Obs paw 1205 analitica 1 reporting by fragonetapower

Analítica Web 1: Informes Felipe Maggi

Analítica Web 1: Informes FELIPE MAGGI

Introducción: Este documento es un recurso esencial para el estudio de la asignatura. En él se tratan con detalle los principales tipos de informe que ofrecen las herramientas de análisis y se explican, por un lado, los datos que pueden extraerse de esos informes y, por otro, la utilidad de esos datos. Como durante todo el postgrado se trabajará con Google Analytics como herramienta principal, siempre se comenzará por analizar el informe que esta herramienta ofrece. Si hay que entrar en detalles sobre el significado de tal o cual dato o métrica, también se tendrá a GA como referente. Cuando se hable de otras herramientas (Yahoo! Web Analytics, XiTi, Digital Analytix y Urchin), se ofrecerá una visión general del informe (los detalles se habrán analizado para el caso de GA), y se destacarán aquellas cuestiones que difieran esencialmente de la herramienta de referencia, o que sean exclusivas de una solución concreta. No se trata aquí de aprender de memoria las características de tal o cual informe, en cada una de las herramientas. El objetivo es comprender el concepto, entender la utilidad de los informes, y desarrollar la capacidad de extraer conclusiones válidas de los datos. Evidentemente, esta asignatura pretende proporcionar un dato clave al analista: ¿dónde está la información que necesito? Sin embargo, es necesario mencionar que en esta asignatura no se tratan todos los informes existentes. Es responsabilidad del alumno recorrer la herramienta principal y “descubrir” aquello que aquí no se mencione. ¿Porqué están puestos los nombres en inglés? En Analítica web es esencial entender qué dato se ofrece bajo tal o cual nombre. En ocasiones, las traducciones (incluso las de las propias herramientas) generan confusión. Salvo contadas excepciones, las herramientas actuales llaman (en inglés), a las diferentes métricas con el mismo nombre. Además, las consultas a la API de GA deben hacerse con los nombres de las métricas y las dimensiones en inglés. Lo mejor es familiarizarse con la nomenclatura desde el principio. En aras de la claridad, cuando empecemos a tratar un informe daremos los nombres de las métricas y las dimensiones en inglés. Una vez nos hayamos familiarizado con el concepto, y según sea conveniente o no, aplicaremos la nomenclatura en castellano.

Analítica Web 1: Informes Felipe Maggi

Tema 1: Content Analysis Los informes de contenidos básicos son los que hacen referencia a: - Pages (Páginas) - Landing Pages (Páginas de entrada) - Exit Pages (Páginas de salida) En este tema vamos a centrarnos en estos tres. Sin embargo, también abordaremos de forma menos detallada los informes que agrupan los contenidos, ya sean a través de la estructura de directorios, ya sea a través de algún indicador al efecto. Una vez explicado el significado y la utilidad de las métricas en función de GA, y salvo que se indique expresamente lo contrario, se asumirá que dicho significado es el mismo en las otras herramientas analizadas. Es importante tener en cuenta que alguna herramienta en concreto puede presentar informes de contenido adicionales, y que aquí nos ocupamos preferentemente de los informes comunes a todas. 1.1

Pages, Top Content, Most Request Pages…

Las herramientas de Análisis nombran de muchas formas lo que en la mayoría de los casos viene a ser lo mismo: un listado, ordenado de forma descendente según el número de vistas (page views) o de visitas (visits), de las páginas del site. Generalmente el listado comprende todas las páginas de la web que han registrado al menos una vista durante el período analizado. Por lo tanto, el término “Pages” es el más adecuado (lo utiliza GA, en la nueva versión de la herramienta). En otras palabras: en el informe de contenido podemos encontrar cualquier página que haya sido vista en el período, no sólo las más vistas. Una excepción a esta regla es, por ejemplo, Digital Analytix de ComScore, que resuelve este informe de forma distinta, cosa que veremos un poco más adelante. Los términos del tipo “Top Content” o “Most Request Pages”, se usan porque el listado se ordena de forma descendente, y vemos primero las 10 más vistas (por defecto). Pero pronto comprobaremos que hay páginas muy importantes, que no están dentro de las 10 primeras (ni siquiera dentro de las 100 primeras). Y un analista de verdad, siempre va más allá de las 10 primeras líneas de los informes… Lo que difiere de una herramienta a otra, es la información que se da de las páginas que figuran en el listado, y las capacidades de filtrado segmentación y visualización de dicho listado.

Analítica Web 1: Informes Felipe Maggi

Analytics Analytics, por ejemplo muestra por defecto la siguiente tabla:

Todo informe de Analytcs está formado por “dimensiones” y por “métricas” (un concepto que se repite en otras herramientas) En este caso la dimensión es la página (Page) y, por defecto, el dato que nos da Analytics para reconocer una página es la URI (la URL, pero desprovista de la parte del dominio). Por ejemplo: www.misitio.com/contacto/contacto-ok La URI es la parte en verde: /contacto/contacto-ok Pregunta para el foro: ¿qué representa la barra (slash) que figura en la primera posición de la mayoría de los informes de Páginas? ¿Hay alguna forma de sustituir esa barra por un valor distinto? Las métricas son las que vemos en las columnas siguientes:

Analítica Web 1: Informes Felipe Maggi

Pageviews (Páginas vistas): hablando claro, es el número de veces que se ha “visto” o “cargado” la página en cuestión, durante el período analizado. La flecha que figura junto al encabezado indica que la tabla está ordenada por ese criterio (de mayor a menor). Si pulsamos de nuevo sobre el encabezado, los resultados se ordenaran de menor a mayor. Para ordenar la tabla por cualquiera de las otras métricas, basta con pulsar sobre el título correspondiente. Pero volvamos al concepto: si estoy navegando por una web, y paso tres veces por la home, esas tres veces estarán incluidas en la columna de Pageviews. Unique Pageviews (Páginas vistas únicas): este concepto es un poco más complejo. Aquí se cuentan las visitas (o sesiones), en las que se ha visto una página. Es decir, si estoy navegando por un site, y paso tres veces por la home en la misma sesión, Analytics sólo contará una “Página vista única”. Para ser más claro, supongamos que soy el único visitante del site en el período analizado, y que he visitado la web una sola vez en ese período. En mi navegación, he pasado tres veces por la home: En la tabla tendré… Pageviews: 3 Unique Pageviews: 1 Si en lugar de una, he visitado dos veces la web en el período, y en la segunda visita veo la home dos veces, entonces los números serán: Pageviews: 5 Unique Pageviews: 2 Tanto Pageviews como Unique Pageviews nos dan una medida de la popularidad de las páginas. Sirven para detectar aquellas que tienen un gran peso en nuestro site. Si, por ejemplo, vemos que las 5 primeras tienen un elevado porcentaje de rebote, optimizándolas bajaremos el porcentaje de rebote general del site. Average Time on Page (tiempo medio en la página): la idea es bastante simple. Es el tiempo medio que pasan las visitas viendo una página (o con la página cargada), antes de pasar a otra página del site. Es la suma de los tiempos de permanencia en dicha página, dividida por el número de veces que la página se ha visto. La frase “antes de pasar a otra página del site es importante”: si la página es la última que se ve, antes de abandonar el site, no se puede calcular el tiempo que se ha estado en ella, y se le asigna un tiempo igual a cero. Para entender esto, recomiendo la lectura de los siguientes posts: -

Standard Metrics Revisited: #4 : Time on Page & Time on Site: http://www.kaushik.net/avinash/standard-metrics-revisited-time-on-page-and-time-onsite/ (Avinash Kaushik)

Analítica Web 1: Informes Felipe Maggi

Google Analytics: los rebotes y el tiempo en la página: http://felipemaggi.com/2011/03/24/google-analytics-los-rebotes-y-el-tiempo-en-lapagina/

El tiempo medio en una página se calcula quitando las veces en las que el tiempo es igual a cero. ¿Cómo debemos interpretar el dato? Depende... Si la web es de contenidos, como la de un periódico, el tiempo medio en la página nos dice, más o menos, si la gente se está leyendo o no un artículo en concreto. Si la web se dedica al e-commerce, el análisis del tiempo medio en las páginas que forman el proceso de compra (carrito, check-out, revisión y confirmación, por ejemplo), nos dice en qué etapas debemos prestar atención. Si el tiempo medio en una página es alto (comparado con las páginas del resto del sitio), sería una buena idea realizar cambios con el objetivo de reducirlo. En procesos de compra, mientras más tiempo necesiten los usuarios, menos conversiones se suelen obtener. Tampoco es bueno un tiempo medio excesivamente bajo, entendiendo por ello un tiempo en el que normalmente es imposible acabar de interactuar con la página. Los formularios de registro son un buen ejemplo: mucho tiempo puede significar que el formulario es demasiado complejo. Poco tiempo puede significar que la gente no lo completa, y lo abandona. Sin embargo, todas estas suposiciones deben ser contrastadas con otras métricas que veremos más adelante, como los porcentajes de paso entre etapas de procesos. Bounce Rate: he aquí el dato estrella. Todo site tiene sus propios KPIs. Pero si alguno puede describirse como “casi” general, ése es el Bounce Rate (Porcentaje de Rebote). Y decimos “casi” porque hay sites, como los blogs, en los que el porcentaje de rebote es normalmente alto: llego a un post desde una búsqueda, lo leo y me voy. El Bounce Rate indica el porcentaje de visitas en las que sólo se ha visto una página del site, antes de abandonarlo. Avinash Kaushik describe así el comportamiento: http://www.youtube.com/watch?v=ppgfjo6IIf4

came,

puked,

left:

En este caso, estamos viendo el porcentaje de rebote de cada página, en concreto, es decir, el porcentaje de veces que cada página ha sido la única que se ha visto del site… El dato es muy poderoso. De un vistazo podemos encontrar las páginas que necesitan optimizarse para reducir, como ya hemos dicho, el porcentaje de rebote global. ¿Qué significa que una página tenga un 70% de rebote? Sencillamente, que de 100 usuarios que llegan a ella, sólo 30 se quedan en la web. ¿Cómo podemos utilizar el dato? De varias formas… Por ejemplo, si es la Home del site una de las páginas con porcentaje de rebote alto, debemos determinar varias cosas: 1.

¿Es capaz la Home de convencer al usuario para que vea otras páginas del site? ¿Las llamadas a la acción son claras? ¿El fácil para el usuario entender qué ofrece el site, y que debe hacer tras llegar a ella?

Analítica Web 1: Informes Felipe Maggi

2. 3.

¿Estamos atrayendo tráfico de calidad nuestro site? ¿La Home está posicionada en los buscadores por las palabras clave adecuadas? ¿La web funciona bien técnicamente? ¿La Home se carga normalmente? ¿Funciona bien en los principales navegadores y sistemas operativos?

Otras páginas requieren preguntas distintas. Si una de las páginas con rebote alto es la landing de una campaña, entonces debemos determinar, además de las cuestiones técnicas: 1. Si dicha campaña está bien segmentada, y los receptores son los adecuados. 2. Si la página ofrece lo que promete el anuncio. 3. Si las llamadas a la acción son claras. Estos son ejemplos, y ante cada situación debemos plantearnos las preguntas pertinentes, y descartar posibilidades hasta dar con la respuesta. Para más información sobre el porcentaje de rebote, otro post de Avinash Kaushik: http://www.kaushik.net/avinash/standard-metrics-revisited-3-bounce-rate/ % Exit: otra idea simple, aunque a menudo mal entendida… % Exit indica el porcentaje de veces en las que una página en concreto ha sido la última que se ha visto antes de abandonar el site. ¿Qué pasa si una página tiene un porcentaje de salidas alto? De nuevo, depende… La gente tiene que salir del site por algún sitio, tarde o temprano. Así que hay páginas que pueden tener un porcentaje de salidas elevado, sin que eso sea malo. Por ejemplo, al final de un proceso de compra. Otra cosa muy distinta es que una de las etapas intermedias del proceso de compra tenga un porcentaje de salidas alto. En ese caso tenemos un problema. En general, cualquier página que tenga llamadas a la acción, cuyo fin sea continuar con la navegación, debería tener un bajo porcentaje de salidas. Las páginas que representan el final de un proceso, o cuya visualización suponga la consecución de un objetivo, pueden tener porcentajes de salida altos sin que eso suponga un, a priori, un problema. BONUS $ Page Value: en la nueva versión de Analytics, la tabla de Contenido Principal contiene esta columna adicional. Para entender el concepto de Page Value de Google Analytics, se recomienda leer este artículo: ¿Cómo se calcula el parámetro Index?: http://www.google.com/support/googleanalytics/bin/answer.py?hl=es&answer=86205 (versión anterior del centro de asistencia). Opciones de Filtrado Como ya hemos mencionado, para los analistas es necesario ir mucho más allá de las 10 primeras líneas de un informe. Evidentemente, si queremos priorizar acciones de optimización, es buena idea comenzar por las páginas que reciben más tráfico, e ir descendiendo en el listado a medida que vayamos trabajando sobre los contenidos principales. Sin embargo, hay páginas de una elevadísima importancia que nunca estarán, como ya adelantamos, entre las “principales”. 6

Analítica Web 1: Informes Felipe Maggi

Por ejemplo, todas las páginas que conforman un proceso de venta muy rara vez estarán entre las 10 primeras. Incluso nos atrevemos a decir que, de media, la página de agradecimiento de la compra (aquella que sólo se carga cuando el usuario ya ha pagado), apenas se ve en el 2% de las visitas (y menos). Si alguna vez nos encontramos ante los datos de un site donde no se han definido objetivos (algo muy frecuente, por cierto) es posible calcular el porcentaje de conversiones viendo el número de vistas únicas (Unique Page Views), que ha tenido la página de final de un proceso en un período determinado, y dividiendo ese número por el total de visitas al site en el mismo período. ¿Pero cómo encontramos esa página, entre cientos, incluso miles? Pues mediante las opciones de filtrado. Lo más sencillo es escribir directamente el nombre de la página (o una parte de él) en el cajetín de búsqueda, y pulsar la lupa.

Sin embargo, la cosas no suelen ser tan fáciles. Muchas veces el nombre de una página incluye parámetros, o cadenas que comparten con otras páginas del site. Por ejemplo, supongamos que en una web hay dos procesos: uno de reserva y otro de venta, que acaban en páginas que se llaman: a. /venta/agradecimiento.html b. /reserva/agradecimiento.html Además, si un proceso se efectúa pero da error, la páginas que se cargan son: c. /venta/agradecimiento/error.html d. /reserva/agradecimiento/error.html Supongamos que queremos saber el porcentaje de conversiones de ventas reales (no de reservas, ni de ventas con error, donde no se recibe dinero). Si filtramos por “agradecimiento”, el resultado será todas las páginas que contengan ese término. Es decir, a , b, c y d. No nos sirve. Si filtramos por “/venta/agradecimiento”, el resultado contendrá las opciones a y c. Tampoco nos sirve. Podemos refinar, y filtrar por /venta/agradecimiento.html, y sólo obtendremos la opción a. Sin embargo, hay ocasiones en que esto no es suficiente. Supongamos que en la URL se pasa un parámetro que identifica la venta, por ejemplo: /venta/10001/agradecimento.html ¿Cómo podemos saber, entonces, el numero de veces que se ha cargado la página de agradecimiento de la venta, independientemente del identificador?

Analítica Web 1: Informes Felipe Maggi

Si pongo “/venta/10001/agradecimento.html” en la caja del buscador solo obtendremos como resultado esa cadena. Si le decimos que muestre las URLs que contienen venta o agradecimiento, con la expresión regular “(venta|agradecimiento)”, nos mostrará todas, pero también las de error… Para eso existen los filtros avanzados, en lo que puedo decir, por ejemplo: “muéstrame todas las páginas que incluyen tal término, y que acaban de tal modo”. En ese caso, para ver el porcentaje de conversiones de venta, puedo filtrar por: Page à Containing à “venta” And Page à Ends With à “agradecimiento.html”

Así obtendremos el listado de todas las páginas de agradecimiento de la venta (sin error, que acaba en “error.html”), independientemente del identificador de la venta. Esto es una forma de simplificar búsquedas complejas. Cuando estamos un poco “mas puestos”, podemos echar mano de expresiones regulares. Por ejemplo, habríamos obtenido el mismo resultado con la expresión regular: /venta/(.*)/agradecimiento.html Haga usted pruebas, y comente sus resultados en el foro. Hablaremos más sobre expresiones regulares en el capítulo correspondiente, pero se puede adelantar leyendo este artículo: http://support.google.com/analytics/bin/answer.py?hl=es&answer=1034324 Aunque el listado nos muestra todas las URLs que contienen venta y que acaban en agradecimiento.html, el resumen de la tabla nos da los datos correspondientes al conjunto de páginas filtradas:

Analítica Web 1: Informes Felipe Maggi

De esa forma podemos saber que la páginas de agradecimiento de la venta han registrado su conjunto 113.937 vistas únicas. Si el site ha registrado en ese período 1.000.000 de visitas, el porcentaje de conversiones ha sido de (113.937/1.000.000)x100 = 11,4% (nada mal, por cierto). Afortunadamente, hay una forma mucho más sencilla de determinar el porcentaje de conversiones de una web, y la veremos en el tema dedicado a la implementación de objetivos, en el curso siguiente. Un proceso similar se puede aplicar en la mayoría de herramientas, cuyas opciones de filtrado si no iguales, son similares. La mayoría opera perfectamente con RegEx. Otra posible aplicación puede ser el cálculo del porcentaje de páginas en las que se ha estado más de un tiempo determinado. En este caso el criterio sería “Incluir à Average Time on Page à Greather than…” Es decir, el criterio de filtrado no es el nombre de la página (dimensión), si no una métrica, como el tiempo medio en la página. Es muy recomendable entrar en la cuenta de Analytics, y revisar las opciones de filtrado para familiarizarse con ellas. Las combinaciones son muy numerosas, y sería tedioso ejemplificarlas todas en este documento. Bonus Page Title: En esta pestaña, GA muestra, en lugar de la URI de la página, el listado de Titles de páginas del site (un Title aparece siempre y cuando se haya consultado al menos una página con dicho Title en el período). Si se hace click sobre cualquiera de ellos, se muestra el listado de todas las páginas que tengan ese Tiltle. Idealmente, en un site bien construido, un Title debe corresponder a una sola página. Content Dilldrown: Aquí GA muestra los directorios de los contenidos. Cuando se hace click sobre cualquiera de ellos, se ve el listado de páginas que pertenecen a ese directorio. Ambos informes presentan las mismas métricas que el de “Pages”, con opciones de filtrado. Tema para el foro: ¿Qué utilidad tienen estos informes? Visualizaciones Otra de las opciones que da Analytics es el tipo de visualización. Recomendamos encarecidamente “jugar” con ellas. Aquí ejemplificaremos la que a nuestro juicio es una de las más útiles: la combinación de “Comparision”…

Analítica Web 1: Informes Felipe Maggi

y Bounce Rate…

Analytics compara gráficamente la métrica seleccionada, en este caso el porcentaje de rebote, con la media del sitio… ¿Queda claro que la página que ocupa la posición 9 requiere atención no?

Por último, siempre podemos aumentar el número de filas (rows) que se muestran en el informe.

Analítica Web 1: Informes Felipe Maggi

Tema para el foro: ¿Qué otras opciones de visualización tiene la tabla de “Pages”? ¿De qué manera se le puede sacar partido a las “Dimensiones secundarias”, y la tabla tipo “Pivot”? Por supuesto, todos los datos que ofrece el informe de “Pages”, pueden segmentarse (algo que sucede en la mayoría de los informes de Analytics):

Por defecto los informes se aplican sobre todas las visitas, pero podemos aplicar segmentos predefinidos (como Returning Visitors, Search Traffic, Non-bounce Visits), o crear nuestros propios segmentos avanzados (Visitas de una determinado país, por ejemplo). A lo largo de este curso, y en general a durante todo el postgrado, se hace hincapié en que la fuerza del análisis web está en la segmentación. Por ejemplo, y siguiendo con el ejemplo del porcentaje de conversiones, que calculamos para todas las visitas, podemos hacer lo mismo para los segmentos creados por cada una de las fuentes de tráfico. De esa manera, podemos descubrir, por ejemplo que el porcentaje de conversiones de las visitas que llegan por tráfico orgánico, de pago, directo o referente son: Tráfico orgánico: Tráfico de pago: Tráfico referente: Tráfico directo:

1,9% 0,4% 2,5% 2,7%

¿Se ve algo a primera vista? Un analista medio ve aquí varios insights: 1.

El tráfico de pago tiene un porcentaje bajo de conversiones, comparado con el resto. Urge un análisis de las campañas, y un replanteamiento de las mismas, puesto que no se está generando visitas de calidad. El problema puede estar en el target, o en las landig pages…

Hay que potenciar tanto el tráfico directo (con campañas de Brand), y el referente (¿desde redes sociales?), puesto que su porcentaje de conversiones es muy alto (en comparación).

Analítica Web 1: Informes Felipe Maggi

Hay que segmentar, a su vez, el tráfico referente para ver que sites son los que mejor están funcionando… Quizá valdría la pena llegar a algún tipo de acuerdo comercial con ellos…

Estos no son más que ejemplos, pero ilustran lo que podemos encontrar si segmentamos. Lo que visto desde una perspectiva global pasa desapercibido, con la segmentación sale a la luz.

Nota importante: las opciones de filtrado, visualización y segmentación que hemos mostrado son aplicables a la mayoría de los informes de Analytics. En Adelante sólo hablaremos de ellas cuando un informe presente algún tipo de particularidad al respecto.

Yahoo! Web Analytics

El informe de “Most Request Pages by URL de Yahoo Web Analytics! muestra Page Views, el porcentaje sobre el total, y el tiempo medio en la página.

Analítica Web 1: Informes Felipe Maggi

Las opciones de filtrado son similares a las que ya hemos visto, por lo que la lógica es prácticamente la misma.

Yahoo Web Analytics! permite, además, aplicar una escala de color a la métrica que deseemos, de forma que podemos resaltar ciertos valores según las reglas que definamos.

Por ejemplo, en la tabla superior se ha definido una regla para la métrica “Average Time On Page”, de manera que se marquen en rojo las páginas en las que de media se está menos de 35 segundos, en verde aquellas en las que se está más de un minuto, y en amarillo aquellas en las que de media se está entre 35 segundos y un minuto. Esto facilita localizar aquellas páginas en las que el tiempo de permanencia no es óptimo.

Analítica Web 1: Informes Felipe Maggi

Al igual que en la herramienta de Google, en Yahoo! Web Analytics podemos segmentar los datos por varios criterios.

Finalmente, es posible añadir, mediante la pestaña “Events”, anotaciones descriptivas de sucesos importantes que posteriormente nos ayudan a realizar los análisis, y a explicar el porqué de ciertas tendencias… Su uso es más que recomendable. Esta funcionalidad es similiar a las “anotaciones” de Google Analytics. Aunque la forma y las opciones de creación difieren, el objetivo es el mismo.

Analítica Web 1: Informes Felipe Maggi

XiTi

XiTi, por su parte, muestra por defecto “Visitas”, “Usuarios” y “Páginas Vistas”, pero es posible ampliar las columnas de datos, haciendo click sobre la lengüeta con la “M”, que figura junto a páginas vistas.

Si seleccionamos la pestaña “Interés”, entonces vemos “Páginas vistas por visita”, “Duración de la descarga” y “Duración de la visita”.

Analítica Web 1: Informes Felipe Maggi

El informe de XiTi se diferencia del resto por la columna “Niveles 2”. En XiTi es posible asignar a las páginas un “Nivel 2”, que viene a ser un sistema de agrupación, que permite analizar la navegación por los diferentes grupos de contenidos. Por ejemplo, supongamos que tenemos un site de E-commerce, en el que además de las páginas relacionadas directamente con la venta (carrito de la compra y proceso de check-out), tenemos las páginas de productos, las de información corporativa, y las de atención al cliente, con información sobre devoluciones y tiempos de entrega. Podemos definir los “Niveles 2” de la siguiente manera: 1. 2. 3. 4.

E-commerce Productos Información corporativa Atención al cliente.

Luego, a cada página se le asigna su “Nivel 2” correspondiente. Así, cada ficha de producto tendrá estará agrupada en “Productos”, las páginas de Preguntas frecuentes y Política de devolución, en “Atención al cliente”, el formulario de datos de facturación y el carrito de la compra en “E-commerce”, y las páginas de Quienes somos, Dónde estamos y Qué hacemos en “Información corporativa”. Hay informes que muestran información relativa a estos grupos de páginas, lo que facilita, como hemos dicho, el análisis del uso de grupos de contenido. Otras herramientas, como Google Analytics, resuelven las agrupaciones de contenidos confiando en la estructura de directorios de la web. Esto facilita la implementación (porque evita tener que asignar y aplicar un indicador a cada página del site). Sin embargo, no siempre la estructura de contenidos de un site está bien definida. Incluso, es posible que los nombres de los directorios no sean descriptivos. En esos casos, es necesario hacer uso de otras técnicas que terminan igualmente por “complicar la instalación” (ya hablaremos de esto en el capítulo correspondiente). Digital Analytix Digital Analytix (en adelante DAx), de ComScore es una herramienta que presenta ciertas particularidades con respecto a las otras. Para empezar, no tiene informes predefinidos.

Analítica Web 1: Informes Felipe Maggi

Para ver los dato, es necesario hacer una “consulta”, seleccionando de un listado los “ítems” que desea ver. La cantidad de “ítems” que pueden ser consultados es enorme, por lo que sólo nos centraremos en los tres informes básicos de contenidos tratados hasta ahora. Sin embargo, la filosofía es la misma para todos los casos.

Por ejemplo, el ítem “Most popular pages”, se encuentra dentro de “Page Views” à “General”

Analítica Web 1: Informes Felipe Maggi

Una vez seleccionado uno o varios ítems, es posible determinar el período de los datos, el período de referencia (con el que se desea comparar los datos) y el site que se desea analizar. Las otras opciones están relacionadas con la forma de visualización. Cuando se pulsa “Finish”, el informe se muestra en la pestaña “Report”. Por defecto, el dato que da DAx es el numero de veces que se ha visto la página en el período, y el porcentaje que representa del total de páginas vistas. Si no se especifica otra cosa, el informe muestra las primeras 20 páginas.

Analítica Web 1: Informes Felipe Maggi

Para hacernos un informe similar a, por ejemplo, el que muestra GA por defecto, debemos usar el “Report Builder”, y definir el informe que necesitamos. Estos informes pueden guardarse, por lo que no es necesario hacerlos cada vez. Una vez hechos, basta con cambiar los parámetros de la consulta para analizar, por ejemplo, los datos del mes siguiente. Por ejemplo, para ver los rebote de las principales páginas del site, podemos hacer lo siguiente:

Analítica Web 1: Informes Felipe Maggi

Ir al “Report Builder”, y seleccionar los elementos “page” (en las líneas), y las métricas “Page View” y “Bounced Visit” en las columnas. Luego definir una “Calculated Column” de la forma (column(2)/column(1))*100 El resultado será una tabla que nos mostrará las vistas de cada página, las veces en las que se ha registrado un rebote (es decir, las veces en las que esa ha sido la única página vista del site, durante la visita), y el correspondiente porcentaje de rebote:

URCHIN Urchin es muy similar a GA (sobre todo a la versión anterior de GA). Como se habrá visto en asignaturas anteriores, la principal diferencia entre uno y otro es que el primero opera con logs, y los datos son almacenados en los servidores del cliente (a parte de que no es gratuito).

Analítica Web 1: Informes Felipe Maggi

Hay algunas diferencias en la manera de organizar los informes, y en los nombres de los mismos, pero en general es casi la misma herramienta. Por ejemplo, hay tablas que URCHIN resuelve con pestañas, como “Content by Titles”:

1.2 Landing Pages Las Landing Pages, o páginas de entrada, son aquellas a través de las cuales los usuarios acceden al site. A menudo, los listados de Top Content, y Top Landing Pages son muy similares. Sobre todo si la principal fuente de tráfico son los motores de búsqueda. Como en el caso del informe de “Pages”, aquí vemos cualquier página que durante el período haya operado como puerta de entrada al site. Tradicionalmente, se ha prestado mucha atención a la Home, pues se la considera la principal landing de un site. Sin embargo, hace tiempo que esto no es así (o no debería serlo). Es cierto que la Home suele concentrar un gran numero de entradas pero hay tipos de páginas que, juntas, pueden sumar más que la Home. Un site de e-commerce, por ejemplo, debería mostrar un elevado número de accesos a través de las fichas de producto. Una sola ficha de producto quizá tenga pocas entradas en un período, pero los accesos al site a través de todas las fichas de producto quizá suman más que los accesos a través de la página principal. Lo mismo puede decirse de los artículos y las noticias de un site de contenidos, como un periódico online, por ejemplo. Es evidente que mejorando los rebotes de las principales páginas de entrada, entre las que seguramente estará la Home, mejoraremos el porcentaje de rebote global del site. Sin embargo, no podemos obcecarnos con el listado de las 10 primeras, si siquiera de las 20 primeras. Es necesario ver si existen grupos de páginas que presentan una característica común, cuyos accesos sumados representan un porcentaje elevado del total. Volviendo al ejemplo de site de e-commerce… Las fichas de producto deberían estar optimizadas para su posicionamiento en buscadores. Si conseguimos que a través de este

Analítica Web 1: Informes Felipe Maggi

grupo de páginas la gente acceda al site, es evidente que tendremos que fijarnos principalmente del porcentaje de rebote “medio” de las fichas de producto. Analytics

El informe de Top Landing Pages ofrece las siguientes métricas: Entrances (entradas), Bounces (Rebotes), y Bounce Rate (% de rebote). Nada más, y nada menos: este informe está claramente pensado para optimizar el site en este sentido. Por seguir con el ejemplo, si las fichas de producto muestran un porcentaje de rebote elevado, es evidente que deben efectuarse acciones tendentes a reducirlo. Las razones pueden varias, y las acciones dependen de ellas. Un usuario puede rebotar desde una ficha de producto porque: 1. La ficha no se carga (problema técnico). 2. La ficha no le gusta, y no lo convence para ir más allá (problema de diseño y contenidos). 3. El producto no es lo que busca (problema de posicionamiento y palabras clave). 4. El usuario no está interesado en el producto (problema de la calidad del tráfico). 5. Etc… En ocasiones, el rebote se produce por una mezcla de estos y otros factores. Suele ser necesario analizar otros datos, con el fin de encontrar las causas reales de los rebotes, de forma que podamos actuar en consecuencia. Para facilitar la compresión de estos ejemplos, vamos a pensar que la causa es única. Si el problema es técnico, debemos revisar el código, los tiempos de carga y la respuesta de los servidores.

Analítica Web 1: Informes Felipe Maggi

Si el problema es de diseño, es necesario plantear una hipótesis de mejora, y programar un test A/B o multivariante. Si el producto no es lo que busca el usuario, hay que revisar la estrategia de posicionamiento orgánico, y cambiar URLs, titles, descriptions y contenidos para favorecer que las fichas aparezcan en los resultados de búsquedas relacionadas con la oferta. Si usuario no está interesado en el producto, entonces estamos atrayendo a las personas inadecuadas, y probablemente tendremos que revisar la estrategia de nuestras campañas… Estas cuestiones se verán en detalle en la asignatura de Optimización y Testing. Tema para el foro: ¿Cómo podemos ver el porcentaje de rebote de un determinado “grupo de páginas” del site? Yahoo! Web Analytics

El informe de “Entry Pages” de YWA muestra: -

Visits (número de visitas que han empezado desde la página en cuestión). % (porcentaje de visitas que han empezado desde la página en cuestión). Page views (el número total de páginas visitas por los visitantes que entraron al site a través de la página en cuestión). Browser rate (la media de páginas vistas por los visitantes que entraron al site a través de esa página específica).

De todos, el último dato es el más interesante. Sustituye al dato de “bounce rate”, pero viene a decirnos lo mismo. Si la media de páginas vistas tras entrar al site a partir de, por ejemplo, la Home, es de 1, eso quiere decir que tras visitar la Home, la mayoría de la gente abandona el site sin ver ninguna otra página. Personalmente prefiero el bounce rate, pero el dato de YWA es igual de útil si queremos localizar páginas con problemas.

Analítica Web 1: Informes Felipe Maggi

XiTi

XiTi por defecto nos muestra Visitas, Páginas vistas/visitas, y tasa de entrada. Si pulsamos sobre la “M” que figura junto a los encabezados de las columnas, podemos seleccionar más métricas:

Evidentemente, una de las que deberíamos agregar es la tasa de rebote.

Analítica Web 1: Informes Felipe Maggi

Digital Analytix Como ya hemos visito, en DAx es necesario crear el informe. En este caso, el ítem “Entry pages” se encuentra dentro de la carpeta “navigation”, subcarpeta “Entry and Exit”.

Una vez seleccionado el período, el site, y el segmento sobre el que queremos aplicar el informe (ver el capítulo de “Top Content” dedicado a DAx), obtenemos el siguiente informe (el gráfico de tarta es opcional):

Aquí vemos “Visits” y el porcentaje de visitas que empiezan por la página en cuestión.

Analítica Web 1: Informes Felipe Maggi

Ya hemos explicado cómo podemos “construir” un informe personalizado que nos dé, por ejemplo, el porcentaje de rebote (ver, en el capítulo de “Top Content” el apartado dedicado al “Report Builder”. URCHIN

De forma similar a GA, URCHIN nos muestra Entrances, Bounces, y Bounce Rate. Aquí es importante resaltar una cosa: la tabla solo muestra tres métricas… ¡Pero son precisamente las que necesitamos! Muchas veces las herramientas muestran un dato porque “pueden mostrarlo”, sin embargo, como analistas, debemos ser capaces de separar el trigo de la paja. Cuando estamos analizando las páginas de entrada, el porcentaje de rebote es el dato estrella. El número de entradas (Entrances), nos permite ordenar según el peso de la página a nivel de tráfico. Pero ya hemos visto que para ciertos análisis no podemos quedarnos sólo con las páginas “Top”. 1.3 Top Exit Pages Toda persona que entra en una web, la tiene que abandonar por algún sitio. Así que es normal que existan páginas de salida. Como de costumbre, este informe muestra, en la mayoría de las herramientas, toda página desde la cual se ha dejado el sitio (durante el período analizado).

Analítica Web 1: Informes Felipe Maggi

Google Analytics

En este caso GA muestra Exits, Pageviews, y %Exits. Es decir: la cantidad de salidas del sitio que se han efectuado desde una página en concreto, la cantidad de veces que se ha visto esa página en el período, y el correspondiente porcentaje. ¿Es malo que una página tenga un porcentaje de salidas alto? No necesariamente. Supongamos que estamos ante un proceso de compra. Es normal, incluso deseable, que la página de agradecimiento de la venta tenga un alto porcentaje de salidas. La web ya ha conseguido su objetivo. El usuario ha hecho lo que quería (comprar), y se ha ido (esperemos que cuando vuelva lo haga para comprar de nuevo). Ahora bien, y como ya comentamos antes, no es bueno que cualquiera de las páginas intermedias del proceso de compra tenga altos porcentajes de salida, puesto que eso demostraría la existencia de un problema en el embudo de compra. Por lo tanto, el análisis del porcentaje de salida debe adecuarse a la página en concreto, y no se puede aplicar la regla general de “alto = malo” y “bajo = bueno” (o viceversa). La Home por ejemplo, puede tener un alto porcentaje de salida (la gente acaba la visita saliendo por la puerta principal). Eso no es malo a priori. Si el porcentaje de rebote de la Home es bajo, estamos ante un site que presenta un flujo que va desde la Home, a las páginas internas y de vuelta a la Home. El problema sería que la página principal mostrara un alto porcentaje de rebote. En ese caso, algo pasa. Temas para el foro: ¿Cómo podemos localizar una página en concreto en este informe? ¿Es posible que una página tenga un alto porcentaje de rebote, y un bajo porcentaje de salidas? ¿Es posible que una página tenga un bajo porcentaje de rebote, y un alto porcentaje de salidas? Para este último casos, ¿se pueden dar dos ejemplos de situaciones distintas en las que esto ocurriría?

Analítica Web 1: Informes Felipe Maggi

Yahoo Web Analytics

YWA muestra: -

Exits (el número de visitas que han acabado es la página en cuestión). % (el porcentaje de visitas que acaban en la página en cuestión, en función del total de visitas). Page Views (el número total de páginas visitas por los visitantes que abandonan el sitio desde la página en cuestión). Exit Rate (el porcentaje de veces que la página en cuestión ha sido una punto de salida del site. Se calcula dividiendo el número de salidas por el número de páginas vistas).

Tema para el foro: la descripción que hace YWA de estas métricas es la siguiente:

Analítica Web 1: Informes Felipe Maggi

Sería muy interesante discutir su significado. XiTi

XiTi muestra Visitas, Páginas vistas por visita, y CC. Teniendo en cuenta las otras métricas disponibles, ¿como calificaría usted este informe?

Tema para el foro: qué es la métrica “CC” ¿Es útil la información que da XiTi?

Analítica Web 1: Informes Felipe Maggi

Digital Analytix

Como es habitual, DAx muestra por defecto visitas a la página, y porcentaje de visitas sobre el total. URCHIN

Finalmente, URCHIN nos muestra de nuevo sólo tres columnas: Exits, Page Views y % Exits. Es destacable la economía de datos y, desde nuestro punto de vista, la pertinencia de los mismos.

Analítica Web 1: Informes Felipe Maggi

Reflexiones finales Los informes de contenido, páginas de entrada y de salida nos permiten analizar el desempeño aquellas páginas que tienen un gran peso dentro del site, ya sea por su volumen de tráfico, ya sea porque forman parte de un proceso clave. Una forma de conceptualizar la utilidad de estos informes es la siguiente: una vez localizadas las páginas principales, éstas deben ser optimizadas de forma que inviten al usuario a seguir en el site. Por tanto, se trataría de disminuir los porcentajes de rebote, y los de salida, realizando cambios al efecto. Para estar seguro de que las acciones surten efecto, no basta con ver la variación de los indicadores entre un período en otro. Hay que fijarse en las tendencias. Si se trata de páginas de entrada, la idea es conseguir “una primera impresión” que evite el rebote. Si se trata de páginas internas, el objetivo es mantener al usuario en el proceso (incluso si se trata de las etapa final del final del mismo). Evidentemente, hay páginas en las que el porcentaje de salida siempre será alto (como se ha dicho, la gente debe salir del site por algún sitio). Sin embargo, esto no significa que no debamos trabajar para evitar el abandono. Por ejemplo, cuando se acaba una compra, en la página de agradecimiento se pueden mostrar artículos relacionados con los productos comprados. La idea es que el usuario visite las fichas correspondientes y que, con un poco de “suerte”, inicie otro proceso de compra. En sitios de contenido se suele usar las “referencias cruzadas”, y las recomendaciones de artículos relacionados. Hay procesos en los que el tiempo es clave. Cuando estamos ante una venta, es indispensable vigilar el tiempo medio de permanencia en cada una de las etapas. Lo mismo es aplicable en sites de contenido. La diferencia es que mientras en el primer caso debemos trabajar para disminuir los tiempos (mientras más rápido se efectúe una venta, mejor), en el segundo debemos conseguir que estos aumenten, por lo menos el tiempo necesario para asegurarnos de que los contenidos se consumen. Materiales: Slides de Google Conversion University (GAIQ). http://www.google.com/intl/en/analytics/iq.html?&rd=2 -

Working with Report Data: Watch presentation (7:43 minutes) Content Reports: Watch presentation (2:43 minutes)

Analítica Web 1: Informes Felipe Maggi

Tema 2. Navigation Analysis ¿Cómo recorre la gente nuestro sitio? ¿Desde donde va, y hasta dónde llega? ¿Los usuarios hacen lo que creemos que deberían hacer? ¿Los usuarios están llegando a las páginas de destino a través del camino más óptimo, o los estamos obligando a dar rodeos? ¿A dónde va la gente tras visitar una determinada página? El Análisis de Navegación responde a estas y a otras cuestiones, y nos da una idea sobre la usabilidad de nuestra web. Nuevamente, en este tema trataremos con mayor profundidad los informes de Google Analytics, y los compararemos con los ofrecidos por las otras herramientas. En este tipo de informes, queda patente que la gratuidad no es sinónimo de deficiencia. 2.1 Navigation Summay; Entrance Path “Navigation Summary”, “Click Path from a specified page; Click Path to a especified page”, “All Navigation”, “Paths”, etc, son los distintos nombres que recibe un tipo similar de informe: aquel que nos muestra el comportamiento de navegación de los usuarios en torno a una página concreta, basándose en páginas vistas, visitas o clicks (según el informe). Indudablemente, para las páginas con gran tráfico el informe es esencial. Nos permite ver cómo se comportan, de forma agregada, los usuarios que pasan por ellas. Sin embargo, el problema de este tipo de informes es que no dan una visión general de lo que pasa en el site a nivel de navegación. Por lo general están pensados para detectar el comportamiento de la mayoría de los usuarios alrededor de una página en concreto. Es cierto que dicha página puede ser cualquiera de las que conforman el site, pero la consulta individualizada de cada una de ellas jamás nos dará una idea global y acertada de la navegación por el sitio. Por tanto, su utilidad no es la de mostrar las rutas más comunes, si no la de permitir el análisis de comportamiento alrededor de las páginas clave de nuestra web. Es importante tener en cuenta que una página puede ser “clave”, aun cuando tenga un relativamente bajo número de visitas, o páginas vistas. Analizar, por ejemplo, a dónde van los usuarios desde el formulario de datos personales (en medio de un proceso de compra), puede ayudarnos a mejorar nuestro porcentaje de conversiones. Quizá descubramos que es necesario eliminar todos aquellos enlaces que sacan al usuario del proceso…

Analítica Web 1: Informes Felipe Maggi

Google Anlytics

GA muestra, para cada página del site, las páginas previas y las siguientes, en base a páginas vistas. Aunque el listado muestra por sólo las 10 principales, es posible localizar cualquier página utilizando los campos de búsqueda. Sin embargo, en este caso las 10 primeras suele ser suficiente. Basta con fijarse en los porcentajes de las últimas páginas del listado. Ahora bien, si estamos interesados en ver la navegación por un grupo de páginas, este informe no facilita las cosas. Por ejemplo, cada ficha de producto en un site de e-commerce tiene una URL diferente, por lo que el porcentaje de páginas vistas desde un listado de productos a una ficha siempre será bajo. Lo ideal sería ver el porcentaje de páginas vistas de las fichas de producto de forma agregada. Así sabríamos en que medida los usuarios van desde los listados las fichas de producto. En cualquier caso, este informe no carece de utilidad. Nos permite detectar el comportamiento de la mayoría de los usuarios alrededor de una página en concreto. La cuestión aquí es seleccionar de forma adecuada la página que debe analizarse. Normalmente, se suele ver qué hace la gente desde la Home. No es mala idea, pero mucho más útil puede ser analizar cada una de las páginas de un proceso. Este tipo de informe permita detectar si en torno a una página la navegación es sencilla o compleja. Un indicador claro de esto último es la repetición de las páginas anteriores y las posteriores, lo que puede significar que los usuarios necesitan volver a la página para “reonrientarse”. Bonus En la versión anterior de GA, hay un informe denominado “Entrance Path”.

Analítica Web 1: Informes Felipe Maggi

En él, es posible seleccionar una página en concreto, y ver el porcentaje de visitas que pasaron a las páginas siguientes. Como veremos, este informe ha sido sustituido por uno mucho más útil denominado “Visitors Flow”. Yahoo! Web Analytics

YWA, en su informe “Paths” nos muestra de manera gráfica un concepto similar al de “Navigation Summary” de GA (aunque no muestra las páginas anteriores). Se diferencia en que podemos seleccionar más de una página a la vez, y ver parte del flujo de los usuarios. Como en el caso anterior, este informe no permite tener una visión general del comportamiento de los usuarios, y su utilidad depende en gran medida de la elección que hagamos de las páginas a analizar.

Analítica Web 1: Informes Felipe Maggi

YWA, además, cuenta con un informe denominado “Escenario Analysis”. El escenario debe ser definido con anterioridad, y muestra el comportamiento de los usuarios en un determinado grupo de páginas. Tema para el foro: ¿cómo mejoraría usted este tipo de informes? XiTi

XiTi es bastante económico en medios. Nos muestra, como GA las páginas desde las que se llega, a las que se va, desde una página concreta. Da datos absolutos, no porcentajes. De nuevo, tener una idea global de la navegación por el sitio es imposible. Tema para el foro: ¿le parece suficiente esta información? Digital Analytix

DAx, no es especialmente atractivo desde un punto de vista gráfico, sin embargo es una herramienta potente que nos da la información que buscamos. El ítem “Path” muestra los recorridos que han efectuado los usuarios (browsers en este caso), y los ordena según las

Analítica Web 1: Informes Felipe Maggi

veces que ese recorrido se ha efectuado. Es lo más cercano a una visión global de las rutas preferidas por los usuarios que hemos visito hasta ahora. Nos permite hallar rápidamente las rutas principales, lo que puede usarse para varios fines. Un ejemplo: si estamos ante un site de contenidos que vive de la publicidad, ¿no sería buena idea colocar anuncios a lo largo de las rutas principales, con el fin de maximizar las impresiones, o los clicks? Si queremos ver las desde qué páginas se llega y a que páginas se va desde, por ejemplo, la home, en DAx debemos seleccionar los ítem correspondientes, y especificar la página.

Tema para el foro: ¿es importante la presentación gráfica de los datos? ¿Perdemos información si la información se ofrece en tablas?

Analítica Web 1: Informes Felipe Maggi

URCHIN URCHIN muestra dos informes que, aunque no gráficamente, conceptualmente son similares a “Entrance Path” y “Navigation Summary”.

“Inicial Path” muestra un listado de páginas, ordenadas según las visitas. Si pulsamos sobre el recuadro blanco que figura junto a cada una, vemos las páginas, según porcentajes, que se han visto después:

“All Navigation”, por su parte, muestra las páginas que se ven antes, y las que se ven después, alrededor de una página en concreto. El informe se basa en el porcentaje de clicks sobre los enlaces (incluyendo entradas y salidas).

Analítica Web 1: Informes Felipe Maggi

Pulsando sobre el cuadro blanco que figura junto a cada ítem de “Directory an Pages, seleccionamos la página que queremos analizar. De nuevo, y como recomendación general, la clave es tener muy claras qué páginas interesan. 2.2 In-page Analytics

Este tipo de informe nos muestra, entre otras cosas, el porcentaje de clicks sobre los elementos de la página seleccionada. “In-page Analytics” es el nombre que recibe el informe en GA. En otras herramientas se conoce como “Click Overlay”. Su utilidad radica en que nos muestra gráficamente cuáles son los elementos que más clicks generan y, por consiguiente, a dónde van mayoritariamente los usuarios desde la página en cuestión.

Analítica Web 1: Informes Felipe Maggi

Hay herramientas que resuelven esto con “mapas de calor” sobre las zonas mas clicadas. Es una solución gráfica para un dato similar. 1.3. Visitors Flow

Unas cuantas imágenes valen más que mil palabras. La nueva versión de GA ofrece un informe que nos permite ver de un vistazo las principales rutas de navegación por un site. Recomendamos encarecidamente que se investiguen las posibilidades que ofrece este informe. Como comparativa, podemos ver lo que ofrece DAx:

Analítica Web 1: Informes Felipe Maggi

Temas para el foro: - ¿Cómo podemos usar el informe “Visitors Flow” de Analytics? ¿Qué insights podemos sacar de él? ¿Qué acciones de optimización nos puede sugerir? - ¿Qué significa el dato “number” que ofrece DAx? - ¿En qué métricas se basan los informes que hemos visto hasta ahora? ¿En qué métrica se basa el Visitors Flow? ¿La diferencia de métricas supone diferencias conceptuales en el informe? ¿Qué métrica ofrece una visión más real del comportamiento de navegación? BONUS Page Depth, de YWA, es un informe muy útil a la hora de analizar un dato esencial en páginas clave: ¿cuántos cliks son necesarios, de media, para llegar a una página en concreto?

Evidentemente, hay páginas que están situadas mucho más internamente que otras, y es lógico que la media de cliks para llegar a ellas sea “alta”. Sin embargo, una página clave, sobre

Analítica Web 1: Informes Felipe Maggi

la que hay un especial interés, no debería estar más allá de uno o dos cliks desde la entrada al site. Materiales: -

Posts de Avinash Kaushik y Dave Chaffey o Path Analysis: A Good Use of Time? (http://www.kaushik.net/avinash/pathanalysis-a-good-use-of-time/). o Forward and reverse path clickstream analysis in Google Analytics (http://www.smartinsights.com/analytics-conversion-optimisation-alerts/forwardand-reverse-path-clickstream-analysis-in-google-analytics/).

Slides de Google Conversion University (GAIQ). http://www.google.com/intl/en/analytics/iq.html?&rd=2 o Content Reports: Watch presentation (2:43 minutes)

Analítica Web 1: Informes Felipe Maggi

Tema 3. On Site Search Analysis ¿Qué buscan los usuarios en un sitio? ¿Hay contenidos que los usuarios no están buscando? ¿Cuando los visitantes efectúan una búsqueda, encuentran lo que quieren? ¿Si no encuentran lo que están buscando, que hacen a continuación? ¿Qué cadenas de búsqueda no generan resultados? ¿Estoy ofreciendo todos los contenidos que interesan a mis visitantes? La respuesta correcta a cada una de estas preguntas es esencial para mejorar la experiencia de usuario. Es más, en algunos tipos de sites, el buscador interno tiene un papel importantísimo en las conversiones. El análisis de las búsquedas en el sitio nos permite, de una forma más directa que muchos otros informes, saber “qué están pensando” los visitantes. Es, en definitiva, una forma de “escuchar a los usuarios”. En lugar de suponer qué es lo que puede interesarles, las búsquedas en el sitio nos dicen claramente lo que les interesa… 3.1 On Site Search Un dato clave en el análisis de las búsquedas en el sitio es el porcentaje de uso de buscador interno. Como hemos dicho, hay sitios en los que el uso o no del buscador significa mayores o menores porcentajes de conversión. Relacionado con lo anterior, un análisis básico es segmentar entre las visitas que usan el buscador, y las que no, y comparar los KPIs de site entre uno y otro segmento. En muchos casos, el resultado de este “experimento” nos convence de la importancia de las búsquedas internas. Esto permite plantear una serie de acciones de optimización tendentes a aumentar el uso del buscador, mejorar los resultados, y disminuir las búsquedas con cero resultados.

Analítica Web 1: Informes Felipe Maggi

Google Analytics

El informe Site Search de GA nos muestra en primer lugar un resumen, con los datos generales. Para saber cómo calcula Analytics estos datos, se recomienda la lectura del artículo: How We Calculate Site Search Metrics: https://support.google.com/analytics/bin/answer.py?hl=en&answer=1032321 Tema para el foro: ¿qué diferencia hay entre Results Pageviews / Search y Search Deph? Estos datos nos dan un visión general del uso de buscador interno y, sobre todo, de su desempeño. Por ejemplo, y usando los números que vemos en la foto de pantalla ¿cómo calificaría usted el funcionamiento del buscador? Considere lo siguiente: - El buscador se usa en menos del 1% de las vistas. - En un 15% de las veces, se abandona el site inmediatamente después de una búsqueda - En un 27% de las veces se registra un refinamiento de la búsqueda. - El tiempo medio de permanencia en el sitio, después de una búsqueda es de 2 minutos 47 segundos. - De media, se ven más de 4 páginas tras realizar una búsqueda. Comparta sus conclusiones en el foro.

Analítica Web 1: Informes Felipe Maggi

El informe de términos de búsqueda nos muestra el desempeño de cada uno de ellos. En general, los términos de búsqueda internos pueden ser muchos, y cada uno suele tener relativamente pocas búsquedas únicas. Por eso, cuando se analicen los términos, en conveniente trabajar con períodos largos (trimestres o semestres, por ejemplo). Una excepción a esto último puede darse en el análisis de campañas offline. Supongamos que una empresa lanza una campaña de TV de 15 días, anunciando “los 10 días de oro de la electrónica”. Una forma de medir la influencia de la campaña en el sitio, es ver si los términos de búsqueda relacionados con los productos electrónicos han sufrido o no cambios importantes en sus tendencias de uso. En general, de lo que se trata es de localizar aquellos términos que no se desempeñan bien. Los datos clave son: -

% Search Exits… Viene a ser como porcentaje de rebote de una página… El usuario busca, no encuentra lo que quiere y se va. % Search refinements… la gente busca, no encuentra lo que quiere y repite la búsqueda.

En la foto de pantalla, por ejemplo, el término 4 presenta un porcentaje de salidas de un 27%, y un porcentaje de refinamientos del 24%. De los 10 primeros es, claramente, el que peor funciona. Lo que debería hacerse es revisar los resultados que muestra ese término, y mejorarlos. Para eso hay que ir a la web en cuestión, y efectuar la búsqueda correspondiente. Por otros lado, de cara a optimizar las búsquedas internas, hay que tener en cuenta cosas tan básicas como “misspelilngs” y faltas de ortografía. Por ejemplo, en una tienda de ropa y complementos, hay que tener en cuenta que la gente puede buscar por: -

Loeve Loewe Lewe

Otro análisis importante, y conceptualmente un poco más complejo, es el que nos dice “qué no está buscando la gente en mi sitio”.

Analítica Web 1: Informes Felipe Maggi

Volvamos al ejemplo de la tienda de ropa y complementos… Si la gente no busca Loewe, o Levi’s, o Caroche… ¿Nos está diciendo que no le interesan los productos de esas marcas? ¿O no hemos sido capaces de transmitir que vendemos productos de esa marca? ¿Son nuestros visitantes potenciales consumidores de esas marcas? ¿el look and feel de la web da a entender que se ofrecen productos de esas marcas? Una “deficiencia” de Analytics es que no da, por defecto, el dato de las búsquedas con cero resultados. En realidad, pocas herramientas lo hacen. Es posible obtener el dato, pero para ello es necesario “customizar” ciertos parámetros. De todas formas, es posible “intuir” qué términos producen cero resultados viendo los porcentajes de salidas y de refinamientos. Otra cosa que se echa de menos es un informe de “refinamientos”. Es decir, los términos que se usan en búsquedas sucesivas. En los informes de “Site Search”, Analytics ofrece además la tabla “Start Pages”:

Aquí podemos ver tanto las páginas desde las que comienzan las búsquedas, como las de destino. Analizando la pestaña “Start Page”, es posible determinar cuál es el emplazamiento más adecuado para el buscador. Es común que el buscador se encuentre en algún elemento común a todas las páginas (el header, por ejemplo). Sin embargo, no es mala idea destacarlo en aquellos sitios en los que se ha probado un desempeño adecuado. Analizando los datos de la pestaña “Destination Page”, podemos ver qué resultados y qué páginas debemos optimizar para minimizar las salidas y los refinamientos, y para potenciar la profundidad de la búsqueda. Por último, no debemos olvidar que un análisis de los términos usados por los visitantes en sus búsquedas nos sirve para determinar qué es lo que desean, de una manera mucho más directa y fiable que el análisis de contenido, o de navegación.

Analítica Web 1: Informes Felipe Maggi

Yahoo Web Analytics

Los informes de “Internal Search”, en YWA se encuentran en la sección de “Marketing”. “Top internal searches” muestra “Unique Internal Searches”, e “Internal Searches”:

No hay información sobre las salidas y los refinamientos de búsqueda así que, a priori, no sabemos como se desempeñan estos términos (y los resultados relacionados).

Analítica Web 1: Informes Felipe Maggi

YWA tiene un informe adicional denominado “Internal Search Conversion”. En él, se puede ver cómo funciona cada términos, en función de los objetivos definidos para el site:

En GA, para ver analizar de manera similar las búsquedas internas, es necesario segmentar las visitas entre las que han utilizado la búsqueda interna y las que no, y luego estudiar el comportamiento y las conversiones del primer segmento.

Analítica Web 1: Informes Felipe Maggi

YWA muestra, además, el informe de “Internal Site Usage”, en el que puede verse la proporción de uso del buscador interno, sobre el total de las visitas. Finalmente, YWA tiene un informe especialmente dedicado a las búsquedas con cero resultados.

Analítica Web 1: Informes Felipe Maggi

XiTi

XiTi destaca entre los resultados del buscador (podemos encontrarlo en el apartado de NAVEGACIÓN) las búsquedas si resultados. El informe de términos de búsqueda es más parecido al de GA que al de YWA:

Analítica Web 1: Informes Felipe Maggi

Sin embargo, la columna de “tasa de salida” no se muestra por defecto, y es una de las opciones que podemos encontrar en la pestaña “M”. Digital Analytix DAx ofrece los siguientes informes:

On-site search users On-site search terms and results Failed on-site search terms Succeful on-site search terms Click through from succesful on-site searches Click through from failed on-site searches On-site search per page

Esto sin contar las combinaciones posibles con el Report Builder. De todos los informes “predefinidos”, destacaremos el correspondiente a los términos “fallidos”.

Analítica Web 1: Informes Felipe Maggi

Evidentemente, hay términos realmente sorprendentes… ¿porqué la gente busca el término “search…” en el buscador? Si tenemos en cuenta que la lista de palabras anterior pertenece a una web que, entre otras cosas, ofrece una herramienta de análisis web, ¿porqué el término “campaign attrition? Es fallido. Lo mismo se puede decir de “how install tool” y “javascript api”. Hay términos sobre los que tendremos poco que hacer, pero hay otros que nos dicen claramente qué contenidos faltan en nuestro site (o qué “misspellings” debemos tener en cuenta a la hora de mostrar los contenidos que existen). Materiales: -

Slides de Google Conversion University (GAIQ). Internal Site Search: Watch presentation (7:30 minutes) Posts de Avinash Kaushik o Internal Site Search Analysis: Simple, Effective, Life Altering! (http://www.alistapart.com/articles/internal-site-search-analysis-simple-effectivelife-altering/) o Are You Into Internal Site Search Analysis? You Should Be.(http://www.kaushik.net/avinash/are-you-into-internal-site-search-analysisyou-should-be/)

Analítica Web 1: Informes Felipe Maggi

Tema 4. Conversion Analysis Es común confundir los objetivos de una web, con las métricas que reflejan el desempeño de los mismos. Por ejemplo, cuando decimos que nuestro objetivo es aumentar el ratio de conversiones. Si nuestra web se dedica al e-commerce, nuestro objetivo es vender. Si aumentamos el ratio de conversiones, vendemos más. Un KPI (Key Performance Indicator) es una métrica, no un objetivo en sí mismo, que nos dice en qué medida se está cumpliendo, o no, un objetivo. Ver más en http://felipemaggi.com/2011/05/27/como-determinar-los-kpi-de-una-web/ Toda web tiene objetivos: vender, generar registros, mostrar anuncios, mejorar la relación con los clientes, mejorar la imagen de marca… Etc… Y para medir la consecución de esos objetivos, de alguna manera hemos de definirlos en nuestras herramientas de análisis. Una vez definido un objetivo en la herramienta podemos calcular su “porcentaje de conversiones”, que es, precisamente, nuestro KPI (uno de varios posibles). Entrando en materia, el Análisis de Conversiones es el estudio de todos los procesos y/o comportamientos que llevan (o no) a la consecución de los objetivos se hayan definido para un site. 4.1 Objetivos Cada web tiene sus propios objetivos, y éstos dependen de la estrategia de negocio de la empresa (o de la persona) a la que pertenece la web. Es más, los objetivos pueden variar con el tiempo, en función de la coyuntura económica, o las acciones de la competencia, por ejemplo. En cualquier caso, hay tipos de objetivos básicos que pueden definirse en las herramientas de analítica. Con ellos (con la combinación de los mismos, y otras métricas), es posible medir el desempeño de una web con relación a los objetivos reales de negocio. Google Analytics En GA pueden definirse 4 tipos de objetivos: URLs de destino, Tiempo en el Sitio, Páginas por Visita, y Eventos.

¿Dónde se pueden definir los objetivos en Google Analytics?

Analítica Web 1: Informes Felipe Maggi

Los objetivos del tipo “URL de destino” nos permiten medir, por ejemplo, las conversiones de Registros (leads) y los envíos de formularios de contacto, o de solicitud de presupuesto, por ejemplo. Adicionalmente, este tipo de objetivos permite definir un “embudo”, es decir, una serie de páginas anteriores, que suelen ser pasos obligatorios antes de llegar a la conversión. Hablaremos de ellos en el capítulo siguiente. Los objetivos del tipo “Tiempo en el sitio” nos permiten medir de alguna forma la “calidad” del consumo de nuestros contenidos. Hay sitios en los que mientras mas tiempo se esté, mejor. Hay otros en lo que es todo lo contrario. Los objetivos del tipo “Página/Visita” nos indican la profundidad de las visitas… Un dato esencial para sites que muestran publicidad en sus páginas, por ejemplo. Los objetivos del tipo “Evento” permiten medir acciones que no generan páginas vistas, como por ejemplo la visualización de un video. En la siguiente asignatura (Implementación) detallaremos cómo se define un objetivo a nivel técnico. Aquí analizaremos el tipo de informes que podemos encontrar. Cuando hemos definido un objetivo, cada vez que este se cumple se produce una “conversión”. El porcentaje de conversiones se calcula dividiendo el número de visitas en las que se ha producido alguna conversión del objetivo correspondiente, por el número total de visitas. Esto es importante: GA cuenta las conversiones por sesión. Si en la misma visita se envían dos formularios de contacto, por ejemplo, sólo se registra una conversión. Si se define que uno de los objetivos de un site es que la gente vea más de 4 páginas en sus visitas, entonces cada vez que se produzca una visita en la que se vean 5 o más páginas se registrará una conversión. En GA, el la vista general del informe de objetivos es como esta:

Tema para el foro: ¿qué es el “Abandonment Rate”? ¿Para qué tipo de objetivos tiene sentido? Evidentemente, es posible seleccionar cada uno de los objetivos que hayamos dado de alta, y ver sus conversiones correspondientes. Ecommerce GA divide las conversiones entre “Goals” (Objetivos propiamente dichos), y Ecommerce. Si se activa el módulo de ecommerce y se etiqueta correctamente la página de agradecimiento de la

Analítica Web 1: Informes Felipe Maggi

venta (otra cosa que veremos en la asignatura siguiente), cada vez que en una visita se produce una o más ventas, se registra una conversión. El informe general es de esta forma:

Esto es independiente de si se define o no la página de agradecimiento de las ventas como una “URL de destino”. Aunque este tipo de conversiones se registren “por defecto”, es importante definir además un objetivo del tipo “URL de destino” para las páginas de agradecimiento de las ventas, puesto que es la única forma, en Analytics, de construir embudos, y de tener acceso al informe de “Goal Flow” (Flujo de objetivo). Tema para el foro: ¿es conveniente crear varios perfiles, y definir objetivos distintos en cada uno de ellos? Si es así, ¿por qué? 4.2 Embudos de conversión Un embudo, como hemos dicho antes, es un conjunto de pasos, preferiblemente obligatorios, que llevan hasta una página que hemos definido como objetivo. El ejemplo que suele ponerse siempre es el de las web dedicadas a las ventas, donde el proceso de pago (check-out) es el embudo perfecto. NOTA: Es necesario saber que Analytics, en los embudos, no tiene en cuenta el orden de acceso a las páginas. Por ello, si a un paso del embudo se puede acceder por vías distintas al paso anterior, GA contará esos accesos como si llegase desde dicho paso. Ésa es la razón por la que a veces vemos embudos en los que hay pasos que tienen más visitas que el anterior. Por lo tanto, siempre es preferible construir embudos que reflejen procesos de “una sola dirección”, en los que cada paso sea necesario para llegar al siguiente. Si eso no es posible, lo mejor es plantear una ruta lógica, y construir el embudo en base a ella. Aunque nos encontremos con datos “extaños” como que al paso dos llegan 1.000 usuarios, y que desde el paso tres, de 1.200 usuarios sólo pasan 500 al paso cuatro… todavía es posible detectar tendencias interesantes.

Analítica Web 1: Informes Felipe Maggi

Un embudo nos muestra de forma clara cuáles son los pasos críticos de un proceso, entendiendo por tales, aquellos en los que se producen más abandonos. Para optimizar las conversiones, evidentemente, debemos trabajar sobre esos pasos, y aumentar el porcentaje de visitantes que llegan al paso siguiente. Suele ser una buena estrategia comenzar las tareas de optimización de “dentro a fuera”. Es decir, desde los pasos más cercanos al objetivo. Mejorar los ratios de paso no tiene una receta única. Hay conceptos básicos más o menos válidos en todos los casos, pero cada embudo presenta particularidades. En general, mientras más corto es un embudo, más gente llega al final. También suele ser cierto que mientras menos tiempo se tarde en completar ciertos pasos, más gente los completa. Por lo tanto, es aconsejable que los embudos tengan el menor número de pasos posible, y que no sea necesario emplear mucho tiempo en cada fase. Un formulario largo es casi siempre un escollo importante, por ejemplo. Fuera de esto, establecer las causas del abandono de un determinado paso requiere de un análisis serio. ¿Qué páginas ve la gente después de abandonar un proceso? Esto nos puede indicar qué contenidos echan en falta los usuarios a la hora de acabar el proceso. Quizá la falta de una política clara de entregas y devoluciones haga que la gente no se decida a comprar.

Analítica Web 1: Informes Felipe Maggi

¿Abandona la gente el sitio, tras dejar el embudo? Si es así, ¿porqué? ¿Le estamos pidiendo mucha información? ¿Hay un problema técnico en el paso en cuestión? A veces, la mejor forma de optimizar un paso es testeando varias versiones del mismo, para elegir la que mejor “funciona”. Estas cosas se verán en detalle en la última asignatura de este Postgrado. Goal Flow Recientemente, GA ha desarrollado un nuevo informe (Goal Flow), que, basándose en páginas vistas, nos muestra las rutas principales que siguen los usuarios dentro de un proceso previamente definido:

En este caso, la idea no es tanto detectar los pasos críticos (que también se puede hacer) sino ver de forma clara las principales rutas que toman los usuarios que inician un proceso. En este caso, podemos ver cómo hay un paso que suele saltarse. También resulta evidente en qué paso la gente decide volver atrás. Tema para el foro: ¿para qué sirve este informe? No solo de ventas vive el hombre Aunque los procesos de compra se prestan de forma excepcional para construir embudos, hay otros procesos que quizá interese analizar a través de ellos. La solicitud de presupuestos, el envío de formularios de contacto, la descarga de determinados documentos, incluso la consulta de determinada información, pueden ser objetivos para los que valga la pena construir un embudo. La clave para decidir si es o no necesario crear un determinado embudo, es que la consecución del objetivo presente una serie de pasos que, como ya hemos dicho, sean más o menos lineales.

Analítica Web 1: Informes Felipe Maggi

BONUS: Multi-Channel Funnels Los informes de Embudos Multicanal muestran las interacciones entre los distintos canales que llevan a la consecución de los objetivos. Estos pueden ser: -

Búsquedas de pago Resultados orgánicos Cliks en Banners Sitios afiliados Redes sociales Campañas de email Accesos directos Campañas offline (a través de Vanity URLs)

Es evidente que cualquier objetivo puede ser analizado desde esa perspectiva. Los Embudos Multicanal no se construyen en función de etapas definidas por ULRs, si no en función de fuentes de tráfico. Otra de las diferencias con los embudos tradicionales, es que éstos no necesitan ser predefinidos. La herramienta genera estos informes por defecto (siempre que hayamos definidos objetivos).

Además del conocido gráfico de tendencias, GA nos muestra el número de conversiones totales, y el número de conversiones asistidas. Las conversiones asistidas son aquellas que se producen tras dos o más visitas al site, aunque el canal sea el mismo (por ejemplo: google/cpc → conversión no es asistida. Sí lo son google/cpc → directo → conversión, o google/cpc → google/cpc → conversión). El “Multi-Channel Conversion Visualizer” se compone de una tabla y un gráfico que muestran de un vistazo la importancia de cada canal en las conversiones totales, y la fuerza de la interacción entre canales (las zonas de intersección).

Analítica Web 1: Informes Felipe Maggi

El informe de conversiones asistidas nos muestra con detalle en qué medida participa cada canal en las conversiones.

Tema para el foro: ¿puede usted explicar qué indica el índice “Assisted/Last Interaction Conversions”?

Analítica Web 1: Informes Felipe Maggi

El informe “Top Conversion Path” nos dice cuáles son las rutas más comunes hacia la conversión:

El informe “Time Lag” muestra los días que pasan entre la primera interacción, y la conversión.

Finalmente, el informe “Path Lenght”, nos dice cuán largas son las cadenas, desde la primera interacción, hasta la conversión:

Para saber más sobre los Embudos Multicanal, puede ver los siguientes post: http://www.doctormetrics.com/2011/04/15/embudos-multicanal-la-nueva-herramienta-degoogle-analytics/ http://www.doctormetrics.com/2011/05/12/embudos-multicanales-diseccionando-la-nuevafuncionalidad-de-google-analytics/ Yahoo! Web Analytics

Analítica Web 1: Informes Felipe Maggi

YWA denomina los embudos de forma distinta: Scenario Analysis.

La idea es la misma es todos los casos: detectar rápidamente los pasos en los que hay problemas. YWA, además, permite operar con “Ad-hoc Scenarios”. Un Escenario ad-hoc permite analizar el comportamiento pasado de los usuarios, o testear posibles pasos antes de configurar un “embudo”. Esta es una clara ventaja con respecto a GA, en donde debemos acudir al informe de contenido para recrear a mano un embudo que no haya sido predefinido. Para más información sobre Scenario Analysis de YWA, se recomienda la lectura de la siguiente guía: http://help.yahoo.com/l/us/yahoo/smallbusiness/store/analytics/reports/reports20.html XiTi A diferencia de Analytics, en XiTi es posible definir embudos incluyendo más de una página por paso. De esta forma, se pueden analizar procesos en los que las etapas no son totalmente lineales, o en los que existen procesos paralelos dependiendo del “estado del usuario”. Por ejemplo, aquellos procesos de venta en los que es necesario estar registrado para comprar. Si los usuarios están registrados, cuando van a realizar una compra sólo necesitan loguease. Es más, si el usuario está loguedao ni siquiera debe realizar ese paso. Si no está registrado, el usuario debe hacerlo. Por lo que se inicia un “subproceso” dentro del de compra. En ese caso, lo mejor es definir dos embudos… Uno para compra con registro, y otro para compra directa. Cuando la compra sea directa, podemos mostrar como alternativa la página de login. Por otro lado, también podemos definir como final del proceso tanto la página objetivo, como una página de error que indique que éste ha fallado.

Analítica Web 1: Informes Felipe Maggi

Con esta visión es posible ver qué ruta (previamente definida) es más común a la hora de realizar el proceso. Sin embargo, para tener una visión gráfica del porcentaje de paso entre etapas, es necesario acceder al informe “conversión de etapas”.

Este informe se genera agrupando las páginas que forman el embudo en etapas, que luego son analizadas de forma conjunta… Por ejemplo, en un procesos de compra, tenemos las páginas que forman el proceso de agregar al carrito (listado, ficha de producto, carrito, por

Analítica Web 1: Informes Felipe Maggi

ejemplo). Luego está el proceso de chek-out (datos personales y de envío, datos de pago y revisión). Finalmente está el pago (confirmación-pago). En la etapa 1 (Agregar al carrito) estarían las primeras. En la etapa 2, todas las de check-out, y en la etapa 3, sólo la página de confirmación. Sin embargo, es aconsejable que cada página del embudo esté en una etapa propia, para detectar fácilmente puntos críticos en el embudo. Digital Analytix DAx ofrece los siguientes informes:

Funnel Browsers lost in specified funnel Browsers continued in specified funnel Browsers per specified funnel Completions per specified funnel

La gran ventaja de DAx sobre otras herramientas, gratuitas o de pago, es que no es necesario predefinir un embudo para tener datos. Cuando queremos analizar un determinado embudo, la herramienta pregunta cuáles son los “checkpoints” que definen el proceso. Una vez especificados, muestra los datos para el período seleccionado. Una gran ventaja cuando no se han tenido en cuenta los embudos desde el principio de la implementación. Una vez más, la única desventaja de DAx sobre el resto de herramientas es la resolución gráfica de los informes.

Analítica Web 1: Informes Felipe Maggi

URCHIN

Los embudos de Urchin, aunque gráficamente distintos, siguen la misma lógica que los de Analytics. Sin embargo, Urchin no ofrece el informe de “Goal Flow”, o similar. Esto nos hace plantearnos la siguiente pregunta ¿qué ventaja tienen las herramientas de pago, sobre las gratuitas?. Interesante tema para el foro. 6.3 Análisis de la conversión Como ya se ha adelantado en el apartado referido a los embudos basados en URLs, cuando se estudian los procesos que llevan a un objetivo la clave están en localizar los puntos críticos, y optimizarlos. Sin embargo, el estudio de los embudos no es, ni de lejos, todo el análisis que se puede hacer alrededor de las conversiones. Para empezar, y como ya se vio al inicio de este tema, no todos los objetivos tienen un embudo relacionado. Por ejemplo: ver más de cuatro páginas en una visita. Incluso hay objetivos del tipo URL de destino, como la visita a determinada página, para los que no tiene sentido construir un embudo, puesto que los caminos para llegar a ella son muy variados. En estos casos, el análisis de las conversiones (a menudo es el análisis de la carencia de ellas), se debe hacer de formas muy diversas. Por ejemplo: un determinado número de páginas vistas por visita. Si el negocio es vender espacios publicitarios, y el cobro se hace según CPM (coste por mil impresiones), mientras más páginas vean los usuarios, más veces se mostrarán los anuncios, y más dinero se ingresará. Evidentemente, el número medio de páginas vistas por visita para este tipo de site es un KPI. Tras estudiar lo que nos cuesta que un usuario acceda al site (el coste de adquisición de cada visitante), podemos determinar un número mínimo de páginas vistas a partir del cual cada usuario nos es rentable, porque cubre su coste con las ganancias en publicidad.

Analítica Web 1: Informes Felipe Maggi

Tema para el foro: ¿Qué es el coste de adquisición? ¿En este caso concreto, que factores tendría usted en cuenta para calcular el CPA de un visitante? Supongamos que el número mínimo de páginas visitas por visitas es 4. Toda visita en la que se vean más de 4 páginas es una conversión. ¿Cómo podemos actuar para que aumente el porcentaje de visitas que ven más de 4 páginas? Para empezar, debemos analizar qué contenidos consumen los usuarios que ven más de 4 páginas en una visita. De esa forma, sabremos qué es lo que más le interesa a nuestros visitantes, y podemos generar contenidos acordes con esos intereses. Otra segmentación básica es la de fuentes de tráfico. ¿Qué consume la gente que llega por tráfico orgánico, directo, referente, o a través de campañas de CPC? ¿Cuál es la media de páginas visitas por visita según fuente de tráfico. Quizá descubramos que los anuncios de CPC no nos aportan tráfico de calidad, puesto que los visitantes que llegan a través de ellos sólo ven 3 páginas de media. Esto nos llevaría a revisar nuestra estrategia de anuncios y palabras clave. De cara al tráfico orgánico, ¿a partir de qué páginas suelen iniciarse las visitas que ven más de 4 páginas? ¿Qué páginas tienen los más elevados porcentajes de rebote? Los usuarios que acceden directamente al site ¿cumplen el objetivo? Si la respuesta es negativa, ¿por qué? Quizá sólo consumen contenido nuevo, y si el contenido nuevo no da para más de cuatro páginas, entonces es difícil que nuestros usuarios más leales conviertan. Por último, ¿qué clase de tráfico aportan los sites referentes? Hemos sido cuidadosos con nuestra política de enlaces? La gente que accede a los sites desde donde se nos enlaza, coincide con nuestro target’ Esto no es más que una serie de ejemplos. ¿Qué otro tipo de segmentaciones propondría usted para analizar un objetivo como el que estamos tratando ahora? ¿Sería capaz de poner ejemplos de análisis para objetivos del tipo “tiempo en site”? ¿Para qué tipo de sites es útil definir un objetivo como ese? Eventos Los eventos representan tipo especial de objetivo. Sólo en la versión nueva de Analytics es posible definir un evento como objetivo, de manera que se pueda obtener de forma directa su “porcentaje de conversiones”.

Analítica Web 1: Informes Felipe Maggi

A nivel general, un evento puede ser cualquier acción que se desee monitorizar de forma especial. Por ejemplo, el uso de los enlaces de del menú principal. Evidentemente, no tiene sentido definir como objetivo los clicks sobre la opción “contacte con nosotros” del menú superior. Ese tipo de acciones se monitorizan para saber si la posición de un determinado elemento influye sobre su uso… Quizá la opción de contacto es más visible en el menú lateral, o junto a un determinado contenido. En la asignatura siguiente veremos en detalle cómo se marca un evento. Aquí sólo nos hace falta saber que cada evento puede marcarse con 4 parámetros (siempre tomando como base a GA): -

Category (obligatorio) Action (obligatorio) Label Value

Cuando se efectúa una acción determinada, por ejemplo, un click sobre determinado enlace, se debe llamar al método trackEvent, y pasar los parámetros requeridos:

_trackEvent(category, action, opt_label, opt_value) Más datos en http://code.google.com/intl/esES/apis/analytics/docs/tracking/eventTrackerGuide.html

Analítica Web 1: Informes Felipe Maggi

El seguimiento de eventos nació como una forma de monitorizar acciones que no generan la carga de páginas, aunque en determinadas ocasiones se use para también para otros fines. Volviendo al tema de los objetivos, supongamos que una de las razones por la que existe un site es mejorar y expandir la imagen de marca (branding). Si ese site incluye un video de presentación de la empresa, un objetivo claro del site es que ese video se vea. El KPI, será, por tanto, el porcentaje de visitas en los que ese video se ve (hay otros KPIs secundarios, como el porcentaje de veces que el video se ve hasta el final). Por lo tanto, es lógico definir como objetivo el evento que se registra cuando un usuario pulsa el botón Play del video.

'Videos',

'Play',

'Presentacion-

En este caso, los parámetros del evento son: -

Category: Videos Action: Play Label: Presentacion-Empresa

En un nivel avanzado, es incluso posible marcar como evento un punto que indique que el video se ha visito hasta el final. ¿Vale la pena definir este tipo de eventos como objetivos? De nuevo, el análisis de este tipo de conversiones no supone el estudio de pasos de un embudo (que como ya se habrá supuesto, es el análisis más sencillo). En estos casos, de nuevo debemos estudiar qué tipo de contenidos se consumen. También debemos ver qué hacen los usuarios que acaban realizando la acción que hemos definido como un objetivo. Otras preguntas pertinentes son: ¿Por dónde llegan?, ¿qué buscan?, ¿qué hacen después? Multi-Channel Funnels No podemos terminar un apartado sobre el análisis de las conversiones sin mencionar de nuevo los informes de Embudos Multicanal. Este tipo de informes se prestan para un análisis diferente al tratado en los párrafos precedentes. Resumiendo mucho, estos datos nos permiten saber cómo se desempeña cada canal con respecto los objetivos definidos para un site. Un pregunta clave con respecto a los Embudos Multicanal es la siguiente: ¿dónde se debe invertir el dinero? Piense en ello. Tema para el foro: explique para qué sirven estos informes. Tenga en cuenta conceptos como “ciclo de ventas”, y explique porqué este tipo de datos son esenciales en el análisis de las conversiones.

Analítica Web 1: Informes Felipe Maggi

¿Podría usted decir que dato es esencial, a la hora de definir objetivos, para poder sacarle todo el partido a los informes de Embudos Multicanal? Materiales: -

Conversion Anlysis (sesión con elluminate el día 16/02/2012, a las 19:00 horas). Atención especial al informe de Embudos Multicanal de Google Analytics. Slides de Google Conversion University (GAIQ). o Goals in Google Analytics Watch presentation (10 minutes) Post de Doctor Metrics - Embudos Multicanales: diseccionando la nueva funcionalidad de Google Analytics (http://www.doctormetrics.com/2011/05/12/embudos-multicanalesdiseccionando-la-nueva-funcionalidad-de-google-analytics/

Analítica Web 1: Informes Felipe Maggi

Tema 5. Campaign Analysis El análisis de campañas es una de las funciones más importantes de un analista y, de todas ellas, es quizá la que requiere de una mayor preparación previa, tanto a nivel técnico, como teórico. En este apartado veremos los principales informes que ofrece Google Analytics (y repasaremos brevemente los datos que pueden obtenerse de otras herramientas). Sin embargo, para tener una idea completa y general de lo que el análisis de campañas requiere, es necesaria la lectura de material complementario. Junto con la documentación de la Asignatura, se ha entregado un Monográfico titulado Optimizando campañas con Google Analytics. Todo lo que debes saber para etiquetar, monitorizar y mejorar tus campañas dentro de Google Analytics. Recomendamos su lectura antes de abordar este tema. En dicho monográfico se explica con detalle todo los referente al etiquetado de campañas (algo esencial para efectuar análisis posteriores), el seguimiento de los resultados, y las acciones de optimización. Los alumnos encontraran información útil tanto para esta asignatura, como para las de Implementación y Optimización. Para tener una idea de lo resumida que es la información que el alumno encontrará en el documento que ahora lee, basta decir que toda la información que contiene se encuentra el apartado 2.3 del Monográfico (la diferencia es que aquí hemos actualizado los pantallazos, para adecuarlos a la nueva versión de GA). Como se verá, en el Monográfico se tratan los Embudos Multicanal (muy útiles a la hora de definir la estrategia de nuestras campañas, y para distribuir eficientemente la inversión entre canales). Aunque ya han sido comentados en el apartado anterior, volveremos a hablar de ellos cuando abordemos el problema de las atribuciones.

Analítica Web 1: Informes Felipe Maggi

5.1 Adwords y Analytics Como es lógico, Google Analytics ofrece una muy buena integración con Adwords, permitiendo analizar los datos de esa herramienta dentro de GA. Sin embargo, la principal ventaja de integrar Adwords con GA, es que permite segmentar los datos en función de las campañas, lo que refuerza enormemente la potencia de los análisis. NOTA: La información referente a cómo integrar Awords y Analytics se encuentra en el Monográfico adjunto. Una de las desventajas de GA con respecto a otras herramientas, es que no permite importar la información de los costes correspondientes a campañas que no sean de Adwords. Por ello, y como veremos, los informes referidos a Adwords son los únicos que muestran el cálculo del ROI y el Margen de las campañas. ¿Cuál es la fórmula que usa Analytics para calcular el ROI? GA tiene un aparatado exclusivamente dedicado al análisis de las campañas de Adwords: Advertising à Adwords.

Lo primero que vemos en un listado de las campañas activas, ordenadas por visitas. GA nos permite filtrar los resultados en función del dispositivo usado para acceder al site, a través de los anuncios:

Esto demuestra la importancia creciente que están adquiriendo los dispositivos móviles. 69

Analítica Web 1: Informes Felipe Maggi

Luego, nos ofrece un resumen general de todas nuestras campañas:

Nótese que hay disponibles varias “subpestañas”: -

Site Usage Goal Set 1 Goal Set n Ecommerce Clicks

Las pestañas de Goal, nos indican el desempeño general de nuestras campañas, con respecto a los objetivos que hayamos definido. La pestaña de Ecommerce nos muestra el desempeño con respecto a las ventas:

Y la pestaña de Clicks, nos ofrece los datos que son directamente importados de Adwords:

Impressions Clicks Cost CTR CPC RPC ROI Margin

¿Por qué puede haber una diferencia entre clicks y visitas? Si hacemos click sobre cualquiera de las campañas que aparecen en la tabla, veremos los mismos datos referidos a la campaña correspondiente (así como los grupos de anuncios que forman cada campaña). Podemos bajar más en el nivel de detalle, pulsado sobre un determinado grupo de anuncios. Entonces veremos los datos correspondientes a dicho grupo de anuncios, así como las palabras clave que los activan.

Analítica Web 1: Informes Felipe Maggi

Esto mismo es aplicable para todas las subpestañas. El informe de Keywords tiene las mismas funcionalidades:

Si pulsamos sobre cualquiera de las keywords de la tabla, veremos el listado de campañas en las que dicha keywords se utiliza.

Analítica Web 1: Informes Felipe Maggi

Si pulsamos sobre una campaña, veremos entonces el grupo de anuncios que se activan con la keyword. Tema para el foro: ¿Cómo usaría usted estos datos en su trabajo diario como analista? El informe “Matched Search Queries” nos muestra las cadenas de búsqueda que han usado los usuarios para activar nuestros anuncios.

Si pulsamos sobre cualquier término, GA nos muestra entonces el tipo de Concordancia que ha regido la activación del anuncio. Para saber algo sobre los tipos de concordancia, se recomienda la lectura del siguiente artículo: http://support.google.com/adwords/bin/answer.py?hl=es-419&hlrm=es&answer=6100 El informe “Day Parts” nos muestra las visitas que aportan los anuncios, según la hora del día:

La hora es un tema delicado… ¿sabría usted explicar porqué?

Analítica Web 1: Informes Felipe Maggi

“Destination URLs” muestra todas la páginas que han sido “landing pages” de las campañas activas:

Evidentemente, el dato más poderoso que encontramos en esta tabla es del de Bounce Rate. Pulsando sobre cualquier URL, vemos el desglose de visitas según el “lugar” de visualización de los anuncios: -

Resultados de búsquedas en Google Resultados de búsquedas en Buscadores Asociados Anuncios publicados en la red de contenido

“Placements” nos dice el tipo de ubicación que ha regido la aparición de los anuncios en la red de contenidos (automática o gestionada).

¿Podría usted explicar qué es la red de contenidos de Google, y qué diferencia hay entre ubicaciones automáticas y gestionadas?

Analítica Web 1: Informes Felipe Maggi

Por último, el informe de “Keyword Positions” muestra, para cada palabra clave, la posición en los resultados de búsqueda:

Este informe nos permite saber dónde se desempeña mejor una determinada palabra clave. Hay ocasiones en las que un término tiene mayor CTR en segunda o tercera posición. Si es así ¿por qué pagar por estar en la primera? 5.2 Otras Campañas Los datos referidos a campañas distintas a las de Adwords se encuentran en Traffic Sources à Sources à Campaigns.

Analítica Web 1: Informes Felipe Maggi

En general, son menos detallados que los informes de Adwords, aunque poseen subpestañas similares (excepto la de Clicks). Tampoco ofrecen el dato de “Revenue” en la subpertaña de “Site Usage”. Es importante notar que en el informe de Campaigns también se incluyen los datos de Adwords. ¿Le parece lógico? Por lo tanto, para analizar las otras campañas de forma separada, es necesario filtrar los datos referentes a source/medium = google / cpc ¿Sabría usted cómo hacerlo? De todas formas, es aconsejable nombrar las campañas de Adwords de forma que luego sean fácilmente filtrables por nombre. Aquí es necesario hacer un pequeño apunte sobre el etiquetado de los enlaces de una campaña distinta a Adwords. Para que GA “entienda” que una visita proviene desde un enlace que forma parte de una campaña, es necesario que ese enlace le “pase” una serie de parámetros (tags) a la herramienta: -

utm_source (obligatorio) utm_medium (obligatorio) utm_campaign (obligatorio) utm_term utm_content

Para generar los tags de forma sencilla, podemos usar el URL Builder de Google: http://support.google.com/googleanalytics/bin/answer.py?hl=en&answer=55578

Analítica Web 1: Informes Felipe Maggi

A continuación explicamos brevemente cada uno de los tags. Obligatorios Source (utm_source) Origen de la campaña

Es la fuente de la visita. Cuando generemos los Tags, y se nos pregunte por Source, debemos poner la fuente que nos ha enviado al visitante. Por ejemplo: google, facebook, elpais.com

Medium (utm_medium) Medio de la campaña

Aquí debemos especificar el canal (o medio) a través del cual ha llegado al visitante al sitio. Por ejemplo: cpc, display, social, organic…

Campaign (utm_campaign)

Nos sirve para indicar el nombre general de la campaña, o el nombre específico de la campaña en el que está incluido el anuncio. Por ejemplo: verano_2011, vestidos_y_complementos…

Nombre de la campaña Opcionales Term (utm_term) Término de la campaña – keyword Content (utm_content) Contenido de la campaña

Aquí podemos identificar el término por el que hemos pujado (sólo para campañas en motores de búsqueda). Es una variable dinámica, que se rellena automáticamente con la cadena de búsqueda que ha activado el anuncio. Si la campaña de CPC se ha lanzado en Bing, debemos poner {keyword}. Si la campaña se ha lanzado en Yahoo!, debemos poner {YSKEY}. Nos permite indicar el nombre del anuncio, la posición del enlace, o cualquier información que nos ayude a identificar el tipo de anuncio que fue pulsado, cuando dos o más llevan a la misma URL. Por ejemplo: banner_728x90, logo_footer, anuncio_envio_gratis

Un ejemplo de URL etiquetada usando el URL Builder, de Google, para una campaña en Bing:

http://www.misitio.com/paginadestino.html?utm_source=bing&utm_medium= cpc&utm_term= {keyword}&utm_content= zapatos-de-mujer &utm_campaign= verano-2011 El etiquetado de campañas se explica con todo detalle en el Monográfico adjunto. Ahora que se conocen por encima los rudimentos del etiquetado de campañas, es posible entender los informes que ofrece GA. Como ya hemos adelantado, la herramienta ofrece datos relativos a “Site Usage”, “Goals” y “Ecommerce” Hay que tener en cuenta que una campaña puede estar dirigida a generar ventas, o a conseguir objetivos distintos, como un registro o un contacto, por ejemplo. Por lo tanto, el uso o no de las “subpestañas” dependerá del tipo de campaña que estemos analizando (lo mismo es aplicable a Adwords).

Analítica Web 1: Informes Felipe Maggi

En este caso se ha optado por usar la “subpestaña” de Ecommerce. Es muy recomendable ingresar en la herramienta y revisar qué tipo de métricas ofrecen las otras subpestañas. Tema para el foro: de todas las métricas ofrecidas en cada subpestaña, cuál de todas cree usted que es la más útil. Explique porqué. La tabla con los datos de las campañas permite agregar una dimensión secundaria. Si seleccionamos las que figuran dentro del grupo de Traffic Sources, veremos que tenemos disponibles, entre otras: -

Source Medium Keyword Ad Content

¿Le suenan de algo? Efectivamente, son las etiquetas que se han agregado en la URL de los enlaces de la campaña. Una visión muy útil suele ser la que muestra, como dimensión secundaria, Ad Content:

Si seleccionamos “Ad Content” (Contenido del Anuncio) como dimensión secundaria, podemos ver cómo funcionan los diferentes enlaces de una campaña, o las distintas versiones de un mismo anuncio o banner. Tema para el foro: explique cómo utilizaría estos datos para optimizar una campaña. ¿En qué métricas se fijaría primero? No use la información que aparece en las fotos de pantalla. Acceda a una cuenta con campañas activas, y revise los informes disponibles.

Analítica Web 1: Informes Felipe Maggi

Finalmente, es importante utilizar las opciones de visualización de la tabla: podemos ver los datos por campaña (campaign), por fuente (source), por medio (medium), o por fuente/medio (source/medium). Cualquiera de las vistas distintas a “campañas” da una visión general del desempeño de fuentes y medios, lo que puede ser muy útil para determinar de un vistazo cuáles funcionan bien, y cuáles no. Yahoo! Web Analytics Los reportes de campañas que ofrece YWA son muy completos y, a diferencia de GA, sí que permite la importación de otras fuentes de costes, distintas a su servicio de anuncios en los resultados de búsqueda de su propio buscador. Aunque también opera con un sistema similar al etiquetado de URLs visto para GA, esta herramienta permite la integración con Adwords y otros servicios de anuncios de pago de forma directa: desde YWA es posible “acceder” a los datos de esos servicios, facilitando las claves de acceso a las cuentas correspondientes. No es materia de esta asignatura tratar la implementación de las herramientas en detalle. Para saber más sobre la integración de campañas dentro de YWA es recomendable la lectura de la siguiente guía: http://help.yahoo.com/l/us/yahoo/smallbusiness/store/analytics/reports/reports21.html Otra diferencia importante con GA, es que YWA subdivide las campañas de una manera más clara (y permite categorizarlas mejor).

Analítica Web 1: Informes Felipe Maggi

Para todas ellas, ofrece la siguiente información:

Tema para el foro: compare la información de campañas que ofrecen las dos principales herramientas gratuitas de análisis: GA y YWA ¿Cree usted que YWA supera en algún aspecto a GA? XiTi Los informes de XiTi sobre campañas también están bien categorizados. Dentro del apartado “Fuentes”, encontramos, entre otros, los siguientes informes: -

Enlaces patrocinados o Plataformas o Campañas o Palabras clave compradas o Expresiones buscadas o Grupos de publicidades

Analítica Web 1: Informes Felipe Maggi

Es importante recordar que las tablas que ofrece XiTi por defecto pueden completarse con datos adicionales mediante la pestaña “M”

Analítica Web 1: Informes Felipe Maggi

Publicidad o Campañas o Soportes o Todos los indicadores

Como en GA, es importante el uso de las pestañas superiores (KPI, Interés y Conversión), para analizar los diferentes aspectos de una campaña. -

Email marketing o Acciones o Campañas o Fechas de Envíos o Destinatarios

Como puede verse, la información disponible es bastante más completa que la que ofrece GA.

Analítica Web 1: Informes Felipe Maggi

Afiliaciones y partnerships o Campañas o Grupos o Afiliados o Formatos

Como ya se ha visto, GA sólo categoriza estas campañas mediante el etiquetado de URLs, y las muestra dentro del apartado general “Campañas”. La ventaja de ese método es la facilidad de implementación (algo que se verá con detalle en la asignatura siguiente). Es necesario reconocer que la implementación de seguimiento de campañas en XiTi no es precisamente sencilla. De hecho, las campañas deben ser previamente “declaradas” en la herramienta.

Analítica Web 1: Informes Felipe Maggi

Digital Analytix DAx también permite exportar datos de Google Adwords y otras plataformas, aunque el sistema de seguimiento de campañas es muy similar al de GA, en cuanto al etiquetado de los enlaces.

DAx ofrece los siguientes informes: -

General o Conversion peer campaign by source o Conversion costs per campaign Channels o Conversion per channel o Conversion costs per channel o Cost per browser by channel o Conversion search engine marketing Sources o Conversion per source by channel o Conversion costs per source by channel o Cost per browser by source Links o Conversion per link by source o Conversion costs per link by source

Esta clasificación está a medio camino entre lo que hace GA, y lo que hacen YWA y XiTi. Sigue dependiendo mucho del etiquetado de enlaces (¿le suenan las etiquetas “channel” y “source”?).

Analítica Web 1: Informes Felipe Maggi

URCHIN URCHIN tiene un aparado de Dashboards que sumariza la información de las campañas: -

Campaign Conversion Keyword Considerations CPC Program Analysis CPC vs Organic Conversion Overall Keyword Conversion

Los informes de campañas se encuentran en el apartado “Advertisement Optimization”, que a su vez se subdivide en: -

Marketing Campaign Results Search Engine Marketing CPC Structure

Marketing Campaign Results muestra los siguientes informes: -

Campaign Conversion Source Conversion Medium Conversion Campaign ROI Source ROI Medium ROI Performance Comparison

Como puede verse, las etiquetas son las mismas que las de GA. Una ventaja clara con respecto a esta última es el informe “Performance Comparison”. ¿Puede imaginarse usted que hace? Search Engine Marketing contiene los siguientes informes: -

CPC Program Analysis Overall Keyword Conversion CPC vs Organic Conversion Keyword Considerations Day Parts Breakdown

De aquí es destacable el informe “CPC vs Organic Conversion”, un análisis que en GA puede hacerse, aunque a través de segmentos avanzados.

Analítica Web 1: Informes Felipe Maggi

CPC Structure, finalmente, muestra lo siguiente: -

Campaign View Keyword View

¿Le parece completa esta información? 5.3 El problema de las atribuciones Uno de los principales restos del análisis de las campañas es el problema de las atribuciones. ¿A qué canal le corresponde la conversión? No es una pregunta fácil de responder y, en general, todas las herramientas presentan deficiencias en este sentido. Por defecto, GA asigna la conversión al último canal antes de ésta se produzca. Pero, ¿es eso justo? Más que justo ¿refleja eso la realidad? En muchos casos, no. Por ejemplo, supongamos que un usuario ve un anuncio de CPC y, dos días más tarde, accede al site directamente, y compra. ¿Es lógico asignar la conversión al tráfico directo? ¿Habrá accedido el usuario al site, si no hubiese visto el anuncio de CPC? ¿Y si la cadena es más compleja? Por ejemplo: CPCàDirectoàOrgánicoàCPCàConversión ¿A qué canal le corresponde el crédito? ¿Qué canal ha participado más? ¿Se habría completado la conversión si no se hubiesen registrado las visitas directas y orgánicas? Para mejorar estos análisis, GA ha creado el informe de Embudos Multicanal, que ya tratamos en el capítulo anterior. ¿Podría usted explicar, considerando el problema que ahora tratamos, como ayuda ese informe a resolver este problema? De todas las herramientas que hemos visto, la otra que ha realizado un esfuerzo considerable en este sentido es Digital Analytix. DAx no sólo monitoriza las cadenas antes de una conversión, sino que asigna el crédito de las mismas según “la calidad” de las páginas que ha visto el usuario tras acceder al site a través de un determinado canal. Evidentemente, esto supone asignar a cada página un valor relacionado con la importancia que tiene para la conversión. Por ejemplo, la página de “quienes somos”, tiene menos peso que la ficha de producto. Por lo tanto, de cara al crédito de las conversiones, ha contribuido más el canal que ha hecho que el usuario vea la ficha de producto. De todas formas, las atribuciones siguen siendo un problema abierto, y la solución al mismo aún se está discutiendo. Para saber más sobre este tema, se recomienda ver el siguiente video: 85

Analítica Web 1: Informes Felipe Maggi

http://www.marketmotive.com/training/tutorials/web-analytics/intelligent-campaignattribution.html Materiales: -

Slides de Google Conversion University (GAIQ) o Campaign Tracking and AdWords Integration: Watch presentation (12 minutes) o Analysis Focus - AdWords: Watch presentation (6:57 minutes) Monográfico de Metriplica sobre el seguimiento de campañas. Post de WebGo!: Cómo usar la Analítica Web para crear campañas eficientes en Adwords. http://felipemaggi.com/2011/02/27/como-usar-la-analitica-web-para-crearcampanas-eficientes-en-adwords/ Post de Avinash Kaushik: Email Marketing: Campaign Analysis, Metrics, Best Practices. http://www.kaushik.net/avinash/email-marketing-campaign-analysis-metrics-practices/

Analítica Web 1: Informes Felipe Maggi

Tema 6. Informes y cuadros de mando En los capítulos precedentes se han estudiado los principales informes que ofrecen las herramientas de análisis web, y se han comparado unos con otros. En este último tema vamos tratar sobre la creación de informes propios, más allá de las opciones de informes personalizados que ofrecen Google Analytics y DAx, por ejemplo. Aunque las herramientas nos ofrecen, todas ellas, los datos necesarios para optimizar un site (porque la analítica web se trata de eso), siempre es necesario seleccionar la información que refleja el desempeño de ese site en concreto. En otras palabras, las herramientas ofrecen muchísima información y una de las labores esenciales de un analista es separar el trigo de la paja (lo que para un site es trigo, para otro es paja, y viceversa). Tarde o temprano, y normalmente más temprano que tarde, es necesario extraer algunos datos de la herramienta, aislarlos del resto, y trabajarlos de forma que sean capaces de transmitir información útil. Por información útil se entiende aquella que llega a la gente adecuada, con la periodicidad adecuada, con los datos adecuados y que permite a los responsables tomar las decisiones acertadas para mejorar el desempeño de un site. Ese trabajo suele dar como resultado los llamados “cuadros de mando”, que no son otra cosa que informes hechos a medida, en los que se puede ver el estado y las tendencias de los KPI de una web. Según Avinash Kaushik, un buen cuadro de mandos debe mostrar como mucho seis indicadores clave de desempeño, y contener comentarios destinados a resaltar aquello que los datos dicen (y todo en un espacio no superior al Din A4). Evidentemente, un site puede necesitar más de seis KPIs. Basta con tener campañas de Adwords activas, o que la web esté destinada a la venta online, para que ese número sea ampliamente superado. La clave del asunto es que cada responsable necesita su propio cuadro de mandos. El director de la empresa no necesita los mismos datos (ni con la misma periodicidad) que el responsable de marketing. Ni éste necesita los datos que son útiles para el encargado de las campañas online. Por lo tanto, cuando se confecciona un cuadro de mandos es necesario tener muy claro quién es su destinatario, y para qué serán usados los datos. Aunque no es parte de esta asignatura, no está demás mencionar que una parte esencial de la confección de cuadros de mandos es conocer perfectamente a la empresa que los necesita, y cuáles son las necesidades de cada uno de los futuros receptores de los datos. 6.1 Excel Existen varias herramientas en el mercado pensadas para confeccionar cuadros de mando. Sin embargo, un recurso básico es Excel. Las últimas versiones de esta herramienta (2007 y 2010), presentan una serie de funcionalidades que permiten crear cuadros de mando de gran calidad.

Analítica Web 1: Informes Felipe Maggi

No vamos aquí a dar un curso de Excel, porque no es parte de esta asignatura, pero todo futuro analista debería familiarizarse con la herramienta. Algunos recursos útiles en este sentido son: -

Excel 2010 y Excel 2010: Formulas, de John Walkenbach Excel 2010: The Missing Manual, de Matthew MacDonald

Una de las grandes ventaja de una hoja de cálculos, es que es posible efectuar una serie de operaciones de forma rápida, una vez que se han definido las fórmulas correspondientes. Además, se pueden aplicar una serie de formatos gráficos a los datos, que facilitan enormemente la interpretación de los mismos. La mayoría de los cuadros de mando bien construidos comparan los datos con períodos anteriores, y muestran las tendencias de los mismos. ¿Se imagina lo que sería tener que calcular a mano, y para cada dato, la variación con respecto al mes anterior, o con respecto al mismo período del año pasado? Algunos trucos Como ya hemos dicho, no vamos aquí a dar un curso de Excel, aunque sí abordaremos algunas cuestiones básicas que permitirán confeccionar un cuadro de mandos básico de forma rápida. La representación del cambio En analítica web es sumamente común mostrar el cambio porcentual que sufre una métrica con respecto a períodos anteriores. Por ejemplo, si las visitas en enero fueron 1.475.127, y en marzo fueron 1.623.231, ¿sabría usted decir cual es la variación porcentual de las visitas entre enero y marzo? La fórmula más simple para calcular el dato es la siguiente: !"#$%&"& !"#$% − !"#$%&"& !"!#!$% ! 100 !"#$%&"& !"!#!$% En Excel, los datos se verían así (no hemos pintado las celdas, ni aplicado ningún diseño. Eso ya es parte de la gracia que tenga cada uno a la hora de crear el cuadro):

El valor de la celda D2 es el resultado de la fórmula descrita arriba, que en Excel tiene la forma: =(C2-B2)/B2 Para confeccionar esta fórmula, basta con: -

Seleccionar la celda en la que se quiera mostrar el resultado. Escribir el símbolo = (con eso Excel ya sabe que se trata de una fórmula). Escribir el paréntesis de apertura. Seleccionar la celda C2 haciendo click con el ratón.

Analítica Web 1: Informes Felipe Maggi

Escribir el signo menos (-). Seleccionar la celda B2 haciendo click con el ratón. Cerrar paréntesis. Escribir el símbolo de división (/) Seleccionar la celda B2 haciendo click con el ratón. Dar a la celda el formato de porcentaje (Control + 1, y seleccionar “Porcentaje”).

Es más rápido de lo que parece. Si selecciona la celda con la fórmula, y se hace click con arrastre, se repite la fórmula en todas las celdas seleccionadas. Como la celda D2 ha sido definida como de “Porcentaje”, la Hoja de cálculo multiplica automáticamente el resultado por 100, y agrega el símbolo %. Para poner un poco de color al cuadro, podemos crear celdas con formatos condicionales que representen el cambio. Por ejemplo, una flecha verde y hacia arriba cuando hay crecimiento, una flecha roja y hacia abajo cuando hay decrecimiento, y una flecha amarilla horizontal cuando la métrica se mantiene estable.

Es común considerar que hay crecimiento o decrecimiento cuanto la variación es superior al 5% (por arriba o por abajo).

Para hacer esto, hay que repetir el valor de la celda D2 en la celda E2 (se escribe = en la celda E2, y se selecciona la celda D2). Luego, se pulsa el símbolo de “Formato condicional” en la barra de menú superior:

De las opciones disponibles, se selecciona “Nueva regla…” à “Conjunto de iconos”… Se seleccionan las flechas, y se configura la regla como sigue:

Se recomienda jugar con la herramienta, y experimentar con todos los formatos condicionales disponibles. Para cuadros de mando, otro formato útil son las barras de datos.

Analítica Web 1: Informes Felipe Maggi

Las tendencias Una regla de oro a la hora de seleccionar cuadros de mando, es que los datos nunca debe darse aislados (Avinash Kaushik). Ya hemos visto cómo mostrar la variación con respecto a otros períodos, pero eso no es suficiente. Es necesario mostrar las tendencias de las métricas. Normalmente, un período de 6 meses suele ser suficiente. Para esto, los minigráficos son realmente útiles. Un minigráfico es un gráfico que se dibuja directamente en la celda seleccionada, según los datos de otras celdas, y que por su diseño puede representarse en espacios reducidos.

Para insertar un minigráfico basta con seleccionar el apartado de gráficos, y dentro de él, “Insertar minigráfico”. Luego hay que seleccionar el rango de datos, y aceptar. Evidentemente, es posible cambiar el diseño de los minigráficos a nuestro gusto. La representación gráfica Los minigráficos son especialmente adecuados para representar tendencias. Sin embargo, hay datos que necesitan de una representación gráfica más compleja.

Para estos casos, los gráficos de tarta, barra, línea, dispersión, etc… que ofrece Excel son realmente útiles. Cada tipo de dato requiere de un tipo de gráfico. En esto, el sentido común es el mejor aliado. Pintar las celdas de manera rápida El tiempo es oro… y vale la pena gastarlo haciendo que los cuadros de mandos sean atractivos y amigables. Ahora bien, si podemos conseguir eso gastando la menor cantidad de oro posible, mejor que mejor. Hay una forma muy fácil de pintar las celdas de una tabla: seleccionado el rango de datos (cabeceras incluidas), y convirtiendo ese rango en una tabla propiamente dicha: Menú Superior à Insertar à Tabla.

Analítica Web 1: Informes Felipe Maggi

Excel pintará automáticamente las celdas (las celdas no deben estar pintadas con anterioridad. Si lo están, es necesario seleccionar la opción “Sin relleno” en la herramienta para pintar las celdas):

Si por alguna razón no queremos que el rango de datos sea una tabla (las tablas tienen propiedades específicas muy interesantes, pero no dejan, por ejemplo, combinar celdas), siempre podemos volver a convertirla en un rango… pero los colores de las celdas se mantienen. La utilización conjunta de estos sencillos trucos, puede dar como resultado cuadros de mando similares a este:

Para saber más sobre la confección de cuadros de mando, se recomienda la lectura de los siguientes post: http://www.kaushik.net/avinash/the-action-dashboard-an-alternative-to-crappy-dashboards/ http://www.kaushik.net/avinash/five-rules-for-high-impact-web-analytics-dashboards/ 6.2 La importación de datos Evidentemente, confeccionar cuadros de mando “a mano” es imposible. No es lógico dedicar una cantidad enorme de horas tecleando los valores de las métricas en las celdas correspondientes, tras consultar su valor en la herramienta. Y menos si se debe, además, mirar el valor en períodos anteriores. La función de comparación de muchas de las herramientas podría ayudar, pero reduciría el tiempo necesario tan sólo en una fracción insignificante. Es por eso que resulta esencial contar con algún sistema que permita importar los datos desde las herramientas. Google Analytics cuenta con una API muy bien documentada, sobre la que se pueden programar consultas (querys) de manera directa: https://developers.google.com/analytics/devguides/reporting/core/v3/?hl=sv-SE

Analítica Web 1: Informes Felipe Maggi

Sin embargo, y afortunadamente, en el caso de Excel 2007 y 2010 no es necesario reinventar la rueda. Existe un pluggin gratuito, Excellent Analytics, que permite hacer consultas a la API de GA, e importar los datos de la herramienta a Excel. http://excellentanalytics.com/ La instalación del Pluggin es realmente sencilla: basta con descargarlo y ejecutarlo. Cuando se abra Excel, habrá aparecido una nueva pestaña en el menú superior: Excellent Analytics.

Para importar los datos, es necesario loguearse en la cuenta correspondiente:

Una vez completado el login, es posible efectuar las consultas que necesitemos:

Analítica Web 1: Informes Felipe Maggi

Para efectuar una consulta debemos seleccionar Dimensiones, y las métricas correspondientes (además del período). Cualquier analista habituado a trabajar con GA comprenderá fácilmente la lógica de las consultas. En caso de duda, lo mejor es efectuar la query y ver el resultado… Ensayo y error. Hay que tener en cuenta que muchas dimensiones y métricas no pueden combinarse. http://code.google.com/intl/sv-SE/apis/analytics/docs/gdata/dimsmets/dimsmets.html

Analítica Web 1: Informes Felipe Maggi

La verdadera fuerza de Excellent Analytics radica en la posibilidad de efectuar filtros sobre las consultas, lo que permite seleccionar conjuntos de datos muy específicos… Algo esencial cuando se generan cuadros de mando.

Analítica Web 1: Informes Felipe Maggi

Finalmente, es actualizar las consultas es muy simple. Una vez definida, tan sólo debemos seleccionar la celada en la que se encuentra la consulta, y pulsar sobre “Update Query”, en las opciones de Excellent Analytics. Entonces podremos cambiar el o los parámetros correspondientes (el período, por ejemplo). Notas importantes: La última fase a la hora de programar una consulta es seleccionar el perfil correspondiente de la cuenta en la que se está logueado (si tiene más de uno). Excellent Analytics tiene un tiempo de espera de respuesta un poco corto por defecto. Si ese tiempo se sobre pasa, la herramienta no se conecta con la cuenta… Se puede cambiar en las opciones de configuración, pero lo recomendable es no conectar con cuentas con demasiados perfiles. Para saber más sobre Excellent Analytics: http://excellentanalytics.com/how-to/ Una vez importados los datos a Excel, es posible confeccionar el cuadro… Por un lado están las tablas de datos que vienen de GA, y por otro la presentación de esos datos de forma “amigable”. La clave es que ambos “mundos” estén en hojas distintas. El cuadro se rellena con los datos de las tablas importadas. Esto se hace “llamando” a los datos desde la hoja correspondiente: Se selecciona la celda del cuadro de mandos en la que debe aparecer el dato, escribimos el signo igual (=), vamos a la hoja en la que se encuentra dicho dato, y seleccionamos la celda correspondiente. Puede ser un proceso largo y tedioso, pero sólo hay que hacerlo una vez. Si las consultas las hacemos siempre en la misma posición, los datos se actualizarán reescribiendo las celdas, y las métricas se refrescarán de forma automática en nuestro cuadro de mandos. Materiales: -

Post de Avinash Kaushik. Data Analysis 101: Seven Simple Mistakes That Limit Your Salary. http://www.kaushik.net/avinash/data-analysis-101-seven-simple-mistakes/ Post de Avinash Kaushik: Beginner's Guide To Web Data Analysis: Ten Steps To Love & Success. http://www.kaushik.net/avinash/beginners-guide-web-data-analysis-tensteps-tips-best-practices/ Post de Avinash Kaushik: 5 + 4 Actionable Tips To Kick Web Data Analysis Up A Notch, Or Two. http://www.kaushik.net/avinash/actionable-tips-web-data-metricsanalysis/

Analítica Web 1: Informes Felipe Maggi

Referencias: Avinash Kaushik. Web Analytics 2.0. The Art of Online Accoutability & Sciencie of Customer Centricity, ed. Sibex. Serius Skills. Wiley Publishing, Inc. Indianapolis, Indiana, 2010. Avinash Kaushik. Web Analytics. An Hour at Day, ed. Sibex. Serius Skills. Wiley Publishing, Inc. Indianapolis, Indiana, 2007. Brian Clifton, Advanced Web Metrics With Google Analytics. Second Edition, ed. Sibex. Serius Skills. Wiley Publishing, Inc. Indianapolis, Indiana, 2010. John Walkenbach. Excel 2010. Anaya Multimedia, 2010. Referencias online: Ayuda de Analytics. http://support.google.com/analytics/?hl=es Yahoo! Web Analytics. Support: http://web.analytics.yahoo.com/support

Felipe Maggi Consultor de Analítica y Optimización Web en Metriplica. Responsable de la explotación de la información, KPIs e insights para grandes clientes como Camper, Inditex, Iberostar o Sol Melià. Consultor autorizado de Google Analytics y ComScore entre otros. Licenciado en Ciencias de la Información, sección Periodismo por la Universidad Politécnica de Valencia. Award of Achievement in Web Analytics, por la Universidad British Columbia.