Gran pregunta. La clave está en conocer a la perfección el segmento a que nos dirigimos y la capacidad de respuesta que dicho segmento va a tener ante un mensaje determinado. Por supuesto, deberemos también garantizar la relación entre nuestro objetivo final y dicho mensaje.

¿Cómo podemos estar seguros de estar dirigiéndonos a un segmento que conocemos durante la elaboración del “mailing list”? Obteniendo la propia lista de correo a través de un programa de gestión que permita establecer reglas de categorización. Mucho mejor aún, en aquellos casos en que los usuarios puedan registrarse en nuestra web, extrayendo la lista de correo de la propia aplicación OLAP vinculada a nuestra herramienta de Analítica Web (mediante una “query” que satisfaga ciertas condiciones resultantes en la segmentación).

Pero podemos aún llegar más lejos: Si nuestra herramienta de Analítica Web facilita la integración con el programa de gestión de listas y envíos de correo, podremos establecer reglas para la automatización de envíos en función de ciertos eventos atados a nuestros KPIs. Y es precisamente esto último lo que permitirá que podamos anticipar la capacidad de respuesta de los destinatarios.

¿Que es la sindicación web?

Actualmente todo sitio web que se precie dispone de algún tipo de sindicación web. Esto es, algún sistema de distribución de contenidos de tu web orientada a ser consultada por otras webs o aplicaciones. Aunque existen diversos tipos de sindicación, los feed RSS son los preferidos por los webmasters.

RSS es un formato XML que define un estándar utilizado por las aplicaciones para comunicarse entre sí. Su funcionamiento es muy simple, tan solo es necesario tener accesible en tu web un fichero XML con el formato definido por el estándar, también conocido como feed RSS, a través del cual cualquier aplicaciones puede acceder al contendido de tu web.

Esto permite a los usuarios acceder a tus noticias a través de un agregador de noticias, una aplicación que accede a tu sitio web a través del feed RSS y extrae el contenido de tu web.

¿Como afecta la sindicación web a los resultados de mi herramienta de analítica?

Se podría pensar que la utilización de este servicio por parte del usuario resta capacidad de análisis a la herramienta de analítica, y esto es cierto en parte:

Dado que el usuario dispone del contenido de la web en su máquina local, ya no necesita acceder al sitio web, con la consiguiente pérdida de visitas. Aparentemente esto es un problema, sin embargo no lo es tanto si tenemos en cuenta el funcionamiento de los agregadores de noticias. El usuario accederá al post si, una vez visto el título y parte de la descripción, le interesa el contenido y desea leer más.

Por lo tanto, con la sindicación RSS perderemos visitas de nuestra página principal, pero conoceremos información acerca de visitantes interesados en cada post. Esto se puede entender como un filtro de usuarios en función del interés por el contenido de los posts.

Por otro lado, dado que los suscriptores acceden a nuestro feed RSS periódicamente (realmente es el agregador de noticias quien consulta el feed), analizando las peticiones HTTP, dispondremos de una lista de nuestros suscriptores actualizada en tiempo real.

En resumen, la sindicación de contenidos genera ciertas barreras para las herramienta de analítica, aunque en mi opinión, hoy en día es un servicio indispensable en todo sitio web.

La Asociación Española de Analítica Web ha firmado un acuerdo con Online Marketing España(OME). Tanto la AEAW como OME completan así sus respectivas alianzas en línea con la evolución natural de tendencias, tecnología y sociedad: Sin duda alguna, la Analítica Web ha pasado a constituir un pilar esencial del Marketing Online.

Uno de los objetivos primarios de mi canal web consiste en la conversión de visitantes en contactos individualizables que han accedido a facilitar su dirección de correo electrónico. Entre otros, mi Scorecard contiene un importante KPI: Ratio de conversiones contra visitas (con independencia de campaña de origen) que han comenzado a “interaccionar” con mi web (el visitante ha demostrado haber superado el umbral de la visita esporádica y fortuita mediante la satisfacción de un “hito” asociado al nivel de profundidad y el número de páginas visualizadas).

Mi KPI ha arrojado resultados negativos en la comparativa con el período anterior o de referencia (el mes pasado). Quiero investigar posibles cuellos de botella en el proceso de “conversión” y he decidido usar, entre otras tablas, un diagrama de “funnel” (embudo de conversión) limitado a tres pasos. El diagrama muestra una caída especialmente grave (¡65% de las visitas!) entre los pasos penúltimo (registro del nuevo contacto que permitirá la descarga de documentos) y último (confirmación del registro).

Genial. Pero… ¿ahora qué?

Necesito evaluar y medir mis opciones de mejora. Podría dejarme llevar por mi propio instinto y el de mis compañeros e introducir cambios en el formulario de registro para simplificar el lenguaje, añadir un vínculo más prominente a la política de protección de datos o reducir el número de campos obligatorios. A continuación tendría que esperar durante al menos otro mes para cotejar los resultados y, sean mejores o peores, podría engañarme a mi mismo creyendo que la comparativa ha tenido lugar en igualdad de condiciones (es decir, el resto de posibles factores no han intervenido en la mejora o empeoramiento). Algo que no tiene visos de llevarme muy lejos.

¿Cómo puedo corregir la “desigualdad” en los factores que se presentan? La respuesta está en el A/Bn o Multivariate testing. Si aislo cada uno de los cambios sugeridos en el formulario (con sus diferentes opciones) y permito que el propio formulario se “componga” dinámicamente a partir de dichas opciones, de modo tal que las permutaciones de unas y otras vayan presentándose aleatoriamente, podré, una vez alcanzado el punto de “significatividad estadística”, evaluar la mejor combinación posible.

Como en todo, el testing puede realizarse artesanalmente o con herramientas de muy alto nivel. A medio camino se sitúan una multitud de soluciones y el Google Analytics Website Optimizer puede ser una (aunque muy básica) forma de comenzar. Aunque el Website Optimizer se queda muy lejos de lo que Vertster u Offermatica puede llegar a ofrecer, resulta bastante eficaz para evaluar diferentes combinaciones de los elementos identificados para el cambio.

(Detalle de Google Website Optimizer)

El Centro de Convenciones de IFEMA (Madrid)acogerá la Search Marketing Expo Madrid los días 20 y 21 de Mayo de 2008.

En el ámbito del marketing estratégico, la segmentación de clientes resulta clave a la hora de articular una estrategia coherente, unificada e integradora.

Se han vertido ríos de tinta para escribir sobre técnicas de segmentación (análisis cluster, discriminante, chaid,…) y atributos descriptivos de los clientes (sociodemográficos, ventajas buscadas, estilos de vida,…) sobre los que basar dicha segmentación. Sin embargo, poco se ha hablado de utilizar KPI para esta vital tarea.

Por definición, un KPI es un indicador de la adecuada “marcha” del negocio en un aspecto muy concreto. Utilizar KPIs para segmentar el mercado de empresas que operan únicamente a través de canales tradicionales podría resultar un absurdo. No obstante, en Internet la situación es bastante diferente.

Para realizar una segmentación de este tipo, podemos abordar el problema desde dos perspectivas no excluyentes entre sí: (1) utilizar los propios KPIs para segmentar y, (2) segmentar en función del concepto representado por el KPI. En este post, esbozaré la primera de las visiones, por tratarse éste de un tema bastante complejo.

Un ejemplo muy sencillo: el KPI genérico “Order Conversion Rate” (recuérdese que el ideal es utilizar KPIs perfectamente adaptados a nuestro negocio) puede ser individualizado por cliente. De esta manera, tendremos un “score” y atributo de segmentación asociado a un cliente concreto, de manera que: (1) podremos compararlo con el KPI Total y, (2) podremos utilizarlo posteriormente para segmentar al conjunto de nuestros clientes, ya sea utilizando únicamente esta variable, ya sea combinándola con otros atributos de segmentación (procedencia geográfica, resultados en búsquedas, conversión por campañas…).

Realizar esta tarea con la única ayuda de una herramienta de analítica web puede resultar muy complicado y desolador, con independencia de su flexibilidad (pienso incluso en WebTrends Analytics y Omniture SiteCatalyst). La razón es sencilla: La herramienta dará únicamente acceso a aquello que haya sido configurado de antemano o lo presentará con importantes limitaciones en el número de dimensiones y medidas disponibles. Es por ello que necesitamos ir un poco más allá y hacer uso de herramientas que permitan el cruzado multidimensional de datos (piénsese en cubos OLAP).

Se nos presentan aquí varias opciones, y me permito destacar dos:
a) Si la herramienta de analítica web permite exportar los datos recopilados en un formato estructurado y abierto podremos trabajar con ellos en un entorno de “Business Intelligence” (Cognos, SAP Business Objects, etc.).
b) Algunos fabricantes de herramientas de analítica web han comenzado a sacar productos al mercado que facilitan precisamente esto: El análisis multidimensional en tiempo real. Este es el caso de WebTrends Visitor Intelligence y Omniture Discover, que facilitan un entorno de segmentación y análisis a partir de múltiples dimensiones y medidas en modo ASP (”Software as a Service”).

El mercado de dispositivos móviles con soporte para navegación por web crece cada día, a la vez que se abaratan las tecnologías que nos permiten conectarnos a la red desde puntos descentralizados: 3G, GPRS o miles de conexiones WI-FI que se reparten en cafeterías, aeropuertos, hoteles, centros de convenciones o incluso nucleos urbanos. Londres, por ejemplo, cuenta con la mayor red WI-FI gratuita de europa cubriendo 28 kilómetros del río Támesis y sus orillas que da acceso a Internet de manera gratuita a una velocidad más que considerable, a cambio de soportar 30 segundos de publicidad cada 15 minutos de conexión.

Modelo de negocio aparte, creo que todos coincidimos en que en un futuro no muy lejano la disponibilidad de conexión será total allá donde estemos, y a un precio razonable que permita al gran público usar estos servicios con asiduidad. Por esta misma razón, la analítica web pide paso de manera urgente en el terreno de los dispositivos móviles para el análisis de pautas de navegación y seguimientos de procesos en nuestros sitios web, que cambiarán radicalmente respecto a los que nos encontramos en los navegadores web de escritorio.

El principal problema es la falta de estandarización en los dispositivos, o más concretamente, en el software de los dispositivos. En un mercado muy abierto, con grandes compañías en diferentes luchas de poder y un gran pastel a repartir entre los más listos, nadie tiene claro cual será la tecnología que llevaremos en el bolsillo en un futuro proximo. Por citar unos ejemplos:

Navegador Web Safari (iPhone) soporta cookies y Flash (con ciertas restricciones), pero no soporta la mayoría de eventos como mouseover o mouseout. Además, los ficheros JavaScript tienen limitada su ejecución a 5 segundos.

Opera Mini es un navegador gratuito para dispositivos móviles que funciona sobre la máquina virtual Java. Sus eventos también están limitados y además tienen un funcionamiento específico, por ejemplo en el evento onChange. También soporta cookies.

Existen muchos otros: Blazer (Palm), Internet Explorer Mobile (Microsoft), Web Browser for S60 (Nokia)… cada uno de ellos con sus diferentes características y carencias, por no hablar de las diferentes versiones de cada uno de ellos que son específicas para modelos de dispositivos en concreto.

La analítica web tiene mucho trabajo por delante en este campo, algo que -personalmente- me resulta apasionante.

¿En qué consiste el Behavioral Targeting? Sencillamente, en personalizar la publicidad presentada a cada visitante en función de su historial de navegación o “comportamiento” en la web. No tan sencilla es la forma en que algunos productos de Behavioral Targeting funcionan: Haciendo uso de inteligencia artificial, estas herramientas “aprenden” sobre la marcha para agrupar a cada visitante, en función de sus patrones de comportamiento, en uno u otro segmento “objetivo” (estos segmentos se definen automáticamente, sobre la marcha), ofreciendo después mensajes publicitarios especialmente adecuados a cada individuo.

El Analista Web que se topa con estas soluciones puede preguntarse si tiene sentido dedicar tiempo al ciclo completo de “Medición-Análisis-Conclusiones-Testeo-Cambios-Medición” cuando este tipo de herramientas han encontrado ya el atajo para aplicar cambios directos en función de un análisis automatizado. Sin embargo, es importante recordar que su alcance se limita casi exclusivamente a la selección de mensajes promocionales entre aquellos almacenados previamente en un “depósito” de múltiples mensajes alternativos. Esto no será por tanto un sustituto para un proceso de Análisis detallado seguido de técnicas avanzadas de A/Bn o Multivariate testing.

We already had a worldwide Web Analytics Association, why a “Spanish” one? Simply, because most of us in the Spanish-speaking world (Latin American countries and Spain) feel completely out of the picture when everything is discussed and dealt with in a language which most people struggle with in these parts of the world.

So what? Learn English! Certainly, an option for some fortunate ones as myself, but not for most. We happen to live in large and populous countries where people’s daily lives do not depend that much on the outside world (or so we like to think, we proud Spaniards, so crap at languages). We even produce our own low-quality soap operas! :). Our many British friends will easily understand this if you ask them to discuss important matters in French or German!

In short: We need this if we are ever going to get serious about discussing Web Analytics. So now we have it. And this “English” section is our door to the outside world. Please check this section out every once in a while, as we will make an effort to publish our most important findings and comparative studies in both languages.

Welcome to the Spanish Web Analytics Association.

¿Me interesa realmente identificar a mis visitantes? Esta pregunta tan inocente puede desatar una catástrofe cuando un especialista en Analítica Web se sienta por primera vez frente a un Director de Marketing que podría ser su jefe directo. La razón estriba en que el Analista Web piensa a menudo en “tendencias”, “significatividad estadísitica” y KPIs calculados contra períodos anteriores o “benchmarks” de industria y actividad, mientras que el Director de Marketing piensa en individuos con nombres y apellidos (la Agencia Española de Protección de Datos es el coco de sus pesadillas), segmentos eternamente desglosables y “targets” que se transforman en oportunidades y ventas.

Pues bien, la Analítica Web avanza inexorablemente hacia un atractivo punto medio entre ambas posturas: El perfilado y la segmentación de visitantes sin llegar a su identificación personal. Entre otras cosas, la Analítica Web se ha erigido en el núcleo de las actividades de Marketing Online, permitiendo la definición de segmentos directamente vinculados a actividades de seguimiento o campañas de origen.

En conclusión, y para calmar a la fiera en el departamento de Marketing: No necesitamos identificar individualmente al visitante para desplegar una estrategia ganadora de Analítica Web y Marketing de Resultados. Lo que realmente queremos es agrupar al visitante desde una multitud de perspectivas dinámicas y susceptibles de intercruzado.