Se acercan tiempos interesantes para Google Analytics

Son tiempos revueltos para Google Analytics. La plataforma está evolucionando muy rápidamente y creo que incluso a los propios ingenieros de Google les está costando seguir el ritmo. Con la nueva versión de Google Analytics, Universal Analytics, y su Analytics.js_kmq.push([«trackClickOnOutboundLink»,»link_56b1cf2946da9″,»Article link clicked»,{«Title»:»Analytics.js»,»Page»:»Se acercan tiempos interesantes para Google Analytics»}]); dejan atrás todo lo que fue en su momento Urchin. Ya se despidieron hace un año de la antigua interfaz, herencia de Urchin, con la introducción de la versión 5 de Google Analytics, en la que Google aseguraba que podrían añadir nuevas funcionalidades de forma mucho más fácil y rápida, tal y como hemos podido comprobar estos últimos meses, en los que no han parado de ampliar las funcionalidades de GA.

_kmq.push([«trackClickOnOutboundLink»,»link_56b1cf2946e99″,»Article link clicked»,{«Title»:»«,»Page»:»Se acercan tiempos interesantes para Google Analytics»}]);

Ahora le ha llegado el turno a la parte interna, la que nadie ve: el sistema de recolección de datos. Urchin, la herramienta que compró Google hace unos años, estaba pensada para trabajar con webs pequeñas y medianas a nivel de volumen y Google Analytics no ha sido capaz de adaptarlo a los grandes volúmenes que tienen webs como Softonic_kmq.push([«trackClickOnOutboundLink»,»link_56b1cf2946f6a»,»Article link clicked»,{«Title»:»Softonic»,»Page»:»Se acercan tiempos interesantes para Google Analytics»}]);, Airbnb_kmq.push([«trackClickOnOutboundLink»,»link_56b1cf2947056″,»Article link clicked»,{«Title»:»Airbnb»,»Page»:»Se acercan tiempos interesantes para Google Analytics»}]); o twitter_kmq.push([«trackClickOnOutboundLink»,»link_56b1cf294711c»,»Article link clicked»,{«Title»:»twitter»,»Page»:»Se acercan tiempos interesantes para Google Analytics»}]); (por poner 3 ejemplos internacionales) que tienen millones de visitas al mes (o incluso al día!). Estas limitaciones empiezan en el formato del código JavaScript, que dificultan la implementación y limitan mucho su potencia, pero el punto débil es la forma en la almacenan los datos, ya que es allí dónde aparece el problema real de Google Analytics: el sampling.

Auguro un gran futuro para Google Analytics. Será una herramienta mucho mejor de lo que es ahora mismo, con menos sampling (o quien sabe, a lo mejor acaba desapareciendo!) y mucho más rápida y flexible, poniéndose a la altura o incluso superando en algunos aspectos a otras herramientas de pago como Adobe Analytics (de la que creo sinceramente que se han inspirado para hacer el nuevo analytics).

El problema que veo ahora mismo es el tiempo que tendremos que esperar hasta que llegue este nuevo Súper Google Analytics, ya que estaremos un poco perdidos.

Si tenemos en cuenta que ya se puede empezar a probar Analytics.js en beta (podéis ver el código en éste mismo blog), actualmente tenemos 3 formas de implementar Google Analytics (en una web):

  • Google Analytics estándar: Es el código “de toda la vida”, el que tenemos puesto en prácticamente todas nuestras webs y que, desde hace un tiempo tiene incorporado Content Experiments. Cuando creamos una nueva cuenta en Google Analytics, es el código que nos ofrecen.
  • _kmq.push([«trackClickOnOutboundLink»,»link_56b1cf29471f9″,»Article link clicked»,{«Title»:»«,»Page»:»Se acercan tiempos interesantes para Google Analytics»}]);Listas de Remarketing: una gran funcionalidad que han añadido es la posibilidad de utilizar los segmentos de Google Analytics para definir los targets de las campañas de display. Es una funcionalidad brutal pero si la queremos utilizar deberemos cambiar la implementación de Google Analytics, ya que no se puede utilizar con el JavaScript estándar. Por lo tanto, deberemos cambiar el fichero ga.js por el fichero dc.js (Justin Cutroni nos explica al detalle como hacerlo_kmq.push([«trackClickOnOutboundLink»,»link_56b1cf29472c4″,»Article link clicked»,{«Title»:»Justin Cutroni nos explica al detalle como hacerlo»,»Page»:»Se acercan tiempos interesantes para Google Analytics»}]);). Además, el problema no sólo está en el cambio de js, sino que al activar ésta funcionalidad dejaremos de tener disponible el Content Experiments.
  • Analytics.js La tercera opción, la más potente, nos permitirá integrar varios dispositivos, tendremos una gestión integral desde el servidor, sin necesidad de hacer cambios en el código, podremos importar datos externos directamente en la herramienta y aumentaremos el límite de las variables personalizadas de 5 a 20, que pasan a llamarse custom dimensions (son muy parecidas a las eVars de Adobe Analytics). A cambio, no tendremos integración de datos de AdSense, de DoubleClick ni de Experimentos de contenido. Como han cambiado absolutamente la forma de medirlo, si usamos esta forma tendremos que crear un nuevo perfil, por lo que perderemos todo el histórico de datos. Además, para usar Analytics.js se tendrá que hacer una revisión completa de la implementación actual para adaptarla a todas las funcionalidades ofrecidas.

Así pues, ya veis que no es tan fácil el proceso de transición y la espera se puede hacer más difícil de lo esperado, obligándonos a escoger entre Content Experiments, Remarketing o integración de datos. Seguramente, una vez Universal Analytics sea el código común para todas las webs, ya no serán necesarios tantos cambios. Son tiempos revueltos para Google Analytics, pero se acercan tiempos muy interesantes y el resultado final será fantástico.

Si queréis probar Universal Analytics, podéis hacer la solicitud en el siguiente formulario_kmq.push([«trackClickOnOutboundLink»,»link_56b1cf294738f»,»Article link clicked»,{«Title»:»hacer la solicitud en el siguiente formulario»,»Page»:»Se acercan tiempos interesantes para Google Analytics»}]);.

Se acercan tiempos interesantes para Google Analytics_kmq.push([«trackClickOnOutboundLink»,»link_56b1cf2947452″,»Article link clicked»,{«Title»:»Se acercan tiempos interesantes para Google Analytics»,»Page»:»Se acercan tiempos interesantes para Google Analytics»}]); es un post de Trucos Google Analytics_kmq.push([«trackClickOnOutboundLink»,»link_56b1cf2947515″,»Article link clicked»,{«Title»:»Trucos Google Analytics»,»Page»:»Se acercan tiempos interesantes para Google Analytics»}]);.

The post Se acercan tiempos interesantes para Google Analytics appeared first on Trucos Google Analytics.


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

Cómo medir la latencia entre visitas según Justin Cutroni

El pasado jueves en el evento GAUC Barcelona 2012, Justin Cutroni_kmq.push([«trackClickOnOutboundLink»,»link_56b1cf29c0f0d»,»Article link clicked»,{«Title»:»Justin Cutroni»,»Page»:»Cu00f3mo medir la latencia entre visitas segu00fan Justin Cutroni»}]); nos explicó algo que bautizó como “Customer Centricity y Google Analytics”. Concretamente, Justin nos acercó a los conceptos de “Cohort”, latencia, retención de usuarios o clientes y sobretodo como es posible encajar estos conceptos mediante la implementación de Google Analytics y el correspondiente análisis de datos.

¿Qué es el cohort?

Según Wikipedia_kmq.push([«trackClickOnOutboundLink»,»link_56b1cf29c0fe4″,»Article link clicked»,{«Title»:»Wikipedia»,»Page»:»Cu00f3mo medir la latencia entre visitas segu00fan Justin Cutroni»}]);, el cohort es un concepto utilizado en estadística y que se define como aquel grupo de individuos que comparten o han compartido un conjunto de características en un periodo de tiempo concreto.

Este concepto tiene una gran importancia para el marketing puesto que permite segmentar y agrupar a nuestros usuarios o clientes según características comunes entre si, y durante periodos de tiempo específicos. De este modo es más fácil abordar estrategias de retargeting, importantes para la retención.

Muchos estudios de cohort se basan en el componente tiempo para agrupar diferentes usuarios, por ejemplo tiempo entre la primera y la segunda interacción con la marca. Según Justin, se trata de conocer la latencia entre la primera compra y la segunda compra.
Google Analytics nos puede ayudar a conocer este intervalo de tiempo ;)

Solución A: Conocer latencia con variables personalizadas

Lo bueno de las variables personalizadas_kmq.push([«trackClickOnOutboundLink»,»link_56b1cf29c10c3″,»Article link clicked»,{«Title»:»variables personalizadas»,»Page»:»Cu00f3mo medir la latencia entre visitas segu00fan Justin Cutroni»}]); (de usuario) es que persisten en el tiempo, ya que es la misma cookie que se comparte en diferentes sesiones. Esto implica que no vamos a perder el rastro del usuario, siempre y cuando acceda desde el mismo ordenador y browser claro.

Algunas ideas que nos compartía Justin era utilizar éstas variables para guardar los siguientes datos:

Guardar la primera fecha en la que el usuario accedió a nuestra web

  • por fecha
  • por trimestre
  • Mes & Año
  • Nombre de las vacaciones (Navidad, Semana Santa…)
  • Estación del año

Por producto

  • La primera categoría del producto que ha visto

Por canal

  • Primera fuente por la que ha llegado (PPC, display, social, etc.)
Todo esto, lo podemos agrupar en unas cuantas variables personalizadas:

Debéis tener en cuenta, a la hora de seleccionar lo que queréis guardar, que tenemos un límite de 5 variables personalizadas (50 si utilizamos Google Analytics Premium), por lo que no podremos guardarlo todo. También es importante destacar que estos datos se guardan en una cookie, por lo que si un usuario cambia de navegador o borra las cookies, perderemos el rastro de éste ;)

Solución B: Conocer latencia con eventos

La principal ventaja de utilizar eventos para medir datos sobre la sesión es que tenemos infinitos, por lo que no estaremos tan limitados con las variables personalizadas. El inconveniente es que no vamos a guardar el rastro de usuarios, a no ser que tratemos con sites en los que se realice log in.

Hack del día

Justin nos recomendó mucho guardar ciertas variables de sistema, base de datos o servidor (back end) en la propia capa HTML de la web (front end). Se trataría de utilizar, por ejemplo, una variable JavaScript tipo estructura llamada DataLayer en la que almacenaríamos aquello que nos interese: Nombre del producto, stock, productos comprados, precio, etc. El objetivo es tenerlo todo allí, para poder acceder a estos datos en caso de necesidad mediante JavaScript.

Solución C: KISSmetrics lo hace sólo

En el Workshop que Pere Rovira_kmq.push([«trackClickOnOutboundLink»,»link_56b1cf29c11b4″,»Article link clicked»,{«Title»:»Pere Rovira»,»Page»:»Cu00f3mo medir la latencia entre visitas segu00fan Justin Cutroni»}]); ofreció en el GAUC, nos explicó que conocer la latencia entre interacciones de conversión es algo muy fácil con herramientas como KISSmetrics_kmq.push([«trackClickOnOutboundLink»,»link_56b1cf29c1281″,»Article link clicked»,{«Title»:»KISSmetrics»,»Page»:»Cu00f3mo medir la latencia entre visitas segu00fan Justin Cutroni»}]);. Principalmente porque esta herramienta nos da está métrica sin necesidad de pasar por una implementación de código :)

Algunos ejemplos

  • Comprar chocolate online: El día de la madre, Semana Santa, quizá Navidad… ¿El sector chocolatero tiene estacionalidad? Con un ejemplo Justin nos demostró que si y los mismos usuarios vuelven a comprar chocolate pasada una ventana de tiempo concreta. Motivo por el que es importante enviar emails de retención, anticipandonos a estas oleadas de tráfico recurrente.
  • El efecto viagra de Gropon: Si mi negocio se anuncia en Groupon ¿Hay usuarios recurrentes después del día de campaña? NO :( Gracias a la implementación de Google Analytics, vemos que no hay latencia aparente. Sino que se produce un pico de visitas el día del anuncio y más allá de esto, ningún mismo usuario volvió. ¿Cómo me las ingenio para retener a tráfico que un día vino de Groupon?
  • Mis clientes necesitan soporte: ¿Cuál es el tiempo que transcurre entre la venta y la solicitud de soporte? Una vez más podemos anticiparnos aquí y además de enviar un email de ayuda en previsión de que nuestro cliente la necesite, también podemos ofrecerle productos complementarios a su compra: una bolsa para la cámara de fotos que compró, un trípode, o alomejor un filtro polarizador…

Cómo medir la latencia entre visitas según Justin Cutroni_kmq.push([«trackClickOnOutboundLink»,»link_56b1cf29c1351″,»Article link clicked»,{«Title»:»Cu00f3mo medir la latencia entre visitas segu00fan Justin Cutroni»,»Page»:»Cu00f3mo medir la latencia entre visitas segu00fan Justin Cutroni»}]); es un post de Trucos Google Analytics_kmq.push([«trackClickOnOutboundLink»,»link_56b1cf29c1417″,»Article link clicked»,{«Title»:»Trucos Google Analytics»,»Page»:»Cu00f3mo medir la latencia entre visitas segu00fan Justin Cutroni»}]);.

The post Cómo medir la latencia entre visitas según Justin Cutroni appeared first on Trucos Google Analytics.


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

Medir Apps con Google Analytics

Aprovechando que ésta semana se celebra el Mobile World Congress 2012_kmq.push([«trackClickOnOutboundLink»,»link_56b1cf2a05e80″,»Article link clicked»,{«Title»:»Mobile World Congress 2012″,»Page»:»Medir Apps con Google Analytics»}]); en Barcelona, he pensado que sería interesante hacer un repaso sobre cómo se pueden medir las apps móviles con Google Analytics, no?

Actualmente Google ofrece un SDK que se integra con iOS y con Android, teniendo la posibilidad de hacer uso de gran parte de ésta herramienta de una forma completamente integrada con el sistema operativo, sin que sea un suplicio para los desarrolladores.

¿Qué nos ofrece exactamente éste SDK?

Google Analytics iOS Android

Tanto el Kit de Desarrollo de Software de Android_kmq.push([«trackClickOnOutboundLink»,»link_56b1cf2a05fac»,»Article link clicked»,{«Title»:»Android»,»Page»:»Medir Apps con Google Analytics»}]); como de iOS_kmq.push([«trackClickOnOutboundLink»,»link_56b1cf2a060a7″,»Article link clicked»,{«Title»:»iOS»,»Page»:»Medir Apps con Google Analytics»}]); ofrecen las mismas opciones de seguimiento:

Seguimiento de páginas vistas

Las páginas vistas es la métrica por excelencia en el seguimiento de páginas web, aunque en algunos casos también es aplicable a aplicaciones móviles. A diferencia de las webs, es necesario definir una estructura que nos permita analizar el consumo de contenido de nuestra aplicación. También podemos utilizar las páginas vistas para realizar embudos de navegación de nuestra aplicación o analizar objetivos.

Seguimiento de eventos

Los eventos se utilizan para medir interacciones del usuario, por lo que tienen mucho más sentido en el análisis de apps, aunque es mucho más recomendable usarlo siempre en combinación con las páginas vistas. Evidentemente, lo podemos usar para hacer el seguimiento de todas las acciones que realize un usuario como ver vídeos, compartir contenido, etc.

Ecommerce Tracking

Si somos Telepizza o Groupalia, necesitaremos hacer uso de ésta funcionalidad para hacer el seguimiento de las compras desde nuestra aplicación ;) Tiene las mismas ventajas y limitaciones que ya tenemos en la versión web, pero es imprescindible su uso si queremos tener una app de venta.

Custom Variables

Con las variables personalizadas, podremos guardar muchos datos tanto del usuario como del contenido que está consumiendo en ese momento. Mediante el SDK tenemos acceso a las mismas 5 variables a las que tenemos acceso desde la web.

Seguimiento del uso offline

Éste SDK nos permite hacer el seguimiento de las apps mientras están offline y, aunque ahora no encuentro en qué punto de la documentación se explicaba, recuerdo haber leído que había un límite de 30 llamadas a almacenar mientras la aplicación estaba offline, lo cual no son muchas. Se debe tener en cuenta, además, que la hora que se registra en Google Analytics es en la que se realiza el envío del “pixel“, no en el momento que ha pasado, por lo que las apps que están mucho rato offline puede que no se midan correctamente en GA.

Limitaciones de las implementaciones

Aunque Google nos ofrece un paquete bastante completo para la medición de aplicaciones móviles, podemos encontrar algunas limitaciones en las implementaciones que podemos hacer actualmente:

  • El tiempo que se envía no es el real si la aplicación estaba offline: ya lo hemos comentado, pero es importante recordarlo de nuevo.
  • No todas las apps se basan en consumo de contenido: medir éstas apps es más complejo.
  • No podemos usar las funciones de _trackSocial
  • El seguimiento de campañas, aunque en Android está un poco mejor, es muy limitado, por lo que se hace difícil poder medir la fuente de los usuarios de nuestra aplicación.
  • La documentación ofrecida por Google es muy escasa.

Conclusiones

El uso de aplicaciones móviles se ha disparado en los últimos años, y las empresas se están adaptando a un ritmo vertiginoso para no quedar fuera de la partida. En el caso de Google, ha adaptado su herramienta de análisis por excelencia en lo que, desde mi punto de vista, es una pequeña chapuza para poder empezar a medir rápidamente, pero no es una solución definitiva.

La complejidad de una aplicación móvil es mucho mayor que una web y no siempre es fácil utilizar las funciones de Google Analytics para analizar el uso de nuestra aplicación. ¿Qué es una visita en una app? Sinceramente, es muy difícil definirlo, y GA está re-aprovechando una interfaz muy pensada para medir webs para medir aplicaciones en la que las visitas y las páginas vistas son las principales métricas a analizar.

EU5 Smartphone Market Share by OSHace unos días, comScore publicaba un estudio_kmq.push([«trackClickOnOutboundLink»,»link_56b1cf2a061d1″,»Article link clicked»,{«Title»:»publicaba un estudio»,»Page»:»Medir Apps con Google Analytics»}]); en el que indicaba que Android y iOS son los dos grandes players de la batalla de sistemas operativos móviles, pero no debemos olvidarnos de otros sistemas operativos como puede ser Windows Phone, Symbian y Blackberry. ¿Como medimos todas éstas aplicaciones? Con Google Analytics no :)

En el caso que queramos medir éstas aplicaciones, os recomiendo usar Localytics_kmq.push([«trackClickOnOutboundLink»,»link_56b1cf2a062e2″,»Article link clicked»,{«Title»:»Localytics»,»Page»:»Medir Apps con Google Analytics»}]); o Flurry_kmq.push([«trackClickOnOutboundLink»,»link_56b1cf2a06400″,»Article link clicked»,{«Title»:»Flurry»,»Page»:»Medir Apps con Google Analytics»}]); como alternativas.

¿Tenéis alguna experiencia con la medición de apps con Google Analytics? ¿Creéis que ésta es la herramienta ideal para analizar el uso de aplicaciones móviles?

Medir Apps con Google Analytics_kmq.push([«trackClickOnOutboundLink»,»link_56b1cf2a06529″,»Article link clicked»,{«Title»:»Medir Apps con Google Analytics»,»Page»:»Medir Apps con Google Analytics»}]); es un post de Trucos Google Analytics_kmq.push([«trackClickOnOutboundLink»,»link_56b1cf2a0663d»,»Article link clicked»,{«Title»:»Trucos Google Analytics»,»Page»:»Medir Apps con Google Analytics»}]);.

The post Medir Apps con Google Analytics appeared first on Trucos Google Analytics.


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