimizar el contenido de nuestra web?

El primer paso será dividir el site en secciones, establecer objetivos para cada una y hacerse preguntas, muchas preguntas. ¿Cómo se comportan los visitantes de cada una? ¿Por dónde vienen? ¿Desde qué fuente? ¿Hasta dónde llegan? ¿Qué interrelación hay entre las diferentes secciones? La más importante de las preguntas será: ¿Qué es lo que realmente necesito saber de cada proceso? O dicho de otro, ¿qué es lo que aporta esta sección a los objetivos globales del site? ¿Funcionan las landing pages de cada sección?

Y dentro de cada sección, por cada página, deberemos recopilar información para un periodo determinado. Así, conoceremos la popularidad de cada contenido. Aquí tendremos las métricas relacionadas con el tráfico, con los datos cuantitativos: cuántos (visitas / usuarios únicos), cuántas (páginas vistas) por día, por semana, por mes, por trimestre... ¿Los jueves a las 9:00 es cuando tenemos más tráfico? ¿Los martes a las 13:00 es cuando más se compra? ¿Y a partir del día 20 es cuando sube el número de usuarios que visitan más de una sección?

Un ejemplo para mostrar la información de tráfico por secciones es este gráfico que uso para saber de un sólo vistazo cuál es el preferido por nuestros usuarios a nivel de visitas / páginas vistas / tiempo pasado y porcentaje de conversiones. Ya os hablé de él hace un tiempo, le he incorporado una sugerencia que me hizo Jose adaptándola a lo que echaba en falta, las conversiones.

El tamaño de cada casa viene determinado por el número de páginas vistas de la sección. Dentro de cada casa se ofrecen datos segmentados por clientes y no clientes. En la parte de abajo aparece una línea que indica el porcentaje de los usuarios que convierten (que llegan al objetivo):

Nos falta entonces añadir al cocktail los datos cualitativos, aquellos que determinan si una visita es o no de calidad. Es el momento de utilizar la tasa de rebote, el tiempo de estancia.

¿Es al principio de mes cuando los usuarios se quedan más tiempo? ¿En qué momento se registra la menor tasa de rebote? ¿Cada cuanto tiempo vuelven los usuarios? Si es posible, captar el feedback del usuario, bien por una encuesta en el propio site o por un test (A/B o Multivariante). Sólo si conoces a tu audiencia, y es la regla de oro que no debemos olvidar, puedes mejorar.

A partir de este punto es cuando buscamos el contexto, recopilando los eventos relevantes que han tenido lugar en ese periodo, para saber qué puede haber influenciado en los datos anteriores (campañas internas, campañas externas, lanzamiento de nuevos productos, noticias, comentarios en redes sociales...). Debemos tener siempre en cuenta el contexto a la hora de sacar conclusiones.

Llega el momento de analizar y tomar las decisiones. Comparar los datos de un mes a otro, de una estación a otra, de un año a otro, de una semana a otra, según veamos que es interesante. Podemos cruzar los datos de todas las secciones, las cifras de las campañas y sacar las conclusiones pertinentes. ¿Cuándo es el mejor momento para cambiar el contenido de cada sección? ¿Cada cuánto tiempo hay que cambiarlo? ¿Qué funciona mejor para cada sección? ¿Por dónde hay que atacar primero?

Tan importante es tener buenos productos y generar beneficio por el canal online, que preparar el mejor escenario para hacer que las cosas pasen.