“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.

“Las ruinas son el camino hacia la transformacion” - Comer Rezar Amar

Para hacer un análisis paso a paso hemos de intentar seguir una metodología que si bien empieza siempre igual, dependiendo de lo que nos vayamos encontrando iremos por uno u otro lado. Cada análisis será una aventura, en eso radica el encanto de la analítica web.

1. Comer: lo primero que debemos hacer es fijarnos un objetivo claro del análisis. Si no tenemos objetivo con el análisis no sabremos ni por dónde empezar a buscar, ni por dónde focalizar esfuerzos, ni siquiera sabremos cuándo hemos de parar.

El objetivo puede ser del tipo de comprobar cómo funciona una determinada campaña o estudiar las fuentes de tráfico para determinar dónde gastar el presupuesto del trimestre próximo o buscar la landing page donde necesitamos una optimización o incluso puede ser un objetivo ambiguo como encontrar oportunidades en estos tiempos de crisis.

Una vez tengamos el objetivo establecido, tendremos que identificar qué métricas van a ayudarnos a determinar las KPIs (indicadores clave de rendimiento, es decir, asociados directamente al objetivo).

2. Rezar: cuando tenemos claro el objetivo y las métricas que vamos a utilizar en el análisis, llega el momento de ir a buscar o bien directamente a la herramienta de analítica web o bien a la API de dicha herramienta los valores para las métricas.

Ojo, siempre hemos de definir un periodo de estudio para el análisis (la última semana, la última quincena, el último mes, el último semestre, el último año) pero no olvidemos el contexto temporal, con los datos de los periodos anteriores. Si hemos elegido el último mes, hay que recuperar las métricas para los últimos meses y así establecer la tendencia para saber dónde nos encontramos y hacia dónde vamos. Si es posible, tomar el mismo periodo del año anterior por temas de estacionalidad.

Si vamos a elegir un determinado segmento o perfil, debemos también conocer las métricas para los segmentos o perfiles restantes, para establecer el contexto necesario de saber lo que aporta cada uno al total del sitio web.

3. Amar: finalmente sacaremos conclusiones. Y recomendaciones. Focalizadas en el objetivo del análisis, por supuesto. Esta es la parte creativa de la analítica web. Es por esto que la analítica web no es tanto una herramienta técnica como una herramienta de negocio. Aquí es donde el analista web crece, donde el analista web es realmente analista y ha de demostrarlo.

¿Cómo? Vamos a ver todo el proceso con un ejemplo:

Imaginemos que tenemos un sitio web de contenidos con dos objetivos claros: que los usuarios se descarguen la guía gratis o que los usuarios se suscriban al email.

Análisis 1. Nuestro sitio web se compone de 8 secciones de contenido, por lo que lo primero que hacemos es estudiar al detalle desde dónde se consiguen más conversiones a nuestros objetivos. La métrica principal será número de conversiones segmentado por sección en forma de porcentaje del total:

Si el contexto temporal resulta estable y no se producen demasiados cambios en los porcentajes en los periodos analizados, mis conclusiones y recomendaciones probablemente irían en base a:

• Incluir links a Depósitos y Cuentas en la descarga de la guía gratis para promover la suscripción al email.
• Incluir links a Ofertas y Cuentas en la suscripción al email para promover la descarga de la guía gratis.
• Priorizar en la home contenido de las secciones de depósitos, cuentas y ofertas para ayudar a promocionar los objetivos.

¿Por qué? Efectivamente, para aumentar la conversión de los demás objetivos en base a lo que se le da mejor a cada sección.

Análisis 2. Nuestro sitio web tiene distintas fuentes de entrada, analizaremos desde dónde nos interesa promover más tráfico en base a los objetivos. La métrica principal será número de conversiones, pero esta vez segmentada por fuente de origen y combinada con las visitas recibidas por esa fuente:

Eje y: Evolución conversiones con respecto a mes anterior
Eje x: visitas
Volumen: conversiones en suscripción por email

Las recomendaciones aquí podrían ir en base a:

• Optimizar nuestras campañas: demasiadas visitas con poca conversión aunque ha aumentado en el último mes.
• Aumentar inversión o recursos en Búsqueda Orgánica: pocas visitas con buen resultado, aumentando captación podemos lograr más suscripciones. Investigar más en detalle las keywords que funcionan mejor de cara a la conversión.
• El tráfico directo no aumenta desde el mes anterior y funciona bien de cara a convertir: buscar aumentar los usuarios recurrentes ofreciendo contenido cada menos tiempo para promover esta fuente.
• Las Búsquedas de marca y Referencia están funcionando bastante bien con menos visitas que el resto de fuentes: trabajar en la presencia de marca en Redes Sociales y otros canales para atraer más visitas de marca y estudiar bien las referencias para optimizar nuestra estrategia fuera del site en sitios que nos funcionen bien en base a la conversión.
• Finalmente, las búsquedas de pago es buen generador de tráfico pero muy poca conversión, si está canibalizando tráfico de marca cambiar de estrategia. Estudiar muy bien las keywords que funcionan y las landings ofrecidas para optimizar al máximo el presupuesto.

¿Qué más? Si analizamos las fuentes de origen para cada conversión del sitio web podremos orientar nuestra estrategia de captación dependiendo de la fuente de entrada y generar contenido en base a qué necesita cada una de ellas. Habría que generar un gráfico igual profundizando en cada una de las fuentes.

Esto es un paso importante, tenemos pistas de por dónde seguir analizando y tomando decisiones para lograr una mayor optimización y un mayor rendimiento de nuestro site.

Podemos analizar en base a los usuarios recurrentes, a las páginas de destino, analizar click a click la página de suscripción al email. Todo lo que se nos vaya ocurriendo, todo hacia donde nos lleve cada uno de los pasos que analicemos, lo que nos haga falta para llegar a conclusiones, a recomendaciones. En serio, el analista web no se aburre ni se queda sin ideas: hay todo un universo por descubrir en cada análisis.

Nunca me cansaré de repetirlo: la analítica web está para detectar oportunidades, para identificar los puntos fuertes y los puntos débiles. En tiempo de crisis hace falta menos entrar como elefantes en cacharrerías haciendo todo a lo grande y más estudiar los siguientes pasos de la estrategia, sabiendo cómo se está gastando el presupuesto y por dónde se está ganando el beneficio.

Comer. Rezar. Amar se convierte en Aprender. Reaccionar. Ganar.

“Nunca hay suficiente tiempo, nunca es suficiente.” BrokeBack Mountain

Últimamente hay clientes que me preguntan lo mismo… “¿los vídeos ayudan a la conversión tal y como parece?”.

Lógicamente depende del vídeo, del producto o servicio ofertado, de la página y lugar donde se pone el vídeo… en definitiva, no es fácil de afirmar o negar si la práctica de usar un vídeo es buena, regular o mala. Pero sí que puedo decir algo muy convencida: MÍDELO. Y sabrás sin necesidad de preguntárselo a nadie si TU vídeo funciona como quieres que funcione ☺

¿Por dónde empezamos?

Lo primero, decidir el/los objetivo/s que perseguimos con el vídeo. Pongamos que es un vídeo que promociona un determinado producto o una marca y que lo que perseguimos es que ayude a la venta de forma directa: conversión. También puede ser que nuestro objetivo final sea conseguir un lead o explicar un servicio ofertado. En cualquier caso, al vídeo hay que asociarle uno o varios objetivos, ya que si no no será posible medirlos.

Las KPIs que asociaremos a los objetivos nos marcarán el camino para recoger los datos que necesitemos. Las más usadas son:

Adquisición (atención que se presta al vídeo)

• Número de veces que se comienza a visualizar el video: nos indica lo bien o mal que el vídeo se integra en un sitio web, cómo ha funcionado la imagen, la llamada a utilizar el vídeo, etc.

No olvidemos agregar contexto a esta métrica:

• % visualizaciones / total visitas a la página donde está integrado el vídeo
• tendencia de ambas métricas a lo largo del tiempo
• % visualizaciones / total visualizaciones de vídeos en el sitio web

Enganche (uso del vídeo)

• Tiempo medio de visualización del vídeo

No olvidemos agregar contexto a esta métrica:

• % tiempo visualización / tiempo total del vídeo
• tendencia de ambas métricas a lo largo del tiempo
• % tiempo visualización del vídeo vs. % tiempo visualización otros vídeos del sitio web

Una métrica que me gusta mucho utilizar como complemento a esta KPI de enganche es el número de usuarios que vieron la totalidad del vídeo. Conociendo este dato podremos saber si el tiempo medio de visualización es alto porque la mayoría de usuarios lo vieron íntegramente o porque la mayoría de usuarios vieron más o menos la mitad y algunos lo terminaron de ver. Parece lo mismo, pero no lo es. Lo primero nos indica una aceptación muy alta del vídeo y lo segundo, por el contrario, un punto de fuga interesante para optimizar ☺

Lo que se suele hacer es dividir el vídeo en zonas y ver exactamente qué parte puede estar causando rechazo, cansando o cualquier problema que necesite de nuestra pronta optimización para poder sacarle realmente partido.

• ¿Hay alguna sección del video que se reproduzca más de una vez por visita?
• ¿Cuál es la sección menos vista?
• ¿En qué punto del vídeo se producen más abandonos?
• Si el vídeo se muestra en más de una página… ¿dónde funciona mejor a nivel de visitas?

No olvidar una métrica que puede contaminar nuestros resultados, el tiempo de carga del vídeo, ya que si los resultados de las KPIs de Enganche son negativos puede tener algo que ver que se tarde mucho en cargar el vídeo.

Conversión (empuje para conseguir objetivo)

• Número de usuarios que ven un vídeo y convierten

No olvidemos agregar contexto a esta métrica:

• % conversiones con vídeo / total de conversiones
• Si el vídeo se muestra en más de una página… ¿dónde funciona mejor a nivel de conversiones?
• Precio medio transacción con vídeo / precio medio transacciones totales
• tendencia de estas métricas a lo largo del tiempo

Si segmentamos por vídeo visualizado, podremos tener una estadística bastante fiable de qué videos están ayudando de forma directa a la conversión.

Retención

• Número de vídeos vistos por visita

Segmentado por cada uno de los vídeos de la web nos puede ayudar a reconocer los vídeos que funcionan mejor para retener a los usuarios y encontrar sinergias entre productos o formas de mostrarlos que nos permitan sacarle el máximo partido a este tipo de comunicación.

Si el vídeo lo sacamos a otras plataformas además de nuestro sitio web, como en YouTube, Facebook, etc. será muy interesante el comprobar el interés generado fuera de contexto y si las demás métricas son similares (tiempo de carga, tiempo medio de visualización, número de veces compartido, etc.). Muchas veces, el utilizar las Redes Sociales para tener más datos sobre el rendimiento de un vídeo nos puede ayudar a detectar problemas o a viralizarlo de forma que forme parte de nuestra estrategia online.

Con una herramienta de analítica web (desde Google Analytics a cualquier otra de pago como Webtrends o Adobe) se puede medir cualquier métrica de las comentadas arriba, incluso definir un objetivo asociado al video de forma que luego podamos segmentar para poder profundizar en el comportamiento previo y posterior de los usuarios que interactúan con el vídeo:

• ¿En qué se parecen estos usuarios?
• ¿Qué contenido visualizaron previo al vídeo?
• ¿De dónde venían?
• ¿Qué buscaban para llegar al vídeo?
• ¿Qué hicieron después de ver el vídeo?
• ¿En qué se diferencian del resto de usuarios?
• ¿Qué porcentaje de usuarios dejaron la web después de ver el vídeo?

De esta manera, podremos sacar patrones de conducta que nos permitan aprender dónde es mejor colocar el vídeo, dónde hacer publicidad del mismo, qué tipo de venta cruzada podemos generar, etc. Además, con este seguimiento podremos determinar si el vídeo ayuda a incrementar o no las ventas, qué tipo de contenido funciona mejor y para qué, qué longitud debe tener, etc. Un ejemplo de dashboard para este tipo de información sería el siguiente (hecho en excel):

No hay suficiente tiempo para medirlo todo, lo sé :)

“Una relación es como un tiburón; tiene que estar continuamente avanzando o se muere. Y me parece que lo que aquí tenemos es un tiburón muerto.” Annie Hall

Aunque no hayamos tenido actividad previa en Redes Sociales, sí que podemos hacernos una idea de cuáles son los números que necesitamos para considerarlo un canal interesante para la venta.

Si nuestro objetivo en Redes Sociales es vender un 5% más de nuestro negocio o conseguir un 5% más de contactos (emails o teléfonos) en el próximo trimestre, lo primero que haremos es traducir ese porcentaje en unidades de venta: si el 100% de nuestras ventas o contactos son 1.000, un 5% de esta cantidad son 50 unidades. Es decir, para alcanzar nuestro objetivo en Redes Sociales hemos de vender 50 unidades o hacer 50 nuevos contactos en el próximo trimestre.

Si la tasa de conversión de nuestro sitio web es del 2%, significa que para conseguir ese total de 1.000 ventas o contactos necesitamos 50.000 visitantes. Por lo que podemos deducir que para vender 50 unidades más o menos necesitaríamos tener 2.500 visitantes desde el canal de Redes Sociales. Lógicamente esto no es exacto, cada canal tiene sus propias características y comportamiento pero la previsión del total del sitio web nos sirve para tener claro desde el primer momento que no es tan importante el número de followers o fans o amigos que tenga nuestra empresa como el número de usuarios que logramos atraer a nuestra web.

Es decir, ¿De qué nos sirve tener 5.000 fans si solamente derivamos 100 visitantes a nuestra web (usuarios propensos a la venta)? Cuando vamos a utilizar las redes sociales para vender debemos dejar de hablar en términos de fans, followers, me gusta, RTs, etc… para hablar de clientes potenciales.

Una vez tengamos datos sobre cómo actúan los usuarios de este canal, podremos afinar mucho más en las predicciones:

Si se han logrado 3.000 visitantes con 3 acciones en Facebook, por ejemplo, para conseguir vender 55 productos por un valor final de 3.300 € en el último trimestre, tendremos una tasa de conversión de 1,8%.

Con esto ya tenemos por dónde empezar a plantearnos bien la estrategia:

Si estas acciones han sido llevadas a cabo en Facebook y durante este trimestre hemos logrado 200 fans, quiere decir que 200 fans han generado 3.000 visitantes y 3.300€.

Lo mismo para webs que no sean ecommerce y necesiten hacer contactos. Una vez más recordar que SIEMPRE hay que valorizar las conversiones, independientemente de si suponen o no ingresos, puesto que son negocio. Si cada contacto generado se valora en 60€, se tendrán los mismos números que en el ejemplo del ecommerce: 200 fans han generado 3.000 visitantes y 55 contactos nuevos, lo que suponen 3.300€.

En ambos casos, cada fan genera unos 15 visitantes y nos puede significar unos ingresos de 16,5€ en el trimestre.

Entonces toca preguntarse… ¿Cómo evoluciona este valor a lo largo del tiempo? ¿Cómo evoluciona este valor en cada acción que llevamos a cabo en la red social? De cara a nuestras promociones futuras: ¿cuántos fans necesitaremos para lograr alcanzar nuestros objetivos?

Es muy importante en el análisis del rendimiento de Redes Sociales como canal de venta la figura del valor del usuario (fan, follower, etc…) ya que incluye otras métricas como tasa de conversión, valor medio por acción completada, número de visitantes y número de conversiones.

• Valor por visitante = ingresos / número total de visitantes

Si lo cruzamos con el Coste de visitante, tendremos una medida interesante para saber cómo están funcionando nuestras estrategias en el canal:

• Coste por visitante = gastos / número total de visitantes

Es decir, si cada acción en Facebook nos cuesta 100€ y hemos realizado 3, los costes han sido de 300€ en total. En nuestro ejemplo, cada visitante desde Redes Sociales nos ha costado 0,1€ (300€ de gastos / 3.000 visitantes). Y cada visitante nos ha generado 1,1€ (3.300€ de ingresos / 3.000 visitantes), por lo que por cada nuevo visitante se logra 1€ (1,1€ de ingresos – 0,1€ de gastos).

Analizar esta métrica de forma periódica nos ayudará a determinar qué acciones funcionan mejor de cara a cumplir los objetivos de venta. Es decir, esta métrica ayuda a saber qué promociones valen la pena como inversión para captar usuarios de calidad, transformamos la estrategia en negocio. O dicho de otro modo, sabiendo aproximadamente cuánto vale un visitante de este canal, podremos determinar cuánto podemos gastar para captar visitantes de este canal para que nos sea rentable.

Si la herramienta de analítica web lo permite (Google Analytics, Omniture lo hacen, por ejemplo), debemos tener en cuenta el cruce o canibalización de canales. Es decir, dependiendo del producto o servicio ofertado, puede que un visitante necesite de más de una visita para finalmente convertir.

Y puede que el primer contacto del visitante con la web sea una promoción en Facebook, o en un blog, o en Twitter o un vídeo de YouTube. El visitante llega a la web, estudia el producto pero no lo compra. Pasados unos días vuelve a la web y compra (o se da de alta) pero llega desde un buscador o un email por ejemplo. Saber qué porcentaje de conversiones tienen como punto inicial las Redes Sociales es vital para tenerlo en cuenta de cara a la estrategia a seguir por el negocio, si no es un canal de finalización de compra pero sí de primer contacto, hay que tratarlo como tal y no pedir resultados de compra final sino de contacto inicial.

Si queremos que las Redes Sociales sean un canal de venta, hay que tratarlo como tal y medir lo que interesa para sacarle el máximo partido. Detrás habrá una labor del responsable de dicho canal, de saber qué tipo de mensaje es el adecuado, cuándo es mejor lanzarlo, en qué red social y qué tipo de usuarios interesa tener de aliados.

El analista web puede ayudar con todos los datos disponibles a saber dónde, cuándo y qué mensaje funciona mejor de cara a objetivos, pero la estrategia lógicamente viene por un estudio exhaustivo del rendimiento del canal en base a la actividad que genera.

Mi experiencia hasta la fecha con Redes Sociales como canal de venta en varios clientes es que se necesitan más visitantes que en otros canales para lograr la conversión, pero el precio medio de compra es bastante superior al resto de canales… ¿Es también tu caso? ☺ ¡No dejemos que nuestro negocio en las Redes Sociales se convierta en un tiburón muerto!

Más información:

• Mide y Analiza: cómo sacarle partido a un blog
• Mide y Analiza: medir en Redes Sociales

Este 2011 podemos estar muy orgullosos de los resultados que hemos obtenido en el uso de las redes sociales a nivel mundial. comScore, empresa dedicada a los estudios de mercado online, ha presentado la semana pasada su estudio anual de uso de Internet, redes y móvil, algunos de los datos más relevantes os los presento en este post.

• 1 de cada 5 minutos de tiempo online está siendo empleado en redes sociales, frente a apenas un 6% a principios de 2007.

• Los sites líderes: Facebook, ahora llega a un uso del 82% de la población conectada a Internet en el mundo, alrededor de 1,2 millones de personas en total. Este crecimiento se está dando en todos los países (41 de los 43 países consultados, con una penetración de más del 85%).

En estas cifras hay datos muy diferentes en relación a los países que participan, por ejemplo: hay personas en América Latina que pasan una parte importante de su tiempo online en sitios como Facebook o Twitter, exactamente del orden del 28% de estas personas emplean 7,6 horas al mes.

En Asia, en cambio,  es del 11% y menos de 3 horas por mes. Esos son los promedios generales y están llenos de anomalías. Filipinas, por ejemplo, es en realidad el país más socialmente en red del mundo, con 43% de los usuarios que usan estos servicios, y por encima de 8,7 horas.

Facebook se está convirtiendo en la mayor parte de todo este uso, aunque a como todo tipo de rivales le están surgiendo alternativas. El servicio alcanzó el 55% de la población mundial online en el pasado mes de octubre, con una participación realmente alta: 3 de cada 4 minutos en este tipo de plataformas.

En su mayor parte, se ha incrementado en los primeros lugares entre los países que habían estado previamente en los sitios rivales, como Orkut en Brasil.

Facebook en USA y Europa occidental no crece como en el resto del mundo: Facebook se está quedando sin nuevos usuarios en América del Norte y Europa occidental, el motivo es que ya tienen muchos usuarios conectados de estos mercados.

Mientras tanto, toda una cosecha de otros sitios sociales están en auge en todo el mundo, dirigido por Twitter. El servicio de microblogging ha crecido en un 59% en el último año para llegar a 160 millones de usuarios únicos mensuales en todo el mundo. Profesionales en la red social LinkedIn ha crecido un 55% a cerca de 100 millones de dólares.

Easy-blogging Tumblr es de hasta un 172% a casi 40 millones de chinos de Twitter, al estilo del sitio Sina Weibo muestra un crecimiento casi idéntico (aunque la mayoría en China). Con todo, muchos de estos líderes en el mercado también están mostrando cuán global se es en estos días, con Twitter y Facebook, donde el 80% de sus usuarios son de fuera de los EE.UU..

Datos a tener en cuenta para éste próximo 2012:

• Google + tiene ahora 65 millones de usuarios en todo el mundo.
•  Las mujeres siguen superando a los hombres en el uso de Internet en todo el mundo, por 2 horas o 30% por mes en América del Norte y Europa. Esta es una tendencia a largo plazo que comScore ha visto a través de mayores servicios como la mensajería instantánea. Sin embargo, los hombres han mostrado un golpe de un 10% desde julio de 2010, y poco a poco parecen estar alcanzando a las mujere. Mucho de esto tiene que ver con la edad. El uso se acerca al equilibrio entre los grupos de edad más jóvenes.
• Mobile es crucial para el uso en muchos mercados y en crecimiento, pero sigue representando una minoría de uso general. Entre un cuarto y un tercio de los usuarios en los mercados occidentales informaron del acceso a sitios de redes sociales al menos una vez al mes desde dispositivos móviles.
• Los anuncios siguen tratando de alcanzar los niveles de gasto por tráfico que todos esperábamos ver en otras áreas.
• El uso de correo electrónico ha disminuido en el uso de los grupos de edad más jóvenes, una tendencia que no es probable que cambie.

Descárgate el resto del informe

Todos tenemos luz y oscuridad en nuestro interior, lo que importa es qué parte elegimos potenciar

Harry Potter y la Orden del Fénix

Uno de los problemas con los que nos encontramos los analistas a la hora de analizar es la cantidad ingente de datos que hemos recogido. Entender qué ha pasado se convierte en un reto importante cuando ¡no hay nada que nos ayude a ver la luz!

Yo suelo usar la estadística (a nivel muy muy básico, ¡no asustarse!) en la metodología que sigo en el análisis, sobre todo para entender muy bien las tendencias, el qué ha pasado e intentar dilucidar por qué.

¿En qué me ayuda la estadística? Bien, una de las primeras cosas que hago al enfrentarme a un sitio web es estudiar el comportamiento de diversas métricas a lo largo del tiempo. Por ejemplo, tomo el dato de visitas al sitio web a lo largo del último año. Incluyo el mismo mes del año anterior para comprobar si la evolución tiene una tendencia positiva o negativa, y obtengo desde excel un gráfico como éste:

De este modo, podemos ver cómo los meses más flojos a nivel de visitas en el sitio web son Junio y Julio, mientras que en Abril y Agosto tenemos los picos más interesantes del periodo. Parece que con respecto al año anterior hemos ido perdiendo fuelle.

Pero, ¿no falta algo? El siguiente paso que realizo después de estudiar la evolución es calcular la progresión. Es decir, el cambio real que se ha producido entre cada mes de 2011 en comparación a lo que pasó en 2010. La fórmula exacta es:

Progresión = valor mes año actual / valor mismo mes año anterior – 1

Se calcula exactamente la progresión para cada uno de los meses a analizar y volvemos a consultar el gráfico:

Al estudiar la progresión, podemos ver las visitas desde una perspectiva distinta a la evolución, puesto que no veremos qué pasa de un mes hacia otro, sino qué meses han funcionado mejor en base a la estacionalidad del producto o servicio que ofrecemos.

En el primer gráfico uno de los meses que más destacaba era noviembre, también abril tenía un pico destacado. Después de mirar la progresión, la atención va más a febrero, octubre y noviembre. Parece que después del verano no se logra remontar el vuelo… ahí es donde hay que analizar más a fondo, empezamos a tener un camino que explorar.

Evolución + Progresión = LUZ

Otras veces lo que tenemos son un montón de variables que suben o bajan a primera vista sin relación aparente. ¿Cómo arrojar luz sobre qué métricas tienen que ver con otras? La regresión lineal nos ayuda ☺

Desde Excel únicamente necesitaremos una tabla con los valores de las métricas a estudiar:

La idea es ir combinando variables para saber si existe relación entre sus valores. Es decir, ¿sube la tasa de rebote al subir los visitantes nuevos? ¿Suben los ingresos si suben las visitas desde keywords con nuestra marca? Buscar relaciones entre métricas nos ayudará a reconducir una estrategia, a prevenir problemas mayores, a aprender de lo que estamos haciendo bien, etc…

¿Cómo funciona la regresión lineal? Se basa en el coeficiente R2, que saca la relación lineal entre dos variables. Cuando este coeficiente esté próximo a cero, indica que no hay relación entre las variables. Cuanto menos se acerque a cero, existe relación. Si el valor es positivo, indica que cuando una de las variables sube, la otra también lo hace. Si el valor es negativo, que cuando una de las variables aumenta la otra disminuye. ¡Luz Luz Luz! ☺

En el ejemplo, podemos ver cómo el aumento o disminución de los usuarios captados nuevos no influye en los ingresos conseguidos puesto que el coeficiente tiende a cero:

Sin embargo, al comparar los ingresos con la tasa de rebote, podemos comprobar cómo sí que existe una relación, al aumentar los ingresos si la tasa de rebote disminuye. Es decir, en el ejemplo, hay un 95% de ¡Luz! Focalizando esfuerzos en disminuir la tasa de rebote estaremos en el buen camino:

Podemos meternos más en este tipo de análisis de relación y correlación, combinando todas las métricas que se nos ocurra, yo lo automatizo en excel para que las combine según las voy alimentando de Google Analytics y la verdad es que salen conexiones que nunca se nos hubieran ocurrido… al menos a mí.

Finalmente, con la función TENDENCIA de Excel podremos intuir el valor futuro de una métrica teniendo en cuenta sus valores en periodos anteriores:

Si tenemos valores de enero a septiembre y queremos estimar el valor de octubre, usaremos esta función, que nos dará un resultado sobre el que podremos basar nuestra predicción o estimación del valor del siguiente periodo:

Así podremos adelantarnos al tiempo y saber lo que nos espera, tendremos más pistas de por dónde debemos tirar. ¡LUZ! ☺

Son conceptos muy básicos de estadística que nos servirán, no para hacer un estudio estadístico profundo, sino para desatascarnos en el análisis de los datos de cara a decidir por dónde podemos empezar a meter mano para optimizar el sitio a analizar.

Para ahondar en cómo estos modelos estadísticos pueden ayudar en el día a día de un análisis web hay ejemplos en estos enlaces:

Regresión y Correlación

Regresión lineal

Correlación

Creo que es muy interesante que, sea cual sea tu experiencia o estudios como analista web, conozcas la existencia de estos conceptos para poder hacer un análisis exhaustivo de las métricas y ver la luz cuando nada parezca tener mucho sentido ☺

“Algunas veces, para poder ver la luz, hay que arriesgar la oscuridad.” Minority Report

En la línea de lo que he aprendido en la conferencia de eMetrics en Nueva York (la más importante de la industria de analítica web a nivel mundial), me gustaría comentar una de las mayores equivocaciones que tenemos los analistas web a la hora de enfrentarnos a un análisis sobre la web.

Nos centramos en conversiones. Nos centramos en objetivos. Quién los cumple, cuántos son, qué porcentaje sobre el total, de dónde han venido, a dónde han ido después, con qué palabra clave les relacionamos, etc etc. Ojo, estos usuarios suelen suponer únicamente el 2% del total de nuestro tráfico en la web.

Esto no está mal, de hecho nos ayuda a saber dónde nos encontramos, cómo son nuestros clientes y nos ayuda a identificar los canales o landing pages o keywords que nos ayudan a conseguir el éxito. Nos centramos en el 2% que nos quiere.

Pues bien, no nos debemos centrar en las diferencias entre los clientes sino que deberíamos centrarnos en los puntos que tienen en común los no clientes (de dónde vienen, qué hacen, cómo lo hacen…). ¿Por qué? Pues porque conocer estas semejanzas nos llevará a saber dónde debemos atacar, dónde podemos meter mano para mejorar. ¿Cómo? Seguiremos una metodología.

Hay 3 niveles de no clientes:

• 1. Los que están a punto de ser clientes. Esos que se quedan a las puertas y necesitan un pequeño empujón para finalmente ser convencidos. Les podremos localizar en nuestras páginas de carrito, han metido productos y no terminan de hacer el checkout o bien se han quedado en la última página antes de la compra. Si los analizamos bien, sabremos el punto de fuga preferido por estos clientes, los productos que nunca llegan a comprar… Es decir: ¿qué tienen en común los no clientes que están a punto o estuvieron a punto de serlo? Seguramente lo que toque aquí será mejorar una parte del proceso de compra, saber qué hay que optimizar, o al menos por dónde empezar a optimizarlo.

• 2. Los que deciden no ser clientes. Son los que llegan a nuestra web, vomitan y se van. Es decir, los que llegan y se largan puesto que no les hemos gustado o no somos lo que estaban esperando. Aquí lo tenemos un poco más difícil que con los clientes del grupo 1. Nuestra meta es que con el proceso de optimización movamos un alto porcentaje del grupo 1 a ser clientes y un alto porcentaje del grupo 2 al grupo 1 ☺ Esto podremos conseguirlo optimizando las páginas donde aterrizan los nuevos no clientes desde la publicidad equis. Hay que estudiar qué tienen en común los puntos de entrada por los que los no clientes nos abandonan después de echar un primer vistazo. Hay que estudiar qué tienen en común los mensajes de captación o las keywords que utilizan los no clientes que vomitan. Y empezar a optimizar por ahí. ¿Son todos nuevos visitantes? ¿O son propensos a visitarnos y vomitar? ¿Qué tienen en común?

• 3. Finalmente tenemos a los no clientes porque no saben que existimos. Aquí lo que hay que optimizar son las campañas de captación en todos los canales. Esto es más cosa del departamento de marketing, aunque el analista debe ayudar a saber cómo está distribuyéndose el presupuesto de marketing y qué funciona y qué no funciona. Para poder darle más presupuesto a lo que pueda llegar a más gente, que podamos tocar a aquellos que no nos conocen y que pasen al grupo 2, al grupo 1 o incluso ¿por qué no? al grupo de clientes directamente ☺

Los no clientes son una fuente mayor de conocimiento que los clientes satisfechos. Debemos centrarnos en los intentos de conversión, no en la conversión en sí.

Entonces ¿cómo podemos centrar esto en una metodología de ataque? Con las microconversiones. No centrarnos en el objetivo final, en la conversión a cliente, sino identificar qué acciones están tomando los no clientes y qué les está llevando a que no pasen de ahí, que no lleguen nunca a la macroconversión. Hay que pensar que con cada microconversión estaremos más cerca de llegar a la macroconversión. No hay que pasar por todas las microconversiones para llegar a nuestro objetivo (menos mal) pero sí el ir sumando microconversiones significa que estamos logrando interesar al usuario, que le estamos enganchando, que se lo está pensando.

Como proponía antes, si nos centramos en qué tienen en común los no clientes, podremos saber qué andaban buscando y en qué punto han decidido desistir. La primera métrica de microconversión será por supuesto la tasa de rebote. Todo aquel que llegue a nuestro sitio web, independientemente de por dónde entre, qué haya visto primero, etc… necesitamos que pase a una segunda página o que esté en nuestro sitio web más de 10 segundos para convencerle de que valemos la pena.

Lógicamente algunas microconversiones serán más interesantes para el negocio que otras, al final están en distintos niveles, unas más cercanas a la macroconversión que otras.

Yo prefiero pensar que hay distintos niveles, tantos como queramos en nuestro negocio. Empezamos por el estado del Interés, dividido en primario y real.

Lo primero es la tasa de rebote, que representa el interés “primario” en nuestra web, seguiríamos por el interés “real”, con microconversiones tales como que se use el buscador interno, que se vea la página de Sobre Nosotros, que se visiten las páginas de producto. En el caso de no ser un ecommerce, que se interesen por lo que hacemos, por nuestras noticias, por nuestro contenido… ¿Qué páginas, qué términos se buscan, qué miran justo antes de “Sobre Nosotros”, qué producto… tienen en común nuestros no clientes? ¿De dónde vinieron? ¿Dónde habían aterrizado? Todo aquello que denote un interés creciente en el usuario.

Nuestro objetivo con este tipo de microconversiones es lograr pasar al siguiente estado: el enganche.

Seguimos con las microconversiones de “enganche”, para mí las más normales serían ver un vídeo, leer reviews sobre un producto, clicar en el botón de más información sobre un producto, hacer más grande una imagen para verla en profundidad, que visite nuestros perfiles en social media, utilizar los botones de SM del sitio web… ¿Qué tienen en común los que no logran pasar al siguiente estado? ¿Qué han visto? ¿Qué han dejado de ver? ¿Eran usuarios nuevos o recurrentes? ¿Qué tienen en común?

Nuestro objetivo aquí sería llevar al no cliente al estado “preparado para ser cliente”.

Estas microconversiones son del tipo añadir productos a un carrito, rellenar un formulario para pedir más información sobre un producto/servicio, registrarse para recibir una newsletter, apuntarse a un blog,… ¿Qué productos son los que más se añaden y luego quedan sin empezar el proceso de compra? ¿Qué formulario no se termina de rellenar? ¿Son usuarios que vuelven pero no pasan de nivel?

Finalmente tenemos las microconversiones del estado final “necesito un leve empujoncito y ya”.

Empezar el checkout, empezar a darse de alta online, que visite la página con nuestro teléfono. Aquí es donde entran en acción los llamados embudos de conversión, interés real en ser cliente -> ¿dónde y por qué les estamos perdiendo? ¿Con qué producto o servicio? ¿En qué punto se produce exactamente la evasión?

Cada página en la web debe tener una microconversión asociada (salvo las páginas de confirmación de la conversión). Y sabremos qué página pertenece a qué tipo de microconversión. Cada página tiene un objetivo al menos que ha de cumplir y podremos localizar las páginas que no están alcanzando estos microobjetivos cuando tengamos un alto porcentaje de usuarios perdiendo el interés/enganche/casisoycliente en esta página. Así podremos focalizarnos en realizar una optimización concreta y con todas nuestras armas sobre lo que es necesario.

El estudio de las microconversiones nos ayudará a priorizar, ¿quién tiene el dinero suficiente para rediseñar un sitio web, por ejemplo? Por lo menos, el poder ir paso a paso con aquellos puntos de la web que impiden a los no clientes convertirse en clientes nos dirá por dónde es necesario empezar. Tendremos la página donde está el problema, el anuncio de la campaña que no está funcionando como debiera, la keyword que no funciona debidamente atrayendo visitas de calidad…

Y lo más importante de todo, el analizar la web desde el punto de vista de las microconversiones nos permitirá dibujar un mapa con detalle de cómo es el comportamiento de nuestros usuarios en la web, así como las páginas o procesos involucrados en cada uno de los niveles y detectar dónde pasan de uno a otro nivel los no clientes. Así, intentar guiarles de forma más sólida y segura hacia la siguiente microconversión para alcanzar la conversión final. Es decir, arriesgarnos en la oscuridad para intentar llegar a la luz :)

“Debo mantenerme zereno para no caer en la locura. Demaziado tarde…” El Gato con Botas en Shreck

Sinceramente, creo que no le sacamos el máximo partido a los blogs. Así lo afirmo, sin paños calientes. Muchas veces las únicas métricas a las que hacemos caso son el número de visitas que recibimos (dato cuantitativo) y el tiempo de estancia en el blog (lo usamos como dato cualitativo). Cuanto más altos son los valores de estas métricas, más felices nos quedamos. Pues mal. Muy mal.

Veamos, si uno tiene un blog es por algo. Sí, queremos que nos lean y que nos comenten y que se mueva por Twitter y que nos den a Google +1 y a Facebook like… Ese es el objetivo que podemos perseguir por cada artículo que escribimos, ser referentes en nuestro campo. Pero no nos podemos quedar ahí.

Con un poquito más de esfuerzo podemos hacer las cosas de otra forma, podemos hacer las cosas bien ☺

Vamos a ello: a intentar medir el rendimiento real de nuestro blog.

Lo primero que debemos hacer es determinar qué objetivo perseguimos con el blog. No debe ser difícil saberlo. Un blog nos quita tiempo. Un blog nos supone un esfuerzo, al escribir, al documentarnos… Es decir, un blog nos “cuesta” dinero, es una inversión. ¿Una inversión para qué? ¿Cuál es el objetivo que perseguimos realmente con el blog? Parémonos un segundo y tengámoslo claro antes de seguir adelante.

Cuando tengamos ya claro el principal objetivo del blog, hay que pasar a la siguiente fase: determinar qué tiene que pasar en el blog para que se cumpla nuestro objetivo. Ilustremos este paso con varios ejemplos:

Si el objetivo de nuestro blog es:

• Conseguir el máximo número de suscriptores al blog -> fijaremos la url de confirmación de suscripción al blog como éxito del objetivo.
• Conseguir ser referente en la materia -> podemos fijar la url de “quien soy” o “datos de contacto” como éxito del objetivo.
• Que se hagan fans de la página de mi empresa en Facebook -> fijaremos el botón de “síguenos en Facebook” como éxito del objetivo.

Y así sucesivamente. Lo importante es tener claro qué tiene que pasar en el blog para considerar que estamos teniendo éxito en nuestro objetivo principal. No tiene que ser nada rebuscado, usemos el sentido común.

Una vez aquí, lo siguiente es abrir nuestra herramienta de analítica web. Pongamos que es Google Analytics, lo que hemos de hacer es dar de alta este objetivo para poder seguir adelante.

En el ejemplo siguiente, tomamos el objetivo de conseguir el máximo número de suscriptores al blog. Por lo que ponemos el título “Suscripción Email” y tomamos la URL /confirmacion.html como cumplimiento de este objetivo.

Atención a lo más importante de este paso: dar valor a este objetivo. En el ejemplo hemos determinado que cada vez que se cumpla este objetivo, logramos 0,2 euros.

Dejamos que pase un mes para recolectar datos y en ese periodo de tiempo escribimos 3 artículos. Nuestra misión será saber qué artículo ha funcionado mejor de cara a conseguir nuestros objetivos.

¡Ojo! No tiene por qué ser el artículo más leído, ni siquiera el más retuiteado o el que más comentarios genera. Tiene que ser el artículo que más suscripciones haya generado.

Imaginemos que en este mes, entraron 500 visitas y 5 se dieron de alta en la suscripción.

Mi tasa de conversión será: 5 suscripciones / 500 personas = 0,01%.

Pero… ¿qué artículo me proporciona las suscripciones?

Estos son los datos que hemos recogido este mes:

Artículo 1 nos genera 300 visitas y 3 suscripciones
Artículo 2 nos genera 100 visitas y 1 suscripción
Artículo 3 nos genera 100 visitas y 2 suscripciones

Como cada suscripción nos genera 0,2 puntos, tenemos un campo que automáticamente se genera en Google Analytics asociado a cada página:

Índice de Ingresos = conversiones * valor objetivo / visitas a la página

Por lo que:

Artículo 1 = 3 suscripciones * 0,2 / 300 visitas = 0,2
Artículo 2 = 1 suscripción * 0,2 / 100 visitas = 0,2
Artículo 3 = 2 suscripciones * 0,2 / 100 visitas = 0,4

Esto quiere decir que es el artículo 3 el que mejor resultado me ha dado en base a conseguir suscripciones. Probablemente el siguiente paso para optimizar nuestro blog debería pasar por seguir hablando de la temática utilizada en el artículo 3 e intentar llegar a más visitas para aumentar el ratio de conversión.

En Google Analytics (versión antigua) se encuentra dentro del menú Contenido. No olvidemos ordenar por el campo Índice de Ingresos y ponderar la clasificación, así podremos clasificar por las páginas más importantes a nivel de volumen:

Aquí lo tenemos, cuánto “vale” cada página o cada artículo de nuestro blog en base a nuestro objetivo principal: conseguir suscripciones al blog. Hay que tener en cuenta que Google Analytics concede el valor del objetivo a todas aquellas páginas involucradas en la conversión. Es decir, si una visita lee los 3 artículos del mes en la misma visita y decide suscribirse, entonces cada uno de los artículos logrará el valor del objetivo.

Lo interesante será ver la evolución en la consecución de cada objetivo y determinar qué tipo de contenido ayuda mejor a conseguirlo. Incluso qué día de la semana ayuda más a la conversión, qué canal… segmentar por todo lo que se nos ocurra para optimizar al máximo nuestro blog teniendo siempre en mente nuestro objetivo.

¡Ojo! Esto no quiere decir que dejemos de lado las métricas básicas en medición de blogs, como las visitas y la actividad que genera cada artículo. Pero si nuestro objetivo principal no trata solamente de lograr visitas sino que va más allá, va de obtener un alto rendimiento, hemos de cambiar nuestra estrategia de medición e ir más allá.

El siguiente paso es dar de alta todos los objetivos que persigamos con el blog en Google Analytics. Hay que priorizarlos y darles valor en base a esa prioridad. Por ejemplo, si el objetivo principal de mi blog es la suscripción pero también me interesa que visiten mi sección de “contactame” y que se sientan interesados por mi usuario de Twitter, he de dar de alta 3 objetivos distintos con sus correspondientes mediciones de éxito (“url de suscripción confirmada”, “url de sección de contacto”, “evento de click a botón de sígueme en Twitter” respectivamente) y 3 valores de objetivo, que pueden ser de igual valor o de distinto valor si me interesa más uno que otro.

Seguiremos los mismos pasos que hemos relatado y sabremos cómo funciona cada página a nivel global de consecución de objetivos. Para saber el rendimiento de cada página a nivel de cada objetivo hemos de definir un segmento avanzado para cada consecución de objetivo y volver a cargar el informe de rendimiento de Contenido.

El bonus viene cuando además segmentamos por la fuente de origen al artículo y aprendemos qué tipo de artículo interesa a cada canal (qué interesa en redes sociales, qué en google, qué interesa a los fieles de tráfico directo…).

Cuando te quieras dar cuenta, habrás sucumbido a la locura de medir… Demasiado tarde para seguir midiendo solamente visitas y tiempo de lectura en el blog ☺

“Queridos amigos, lo que han cambiado las cosas, y lo rápido que se mueve todo aquí fuera. Cuando era niño vi una vez un coche, pero… ahora están por todas partes. Este maldito mundo va demasiado deprisa.” Cadena Perpetua

Si hay una tendencia ascendente en este 2011 en materia de marketing es sin duda el marketing en el móvil. Si observamos detenidamente los distintos dispositivos que utilizan los usuarios para conectarse a nuestras páginas, da igual el tipo de web que tengamos, los accesos son cada vez más numerosos desde un dispositivo móvil.

Esta tendencia ascendente es normal, ya que las acciones en este tipo de dispositivos son mucho más inmediatas ya que se puede acceder desde cualquier lugar (recordemos aquel estudio no muy ortodoxo en el que el sitio donde aparentemente se usa el Ipad es el servicio, jejeje).

Pero sobre todo (y para mí lo más importante) se puede segmentar de forma más fidedigna a la audiencia y medir los resultados. Esto me lleva a la pregunta que todos los frikis analistas tenemos en mente: ¿y qué podemos medir exactamente? ¿Qué tipo de métricas son las que mejor reflejan el rendimiento de mi negocio en los dispositivos móviles?

copyright Webtrends

A nivel de medición debemos separar los dos tipos de negocio que podemos encontrar en el móvil.

El primero es el negocio de las aplicaciones. Las preguntas que debemos hacernos en este caso tienen que ver con si los usuarios encuentran nuestra aplicación, si la descargan, si la usan, si la valoran, si les logramos retener y se convierten en clientes….

Los ratios en este caso son importantes, más que el volumen de descargas o los números absolutos: ¿qué porcentaje de usuarios que se descargan la aplicación la usa habitualmente? ¿Qué porcentaje la ha valorado positivamente? ¿En qué momento del ciclo de vida de la aplicación nos encontramos? (evolución del ratio de nuevos usuarios / usuarios ya conocidos).

Así sabremos cómo son los usuarios que utilizan nuestras aplicaciones. Pero no podemos parar aquí, faltaría lo más importante: ¿Es rentable?

Si nuestro objetivo por ejemplo era el darnos a conocer, pongamos el caso de la aplicación para iPhone de Minube. Si uno se baja la aplicación en el móvil, puede acceder a las opiniones de los usuarios sobre los destinos y restaurantes más sugerentes, con fotos, etc… Lógicamente importa saber el número de usuarios a los que ha seducido esta aplicación, pero también cuántos la utilizan para decidir un viaje, por ejemplo. No sirve de nada que se baje tu aplicación un millón de personas si luego no la utilizan, no es rentable. Es como tener un millón de fans en facebook si nadie se digna a comentar absolutamente nada. Pues francamente, prefiero tener la mitad de fans y que sí estén lo suficientemente interesados en mi marca como para conversar.

En este caso, como siempre, hay que decidir qué objetivos se persiguen con el lanzamiento de la aplicación, cuánto cuesta publicitarla además del coste de desarrollo y si hemos cumplido dichos objetivos.

El segundo tipo de negocio lógicamente es el que se desarrolla directamente en nuestra web y tiene que ver con el comportamiento de estos usuarios.

Este segmento de usuarios es importante compararlo al segmento del resto de usuarios por lo menos, para crear contexto que nos dé una pista de la magnitud de las métricas que tenemos en el análisis.

Lo primero es conocer a este tipo de usuarios, para saber en qué se parecen y en qué se diferencian del resto de usuarios, recordemos que la personalización se traduce normalmente en éxito. Dar lo que gusta al usuario ☺

¿Cuál es la fuente de entrada preferida por estos usuarios? ¿Vienen de un buscador? ¿O quizás de una determinada red social? ¿Cuántas de estas visitan llegan y se van al primer vistazo? ¿Cuántas páginas ven en cada visita? ¿Qué tipo de contenido es el más solicitado? ¿Cuánto duran de media estas visitas en el sitio web? ¿Con qué frecuencia nos visitan los usuarios de un dispositivo móvil? ¿Mayor, menor o igual que los que nos visitan desde un ordenador?

Una vez tengamos los datos generales de los usuarios de dispositivos móviles, podemos profundizar en las mismas preguntas o métricas pero segmentando por dispositivo, o sistema operativo… ¿Cuanta duración tienen las visitas desde un iPhone en comparación a una Blackberry? ¿Y a un tablet? ¿La tasa de rebote de las visitas que entran por la home es igual en todos los dispositivos? ¿Hay alguno que genere una tasa más alta? Solamente así tendremos los datos suficientes como para saber dónde podemos atacar.

Siguiente paso, la conversión.

¿Qué porcentaje de usuarios de dispositivos móviles logran cumplir nuestros objetivos? ¿Qué porcentaje de transacciones suponen con respecto al total de transacciones realizadas? ¿Y cuántos ingresos han supuesto? ¿Cuál es el valor de cada una de las visitas de un dispositivo móvil? ¿Y la evolución de cada una de las métricas?

Hay que analizar la evolución de los últimos meses para saber si nuestro negocio sigue la misma línea que el mercado en el uso de los dispositivos móviles, con un crecimiento muy alto en el 2010-2011. No sería la primera vez, por ejemplo, que el porcentaje de ingresos de los usuarios de dispositivos móviles no sea muy alto pero el valor medio por transacción duplica o es mucho más alto que el valor medio de una transacción realizada por un dispositivo no móvil.

¿Y para qué sirve entender bien la forma de proceder de estos usuarios? Para varios objetivos: conocer cómo actúan nos da una idea de qué necesitan, de si es necesaria una revisión de la usabilidad, por ejemplo. No es lo mismo una pantalla táctil (tablet) que una pantalla de móvil que una pantalla de ordenador. ¿Por qué las vamos a tratar de la misma manera utilizando el mismo diseño y usabilidad?

Sigamos con el caso de Minube. La aplicación es solamente una pequeña parte de la web. En la web además de compartir fotos y experiencias se puede reservar un vuelo, buscar inspiración sobre viajes dependiendo del tiempo disponible, planificar al detalle cada viaje… es una potente red social para viajeros.

Por lo tanto, los objetivos que tenemos en la web estarán orientados al uso que hagan los viajeros de la red social y lo que se evaluará será el comportamiento de los usuarios de dispositivos móviles con respecto al resto. ¿Reservan vuelos desde el iPad? ¿Generan comentarios con un móvil? ¿Acceden con más frecuencia? ¿Los usuarios de los smartphones consultan el doble de páginas y están más tiempo que el resto? Son buenas métricas para medir la usabilidad, el diseño en los dispositivos móviles y ser capaces de optimizar al máximo la web de cara a estos usuarios, cada vez son más y es importante tenerles en cuenta.

Si conocemos qué tipo de productos o servicios son los preferidos para estos usuarios, podremos adecuar la oferta orientada a éstos por encima de otros que no resulten tan atractivos.

Pero sobre todo recordemos que estos dispositivos suelen ser personales, por lo que es lo más cercano que tenemos a la métrica usuarios únicos = dispositivos = personas. Si somos capaces de identificar dispositivos, somos capaces de identificar personas, saber en qué momento del ciclo del cliente está el usuario, si es la primera vez que compra, si lo hace regularmente, qué tipo de productos o servicios o contenidos consume, qué le interesa, cómo reacciona a determinada publicidad en el mismo dispositivo, etc… por lo que podremos actuar en consecuencia con la mayor rapidez posible, que esto va muy deprisa :)

Más información | ESTUDIO ACCENTURE NOV. 2010 – MARKETING MOVIL

“Hasta las mejores pistas solamente nos llevan a otras” Seven

El mes pasado tuve la oportunidad de mantener una larga conversación con dos expertos en usabilidad a los que admiro profundamente. Uno es Daniel Torres Burriel y otro es Ricardo Tayar. Ambos maños y muy majos ☺

Mi inquietud es cómo puedo, desde la perspectiva de la analítica web, ayudar al experto a saber si la estrategia en usabilidad está o no funcionando. ¿Cómo detectar un problema de usabilidad con los datos que me proporciona la herramienta de analítica web?

Lo primero que debemos hacer es, como siempre, tener muy claros los objetivos de nuestro sitio web. Hemos de pensar como lo haría un experto en usabilidad, en tareas. Dividir nuestro sitio web en tareas y ver si se están cumpliendo o no.

Podemos usar los datos de nuestra herramienta de analítica web como si estuviéramos en un megatest de usuarios, en vez de 12 clientes o potenciales contaremos en nuestro “test” con todos los usuarios que llegan a nuestra web (con un poco de suerte, más de 12, jejeje).

Nos ponemos manos a la obra y ¿por dónde empezamos? Identificando la página de nuestro sitio web donde la usabilidad es más importante: la ficha de producto o la página donde el usuario muestra interés por comenzar la tarea que estamos a punto de medir.

Evaluemos la persuasión de esta página a la hora de llevar al usuario a la siguiente página del proceso. En todas las páginas que tengan que ver con la tarea que tengan que realizar.

• ¿Qué porcentaje de visitas siguen al siguiente paso?
• ¿Qué porcentaje de visitas no siguen al siguiente paso?
• ¿Qué porcentaje de las visitas terminan convirtiendo? Sí, lo que viene siendo en analítica web el estudiar el embudo de conversión del que tanto hablo últimamente.

Es momento de empezar con nuestra siguiente tarea. Averiguar:

• ¿Qué página relacionada con la tarea contribuye más a la conversión? Es decir, ¿por dónde pasan las visitas que terminan convirtiendo? ¿Desde dónde se llega a esta página?
• ¿Qué página relacionada con la tarea pierde más visitas? ¿Desde dónde se llega a esta página?

Identificar estas dos páginas nos servirá para determinar si hay que diseñar un nuevo planteamiento de embudo de conversión. ¿En qué orden de páginas navegan nuestros usuarios?

También para detectar qué página hay que arreglar en base a lograr el mínimo número de abandonos.

Aquí nos suele ayudar el disponer de una herramienta adicional que nos permita ver cómo los usuarios utilizan nuestra página, como CrazyEgg. Podremos entonces comprobar si los usuarios hacen caso de la llamada a la acción relacionada con el cumplimiento de la tarea o los diferentes elementos les confunden y van donde no queremos que vayan.

Evaluemos entonces dónde se va la visita… el peor escenario es cuando deja nuestro sitio web, si no tenemos ni idea de por qué nos abandona en ese punto, ni se nos ocurre cuál puede ser el problema, lo mejor es que lancemos una encuesta para que sea el propio usuario quien nos cuente el motivo de su abandono.

En un escenario más amable, podremos detectar qué información necesita el usuario para seguir con el proceso:

• ¿dónde se va dentro de nuestro sitio web?
• ¿por qué se va precisamente a esa página?
• ¿vuelve hacia atrás?
• ¿ve algo que no esperaba ver?
• ¿no ve algo que esperaba ver?
• ¿qué le hace retirarse?
• ¿qué le falta?

Estudiar la página sabiendo dónde se va el usuario nos da pistas de cómo ve el usuario la página.

Nos puede ayudar también el comprobar si desde las páginas de la tarea se ha utilizado el buscador interno, para determinar por un lado qué no encuentran que esperaban encontrar y tenemos en otro lugar, y por otro lado qué esperan encontrar que no tenemos en ningún lugar de mi sitio web.

Si la página contiene un formulario, el analizar qué campos se han rellenado y qué campos constituyen un problema para el usuario será vital para encontrar puntos de conflicto.

Me encantó la frase de Juan Leal cuando compartimos mesa en la Fundación Telefónica: “La usabilidad es como el tobogán de una piscina, hay que ir reconduciendo al bañista por el tobogán y que acabe cayendo al agua al final del tobogán con una sonrisa de satisfacción”. Nosotros, como analistas web, debemos detectar los problemas del tobogán.

¿Hemos terminado? Por supuesto que no. No se deberían sacar conclusiones sin haber segmentado todo lo que estamos averiguando.

¿Segmentos que me vienen a la cabeza? Fuente de origen, Keyword de origen, Usuario nuevo vs. Usuario repetidor y por supuesto qué camino siguen los que convierten y en qué se diferencia de los que no convierten…

Nuestro reto como analistas web en relación a la usabilidad es ayudar lo más posible a detectar problemas y ser capaces de plantear posibles soluciones. Lamentablemente esta vez no disponemos de métricas esclarecedoras que nos reporten directamente resultados de estrategia, pero si sabemos combinar las pistas, nos conducirán a otras ☺

Enlaces de interés| Guía de Usabilidad de Userfocus.