¿Dónde está Avinash cuando se le necesita?

Soy Gemma Muñoz (@sorprendida). Avinash Kaushik es mi ídolo. Y este es mi blog de analítica digital, mi trabajo y mi pasión.

  • Sobre Mí
  • Mis Libros
  • Contacto
  • Archivo

Categoría: Metodología

22 Ago 2013 | Metodología

El corazón miente y la mente engaña, pero los ojos ven. Mira con los ojos. Escucha con los oídos. Saborea con la boca. Huele con la nariz. Siente con la piel. Y sólo luego piensa, y así sabrás la verdad.

Cuando empiezo a introducir la metodología de medir en una empresa, la pregunta que suele surgir se refiere a la periodicidad de un dashboard. Básicamente, se quiere saber el periodo de tiempo ideal para tomar decisiones en base a los datos o la información derivada de éstos. Normalmente, mi respuesta es que depende de la capacidad de poder actuar de cada empresa.
Si se pueden hacer cambios (en una estrategia, en una campaña, en una web) cada semana, los datos se pueden mirar cada semana; si no se tiene capacidad para actuar tan rápido (95% de las empresas no pymes de este país y el 75% de las pymes) entonces no hay que perder el tiempo sacando datos a nivel semanal sino que una estrategia de medición mensual es mucho más lógica y a la larga, mucho más efectiva.
Ojo! Esto es solamente para los dashboards de información general, realmente lo que suelo sugerir como estrategia de medición es llevar un dashboard completo, que nos ilustre sobre los principales indicadores de la compañía y sus segmentos principalesde forma mensual y que se siga a nivel diario o semanal o quincenal el resultado de acciones concretas que se lleven a cabo en base a los objetivos de negocio.
¿Por qué? Pues porque he aprendido tras todos estos años, que lo que diferencia a un analista de un BUEN analista es su capacidad de distinguir lo realmente importante del ruido. El ruido abarca todo lo que no está en nuestra mano cambiar, lo que no nos ayudará a dar buenos insights. Lo importante es hacer caso de las señales, entender bien las tendencias, saber qué es lo que ocasiona un determinado comportamiento de usuarios. Y es lo más difícil, pero es lo más gratificante.
En mis últimas conferencias he sacado a colación el daño que el BIG DATA está ocasionando en la mayoría de las empresas. No es normal que compañías que no están acostumbradas a tomar decisiones en base a los datos se pongan a integrar datos online, offline, de redes sociales, de su CRM, todo a la vez, en batiburrillo y sin ningún control sobre los mismos. Me recuerda mucho a aquel anuncio de Carl Lewis de una marca de neumáticos. En su momento me pareció excelente la metáfora. Cómo aunque tengamos al mejor corredor de la historia, si no tenemos el control, no nos servirá de nada. ¿Lo recordáis?

El problema de los datos es que cuando los utilizamos en grandes cantidades, sin ningún tipo de control, el resultado es RUIDO. Y el ruido no es potencia. El ruido es ruido. Y nos habremos gastado mucho dinero en una herramienta de Business Intelligence que lo único que logra es almacenar datos y más datos. Para nada.
Y si utilizamos los datos en su cantidad justa pero con una periodicidad errónea solamente conseguiremos ruido. Si miramos una vez al mes los datos de un negocio, la proporción entre señal y ruido será aproximadamente de uno a uno. Es decir, la mayoría de los cambios de tendencia reflejarán la realidad y serán verdaderos incrementos o decrementos debidos a causas que podamos entender y en su mayoría intentar cambiar la tendencia negativa o aprender de la positiva.
Pero si miramos los datos cada día o cada dos días, o incluso cada semana, la proporción entre señales y ruido será de 15% contra 85%, por lo que será mucho más complicado interpretar correctamente las tendencias y extraer el conocimiento de lo que está o ha pasado.
Por eso es vital el tener un cuadro de mando con la foto general, que nos indique cada uno de los cambios en los principales indicadores de nuestro negocio, al igual que mes a mes se revisan las cuentas o los gastos e ingresos. ¿Entonces el analista solamente trabaja una vez al mes? Más quisiera JNo.
El analista ha de seguir la trayectoria de una campaña, de un banner en la home, de un anuncio en otra web, de un comentario en Facebook. E informar sobre lo que sucede en el marco de tiempo en que se pueden tomar decisiones. Estudiar a fondo los test A/B, la trayectoria de una determinada acción, el formulario de contacto, cómo ha evolucionado la estrategia SEO, qué campaña en Adwords está pegando más fuerte, cómo se comportan los usuarios que utilizan un dispositivo móvil para conectarse a nuestra web, etc… Solemos medir las campañas, pero no lo que pasa entre campañas… y ahí puede estar la clave.
Mi experiencia a través de los años y los diversos análisis que he realizado, es que el cliente que compra por medio de varios canales (web, móvil, tienda, teléfono…) al final resulta más rentable que el cliente que solamente utiliza un único canal. Por eso es sumamente importante el tener en cuenta cómo es este cliente, para poder ofrecer una estrategia de captación al máximo rendimiento.
Por eso el dashboard es importante para canalizar la atención sobre el rendimiento en general de un sitio web y el trabajo del día a día es importante para descubrir mejoras y puntos débiles de nuestra web, de mejorar nuestro esfuerzo en captación, forma parte de un TODO que hará que el analista sea pieza indispensable en la estrategia global de una empresa.
Aún no comprendo cómo las empresas no se dan cuenta de que tener a una persona que mida el impacto, la repercusión y el éxito de cada una de las campañas de marketing o de su web, aplicación, etc.. hace que las piezas del engranaje de la compañía encajen del todo, que el conocimiento sea clave para sacar la máxima potencia del negocio.

PD. Os recomiendo MUCHO el libro Antifrágil de NassimNicholas Taleb. No es de analítica, pero va de las cosas que se benefician del desorden y creo que la analítica es una de ellas J

08 Dic 2011 | Metodología

Hay dos maneras de difundir la luz… ser la lámpara que la emite, o el espejo que la refleja.

Uno de los problemas con los que nos encontramos los analistas a la hora de analizar es la cantidad ingente de datos que hemos recogido. Entender qué ha pasado se convierte en un reto importante cuando no hay nada que nos ayude a ver la luz!

Yo suelo usar la estadística (a nivel muy muy básico, no asustarse!) en la metodología que sigo en el análisis, sobre todo para entender muy bien las tendencias, el qué ha pasado e intentar dilucidar por qué.

¿En qué me ayuda la estadística? Bien, una de las primeras cosas que hago al enfrentarme a un sitio web es estudiar el comportamiento de diversas métricas a lo largo del tiempo. Por ejemplo, tomo el dato de visitas al sitio web a lo largo del último año. Incluyo el mismo mes del año anterior para comprobar si la evolución tiene una tendencia positiva o negativa, y obtengo desde excel un gráfico como éste:

De este modo, podemos ver cómo los meses más flojos a nivel de visitas en el sitio web son Junio y Julio, mientras que en Abril y Agosto tenemos los picos más interesantes del periodo. Parece que con respecto al año anterior hemos ido perdiendo fuelle.

Pero ¿no falta algo? El siguiente paso que realizo después de estudiar la evolución es calcular la progresión. Es decir, el cambio real que se ha producido entre cada mes de 2011 en comparación a lo que pasó en 2010. La fórmula exacta es:

Progresión = valor mes año actual / valor mismo mes año anterior – 1

Se calcula exactamente la progresión para cada uno de los meses a analizar y volvemos a consultar el gráfico:

Al estudiar la progresión, podemos ver las visitas desde una perspectiva distinta a la evolución, puesto que no veremos qué pasa de un mes hacia otro, sino qué meses han funcionado mejor en base a la estacionalidad del producto o servicio que ofrecemos.

En el primer gráfico uno de los meses que más destacaba era noviembre, también abril tenía un pico destacado. Después de mirar la progresión, la atención va más a febrero, octubre y noviembre. Parece que después del verano no se logra remontar el vuelo… ahí es donde hay que analizar más a fondo, empezamos a tener un camino que explorar.

Evolución + Progresión = LUZ

Otras veces lo que tenemos son un montón de variables que suben o bajan a primera vista sin relación aparente. ¿Cómo arrojar luz sobre qué métricas tienen que ver con otras? La regresión lineal nos ayuda ☺

Desde Excel únicamente necesitaremos una tabla con los valores de las métricas a estudiar:

La idea es ir combinando variables para saber si existe relación entre sus valores. Es decir, ¿sube la tasa de rebote al subir los visitantes nuevos? ¿suben los ingresos si suben las visitas desde keywords con nuestra marca? Buscar relaciones entre métricas nos ayudará a reconducir una estrategia, a prevenir problemas mayores, a aprender de lo que estamos haciendo bien, etc…

¿Cómo funciona la regresión lineal? Se basa en el coeficiente R2, que saca la relación lineal entre dos variables. Cuando este coeficiente esté próximo a cero, indica que no hay relación entre las variables. Cuanto menos se acerque a cero, existe relación. Si el valor es positivo, indica que cuando una de las variables sube, la otra también lo hace. Si el valor es negativo, que cuando una de las variables aumenta la otra disminuye. Luz Luz Luz!!! ☺

En el ejemplo, podemos ver cómo el aumento o disminución de los usuarios captados nuevos no influye en los ingresos conseguidos puesto que el coeficiente tiende a cero:

Sin embargo, al comparar los ingresos con la tasa de rebote, podemos comprobar cómo sí que existe una relación, al aumentar los ingresos si la tasa de rebote disminuye. Es decir, en el ejemplo, hay un 95% de Luz! Focalizando esfuerzos en disminuir la tasa de rebote estaremos en el buen camino:

Podemos meternos más en este tipo de análisis de relación y correlación, combinando todas las métricas que se nos ocurra, yo lo automatizo en excel para que las combine según las voy alimentando de Google Analytics y la verdad es que salen conexiones que nunca se nos hubieran ocurrido… al menos a mí!

Finalmente, con la función TENDENCIA de Excel podremos intuir el valor futuro de una métrica teniendo en cuenta sus valores en periodos anteriores:

Si tenemos valores de enero a septiembre y queremos estimar el valor de octubre, usaremos esta función, que nos dará un resultado sobre el que podremos basar nuestra predicción o estimación del valor del siguiente periodo:

Así podremos adelantarnos al tiempo y saber lo que nos espera, tendremos más pistas de por dónde debemos tirar. LUZ! ☺

Son conceptos muy básicos de estadística que nos servirán, no para hacer un estudio estadístico profundo, sino para desatascarnos en el análisis de los datos de cara a decidir por dónde podemos empezar a meter mano para optimizar el sitio a analizar.

Para ahondar en cómo estos modelos estadísticos pueden ayudar en el día a día de un análisis web hay ejemplos en estos enlaces:

Regresión y Correlación

Regresión lineal

Correlación

Creo que es muy interesante que, sea cual sea tu experiencia o estudios como analista web, conozcas la existencia de estos conceptos para poder hacer un análisis exhaustivo de las métricas y ver la luz cuando nada parezca tener mucho sentido ☺

28 Oct 2011 | Metodología

Algunas veces, para poder ver la luz, hay que arriesgar la oscuridad

En la línea de lo que he aprendido en la conferencia de eMetrics en Nueva York (la más importante de la industria de analítica web a nivel mundial), me gustaría comentar una de las mayores equivocaciones que tenemos los analistas web a la hora de enfrentarnos a un análisis sobre la web.

Nos centramos en conversiones. Nos centramos en objetivos. Quién los cumple, cuántos son, qué porcentaje sobre el total, de dónde han venido, a dónde han ido después, con qué palabra clave les relacionamos, etc etc. Ojo, estos usuarios suelen suponer únicamente el 2% del total de nuestro tráfico en la web.

Esto no está mal, de hecho nos ayuda a saber dónde nos encontramos, cómo son nuestros clientes y nos ayuda a identificar los canales o landing pages o keywords que nos ayudan a conseguir el éxito. Nos centramos en el 2% que nos quiere.

Pues bien, no nos debemos centrar en las diferencias entre los clientes sino que deberíamos centrarnos en los puntos que tienen en común los no clientes (de dónde vienen, qué hacen, cómo lo hacen…). ¿Por qué? Pues porque conocer estas semejanzas nos llevará a saber dónde debemos atacar, dónde podemos meter mano para mejorar. ¿Cómo? Seguiremos una metodología.

Hay 3 niveles de no clientes:

  • 1. Los que están a punto de ser clientes. Esos que se quedan a las puertas y necesitan un pequeño empujón para finalmente ser convencidos. Les podremos localizar en nuestras páginas de carrito, han metido productos y no terminan de hacer el checkout o bien se han quedado en la última página antes de la compra, … Si los analizamos bien, sabremos el punto de fuga preferido por estos clientes, los productos que nunca llegan a comprar… Es decir: ¿Qué tienen en común los no clientes que están a punto o estuvieron a punto de serlo? Seguramente lo que toque aquí será mejorar una parte del proceso de compra, saber qué hay que optimizar, o al menos por dónde empezar a optimizarlo.
  • 2. Los que deciden no ser clientes. Son los que llegan a nuestra web, vomitan y se van. Es decir, los que llegan y se largan puesto que no les hemos gustado o no somos lo que estaban esperando. Aquí lo tenemos un poco más difícil que con los clientes del grupo 1. Nuestra meta es que con el proceso de optimización movamos un alto porcentaje del grupo 1 a ser clientes y un alto porcentaje del grupo 2 al grupo 1 ☺ Esto podremos conseguirlo optimizando las páginas donde aterrizan los nuevos no clientes desde la publicidad equis. Hay que estudiar qué tienen en común los puntos de entrada por los que los no clientes nos abandonan después de echar un primer vistazo. Hay que estudiar qué tienen en común los mensajes de captación o las keywords que utilizan los no clientes que vomitan. Y empezar a optimizar por ahí. ¿Son todos nuevos visitantes? ¿O son propensos a visitarnos y vomitar? ¿Qué tienen en común?
  • 3. Finalmente tenemos a los no clientes porque no saben que existimos. Aquí lo que hay que optimizar son las campañas de captación en todos los canales. Esto es más cosa del departamento de marketing, aunque el analista debe ayudar a saber cómo está distribuyéndose el presupuesto de marketing y qué funciona y qué no funciona. Para poder darle más presupuesto a lo que pueda llegar a más gente, que podamos tocar a aquellos que no nos conocen y que pasen al grupo 2, al grupo 1 o incluso ¿por qué no? al grupo de clientes directamente ☺

Los no clientes son una fuente mayor de conocimiento que los clientes satisfechos. Debemos centrarnos en los intentos de conversión, no en la conversión en sí.

Entonces ¿cómo podemos centrar esto en una metodología de ataque? Con las microconversiones. No centrarnos en el objetivo final, en la conversión a cliente, sino identificar qué acciones están tomando los no clientes y qué les está llevando a que no pasen de ahí, que no lleguen nunca a la macroconversión. Hay que pensar que con cada microconversión estaremos más cerca de llegar a la macroconversión. No hay que pasar por todas las microconversiones para llegar a nuestro objetivo (menos mal) pero sí el ir sumando microconversiones significa que estamos logrando interesar al usuario, que le estamos enganchando, que se lo está pensando.

Como proponía antes, si nos centramos en qué tienen en común los no clientes, podremos saber qué andaban buscando y en qué punto han decidido desistir. La primera métrica de microconversión será por supuesto la tasa de rebote. Todo aquel que llegue a nuestro sitio web, independientemente de por dónde entre, qué haya visto primero, etc… necesitamos que pase a una segunda página o que esté en nuestro sitio web más de 10 segundos para convencerle de que valemos la pena.

Lógicamente algunas microconversiones serán más interesantes para el negocio que otras, al final están en distintos niveles, unas más cercanas a la macroconversión que otras.

Yo prefiero pensar que hay distintos niveles, tantos como queramos en nuestro negocio. Empezamos por el estado del Interés, dividido en primario y real.

Lo primero es la tasa de rebote, que representa el interés “primario” en nuestra web, seguiríamos por el interés “real”, con microconversiones tales como que se use el buscador interno, que se vea la página de Sobre Nosotros, que se visiten las páginas de producto. En el caso de no ser un ecommerce, que se interesen por lo que hacemos, por nuestras noticias, por nuestro contenido… ¿Qué páginas, qué términos se buscan, qué miran justo antes de “Sobre Nosotros”, qué producto… tienen en común nuestros no clientes? ¿De dónde vinieron? ¿Dónde habían aterrizado? Todo aquello que denote un interés creciente en el usuario.

Nuestro objetivo con este tipo de microconversiones es lograr pasar al siguiente estado: El enganche.

Seguimos con las microconversiones de “enganche”, para mí las más normales serían ver un vídeo, leer reviews sobre un producto, clicar en el botón de más información sobre un producto, hacer más grande una imagen para verla en profundidad, que visite nuestros perfiles en social media, utilizar los botones de SM del sitio web… ¿Qué tienen en común los que no logran pasar al siguiente estado? ¿Qué han visto? ¿Qué han dejado de ver? ¿Eran usuarios nuevos o recurrentes? ¿Qué tienen en común?

Nuestro objetivo aquí sería llevar al no cliente al estado “preparado para ser cliente”.

Estas microconversiones son del tipo añadir productos a un carrito, rellenar un formulario para pedir más información sobre un producto/servicio, registrarse para recibir una newsletter, apuntarse a un blog,… ¿Qué productos son los que más se añaden y luego quedan sin empezar el proceso de compra? ¿Qué formulario no se termina de rellenar? ¿Son usuarios que vuelven pero no pasan de nivel?

Finalmente tenemos las microconversiones del estado final “necesito un leve empujoncito y ya”.

Empezar el checkout, empezar a darse de alta online, que visite la página con nuestro teléfono. Aquí es donde entran en acción los llamados embudos de conversión, interés real en ser cliente -> ¿dónde y por qué les estamos perdiendo? ¿Con qué producto o servicio? ¿En qué punto se produce exactamente la evasión?

Cada página en la web debe tener una microconversión asociada (salvo las páginas de confirmación de la conversión). Y sabremos qué página pertenece a qué tipo de microconversión. Cada página tiene un objetivo al menos que ha de cumplir y podremos localizar las páginas que no están alcanzando estos microobjetivos cuando tengamos un alto porcentaje de usuarios perdiendo el interés/enganche/casisoycliente en esta página. Así podremos focalizarnos en realizar una optimización concreta y con todas nuestras armas sobre lo que es necesario.

El estudio de las microconversiones nos ayudará a priorizar, ¿quién tiene el dinero suficiente para rediseñar un sitio web, por ejemplo? Por lo menos el poder ir paso a paso con aquellos puntos de la web que impiden a los no clientes convertirse en clientes nos dirá por dónde es necesario empezar. Tendremos la página donde está el problema, el anuncio de la campaña que no está funcionando como debiera, la keyword que no funciona debidamente atrayendo visitas de calidad…

Y lo más importante de todo, el analizar la web desde el punto de vista de las microconversiones nos permitirá dibujar un mapa con detalle de cómo es el comportamiento de nuestros usuarios en la web, así como las páginas o procesos involucrados en cada uno de los niveles y detectar dónde pasan de uno a otro nivel los no clientes. Así, intentar guiarles de forma más sólida y segura hacia la siguiente microconversión para alcanzar la conversión final. Es decir, arriesgarnos en la oscuridad para intentar llegar a la luz 🙂

01 Sep 2011 | Metodología

Cuando era niño vi una vez un coche, pero…ahora están por todas partes. Este maldito mundo va demasiado deprisa.

Si hay una tendencia ascendente en este 2011 en materia de marketing es sin duda el marketing en el móvil. Si observamos detenidamente los distintos dispositivos que utilizan los usuarios para conectarse a nuestras páginas, da igual el tipo de web que tengamos, los accesos son cada vez más numerosos desde un dispositivo móvil.

Esta tendencia ascendente es normal, ya que las acciones en este tipo de dispositivos son mucho más inmediatas ya que se puede acceder desde cualquier lugar (recordemos aquel estudio no muy ortodoxo en el que el sitio donde aparentemente se usa el Ipad es el servicio, jejeje).

Pero sobre todo (y para mí lo más importante) se puede segmentar de forma más fidedigna a la audiencia y medir los resultados. Esto me lleva a la pregunta que todos los frikis analistas tenemos en mente: ¿Y qué podemos medir exactamente? ¿Qué tipo de métricas son las que mejor reflejan el rendimiento de mi negocio en los dispositivos móviles?

copyright Webtrends

A nivel de medición debemos separar los dos tipos de negocio que podemos encontrar en el móvil.

El primero es el negocio de las aplicaciones. Las preguntas que debemos hacernos en este caso tienen que ver con si los usuarios encuentran nuestra aplicación, si la descargan, si la usan, si la valoran, si les logramos retener y se convierten en clientes….

Los ratios en este caso son importantes, más que el volumen de descargas o los números absolutos: ¿Qué porcentaje de usuarios que se descargan la aplicación la usa habitualmente? ¿Qué porcentaje la ha valorado positivamente? ¿En qué momento del ciclo de vida de la aplicación nos encontramos? (evolución del ratio de nuevos usuarios / usuarios ya conocidos).

Así sabremos cómo son los usuarios que utilizan nuestras aplicaciones. Pero no podemos parar aquí, faltaría lo más importante: ¿Es rentable?

Si nuestro objetivo por ejemplo era el darnos a conocer, pongamos el caso de la aplicación para iphone de Minube. Si uno se baja la aplicación en el móvil, puede acceder a las opiniones de los usuarios sobre los destinos y restaurantes más sugerentes, con fotos, etc… Lógicamente importa saber el número de usuarios a los que ha seducido esta aplicación, pero también cuántos la utilizan para decidir un viaje, por ejemplo. No sirve de nada que se baje tu aplicación un millón de personas si luego no la utilizan, no es rentable. Es como tener un millón de fans en facebook si nadie se digna a comentar absolutamente nada. Pues francamente, prefiero tener la mitad de fans y que sí estén lo suficientemente interesados en mi marca como para conversar.

En este caso, como siempre, hay que decidir qué objetivos se persiguen con el lanzamiento de la aplicación, cuánto cuesta publicitarla además del coste de desarrollo y si hemos cumplido dichos objetivos.

El segundo tipo de negocio lógicamente es el que se desarrolla directamente en nuestra web y tiene que ver con el comportamiento de estos usuarios.

Este segmento de usuarios es importante compararlo al segmento del resto de usuarios por lo menos, para crear contexto que nos de una pista de la magnitud de las métricas que tenemos en el análisis.

Lo primero es conocer a este tipo de usuarios, para saber en qué se parecen y en qué se diferencian del resto de usuarios, recordemos que la personalización se traduce normalmente en éxito. Dar lo que gusta al usuario ☺

¿Cuál es la fuente de entrada preferida por estos usuarios? ¿Vienen de un buscador? ¿O quizás de una determinada red social? ¿Cuántas de estas visitan llegan y se van al primer vistazo? ¿Cuántas páginas ven en cada visita?¿Qué tipo de contenido es el más solicitado? ¿Cuánto duran de media estas visitas en el sitio web? ¿Con qué frecuencia nos visitan los usuarios de un dispositivo móvil? ¿Mayor, menor o igual que los que nos visitan desde un ordenador?

Una vez tengamos los datos generales de los usuarios de dispositivos móviles, podemos profundizar en las mismas preguntas o métricas pero segmentando por dispositivo, o sistema operativo… ¿Cuanta duración tienen las visitas desde un iphone en comparación a una blackberry? ¿Y a un tablet? ¿La tasa de rebote de las visitas que entran por la home es igual en todos los dispositivos? ¿Hay alguno que genere una tasa más alta? Solamente así tendremos los datos suficientes como para saber dónde podemos atacar.

Siguiente paso, la conversión.

¿Qué porcentaje de usuarios de dispositivos móviles logran cumplir nuestros objetivos? ¿Qué porcentaje de transacciones suponen con respecto al total de transacciones realizadas? ¿Y cuántos ingresos han supuesto? ¿Cuál es el valor de cada una de las visitas de un dispositivo móvil? ¿Y la evolución de cada una de las métricas?

Hay que analizar la evolución de los últimos meses para saber si nuestro negocio sigue la misma línea que el mercado en el uso de los dispositivos móviles, con un crecimiento muy alto en el 2010-2011. No sería la primera vez, por ejemplo, que el porcentaje de ingresos de los usuarios de dispositivos móviles no sea muy alto pero el valor medio por transacción duplica o es mucho más alto que el valor medio de una transacción realizada por un dispositivo no móvil.

¿Y para qué sirve entender bien la forma de proceder de estos usuarios? Para varios objetivos: conocer cómo actúan nos da una idea de qué necesitan, de si es necesaria una revisión de la usabilidad, por ejemplo. No es lo mismo una pantalla táctil (tablet) que una pantalla de móvil que una pantalla de ordenador. ¿Por qué las vamos a tratar de la misma manera utilizando el mismo diseño y usabilidad?

Sigamos con el caso de Minube. La aplicación es solamente una pequeña parte de la web. En la web además de compartir fotos y experiencias se puede reservar un vuelo, buscar inspiración sobre viajes dependiendo del tiempo disponible, planificar al detalle cada viaje… es una potente red social para viajeros.

Por lo tanto, los objetivos que tenemos en la web estarán orientados al uso que hagan los viajeros de la red social y lo que se evaluará será el comportamiento de los usuarios de dispositivos móviles con respecto al resto. ¿Reservan vuelos desde el Ipad? ¿Generan comentarios con un móvil? ¿Acceden con más frecuencia? ¿Los usuarios de los smartphones consultan el doble de páginas y están más tiempo que el resto? Son buenas métricas para medir la usabilidad, el diseño en los dispositivos móviles y ser capaces de optimizar al máximo la web de cara a estos usuarios, cada vez son más y es importante tenerles en cuenta.

Si conocemos qué tipo de productos o servicios son los preferidos para estos usuarios, podremos adecuar la oferta orientada a éstos por encima de otros que no resulten tan atractivos.

Pero sobre todo recordemos que estos dispositivos suelen ser personales, por lo que es lo más cercano que tenemos a la métrica usuarios únicos = dispositivos = personas. Si somos capaces de identificar dispositivos, somos capaces de identificar personas, saber en qué momento del ciclo del cliente está el usuario, si es la primera vez que compra, si lo hace regularmente, qué tipo de productos o servicios o contenidos consume, qué le interesa, cómo reacciona a determinada publicidad en el mismo dispositivo, etc… por lo que podremos actuar en consecuencia con la mayor rapidez posible, que esto va muy deprisa 🙂

01 Jun 2011 | Metodología

Porque construir un sueño a partir de los recuerdos puede hacerte perder la noción de lo que es real y de lo que es un sueño

Una de las preguntas que más me hacen últimamente es si el analista web debe ser también SEO para realmente sacar el jugo a sus recomendaciones sobre qué o no hacer en la estrategia en buscadores.

Siempre respondo lo mismo ☺ El analista web no puede ser experto en SEO, SEM, Diseño, Usabilidad, Redes Sociales, Programación, etc. El analista web ha de ser ANALISTA WEB. Debe ayudar a los expertos en cada campo con recomendaciones en base a los datos que haya analizado. Yo no tengo por qué saber qué es lo que hace un SEO para subir nuestra web en la búsqueda de la keyword A. Pero sí debo saber que la keyword A es básica para conseguir nuestros objetivos en la web, por lo que le indico al experto en SEO que es vital que la keyword A sea prioritaria en su estrategia.

Hace poco estuve hablando con José Panzano sobre SEO y Analítica Web. Es una de mis fuentes más fiables sobre métricas orientadas a hacer la labor del SEO más fácil, lo importante es que el analista web esté en permanente contacto con el experto en SEO para saber qué necesita para hacer su trabajo.

Como todos sabemos, la estrategia SEO no es a corto plazo, por lo que hay que hacerle un seguimiento sólido para saber qué está pasando en cada momento pero sin perder de vista lo que ha pasado. Siempre hay que calcular la mejora anual además de la mensual, tomando 13 meses de datos.

¿Y cuáles son los datos que realmente merecen la pena y que pueden ayudar a la estrategia SEO?

La metodología que yo sigo es la siguiente, para cada mes:

Empezamos por lo fácil: ¿qué pasa con las visitas de SEO cuando llegan a mi sitio web?

Aquí tomaremos el número total de visitas que vienen desde buscadores de forma gratuita y determinaremos el porcentaje sobre el total de visitas.

Empezaremos entonces a segmentar:

¿Cuántas de esas visitas no pasan de la página en la que aterrizan? ¿Qué porcentaje supone del total de las visitas SEO?

¿Y cuántas visitas llegan a cumplir alguno de mis objetivos en el sitio web? ¿Qué porcentaje supone del total de las visitas SEO? ¿Y qué porcentaje de las visitas que pasaron de la página de aterrizaje?

Pero no nos podemos quedar aquí, esto solamente es el primer paso de la metodología. Esto son solamente datos. Vamos a transformarlos en información añadiéndoles contexto.

Empezamos por el contexto temporal. ¿Cómo están evolucionando las métricas que hemos elegido como determinantes para saber qué funciona y qué no en la estrategia SEO?

Sí, podemos observar que las visitas están bajando de casi 9.000 mensuales en abril 2010 a poco más de 5.000 en abril 2011. Pero la calidad tiene una tendencia completamente distinta, antes no pasaban de la página de aterrizaje más del 55% y ahora casi llega a ser el 80% del total de las visitas SEO.

Pero lo importante viene cuando comprobamos la evolución de las conversiones (de un 3% a un 13% en el año) y la subida en los ingresos de la compañía (+55% de abril 2010 a abril 2011).

Con estos datos podemos evaluar grosso modo el rendimiento anual de nuestra estrategia SEO.

Si nuestro sitio no es un ecommerce, cambiaremos la variable de ingresos por la de valor del objetivo. No podemos olvidar que cualquier objetivo en nuestro sitio web debe tener un valor, para ser capaces de determinar qué estamos consiguiendo y monetizar los retos que perseguimos con el canal online.

Además, no está de más poner otro tipo de contexto además del temporal, como puede ser el porcentaje de conversiones y de ingresos de SEO con respecto al total conseguido por el sitio web en general. Según vaya variando en el tiempo, podremos detectar las estacionalidades de nuestro sitio web.

Puede que en el mes de mayo 2010, cuando se registra el menor volumen de ingresos SEO, hayamos bajado en general en todas las fuentes de tráfico y logremos un más que digno porcentaje de ingresos sobre el total de las ventas:

Es decir, podemos identificar la estacionalidad a nivel de ingresos de nuestro sitio web comparando cuánto consigue la estrategia SEO en comparación con las demás estrategias de captación.

Con estas primeras segmentaciones podemos decir que más que datos ahora disponemos de información, pero no es suficiente. Hay que generar conocimiento. ¿Y cómo lo hacemos?

Identificando las recomendaciones que vamos a hacer en base a nuestros datos y a la información que nos están proporcionando.

Es momento de identificar qué palabras clave nos están proporcionando éxito… Primero segmentando por keywords que se refieren a nuestra marca. Haremos el mismo ejercicio que antes:

¿Cuántas visitas tenemos de SEO branding? ¿Qué porcentaje de estas visitas siguen adelante? ¿Cuántas llegan a cumplir nuestros objetivos? ¿Qué ingresos generan?

¿Cuántas visitas tenemos de SEO NO branding? ¿Qué porcentaje de estas visitas siguen adelante? ¿Cuántas llegan a cumplir nuestros objetivos? ¿Qué ingresos generan?

Bajemos un escalón más identificando los grupos de palabras clave que generan mejor rendimiento, los que generan mayor rechazo a su llegada al sitio web (¿por dónde entran? ¿podemos optimizar esta página de aterrizaje? ¿realmente da el servicio para las palabras clave que llegan a ella?), los grupos que generan visitas de calidad porque pasan de la primera página pero no llegan a convertir.

Materialicemos lo que podemos sacar en claro: ¿Qué palabras clave nos interesa captar porque se muestran interesadas en el sitio web y no rebotan al entrar? ¿Qué palabras clave nos interesa trabajar porque terminan convirtiendo? ¿Dónde estamos perdiendo las visitas que se muestran interesadas pero no terminan convirtiendo? ¿Qué tienen en común con los que convierten? ¿Qué les diferencia? ¿Qué páginas de aterrizaje influyen negativamente en mis intereses? ¿De cuáles puedo aprender?

En resumen, es aquí donde podremos sacar las conclusiones que realmente nos llevarán a la optimización del sitio web. Aportar conocimiento sobre qué es lo que está funcionando y qué no tiene los resultados esperados. Imagina siempre lugares nuevos 🙂

Enlaces interesantes:

Ani López: Contiene un SEO Performance Dashboard muy interesante

José Panzano: Vídeo de su intervención en el Conversion Thursday de Mayo 2011 donde da una clase magistral sobre métricas en SEO.

  • « Anterior
  • 1
  • 2
  • 3
  • 4
  • Siguiente »

Copyright © 2021 · Política de Privacidad
WordPress · Genesis Framework