Analytics y Conversión – Pere Rovira

Fernando Maciá

Escrito por Fernando Maciá

Pere Rovira – Socio Director de Webanalytics.es (España)

Recorriendo el camino de los datos al conocimiento

Pere Rovira hablando sobre analítica Web en Search Congress 2013Un analista digital trabaja con datos que son los ingredientes. Es la materia prima. Los transformamos en información, en algo que se pueda comer. Si los podemos presentar mejor, ayuda a que sea atractivo. Y lo que queda es el conocimiento.

El primer obstáculo a los que nos enfrentamos los analistas es la sobre-información. La integración de las redes sociales ha multiplicado nuestro trabajo. Las herramientas dan un montón de datos y eso da lugar a la creencia de que de los datos sale automáticamente el conocimiento. En realidad, el buen analista es el que con pocos datos, es capaz de sacarle mucho rendimiento. Poquitos datos suelen ser suficientes para lo que necesitamos saber. Es un acercamiento ágil a la analítica.

Homenaje a Xavi Colomés: «Uno de los analistas de referencia en España que, por eso, está trabajando en Londres«.

Datos para refutar hipótesis vs. datos para formular hipótesis. Lo importante es hacer cambios y ver cómo hemos mejorado.

Describir no es analizar

Muy pocos analistas se dedican a analizar y a buscar soluciones. No es lo mismo grandes cuadros de mando que analizar. No es lo mismo informar sobre algo que conocer algo.

Para conocer algo, es esencial cambiar cosas y esto es difícil cuanto más grande es la empresa. Los funnels de compra en Google Analytics son una descripción. Hasta que no me pongo a trabajar para ver qué pasa con el abandono,  no sirve de nada la descripción.

Igual con el ratio de rebote: no sirve para nada medir esto si no sirve para mejorar. La mayor parte de las métricas que se utilizan son las vanity metrics.

El conocimiento sólo vale si resultan en un impacto económico. Hay que saber qué importa más: distinguiendo entre margen y volumen. Hay que estudiar ese esquema.

El impacto económico se compone de tres variables: ingresos, costes y satisfacción. Recopilaremos datos tendentes a influir en estos tres factores: mejorar ingresos, reducir costes o aumentar la satisfacción.

Debemos conocer la estrategia del cliente respecto a estas tres variables y entonces debemos trabajar para relacionar los datos con esas tres variables.

El mundo es multicanal

La multicanalidad se puede entender a muchos niveles: campañas en SEO, PPC, e-mail, etc. El usuario es impactado de varias formas así que no es fácil calcular el ROI de una campaña en concreto.

Lo explica muy bien Gema Muñoz en su artículo de Messi y Xabi. Hay campañas que dan asistencias y otras que meten goles. Ambas son necesarias.

Hay dos tipos de conversiones: las asistidas. Son campañas que han traido conversiones en visitas posteriores. Por ejemplo, campaña de display. Se corresponde con el concepto de last-click (meter goles) y first-click (dar el pase). Las redes sociales generan conversiones asistidas pero muy pocas conversiones finales. Si tenemos en cuenta su valor como asistentes para generar el pase, el ROI de las redes sociales es más positivo.

En Google Analytics, vemos el informe de conversiones multicanal que nos indica si la multicanalidad es importante en nuestro sitio Web. Vemos un círculo de todo el tráfico, otro que indica el tráfico que viene de campañas y otro que viene de redes sociales. El solapamiento indica la multicanalidad.

Otra forma de analizar esto es con los modelos de atribución en Google Analytics, que está disponible desde hace poco en la versión estándar. Así podemos calcular el valor de una campaña en función de que la conversión se genere en la última interacción, en la primera, etc. También hay modelos lineales que reparten igualitariamente el valor de la conversión entre todas las campañas que han intervenido. Y otros modelos con ponderaciones distintas crecientes o decrecientes.

Muy interesante.

Podemos crear también nuestro propio modelo. No es fácil explicar para qué sirve esto. Por ejemplo, para valorar si está siendo rentable pujar por palabras clave caras en AdWords.

Hay también multicanalidad en dispositivos, de visitas que han pasado por varios canales antes de convertir. Imaginemos que desarrollamos una app. Tendríamos que poder calcular qué ROI nos ha generado esa aplicación. Un acercamiento unicanal calcularía los ingresos obtenidos de los usuarios que han generado cada visita. Puedo complicarlo un poco más viendo los ingresos por dispositivo y por usuario, en función de su ciclo de vida. Por ejemplo, no sólo los ingresos por dispositivo sino los dispositivos por usuario. Usuarios que han podido usar la aplicación móvil pero que pueden haber comprado a través del sitio Web. Esto obliga a seguir un usuario por los distintos dispositivos y tanto de la app como al sitio Web, y esto no es fácil.

Los usuarios que usan el móvil no son usuarios distintos, sino un segmento específico de tu mercado.

En el caso de Privalia, es fácil seguir a un usuario porque se tiene que loguear. Pero en otro tipo de aplicaciones, es mucho más complicado.

La estadística es como un bikini, porque oculta lo más interesante

Podemos seleccionar KPIs sencillos como, por ejemplo, el promedio de reserva de un hotel: 288€. Me da poco insight para poder hacer ofertas específicas a segmentos específicos. Entonces, lo recomendable es hacer la distribución. Ver usuarios que se gastan de 0 a 100€, usuarios que se gastan de 100 a 200€, de 200 a 300€, etc. Eso me da mucha más información que me permite entender mejor lo que pasa en realidad.

La gente utiliza móviles

Se usan y mucho, y tiene un efecto. A nivel de conversión, nos encontramos con ofertas por Twitter que apuntan a páginas para desktop. Eso es un completo fail porque no se puede rellenar los campos, etc. Cuando sabemos que gran parte del uso de Twitter se hace desde móvil.

Muestra el ejemplo de Másmóvil, con una landing page horrorosa para una campaña planteada para móvil. En contraste, la landing de Jazztel es perfecta.

Los likes son los nuevos Hits (Avinash: «How Idiots Track Success»). Se puede ir más allá de los likes y de los followers (truesocialmetrics.com). Si quiero tener una visión global . Facebook Insights es poco efectivo.

En las redes sociales se hacen: o se publica, o se comparte, o se comenta o se vota.

Tasa de conversación: comentarios por cada post. Equivale a tasa de conversión.

Tasa de amplificación: cuántas veces se comparte un contenido.

Tasa de afinidad: número de favoritos.

Impacto económico: ver las conversiones desde Redes Sociales en GA.

Recomendable la herramienta para Pere Rovira.

También recomienda a Audiense, fundada por un cordobés que también vive en Londres. Permite saber la mejor hora para tuitear, etc. Es información actionable.

La herramienta se conecta con Buffer para publicar tuits de acuerdo con los datos de SocialBro.

La inteligencia competitiva al alcance de un clic

Ver todos los datos de nuestros competidores que está a nuestro alcance, en particular en las redes sociales. Socialsmart. Sirve para mostrar las menciones respecto a los seguidores y las menciones respecto al sentimiento. Los gráficos de dispersión te marcan enseguida el camino a seguir.

YouTube Insights muestra los perfiles sociodemográficos de la gente que ve mis vídeos. También son interesantes los insights de Linkedin. Ves el tipo de gente que se interesa en nuestra empresa y si son seniors o juniors. También sobre las industrias, países, etc. Eso me permite generar landing pages específicos para  la gente que viene de esa red.

Utiliza conceptos de toda la vida. Merchandising: saber si un producto está sobreexpuesto o infraexpuesto en función de sus ingresos. Se puede ver con un gráfico de dispersión en Google Analytics. Te avisa de que estás poniendo productos que no rinden en la home y de otros que deberías destacar más. Muy interesante. Sirve para productos, categorías de producto, etc.

Visualización

Si algo va a ser fundamental en los próximos años en la analítica es la visualización adecuada de los datos, para que sea fácil convertirlos en información accionable. Por ejemplo, podemos analizar las landing pages con un gráfico de dispersión donde vemos cómo se comportan las distintas páginas. Es fácil identificar la estrategia a aplicar.

Termina Pere con un «grafo molón» de palabras clave que sirven para llegar a un cierto concepto. Estas visualizaciones se hacen menos con Google Analytics y se usa más software como R Studio, Tableau, etc. chupando datos de GA pero mostrándolos de otra forma. Google Refine y finalmente Tableau, con visualizaciones potentes de nuestros datos.

Magnífica la ponencia de Pere Rovira

¿Quieres ser rey o quieres ser millonario? Si tu jefe es un rey será difícil que trabajes bien como analista. Si tenéis la suerte de tener un jefe que quiere ganar dinero, no les importa tomar decisiones.

Fernando Maciá
Autor: Fernando Maciá
Fundador y director general de Human Level, es experto en SEO, planes de marketing online y de internacionalización web. Director del Máster en SEO SEM Profesional de KSchool y autor de libros sobre posicionamiento, marketing digital y redes sociales en Anaya Multimedia.

Únete a la conversación

2 comentarios

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

  1. Gracias a ti, Pere, por una fantástica presentación. Muy técnica, pero al mismo tiempo muy pedagógica y expuesta con claridad y sentido del humor. Un placer verte.