“Supongo que podría estar bastante cabreado con lo que me pasó, pero cuesta seguir enfadado cuando hay tanta belleza en el mundo, a veces siento como si la contemplase toda a la vez y me abruma, mi corazón se hincha como un globo que está a punto de estallar, pero recuerdo que debo relajarme y no aferrarme demasiado a ella y entonces fluye a través de mí como la lluvia y no siento otra cosa que gratitud por cada instante de mi estúpida e insignificante vida. No tienen ni idea de lo que les hablo seguro, pero no se preocupen, algún día la tendrán.” American Beauty

Con la ayuda de la herramienta de analítica web, el acceso a los datos no es el problema, sino decidir cuál es la información relevante, cuál es la que hay que estudiar y qué podremos convertir en estrategia de negocio. Sí, la primera virtud necesaria en la analítica web es la habilidad de manejar muchos datos / fuentes de datos, saber distinguir los importantes y transformarlos en información. ¿Cómo? Organizándolos según los objetivos de la compañía, según su estrategia y táctica, comprobando cómo los datos se interrelacionan.

Lo primero que puede ayudar es definir los pasos o acciones que deberá realizar el visitante para cumplir el objetivo u objetivos que tengamos con el site. No tiene por qué perseguir la adquisición de un producto o el alta en un servicio, cada uno de los pasos podremos medirlos por separado o en conjunto.

El tracking básico del visitante consistirá en saber:

• ¿De dónde viene? Cada fuente tiene un comportamiento distinto, dependiendo de si vienen de buscadores, de favoritos, por medio de un email…
• ¿Por dónde entra? ¿Nuestra carta de presentación es una landing page? ¿La Home? ¿Qué campaña ha sido su reclamo?
• ¿Cuál es el ratio de pasar de visitante a cliente?
• ¿Qué secuencia de páginas sigue durante la visita? ¿Por dónde sale?

Si empezamos por sacar esta información, podremos disponer de un buen punto de partida:

• ¿La página de entrada es la página de salida? ¿Nuestra tasa de rebote se incrementa?
• Si el 2% (más o menos) llegó a cumplir nuestros objetivos… ¿Qué hizo el 98% restante? ¿Por qué no ha seguido el patrón establecido?

Si segmentamos (lo sé, soy muy pesada con este tema), por los perfiles que identifiquemos, ya que los visitantes de un segmento se suelen comportar de la misma forma, pero diferente de los visitantes de los demás segmentos.

Lo ideal es que cada página del site tenga un objetivo, por mínimo que sea. Así podremos saber por dónde empezar a cambiar, a innovar, a testar. Si identificamos bien estos objetivos y decidimos las KPIs que van a medirlos, podremos analizar regularmente y a fondo el site.

Al comprobar la evolución de los visitantes, sabremos si encuentran bien el producto, si sacamos partido a la venta cruzada… ¿Cómo?

• Si tenemos tasas de conversión altas con bajo número de interesados (poca exposición), significa que tenemos poca exposición por lo que debemos promocionar más el producto o servicio para que funcione aún mejor, dentro del site situándolo en la home e invirtiendo en promoción fuera del site.
• Si hay tasas de conversión bajas con alto número de interesados significa que tenemos mucha exposición por lo que habrá que hacer caso a la usabilidad: ¿debemos modificar los formularios?, ¿reducir el número de pasos?, ¿resaltar las llamadas a la acción?
• ¿Qué mide realmente el usuario único?
• Analizando a nuestros visitantes desde el buscador interno
• Site Overlay, para meterse en la mente del usuario

Lo mejor es tener claro, antes de implementar un cambio en el contenido de la web, cómo lo vamos a evaluar y cómo vamos a seguir una misma línea de actuación. Cada experimento debe ser aislado de forma que se pueda medir bien, en relación al site y a lo que hubiera anteriormente. Cuando se dé un cambio con éxito, habría que aplicarlo en otros elementos del site.

¿Cómo podemos conseguir que se aprueben estos experimentos? Realmente la fórmula más fácil es acompañar una recomendación con números que muestren lo que se puede conseguir, y además, contar con la confianza de las personas apropiadas, haciéndoles llegar las métricas regularmente.

Pero lo primero es lo primero, relajarse, dejar que fluya la información, y sólo entonces, las ideas surgirán, si entendemos que es mejor centrarse en calidad más que en cantidad.

Entradas en eTC sobre analítica web:

• La analítica web en el mundo del email
• ¿Qué mide realmente el UU (Usuario Único)?
• Optimización de landing pages

“De todos los cafés del mundo, tuvo que elegir el mío” ‘Humphrey Bogart en ‘Casablanca‘

El domingo participé en una carrera de nueva creación en Madrid. Consistía en correr 10 km en apoyo a la candidatura de Madrid para albergar los Juegos Olímpicos de 2016. En el mismo, se prometía un avituallamiento a mitad de la carrera, pero los kilómetros pasaban y allí no había nada de nada…, porque no hubo para todos (sí, voy un poco lenta, pero segura :). La llegada también tuvo algo de descontrol. El caso es que se notó que era la primera vez que se organizaba esta carrera.

Sin embargo, el lunes me llegó un email de la organización agradeciendo mi participación en la misma, dejando claro que habrá más convocatorias, y pidiendo disculpas por los fallos que habían tenido en esta primera carrera. Terminaba el correo diciendo que apreciarían comentarios y sugerencias para mejorar.

Creo que este tipo de prácticas son muy inteligentes, la organización tiene mi email, y aprovecha, en las horas siguientes a la carrera, para crear una relación entre el cliente y la marca. La iniciativa me ha gustado. Es cierto que ahora con todo el tema de las redes sociales ya no se le da al email la importancia de antaño, pero la mayoría de las empresas hace uso aún de este sistema de vinculación con el cliente.

La analítica web puede ayudarnos a crear una relación con los clientes a través del email. ¿Cómo? Por supuesto, con segmentación. No basta con mandar un email a quien ha adquirido algo online, dándole más información sobre el producto, ofreciéndole un descuento por accesorios o similar. Esto se puede hacer sin la analítica web. No, yo hablo de buscar un método, por medio de la analítica web, para contactar en el mejor momento con el cliente.

Hay que conseguir información del cliente y crear el modelo que mejor convenga al negocio, dependiendo de lo que se ofrezca en la web. Por ejemplo, si evaluamos la media de días entre compra y compra del cliente, y calculamos cuánto tiempo ha pasado desde esa última compra, podemos usar esta frecuencia, para pillarle el deseo, cuando calculemos que va a volver a comprar.

Hay que encontrar las variables que nos puedan servir para saber cuándo es el mejor momento de atacar: el historial de compras, los ratios de cuando vuelve el cliente, la frecuencia, lo que tarda en comprar… Saber qué segmento de clientes será nuestro objetivo, nos ayudará a darle forma a nuestra estrategia.

El siguiente paso es hacer un test con el contenido de los emails. Un pequeño cambio puede ser suficiente para incrementar el interés en los clientes… Como siempre, hay que definir los diferentes contenidos, los resultados que esperamos obtener (si se refiere a la tasa de apertura, a pinchar en el link, a la tasa de conversión…), lanzar los emails y recoger los datos.

Finalmente, hay que decidir cómo medir el éxito. Me parece importante medir las microconversiones que nos llevarán a la superconversión. Es decir, la que se traduce en euros :)

• ¿Cuántos emails se han abierto?
• ¿Cuántos han accedido al link?
• ¿Cuánto tiempo ha estado el visitante en el site?
• ¿Dónde fue el visitante después de entrar en el site?
• ¿Qué contenidos ven los que acceden desde el email a nuestro site?
• ¿Cuántas páginas visitó?
• ¿Cuál fue el producto asociado al email que más visitas recogió?
• ¿Cuál fue el producto asociado al email que más adquisiciones tuvo?
• ¿En qué paso del embudo de conversión del producto podemos estar fallando?
• ¿Cuántos han terminado adquiriendo la oferta?
• ¿Cuánto beneficio hemos obtenido por la campaña de email?
• ¿Cómo se ha comportado cada segmento?

Las métricas que recojamos, deberemos reportarlas a quien pueda estar interesado, junto con todas aquellas que le ayuden a tomar decisiones, incluyendo nuestras propias conclusiones. Normalmente, ayuda el incorporar una métrica asociada a conversión o beneficio, para construir una evolución del canal y traducir el éxito en euros. Si sabemos lo que nos cuesta mandar un email al cliente, podremos saber el coste que tenemos y el beneficio generado. Así, podremos ir adaptando la estrategia según vayan funcionando las campañas.

Según este interesante artículo , de obligada lectura de Juan Cruz: durante las primeras 48 horas es cuando se abren la gran mayoría de los emails; los lunes son el mejor día para lanzarlo; es vital tener títulos cortos; funciona mejor la personalización del contenido; y a mayor número de links, más posibilidades de que sean enlazados.

Si queremos que entren en nuestro café, habrá que invitarles. No todos tenemos la suerte de Bogart.

Entradas en eTC sobre analítica web:

• ¿Qué mide realmente el usuario único?
• Analizando a nuestros visitantes desde el buscador interno
• Site Overlay, para meterse en la mente del usuario

“Del amanecer de los tiempos venimos. Nos hemos movido silenciosamente a través de los siglos, viviendo muchas vidas secretas hasta completar el número de los elegidos esperando la hora del combate final. La hora ha llegado: sólo puede quedar uno…” Los Inmortales

Un amigo me consultó el otro día por qué no me fiaba mucho (más bien nada) de la métrica de USUARIO ÚNICO, y sí, por el contrario, del número de visitas. ¿La verdad? Creo que sería genial saber exactamente cuántos usuarios distintos se acercan a nuestro site. Hay webs con suerte que pueden pedir un login para entrar, por lo que saben exactamente el número de clientes que han pasado por allí y qué han hecho en el site. Sin embargo, la gran mayoría no tienen forma de saber cuál es el número exacto de visitantes únicos que han estado navegando. Y aún así, no tienen forma de saber el número distinto de usuarios que han entrado en el site, si no se ha dado de alta o identificado.

Toda herramienta decente de analítica web mide al Usuario Único y a sus distintas versiones, pero quiero explicar bien qué mide esta métrica (para que cada uno obre en consecuencia).

Esta métrica se basa en una cookie. La explicación básica es que la primera vez que entras en un site, se te coloca una cookie para que el sistema pueda identificarte las siguientes veces.

Primer problema, esta métrica no mide personas. Si como casi todo hijo de vecino te conectas desde más de un sitio distinto (por ejemplo desde el trabajo, casa, móvil), para la herramienta de analítica web serás 3 visitantes únicos, cuando en realidad eres una única persona.

Segundo problema, hay muchas personas que acostumbran a borrar sus cookies. Dependiendo del periodo a medir, y siguiendo el ejemplo anterior, puede que una misma persona equivalga a seis visitantes únicos distintos (una persona desde 3 conexiones distintas que borra sus cookies cada semana, si calculamos los visitantes únicos de la primera quincena de mes, tendremos 6 visitantes únicos).

Pero veamos cómo funciona el cálculo realmente en la herramienta. Avinash Kaushik lo explica de manera fabulosamente clara con un ejemplo en uno de sus posts.

Basándonos en su clarificador ejemplo, si estudiamos los visitantes en un site, el primer día podemos comprobar que hay 3 usuarios únicos (Avinash, Dennis y Matt). Las cifras que mostrará la herramienta serán las siguientes:

• Visitantes Únicos Diarios: 3
• Visitantes Únicos Semanales: 3
• Visitantes Únicos Mensuales: 3

El problema viene con el paso del tiempo. Si nos centramos en coger el día 1 más el día 2:

• Visitantes Únicos Diarios: 5 (cuando deberían ser 3)
• Visitantes Únicos Semanales: 3
• Visitantes Únicos Mensuales: 3

Como la métrica Visitantes Únicos Diarios funciona “diariamente”, tratando cada día como distinto, no tiene sentido utilizarla cuando hay más de un día en el periodo analizado, no guarda la información de un día para otro. Suma los usuarios únicos del día 1 con los usuarios únicos del día 2 tal cual.

¿Qué pasa con las demás métricas cuando se aumenta el periodo a analizar?

Tomemos como ejemplo el mes 1:

• Visitantes Únicos Diarios: 13 (bueno, ya sabíamos que éste no iba a funcionar)
• Visitantes Únicos Semanales: 9 (cuando deberían ser 6)
• Visitantes Únicos Mensuales: 6

Desgraciadamente, al aumentar el número de semanas analizadas, la métrica de Visitantes Únicos Semanales funciona igual de mal que la métrica de Visitantes Únicos Diarios.

Es decir, funciona sumando los visitantes únicos de cada semana de manera independiente (3 visitantes únicos de la semana 1 + 3 visitantes únicos de la semana 2 + 3 visitantes únicos de la semana 3 = 9 visitantes únicos semanales).

Por ahora, lo que hemos aprendido es que la métrica de visitantes únicos diarios no sirve para más de un día, y la métrica de visitantes únicos semanales no sirve para más de una semana.

No es muy difícil saber qué pasará con la métrica de visitantes únicos mensuales cuando se trate más de un mes, ¿verdad? Efectivamente, si procesamos todo el cuadro, observaremos que la métrica de Visitantes Únicos Mensuales indica 12 cuando realmente son 9:

No todo está perdido. Si en la herramienta de analítica web tenemos la métrica Visitantes Únicos Absolutos, sí que mostrará los visitantes distintos, independientemente del periodo a estudiar. Pero sí, puede estar todo perdido, porque en el momento en que se utiliza cualquier segmentación (normal o avanzada), por ejemplo en Google Analytics, esta métrica no es viable. Sí lo es en NedStat, Xiti y Unica (herramientas de pago).

¿Entonces para qué nos puede servir este tipo de métricas? Bueno, el truco es saber utilizarlas correctamente. Se pueden tomar los datos de un mes con la métrica de Visitantes Únicos Mensuales y saber si estamos captando más usuarios únicos que el mes anterior o que el mismo mes del año anterior. Se puede comprobar qué día de la semana aglutina a más visitantes únicos, para realizar en ese momento los cambios sobre la web.

Se pueden sacar ratios interesantes, como la media de visitas por visitante, cuántas páginas ha visto de media cada visitante único, el porcentaje de visitantes que utilizan el buscador interno, etc… También, puede servirnos de indicador, saber cuánto nos cuesta de media un visitante y si el beneficio que nos genera compensa el esfuerzo en marketing o publicidad.

Teniendo en cuenta todo lo que rodea a este tipo de métrica de Visitantes Únicos, está en nuestras manos decidir si utilizamos visitas totales o visitantes únicos para nuestros análisis. Lo importante, es tener claro qué mide cada uno, midiendo siempre medir bajo el mismo criterio, la tendencia será lo que realmente nos aporte valor, independientemente de cuál elijamos para nuestro cálculo.

Como en las películas, la hora ha llegado, sólo puede quedar uno :)

Entradas en eTc sobre analítica web:

• Optimización de landing pages
• Modelo de Madurez en Analítica Web
• El Motion Chart para contar una historia

“No hay nada que me quieras contar que no me apetezca saber” Anatomía de Grey

Una de las cosas más rápidas, sencillas, y que puede aportar mucho valor a nuestro site, es determinar cómo es el rendimiento de nuestras “landing pages“. En estos tiempos de crisis, en los que no hay presupuesto para mucho (más bien para nada), es interesante identificar en qué landing pages debemos centrar nuestros esfuerzos, bien porque no están funcionando de la manera correcta, o bien porque no les estamos sacando el máximo jugo.

¿Cómo nos ponemos manos a la obra? Con nuestra herramienta de analítica web (utilizaré para la explicación Google Analytics, por ser la herramienta analítica más común):

Creamos un informe personalizado (imagen superior). Como dimensión tomamos la página de destino, y como indicadores, toda la información que tengamos de dicha página: el número de veces que se ha descargado, los accesos, los rebotes, el número de nuevas visitas y el tiempo pasado en la misma…

Podremos ofrecer más detalle de la información, segmentando por los perfiles que tenemos definidos para nuestra organización (los que compran, los que vienen de SEO, los que vienen de SEM…). Sin embargo, necesitaremos tratar esta información en un excel para sacarle el máximo partido.

Así, podremos saber de un solo vistazo cómo están funcionando nuestras landing pages. Tendremos un amplio abanico de acciones. Por ejemplo, podemos tomar las landing pages que están funcionando de lujo (las dos que están justo encima de la fila resaltada en rojo y la que está debajo). En el ejemplo, tenemos tres landing pages con una tasa de rebote menor al 40%; sin embargo, solamente las dos que están encima de la fila roja tienen un porcentaje de salida menor al 20%. ¿Qué hacer con estas landing pages? ¿Cómo mejorar sus indicadores?

Podemos realizar un test A/B o multivariante, en estas páginas, para probar las hipótesis que se nos ocurran.

He seleccionado delibedaramente un ejemplo sin conversión, porque es interesante comprobar cómo los cambios que hacemos en la web sin dirigirlos directamente a la conversión tendrán un beneficio sobre ésta. Si conseguimos crear interés a base de buenos contenidos, de buena navegación, de una correcta usabilidad, o de un diseño cuidado, tendremos mucho ganado.

Sobre todo, ganaremos visitas de calidad en el momento en el que optimicemos las landing pages con respecto a lo que buscan los que aterrizan en ellas. Si combinamos esta información con la que podemos obtener de qué hace el usuario cuando visita cada landing page, tendremos una idea de por donde podemos empezar.

Al mismo tiempo, podemos intentar determinar qué palabras clave nos pueden ayudar a conseguir un mejor posicionamiento de cada landing page. Ahora mismo, Google Analytics no tiene un informe de keywords por las que se accede a una landing page, el informe que muestra es por el total del site.

¿Qué podemos hacer? Con un estudio de las keywords, por las que los usuarios entran a nuestro site, tendremos una idea de qué es lo que realmente interesa al usuario, por lo que podemos potenciar el contenido de cada landing page en base a dichas palabras clave. Pero, ¿estamos mostrando la página correcta a la keyword correcta?

Lo realmente importante (no me canso de repetirlo), es conocer bien el site. Igual que no podemos usar los mismos valores en los indicadores para todos los sites, cada landing page de nuestro site requiere un entendimiento explícito de su función exacta:

- Páginas que tienen como finalidad interesar al visitante, queremos que siga navegando.

- Páginas que buscan persuadir al visitante de que haga una acción determinada

- Páginas informativas que deben ayudar al visitante a entender determinados aspectos de nuestros productos o servicios

Dependiendo del site, habrá más o menos categorías. Si identificamos cada landing page dentro de una categoría, podremos luego compararlas entre sí, puesto que los indicadores sí nos serán de utilidad al hablar de lo mismo, y nos será más fácil saber qué páginas de cada grupo pueden ser candidatas a optimizar.

¿Te animas a destripar tu site? :)

Más información | Jose Panzano y Eduard Barredo

Entradas en eTc sobre analítica web:

• Con una sola herramienta no tendremos la foto completa
• El Motion Chart para contar una historia
• Modelo de Madurez en Analítica Web

“Reproches, compromisos,… tu eres vela, yo soy viento…, si eres cauce yo soy río, … si eres llaga yo lamento…” Diego El Cigala

El otro día estaba escuchando una entrevista de El Cigala en la radio. Hablaba de cuando él oía una canción, cómo se identificaba y se metía en ella, e inconscientemente ya la veía en el disco. En ese momento, la entrevistadora le preguntó: “¿pero con todas las canciones del disco?”. Y su contestación fue que sí, que en todas, que si no se “mete en ese pellejo” no hay nada. Y lo repitió muchas veces, “no hay nada, si no me meto en el pellejo no hay nada”.

En estos últimos días he tenido la suerte de poder dar a conocer la analítica web a diversos grupos de gente. Y me ha llamado la atención, que se repita constantemente la misma pregunta: “¿Por dónde empiezo? ¿Cómo sé qué puedo hacer para mejorar el negocio con la analítica web?”

Hace unos meses me encontré con un modelo que tiene la virtud de medir el grado de madurez en analítica web, y que Bill Grassman, de Gartner, presentó en el Emetrics de San Francisco 2007. Como me parece sumamente interesante, no he podido evitar estudiarlo en profundidad:

En teoría, este modelo se “fabricó” para saber, según la empresa quisiera cubrir distintos niveles, qué herramienta de analítica web se necesitaba. Sin embargo, creo interesante el aplicarlo también al crecimiento que puede experimentar un analista web dentro de la empresa. Las preguntas de las que parto son:¿en qué nivel me encuentro yo?, ¿en qué nivel se encuentra nuestra empresa?, ¿qué necesitamos para pasar de nivel?)

Desde mi punto de vista, creo que los analistas web tenemos bastante claros los objetivos que perseguimos para nuestra web. Hacemos nuestro trabajo y aprendemos de nuestra experiencia. Pasamos de la depresión más absoluta, cuando nadie nos hace caso, o bien no se nos aparecen las musas y no sabemos cómo presentar los datos, a la alegría más exultante cuando nuestras premisas se siguen y nuestro trabajo sirve para algo. Así que, poco a poco, voy madurando, como analista web por un lado, y como evangelizadora por otro. ¿La mala noticia? Que entonces vamos queriendo aprender más y más. La cuestión es que no sabía muy bien cómo definirlo, hasta que de repente me encontré con este modelo. Creo que es bastante acertado el planteamiento con el que engloba cada nivel, y no sólo eso, también cómo, el hecho de pasar de un nivel a otro, significa ir madurando , hasta llegar a controlar el negocio por completo.

Un analista web se inicia por las métricas de la web. Empieza a medir los datos más relevantes de tráfico, las páginas vistas, las visitas, los visitantes, los contenidos más visitados, procedencia, por donde entran, por donde salen, lo que hacen… Creo que, en este nivel, uno dura poco, es breve pero intenso, pero es donde empieza a surgir la pasión, cuando se empieza a indagar sobre qué está pasando en el site. Empiezas a conocer la web y… crees también que empiezas a conocer a los visitantes… ayyyy iluso/a :) Sacas unos cuantos informes, que al principio te parecen la bomba, y luego, cuando alguien (o tu mismo) se pone a pensar un poquito más, parece que les falta algo…

Es entonces, de repente (si no te aburres y tiras la toalla y pides un destino mejor en la empresa, je je), cuando te encuentras inmerso en el segundo nivel, donde empiezas a analizar patrones de comportamiento, siguiendo las rutas de navegación, analizando los embudos de conversión, definiendo KPIs más sofisticados, e incluso eres un afortunado que puede intentar hacer un test A/B. Además, preparas unos dashboards que maravillan al personal. El resultado está claro, mucho más orientado al negocio, datos más precisos e informes mucho más enriquecedores para la toma de decisiones. En resumen, que Avinash se sentiría orgulloso de ti :)

A partir de aquí, ya se te empieza a conocer en la organización, aunque por contrapartida se te acumula el trabajo. Te empiezan a exigir más y más, y pasas a ser para la gente, la persona a quien consultar sobre marketing. Mides con eficiencia las campañas sobre tu site, haces de la segmentación tu razón de ser, te adentras y empapas de SEO, por medio de blogs, porque no tienes tiempo casi ni de leer un libro, preparas tests multivariante, pero, sobre todo, comienzas a pensar en los usuarios como personas, no como meros visitantes. Tus análisis, ahora, tienen un valor añadido, y los informes, los realizas mucho más personalizados y completos, dependiendo de quien reciba la información.

Quieres más, ya no hay escapatoria. Eres un friki de la analítica, y no te importa reconocerlo, si encima, te pasa como a mí y descubres que puedes twittear con otros como tú, o formar comunidades en la sombra, y ahí es cuando estás perdido: ya no serás capaz de entrar en una cafetería sin analizar su tráfico.

La buena noticia es que aún queda muchísimo por mejorar como analista web. No tienes tiempo de aburrirte. Llegas al nivel 4, el maravilloso mundo del CRM. No basta con saber que 500 personas se conectan diariamente desde Valladolid, ni que el 40% lo hace bajo una resolución de 800×600, ni que el 70% son clientes reconocidos y que el 23% ha repetido conexión este mes. Quieres saber más. Conocer cuántos tienen un perfil determinado, si son hombres, casados, con una hipoteca y otro producto en busca de un tercero, si tienen hijos, si es rentable, si tienen tarjeta de crédito y si hace 3 meses se interesaron por un fondo de pensiones. Todo informe te parece anodino si no profundizas en las personas, si no defines varios targets para hacerles tests, para llegar a conocerles tanto como a tu web, que ya la tienes supertrillada. Quieres hacerles test, encuestas online, lo que sea para saber algo más de ellos.

Veredicto según mis conocidos y amigos: estoy enferma. Veredicto friki personal: necesito cruzar datos de la analítica web con el CRM. Hay dos posibilidades, o te montas el arco de iglesia necesario para cruzar los datos y te terminas de volver loco o te haces con una herramienta in house que lo haga sin mucho esfuerzo, o puedes comprarte la plataforma entera de Omniture y pasar a tener el poder.

Y ya solo queda el nivel 5. Tienes la sabiduría, una red montada de datos cruzados donde solamente te falta el número de pie del usuario, sabes como se comporta en la web, fuera de la web y casi qué cosas hace en su casa. Sabes como interpretar los resultados, y preparas una estrategia, puesto que sabiendo el pasado y contando con una herramienta de análisis predictivo (ojo, aquí hay que invertir en un curso de esta herramienta porque no suele ser fácil de utilizar), eres capaz de basar decisiones futuras en datos. Y lo más importante, en el camino has forjado una muy buena experiencia y has inculcado un proceso de cambio en tu organización, ahora cada canal no funciona por separado, cada departamento por su lado, no, se piensa en global, en mejorar la web, pero lo offline también… Y tu trabajo es vital… Antes también, pero ahora te pagan mucho más, ja ja ja… Obviamente yo no he llegado a esta fase, pero aún me queda mucha energía.

¿Y por qué se me pone la piel de gallina? Me doy cuenta, aunque nunca llegaré a ser como el Cigala y emocionar a otros con mi trabajo, que a mí se me pone la piel de gallina cada vez que tengo un nuevo reto, me doy cuenta de que crezco poco a poco, tengo una nueva idea, y aplico un nuevo concepto. Lo sé, soy una sentimental.

Entradas en eTc sobre analítica web:

• Con una sola herramienta no tendremos la foto completa
• El Motion Chart para contar una historia
• Cómo saber de analítica web sin morir en el intento

“Cuanto más sabes quien eres y lo que quieres, menos dejas que las cosas te incomoden.” Lost in Translation

La semana pasada, en el Practitioner Web Analytics que se celebró en Barcelona, el gurú de la analítica web Avinash Kaushik dijo algo que me llamó mucho la atención:

“No tendremos la foto completa de lo que ocurre hasta que no obtengamos datos de más de una herramienta.”

Me encantó el ejemplo que puso, si cuatro ciegos tocan a un elefante por distintos sitios, no sabrán lo que es, cada uno dirá una cosa diferente:

“Esto es lo que nos pasará si solamente mostramos una parte de la foto, que podemos malinterpretar el conjunto y tomar la acción errónea.“

¿Y qué podemos hacer al respecto? Crear contexto con todo lo que estamos aprendiendo sobre analítica web en este blog, pero investigando qué herramientas nos pueden ayudar a tener todas las partes del elefante controladas (gratis o casi gratis).

a) Para testar y recoger información de diseño y/o usabilidad:

• Google Website Optimizer: como ya vimos hace unas semanas, podemos hacer test A/B y test multivariante con esta herramienta, para probar las hipótesis que tengamos e ir sobre seguro a la hora de cambiar un diseño o una llamada a la acción.
• Crazy Egg: servirá para hacer un análisis de clicks, o sea, para comprobar donde miran, donde pinchan…, así sabremos lo que menos se utiliza de cada página, qué podemos seguir potenciando y qué podemos o nos interesa mejorar. Incluye la opción de ver la información en un heatmap y segmentar por perfiles.
• ClickTale: es una herramienta de análisis visual que permite grabar y ver lo que hacen los visitantes, hacia donde van, cuanto profundizan, donde estamos fallando a la hora de llamar a la acción y qué debemos mejorar para llevar a los usuarios a su destino.

b) Para crear conversación con el usuario:

• Woopra: es una alternativa digna a Google Analytics para sites con poco tráfico. Te aporta además de las métricas típicas, un análisis en tiempo real y poder sacar mensajes en forma de pop-up para hablar con los usuarios conectados en ese instante.
• 4Q: ya hablamos en este blog de recoger datos cualitativos en la propia web para saber la experiencia de nuestros usuarios.

c) Para indagar en nuestra estrategia SEO y nuestra estrategia SEM:

• Google Ad Planner: es el sistema propio de medición de Google para no tener que auditar sus resultados con terceros, a nosotros nos sirve para programar nuestras campañas.
• Enquisite: una versión gratuita y mucho más rudimentaria que cualquiera de las de pago para hacer análisis de nuestro SEO y SEM.
• 103Bees: da información sobre los términos de búsqueda, nuestro long tail (larga cola), e identifica las posibles keywords que no funcionan para mejorar nuestro SEM.

d) Para saber cómo están nuestra marca o nuestros productos y servicios con respecto a la competencia:

• Google Trends: ya lo explicamos en este artículo hace unos meses. Sirve para saber la frecuencia con la que se busca un término dentro de un periodo de tiempo determinado y las preferencias de los que nos buscan.
• Google Analytics Benchmark: sale directamente en los reports de Google Analytics en las cuentas que han seleccionado compartir sus datos según su categoría. Sirve para comparar los datos del propio site con los de la media de la competencia.
• Google Insight Search: para conocer las tendencias de las búsquedas online. Esta herramienta revela en un único interfaz además de la popularidad de las búsquedas, cuales están subiendo y otras keywords relacionadas.
• Alexa: medidor internacional para webs con resultados de valoración de la página, combina el número de usuarios únicos y páginas vistas del site para ponerlo en un ranking. Sirve para comparar la tendencia de las visitas entre sites aunque no es muy preciso puesto que se basa en el uso voluntario de una toolbar entre los usuarios.

¿Qué se dice de nosotros por ahí?

En redes sociales, dependiendo de nuestro público, podemos encontrar comentarios de nuestra marca en:

• Facebook: ¿se ha creado algún grupo que hable de nuestra marca?, ¿hay fans?
• Tuenti: ¿se ha lanzado alguna campaña?
• Linkedin: ¿qué se comenta de nuestra empresa?, ¿fomentamos diálogo?
• Xing: ¿hay comentarios de nuestra marca?

En plataformas como:

• Youtube: ¿existe algún video que no sea nuestro y hable de nosotros?, ¿qué impacto tienen nuestros anuncios?
• Twitter: podemos dar de alta alertas para saber cuando se habla de nuestra marca y quién lo hace

Y por supuesto no olvidar los foros temáticos, los blogs… hay todo un mundo ahí fuera.

Sabiendo las conversaciones que generamos, podremos tener información privilegiada sobre qué producto o servicio hace falta mejorar, o qué falla en nuestra marca.

Así que la analítica web no es solamente una herramienta, sino una estrategia de negocio, es un trabajo de todo el equipo web unido en una cultura de optimización: se analiza, se generan las recomendaciones, se implementan las mejoras, se aprende y se vuelve a probar una y otra vez. Para que la rueda funcione hay que tener clara la foto completa.

Entradas en eTc sobre analítica web:

• El Motion Chart para contar una historia
• Aumentar la tasa de conversión reduciendo errores
• ¿Captamos? ¿Fidelizamos? ¿O hacemos ambas cosas?

“Un efecto especial es una herramienta, un instrumento para contar una historia. Un efecto especial sin una historia es algo muy aburrido.” George Lucas

Para mí, el gráfico ideal es aquel que cuenta una historia. Y sin duda, el gráfico que mejor cuenta una historia por tener distintas fases es el motion chart.

Os invito a ver este video en el que Hans Rosling realiza la mejor presentación que he visto a nivel de comunicación con un motion chart. Vale la pena verlo, el profesor es una pasada. Y el motion chart lo es aún más.

¿Por qué es una pasada? Aparte del poder de comunicación que te da el llegar a contar con cuatro variables en el mismo gráfico, el visualizar su evolución en el tiempo lo convierte en una historia completa.

Hace tiempo que leí en el blog de Jaume Clotet un artículo en el que explicaba de forma muy clara los pasos a seguir para crear un motion chart. No hace falta tener Google Analytics (que lo tiene integrado), podemos crear nuestro motion chart si tenemos un excel con los datos.

Como ejemplo, mostraré uno de los motion chart que me ha resultado más interesante, el que da información sobre las palabras clave por las que se ha llegado a nuestro site.

El gráfico explica un análisis de palabras clave. En el eje vertical está la tasa de rebote, y en el eje horizontal el número de visitas generado. El tamaño viene determinado por la tasa de éxito conseguida (nº conversiones / nº visitas generadas), y el color representa el tiempo que ha pasado de media la visita.

Desde que intenté realizar el gráfico hasta que lo conseguí pasó una hora y media, contando con el tiempo que tardé en recolectar los datos. Así que me gusta que se pueda hacer tan rápido (plug & play ja ja ja), sin perder el tiempo en gráficos mastodónticos :)

Primero, seleccioné los datos de mi herramienta de analítica web, como no tenía muy claro las variables que iba a utilizar al final, seleccioné ocho distintas para luego “jugar” con ellas. Decidí limitar el número de keywords a ocho (es mi “número motion”), para poder ver claramente la evolución. Me llevó algo de tiempo acertar con los formatos al llevarme los datos a Google Docs, pero me servirá para el futuro, no hay nada como trastear para aprender a usar algo.

¿Qué ganamos con este gráfico?

Cuando lo ponemos en movimiento, veremos cómo las palabras clave van evolucionando a través del tiempo.

Si observamos el ejemplo, sin darle al play aún, podemos comprobar como la keyword “Gemma Muñoz” tiene un número muy alto de visitas, y un tamaño considerable por la tasa de éxito generada. Sin embargo, cuando decaen las visitas también lo hace la tasa… ahí podemos afirmar que las visitas que traen esta keyword son de las que valen la pena :)

Es interesante también comprobar la evolución positiva de la keyword “blog analítica web”, empieza titubeante en septiembre y en diciembre, y aunque sube espectacularmente la tasa de rebote, también sube en sintonía el tiempo de estancia. Al contrario que la keyword “donde esta avinash”, que empieza con una media de tiempo de valores máximos, para irse deshinchando a medida que llegamos a final de año.

Para sacar conclusiones es vital contar con la ayuda de un guión donde tengamos apuntado lo que tenga que ver con las variables analizadas. Es decir, en octubre posicionamos por la keyword “tabla karnaugh” y parece, aunque se consigue un alto número de conversiones, que bajo esta keyword no se consiguieron más de 20 visitas mensuales, y la tasa de rebote aumenta mientras que el tiempo de estancia se reduce… ¡Habría que haber hecho algo al respecto! :)

Las conclusiones salen solas. Lo que hago es, primero, ver la perspectiva global, ver qué destaca e identificar por qué. Finalmente, me centro en cada burbuja, y visiono una vez por cada burbuja que haya, para ver cómo ha sido su evolución individual. No está de más terminar con la perspectiva global, parando, volviendo atrás,… Es cierto que los datos también los podemos analizar en bruto, numéricamente hablando. Pero creo que es más fácil no verlo tan en “blanco y negro”, es mucho mejor ponerle “color”.

Además, el gráfico es completamente interactivo. Es decir, es como el cine Exin. Puedes ir para delante, para atrás, cambiar los ejes, la velocidad (al lado del play hay unas rayas horizontales, cuanto más larga es la raya, más despacio va el tiempo), puedo ver el nombre de cada burbuja (pinchando sobre la misma, sale un letrerito) y la ruta de navegación, si está seleccionada la opción, incluso los valores exactos de cada variable mientras va pasando el tiempo, simplemente colocando el ratón por encima de la burbuja.

Cuando ya lo demos por bueno, hay que seleccionar Publish Gadget en el menú del gráfico, arriba a la derecha. Sale un código y se integra en la página donde queramos ponerlo.

¿Por qué me parece tan especial? Por la historia que cuenta, como he comentado antes. No estoy mostrando la información, la estoy haciendo entender, meto al receptor en la historia y hago que se implique.

Un apunte más a su favor… ¡Es gratis! ¿Qué esperáis para probarlo y contar vuestra historia?

Entradas en eTC sobre analítica web:

• Aumentar la tasa de conversión reduciendo errores
• Analizando las keywords de entrada con la nube de tags
• El mapa de Karnaugh o cómo las matemáticas nos facilitan el análisis

Hace un par de años, Lewis Hamilton reconoció que perdió el título mundial de F1 porque sin querer presionó un botón que se utiliza para reiniciar su coche. El botoncito en cuestión hizo que el coche se quedara en punto muerto y para poder utilizar la caja de cambios tuvo que esperar un tiempo, justo el que le hizo perder el título.

¿A quién se le ocurre poner un botón de parar-mi-coche-de-carreras-ahora a mano del piloto?

El otro día estuve presente en un test de clientes. Es apasionante cómo te tienes que mantener bajo control para no gritar “NOOOOOOOOOO” cuando observas cómo el cliente irremediablemente va a cometer un error. Me acordé de este artículo, donde explican con ejemplos muy claros cómo muchas veces somos nosotros los que ponemos los obstáculos para que los usuarios no lleguen a cumplir nuestros objetivos.

En nuestra web a veces ponemos links o botones disuasorios demasiado cerca de los puntos de acción que resultan ser trampas para que el usuario se aleje de nuestro objetivo. Por ejemplo, observemos la captura.

¿Qué hace el botón de vaciar carro de compra justo al lado del que hace seguir adelante con la orden?

¿Por qué tiene el mismo aspecto que el de añadir producto o seguir adelante?

¿Y por qué se ha puesto a la derecha?

Apuesto a que muchos visitantes después de llenar concienzudamente su carrito de compra dan a ese botón sin mirar, sólo porque está situado donde en teoría debe ir el que da por finalizada la compra. Lógicamente, no todos los que experimentan esta situación vuelven a llenar el carrito, y además, abandonarán el site bastante cabreados… ¿Era necesario este despropósito? ¿No hubiera sido mejor cambiar el botón de ubicación y de aspecto?

¿Cuántas veces borramos la información de un formulario, bien por darle al botón inadecuado, o la perdemos por no introducir bien uno de los campos?

Este otro ejemplo, sí que ilustra perfectamente el concepto de tratar de diferente manera los botones que no llevan a la conversión , todo para evitar confusiones.

¿Cómo podemos medir si en nuestro site hay algún boton o link que nos esté restando conversiones? Con el Site Overlay podemos detectar si alguno de los links o botones inoportunos están recibiendo más clicks de los que suelen tener en otros lugares del site.

También, podemos partir de las páginas destino de estos links o botones, y saber cuántas visitas se van del site desde este tipo de páginas. Habría que reducir las visitas a las páginas que tengan mayor estadística de abandono. Incluso, al estudiar un embudo de conversión podemos repasar link a link la página donde más abandonan los usuarios. ¿Dónde acaban estos usuarios? ¿Es por nuestra culpa al desviar su atención hacia otra cosa?

Lo importante es alejar de la mano del usuario o piloto de la web el botón de adiós-título-o-conversión-adiós, porque probablemente será demasiado tarde para dar marcha atrás.

Entradas en eTC sobre analítica web:

• ¿Captamos? ¿Fidelizamos? ¿O hacemos ambas cosas?
• Analizando a nuestros visitantes desde el buscador interno
• Tasa de Conversión: Medida estratégica de nuestro rendimiento

“Si la ayudo, Clarice, usted y yo nos turnaremos. Quid pro quo, yo le digo cosas y usted me dice cosas, no sobre este caso, por supuesto, cosas sobre usted. Quid pro quo, ¿sí o no? … ¿Han dejado ya de chillar los corderos, Clarice?” ‘Anthony Hopkins en ‘El silencio de los corderos‘

¿Te has planteado si tu site fideliza a los visitantes? ¿Si tu público estable supera a los nuevos? ¿Si estás captando el interés de los que se acercan a conocerlo? ¿Si estás atrayendo un número suficiente de potenciales compradores?

Creo que cualquier estrategia sobre captación y fidelización tiene que estar basada en saber en qué medida atraemos y convertimos a los visitantes en clientes. ¿Cómo lo hacemos? Empecemos por el principio.

El concepto de los nuevos visitantes se refiere a aquellos que no tienen la cookie identificativa de que ya ha estado en nuestro site. Hay que tener en cuenta que, si los visitantes borran habitualmente las cookies, los datos no serán totalmente precisos. La herramienta web no reconocerá si el visitante es nuevo o antiguo, por lo que catalogará a éste siempre como nuevo.

Lógicamente, dependiendo del tipo de negocio, daremos más importancia a una métrica frente a la otra. No obstante, lo que debemos tener claro es la estrategia que queremos seguir. Estas KPIs serán el indicador de la relación que tienen nuestros visitantes con el site. Bien, ¿es la que queremos?

% Nuevos Visitantes = Nuevos Visitantes / Total Visitantes

% Visitantes que repiten = Visitantes que Repiten / Total Visitantes

Si nuestra estrategia de marketing se focaliza en la captación masiva, el porcentaje de nuevos visitantes deberá ser más alto que el de los que repiten (por ejemplo, en un site de reserva de hoteles). Si por el contrario, nuestro valor se fundamenta en la retención de usuarios (un blog, por ejemplo), nos interesará tener un porcentaje de visitantes que repiten, superior al de nuevos visitantes. Hasta ahí todos de acuerdo.

Pero, ¿qué ratio representan los nuevos visitantes con respecto a los que repiten? Es decir, si tenemos un ratio de 2,5, significará que por cada visitante que conservamos tenemos 2,5 visitantes nuevos. Un ratio menor al 2 indica un site que fideliza mucho al visitante, o que no sabe atraer nuevos visitantes con asiduidad. La fórmula es la siguiente:

Ratio = Nuevos Visitantes / Visitantes que Repiten

Independientemente de la estrategia que sigamos, el ratio de nuevos visitantes frente a los que repiten debería mantenerse más o menos estable (a no ser que provoquemos deliberadamente lo contrario), y si no es así, habrá que profundizar en qué ha pasado para que uno caiga y el otro suba de manera anómala; es decir, cuál ha sido el que ha provocado el cambio estudiando los porcentajes.

Si tenemos desplegadas campañas para atraer nuevos visitantes, un ratio alto de éstos significará que lo estamos haciendo bien. Si el SEO está funcionando, también atraeremos un número alto de nuevos visitantes. Con un site que genera contenido con mucha frecuencia, también el número de nuevos visitantes será alto.

Hay que preguntarse qué keywords han provocado la subida en los nuevos visitantes. O si es al contrario, y lo que suben son los visitantes que repiten, ¿implica que ha funcionado correctamente una campaña de email?

Si el cambio no se produce por una acción nuestra…, es posible que la acción venga de fuera. ¿Hablan de nosotros en una red social? ¿Tenemos buenas o malas críticas en twitter? ¿Esas críticas han tenido lugar en algún blog? ¿O ha sido en algún otro medio? Podemos encontrarnos con buenas sorpresas o con otras no tan agradables.

Sin embargo, habrá un problema si lanzamos una campaña de marketing orientada a captar, y el ratio no cambia, o una campaña de fidelización, y no obtenemos los cambios esperados.

¿Realmente queremos que el ratio sea 1? No, el ratio es mucho menos importante. Lo que tenemos que hacer es incrementar ambos números que conforman la fórmula , según pase el tiempo. Trabajar en el SEO y PPC, por un lado, y en gustar a los visitantes que atraemos, por otro.

Porque si no captamos la atención de estos nuevos visitantes se irán y no volverán; es decir, les estamos poniendo un lacito y mandándolos a la competencia.

Según Eric Peterson en su libro Big Book of KPIs, un ratio medio por site sería:

• Site basado en contenido : cercano al 1
• Site basado en soporte : entre 1 y 2
• Site basado en ventas : mayor de 2

Debemos recordar que el valor del ratio depende mucho de cada site. Lo ideal es sacar el ratio actual, establecer objetivos para cada porcentaje , y que si el mismo varía en exceso sea porque se ha realizado una determinada acción, no porque disgustemos a los habituales o descuidemos la captación. Nosotros captamos, ellos vienen, nosotros les damos lo que necesitan y ellos vuelven. Quid prod quo, que diría Hannibal Lecter :)

Entradas en eTC sobre analítica web:

• Escuchar la voz del usuario, ventaja segura
• Analizando a nuestros visitantes desde el buscador interno
• Site Overlay, para meterse en la mente del usuario

“Algunas personas oyen su voz interior y viven sólo de lo que escuchaban. Esas personas se vuelven locas. O se convierten en leyenda”‘Leyendas de Pasión‘,

No todo en la analítica web se refiere a datos cuantitativos. No podemos olvidarnos de los datos cualitativos, son vitales para conocer realmente lo que está pasando en nuestra web, saber el QUÉ ha pasado, y el POR QUÉ ha pasado nos desmarcará de los competidores. Tendremos, eso sí, una ventaja significativa, además de hacer ver al cliente que queremos satisfacerle, que es importante para nosotros.

Recopilar opiniones de clientes nos servirá para dar más fuerza a nuestros análisis cuantitativos. Si cuantificamos las emociones que producimos como marca, si obtenemos pistas sobre en qué nos estamos equivocando o haciendo bien, podremos mejorar en todos los sentidos. En esta época en que lo que triunfa es la comunicación empresa – cliente, ¿cómo es que no le damos al usuario la posibilidad de decirnos cómo se siente?

La experiencia del cliente define el valor de nuestra marca y es clave para su fidelidad. Esta “voz del cliente” se puede medir. Solamente hay que ponerse a ello. Hay muchas maneras de recopilar información cualitativa, las más comunes son los test de usuarios, los cuestionarios de calidad de la plataforma o las encuestas online.

Los test de usuarios se realizan en laboratorios y se refieren sobre todo a la usabilidad del site. Básicamente, se trata de medir la habilidad y eficiencia de un usuario en acabar una tarea y registrar la satisfacción en ese contexto específico. Resultan muy interesantes porque da la oportunidad de acercarnos más a nuestros clientes, observándoles y logrando un feedback que de otro modo nunca lograríamos registrar.

Los cuestionarios de calidad de la plataforma en mi opinión son imprescindibles. Necesitamos saber cómo se nos ve desde fuera, pero hay que hacerla muy bien para tener los conceptos claros y poder sacar conclusiones, deben referirse al diseño, usabilidad y a la técnica del site. La fortaleza de este método de recopilación de información cualitativa es la evolución de los resultados. Como sabremos además quien nos contesta a la encuesta, podemos estudiar su comportamiento en el site para arrojar más luz a los comentarios.

Finalmente, las encuestas online. En mi opinión, funcionan. Puede darnos miedo no llegar a tener una muestra representativa, pero a mi entender los comentarios de los clientes son impagables y y pueden ponernos sobre la pista de lo que necesitamos mejorar. Yo recomiendo una gratuita que desarrollaron IPerceptions y Avinash Kaushik llamada 4Q. Me gusta porque son pocas preguntas pero fundamentales que van más allá de que nos digan lo que les gusta y lo que no, ya que podremos recoger información sobre lo que les ha frustrado, lo que no han encontrado o sobre lo que les ha encantado y nos diferencia del resto.

Está en nuestras manos, decidir qué hacemos con el conocimiento que nos facilitan los clientes, si tomamos medidas con respecto a lo que nos demandan, mejoramos nuestros servicios o sencillamente no hacemos nada. Será parte de nuestra estrategia de empresa y determinará nuestra capacidad de convertirnos o no en leyenda.

Entradas en eTC sobre analítica web:

• Analizando las keywords de entrada con la nube de tags
• El mapa de Karnaugh o cómo las matemáticas nos facilitan el análisis
• Site Overlay, para meterse en la mente del usuario

“¡Mira, Hannah! ¡Las nubes están desapareciendo! ¡El sol se está abriendo paso a través de ellas! ¡Estamos saliendo de la oscuridad y penetrando en la luz!” ‘El gran dictador‘, Charles Chaplin

Una de las partes más interesantes de la analítica web es saber de dónde y cómo nos encuentran nuestros usuarios. Si gran parte de nuestro tráfico proviene de buscadores, es importante hacer un análisis de las palabras clave que han utilizado en el buscador para encontrarnos.

A menudo, estas palabras clave las estudiamos en forma de tabla o de evolución sobre un periodo de tiempo establecido. Nosotros preferimos mostrar los datos de una manera distinta para que sea más fácil este análisis y poderlo enviar a los interesados de una forma más entendible y amena: Ponerlas como una nube de tags.

No sólo es muy fácil y rápido, además tiene una gran riqueza visual, el tamaño de las keywords que se representan dependen directamente de la frecuencia con la que aparecen las palabras en las búsquedas.

Primero, exportamos los resultados de las palabras clave a una hoja de cálculo y las visitas que ha producido cada una. Aquí, mi consejo es, y como trabajo previo a tratarlas, que quitemos aquellas que tengan que ver con nuestra marca. Así, tendremos únicamente las que no venían buscándonos expresamente. En el ejemplo hemos desterrado la palabra “Jordania” puesto que, al tener más del 50% del total de las búsquedas, no se apreciaban bien los demás porcentajes.

Entonces, tomaremos un número máximo de 100 palabras clave y su número de visitas. Sumamos el total de las visitas (sólo de las que hayamos seleccionado, no del total absoluto), para trabajar con porcentajes del total, y preparamos los datos de la siguiente forma (para ver la plantilla más grande, pinchar sobre la imagen):

Es importante resaltar que el porcentaje de la frecuencia de visitas sobre el total debe tener el formato requerido, un punto en vez de coma. Y entre el porcentaje y la keyword hay que meter una coma. Ahí, ya tenemos nuestro input listo. Ahora viene lo bueno.

Accedemos a un generador de nube de tags gratuito y pegamos el input generado. Apretamos el botón de Generate Cloud y obtenemos nuestra nube de tags (para ver la nube más grande, pinchar sobre la imagen):

Nosotros hemos personalizado el código de este generador de nubes de tags para hacer el resultado mucho más rico visualmente, intercalando colores. Nuestro Juanjo Rodriguez Soler es un crack :)

Si completamos el análisis tomando los conceptos más repetidos junto con el porcentaje final que representan, tendremos un informe muy detallado sobre las palabras clave utilizadas para entrar a nuestra web.

Por ejemplo, es interesante observar el porcentaje de la palabra “madrileños” o “clima / temperaturas” o “videos/youtube”. ¿Las estamos fomentando en nuestras campañas? ¿Son correctas las landing page a las que mandamos cada keyword? ¿Sabe el departamento de marketing las keywords que pueden resultar más populares?

Es hora entonces de ir más allá y tomar como segmentos cada keyword o grupo de keywords, y ver su tasa de conversión, su tiempo de estancia, su porcentaje de páginas o contenidos visto y ver si son visitas de calidad. Pero el primer paso es asegurarnos, ya que han llegado hasta nosotros (y no es uno, ni dos visitantes, sino más…), que nos encuentren interesantes e interactúen con nuestro site.

Entradas en eTC sobre analítica web:

• El mapa de Karnaugh o cómo las matemáticas nos facilitan el análisis
• Analizando a nuestros visitantes desde el buscador interno
• Site Overlay, para meterse en la mente del usuario

“El Camino no es de las cosas que se ven, ni de las cosas que no se ven. No es de las cosas conocidas, ni de las cosas desconocidas. No lo busques, ni lo estudies, ni lo nombres. Para alcanzarlo, ábrete con la amplitud del cielo.” ‘Gödel, Escher, Bach: an Eternal Golden Braid’, Douglas R. Hofstadter

En Twitter y en los Conversion Thursday los profesionales solemos comentar que un analista web se encuentra muchas veces con el reto de sacar informes de la nada. Este reto consiste en sacar datos que los receptores del informe aún no son conscientes de que necesitan y que nos sirven también a nosotros para saber por dónde podemos hincar nuestra pala y sacar petróleo.

En uno de estos retos encontré un modelo de análisis que me ha ayudado mucho en mi camino. Tomando de base el gráfico VENI VIDI VICI, quería hacer un pequeño resumen ilustrando lo que se ve en el informe. Pero no quería que fuera un tocho de números y porcentajes, simplemente aspiraba a contar lo más importante; es decir, el perfil de mis clientes. Pero entonces sucedió que entraron las matemáticas, junto a una evidencia de la que cada vez me doy más cuenta: son vitales para poder sacarle todo el jugo a la analítica web.

¿Conoceis el Mapa de Karnaugh? Es impresionante. Construir un mapa para conseguir plasmar todas las combinaciones posibles de las variables implicadas y determinar cuales son las más representativas. Es el modelo perfecto.

¡Vamos allá con un ejemplo! Tomo el diagrama de base:

Cogemos las KPIs que creo más representativas, se puede utilizar para funciones de hasta 6 variables, pero yo voy a coger 4 solamente. Hay que tener en cuenta que cada variable va a tener 2 posibles estados:

• ¿Quienes son? : clientes y no clientes
• ¿Son fieles? : fieles y no fieles
• ¿Les gustamos? : gusto y odio
• ¿Son rentables? : rentable y no rentable

Hacemos nuestra tablita Karnaugh que tendrá una pinta como ésta (para ver la tabla más grande, pinchar sobre la imagen):

Nótese que hay 16 casillas, y como en un sudoku, la suma total de las mismas es 100. Si dividimos el total (100) entre 16 casillas tenemos un cociente de 6,25% que sería lo que marcaría cada casilla de tener exactamente el mismo porcentaje. Ahora hay que decidir qué valor tomaremos como “a resaltar”, siempre será un número por encima de 6,25%, así que resaltamos las casillas que cumplen esta condición. La tabla entonces queda así (para ver la tabla más grande, pinchar sobre la imagen):

La tabla de Karnaugh sirve para, por un lado, minimizar las variables, y por otra, para aprovechar las casillas “resaltadas”, para agruparlas y poder sacar un patrón más ajustado. En este caso, tenemos una casilla resaltada con un 21% que representa a los clientes que son rentables y fieles. Obvio, pero confirmar lo obvio no está mal :)

Agrupemos las dos casillas que se refieren a la última fila, (las agrupaciones pueden ser en horizontal o vertical, pero no en diagonal). Aquí tenemos que casi un 20% de nuestras visitas son de usuarios a los que no gustamos mucho por lo que no son ni fieles ni rentables. También obvio, lo contrario sería una agradable sorpresa :)

Sin embargo, lo que me llama la atención es que un 39% (suma de las casillas resaltadas de la 3ª fila), del total de nuestras visitas, se refieren a usuarios a los que gustamos y nos son fieles, pero no rentables… ¡Ojo! Estamos hablando de casi el 40% de las visitas. De aquí es de donde podemos sacar “chicha” y hacernos las preguntas correspondientes. ¿Por qué no son rentables? ¿Por qué no compran? ¿Qué están buscando que no encuentran y vienen al menos un par de veces al mes? ¿Qué contenidos están viendo este perfil? ¿Por qué un 26% (los no clientes), no encuentran una razón para hacerse clientes, aunque está claro que nos visitan más de una vez y se tiran un rato navegando?

Es por aquí por donde puedo empezar a atacar, por donde tengo que buscar opciones… Encuentro el camino. Lo amplío. Y ataco.

En fin, creo que hay veces que es muy difícil determinar lo realmente importante o interesante de unos datos que, inconexos, no nos ofrecen la suficiente información y conocimiento al fin y al cabo. Aplicando el mapa de Karnaugh podemos tener una imagen mucho más clara de lo que está sucediendo y por donde podemos profundizar.

Entradas en eTC sobre analítica web:

• Analizando a nuestros visitantes desde el buscador interno
• Site Overlay, para meterse en la mente del usuario
• Como saber de analítica web sin morir en el intento

“I have run
I have crawled
I have scaled these city walls
These city walls
Only to be with you
But I still haven’t found what I’m looking for…” U2

En nuestro afán de conocer mejor a los usuarios de nuestros sites, hay una serie de métricas que nos pueden ayudar a definir lo que esperan de nosotros, lo que vienen buscando.

Esas métricas están relacionadas con el buscador interno. Como bien cuenta el libro Vender más en Internet de David Boronat y Esther Pallarés:

“el buscador interno es como el vendedor de la tienda para aquellos que tienen muy claro lo que quieren, el camino más rápido para llegar al producto o servicio deseado”

Por tanto, tenemos que mimarlo y tenerlo bien estudiado para saber las necesidades de los usuarios.

Ees importante conocer las keywords que nos atraen tráfico externo para que se nos conozca, pero si los usuarios que llegan no pueden encontrar lo que buscan, no se quedarán mucho tiempo y no volverán. Es decir, no tendremos una segunda oportunidad. Tenemos que tener muy presente que los buscadores pueden conducir tráfico a nuestro site, pero el buscador interno puede convertir ese tráfico en conversiones.

Entonces, ¿qué métricas me pueden ayudar a conocer a los usuarios, a mejorar este buscador? A mí se me ocurren varias:

• ¿Cuánto tarda un visitante en usarlo?
• ¿Encuentra lo que busca?
• ¿Hace una segunda búsqueda relacionada con la primera?
• ¿Cuántos van directamente después de buscar a la página de atención al cliente? ¿Terminan contactándolo?
• ¿Este segmento de usuarios que utiliza el buscador termina convirtiendo? ¿Qué porcentaje de usuarios que convierten en el site ha usado el buscador interno?
• ¿Cuántos dejan el site después de usar el buscador interno? ¿Fue por no encontrar resultados? ¿O por qué los encontraron, pero eran irrelevantes?

Es fundamental analizar las keywords más utilizadas, nos ayudará a saber qué interesa o qué productos / servicios no se encuentran de manera intuitiva. Nos sirve también para saber qué productos o servicios no disponemos y en cambio los usuarios creen que sí tenemos. Podemos conocer qué oportunidades hemos desaprovechado de venta, principalmente porque el usuario no encontró lo que buscaba.

Me parece muy interesante el comparar las keywords que se han utilizado para entrar al site en los buscadores externos , con las que se utilizan para buscar internamente. ¿Son las mismas? Es básico el estudiar las diferencias. Si se identifican bien las keywords del buscador interno que llevan a convertir usuarios en clientes, podremos extrapolarlas a nuestras campañas de PPC.

Cada cierto tiempo se deben identificar los términos menos clicados en las páginas de resultados y los no encontrados, para mejorar las páginas de resultados. Analizar los términos erróneos, los vacíos, los que tienen mala ortografía y los signos, para saber si tendremos que tenerlos en cuenta en el futuro.

Muy útil será segmentar a los usuarios todo lo máximo que podamos, así llegaremos a comparar este segmento con los otros que tengamos del site y sacar nuestras conclusiones. Incluso, podremos ir más allá y hacer que los resultados ofrezcan, además de lo que busca el usuario, productos o servicios de venta cruzada. Estos productos o servicios podemos haberlos identificado por una segunda búsqueda o por número de usuarios que habiendo comprado el producto A, compra también el producto B. El ejemplo de Amazon ilustra perfectamente este punto. Además, siendo lógicos, alguien que usa el buscador interno es porque viene a comprar. Una buena navegación no es suficiente, especialmente si tenemos mucho que ofrecer.

Para terminar, ten en cuenta, prestar atención al análisis de clicks, estudiar tus embudos de conversión de cada proceso, pero, y eso si que conviene lo tengamos muy en cuenta, que si tu buscador interno echa humo… ¿Cómo no vamos a sacarle partido?

Entradas en eTC sobre analítica web:

• Site Overlay, para meterse en la mente del usuario
• Como saber de analítica web sin morir en el intento
• Un gráfico en un informe vale más que mil palabras

“Es increíble que Biff haya escogido esa fecha en particular. Debe ser que esa fecha representa un punto importante de la continuidad del espacio y del tiempo… También puede ser una gran coincidencia”, Doc (Regreso al Futuro)

“El cliente lo que quiere es esto”, es una de las afirmaciones más comunes en las reuniones sobre qué poner y cómo en la web. Me encanta eso de profetizar, es gratuito y, si no eres Nostradamus, nadie te va a pedir cuentas en el futuro. Pero como aquí de lo que se trata es de mejorar realmente y no en base a una “corazonada”, vamos a hacer las cosas bien, que no cuesta mucho (sí, un poco más que profetizar, eso es verdad) y puede resultar hasta interesante.

Todos estamos de acuerdo en que es vital acercarnos a los visitantes para ofrecer lo que realmente están buscando. Necesitamos saber qué quieren, qué les gusta, qué les hace más proclives a comprar. Una fórmula interesante para sacarle el máximo partido al canal online de cualquier negocio es Testar online.

Segmentar y Testar han de ser las bases de la Analítica Web. Ya hemos visto la importancia de segmentar y ha llegado la hora de ponernos manos a la obra con Testar.

Lo mejor es empezar con el Test A/B, para medir la reacción de los usuarios ante más de una versión de la misma página. El objetivo será testar las distintas versiones de una landing page y comprobar cuál es la versión que funciona mejor. Esta práctica sirve, sobre todo, para páginas con poco tráfico, con cambios considerados básicos (cambios de diseño, de mensaje o de distribución de contenidos), perfecta para iniciarse en esto del Testing, por fácil, económica y simple de analizar..

Algunos dirán: ¿y yo para qué lo quiero realmente si no tengo nada que testar? Son los Nostradamus de los que hablaba antes.

Se pueden testar tantíiiisimas cosas que una vez que empecemos será difícil parar. Algunos ejemplos, como decidir si poner nuestro logo más pequeño o más grande, si nuestro slogan distrae a los visitantes de hacer lo que queremos que hagan, si el texto que invita a la acción es persuasivo, si ponemos o no texto en negrita para resaltar, si ponemos una foto que ayude al diseño, si ponemos más de una oferta… hay un número ilimitado de elementos a testar.

Sólo un dato más para ilustrar esto: Google testa. Es decir, su página en blanco con letras y dibujitos y un cuadro para introducir una búsqueda tiene varias versiones. El largo del cuadro para introducir búsquedas es testado cada cierto tiempo. El tamaño importa, al menos a Google. Si Google testa seguro que nuestras páginas se pueden testar y hacer más efectivas.

Aunque sea bastante fácil organizar el testeo A/B, hay que tener muy claros los siguientes puntos:

1. Definir objetivo del test
Puede ser cualquier objetivo. Eso sí, debe ser medible. Si hacemos el test sobre una landing page, podemos tener como objetivo incrementar la conversión de la misma. Si lo utilizamos sobre una página de información, el objetivo puede ser detectar problemas de navegación o de comprensión. Si lo que pretendemos es lanzar un nuevo diseño, podemos definir como objetivo la preferencia del usuario.

2. Definir la métrica para determinar el éxito del test
Dependiendo del objetivo, podremos elegir qué métrica se ajusta mejor. La tasa de conversión, la tasa de rebote, número de clicks en un determinado link. Incluso podemos medir offline, si testamos una página de atención al cliente podemos poner como métrica el número de llamadas registradas, o el número de mails recibidos. También, puede ser importante disponer de datos de la métrica elegida un tiempo antes para poder tener un “pasado”, y determinar si realmente el cambio es significativo.

3. Diseño de la página y las distintas alternativas
A partir de la página digamos inicial, debemos definir qué es lo que cambiamos en cada versión, qué elementos vamos a testar.

4. Determinar el porcentaje que consideremos éxito
Como no podemos controlar todos los factores externos que tendremos en el momento de hacer el test, sugiero porcentajes de un mínimo de 65% de significancia para tomar decisiones.

Una vez ya tengamos todo bien definido (objetivo, métrica, páginas y éxito), podemos ponernos en marcha.

Con la herramienta gratuita Google Optimizer es posible crear test A/B sin complicarnos la vida. Ojo, Google Optimizer llama “experimento” al test A/B, interesante nomenclatura que me traslada a mis tiempos con el quimicefa. Simplemente hay que indicar la URL inicial o base, luego la variante y la página de destino que vamos a considerar como conversión. Se puede añadir más de una página si se cree necesario testar más de una versión.

Al final del proceso, GO nos ofrecerá un código (como el que proporciona Google Analytics al abrirse una cuenta), para que lo pongamos en nuestra página original. No hará falta introducirlo en ninguna de las versiones, solamente en la original… y listo. Ahora a esperar.

¿Qué está pasando mientras esperamos? El código que hemos implementado en la página original mostrará las versiones alternativamente a los visitantes e irá midiendo todo lo que suceda.

Para ir viendo los resultados tendremos que hacerlo desde el panel de Google Adwords. No es necesario tener una cuenta de pago, únicamente darnos de alta con el mismo usuario para poder acceder a los informes del test, Google Optimizer reporta a Google Adwords.

Probablemente en este instante ya se nos habrá metido el gusanillo de testar, porque finalmente, cuando se hayan recogido las suficientes muestras como para que el test sea estadísticamente significativo y tengamos a nuestra página ganadora, empezaremos a pensar… ¿y si pongo esta página, pero le meto aquí una foto? ¿Y si, además, pongo en negrita este texto? ¿Podríamos mejorar aún más el objetivo? ¿Y si…? ¿Y si…?

Entonces, habrá llegado el momento de subir un peldaño más en nuestra escalera hacia el éxito. En el siguiente escalón nos espera el Test Multivariante. Y será ahí, cuando definitivamente dejaremos de creer en las coincidencias…

Más información | Eduard Barredo y Avinash Kaushik

Entradas en eTC sobre analítica web:

• Tasa de rebote, a vueltas con la “bounce rate”
• Este es el plan: segmentar, segmentar y segmentar
• Google Trends: Tras analizar por dentro es importante hacerlo por fuera