Análisis predictivo

Post creado por Gemma Muñoz.

La Tierra gira. Pero no notamos su movimiento. Y una noche miras hacia arriba: una sola chispa, y el cielo empieza a arder. El pasado es la antorcha que ilumina nuestro camino. Nuestros padres nos han señalado el camino, y lo seguiremos.

Con la que está cayendo, estamos detectando en el mercado que las empresas empiezan a estar menos preocupadas por el “qué ha pasado” y se centran más en el “qué va a pasar”. Creo que esto es una buena noticia. La analítica web o digital debe servir para tomar decisiones de forma sólida pero también rápida. Es decir, la analítica ayuda a mejorar la eficiencia de las estrategias, a reducir el riesgo y a incrementar de forma sistemática el beneficio.

Por lo que últimamente en Mind Your Analytics! nos estamos centrando mucho en la Analítica Predictiva (Predictive Analytics). Así que intentamos más que dar respuesta a “qué ha pasado” a “qué podemos hacer para mejorar”.

Para que esto llegue a buen puerto, una empresa debe basar sus decisiones en una cultura de datos y tener a alguien que saque conocimiento de todo el ecosistema de herramientas del que disponemos en internet.
¿Y en qué nos ayudan los datos? Pues por ejemplo, es bien sabido que un porcentaje pequeño de clientes son los que nos aportan un porcentaje alto de ventas. ¿Conocemos a fondo el comportamiento de este grupo de visitantes? ¿Tomamos decisiones basadas en sus preferencias? ¿Destinamos presupuesto a mantener su satisfacción? Es más, ¿los tenemos identificados?

Si somos capaces de crear modelos de predicción de conducta podremos ayudar a tomar decisiones que saquen el máximo jugo a una estrategia. Este debe ser nuestro fin, nuestro único objetivo. Yo no quiero pasar mi tiempo sacando datos para poner en un dashboard bonito, quiero cambiar la forma de hacer las cosas, entrar en el círculo de toma de decisiones. Esa es la parte que considero que es la más atractiva para cualquiera, para los que nos dedicamos a esto y para los que sacan partido a estos análisis.

Entonces, ¿qué hacemos ahora? Lo primero, empecemos a movernos. ¿Qué nos interesa saber de nuestro sitio web? No importa que no sea un ecommerce, centrémonos en los objetivos que tenemos a nivel de conducta de nuestros usuarios:

• ¿Sabemos cuántos clientes que compraron el producto 1 se habían interesado también en el producto 2? (visitas que convierten producto 1 y que visitaron página de producto 2) ¿Y viceversa? Hay algún patrón de conducta en estos usuarios del estilo de “los usuarios que se interesaron en este contenido finalmente consumieron/adquirieron aquel contenido”. ¿Clickaron en algún banner previamente a la compra? ¿Eran usuarios que ya conocían nuestro sitio web? En uno de los sitios web en los que hemos trabajado detectamos que los usuarios que compraban el producto A se habían interesado en los productos E y G. Pusimos en las fichas de los productos E y G una llamada a la acción promoviendo el producto A y se incrementaron sus ventas en casi un 16%. Y no se resintieron las de los productos E y G. Aprender de estas conductas no es nuevo: los casos Amazon (otros clientes que compraron este libro compraron este otro) y Apple con su Genius lo llevan haciendo mucho tiempo ☺


• Pensemos en nuestros usuarios como personas, ¿cómo se comportan los que ya nos conocen y han venido directamente a nuestro sitio web o nos buscan por nuestra marca? ¿Qué los caracteriza y diferencia del resto? ¿Y los que nos han encontrado por casualidad, buscando algo relacionado con nosotros? ¿Cómo se comportan? ¿Y los que vienen recomendados de otro sitio web o de redes sociales? ¿Algún rasgo característico? Aprendamos de estas conductas: si el 70% de los que vienen recomendados van a ver un determinado contenido, ¡explótemoslo! Así podremos predecir qué landing pages tendrán más éxito en cada canal, palabras clave que pueden crecer de volumen…


• Detectemos asociaciones del tipo: el número de ventas los fines de semana depende del número de visitas que tenemos en el sitio web de lunes a jueves. Es decir, la variable de transacciones depende de la variable visitas y si el martes no llegamos a las que se supone deberíamos tener, podemos adelantarnos al desastre y el miércoles ajustar nuestra estrategia de captación.


• ¿Qué tipo de productos o de contenido ven los usuarios que sesuscriben a nuestra newsletter? Si este es el contenido o el producto que llama la atención a la mayoría, vamos a probar el resaltarlos en la newsletter a ver si se incrementan las visitas por este canal, observando sus intereses y actuando en consecuencia.

El análisis predictivo no siempre se hace con herramientas complejas, podemos empezar de manera simple, en el camino nos divertiremos descubriendo conductas que no hubiéramos podido imaginar ☺

Los modelos predictivos pueden ser tan complejos como nosotros queramos, mi consejo es que vayamos creciendo poco a poco, sin dejar de movernos:vayamos testando si nuestros modelos van bien encaminados y personalicemos de manera gradual para sacar el máximo provecho a los datos.

Si os interesa el tema, los próximos 30 y 31 de mayo voy a estar en Berlín, en la conferencia de Semphonic Xchange Europe debatiendo y compartiendo experiencias con analistas sobre la Analítica Predictiva junto a Matthias Bettag.

Empezar a contestar a la pregunta ¿cómo puede nuestro pasado ayudar a nuestro futuro? será la clave para empezar a detectar el movimiento, los patrones de conducta y adelantarnos a lo que pueda pasar.

Dashboards: del análisis al éxito

Post creado por Gemma Muñoz via Madrid Geek Girl.

Da igual lo bueno que sea el análisis que acabamos de hacer. Si no sabemos transmitirlo convenientemente, acabará en el cubo de la basura virtual y no le hará nadie caso, ni a nuestro informe, ni a nosotros.

El problema radica en que nos empeñamos en contar lo que hemos analizado hasta el último detalle y hacemos informes o powerpoints de un montón de hojas con un montón de datos, gráficos, indicaciones, flechas, etc… cuando lo que realmente necesita el receptor de ese informe es saber qué está pasando, qué puede pasar y qué puede hacer al respecto.

Empecemos por el principio: Necesitamos conocer los objetivos que tienen los receptores del análisis. Saber qué quieren y qué necesitan para hacer su trabajo. De esto dependerá la profundidad del análisis y sobre todo las KPIs o los indicadores que incluiremos en el informe final.

Una vez terminado el análisis y sabiendo exactamente qué es lo que produce un resultado final, las KPIs que están involucradas, iniciaremos la selección de éstas y el formato de presentación que se adapte mejor a lo que queremos transmitir. El resultado debe ser un dashboard o cuadro de mando o informe en el que las KPIs se complementen entre sí y nos lleven de la mano a tomar acciones.

Debe quedar claro por dónde habría que seguir profundizando en caso de necesitar más detalles y sobre todo debe incluir unas conclusiones y recomendaciones. Lo más importante en este punto es que el analista ha de ser parte de la solución posible, nunca limitarse a señalar el problema. Lo ideal es que el resultado del análisis quepa en una única pantalla, ya que así concentramos toda la información en un formato que cualquiera ve sin necesidad de hacer scroll en su pantalla.

Si se trata únicamente de un dashboard que se realiza con cierta periodicidad, hay que dejar claro el “movimiento” de un periodo a otro, poner contexto en los datos para que el receptor sepa si el valor es el que debería tener o nos debería preocupar.

En el año 2008 creé un dashboard informativo de las KPIs más importantes en el caso del canal internet para la empresa para la que trabajaba en aquel momento:

A lo largo de estos años he conocido diversas variantes que otros analistas han creado adaptando el concepto de este dashboard a sus respectivas empresas. De eso se trata, de encontrar el dashboard perfecto para transmitir el conocimiento de un análisis en nuestro propio entorno: (dashboard copyright de Fernando Ortega y dashboard copyright de Raquel Madrigal)

Junto con la versión en inglés del libro de Avinash Kaushik Web Analytics: An Hour a Day, venía un DVD con un ejemplo de dashboard de la empresa americana Stratigent. Me llamó mucho la atención en su momento porque contenía mucha información en un formato limpio y muy muy claro. Este año en el Emetrics en Nueva York tuve la suerte de poder asistir a un workshop de dashboards de la responsable de este dashboard, Jennifer Veesenmeyer. Siguen utilizando este tipo de dashboard adaptado a la necesidad de cada cliente, es un modelo que se puede adaptar a distintos negocios y que únicamente conociendo las KPIs importantes para tu negocio y con un poquito de maña en excel puedes tener en una sola pantalla todo lo que necesitas para tomar decisiones.

¿Qué es lo que hemos aprendido a lo largo de estos años como analistas web en cuestión de dashboards? Que tenemos siempre demasiados datos, que al final no se toman decisiones por puro desbordamiento. Que para ser un mejor analista web hay que pasar por ser capaz de seleccionar lo que realmente importa y saber lo básico que necesita un negocio saber sobre su web. A partir de ahí hay que averiguar qué se debe customizar dependiendo de los objetivos de cada negocio y cada situación en particular.

Sobre todo hacer hincapie no tanto en lo que ha pasado sino dejar entrever lo que podría pasar de no llevar a cabo cambios. Evolucionar del “qué ha pasado” hacia el “qué puede pasar”. Hacer uso de gráficos visuales donde se recoja el pasado, el presente y el futuro de forma que no haga falta explicar lo importante de tomar cartas en el asunto.

Por ejemplo, si solamente analizamos el qué ha pasado en 2011 en un gráfico, podemos pensar que el éxito a nivel de conversión se lo lleva todo España:

Sin embargo, lo que realmente ha pasado es que el mercado español es muy maduro y no hemos crecido nada, sin embargo llama la atención la subida de países como Rusia, de cara a tomar acciones durante este año. Este es el gráfico que realmente importa lo suficiente como para mostrarlo en un dashboard:

Lo ideal es que se genere un dashboard para cada uno de los que trabajan en internet, adaptado a sus necesidades, por ejemplo, el responsable de las Redes Sociales o el responsable de los Blogs corporativos deberían tener los suyos propios que les permita saber si la estrategia que siguen es la adecuada o no:

Si carecemos de tiempo o no tenemos el suficiente conocimiento como para lograr resultados vistosos en excel, no es excusa para no crear dashboards más rudimentarios pero igual de efectivos, ya que lo importante es el contenido y el valor que pueden aportar para tomar decisiones en la estrategia:

Por el contrario, si queremos avanzar en nuestro camino de transmisión de datos y llamar la atención con informes espectaculares, hay que aprender de infografía y combinar con acierto colores e imágenes: (dashboard copyright BankinterLabs)

Existen herramientas especializadas en hacer buenos dashboards y sobre todo en ir directamente contra las APIs de las distintas herramientas de medición y seleccionar los campos que necesitamos para monitorizarlos de manera automática. Son:

- Excellent Analytics:

- Nextanalytics:

Hay blogs que nos pueden ayudar a ir progresando en el arte de hacer buenos dashboards en excel.

El blog de Chandoo es un excelente recurso para sacarle el máximo partido:

Y ExcelCharts nos ayudará a crear dashboards efectivos con tablas y gráficos avanzados:

Hay que hacerlo bien, ¿por qué? Pues porque ser analista web es saber llegar a resultados que llamen a la acción… pero también saber comunicar los resultados y que se produzca dicha acción. ¿Para qué analizamos si luego no participamos en la toma de decisiones?

Artículos interesantes que te pueden servir de inspiración:

-       TEACHING ONLINE JOURNALISM

-       NY TIMES

-       EDUCAUSE

Y si te apetece leer libros sobre el tema a tener en cuenta (Stephen Few):

•Show Me the Numbers: Designing Tables and Graphs to Enlighten

•Information Dashboard Design: The Effective Visual Communication of Data

•Now You See It: Simple Visualization Techniques for Quantitative Analysis

“Las conversaciones en red hacen posible el surgimiento de nuevas y poderosas formas de organización social y de intercambio de conocimientos.” Manifiesto Cluetrain

Para entender hay que escuchar...

Post creado por Marta Gonzalo via Madrid Geek Girl.

A veces nos metemos en análisis de lo más complicados para saber qué quieren los que nos visitan y no caemos en usar y analizar algo tan sencillo como el BUSCADOR INTERNO.

El buscador interno es un gran aliado para conocer mejor las necesidades de nuestros usuarios y conseguir nuestros objetivos, así como una fuente de palabras claves muy importante.

Si navegáis un poco podréis descubrir la de páginas que no cuidan su buscador como deberían. Un buscador interno debería:

• Estar visible. Respecto a dónde colocarlo, lo ideal sería que estuviera disponible en todas las páginas del sitio web para posibilitar al usuario hacer búsquedas desde cualquier página, si no es posible, al menos debe estarlo en la página principal de la web y siempre en una zona de visibilidad alta (esquina superior derecha).

• Sencillo e intuitivo.

• La caja de texto debe ser lo suficientemente larga para que el usuario pueda introducir varias palabras clave, de modo que tenga todas o la mayor parte siempre visibles. Es importante que el usuario vea qué y cómo ha escrito.

• Indexar todo el contenido, textos, fotos…..etiquetándolo correctamente

• Cada elemento debe estar bien identificado. Si todos los elementos están correctamente idenficados se agilizará la búsqueda y será más fácil que haya coincidencia entre la búsqueda del usuario y lo presentado.

• Detectar las palabras claves para ajustar la búsqueda.

• Ajustarse a los términos usados a la hora de presentar un resultado, frases que contenga el texto buscado o relacionadas.

• Ofrecer resultados ordenados de mayor a menor relevancia y agrupalos por categorías.

• Evitar el tan temido “No se encontraron resultados”.Si no hay ninguna coincidencia con los argumentos de búsqueda usados, lo idóneo es proponer alternativas sugiriendo sinónimos de las palabras claves o temas relacionados.

• Habilitar una opción de contacto para que los usuarios nos puedan explicar qué buscaban si lo desean. Esto nos permitirá saber qué esperaba encontrar el usuario y conocer así mejor su modo de pensar, ayudándonos a diseñar la web conforme a ésta. 

AYUDEMOS A LOS USUARIOS A LOCALIZAR LO QUE BUSCAN RÁPIDAMENTE, NO OLVIDES QUE TIENES MÁS POSIBILIDADES DE QUE UN USUARIO VUELVA A TU WEB Y DE QUE CONVIERTA SI SU VISITA LE HA RESULTADO SATISFACTORIA 

  

Es una herramienta muy útil para satisfacer las necesidades de los usuarios si está bien implementada y una gran fuente de conocimiento ya que nos puede ayudar a:

• Conocer los temas de mayor interés para nuestros usuarios.

• Detectar problemas de diseño, usabilidad.. ya que nos van a indicar qué elementos no son localizables por los usuarios navegando por si mismos.

• Conocer el contenido que no tenemos pero que es de interés para los que nos visitan. Una de las formas más sencilla para ajustar nuestra oferta a la demanda.

• Alertarnos de contenido que tenemos pero que al no estar bien etiquetados o al existir problemas de carga, no se han mostrado en el resultado de la búsqueda.

• Evitar la frustación del usuario e incrementar las conversiones, ayudándole a navegar por tu web y a localizar rápidamente lo que busca.

• Usar las nuevas palabras claves usadas en las búsquedas internas para las campañas de PPC.

• Evitar tasa de rebote causadas porque el usuario incapaz de localizar lo que desea, abandone nuestra web.

• Usando una hipotesis de Avinash Kausik con la que estoy muy de acuerdo:

La hipótesis es: resultados de búsqueda relevantes = un acceso más rápido a datos de interés = mayor satisfacción del cliente y mayores tasas de finalización de tareas = mayor conversión = + más dinero = más alta bonificación para usted en su revisión anual de los empleados

 
Ahora bien, qué deberíamos empezar a analizar para sacarle partido al buscador interno:

• Número de visitas que usan el buscador interno – Si recibe una gran cantidad de clics, igual es el momento para modificar el contenido de su página de aterrizaje y la estructura.

• Analizar las palabras/frases claves más búscadas – Esto nos ayudará a conocer qué le interesa al usuario, qué no encuentra navegando.

• Qué hacen después de la búsqueda? Se van a la competencia? Vuelven a la página de inicio? Emprenden otra búsqueda?

• Porcentaje de conversión de las palabras/frase claves – Fundamental conocer qué palabras consiguen más conversiones.

• Clicks por resultado – Nos indicarán cuál de los resultados presentados son más relevantes para el usuario, lo cual nos ayuda a ajustar nuestra oferta y el diseño de nuestra web.

• Cuántas páginas de los resultados ‘‘clickea’’ el visitante – Si el visitante ha necesitado visitar muchas páginas de las mostradas en los resultados, puede ser un indicativo de que la información no era relevante o que el orden de aparición no era el correcto.

• Tasa de rebote – Nos ayudará a conocer la calidad de los resulados mostrados. Si una palabra clave tiene una tasa de rebote alta, esta claro que lo que los resultados que hemos mostrado no se ajustan a lo que esperaba el usuario.

• Segmentar – despieza la información todo lo que puedas para poder entender mejor el comportamiento de los usuarios y lo que pasa en la web. Así podrás llegar a conclusiones y decidir acciones.

NO OLVIDES QUE:

SI UN USUARIO HA USADO TU BUSCADOR INTERNO ES PORQUE A VOZ DE PRONTO NO HA ENCONTRADO LO QUE BUSCABA Y EN LUGAR DE ABANDORAR TU WEB, TE ESTÁ DANDO UNA SEGUNDA OPORTUNIDAD, APROVECHALA .UNA DE LAS PRINCIPALES FINALIDADES DE LA ANALÍTICA WEB ES CONOCER LA INTENCIÓN DE LOS USUARIOS, ENTENDER SU COMPORTAMIENTO Y EL BUSCADOR INTERNO ES UNA DE LAS MEJORES MANERAS DE ACERCARTE A ELLO.
UTILIZA EL BUSCADOR INTERNO PARA MEJORAR TU WEB Y ACERCARTE A LAS NECESIDADES DE SUS USUARIOS. OBTEN DATOS, ANALÍZALOS , SACA CONCLUSIONES Y ACTUA EN CONSECUENCIA.

Marta Gozalo @esmargoz
“Las conversaciones en red hacen posible el surgimiento de nuevas y poderosas formas de organización social y de intercambio de conocimientos.” Manifiesto Cluetrain

Mide y Analiza: Análisis Predictivo

Post creado por Gemma Muñoz vía Territorio Creativo.

“La Tierra gira. Pero no notamos su movimiento. Y una noche miras hacia arriba: una sola chispa, y el cielo empieza a arder. El pasado es la antorcha que ilumina nuestro camino. Nuestros padres nos han señalado el camino, y lo seguiremos. Nuestra fe es el arma más temida por nuestros enemigos, porque por ella levantaremos a nuestra gente contra quienes quieran destruirnos.”, Gangs of New York

Con la que está cayendo, estamos detectando en el mercado que las empresas empiezan a estar menos preocupadas por el “qué ha pasado” y se centran más en el “qué va a pasar”. Creo que esto es una buena noticia. La analítica web o digital debe servir para tomar decisiones de forma sólida pero también rápida. Es decir, la analítica ayuda a mejorar la eficiencia de las estrategias, a reducir el riesgo y a incrementar de forma sistemática el beneficio.

Por lo que últimamente en Mind Your Analytics! nos estamos centrando mucho en la Analítica Predictiva (Predictive Analytics). Así que intentamos más que dar respuesta a “qué ha pasado” a “qué podemos hacer para mejorar”.

Para que esto llegue a buen puerto, una empresa debe basar sus decisiones en una cultura de datos y tener a alguien que saque conocimiento de todo el ecosistema de herramientas del que disponemos en internet.
¿Y en qué nos ayudan los datos? Pues por ejemplo, es bien sabido que un porcentaje pequeño de clientes son los que nos aportan un porcentaje alto de ventas. ¿Conocemos a fondo el comportamiento de este grupo de visitantes? ¿Tomamos decisiones basadas en sus preferencias? ¿Destinamos presupuesto a mantener su satisfacción? Es más, ¿los tenemos identificados?

Si somos capaces de crear modelos de predicción de conducta podremos ayudar a tomar decisiones que saquen el máximo jugo a una estrategia. Este debe ser nuestro fin, nuestro único objetivo. Yo no quiero pasar mi tiempo sacando datos para poner en un dashboard bonito,quiero cambiar la forma de hacer las cosas, entrar en el círculo de toma de decisiones. Esa es la parte que considero que es la más atractiva para cualquiera, para los que nos dedicamos a esto y para los que sacan partido a estos análisis.

Entonces, ¿qué hacemos ahora? Lo primero, empecemos a movernos. ¿Qué nos interesa saber de nuestro sitio web? No importa que no sea un ecommerce, centrémonos en los objetivos que tenemos a nivel de conducta de nuestros usuarios:

• ¿Sabemos cuántos clientes que compraron el producto 1 se habían interesado también en el producto 2? (visitas que convierten producto 1 y que visitaron página de producto 2) ¿Y viceversa? Hay algún patrón de conducta en estos usuarios del estilo de “los usuarios que se interesaron en este contenido finalmente consumieron/adquirieron aquel contenido”. ¿Clickaron en algún banner previamente a la compra? ¿Eran usuarios que ya conocían nuestro sitio web? En uno de los sitios web en los que hemos trabajado detectamos que los usuarios que compraban el producto A se habían interesado en los productos E y G. Pusimos en las fichas de los productos E y G una llamada a la acción promoviendo el producto A y se incrementaron sus ventas en casi un 16%. Y no se resintieron las de los productos E y G. Aprender de estas conductas no es nuevo: los casos Amazon (otros clientes que compraron este libro compraron este otro) y Apple con su Genius lo llevan haciendo mucho tiempo ☺
• Pensemos en nuestros usuarios como personas, ¿cómo se comportan los que ya nos conocen y han venido directamente a nuestro sitio web o nos buscan por nuestra marca?¿Qué los caracteriza y diferencia del resto? ¿Y los que nos han encontrado por casualidad, buscando algo relacionado con nosotros? ¿Cómo se comportan? ¿Y los que vienen recomendados de otro sitio web o de redes sociales? ¿Algún rasgo característico? Aprendamos de estas conductas: si el 70% de los que vienen recomendados van a ver un determinado contenido, ¡explótemoslo! Así podremos predecir qué landing pages tendrán más éxito en cada canal, palabras clave que pueden crecer de volumen…
• Detectemos asociaciones del tipo: el número de ventas los fines de semana depende del número de visitas que tenemos en el sitio web de lunes a jueves. Es decir, la variable de transacciones depende de la variable visitas y si el martes no llegamos a las que se supone deberíamos tener, podemos adelantarnos al desastre y el miércoles ajustar nuestra estrategia de captación.
• ¿Qué tipo de productos o de contenido ven los usuarios que se suscriben a nuestra newsletter? Si este es el contenido o el producto que llama la atención a la mayoría, vamos a probar el resaltarlos en la newsletter a ver si se incrementan las visitas por este canal, observando sus intereses y actuando en consecuencia.

El análisis predictivo no siempre se hace con herramientas complejas, podemos empezar de manera simple, en el camino nos divertiremos descubriendo conductas que no hubiéramos podido imaginar ☺

Los modelos predictivos pueden ser tan complejos como nosotros queramos, mi consejo es que vayamos creciendo poco a poco, sin dejar de movernos: vayamos testando si nuestros modelos van bien encaminados y personalicemos de manera gradual para sacar el máximo provecho a los datos.

Si os interesa el tema, los próximos 30 y 31 de mayo voy a estar en Berlín, en la conferencia de Semphonic Xchange Europe debatiendo y compartiendo experiencias con analistas sobre la Analítica Predictiva junto a Matthias Bettag.

Empezar a contestar a la pregunta ¿cómo puede nuestro pasado ayudar a nuestro futuro?será la clave para empezar a detectar el movimiento, los patrones de conducta y adelantarnos a lo que pueda pasar.

Mide y Analiza: Empezando a medir una marca en Internet

Post creado por Gemma Muñoz via Territorio Creativo.

“¿Entonces qué somos?
Sólo somos consumidores.
Exacto, el producto secundario de una obsesión con el nivel de vida.
Los asesinatos, el crimen, la pobreza, me tienen sin cuidado.
Lo que me molesta son las revistas de celebridades, TV con 500 canales, calzones con el nombre de un tipo. Rogaine, Viagra, Olestra.
Al carajo con tus sofás y sus patrones de franjas Strinne.
Yo digo que nunca estés completo.
Yo digo que dejes de ser perfecto.
Yo digo que hay que evolucionar. Pase lo que pase.” El Club de la Lucha

Lamentablemente medir una campaña de marca o branding no es tarea fácil. Las métricas no se limitan a unidades vendidas, a palabras por las que se llega al site o al número de visitas que generamos. Es bastante más abstracto de medir y, aunque no significa que sea imposible, al menos debemos tener algo por donde empezar.

Hay que cambiar el chip de la campaña de marketing tradicional y no buscar KPIs o métricas que se refieran al impacto que puede causar una determinada acción de marca en el momento, sino ver lo que se genera con el tiempo. Creo que una combinación de métricas es lo que nos puede funcionar mejor para conocer la percepción que genera nuestra marca. Pasemos a enumerar una combinación de las mismas.

Lo primero es medir el tráfico que viene directamente a nuestro site, bien porque se guarde la dirección en favoritos o porque se teclee en el navegador del site. Esta métrica nos identifica a los fieles a nuestra marca. ¿Cómo crece con el paso del tiempo?

Lo segundo es tomar el tráfico que vino de buscadores y cuya keyword o keywords contenga la de nuestra marca. Aquí, también resulta interesante conocer la tendencia, en general y por cada keyword, porque nos puede decir lo sólida o no que resulta nuestra marca.

Como tercer punto de medición tomaría aquellas palabras que formen parte de la estrategia SEM, que bien incluyan o hagan referencia a la marca. Aunque hayan sido de pago nos dan una idea de cómo se nos busca.

No podemos olvidar el tráfico de referencia que se haya podido generar en blogs, twitter, facebook y otras redes sociales. ¿Se nos visita desde alguna de estas redes o blogs? ¿Quién habla de nosotros? ¿El artículo, tweet o comentario es bueno, malo o neutro? ¿Hay algún tema sobre nuestra marca que nos haya traído un pico importante de tráfico?

El primer paso está dado: hemos estudiado el tráfico que nos genera nuestra marca, si lo comparamos al resto de campañas o de acciones comerciales podemos sacar conclusiones que nos hagan poner nuestros esfuerzos hacia un tipo de acciones o hacia otro. ¿Debemos fortalecer la marca? ¿O fortalecemos la fidelización de los que llegan por la marca? ¿Ambas cosas?

Pero podemos ir más allá, dando un segundo paso. Pongamos que mi site mide el tráfico conGoogle Analytics, ¿qué más podríamos hacer? Pues bien, si generamos un segmento avanzado de forma que cada métrica de las que he hablado arriba constituyan un criterio,podemos analizar cómo se comporta este grupo de visitas que han llegado al site atraídos por nuestra marca en sí.

¿Qué tasa de rebote tienen? ¿Qué adquieren? ¿Cuántos se hacen clientes? ¿Cuántos son ya clientes? ¿Qué están buscando? ¿Por dónde salen? ¿Cuánto tiempo estuvieron en el site? ¿Repiten visita? ¿Qué cantidad de contenidos ven? ¿Cuál es el coste por visita? ¿Qué beneficio les sacamos?

Es decir, ¿cuál es el valor de nuestra marca? ¿Cuánto ayuda a vender? ¿Cuánto se confía en nosotros?

Podemos comparar la actividad de este segmento con otros que se nos ocurran. Por ejemplo, los que vienen por tráfico orgánico sin usar nuestra marca, con los que vienen por campañas SEM que no incluyan nuestra marca, los que vienen de campañas de determinados productos, los que acceden a través de emails“

Al igual que aquí recopilamos el tráfico que tiene que ver con nuestra marca, para medir el tráfico de captación que no se relaciona con la marca en sí sino con una determinada oferta, deberíamos excluir lo que estamos analizando en este artículo.

Y como no se dan dos pasos sin tener un tercero en perspectiva, podemos ir aún más y más allá.Rastrear el volumen de búsquedas de nuestra marca en Internet, aunque no se traduzca en visitas a nuestro site. De esta forma, podremos saber por qué somos noticia, cuándo despertamos más interés y si hay alguna acción que haga aumentar las conversaciones sobre nosotros. ¿Cómo comprobaremos esto? Con Google Insights for Search, una herramienta de estadísticas de búsquedas.

Si por ejemplo, fuéramos los responsables de la marca Freixenet (elegida porque tiene una estacionalidad evidente y porque hay noticias al respecto últimamente), podremos observar que la única acción que subió el interés por la marca fue el anuncio que rodó Scorsese en 2007.

Además de saber en qué países y regiones despertamos más interés, podemos saber qué búsquedas se relacionan directamente con nuestra marca. Es decir, qué términos de búsqueda asocian los usuarios con nosotros. ¿Y con la competencia? ¿Qué asocian con la competencia?

Para profundizar más en la competencia podemos utilizar Google Trends. ¿Hay alguna forma en que podamos optimizar el rendimiento de nuestra marca? ¿Con qué nos gustaría que se nos asociara y no se hace?

Hay que vender mejor nuestra marca. Hoy hemos dado el primer paso: aquello que no se mide no se mejora. Y el planteamiento siempre parte de una premisa sencilla: sabiendo donde estamos podemos saber hacia adónde vamos. Y lo que es más importante, sabremosadónde queremos llegar. Pase lo que pase, hay que seguir evolucionando.

Más información | Avinash Kaushik
En Hacia la analítica web y más | Midiendo el rendimiento de una campaña de marketing.

Nota: Si quieres conocer más sobre mi trabajo o mis intereses puedes leer mi blog, ¿Dónde está Avinash cuando se le necesita?, o mi twitter, @sorprendida.

Dónde debe ubicarse la analítica web dentro de la empresa

Post creado por: Cristina Mataix.

El equipo puede considerarse una de las claves para conseguir el objetivo común de todo proyecto de analítica web: optimizar los resultados del canal online de modo que terminen impactando favorablemente en la cuenta de resultados de la empresa.

Como explica Avinash Kaushik en su regla del 10/90, la mayor parte del éxito en analítica web lo aportan las personas y no las herramientas. Los principios de esta regla se basan en la repartición del presupuesto que una empresa puede tener para el área de analítica web. Según se define, por cada 100€ de presupuesto deberían destinarse 10€ a herramientas, mientras que los 90€ restantes deberían invertirse en personas, un analista web o bien un equipo.

Las personas deben aportar el conocimiento necesario para darle sentido a los datos. De no ser así, el dinero invertido supondrá un gasto sin obtener a cambio ningún tipo de resultados. En este caso, únicamente se obtendrá de la inversión una cantidad ingente de datos.

Es por esta razón, que no debe tratarse como una cuestión menor el hecho de estudiar y reflexionar con detenimiento cual debe ser el rol que la analítica web dentro de nuestra organización, y por tanto cual debe ser su ubicación en la estructura interna de la empresa. Básicamente existen tres modelos organizacionales para dar respuesta a esta cuestión, el centralizado, el descentralizado, y un híbrido de los dos anteriores centralizado-descentralizado.

Modelo centralizado

Se caracteriza por ser el analista web el responsable de la empresa con acceso a la herramienta y por tanto a los datos. Esto significa que sobre este rol recae toda la responsabilidad de reportar datos, y trabajar sobre estos realizando recomendaciones de mejora. Se trata de una solución para empresas pequeñas, o bien para empresas a las cuales el negocio online supone un volumen muy bajo respecto al total. En caso contrario, si la facturación vía web es relevante, pero de todos modos se opta por este modelo, el área de analítica web debe disponer de recursos suficientes para abastecer al resto de departamentos.

Ventajas

• El analista web es el especialista del canal online, y toda la responsabilidad acerca de los datos recae sobre él. Debe tener las capacidades y conocimientos suficientes para aportar valor a cada área o departamento de la empresa implicado.
• El analista web tiene una visión general del site, con lo cual permite que sus análisis tengan mayor contexto, debido a que dispone de conocimientos del estado actual de cada área. Por ejemplo, lanzamiento de nuevos productos, campañas en activo, etc. Disponer de una visión global, facilita el seguimiento y evaluación de los objetivos web.

Desventajas

• El analista web recibe peticiones de datos e informes del resto de departamentos o áreas de la empresa. Puede tratarse de un procedimiento poco eficiente, que suponga para el analista web una inversión de recursos sin que sea productivo para él.
• Escasa implicación por parte del resto de departamentos o áreas en el ámbito online, ya que el resto de áreas pueden verlo como un aspecto fuera de sus competencias. Al hacer análisis puede ser que comprendan las recomendaciones pero no sean proactivos a ellas, por no estar implicados en la cultura de datos.

Modelo descentralizado

Es aquel donde la información es accesible por parte de cualquier departamento. Cada departamento se comporta de forma independiente, es responsable de sus informes y del uso que hace de los datos, y por tanto más cercano al poder de la toma de decisiones basadas en datos. Este es un modelo recomendado para grandes empresas, dado que evita que toda la responsabilidad de los datos recaiga sobre un único equipo. Requiere de una mayor organización y coordinación entre los distintos departamentos.

Ventajas

• Permite perder menos tiempo en el reporte de datos, y aprovecharlo mejor en el análisis de datos
• Favorece la implicación de los distintos equipos. Como el resto de la gente está en contacto con los datos, la probabilidad de que se impliquen en el proceso de mejora y en la toma de decisiones, es mayor.
• Las distintas áreas del negocio tienen una mayor compresión de los datos, al estar en contacto con estos.

Desventajas

• El analista web debe invertir más tiempo en formar al resto de la empresa en el uso de las herramientas, y en dar soporte en caso de que sea necesario
• Si la herramienta de analítica web no es intuitiva y los datos no son consistentes, puede haber información confusa
• Puede propiciar el uso de distintas herramientas sin que el resto de las unidades de negocio conozcan de su existencia.
• Por lo general, no suelen existir unos objetivos comunes

Modelo centralizado-descentralizado

Corresponde a un híbrido de los dos anteriores. Es decir, existe un equipo o responsable central, encargado de la analítica web. Pero a su vez en cada área o departamento de la empresa también existe un responsable de analítica web. Esto permite centralizar la gestión y selección de las herramientas, la comunicación con el equipo de IT, y mantener una visión general y contextualizada de cómo evoluciona la organización. Además, el hecho de que cada departamento tenga un especialista, permite que las propuestas de mejora sean más específicas en base a cada área, y por tanto mayor implicación por parte de las distintas áreas del negocio.

¿Y en tu empresa qué estructura se sigue? ¿Si pudieras elegir con que organización del equipo te quedarías?