El primer paso para realizar un análisis Web es saber la información que desea obtener el cliente de su página Web. Para ello, la Analítica Web, se vale de los requerimientos.

Dichos requerimientos comprenden todas las áreas relacionadas con la determinación de las necesidades u objetivos. El analista Web podrá diseñar los modelos de análisis más idóneos para dar respuesta a la cuestión anterior.

Una de las formas más comunes para obtener información de esas necesidades son las entrevistas personales, aunque también se pueden rellenar formularios.

A partir de los requerimientos, podemos establecer los llamados KPIs que son indicadores de rendimiento que nos da a conocer el progreso hecho para lograr los objetivos determinados. Podemos distinguir 5 grandes grupos a la hora de aplicar KPIs:

• E-Commerce: Revenue, New vs. Repeat Buyers…
• Contenido: Page views, Time spent on site…
• Generación de Contactos: Search engine referrals, Email marketing referrals…
• Autoservicio: Average cost per service method, Click stream progression…
• Branding: Referring sites, Contest registrations…

Una vez establecidos los KPIs, las herramientas de análisis nos ayudarán a saber qué es lo que realmente interesa de nuestro sitio Web, sin necesidad de suponerlo. Algunas herramientas nos mostrarán directamente los KPIs, pero en algunas otras será necesario realizar una exportación de datos a Excel y calcularlos desde el mismo.

El estudio detallado del sitio es fundamental, ya que las visitas pueden ser quienes generen futuros negocios que pueden llegar a ser muy importantes para la empresa. Este estudio no solo nos permite determinar cuál es el comportamiento de los visitantes, sino que nos ayuda también a saber cuáles son las páginas más vistas, la duración de la visita, temas más visitados, número de clicks que realizan, buscadores más utilizados…

(Traducido del artículo original en inglés)

El tráfico web de navidad es una valiosa fuente de información para que cada propietario aproveche sus sitios web. La probabilidad de que el tráfico se incremente, especialmente con sitios web de comercio electrónico durante el periodo de Navidad es alto.

Blogs, video portales y sitios web Informativos tienden a conseguir más tráfico en Navidad debido a que la gente tiende a navegar por sitios web externos a su negocio mientras piensan en sus prometedoras vacaciones. Los sitios de comercio electrónico que ofrecen productos navideños consiguen el mayor incremento por razones obvias. Es particularmente útil ver que los patrones de navegación del usuario de comercio electrónico y de informativos son iguales.

Si estas trabajando con un sitio de comercio electrónico dirigido a compradores de Navidad puedes suponer con confianza que la mayoría de los usuarios quieren encontrar un producto, comprarlo y recibirlo con la menor molestia posible. Así, los puntos de salida, páginas de salidas y formulario de retroalimentación debería ser el enfoque del propósito para sin problemas reducir la usabilidad e incrementar las tasas de conversión.

Ten en cuenta que el entendimiento del patrón de navegación de los “nuevos usuarios” es tu oportunidad de incrementar tu media de cuenta de “usuarios repetidores”.

Páginas de salida

Este es el punto de comienzo para perfeccionar uno de los problemas de tu sitio web. Descubrirás que una gran cantidad de tráfico de salida tienden a ser desde la home o página de entrada. Si en su sitio web el usuario ha gastado más de 40 segundos o ha buscado al menos 3 páginas entonces este es un lugar natural de salida de su sitio web. Sin embargo, si tu promedio de usuarios han gastado menos tiempo y no navegan a través de otras páginas, ésta se conoce en la industria como su página de abandono o tasa de abandono. Hay muchas variables que pueden estar atribuidas a la alta tasa de abandonos y aquí hay algunos:

-Introducciones con flash o páginas de Bienvenida.
-Mala orientación de la publicidad, el marketing y la promoción.
-Fraudes en los click de campañas de pago.
-Páginas principales con demasiadas opciones (escasa usabilidad)
-Repeticiones de gráficos de Flash y demasiados anuncios externos como banner y links.

Para la profundización de las salidas en tu sitio web (no la página home) el truco es ver la página anterior y el link anterior a tu página de salida. Mucha gente hace click en un link descriptivo sólo para encontrar la información no consiguen información que
están mirándolo. Por lo tanto todos los análisis de descripción anterior a la página de salida.

Puntos de salida

Éstos podrían ser cosas como formularios que necesitan ser rellenados para cartas de crédito de compras, formularios para la información adicional y formularios de bienvenida. También, elementos de páginas como clips de vídeo, banners, foros interactivos, blogs, etc. Un bueno instrumento de analítica web debería ser capaz de decirle exactamente cuando y dónde la gente abandona. Si ve una tendencia marcada en puntos de salida específicos entonces probablemente necesite realizar cambios tales como acortar la forma o que se esté echando en falta una cuestión específica si es posible o quitando los video clips, etc.

Formulario de retroalimentación

Si tienes formularios online o sitios de encuestas entonces esto es donde puedes conseguir las respuestas cualitativas de las razones por las que tu sitio web trabaja o no trabaja bien. Muy pocas compañías de analítica web aún tienen que combinar automáticamente esta información cualitativa con acciones cualitativas del participante. Algunas herramientas de analítica web permiten ya la combinación automática de esta información cualitativa con acciones cualitativas del participante (es el caso de WebTraffIQ, que cuenta con una poderosa herramienta que asigna una cookie al participante en la investigación y empareja dicha cookie con la cookie servida al usuario cuando entra por primera vez al sitio web). Los formularios de retroalimentación o las encuestas especialmente son instalados para calibrar pensamientos y sentimientos de la gente sobre su servicio; combinado con su sitio web facilitan potentes perfiles de usuario.

El formulario de retroalimentación es donde deberías ser capaz primero de reconocer los problemas con tu departamento de administración y logística.

Guía rápida de la página de prácticas de optimización

1. Selecciona el mes de diciembre del informe en su conjunto
2. Observa las páginas de salida de tu informe, ignora la página de inicio y mira las dos paginas de salida más altas.
3. Buscar puntos de abandono en cualquiera de los registros de la página o si tienes un buen sistema de análisis seleccionar los puntos de salida (salida enlaces) del informe
4. Prueba la simple eliminación de los duros enlaces de salida o sustitúyelos por nuevos enlaces (conocidos como pruebas múltiples o A/B) y volver después de un mes.

Aunque la técnica de análisis más utilizada hoy en día en entornos de negocio (no así en el ámbito de la monitorización técnica) sea ya el “Tagging” (”etiquetado”), y dejando para otro día el “Packet Sniffing“, el método más tradicional de análisis de logs generados por servidores web o proxies sigue aún en vigor y consiste en la única vía de acceso a informes de medición para muchas empresas e instituciones.Las herramientas utilizadas para la Analítica Web basada en logs, como ocurre con WebTrends o Unica, no están preparadas para reconoc  er todos los posibles formatos de log generados de un modo directo (si bien pueden incluir los formatos más conocidos: Apache, CERN, Emwac, IBM Internet Connection Secure Server, Lotus Domino, Market Focus, MCI, Microsoft, Microsoft IIS International Date, NCSA, Oracle, urveyor, Spry, WebLogic, WebSphere, WebSite, etc.).

Para poder ser interpretados sin ningún problema por nuestras herramientas, la idea más clara es adaptar el contenido a lo que se conoce como formato W3C, es decir el formato estándar para la web (desarrollado en el seno del World Wide Web Consortium).

Los logs en formato W3C son fáciles de procesar en cualquier herramienta de Analítica Web, ya que constan inicialmente de los campos básicos principales que nos dan la información necesaria para hacer un seguimiento exhaustivo del tráfico en un determinado sitio web, facilitando la realización de los informes apropiados con los valores oportunos.

Una de las formas de realización de la conversión de un formato cualquiera al formato W3C es mediante la programación de scripts programados en awk; la traducción consistiría en que a partir del fichero inicial y reconociendo para campo, este contenga todos los campos básicos para W3C.

Éste método puede ser algo precario, pero es un método rápido y sencillo si se tiene los mínimos conocimientos sobre el lenguaje awk.

Este evento de Medición de Medios Digitales y Estrategia de Precios está organizado por el Strategy Institute y tendrá lugar en Nueva York los días 22 y 23 de enero de 2008.

Más información.

Por si alguien creía que nuestra pequeña misión (medir y tomar decisiones basadas en datos) no era aplicable a entornos ajenos a la web (o, como mucho, la TDTi), aquí viene lo último: “Brick Analytics”.

El último “Tecnology Quarterly” de la revista The Economist habla de la tecnología usada por Brickstream (BehaviorIQ) para medir el comportamiento de visitantes físicos en un supermercado real. Brickstream hace uso de cámaras para recopilar datos sobre la “navegación” de usuarios en los pasillos del supermercado y las tendencias asociadas a los diferentes segmentos escogidos (ej.:Familias, madres, pequeños empresarios…etc.)… ¡incluso reproduce un informe de “pasillos calientes”! Otros productos no requieren siquiera la instalación de cámaras propias, al hacer uso del sistema preinstalado de vigilancia (este es el caso de VideoMining).

Lo mejor de todo es que empieza a aplicarse a este terreno “offline” la mismísima metodología que aplicamos al mundo online todos los días: El proyecto PRISM (“Pioneering Research for an In-Store Metric”) en que participan una multitud de empresas de investigación de medios, venta al por menor y productos de consumo está haciendo uso de sensores, colocados en la entrada y salida de los supermercados, así como en algunos pasillos (este proyecto se ha extendido ya a 160 supermercados en EEUU), recopilando patrones de tráfico de visitantes y cotejando estos patrones con información de ventas.

Como era de esperar, terminamos usando los mismísimos conceptos: Ya podemos plantearnos cual es la Tasa de Conversión para ciertos productos o realizar A/Bn Testing con su ubicación en uno u otro pasillo (el proyecto PRISM ha permitido averiguar, por ejemplo, que el ratio de compras/visitas al pasillo de productos de temporada aumentaba cuando los clientes iban acompañados de niños).

Esto, por si teníamos poco trabajo…

Para los que no lo han visto todavía, me estoy refiriendo a la funcionalidad incorporada a varias herramientas (de Analítica o gestión remota de Usabilidad) que permite reproducir de manera literal una muy específica sesión de usuario, desde que entra en nuestra web hasta que sale. Incluyendo errores, vacilaciones sobre un formulario y otro tipo de curiosidades asociadas a nuestros caprichosos periplos virtuales.

Su estudio no hace sino retrotraerme a largas charlas con el ilustre Manuel Villacorta (autor de célebres entradas en este mismo blog) sobre el sentido de ponernos al nivel del individuo a la hora de analizar nuestra actividad web. En estas charlas, Manuel (como buen “Marketer”) insistía siempre en que nuestro destino final era siempre la persona física, mientras que yo me agarraba firmemente al “segmento” y la “tendencia”. Pues bien, he aquí el material que conecta ambos mundos.

Después de pasearme por la web de Tealeaf, organizadores del Webminar de Eric Peterson de esta semana (Analítica y Web 2.0), y haber leído los comentarios de Avinash sobre sus productos estrella y sus más directos competidores en Coradiant, he confirmado por fin que hay un punto medio entre el estudio cualitativo y el cuantitativo. Entre la Usabilidad (que nos ocupaba en días pasados) y la Analítica. Entre el individuo y la tendencia.

Veamos: Criticamos los estudios de “experiencia de usuario” (y me incluyo) por su falta de significatividad estadística. Sin embargo elogiamos (y también me incluyo) sus capacidades de medición cualitativa: No hay nada más tangible y cercano a la realidad y el “Por Qué” que la experiencia directa de un usuario real.

Después tenemos todo lo contrario: Son muchos quienes critican los informes de navegación y Path Analysis (basados en huella JavaScript y estudio remoto a posteriori) por lo difícil que resulta establecer una conexión con la experiencia real del común de los usuarios. Estos informes exigen una seria labor de interpretación por parte del analista. Sin embargo, obtenemos algo que no nos da la disciplina de la Usabilidad y la complementa felizmente: Podemos averiguar si el 80% de nuestros usuarios siguen invariablemente el mismo recorrido para llegar a una página determinada.

El paralelismo se extiende a técnicas muy extendidas a ambos lados de la ecuación: En Analítica Web, los informes de sobreimpresión (que Google Analytics llama “Overlay”, Omniture llama “Clickmap” o WebTrends denomina “SmartView”) arrojan una práctica perspectiva de “densidad” de click que las herramientas más avanzadas permiten asociar a determinados segmentos de origen o propiedad de usuario. Desde esta perspectiva (la de la Analítica Web), volvemos a tener acceso al análisis cuantitativo y el mismo enfoque abstracto pero estadísticamente significativo.

El alter ego de estos informes de sobreimpresión se denomina “informe de zonas calientes” en el mundo de la Usabilidad, y vuelve a presentar las mismas ventajas y limitaciones asociadas a esta disciplina, pues las “zonas calientes” están determinadas por el movimiento del ojo humano.

Bien, ahora volvamos a la reproducción (“replay”) de sesiones individuales de usuario. Su carácter individualizador las situarían en el terreno de la Usabilidad y el análisis cualitativo (llegan a describirse como productos de “User Performance Management”). Sin embargo, la tecnología empleada (análisis de paquetes http) permite su aplicación simultánea al común de los visitantes y la selección de un individuo, varios o muchos de entre todo el conjunto de visitas en un período determinado.

Esto significa que podemos aplicar técnicas de segmentación previa de usuarios antes de escoger individuos representativos de cada grupo (en función de perfil o los eventos o hitos completados, por ejemplo), lo cual es sencillamente genial. Porque el escenario empieza a parecerse al barajado en algunos escenarios de Multivariate Testing.

En definitiva, bienvenida sea esta funcionalidad. Las grandes herramientas de Analítica Web la incorporan únicamente en sus productos “Premium” de naturaleza “Business Intelligence”, pero tenemos campo abierto para la integración con productos menos conocidos como los arriba descritos.

Disculpad el anglicismo… Con mentalidad “data-driven” nos referimos a la necesidad de fundamentar nuestras decisiones sobre datos.

Se presenta con frecuencia una importante contradicción, porque no dejamos de toparnos con equipos de marketing y gestión que se arriman con entusiasmo a nuestro querido concepto de Analítica Web (algo de lo que no nos quejaremos ahora:) sin siquiera plantearse si están o no preparados para tomar decisiones basadas en datos.

La mentalidad “data-driven” se manifiesta con muchas otras cosas antes de llegar a la Analítica Web. Un gestor “data-driven” hace uso regular de hojas de cálculo combinando una multitud de cifras de procedencias dispares. Es el mismo gestor que no desprecia el valor de una aplicación de CRM (¡con sus valiosos Dashboards!) o un informe estadístico de industria.

Una solución de Analítica Web (esto es, herramienta + implantación) puede hacer maravillas para alguien que sea “data-driven”, pero no cambiará un ápice la vida del incrédulo. El problema para este último es que el futuro ES “data-driven”.

La AEAW estuvo presente en el European E-Commerce Conference organizado por la Asociación Española de Comercio Electrónico y Marketing Relacional (AECEM) el 29 de noviembre en el “Petit Palau de la Música” de Barcelona, la primera conferencia a este nivel y sobre comercio electrónico que se organiza a nivel europeo.

Para ese curioso usuario de negocio que todo lo quiere cuadrar y de pronto se enfrente al concepto de visitantes únicos diarios, semanales, mensuales o relativos a un período personalizado… aquí tenemos un antídoto.

Como al final todo se reduce a la forma de decir las cosas, nuestro antídoto es sólo eso: Una forma de comunicar lo que podría presentarse de modo más confuso. Ahí va:

El número de visitantes únicos dependerá siempre del periódo de tiempo que los hace únicos. Yo soy único cada día de esta semana si el período empieza y termina todos los días. Pero sólo seré único el primer día de la semana si el compartimento estanco pasa de ser un día a ser una semana. Esto es lo que provoca que, naturalmente, se contabilicen siempre más visitantes únicos diarios a lo largo de la semana (tomada como período agregado) que visitantes únicos semanales en el mismo período.

Por supuesto, esto tiene su razón de ser en las limitaciones de una base de datos que almacena datos a partir de los logs procesados para la actividad diaria de los diferentes usuarios (valores de cookie o direcciones IP). Si diseñamos nuestra base de datos para el agregado toparemos rápidamente con el problema y nos veremos abocados a diseñar tablas diferenciadas para cada compartimento temporal. Pero esto es otra historia …

Vamos a ver: Teníamos una regla de oro que consistía en centrarnos en aquellas campañas, palabras clave y mensajes publicitarios de búsqueda esponsorizada que arrojaran un ROI (Retorno en la Inversión) más elevado.

Cuestión sencilla cuando se trata de elegir entre dos campañas y ambas desembocan en un nítido proceso de conversión, porque, con independencia del ratio de impresiones/clicks, podremos escoger las campañas, palabras clave y versiones de anuncio que arrojen mayores beneficios al descontar el coste de adquisición del valor atribuído a la conversión final.

Pero claro, eso no era todo:¿Qué pasa con el valor asociado a las visitas que no llegan a completar un proceso de conversión que resulte contemporáneo al gasto en PPC? ¿Qué peso o culpa atribuímos a páginas de aterrizaje alternativas para campañas análogas? ¿Qué pasa con el coste de oportunidad asociado al tráfico que hemos dejado pasar por miedo a superar nuestros presupuestos diarios de PPC?

Bueno, para todo hay respuesta. La clave está en ir por partes…

1. Las herramientas actuales de Analítica Web conservan históricos de visitante y nos permiten repartir el mérito de una conversión entre diferentes campañas atemporales como nos venga en gana (todo el mérito a la primera en el tiempo, todo el mérito a la última o reparto equitativo).

2. Algunos KPI como Stickiness (”Viscosidad”) nos permiten evaluar la capacidad que una determinada campaña tiene de remitirnos visitas de calidad (en función de su profundidad) con independencia de que haya o no desembocado en una conversión tangible.

3. Las técnicas de A/Bn testing están ahí para permitirnos evaluar múltiples versiones de nuestras páginas de aterrizaje para una misma campaña de origen.

4. Ciertos algoritmos de Analítica Predictiva nos permiten preveer el potencial rendimiento de inversiones adicionales a partir de los datos arrojados por la actividad ya registrada.

En definitiva, lo único que necesitamos es dividir el trabajo, atacarlo por fases, planear bien nuestros Scorecard y, ante todo, ¡no volvernos locos!