El 28 de mayo se celebró la 4ª edición del GAUC en España, en el Cibernarium de Barcelona, a la que asistieron cerca de 120 usuarios de la herramienta de Google Analytics.

En esta edición, organizada como siempre por los partners de Google en España, participaron Paul Muret, director de Ingeniería de Google Analytics; Pere Rovira, de Webanalytics; Alfonso Duro, de DoubleClick; Enric Quintero, de Metriplica; Ander Jáuregui, de The Cocktail; Jaume Clotet, de WATT y Guillermo Vilarroig, de Overalia.

Estamos muy acostumbrados a trabajar con los valores puntuales de las métricas y, cuando nos hablan de intervalos de confianza o rangos, a menudo no sabemos muy bien qué son o no acabamos de encontrar el modo adecuado de usarlos. Sin embargo, al quedar con los amigos no se nos hace extraño decir: “me paso por tu casa entre las 17:00 y las 17:30”. Entonces, ¿Por qué no usar esta información en nuestros cuadros de mando y/o en nuestros informes?

Nota: Al final de post os adjuntamos una plantilla de Excel para que podáis calcular la variabilidad de vuestras métricas. 

De echo al trabajar con los rangos o los intervalos de confianza (o algunas herramientas gráficas, como veremos en este post) estamos teniendo en cuenta la variabilidad, medida de dispersión imprescindible en estadística que nos aporta esta información tan importante sobre la métrica estudiada.

Partimos de la idea de que “los datos son el nuevo petróleo” y que somos una sociedad con abundancia de datos (más bien diría de saturación de datos), y éstos, a menos que se transformen en información comprensible, no van a permitir acceder al conocimiento. Si a ésto le sumamos que nuestro tiempo es limitado y nuestra capacidad para asimilar la información es aún menor (la mayor parte de los cerebros sólo pueden prestar atención durante aproximadamente 45 minutos), necesitamos de algo que nos sintetice la información.

“El exceso de información conlleva una pérdida de interés en las audiencias que se traduce, en muchos casos, en una falta de comprensión de la información expuesta.”

-David McCandless-

De esto se encarga la visualización de datos que no es otra cosa que el “diseño de la comprensión”.

Cuando se trata de hacer una visualización de muchos datos las cosas no son tan sencillas. A parte de analizar los datos, saber interpretarlos, contrastarlos con otros datos y estudiarlos, hay que saber comunicarlos. Y sobre todo es fundamental poner los datos dentro de un contexto y compararlos con algo (algo que la mayoría de personas se olvida).

Product Advisor es una aplicación de Metriplica que analiza nuestro catálogo online y que clasifica los productos en función del valor que tienen para los usuarios.

Product Advisor categoriza los productos con rigor estadístico, identificando aquellos que son problemáticos, los que se deberían eliminar, los que hay que destacar, y los productos estrella.

Cruzando la enorme cantidad de datos que genera la interacción de los usuarios con nuestros productos, es capaz de detectar aquellos que necesitan atención, dividiéndolos en los que tienen algún tipo de problema, y los que son oportunidades claras de negocio, y que deberían destacarse. Por supuesto, también detecta aquellos sobre los que de momento no hace falta preocuparse, y aquellos que realmente están funcionando mal.

Product Advisor ofrece:

• Indicadores generales de la “salud” de nuestro catálogo: De manera gráfica, ProductAdvisor nos dice cómo se desempeña nuestro catálogo, permitiéndonos saber si nuestras acciones de mejora tienen o no el efecto deseado.

  

• Contraste estadístico de acciones y cambios sobre los productos: en otras palabras, nos dice si las acciones que hemos tomado sobre un producto han surtido efecto o no y, si lo han hecho, si ha sido el efecto esperado.
• Clasificación de productos según su potencialidad (Scoring): Product Advisor, ordena los productos según su “capacidad para ser vendidos”, permitiéndonos seleccionar fácilmente aquellos sobre los que debemos operar según la estrategia que se decida adoptar en un momento dado.
• Tecnología Google © de visualización e interacción mediante Motion Charts:
  
  Los Motion Charts nos permiten seguir la evolución de las visualizaciones y las ventas de los productos en el tiempo, ofreciendo así una perspectiva completa del interés que despiertan en los usuarios.
• Exportación del listado de productos sobre los que se debe actuar: para facilitar al máximo las labores de los responsables de e-commerce, Product Advisor permite exportar la lista de productos que necesitan atención, ya sea porque tienen problemas, ya sea porque son productos de gran potencial, que no se está explotando.

Disfrute gratuitamente de producto Advisor  Instale la versión gratuita y podrá operar con él un máximo de 100 visualizaciones y 100 productos.

Comenzar a utilizar de Product Advisor es muy sencillo: si no tenemos instalada una herramienta de análisis web (o estamos utilizando una herramienta distinta a Google Analytics), basta con insertar un simple código en la página de producto, y otro en la página de agradecimiento de la venta.

Si se usa Google Analytics, sólo es necesario hacer una mínima adaptación del código original.

¡Por fin! Google Analytics acaba de lanzar oficialmente el informe de Embudos Multicanal (Multi-Channel Funnels), que ya está disponible para todos los usuarios (en la versión nueva de Analytics).

Esta noticia se esperaba desde hace meses, y en este blog hemos publicado varios posts sobre el tema. Los que aún no estén al día (y los que quieran recordar qué es lo que ofrece el informe de Embudos Multicanal), pueden consultar los siguientes artículos:

1. Embudos Multicanal… la nueva herramienta de Google Analytics
2. Embudos Multicanales: diseccionando la nueva funcionalidad de Google Analytics

Adicionalmente, Google ha publicado un video explicativo bastante bueno (en inglés, claro):

Para mejorar el análisis de las interacciones en un website, Analytics ha cambiado la definición de sesión, tal y como anunció en su blog oficial pasado viernes 12 de agosto. En principio, este cambio causa un impacto menor en los datos de Analytics.

Hasta ahora, Google Analytics terminaba una sesión:

• Cuando un usuario tardaba más de 30 minutos en ver otra página del site.
• Al final del día.
• Cuando el usuario cerraba el navegador.

En el nuevo modelo, Google Analytics termina una sesión:

• Cuando un usuario tarda más de 30 minutos en ver otra página del site.
• Al final del día.
• Cuando cambia la información de cualquier campaña que el usuario tenga guardada. La información de campañas incluye: utm_source, utm_medium, utm_term, utm_content, utm_id, utm_campaign and auto-tagging from AdWords (gclid).

En semanas anteriores publicamos los primeros dos posts de esta esta serie. En el primero hablamos sobre los tipos de campañas, y la asignación de valor a los objetivos de un website. En el segundo repasamos las métricas necesarias para medir la rentabilidad de nuestras campañas en Adwords.

Se supone que ya tenemos los datos en la mano, así que ahora se trata de empezar a ganar dinero. Ya es hora de hacerle honor al título del post así que, sin más dilación, entremos en materia:

Optimización de las campañas en Adwords

Veamos… Como hemos dicho al principio, si las columnas de ROI y Beneficio Neto están en rojo, no hay que pensárselo mucho: es mejor parar la campaña, y redefinirla. Nos estamos gastando más dinero en la campaña, que lo que estamos obteniendo gracias a ella. Eso puede suceder por varias razones:

• Las palabras clave no son las adecuadas,
• los anuncios no llaman la atención,
• las páginas de aterrizaje no cumplen con las expectativas del usuario,
• no se están efectuando conversiones (aunque las palabras clave, los anuncios o las páginas de aterrizaje estén bien).

Hace unos meses comenzamos a hablar de la personalización de los sites. Sin embargo, lo hicimos desde un punto de vista del usuario, y más concretamente, desde el punto de vista del usuario soñador. La analogía que hemos usado hasta este momento era la del cliente que va todos los días al mismo bar y siempre pide lo mismo: este cliente espera que más temprano que tarde el camarero no le pregunte qué quiere tomar. Bien, ha llegado el momento de poner las cartas sobre la mesa. En este post vamos a dar el punto de vista del consultor que entre sus servicios ofrece los de consultoría en segmentación y personalización.

¿Cómo podemos definir la personalización?

En Metriplica estamos contentos. Hace ya unas semanas que cambiamos nuestra metodología y software de cuadros de mando, dando un mayor protagonismo a la visualización y a la interacción con los datos por parte del usuario. Después de experimentar con la nueva herramienta, nos dimos cuenta de que la capacidad del usuario para tomar decisiones más rápidamente al manipular los nuevos cuadros de mando podía verse incrementada de manera notoria.

Hacia un tipo de real-time

Precísamente este tema salío en el Summit de Google de este año. El gran volumen de datos que se maneja en la web dificulta mucho la selección de indicadores y, por lo tanto, la identificación de información “accionable“. El real-time sigue siendo una cosa muy lejana, y quizás no del todo necesaria, ya que no hemos de confundir obtención de datos en real-time con accionabilidad real-time. Una de las charlas versaba sobre el papel que juega la visualización de datos como herramienta de aproximación hacia el real-time en el sentido de poder tomar decisiones accionables nada más obtener los datos.

Tal como hemos dicho, éste real-time debe ser interpretado como el hecho de tomar decisiones (correctas) en tiempo real a partir de los datos, independientemente de la rapidez con la que éstos se obtienen, que generalmente, es algo que no podemos modificar (pensemos que en la mayoría de los casos la fuente de datos es Google Analytics). Si nuestros datos están organizados y presentados correctamente, ganaremos mucho tiempo en obtener insights a partir de ellos.

Otra amistad: el data mining

¿Por qué es un doble amigo? Hacer data mining (en general y en la web) requiere de técnicas estadísticas complejas a nivel computacional. Además, como pasa en muchos campos de la estadística, sobre un mismo conjunto de datos es posible aplicar diversas técnicas y obtener diversos outputs (de lo más variopintos) que parecen verosímiles. Este problema se ve agravado si cada algoritmo necesita mucha capacidad de cálculo, tal y como pasa en la web. La pregunta pues es clara, ¿qué algoritmo es el “mejor”? Una aproximación a esa respuesta se basa en ser capaces de “echar un ojo” a los datos en cuestión. Si visualmente somos capaces de intuir algún patrón en los datos, tendremos más capacidad de decisión sobre qué algormito aplicar sobre ellos.

Nosotros ya lo hacemos. ¿Y los demás?

Seguramente las grandes potencias en software de analítica web incorporarán en próximas versiones grandes avances en visualización de datos. Este salto será debido a la necesidad de pasar de los datos puramente descriptivos hacia la predicción de información. Como ejemplo, Google Analytics ya incorpora el Motion Chart en el informe de palabras clave. En dicho gráfico podemos ver la variación de la información a lo largo del tiempo. Dicha visualización nos lleva de manera natural al cálculo de una serie temporal que nos predice con alta significancia estadística el rendimiento de las palabras clave en custión.

Muy seguramente visualizaciones tipo What-if estarán presentes en un corto/medio plazo en los principales softwares de analítica web. ¡Tiempo al tiempo!

Los últimos meses han sido muy intensos. En Metriplica hemos apostado muy fuerte por una web inteligente, por nuevas técnicas de medición, por muchos e interesantes tests que han hecho que nestros clientes experimenten vertiginosas subidas en sus ratios de conversión,  y tantas otras cosas. Pero inexorablemente llega Agosto, y nos vamos a tomar un más que merecido descanso para, en Septiembre, volver con más ilusión y energías que nunca.

¡Que paséis una gran verano!