Errores del analista digital, algunos por descubrir otros por confesar

Se lee en 7 minutos

El único hombre que no se equivoca es el que nunca hace nada” Goethe.

Antes de existir los másteres y cursos de postgrado relacionados con el análisis digital, algunos analistas tuvimos que aprender en base a prueba y error en el campo de batalla. Nuestro manual se componía por apuntes de estadística, matemáticas, programación, buscar en foros, post y páginas de ayuda de las herramientas de análisis, así como aprender de los errores y descubrimientos de todos los compañeros de la comunidad mundial de análisis web, nuestros gurús. Por lo que el error era parte de nuestro día a día y no se veía como un enemigo sino un constante vigilante de todas nuestras acciones que tenían como objetivo mejorar y aprender para superarnos.

Este post recolecta esos aprendizajes que muchos analistas temen confesar, que muchos analistas han cometido y que muchos analistas cometerán como parte de un recorrido que nos invita a crecer en este apasionante mundo del dato digital.

Cuando 2+2 no es igual a 4. Ni el dato muestra una verdad absoluta

Existe una herencia del mundo offline que ensucia la interpretación del valor de las métricas en el mundo online, quizá también por herencia de los logs, la más perjudicada es la métrica estrella “Visitas”.

Recordemos, cada herramienta de análisis se compone de métricas base que construyen todo el entramado de valores cuantitativos que luego aplicamos a una serie de dimensiones (valores cualitativos). Las métricas base son Visitas, Hits y Visitantes.

Visitas = sesiones de usuario. Conjunto de acciones que realiza un usuario en la web, concatenación de hits relacionados con una misma IP o cookie. Se inicia cuando un usuario accede a la web, finaliza tras un periodo de inactividad…
Hits = llamadas http.
Visitantes = cookies.

No voy a aburriros con esto, sabemos que las sesiones de usuario no se suman. El dato total de visitas nunca será igual a la suma de sus componentes de forma individual.

Haz la prueba. El total de visitas a mi web para el día 25 de marzo de 2017 no corresponderá con la suma de visitas que estuvieron activas en cada hora del 25 de marzo de 2017. Ni el total de visitas a mi web en marzo de 2017 se corresponderá con la suma de visitas para cada día de marzo de 2017.

¿Qué otras métricas no se deben sumar?

  • Métricas que indican valores promedio, por ejemplo Lifetime, Bounce Rate.
  • Métricas calculadas que impliquen sesiones de usuario, como ejemplo páginas vistas por visita.
  • Métricas de relacionadas con la medición de un periodo de tiempo, por ejemplo tiempo promedio en página.

El analista digital se parece al buen científico en el sentido que antes de pasar un dato e incluso interpretarlo tiene que dudar de todo. La duda es buena, nos invita a realizar comprobaciones y validaciones.

Lo mismo ocurre con los visitantes, esa métrica que nos induce a contabilizar a cada usuario como un ente único e irrepetible, pero a la vez intrazable. Interpretar a los visitantes únicos, a día de hoy, nos obliga a bajar nuestras expectativas e indicar sólo el volumen de cookies activas, sin saber si detrás está el mismo usuario (Pepe), omitir multidispositivos y aceptar el borrado de cookies como parte de nuestro trabajo diario, margen de error con el que reportamos esta métrica.

Cuando mezclamos churras con merinas

Te sabes la teoría y ahora vas a la práctica con la herramienta. Vas buscando las conversiones ligadas a un producto concreto y en tu maravilloso informe te aparece un mensaje de “no data available” o, mejor aún, datos sin pies ni cabeza como porcentajes por encima del 100%.

En el caso de Adobe Analytics, por ejemplo, algunos de los errores en la extracción de datos son por cruces de variables. El analista otorga a la Prop (variable de tráfico) una cualidad que sólo posee la eVar (variable de conversión).

Por tanto, por norma general, para asociar una conversión a un variable tu aliada será la eVar. Las Props funcionan como contadores pero carecen de memoria y sólo se pintan en determinadas páginas. Si trabajas con Adobe Analytics, sabrás muy bien de lo que te hablo.

La lección aquí es la siguiente: ¡comprueba siempre el etiquetado de tu página y valida tus datos!

Lo peor no es cometer un error, sino tratar de justificarlo, en vez de aprovecharlo como aviso providencial de nuestra ligereza o ignorancia. Ramón y Cajal.

Cuando lanzamos interpretaciones sin validar los datos

El ejemplo más común podría ser interpretar datos de fuentes de tráfico sin tener en cuenta la correcta parametrización de las campañas.

¡El Display sube, el display baja! y por detrás hay un parámetro erróneo que hace que toda tu interpretación se vaya al garete.

Error
Fuente: cookstorming.com

Errores en la parametrización de campañas, hay tantos como estrellas en el cielo:

  • Más de dos “?” al precio de uno. Sabemos que la forma estándar de parametrización de urls indica que después de cada signo de interrogación, cada nuevo parámetro debería separarse por el símbolo “&”. Existen casos especiales en los que gracias a la intervención técnica es posible tener más de una interrogación en el parámetro sin que afecte a la recogida de datos, pero no es lo habitual.
  • Parámetros tan largos que se cortan y no permiten recoger los datos.
  • Parámetros que no se mantienen en la página de aterrizaje. Por tanto, no podemos recogerlos con algunas herramientas de medición.
  • Parámetros que no tienen sentido y no siguen las directrices indicadas por el analista. Falta de comunicación con la agencia de marketing.
  • Errores en la creación del parámetro que confunden terminología. Dis para Display pasa a ser Disp o, incluso, por qué no Diss. La prueba de fuego del analista se consuma cuando descubre campañas de Display con parámetros SEM o viceversa. Incluso enlaces que vienen de entornos de prueba con parámetros perfectamente etiquetados y que ensucian nuestro análisis.

En cuanto a las campañas, no hay que olvidar que el error también puede estar escondido en la configuración de las mismas desde la consola. Por tanto, revisar y validar.

Cuando todo cambia y todo confunde

Sin una correcta metodología y una comunicación eficiente con el departamento de IT, el error parece estar servido. El clásico ejemplo es el renombrado de páginas o modificación en el page name. La página que se llamaba “Inicio de sesión área privada” pasa a llamarse:

  • Inicio de sesión área privada. Con dobles espacios que nadie ve ya sea entre palabras como al final de la misma.
  • Inicio de sesión área privada mob. Para diferenciar la versión móvil.
  • Inicio área privada. Simplemente por acortar.

Sin una correcta monitorización y sin que nadie avise al analista, éste está perdido en su universo de datos sin control. Las tendencias se pierden y a no ser que cuente con la agilidad suficiente para reconducir esta situación (validar etiquetado, renombrar páginas, etc.), Pasados meses cuando vuelva a analizar el contenido de su web, podrá dar lugar a interpretaciones erróneas sobre el descenso de tráfico de una página concreta.

errores_marketing_de_contenidos
Fuente: inboundcycle.com

Cuando estamos petrificados y no evolucionamos a la par que nuestra herramienta de análisis

Ejemplo maravilloso de este nuevo panorama, es la aplicación de segmentos y métricas calculadas complejas que, a día de hoy, se han vuelto una especialidad en el análisis digital con Adobe Analytics. Sí, esos simples segmentos que en su día nacieron para ayudarnos a clasificar la información y que a día de hoy nos complican la vida. Ni qué decir de las métricas calculadas que combinan el análisis del contenedor del segmento más la atribución de la asignación del valor.

Todo se vuelve además divertidísimo cuando lo mezclamos con nuevas formas de reporting que ofrecen nuevas posibilidades de asignar segmentos como Workspace.

Errores relacionados con segmentos y métricas calculadas y el mix que surge de este cóctel explosivo da para escribir un largo post en condiciones.

Cuando nos olvidamos de la configuración de la herramienta de análisis digital

Seguro que si lanzamos una encuesta global sobre esto, pocos, por no decir ningún analista, se salvan. Seamos honestos, somos humanos, con capacidad de memoria limitada a no ser de unos pocos privilegiados. Para los mortales con memoria estándar, ¿cuántos de estos errores que suman un punto por cada uno cometido que tenemos a nuestras espaldas?

  • Olvido de exclusión o inclusión de IPs internas o externas para analizar un dato.
  • Calendarios que empiezan la semana el día domingo por estar en inglés.
  • Activación/desactivación de determinadas variables y eventos que te vuelven loco.
  • Falta de permisos necesarios en el momento de compartir un informe (incluye segmentos que has creado desde un usuario y métricas calculadas que no han sido compartidos).
  • Utilización de plugins especiales sin tener versiones actualizadas de s_code, Windows, etc.
  • Lecturas erróneas sobre el tráfico geolocalizado por IP.

Cuando reinventamos nuestra lengua… y las matemáticas

En el mundo en el que vivimos de millenials, generación X y más cosas que están por venir, nos olvidamos de todo lo que aprendimos en el cole y escribimos un informe igual que escribimos un whatsapp. Recordemos parte de esa bella enseñanza tan sólo para darnos el gusto de ver si hemos cometido alguno de estos errores:

  • Escribir logueado o logado en vez de registrado. Lo sé, la RAE se actualiza menos de lo que nos gustaría y parece que vive en un planeta diferente a lo que es nuestra industria. De hecho, en nuestro sector, ¿quién consulta la RAE?
  • Utilización de mil como sustantivo: 150 mil usuarios. Si, el mil no se escribe como sustantivo se pone 150.000 ó 15.000,00 usuarios, ¿ya no lo recordabas?
  • Dime con cuántos decimales te quedas y te diré qué tipo de analista eres. A)14,55% B)14,5% C) 15%. D) Casi el 15% F)Menos del 15% G)A, B y C son correctas por lo pueden usarse indiscriminadamente en un mismo informe.

Este post podría extenderse hasta el infinito, no obstante me quedo con una frase de Maurice Maeterlinck, que nos invita a compartir nuestros descubrimientos más que esconder nuestros errores, ¿te animas?

Cada vez que cometo un error me parece descubrir una verdad que no conocía.”

 

*Fuente de la imagen destacada: Bleplus


Source: http://www.analiticaweb.es/feed/

Errores del analista digital, algunos por descubrir otros por confesar

Objetivos en el análisis de campañas

Todos los analistas hablamos siempre de lo importante que son los objetivos a la hora de medir un sitio web. Normalmente fijamos unos objetivos generales del sitio que son los que formarán parte del cuadro de mando y que vendrán determinados por varios factores: el nivel de madurez del sector, el momento estratégico en el que se encuentre el sitio, los recursos disponibles en las diferentes áreas, etc.

Pero más allá de los objetivos generales del sitio, las campañas que ejecutemos para lograrlos tendrán también sus propios objetivos, que tendrán que estar alineados con los del sitio y la estrategia diseñada. Estas campañas se planificarán de manera estratégica para apoyarse unas a otras y así contribuir al logro de los objetivos generales del sitio. Es lo que después llamamos atribución, y sobre lo que tantas veces hemos escrito en este blog.

Pero antes de la atribución, es importante tener muy claro cuál es el objetivo de cada una de las campañas para poder medirlas correctamente. Algunas campañas están más enfocadas a branding y cobertura, otras están más enfocadas a fidelización, otras van dirigidas a la conversión, y cada una de ellas utilizará los canales más adecuados a su objetivo.

En función de cuál sea el objetivo elegido para cada campaña, escogeremos las métricas más adecuadas para valorar su rendimiento:
Métricas para objetivos de campañas_kmq.push([“trackClickOnOutboundLink”,”link_56b1cf286a5ca”,”Article link clicked”,{“Title”:”Mu00e9tricas para objetivos de campau00f1as“,”Page”:”Objetivos en el anu00e1lisis de campau00f1as”}]);
Las métricas cuantitativas nos ayudarán a ponernos una meta, es decir, hasta donde queremos llegar, cuál es el volumen que pretendemos conseguir. Las métricas cualitativas nos ayudarán a optimizar, es decir, detectar y gestionar los elementos que tenemos a nuestra disposición para aumentar el rendimiento de la campaña.

Ejemplos de objetivos para campañas

En el caso que tengamos una campaña cuyo objetivo sea la cobertura, es probable que esta campaña suceda en el canal Display. Lo más adecuado será medir el número de impresiones logradas, y el alcance, es decir, a cuantos usuarios únicos hemos llegado. En este caso, las métricas adecuadas no las encontraremos en Google Analytics sino que nos tendremos que ir a otras herramientas, los adservers que hayan servido las campañas, u otras herramientas de reporting relacionadas, como Comscore.

Con estas métricas podremos saber si hemos llegado al objetivo marcado. En este caso concreto no tendría sentido evaluar la conversión o la fidelización, aunque sí tendremos que tener en cuenta estas campañas cuando evaluemos otras campañas más orientadas a la acción, pues de alguna manera está contribuyendo a construir una imagen, un conocimiento que más tarde se traducirá en conversión en otras fuentes de tráfico.

Podemos tener otra campaña más orientada a la conversión. Imaginemos que la enfocamos a la afiliación. En este caso las métricas en las que debemos fijarnos son las ventas y el CPA. De esta manera podremos saber cuáles son nuestros costes de adquisición, gestionar qué afiliados nos aportan más, y saber el ROI de la campaña.

Pero debemos tener en cuenta también que antes ha existido una campaña de cobertura. Probablemente esta campaña ha contribuido a la mejora de los ratios de conversión. Ahí sí que ya estaríamos hablando de atribución. Como lo transformamos en datos? Como lo cuantificamos? En este momento es cuando podríamos jugar con los modelos de atribución.

Objetivos en el análisis de campañas_kmq.push([“trackClickOnOutboundLink”,”link_56b1cf286a69e”,”Article link clicked”,{“Title”:”Objetivos en el anu00e1lisis de campau00f1as”,”Page”:”Objetivos en el anu00e1lisis de campau00f1as”}]); es un post de Trucos Google Analytics_kmq.push([“trackClickOnOutboundLink”,”link_56b1cf286a758″,”Article link clicked”,{“Title”:”Trucos Google Analytics”,”Page”:”Objetivos en el anu00e1lisis de campau00f1as”}]);.

The post Objetivos en el análisis de campañas appeared first on Trucos Google Analytics.


Source: http://feeds.feedburner.com/TrucosGoogleAnalytics-Optimizer

Integración de DoubleClick for Advertisers con Google Analytics

Hoy vamos a comentar acerca de la integración de Google Analytics con DFA, la plataforma publicitaria DoubleClick de Google para anunciantes. Porque aún estamos de resaca del GA Summit 2013 :). Y es que no es para menos, todas las novedades allí presentadas dan mucho de sí.

Se ha escrito mucho sobre algunas de las novedades anunciadas en el evento, y se han destacado algunas de ellas como más importantes sobretodo en lo que respecta a la implementación y configuración: automatización de eventos en Tag Manager, mejoras en la API, mejoras en la segmentación, integración con BigQuery… Sin duda todas estas mejoras nos facilitarán la vida en la gestión de la herramienta y nos permitirán ir un poco más allá en la toma de decisiones basada en datos.

Pero creo que la integración de Google Analytics con DFA tiene un impacto brutal ya no sólo en la gestión de los datos y la herramienta, si no también en la gestión del marketing online a todos los niveles, tanto para anunciantes como para agencias, que de una manera fácil puede llegar a cambiar radicalmente los presupuestos de los departamentos de marketing e incluso promover un cambio estructural a medio plazo del modelo de negocio en el trinomio anunciantes-agencias-medios.

Por qué integrar DFA con GA y cómo?

Antes que nada, aclarar que esta funcionalidad está sólo disponible para los clientes Premium de GA y además en Beta. Así que tendremos que esperar a que se lance oficialmente para ver en detalle el cómo. Y hacernos clientes Premium :). Lo que sí sabemos es que la integración a nivel operativo es realmente fácil para el cliente.

El porqué no tiene mucho misterio: porque podremos tener disponibles en GA datos de Display bastante similares a lo que tenemos ya hoy con la integración de Adwords. A nivel de informes, es previsible que aparezca un menú similar al que existe para Adwords, probablemente con algunas restricciones, pues revelar datos sensibles para las agencias como impresiones o costes podría perjudicar a algunos players del mercado.

Aún así, la información que tendremos disponible tiene un gran valor añadido, pues veremos la efectividad de nuestras campañas Display tanto post-click como post-impression, y además deduplicada, algo que ahora mismo no está en nuestra mano ni dentro ni fuera de la herramienta.

Los informes de Embudos Multi-Canal y Herramientas de Atribución del Mérito_kmq.push([“trackClickOnOutboundLink”,”link_56b1cf289259c”,”Article link clicked”,{“Title”:”informes de Embudos Multi-Canal y Herramientas de Atribuciu00f3n del Mu00e9rito”,”Page”:”Integraciu00f3n de DoubleClick for Advertisers con Google Analytics”}]); cobrarán una relevancia especial y nos permitirán ver de una manera fácil y visual el retorno de nuestra inversión en Display. El impacto que esto tiene en la gestión y optimización del presupuesto de publicidad en un anunciante se apreciará notablemente en sus CPA y su ROI. Por fin podremos apreciar la relación real entre las campañas de marca y las de producto!

Qué implica la integración de DFA con GA?

La integración de DFA con GA nos aporta grandes avances tanto en la toma de decisiones estratégica como en la gestión de nuestras campañas. Como comenta el Engineering VP de Google Paul Muret, en una entrevista con Harvard Business Review_kmq.push([“trackClickOnOutboundLink”,”link_56b1cf2892677″,”Article link clicked”,{“Title”:”Paul Muret, en una entrevista con Harvard Business Review”,”Page”:”Integraciu00f3n de DoubleClick for Advertisers con Google Analytics”}]);, las mejoras presentadas por Google nos permitirán tomar nuevas acciones de dos maneras que él las define así:

  • Acciones agregadas: son todas aquellas acciones que podemos realizar en nuestro site o campañas derivadas del análisis de los datos. Esto es, por ejemplo, un test A/B, donde tenemos dos o más opciones y los datos nos revelan cuál de las dos funciona mejor, por lo que podemos descartar la perdedora.
  • Automatización: son todas aquellas acciones que se realizan de manera continua y personalizada a nivel de detalle. Como ejemplos, aquí, tenemos la personalización de contenidos en función de un histórico o un perfil, o la gestión de campañas adapatadas a un usuario único. Acciones que derivan también de un análisis pero que debe ser realizado a gran escala y en milisegundos.

El hecho de poder tener los datos de campañas integrados en los datos de navegación y conversión nos permitirá la realización de las dos cosas. Desde la basculación de inversiones entre canales y tipos de campaña (marca o genéricas) hasta la segmentación del impacto publicitario por perfil de navegación.

Para el anunciante, está claro que la rentabilidad de su publicidad y su web saldrá claramente beneficiada, pero viéndolo de una manera más global, y desde el punto de vista del mercado, significa una liberación de datos, que serán mucho más accesibles tanto para anunciantes como para agencias. Esto repercutirá en una mejora en la eficiencia y un abaratamiento de su gestión, y pone un punto de presión en la evolución del modelo de negocio de agencias y medios, pues deberán actualizar sus servicios para adaptarse a un nuevo entorno, más competitivo, más transparente, más exigente y tecnológicamente más fácil para el cliente.

Por supuesto, el que antes se ponga las pilas y mejor gestione sus datos, será el que ganará la carrera.

Integración de DoubleClick for Advertisers con Google Analytics_kmq.push([“trackClickOnOutboundLink”,”link_56b1cf2892745″,”Article link clicked”,{“Title”:”Integraciu00f3n de DoubleClick for Advertisers con Google Analytics”,”Page”:”Integraciu00f3n de DoubleClick for Advertisers con Google Analytics”}]); es un post de Trucos Google Analytics_kmq.push([“trackClickOnOutboundLink”,”link_56b1cf2892804″,”Article link clicked”,{“Title”:”Trucos Google Analytics”,”Page”:”Integraciu00f3n de DoubleClick for Advertisers con Google Analytics”}]);.

The post Integración de DoubleClick for Advertisers con Google Analytics appeared first on Trucos Google Analytics.


Source: http://feeds.feedburner.com/TrucosGoogleAnalytics-Optimizer

Novedades desde el GA Summit: Informes de Audiencia

Recientemente se ha celebrado el Google Analytics Summit 2013 en Mountain View, donde han sido anunciadas muchas novedades, todas muy interesantes, acerca de una de nuestras herramientas de analítica preferidas. Mucho se ha escrito ya sobre ellas, como el resumen del Summit_kmq.push([“trackClickOnOutboundLink”,”link_56b1cf28ab185″,”Article link clicked”,{“Title”:”resumen del Summit”,”Page”:”Novedades desde el GA Summit: Informes de Audiencia”}]); de mis compañeros que asistieron, y más se va a escribir, así que vamos a ver una de ellas más en profundidad, pues es realmente interesante el potencial que nos ofrece el hecho de poder disponer de Datos de Audiencia.

Aunque la disponibilidad de estos datos ha sido anunciada en el Summit celebrado hace pocos días, la realidad es que ya estaban disponibles anteriormente. El hecho de anunciarlo nos ayuda a difundirlo y a empezar a pensar en maneras de sacarle partido.

Qué son y como habilitar los informes de Audiencia

Los Informes de Audiencia consisten en varios informes que nos proporcionan datos acerca de la edad, el sexo y los intereses de nuestros usuarios. Estos datos proceden de la información que Google utiliza en su Google Display Network, por lo que si estamos haciendo campañas de GDN, el análisis y segmentación por audiencia será plenamente consistente con nuestras campañas.

Para poder tenerlos disponibles es necesario hacer un pequeño cambio en el código de GA para que éste soporte la publicidad Display. Con este cambio, que podéis ver en el blog de soporte de Google_kmq.push([“trackClickOnOutboundLink”,”link_56b1cf28ab260″,”Article link clicked”,{“Title”:”blog de soporte de Google”,”Page”:”Novedades desde el GA Summit: Informes de Audiencia”}]);, pasaremos a utilizar la cookie de DoubleClick. Esto significa que estaremos usando una cookie de tercera parte, así que deberemos prestar atención a nuestra política de cookies para asegurarnos que cumplimos con el articulo 22.2 de la LSSI en materia de información y aceptación de cookies.

Una vez cambiado el código, será necesario habilitar los informes desde la zona de administración de la interfaz de GA. Y listos para usar :)

Cuando empecemos a analizar, debemos tener en cuenta un par de cosas: la información mostrada hace referencia a usuarios mayores de edad, es decir, mayores de 18 años, y observaremos que estos informes contienen sampling (muestreo), debido a que, en ocasiones, Google no dispone de suficientes datos. Esto puede implicar que en segmentaciones muy profundas, nos aparezcan zonas donde no tenemos datos.

Como funcionan los Informes de Audiencia

Los Informes de Audiencia están disponibles en el menú Público, para ser visualizados a nivel general:

Informes Audiencia_kmq.push([“trackClickOnOutboundLink”,”link_56b1cf28ab344″,”Article link clicked”,{“Title”:”Informes Audiencia“,”Page”:”Novedades desde el GA Summit: Informes de Audiencia”}]);

Además, también es posible utilizar estos datos en los segmentos avanzados, por lo que se abre un mundo de posibilidades:

SegmentosAvanzadosAudiencia_kmq.push([“trackClickOnOutboundLink”,”link_56b1cf28ab42e”,”Article link clicked”,{“Title”:”SegmentosAvanzadosAudiencia“,”Page”:”Novedades desde el GA Summit: Informes de Audiencia”}]);

Esto nos permite, de entrada, tener una foto más detallada de quién son nuestros usuarios y así determinar cuál es el target de nuestro negocio. Esto nos aporta una información de gran valor, ahorrándonos costosos estudios de audiencia que muchas veces tenemos que comprar fuera. Y es que, si no lo hacemos, estaremos trabajamos para llegar a un público del cual sólo intuitivamente podemos saber quién son, con su consecuente gran margen de error.

Pero esto es sólo el principio :) Podemos crear segmentos por sexo, edad e intereses y aplicarlos a las diferentes áreas de análisis de nuestro departamento de marketing y así aumentar la eficiencia de nuestras campañas, contenidos y productos.

Campañas

En el área de campañas, podremos identificar qué campañas nos han aportado usuarios más valiosos tanto en retención como conversión para un determinado segmento de usuario. Así, podremos crear copys y creatividades muchos más afines al público al cual queremos llegar. Pongamos un ejemplo.

Imaginemos un e-commerce que vende zapatos. Obviamente su objetivo es vender zapatos, por lo que nos fijaremos en la conversión. En los informes de audiencia descubrimos que los usuarios más valiosos para nuestro site son las mujeres de 35 a 44 años. Esto podíamos imaginarlo, intuitivamente, aunque ahora podemos cuantificar qué volumen de negocio nos aporta este segmento y qué diferencial tiene respecto a otros segmentos.

Además, vemos que entre sus intereses están los viajes familiares, la música pop y las series de comedia. Ideas para campañas? Zapatos cómodos para viajar, zapatos para salir a bailar, anuncios con audio de música pop en video y richmedia, imágenes trotamundos, similitudes con actrices de series de comedia, y un largo etc.

Contenidos

En el área de contenidos, podremos constatar qué temáticas, categorías y detalles interesan más a cada grupo de usuarios. Con esta información, podremos optimizar la navegación entre diferentes áreas y páginas para ofrecer una mejor experiencia de usuario, así como detectar aquellas páginas que no aportan a nuestro segmento principal pero sí aportan a otros segmentos, y que pueden convertirse en una línea de contenidos complementaria.

En nuestro ejemplo de e-commerce de zapatos, podremos identificar cuáles son los segmentos a los que les cuesta más realizar una compra. Aquellos que necesitan consultar las condiciones de pago, de entrega, de devolución y relacionarlo con las líneas de producto para poder ofrecer la información más relevante para el usuario de una manera más fácil.

También podremos identificar aquellos contenidos complementarios que contribuyen a la venta, características de producto, opiniones de otros clientes o ejemplos de combinaciones para poder facilitar la navegación entre estas páginas y así ofrecer una mejor satisfacción al cliente.

Producto

En el área de producto, todos podemos imaginarnos lo importante que es poder relacionar las características de nuestros usuarios con las de nuestro producto, ya no sólo para facilitar el proceso de compra optimizando la ficha de producto y el embudo, sino también para conocer, con datos, algo más de nuestros clientes y así poder adaptar nuestra línea de productos a sus necesidades.

Siguiendo nuestro ejemplo de e-commerce de zapatos, identificamos que nuestro target principal realiza más compras a una colección concreta, y además visita también otras 2 o 3 colecciones más que tienen en común alguna característica con la colección más vendida: el precio, la comodidad, la moda, etc. De aquí saldrán nuestras líneas de trabajo en cuanto a cross-selling.

Podremos, además, descubrir qué tipo de zapatos interesan más a qué segmento de usuarios dentro de la misma estructura de la web. Esto nos ayudará a detectar muchas más cosas ya no sólo de nuestro sitio, sino de nuestro modelo de negocio y de nuestro marketing mix: la línea de precios más adecuada a cada target, el tipo de zapatos que más gustan a cada cliente o la confianza en la compra en nuestra web que tienen los diferentes perfiles de usuario.

Como vemos, los datos de audiencia nos proporcionan un salto más allá del propio análisis web, y es el hecho de poder relacionar audiencias a gran escala, anteriormente territorio de agencias, con contenidos y conversión propios.

Novedades desde el GA Summit: Informes de Audiencia_kmq.push([“trackClickOnOutboundLink”,”link_56b1cf28ab509″,”Article link clicked”,{“Title”:”Novedades desde el GA Summit: Informes de Audiencia”,”Page”:”Novedades desde el GA Summit: Informes de Audiencia”}]); es un post de Trucos Google Analytics_kmq.push([“trackClickOnOutboundLink”,”link_56b1cf28ab5cc”,”Article link clicked”,{“Title”:”Trucos Google Analytics”,”Page”:”Novedades desde el GA Summit: Informes de Audiencia”}]);.

The post Novedades desde el GA Summit: Informes de Audiencia appeared first on Trucos Google Analytics.


Source: http://feeds.feedburner.com/TrucosGoogleAnalytics-Optimizer

3 ejemplos de uso de los nuevos segmentos avanzados

Hace pocos días asistíamos a una nueva actualización de Google Analytics que añadía nuevas funcionalidades a los segmentos avanzados existentes. Además de un lavado de cara a nivel de usabilidad, que hacen aún más fácil e intuitivo su uso, las nuevas capacidades aportan un valor realmente útil de cara al análisis.

Estas nuevas habilidades, que son tres, en realidad integran de una manera fácil en la herramienta un único concepto sumamente importante: el análisis de cohortes. Hasta ahora podía realizarse de una manera mucho más complicada, pues la herramienta no permitía la segmentación a lo largo del tiempo y era necesario definirlo a nivel de código.

Ahora, con la segmentación a nivel de visitante, el análisis de cohortes es totalmente flexible y aporta un gran valor a la optimización orientada a usuario.

Además de la segmentación a nivel de visitante, otras dos opciones complementan el análisis de cohortes haciendolo aún más rico:

  • Segmentos de secuencias: ahora se puede analizar la navegación de una visita o un visitante estableciendo un orden determinado para ver cómo contribuyen ciertos contenidos a un objetivo o hecho determinado.
  • Segmentos cohortes de primera visita: además de los análisis cohort que permite el hecho de poder hacer seguimiento del visitante durante 90 días, ahora también se puede definir un período como primera visita para observar el comportamiento de un visitante que nos conoció durante un período determinado.

Algunos compañeros han escrito ya sobre su funcionamiento, y podéis ver una descripción muy detallada que hace Justin Cutroni en su blog_kmq.push([“trackClickOnOutboundLink”,”link_56b1cf28c4645″,”Article link clicked”,{“Title”:”Justin Cutroni en su blog”,”Page”:”3 ejemplos de uso de los nuevos segmentos avanzados”}]);, por lo que voy a centrarme más en su uso práctico y para ello os presento algunos ejemplos.

1.- Aprovechando oportunidades después de una venta

Hasta ahora, con los segmentos tradicionales, podíamos saber qué hacen los usuarios que compran durante su visita. Esto nos permitía conocer qué contenidos contribuyen mejor a la conversión y qué tipo de contenidos consume nuestro target. Pero una vez hecha la compra y terminada la visita, la única manera que teníamos de hacer un seguimiento post-venta era a través de e-mail marketing.

Con los segmentos a nivel de visitante podemos conocer más acerca de la experiencia de compra, qué pasa una vez el usuario ha recibido y utilizado el producto o servicio, y qué relación tiene con la marca.

  • Podremos saber cuál es la recurrencia de los visitantes después de una compra. Así, podremos valorar su satisfacción y su compromiso con la marca, que nos permitirá definir una estrategia de e-mail marketing para clientes más acorde con la percepción de la marca.
  • Podremos saber qué tipo de contenidos consumen los clientes después de un compra. De esta manera podremos ofrecer unos contenidos más adecuados para los clientes y definir unos flujos de navegación que faciliten el acceso a ellos.
  • Podremos saber qué tipo de contenidos consumen los clientes después de la compra de un producto en concreto. Esto nos permitirá distinguir si se interesa por otro producto relacionado, por conocer las características del producto comprado o por conocer más acerca de nuestra marca. La comunicación post venta con los clientes podrá ser personalizada para el producto para así contribuir a su experiencia de compra y generar nuevas oportunidades de venta.

2.- Mejorando la efectividad de las ofertas especiales

Hasta ahora podíamos saber si una landing con una oferta especial contribuía a la conversión de varias maneras: a través del flujo de navegación, asignando un valor a esta página, o creando un segmento avanzado para distinguir a las visitas que la habían visto.

El hecho de, además de todo esto, poder hacer este seguimiento en una secuencia cronológica, ya sea concurrente o separada, añade al análisis mucho más que una cuestión de usabilidad. Ya no solo sabemos si el diseño de esta página induce a la conversión más o menos inmediata, también sabemos algo más sobre el efecto que tiene la oferta en sí en la venta del producto.

Para ello podemos realizar un análisis de cohortes del segmento de usuarios que vieron esta landing en concreto y esto nos puede ayudar a tomar decisiones sobre qué acciones podemos realizar para convencer al usuario de la compra de nuestra oferta:

  • Podremos saber si el usuario que visitó nuestra oferta especial llegó a convertir en esta visita o en otra y si necesita de muchas visitas para convencerse, pues probablemente necesita comparar con la competencia, y así poder posicionarnos ante los competidores.
  • Podremos saber cuánto tardó en hacerlo, y saber cuánto tiempo necesita el usuario para convencerse para poder establecer la duración de la oferta.
  • Podremos saber qué tipo de contenido ayudó a que se produjera la conversión. Así, sabremos qué tipo de información necesita saber (condiciones, detalle de precio, detalle de producto, etc.) ya no solo para poder proporcionársela de una manera más visible, sino para plantearnos si realmente estas condiciones convencen o se pueden mejorar.

3.- Observando el éxito de una campaña

Hasta ahora podíamos hacer el seguimiento del éxito de una campaña observando las visitas que proceden de la campaña. Si además, usamos DoubleClick_kmq.push([“trackClickOnOutboundLink”,”link_56b1cf28c4720″,”Article link clicked”,{“Title”:”DoubleClick”,”Page”:”3 ejemplos de uso de los nuevos segmentos avanzados”}]);, también podíamos tener detalle de los impactos necesarios para conseguir la visita, por lo que podíamos determinar el coste de la visita, y, con suerte, de la conversión, si es que se producía en la misma visita.

Pero ahora, además, con el segmento de primera visita, podemos saber cuántas visitas nos han conocido gracias a la campaña y se convierten en usuarios de valor a lo largo del tiempo. Por lo que ya no sólo hablamos de coste de la visita o de la conversión, sino de conocer el ciclo de vida de estos usuarios.

Pero hay más: si nuestras campañas combinan on + off, también podemos conocer el retorno de la inversión realizada en off situando el segmento de primera visita durante las fechas de la campaña off (siempre y cuando sea de menos de 31 días).

  • Podremos saber cuantos usuarios nuevos capta nuestra campaña y qué ROI nos aportan a lo largo del tiempo. De esta manera podremos establecer con mucha más precisión el éxito económico de la campaña nivel de ventas y cuantificar futuras inversiones.
  • Podremos establecer el valor de la cobertura de marca. Teniendo identificados los nuevos usuarios podremos valorar los datos cualitativos de recurrencia y frecuencia para poder asignarles un valor a nivel de coste, que definirá el CPL de nuestro segmento target y así tener una referencia para la negociación de futuros CPMs y CPAs.

Sinceramente creo que el análisis de cohortes nos ofrece la posibilidad de poner datos a cuestiones complejas como los modelos de atribución. El hecho de poder hacer seguimiento de un segmento de usuarios que cumplan una condición establecida a lo largo del tiempo nos proporciona los datos suficientes para estimar el impacto que algunas acciones tienen a un medio plazo y cuantificarlas a nivel de coste.

Al final, esto es lo que pretenden los modelos de atribución y, una vez más, GA nos lo pone fácil. Lo aprovechamos? ;)

3 ejemplos de uso de los nuevos segmentos avanzados_kmq.push([“trackClickOnOutboundLink”,”link_56b1cf28c47cc”,”Article link clicked”,{“Title”:”3 ejemplos de uso de los nuevos segmentos avanzados”,”Page”:”3 ejemplos de uso de los nuevos segmentos avanzados”}]); es un post de Trucos Google Analytics_kmq.push([“trackClickOnOutboundLink”,”link_56b1cf28c4899″,”Article link clicked”,{“Title”:”Trucos Google Analytics”,”Page”:”3 ejemplos de uso de los nuevos segmentos avanzados”}]);.

The post 3 ejemplos de uso de los nuevos segmentos avanzados appeared first on Trucos Google Analytics.


Source: http://feeds.feedburner.com/TrucosGoogleAnalytics-Optimizer

Informes de Atribución: ejemplo práctico

Muchas veces, al empezar un proyecto de Analitica Web con un nuevo cliente, y hacer un repaso al estado actual de la herramienta, al preguntarles por los informes de Atribución del mérito, los clientes me dicen que sí, que han visto estos informes pero que no saben para que sirven.

Yo siempre les pregunto si saben lo que significa la atribución del mérito y siempre me contestan que sí, al fin y al cabo son profesionales del marketing online y este es un concepto bastante crucial a la hora de gestionar una inversión. Aún así, no he encontrado ninguno que le haya dado un uso a estos informes.

Sus usos pueden ser muchos, y seguro que los que leéis esto tenéis muchos ejemplos (please compartir :), aquí vamos a hacer un repaso muy básico acerca de qué son estos informes y qué nos aportan. Para ello, vamos a seguir un ejemplo de una empresa que proporciona servicios consultoría (a ver si adivináis cual ;)

Principales informes del menú Embudos Multicanal

Conversiones > Embudos multicanal > Visión general:

Este es un informe muy visual que nos proporciona una foto de la intersección de la efectividad de las diferentes fuentes de tráfico a efectos de conversión. Es decir, nos dice cuál es la combinación de fuentes de tráfico que nos proporciona más conversiones.

Los puntos con más confluencia de fuentes de tráfico serán las combinaciones menos efectivas, porque han sido necesarias más fuentes de tráfico para lograr la conversión. Cuanto más grande sea este punto, menos focalizadas en la conversión están nuestras campañas, cosa que no tiene porque ser mala si el objetivo de nuestro sitio no es la conversión a corto plazo. Aquí, cada uno que piense en los esfuerzos que está dedicando a cada fuente de tráfico y la inversión que esto le supone.

EmbudosMulticanalVisionGeneral_kmq.push([“trackClickOnOutboundLink”,”link_56b1cf28d1e35″,”Article link clicked”,{“Title”:”EmbudosMulticanalVisionGeneral“,”Page”:”Informes de Atribuciu00f3n: ejemplo pru00e1ctico”}]);

En nuestro ejemplo, la búsqueda orgánica es la que nos proporciona más conversión, y su combinación con el tráfico directo nos indica que es un tráfico de marca, fruto de la inversión realizada en entornos offline y el reconocimiento que obtiene por otras vías diferentes a las campañas online.

La intersección entre tres fuentes de tráfico es pequeña, por lo que se puede decir que es un sitio bastante efectivo.

Conversiones > Embudos multicanal > Conversiones por contribución:

Este informe proporciona un poco más de detalle de cuáles son las fuentes que logran una mayor conversión y su participación en la contribución de otras fuentes. Lo que nos aporta este informe, respecto al anterior, es poder ver el total de conversiones obtenidas sin contribución, que es la diferencia entre las conversiones por contribución y las conversiones por interacción de último clic o directa. Cuanto más alta sea esta diferencia, más efectivas son las fuentes de tráfico, puesto que logran más conversión por si mismas.

EmbudosMulticanalConversionesporContribucion_kmq.push([“trackClickOnOutboundLink”,”link_56b1cf28d1f24″,”Article link clicked”,{“Title”:”EmbudosMulticanalConversionesporContribucion“,”Page”:”Informes de Atribuciu00f3n: ejemplo pru00e1ctico”}]);

En nuestro ejemplo, vemos que el total de conversiones obtenidas sin contribución es mucho más alto que las conversiones por contribución, por lo que podemos ver que las diferentes fuentes de tráfico en este caso son muy efectivas, cosa que es muy positiva teniendo en cuenta la naturaleza del sitio, que proporciona servicios de consultoría empresarial, cuya conversión no tiene nada de impulsiva ni corto-placista.

Conversiones > Embudos multicanal > Rutas de conversión principal:

En este informe podemos ver las rutas al completo, es decir, todas los fuentes por donde ha entrado el usuario antes de convertir. Aquí es donde podemos ver cuáles de los caminos son más habituales, y cuantas visitas han sido necesarias antes de la conversión y en qué orden. Esto nos dará la clave para determinar la impulsividad de la conversión y los hábitos de uso del sitio.

Es habitual que un sitio con usuarios fieles y comprometidos con la marca entren varias veces por canales orgánicos, ya sea SEO o directo. En función de si el producto es de consumo habitual o más excepcional, serán necesarias menos entradas o más para convertir.

Además, en este informe, se pueden crear agrupaciones de canales personalizadas, de manera que podemos ver las conversiones ordenadas según nuestros objetivos y nuestra estrategia de gestión de campañas. Por ejemplo, podemos agrupar las campañas discriminando entre campañas de pago o orgánicas (que no son gratis sino que son fruto de una inversión realizada previamente más a largo plazo), distinguiendo entre marca o genérica, o incluso identificar aquellas fuentes que sabemos que son fruto de una inversión realizada offline.

EmbudosMulticanalRutasConversiónPrincipales_kmq.push([“trackClickOnOutboundLink”,”link_56b1cf28d2026″,”Article link clicked”,{“Title”:”EmbudosMulticanalRutasConversiu00f3nPrincipales“,”Page”:”Informes de Atribuciu00f3n: ejemplo pru00e1ctico”}]);

Siguiendo el ejemplo, y observando la agrupación de canales básica por defecto, vemos que los usuarios son fieles a la marca y no necesitan de muchas entradas para convertir: esto significa que no necesitan pensárselo mucho ni salir fuera a comparar con nuestros competidores, cosa que nos indica que nuestro sitio logra un grado importante de atracción.

Viendo la influencia que tiene el tráfico directo en las primeras posiciones, también podemos deducir que estas conversiones proceden de usuarios que ya nos conocen, probablemente por otras vías offline.

EmbudosMulticanalRutasConversionPersonalizadas_kmq.push([“trackClickOnOutboundLink”,”link_56b1cf28d210e”,”Article link clicked”,{“Title”:”EmbudosMulticanalRutasConversionPersonalizadas“,”Page”:”Informes de Atribuciu00f3n: ejemplo pru00e1ctico”}]);

Y para tener un poco más de visibilidad, se ha creado una nueva agrupación de canales distinguiendo el tráfico por tipo de coste: consideramos tráfico de pago, cuyo coste es directo, el tráfico SEM, Display y e-mail y consideramos tráfico orgánico, cuyo coste es diferido y a largo plazo, todo lo demás.

Podemos ver aquí como las primeras posiciones las ocupan las fuentes de tráfico orgánico, es decir, que no tienen un coste directo sino que son fruto de inversiones realizadas por otros medios y más a medio plazo, cosa que nos confirma la idea que nos daba el informe anterior.

Menú Atribución: Herramienta de comparación de modelos

Este es un informe realmente útil que tiene múltiples aplicaciones gracias a su herramienta de comparación de modelos de atribución, que ofrece 5 modelos diferentes y además permite la creación de modelos personalizados. Aporta una gran flexibilidad, ya que permite establecer un marco temporal sin necesidad de tocar código ni configuración y, además, igual que en el informe anterior, se pueden aplicar las agrupaciones de canales ya realizadas o hacer de nuevas.

En cualquier caso, con las opciones que nos ofrece la herramienta por defecto podemos obtener ya mucha información, podemos ver algunos ejemplos de casos de uso en el blog de Google Analytics_kmq.push([“trackClickOnOutboundLink”,”link_56b1cf28d21e1″,”Article link clicked”,{“Title”:”blog de Google Analytics”,”Page”:”Informes de Atribuciu00f3n: ejemplo pru00e1ctico”}]);.

Modelos de atribución por defecto

Aplicando los modelos de atribución ya existentes, podemos comparar, por ejemplo, la diferencia entre las conversiones a primera interacción o última. Esto nos dará una idea de cuáles son las fuentes de tráfico más corto-placistas, por lo que podremos saber qué entradas debemos optimizar de una manera más enfocada a la conversión inmediata.

También podemos obtener una visión obviando el canal directo, donde el crédito de todo este tráfico se asigna a la fuente anterior al tráfico directo por considerarse la fuente que realmente ha logrado la conversión. Así, podemos asignarles a las diferentes fuentes de entrada de campañas un ROI más favorable para facilitar la gestión de su presupuesto.

Es otra opción observar una atribución lineal del tráfico directo para aquellos sitios cuya conversión sea puntual y fruto de un proceso de toma de decisión por parte del cliente largo y meticuloso. En este caso, todas las visitas son importantes para la conversión y es necesario potenciar todas las fuentes de tráfico que intervengan.

En cambio, para sitios cuya conversión sea muy impulsiva, existe la opción tiempo de decaimiento, que otorga más mérito a las entradas más cercanas en el tiempo a la conversión, y por lo tanto son fuentes de entrada cuyas campañas deberán ser optimizadas de una manera más agresiva en cuanto a conversión se refiere.

HerramientaComparacionModelos_kmq.push([“trackClickOnOutboundLink”,”link_56b1cf28d22bd”,”Article link clicked”,{“Title”:”HerramientaComparacionModelos“,”Page”:”Informes de Atribuciu00f3n: ejemplo pru00e1ctico”}]);

Siguiendo con nuestro ejemplo, si comparamos la agrupación de canales básica por defecto entre las conversiones producidas por la primera interacción y la última interacción, podemos ver que aquellas fuentes que obtienen un % negativo son fuentes que convierten mejor a corto plazo: nuestro sitio web está mejor optimizado para estas fuentes de tráfico y debemos aprovechar el potencial de conversión de la primera visita.

En cambio, aquellas fuentes de tráfico que obtienen un porcentaje negativo tienen un peor rendimiento puesto que necesitan de más visitas para convertir. En este caso, es necesario orientar las campañas en estas fuentes de tráfico a un efecto más a largo plazo, menos agresivo y tener en cuenta que el cliente necesita más información para convencerse de la compra.

Personalización: nuevos canales y nuevos modelos de atribución

Y en este informe es donde podemos dar rienda suelta a nuestra capacidad creativa analítica, jugando con la agrupación de canales personalizadas más adaptadas a nuestro negocio y combinándolas con nuevos modelos de atribución que reflejen la realidad de nuestras campañas.

Se puede personalizar esta atribución de manera fácil partiendo de una atribución ya existente y atribuyendo el crédito en función de los criterios que consideremos oportunos, ya sean por fuentes de tráfico, por campañas, por interacción, por página, por métricas cualitativas… Además, se pueden aplicar a una agrupación de canales previamente definida en este informe o en los informes anteriores de embudos multicanal, por lo que las posibilidades son infinitas.

A modo de ejemplo, podríamos ver la influencia de una campaña en concreto, digamos un lanzamiento de un nuevo producto, sobre la venta de este producto, o, de la misma manera, alguna acción realizada que haya tenido un coste relevante, asignando un crédito superior a 1 a esta campaña o acción. En este caso, las fuentes de tráfico que más conversiones obtengan serán las han tenido más incidencia sobre la campaña y su conversión y por lo tanto deberíamos potenciarla.

También podríamos ver qué capacidad de persuasión tiene nuestro sitio asignando, por ejemplo, un crédito inferior a 1 a aquellas conversiones que se hayan producido con una profundidad de la visita superior a la media del sitio, puesto que al ser una compra que ha necesitado de más páginas vistas al sitio el cliente ha necesitado informarse mejor antes de tomar la decisión. Por lo tanto, la fuente de tráfico que menos crédito obtenga es la que tiene un peor rendimiento y por lo tanto debe optimizarse.

Pero, y esto siempre se lo digo también a mis clientes, antes de empezar a rizar el rizo, debemos asegurarnos que le estamos sacando el máximo partido a los datos ya existentes y que nos están sirviendo para tomar decisiones que tengan un impacto real en nuestro negocio.

Informes de Atribución: ejemplo práctico_kmq.push([“trackClickOnOutboundLink”,”link_56b1cf28d238f”,”Article link clicked”,{“Title”:”Informes de Atribuciu00f3n: ejemplo pru00e1ctico”,”Page”:”Informes de Atribuciu00f3n: ejemplo pru00e1ctico”}]); es un post de Trucos Google Analytics_kmq.push([“trackClickOnOutboundLink”,”link_56b1cf28d244c”,”Article link clicked”,{“Title”:”Trucos Google Analytics”,”Page”:”Informes de Atribuciu00f3n: ejemplo pru00e1ctico”}]);.

The post Informes de Atribución: ejemplo práctico appeared first on Trucos Google Analytics.


Source: http://feeds.feedburner.com/TrucosGoogleAnalytics-Optimizer

Las 2 herramientas imprescindibles para vincular con Google Analytics

Me estreno en este blog, recogiendo el testigo de Oriol, que se despidió hace unos días (sniff), sin ninguna intención de continuar su excelente trabajo, porque no podría, el listón es demasiado alto ;) De todas maneras, sí puedo intentar dejar mis reflexiones y aprendizajes.

Google Analytics es una herramienta que tiene muchas bondades y algunas limitaciones, como todos sabemos, especialmente desde que leemos este blog. Muchas de estas limitaciones pueden ser solventadas con pequeñas dosis de creatividad, tanto en el etiquetado como en la personalización de informes. Pero las peores limitaciones son aquellas que nos autoimponemos, por el motivo que sea, fruto de nuestras propias decisiones.

Y entre ellas están la vinculación con dos de las herramientas más imprescindibles que nos proporciona el propio Google, y que todo negocio online utiliza, Google Adwords y Google Webmaster Tools.

La unión de estas tres herramientas nos proporciona una visión global no sólo de lo que pasa en nuestro site, que es el objetivo de la Analítica Web. También nos proporciona la información necesaria de lo que pasa antes de que los usuarios lleguen a nuestro sitio, que es parte de la Analítica Digital. La unión de estas dos áreas de la analítica nos aportará una importante riqueza en nuestros análisis enfocados tanto al reporting como a la optimización.

AdWords y GA

Si no tenemos enlazadas las cuentas de AdWords y GA pero estamos realizando un etiquetado manual de las campañas podremos obtener datos tanto cuantitativos como cualitativos acerca de ellas en GA. Esto nos proporcionará una información básica sobre el rendimiento de nuestras campañas y nos ayudará a conocer mejor nuestro sitio y nuestros usuarios.

Podremos saber qué palabras y qué anuncios nos proporcionan un tráfico de más calidad en cuanto a fidelización (frecuencia, recurrencia), interés (profundidad, tiempo), y, sobretodo, conversión en aquellos objetivos que nos hayamos marcado. Sin duda una información muy útil no sólo de cara a la optimización de las campañas sino también de landing pages, arquitectura del sitio y estructura de call-to-actions.

Pero nos estamos perdiendo lo más importante: el ROI. Si no vinculamos estas dos cuentas no tenemos información sobre costes en GA. Y, al final, el objetivo último de una campaña es lograr los máximos ingresos con los mínimos costes. Teniendo acceso a los costes podremos:

  • Conocer el rendimiento de palabras clave en términos económicos.
  • Segmentar entre Branded y Unbranded para tomar decisiones acerca de nuestra estrategia de distribución de inversiones.
  • Conocer nuestra cuota de mercado para racionalizar nuestra inversión respecto a la competencia (y descubrir posibles estrategias agresivas).
  • Comparar con los costes del resto de fuentes usando la funcionalidad para agregar costes, de manera que GA se convierte en un repositorio completo en lo que a inversiones se refiere.

WebMaster Tools y GA

Con las Webmaster Tools pasa un poco lo mismo, aunque sin la parte de costes, que no aplica. Con la información disponible acerca de aquellas visitas entrantes por SEO podemos conocer el efecto que tiene el posicionamiento sobre el contenido y sus objetivos, pero nos perdemos una información muy importante acerca de lo que pasa a nuestro alrededor y con nuestra competencia.

Al tener las dos cuentas enlazadas podremos:

  • Conocer en qué situación estamos respecto al mercado y la competencia.
  • Analizar los ratios de click through de nuestras palabras clave para adecuar nuestra estrategia de contenidos al objetivo del sitio
  • Determinar nuestra cuota de mercado tanto en palabras clave Branded como Unbranded para la toma de decisiones estratégica respecto a la competencia
  • Conocer en qué regiones geográficas tenemos un mejor rendimiento por producto para adaptar nuestra estrategia comercial tanto on como off.

Y ahora es cuando me preguntáis… realmente hay aún empresas que no tienen enlazadas estas herramientas? Sí, las hay. Esto puede ser por varios motivos:

  • Por desconocimiento, aunque estas cada día son menos.
  • Por políticas corporativas: hay empresas que trabajan con grandes agencias que tienen una política corporativa estandarizada en lo que a etiquetado y gestión se refiere, por motivos de consistencia y análisis interno.
  • Por políticas comerciales: hay empresas que trabajan con agencias grandes o pequeñas cuya fuente de ingresos depende del rendimiento de este tipo de campañas y por lo tanto no pueden mostrar su gestión por temas de competencias.

En estos casos, el análisis debe hacerse por separado y pierde parte de su riqueza, pero, como sabemos, un buen analista es capaz de lograr resultados con la herramienta que tenga a mano ;)

Las 2 herramientas imprescindibles para vincular con Google Analytics_kmq.push([“trackClickOnOutboundLink”,”link_56b1cf291a02d”,”Article link clicked”,{“Title”:”Las 2 herramientas imprescindibles para vincular con Google Analytics”,”Page”:”Las 2 herramientas imprescindibles para vincular con Google Analytics”}]); es un post de Trucos Google Analytics_kmq.push([“trackClickOnOutboundLink”,”link_56b1cf291a159″,”Article link clicked”,{“Title”:”Trucos Google Analytics”,”Page”:”Las 2 herramientas imprescindibles para vincular con Google Analytics”}]);.

The post Las 2 herramientas imprescindibles para vincular con Google Analytics appeared first on Trucos Google Analytics.


Source: http://feeds.feedburner.com/TrucosGoogleAnalytics-Optimizer

Cómo medir el impacto de anuncios de TV con Google Analytics

Lanzar una campaña en TV sigue siendo algo en lo que muchas marcas confían ciegamente, y ciegamente ya que rara vez se evalúa numéricamente el impacto de cualquier campaña en TV. En la mayoría de las ocasiones se justifica apostar por este medio debido a su tradición o simplemente porque la competencia también estaría apostando. La TV es cara, carísima. Parece mentira ver como presupuestos de marketing se recortan rigurosamente de AdWords, mientras se invierten alegremente en TV. ¿Merece realmente la pena invertir en TV?

Gracias a Google Analytics vamos a ver hasta que punto un anuncio en TV sale rentable.

Segmentación utilizada para medir el tráfico procedente de TV

En primer lugar será necesario filtrar todo el tráfico que recibe nuestra página web. Con esto vamos a poder discernir del total de visitas, a aquellos usuarios que acceden a nuestra web después de haber visto el anuncio. Esto lo conseguimos creando un segmento en el que contemplamos algunos criterios que probablemente se darán entre la mayor parte de la audiencia que vea el anuncio en TV y después visite nuestra web. La elección de estos criterios es el punto más informal, ya que de entrada sólo se basa en intuición o sentido común. Más adelante demostraremos la validez de los criterios escogidos.

El segmento creado contempla los siguientes segmentos:

  • Visitante nuevo (no recurrente) y
  • España como país de procedencia y
  • Fuente de tráfico directo o por keyword de marca

_kmq.push([“trackClickOnOutboundLink”,”link_56b1cf2a13ebb”,”Article link clicked”,{“Title”:”“,”Page”:”Cu00f3mo medir el impacto de anuncios de TV con Google Analytics”}]);

Ya que la segmentación aplicada incluirá tanto usuarios que vieron el anuncio como usuarios que no lo vieron, el paso siguiente consiste en validar cuantas de estas visitas pertenecen realmente a usuarios que han visto el anuncio.

Validación de la segmentación

Es crucial validar que la segmentación aplicada es correcta. Es decir, que los datos que vamos a ver tras aplicar el segmento que hemos definido incluyen usuarios procedentes de TV.
Para estar seguros de que la segmentación funciona se trata de comparar el volumen de visitas segmentadas que recibe nuestra web en días de anuncio y en días de no anuncio. Para esto es importante disponer del calendario de emisiones del anuncio.

Por ejemplo, sabemos que los miércoles, jueves y viernes de octubre hay emisión de anuncio. Comparando un par de intervalos de miércoles, jueves y viernes de octubre con septiembre, mes en la que no hubo anuncio, vemos lo siguiente:

_kmq.push([“trackClickOnOutboundLink”,”link_56b1cf2a13fcd”,”Article link clicked”,{“Title”:”“,”Page”:”Cu00f3mo medir el impacto de anuncios de TV con Google Analytics”}]);

En realidad, tanto habiendo anuncio como no, el segmento aplicado siempre incluye visitas. Sin embargo, las visitas son más para cuando hay anuncio. Y precisamente el grueso de la diferencia de más observada corresponderia al número de usuarios que proceden de TV.
Tras realizar esta comprobación para diferentes periodos de tiempo, se concluye que el anuncio en TV contribuye alrededor del +75% en volumen de visitas, respecto al patrón normal observado cuando no hay anuncios.

Adicionalmente, hacemos una segunda comprobación. Se trata de comparar las lineas de tendencia entre 2 periodos de tiempo para los que si hubo anuncios. El grueso añadido entre las dos lineas de tendencia debería girar alrededor de 0.

_kmq.push([“trackClickOnOutboundLink”,”link_56b1cf2a140c5″,”Article link clicked”,{“Title”:”“,”Page”:”Cu00f3mo medir el impacto de anuncios de TV con Google Analytics”}]);

Contribución en visitas y conversiones gracias a la TV

Primero es importante tener claro el contexto del segmento aplicado. Es decir, el volumen de muestras analizado y correspondiente al segmento aplicado supone alrededor del 5% del volumen total de visitas de la web, y alrededor del 10% de conversiones de la web. Así que, por ejemplo, un incremento del 75% en el segmento de TV tan sólo supone un incremento del 8% del total.

Analizando varias muestras, podemos presumir de que los anuncios de TV están haciendo que las visitas suban alrededor de +8%.

Por otro lado, los anuncios de TV no están influyendo en el número de conversiones de la web. El siguiente gráfico demuestra como a pesar de tener más visitas, el número de conversiones se mantiene igual para días de anuncio y de no anuncio.

_kmq.push([“trackClickOnOutboundLink”,”link_56b1cf2a141b7″,”Article link clicked”,{“Title”:”“,”Page”:”Cu00f3mo medir el impacto de anuncios de TV con Google Analytics”}]);

En conclusión, los anuncios de TV están sirviendo para generación de marca pero no para generación de venta directa. Aunque probablemente los usuarios impactados en TV pueden convertir a medio plazo, en futuras visitas a la web.

Los mejores días y horas para los anuncios

Una de las cosas más interesantes es ver la repercusión que tienen los anuncios según el día de la semana o la hora en la que se televisan. Según estos datos vamos a poder ser más finos en la programación de nuestros anuncios, siendo más eficientes en términos de inversión y retorno.

En cuanto a las franjas horarias, aplicamos el segmento y comparamos las lineas de tendencia por horas entre días en los que hubo anuncio y no hubo anuncio.
Observamos que, en general, la linea de tendencia de visitas para día de anuncio infla el patrón de visitas que se da en días de no anuncio. Lo interesante es que excepcionalmente y para ciertas horas del día, las visitas en día de anuncio no sólo son superiores sino que revierten el patrón normal en días de no anuncio.
Por ejemplo, la web analizada normalmente sufre una caída de visitas desde las 19h hasta las 23h. Contrariamente, cuando hay anuncios en TV y estos se emiten alrededor de esta franja horaria, se observa como las visitas se incrementan. Es decir, el anuncio en TV esta funcionando para corregir el descenso natural de visitas que la web tiene en estas horas. El “prime time” influye positivamente, ¿Pero llega a compensar los alrededor de 15.000 Euros que cuesta un spot de 20 segundos en estas horas?

_kmq.push([“trackClickOnOutboundLink”,”link_56b1cf2a142a3″,”Article link clicked”,{“Title”:”“,”Page”:”Cu00f3mo medir el impacto de anuncios de TV con Google Analytics”}]);

En cuanto a días de la semana, hacemos un ejercicio similar.
A priori, el domingo es el día que menor repercusión tienen los anuncios de TV en términos de visitas. Sin embargo y como muestra el siguiente gráfico, el domingo es el día que presenta un mayor incremento en las conversiones de usuarios procedentes de TV. Es decir, gracias a la TV el domingo se duplican el número de conversiones con respecto a las conversiones normales para el segmento de tráfico analizado.

_kmq.push([“trackClickOnOutboundLink”,”link_56b1cf2a143a6″,”Article link clicked”,{“Title”:”“,”Page”:”Cu00f3mo medir el impacto de anuncios de TV con Google Analytics”}]);

En resumen

Con este análisis sabemos:

  • El % promedio en incremento de visitas que supone un día de anuncios en TV.
  • El % promedio en incremento de conversiones que supone un día en de anuncios en TV.
  • Los días que presentan mejor rendimiento en visitas y conversiones.
  • Los franjas horarias diarias que presentan mejor rendimiento en visitas y conversiones.

A partir de esta información podemos:

  • Hacer una mejor replanificación de días y horarios para la próxima campaña en TV.
  • Valorar la rentabilidad del canal según generación de marca o ingresos, sólo de atribución directa sin llegar a conocer la deriva que esto ha podido generar.

Siempre se ha dicho que la TV es el canal de publicidad por excelencia, ya que ofrece la posibilidad de llegar a todos los hogares. Sin embargo, me parece paradójico que a día de hoy se sigan invirtiendo las cantidades de dinero que se invierten en anuncios de TV_kmq.push([“trackClickOnOutboundLink”,”link_56b1cf2a1447d”,”Article link clicked”,{“Title”:”las cantidades de dinero que se invierten en anuncios de TV”,”Page”:”Cu00f3mo medir el impacto de anuncios de TV con Google Analytics”}]); cuando en realidad su impacto es el más dificil de medir. Y precisamente hoy en día y en lo que se refiere a campañas de publicidad online, vamos a ser juzgados en base a resultados medibles.
Afortunadamente, la tendencia parece estar cambiando. ¿Hace cuanto no veis un anuncio de Nike en TV? Y no porque Nike se haya olvidado del marketing… Al contrario, Nike ha incrementado su presupuesto de marketing en los últimos años pero ha reducido su inversión en TV en más de un 40%_kmq.push([“trackClickOnOutboundLink”,”link_56b1cf2a14551″,”Article link clicked”,{“Title”:”Nike ha incrementado su presupuesto de marketing en los u00faltimos au00f1os pero ha reducido su inversiu00f3n en TV en mu00e1s de un 40%”,”Page”:”Cu00f3mo medir el impacto de anuncios de TV con Google Analytics”}]);. Un modelo a tener en cuenta.

Cómo medir el impacto de anuncios de TV con Google Analytics_kmq.push([“trackClickOnOutboundLink”,”link_56b1cf2a14625″,”Article link clicked”,{“Title”:”Cu00f3mo medir el impacto de anuncios de TV con Google Analytics”,”Page”:”Cu00f3mo medir el impacto de anuncios de TV con Google Analytics”}]); es un post de Trucos Google Analytics_kmq.push([“trackClickOnOutboundLink”,”link_56b1cf2a146f1″,”Article link clicked”,{“Title”:”Trucos Google Analytics”,”Page”:”Cu00f3mo medir el impacto de anuncios de TV con Google Analytics”}]);.

The post Cómo medir el impacto de anuncios de TV con Google Analytics appeared first on Trucos Google Analytics.


Source: http://feeds.feedburner.com/TrucosGoogleAnalytics-Optimizer