¿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: Métricas Básicas

02 Nov 2010 | Métricas Básicas

Tiene gracia. Trabajas duro, haces todo lo que puedes para escapar de aquí y cuando te llega la oportunidad de irte encuentras una razón para quedarte

El índice de ingresos o $/Index es una variable de Google Analytics de la que oigo hablar muy poco y que me parece sumamente interesante. ¿La conocéis? ¿La utilizáis?

Para los no iniciados, es una columna del informe Contenido / Contenido principal. Para que realmente tenga datos, debemos haber activado previamente el ecommerce y definido los objetivos de nuestro sitio web, asignándoles un valor determinado de consecución. Si no lo has hecho nunca, puedes consultar este post de Central de Conversiones, que te ayudará a establecer los objetivos de tu sitio web en Google Analytics.

Tanto si nuestro sitio vende o no, esta métrica nos va a servir para saber qué páginas nos aportan valor y para poder compararlas al mismo nivel entre sí.

Además la nueva funcionalidad de Google Analytics, la clasificación ponderada, nos permite ordenar la columna por significancia; es decir, combina la información del índice de ingresos con el número de páginas vistas únicas, por lo que se ordena por mayor utilidad de la información. De hecho, lo que nos cuenta esta métrica es la medida en que cada página del sitio contribuye a nuestros objetivos.

¿Pero cómo se calcula esta métrica exactamente? ¿Qué nos está contando? El índice de ingresos se basa en la cantidad y el valor de las conversiones o cumplimiento de objetivos que se producen después de la visita a esa página.

Es decir, imaginemos una sola visita a nuestro sitio web que se ha comportado de la siguiente manera:

Entra por página 1 (home)
Navega por página 2 (información producto estrella de la compañía)
Sigue por página 3 (información detallada del producto estrella de la compañía)
Llega a la página 4 (introduce sus datos de contacto) -> objetivo 1 valorado en 10 eur
Vuelve a la página 3 para chequear la información del producto
Visita la página 5 (agrega el producto al carrito de la compra)
Finaliza su visita en la página 6 (adquiere el producto) -> conversión valorada en 100 eur

Lo primero que debemos de saber es que las visitas duplicadas a una página solamente cuentan una vez para esta métrica en Google Analytics, por lo que, en nuestro ejemplo, la página 3 solamente será contada una vez.

Índice de ingresos de páginas 1,2,3 = (10 euros del objetivo 1 + 100 euros de la transacción) / 1 visita = 110 euros.

Índice de ingresos de página 5 = 100 euros de la transacción / 1 visita = 100 euros.

Si hubiéramos registrado 5 visitas a cada página, los números cambian:

Índice de ingresos de páginas 1,2,3 = (10 euros del objetivo 1 + 100 euros de la transacción) / 5 visitas = 22 euros.

Índice de ingresos de página 5 = 100 euros de la transacción / 5 visitas = 20 euros.

Por lo que la fórmula oficial es:

Índice de ingresos = suma de valores de transacción y objetivos / número de visitas que vieron la página

La diferencia con el embudo de conversión de toda la vida es que el embudo será más preciso puesto que solamente cuenta las visitas interesadas en el proceso, mientras que el índice de ingresos no discrimina ninguna visita. En mi opinión, la combinación de los datos de ambos nos ofrece un análisis mucho más certero y nos da más pistas de dónde podemos actuar.

Una página con un índice de ingresos pobre puede predecir que hay algo que está funcionando mal (un enlace roto o similar) o que no funciona como debiera en términos de persuabilidad.

Normalmente, una página de producto convertirá mejor que una home ya que está pensada más en la venta. Lo interesante aquí es comparar entre sí las landing pages del sitio web y consultar en conjunto el índice de ingresos con la tasa de rebote, por ejemplo. De ahí podremos aprender cómo utilizan los visitantes nuestro sitio web. Será interesante comprobar cómo algunas páginas con alta tasa de rebote tienen un índice de ingresos alto… ahí es donde debemos actuar y poner todos nuestros esfuerzos en conseguir aumentar el número de visitantes hacia el objetivo.

Si encima vamos segmentando por fuente de origen del tráfico, por ejemplo, nos podemos encontrar que un determinado origen puede estar sacándole más partido a una página que otro, aquí es donde debemos profundizar para averiguar qué están encontrando unos que no parece que sea interesante para otros.

Así, se puede localizar qué tipo de páginas funcionan mejor para un tipo de visitantes y utilizarlas en consecuencia, personalizando rutas dependiendo del índice de ingresos.

La idea es identificar las páginas que funcionan y ver el porcentaje de visitantes que llegan a dicha página… ¿podemos dirigir más tráfico allí? ¿podemos bajar la tasa de rebote?

Incluso podremos estudiar a fondo el potencial de nuestras páginas y determinar dónde tenemos oportunidades de mejorar… ¿por qué no tomar las páginas con mayor índice de ingresos como landing pages?

¿Están las páginas con mayor valor de ingresos en nuestro proceso de conversión? Si no es así… ¿por qué están mejor valoradas que las demás páginas?

En un proceso de rediseño esta métrica nos sirve para saber si la navegación propuesta está debidamente optimizada o tenemos páginas que no tienen buen índice de ingresos en medio del camino.

Es una métrica muy útil para tomar decisiones en base a objetivos logrados, nos va a ayudar a optimizar nuestro sitio web tanto o más que la tasa de conversión o de rebote, vamos a darle una oportunidad antes de salir corriendo, no? 🙂

14 Sep 2010 | Métricas Básicas

De las leyes más simples nacen infinitas maravillas que se repiten indefinidamente

La métrica “días previos a la compra” es una de esas métricas que se suelen mirar así, tal cual, en frío, sin paños calientes y claro, pues no sirve para mucho.

Esta métrica en principio muestra a nivel genérico cuántos días tardan nuestras visitas en hacer lo que queremos que hagan, suele tener algo que ver con realizar una compra ya que solamente aparece en sitios web que en Google Analytics han activado la opción de comercio electrónico:

Me gustaría resaltar que estamos hablando de una métrica basada en visitas, es decir, si de una visita a otra se borran las cookies, no se identificarán correctamente los días. Si una visita se produce desde un PC y la siguiente se cambia de dispositivo, tampoco. Lo dicho, no es la métrica más precisa del mundo, pero nos puede servir para profundizar en nuestra estrategia online.

Si comparamos nuestras fuentes de origen de tráfico a nivel de días que tardan en comprar los usuarios podremos determinar qué puede estar ocasionando esta conducta. Miremos a un ejemplo:

¿Por qué los usuarios que vienen de SEO tardan más en comprar que los usuarios que vienen de SEM? ¿Qué es lo que provoca que un usuario que visualiza nuestra campaña a través de un banner (campaña 1) tarde un solo día en comprar mientras que a los que vienen por un link en nuestros afiliados (campaña 3) les lleva más de tres a su gran mayoría?

¿Existe la posibilidad de que nuestras campañas no sean tan efectivas como podemos pensar en un primer momento?

Es el momento de indagar en cada fuente de origen. Salvo en la de Tráfico Directo, podemos sacar muchísima información de qué es lo que está funcionando, a nivel de keyword en el tráfico gratuito y pagado, a nivel de diseño/ubicación/copy del anuncio en nuestras campañas, o cualquiera que sea nuestra estrategia de venta.

Si profundizamos en la Campaña 1, podemos determinar qué parte de la campaña puede estar ralentizando sus números totales:

En este ejemplo podemos comprobar cómo los anuncios en los sites A y B no logran la compra en un primer momento… y ¿el vídeo? Casi la mitad de los compradores que han visto el vídeo necesitan al menos 4 visitas para decidirse a comprar…

Para optimizar nuestro sitio web y tomar decisiones sólidas es necesario cruzar las dos variables que determinan lo que nuestros clientes han hecho en el site: el volumen de compra conseguido por cada parte de la campaña por un lado y los días que han sido necesarios para lograrlo. ¿Tienen algo que ver?

Si los usuarios de los sitios A y B necesitan más de una visita para hacer realidad nuestros deseos (que compren), ¿podemos ofrecerles una landing page distinta para su segunda visita? Podemos utilizar estos datos para determinar cuántos días dejamos pasar entre una primera visita a nuestro sitio web del usuario y enviarle un mail, por ejemplo, dependiendo de los datos de los que disponemos al respecto.

También es interesante comprobar la tendencia en el tiempo en cada una de nuestras estrategias, ¿tardamos más días en vender en nuestras campañas actuales que en las anteriores? ¿Existe ahora más competitividad en nuestro sector que hace un mes? ¿Qué es lo que ha podido provocar un aumento o descenso en el tiempo de adquisición en una determinada fuente de origen? ¡Aprendamos de nuestros clientes!

Esta métrica nos ayuda, sobre todo, a conocer más al tipo de comprador en cada fuente de origen o campaña de publicidad. Así podremos adaptar nuestras llamadas a la acción en base a cada una de nuestras estrategias de captación. ¿Son impulsivos? ¿Necesitan una rama? ¿Una cuerda? 🙂

18 Jun 2009 | Métricas Básicas

Nos hemos movido silenciosamente a través de los siglos, viviendo vidas secretas hasta completar el número de los elegidos esperando el combate final

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

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

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

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

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

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

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

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

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

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

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

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

Tomemos como ejemplo el mes 1:

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

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

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

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

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

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

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

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

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

La hora ha llegado, sólo puede quedar uno 🙂

06 Feb 2009 | Métricas Básicas

Os juro que no miento, sabed que la fidelidad es de todas las virtudes la menos constante, lo cierto es que ¡No puedo evitarlo!

Para nuestro negocio es vital que se entienda bien cómo podemos medir la fidelización (loyalty) del usuario con nuestra web, puesto que es uno de los aspectos más importantes que tenemos a mano, para detectar y entender qué medidas podemos tomar para mejorarlo. Lo primero, y más importante, es saber que esta métrica está basada en visitas y no en visitantes. Y que por cada visita durante el periodo a analizar, esta métrica cuenta la historia de todo el tiempo disponible (lo que dure o haya durado la cookie).

Puede pasar que tengamos una muy potente captación, y que nuestros esfuerzos en SEO, SEM, mailing, etc…, se vean recompensados atrayendo a un número importante de visitas. Pero, si captar usuarios es muy importante, no lo es menos el fidelizarlos. Si no vuelven, todos estos esfuerzos y dinero invertido en publicidad habrán sido en vano.

Cualquier herramienta de analítica web dispone de esta métrica, que contará con el número exacto de visitas, ordenado por las veces que se han acercado a visitarnos y el porcentaje que supone del total:

En el ejemplo, podemos ver que, así como el 62,8% de los visitantes que hemos tenido en un periodo determinado, sólo han venido una vez, el 21,9% han repetido entre 1 y 8 veces, y, finalmente, el 15,3% han venido más de 9 veces.

Lógicamente depende del negocio determinar qué porcentaje de visitas representa éxito. En un blog o site de contenido, el porcentaje de 1 veces debe tender a la baja, dependiendo de cuantas veces se actualice el contenido en el periodo de tiempo analizado. En un negocio de venta, puede que un porcentaje alto en visitas de 1 sola vez en un mes sea lo normal, por lo que habrá que ampliar el periodo de análisis a 3 meses, por ejemplo. Depende también de la estacionalidad del análisis de la oferta. Un site de un hotel deberá tener más fidelización, coincidiendo con las temporadas altas.

El primer paso para analizar la fidelización es tomar los datos del último año, mes a mes o en grupos de 3 meses, y ver la evolución de las visitas que repiten en el site. Así tendremos una idea de los porcentajes de fidelidad que tenemos, y podremos marcar los objetivos basándonos en datos reales.

Podemos complementar esta información con el dato de Frecuencia (recency), que indica cuanto tiempo tardan las visitas en volver a nuestro site (también esta métrica es sobre visitas, no sobre visitantes):

La métrica de «hace 0 días de la última visita», puede dar lugar a errores, puesto que agrupa a los que realizan su primera visita y a los que repiten en las últimas 24 horas.

¿Para qué nos sirve este dato? Para evaluar el éxito real de una campaña, por ejemplo. Ahora no nos basta solamente con que se compre un producto mediante una campaña de publicidad. Queremos más. ¿Cuál es el visitante ideal? El que compra… y el que vuelve a comprar 🙂

Ambas métricas son interesantes de analizar con datos de visitas totales para entender qué está pasando de manera general en nuestro site, pero ganan mucho si las analizamos por segmentos.
Podemos analizar el segmento de Nuevos Visitantes, para comprobar si la primera impresión que se llevan las visitas es la correcta y nos adoran desde el primer momento.

Será interesante también segmentar por campaña, todas aquellas visitas interesadas en un determinado producto o servicio, ¿vuelven? ¿Cada cuanto tiempo? Y las que han adquirido ese producto o servicio… ¿se pasan de vez en cuando a ver qué hay de nuevo? Estas métricas pueden suponer la diferencia entre una campaña mediocre o notable o una campaña muy buena o sobresaliente.

Porque… ¿qué es mejor? ¿Una campaña en la que hemos vendido un montón de unidades y no volvemos a saber nada de los compradores? ¿O una campaña en la que no hemos vendido tantas unidades, pero un gran número de los que han comprado se han convertido en clientes habituales y siguen adquiriendo productos? A esto me refiero.

Una campaña que a priori puede haber sido espectacular con el tiempo, podemos comprobar que, aunque el objetivo de venta se cumplió, no fue tan sobresaliente. Y una campaña que en su momento no fue récord absoluto de ventas puede que con el tiempo comprobemos que supuso mucho más beneficio del que parecía y pase de mediocre a muy notable 🙂

Y no tiene por qué ser una campaña. Podemos crearnos un segmento con los visitantes que nos lleguen de buscadores por una determinada palabra, por ejemplo, los que busquen nuestro producto o servicio estrella. Si analizamos estas dos métricas para este segmento podemos comprobar si este producto o servicio crea fidelización.

Lo que está claro es que el hecho de que un «cliente habitual» compre, es mucho más fácil que lograr que un «no cliente» compre. La fidelización es algo en lo que tenemos que invertir, tanto o más que en la captación.

Más información | Lunametrics (loyalty), Lunametrics (recency) y Avinash Kaushik (visitor behavior)

20 Ene 2009 | Métricas Básicas

Por más que digo «ven, ven», la luciérnaga pasa volando

Saber los resultados de las métricas sobre nuestro rendimiento, es la base para establecer una buena orientación estratégica en nuestro negocio. Cuando estudiamos la tasa de conversión, lo hacemos para sacar el máximo rendimiento al site. Dicho esto, también debemos tener en cuenta la existencia de métricas que complementan la tasa de conversión, y que nos pueden resultar, en cuanto al presupuesto que manejamos en publicidad, muy interesantes a la hora de tomar decisiones sobre nuestra forma de proceder. Podemos pensar que cada cliente, además de la conversión asociada a la publicidad, nos puede seguir generando beneficios: primero, rellenando un formulario, y luego, adquiriendo un producto y estableciendo un compromiso con la marca.

Pero es básico centrarnos en que ese compromiso del cliente se establece por lo que podemos ofrecer en el negocio (buenos contenidos, buenos productos, buenos servicios…). Y eso, hay que separarlo de lo que nos cuesta atraerle a nuestro site. ¿Nos gastamos mucho? ¿Nos gastamos poco? ¿Invertimos correctamente? Podemos saber lo que nos cuesta que una visita realice una acción completa (conversión), respecto a lo que nos hemos dejado en publicidad. Esta acción puede ser una venta, el completar un formulario de alta, un link desde un email…, incluso el conseguir mantener una visita más tiempo del que sería lo normal en el site, o bien, que visite un cierto número de páginas.

Por ejemplo, si el mes pasado gastamos 10.000 euros en publicidad online sobre un nuevo producto, hemos generado 20.000 visitantes con el/los anuncios y 200 de ellos han adquirido dicho producto, lo que nos ha costado cada venta para el mes pasado será:

10.000 euros publicidad / 200 ventas = 50 euros/venta

O lo que sería lo mismo:

Coste por acción = coste en publicidad / conversiones

¿Para qué nos sirve saber nuestro coste por acción (CPA)? Para tener otra visión del gasto que hacemos en publicidad, además de la ya conocida tasa de conversión. Con el dato de coste por acción en la mano, podemos tener más claro si la inversión que estamos realizando en otros sites o en buscadores nos está saliendo o no rentable. Lo ideal es que el coste por acción sea lo más bajo posible.

Digo esto y me quedo tan ancha, como si fuera fácil. Pues a lo mejor no es fácil, pero seguro que no es imposible llegar al mínimo poco a poco… ¿Cómo hacemos esto? Podemos intentar reducir el coste en publicidad, y vemos cómo influye en el número de conversiones hasta dejarlo ajustado al «mínimo de presupuesto en publicidad y máximo de acciones completas«. Por otro lado, hacer lo posible por incrementar nuestra tasa de conversión, y en este caso lo que tendremos que mejorar es nuestro site.

Nos centramos en el proceso, estudiamos a conciencia el tiempo pasado en el mismo, la ruta seguida por los usuarios, la efectividad del formulario en sí… y, después de segmentar, centrarnos en los que NO lo completan… ¿Dónde lo abandonan? ¿Por dónde se van? ¿Por qué tardan tanto en el paso previo al formulario?

Si todavía no estamos convencidos de que el coste por conversión nos puede abrir los ojos con respecto a lo que debemos hacer con nuestro dinero destinado a publicidad, podemos combinar esta métrica con otra igualmente interesante: averiguar qué valor ganamos por cada conversión. Con este dato medimos la eficiencia conjunta de nuestra estrategia en publicidad y en nuestro site para convertir a visitantes en clientes rentables.

Para saber qué beneficio nos aporta una conversión, debemos previamente seleccionar qué valor le vamos a dar a cada acción (puede ser el mismo precio de una venta), y el beneficio que obtendremos, si no contamos el coste en publicidad (el margen de beneficio restante).

Regresemos de nuevo a nuestro ejemplo, si el mes pasado gastamos 10.000 euros en publicidad online, hemos generado 20.000 visitantes y 200 de ellos han adquirido el producto ofertado, ahora consideramos que cada venta nos genera 60 euros, con un margen de beneficio del 90%:

60 euros x 90% beneficio = 54 euros

Que vendría a ser:

Valor conversión = valor medio de la conversión x % margen del beneficio

Es decir, hemos generado 54 euros por conversión de cada visitante.

Si nuestra acción o conversión no genera dinero (no es una venta), podemos dar valor a cada categoría. Por ejemplo, rellenar un formulario puede ser equivalente a ganar 50 euros, contestar a un email puede valorarse en 60 euros, estar más de 2 minutos en el site o ver más de 2 páginas distintas sería equivalente a 30 euros… La clave está en utilizar siempre el mismo valor para las mismas acciones, y podremos ver la evolución en el tiempo para cada categoría.

Cuando comparamos el coste por conversión con el valor de conversión, tendremos más datos para saber qué estrategia debemos continuar realizando, cual debemos tratar de ajustar, o simplemente cambiar para incrementar el rendimiento de nuestras acciones.

Si el coste por conversión es menor que el valor de la conversión, estaremos haciendo dinero y podremos incrementar el presupuesto en publicidad y seguir en la línea que estemos llevando en nuestra web.

Por el contrario, cuando el coste por conversión es mayor que el valor que nos supone la conversión, estaremos perdiendo dinero y deberemos investigar qué alternativas tenemos a la publicidad, o qué acciones podemos llevar a cabo en nuestra web para incrementar radicalmente la tasa de conversión.

El valor de la conversión será nuestro punto de referencia para decidir si aumentamos el presupuesto publicitario, o hacemos los ajustes necesarios antes de sacrificar la rentabilidad en un mal desempeño de la estrategia de publicidad o del sitio web.

Ojo, estoy obviando conscientemente lo que la publicidad nos puede estar generando en cuanto al valor de la marca o a futuras visitas/compras que no se realicen en el periodo analizado. Pero quería poner un ejemplo sencillo, y lo más claro posible, de lo que realmente podemos cuantificar, y que puede representar el 70% del objetivo final, dejando ese 30% restante para aquellos elementos más «cualitativos» (por ejemplo, aquellos que buscan por internet productos y luego los acaban adquiriendo de forma offline).

Conociendo el coste, el valor y la tasa de conversión de forma conjunta, establecemos un objetivo de referencia para determinar si estamos cerca, lejos o en el mismo objetivo. Y nos aseguramos que estamos en el camino correcto por una parte, o estaremos a tiempo para redireccionarla y sacarle partido.

  • 1
  • 2
  • 3
  • Siguiente »

Copyright © 2023 · Política de Privacidad
WordPress · Genesis Framework