En el ámbito de la analítica digital es importante seguir una metodología de trabajo que permita crear sistemas de medición estables, completos y relevantes al negocio. Por este motivo, cada modelo será único y personalizado.
Esta metodología consiste en trabajar distintas fases:
- Conocer e interiorizar los objetivos de negocio. Es decir, entender la estrategia y plan de acción que va a realizar la organización, sus hitos y metas; además de definir cuáles van a ser los indicadores clave de rendimiento.
- Definir el modelo de datos. Consiste en definir la estructura lógica de los datos y determina el modo de almacenar, organizar y manipular los datos:
- Por un lado, se trata de elaborar una lista de todos los elementos que se quieren recoger i especificar la información asociada a dichos elementos, como sus nomenclaturas y conceptos relacionados.
- Por otro, se trata de mapear cada uno de estos conceptos y/o elementos con su variable dentro del sistema de medición. En el supuesto caso que nuestra herramienta de medición sea Google Analyics, habrá que mapearlo con su correspondiente Google Analytics Tracking Code (GATC). Por ejemplo, mediremos el buscador con una etiqueta de ‘evento’, y especificaremos dicha acción en la dimensión ‘categoría’ del evento.
- Implementación. Consiste en la inclusión de los códigos necesarios en el sitio que queremos monitorizar. Los cuales nos servirán para conseguir la estructura diseñada en la fase anterior.
- Depuración y validación. Consiste en la validación de los datos recibidos, depuración y refinamiento hasta conseguir el resultado definido en el modelo de datos.
En este post nos vamos a centrar en la fase del modelo de datos, ya que se trata de la fase más importante a la hora de crear un sistema de medición robusto.
Vamos a imaginarnos que queremos monitorizar la navegación de un portal de turismo rural. En la imagen vemos la ficha de una casa con la opción de clickar a distintos tabs (general, opiniones, fechas libres, fotos y vídeos, mapa). En este caso, se está enviando para cada tab seleccionado una etiqueta de evento de Google Analytics:
Variable | Valor | Tipo |
Category | New pdp | Valor fijo |
Action | tabs | Valor fijo |
Label | {{nombre de la pestaña clickada}} | Valor dinámico |
¿Creemos de verdad que esta es la información que más aporta al negocio? Dicha acción se está produciendo en una ficha de producto que:
- Se llama Maria Ca l’Agustinet
- Pertenece a la población de Vallcebre
- Pertenece a la provincia de Barcelona
- Pertenece a la comunidad autónoma de Cataluña
- Pertenece al país España
- Tiene un precio de 30,71€ por persona
- ….entre otras características más
¿No sería más rico si enviáramos información sobre categoría del producto en vez de enviar por duplicado la acción que realiza el usuario? Este tipo de tracking muestra una ausencia clara de un modelo de datos que articule nuestro sistema de medición.
Vamos a ver otro ejemplo de un sector totalmente distinto. Se trata de un ecommerce, en este caso el usuario está añadiendo un producto a la cesta. Para recoger esta acción se envía un hit de página vista con la siguiente información:
Variable | Valor | Tipo |
url física | Ecommerce/checkout/basket.cfm | Valor predeterminado |
dp – reescritura | Cesta/validar | Valor fijo |
¿No sería más rico si enviáramos información adicional sobre el tipo de producto que se está añadiendo a la cesta para poder calcular luego el porcentaje de conversión de cada categoría, subcategoría y producto, en vez de tener únicamente el dato agregado?
Siguiendo en el mismo sitio, en este caso vamos a realizar un filtro por marca en el listado de productos. La información que se recoge es la siguiente
Variable | Valor | Tipo |
Category | {{categoría}}/{{Subcategoría}} | Valor dinámico |
Action | Filtros | Valor fijo |
Label | {{tipo de filtro}} | Valor dinámico |
¿No sería más rico recoger también la selección que ha hecho el usuario? Por ejemplo, podríamos definir la acción así:
Variable | Valor | Tipo |
Category | {{categoría}}/{{Subcategoría}} | Valor dinámico |
Action | Filtros – {{tipo de filtro}} | Valor dinámico |
Label | {{selección}} | Valor dinámico |
No es que el caso anterior esté mal resuelto, es probable que no interese recoger un nivel de detalle tan alto. En cualquier caso es importante plantearse si queremos prescindir de esta información o no.
Vamos a ver otro ejemplo, en este caso se trata de pedir una cita por teléfono. Esta acción solo está disponible en la página de formulario de ‘Pedir cita’. La información que se envía es la siguiente:
Variable | Valor | Tipo |
Category | Cita telefónica | Valor fijo |
Action | Click/touch | Valor fijo |
Label | formulario | Valor fijo |
¿No creéis que la información enviada es redundante? Simplemente con el uso de una sola variable es suficiente para definir la acción, podemos utilizar las otras dos para añadir información adicional sobre el usuario o el tipo de producto sobre el que se está solicitando más información.
Como estos ejemplos hay millones, espero que estos ejemplos os hayan hecho reflexionar sobre la importancia de definir un buen modelo de datos que permita recoger aquella información clave y pueda garantizar un sistema de medición completo que responda a los requerimientos del negocio.