Soy de la firme creencia de que, aun disponiendo del mejor análisis del mundo mundial, si no plasmas la información de manera visual, impactante, no llegarás al corazoncito de la organización.
Sigo muchos blogs de Infografías como el de Chiqui Esteban o JunkCharts para sacar ideas, aprender a contar historias con gráficos y dar un valor añadido a los análisis de datos.
El otro día tenía una tabla de datos que me parecía interesante. Comparaba varias series de información relativa a las palabras clave por las que llegaban nuestros usuarios al site y me proporcionaba una visión clara de cuales generaban visitas “de calidad” y cuáles no tenían tanta repercusión en el site.
Este análisis me servía claramente para decidir a nivel de SEO o SEM dónde había que invertir esfuerzos.
Mis variables para determinar la calidad final de la visita fueron:
- Páginas vistas por visita
- Tiempo en el site
- Conversiones
- Tasa de rebote
- Visitas nuevas
No tenía muy claro cómo plasmar esta información de una manera visualmente atractiva y clarificadora, eran muchas variables por keyword y a su vez eran muchas keywords. ¿Cómo ponerlo todo “bonito” para que cupiera en un mail sin tener que hacer scroll? Como siempre, mi ídolo Avinash vino al rescate puesto que recordé que había utilizado algo sobre este tema durante su ponencia en el Practitioner Web Analytics del pasado mayo.
En una de sus diapositivas, mostraba un análisis de calidad de keywords con distintas variables (para medir su blog). Hacía la comparativa entre estas palabras clave en gráficos radiales, uno que reflejaba los datos totales y después otros que mostraban cada uno su actuación en particular. ¡Perfecto! ¡Era perfecto!
De una manera clara muestra la información de cada una de las palabras clave, de un solo vistazo puedes saber los puntos flojos y fuertes de cada una de ellas e incluso si mostramos el área actual de un color y queremos compararlo a lo que pasó en el mes/trimestre/año anterior, podemos poner otro color por debajo y saber si la keyword en cuestión ha evolucionado o no:
Para sacar los datos no había tenido problemas, en Google Analytics se crea un segmento avanzado para cada keyword.
Sin embargo, cada dato estaba en una escala diferente, por lo que necesité normalizar los datos para que pudieran leerse correctamente en el gráfico.
Como cada valor tiene un valor máximo y valor mínimo, usé la siguiente fórmula para escoger cada valor de cada rango de valores:
Y el resultado ha valido la pena. El caso es que, si acompañamos el grupo de gráficos radiales con nuestras recomendaciones, tendremos un análisis sólido y potente para tomar decisiones sobre las keywords en el futuro.
Related Posts
Mientras cada individuo puede ser un enigma insoluble, un conjunto de ellos se comporta con exactitud matemática.
Me despierto pensando si hoy te voy a ver, pero es inútil negarlo… tu me estás atrapando otra vez
-Papá dice que tenemos que aprovecharnos de nuestros poderes, que nos hacen especiales -Todo el mundo es especial -Esa es otra forma de decir que nadie lo es…
La finalidad del arte es dar cuerpo a la esencia secreta de las cosas, no el copiar su apariencia.
El alma nunca piensa sin imágenes
La armonía total de este mundo está formada por una natural aglomeración de discordancias
Hola Gemma,
Me parece genial que intentes implementar estos gráficos, pero piensa que tendrás que ponderar el valor de cada eje, como sacar un valor final (el KPI), y de este ponderar tramos porque el resultado variará de forma exponencial o logarítmica (o vete tu a saber como).
La captura de avinash es de xiti, al final lo importante no es el gráfico en si, sino el valor que te da como CC (cociente de comportamiento o calidad de la visita). En xiti te viene hecho, llevan años con el tema y lo aplican a todo (fuentes, comparar la calidad de todas las visitas de este mes con el anterior o para una fuente, …), la implementación con la api de google analytics seguro que se puede hacer pero la curva de aprendizaje creo que puede ser larga, yo le estuve dando vueltas hace tiempo (un vecino me lo preguntó).
Para evaluar esfuerzos para hacer seo o sem utilizaría otros parámetros para evaluar si debo elegir uno o otro, estos creo que serían mas interesantes para ver que funciona mejor.
Estimada Gemma:
Me gustó bastante tu Blog. Sin embargo, te escribo para un asunto un tanto embarazoso. Estudio Sociología y mi tesis consiste en realizar una metodología que permita el estudio de tendencias a partir de la información encontrada en Blogs y web 2.0. Ahora bien, la verdad es que mi manejo computacional es bastante bastante básico, por no decir paupérrimo. Me gustaría que me recomendaras programa que tenga tutorial o estudios anteriores que tú encuentre relevantes.
Muchas gracias
Suerte
Carlos
Re-escalar los datos tal como has hecho (más que normalizar, ya que sólo tienes en cuenta el rango, no la varianza ni la media) supongo que tiene la ventaja de generar áreas grandes (expresivas, por tanto) ya que se han construido a la medida de los datos. Pero quizás pueda desprenderse una imagen demasiado optimista y el análisis temporal pueda resultar desconcertante.
Al forzar que el máximo de la escala coincida con el máximo observado, un pobre resultado de un KPI (en comparación con los valores habituales de otros sitios web del sector, por ejemplo) pero que para nosotros es el mejor jamás obtenido se representará con el valor 100 de tu escala aunque sea objetivamente un mal resultado (pero el mejor de todas las palabras-clave analizadas: todas tienen un comportamiento muy mediocre para ese indicador). Una solución parcial a ese problema podría consistir en poner al final de cada eje el valor máximo original, pero complicaría un tanto el gráfico (5 cifras lo rodearían).
En cuanto al análisis temporal, el re-escalamiento obliga a redibujar los períodos anteriores en el gráfico porque hay que recomputar la escala (aparición de nuevos máximos y mínimos), no basta con superponer el nuevo período (área de nuevo color). Eso cual obliga en parte a hacer el esfuerzo mental de reinterpretar el gráfico (es un nuveo gráfico, no el mismo pero más completo).
¿No sería preferible, o bien no re-escalar en absoluto, o bien re-escalar utilizando valores externos en lugar de información de los propios datos?
La primera solución consistiría en partir de KPIs ya computados en unidades similares (p.e., tantos por cientos). P.e., tasa de conversiones en lugar de “conversiones”, visitas nuevas sobre total de visitas en lugar de “visitas nuevas”, visitas de más de s segundos sobre total de visitas en lugar de “tiempo en el sitio”, etc. El sentido de la métrica de los distintos indicadores además debería ser el mismo para todos: es preferible utilizar la tasa de no-rebote que la tasa de rebote para que “más” sea “mejor” (como pasa con la tasa de conversión, el tiempo en el sitio, etc.), aunque la tasa de rebote sea el colesterol (hay bueno y malo).
Con este procedimiento, nunca tendrás el área del pentágono llena (=100% en todos los KPIs) pero el gráfico será directamente interpretable porque expresa los valores de los KPIs originales. Las escalas no tienen por qué ir de 0 a 100; pueden ser de 0 a un valor inferior a 100 difícil de alcanzar para todos los KPIs (que debería constar al pie).
La segunda solución consiste en re-escalar pero, no teniendo en cuenta los valores observados, sino los valores que nos planteamos como objetivo para cada KPI. El re-escalamiento consistiría en recalcular cada KPI en términos de la proximidad al objetivo: el pentágono completo implicaría la consecución del 100% de los 5 objetivos persiguidos.
Jose, Xavier,
ante todo decir que teneis toda la razón, mi reescalamiento no puede ser utilizado para evaluar o tomar decisiones basadas en estos resultados.
Mi idea básica era generar algún tipo de gráfico que representara el valor de cada keyword de una manera visual y sin necesidad de comparar valor a valor en una tabla, por eso, como dice Xavier, genera áreas grandes y puedo explorar en los pros y los contras y profundizar en cada uno de ellos.
No conocía las limitaciones de este tipo de gráficos (a GA le vendría fenomenal una aplicación del estilo de Xiti!). Para poder utilizarlos en todo su esplendor, voy a seguir el consejo de Xavier y elegir variables que utilicen el mismo valor, es decir, no reescalar en absoluto.
Gracias, me encanta aprender con vosotros! Haceis que este blog realmente sirva para algo 🙂
Un abrazo!
Carlos,
metodologías para tendencias en la web 2.0? ja ja ja, buscas el santo grial 🙂
no tengo muy claro qué te puede ayudar, pero creo que el mejor consejo que te puedo dar es que te metas de cabeza en la web 2.0 y devores todo lo que caiga en tus manos sobre el tema. ¿Cómo? date de alta en redes sociales, empieza a seguir a gente que tenga que ver con la web 2.0 y echa un vistazo a sus blogs y a los links y pensamientos que comparten (en twitter seguro que encuentras ideas) y … si das con una metodología… por favor, compartela 🙂
Un abrazo y suerte!
Gemma, Gemma, Gemma! que el 17 voy a ver a tu Avinash! ¿qué le digo? ¿qué le pregunto? que nervios por dios!
http://www.internetmarketingconference.com/vancouver/
Gracias por tu comentario.
Me alegra saber que estás satisfecha con el cole de tus hijos, aunque tengas que pagar tanto….
un saludo
Ani!
Dale recuerdos de mi parte a Avinash e intenta sonsacarle con qué mejora de Google Analytics nos sorprenderá este otoño 🙂
Verde, estoy verde de envidia!!!!!
Pásalo de lujo, un abrazo muy fuerte, a ver cuando nos vemos, que mucho ir a otros continentes y por Madrid no te dejas ver nunca 🙂
Gracias por pasarte a comentar!
Demo:
Gracias por pasarte por este blog, mucho más aburrido que el tuyo 😉
Ya te contaré qué tal en el colegio, por ahora encantada de la vida, je je.
Un abrazo
Pues chica, lo tenemos mal por que me quedo en Canadá a vivir una larga temporada (si acabo de cuadrar todo que en ello estoy, por eso voy al IMC-Vancouver).
He dejado a Titojose y toda la panda solitos.
No apurarse, tarde o temprano nos volvemos a encontrar.