El uso de cookies para el seguimiento de usuarios es una de las técnicas más empleadas en la analítica web y nos ofrece una mayor precisión, entre otras ventajas. El empleo de huellas con peticiones a terceros servidores hace que haya que prestar especial atención para un correcto funcionamiento.

En caso de que la cookie sea generada por otro servidor se pueden dar, simplificando mucho, dos casos:

• El servidor tiene en un dominio distinto al servidor web que accede el usuario, por lo tanto será una cookie de tercera parte.
• El servidor tiene un FQDN perteniciente al mismo dominio del servidor web, por lo tanto la cookie generada será de primera parte.

No es deseable tener cookies de tercera parte. Una cantidad considerable de usuarios pueden tener configurados sus navegadores para rechazar este tipo de cookies por motivos seguridad o incluso configuración por defecto (según un estudio de Jupiter Research, estos usuarios alcanzan el 28% del total).

Por ello las herramientas de analítica web emplean distintas técnicas para evitar este problema:

• Urchin: la huella se encuentra localmente y enriquece el propio log del servidor web. La cookie será siempre de primera parte.
• Google Analytics: permite servir una cookie de primera parte a través de una huella situada en el servidor de GA.
• Site Catalyst: al ser una herramienta de analítica en modo ASP, las peticiones se realizan a un servidor de Omniture. Por defecto la huella es de tercera parte. La solución pasa por registrar un FQDN perteneciente al mismo dominio del servidor web y que sea un CNAME el cual apunte al servidor de Omniture.
• WebTrends SmartSource Data Collector: al igual que Google Analytics usa una huella fuera del servidor web, pero también permite utilizar el código JavaScript para obtener el dominio y servir una cookie de primera parte.
• phpMyVisites: la huella JavaScript realiza una petición a una página PHP de phpMyVisites que recoge las variables, las analiza y almacena en una base de datos. La huella es de tercera parte, aunque si se instala con un FQDN perteneciente al dominio de la/s página/s a analizar sería de primera parte.

Hoy es el día europeo de la Protección de Datos y la ocasión es óptima para repasar la última noticia en lo que a la Analítica Web y privacidad respecta: El criterio de que la dirección IP constituye un dato por sí mismo identificativo del individuo (algo ya discutido en España al calor del informe jurídico de la Agencia Española de Protección de Datos) podría cobrar fuerza a nivel comunitario.

En el marco de una discusión concerniente a la personalización de la publicidad utilizada por servicios como GMail, Peter Scharr, comisionado de la agencia alemana de protección de datos que encabeza actualmente el Grupo del 29 (creado a tenor del artículo 29 de la Directiva de Protección de Datos Personales y que agrupa a todos los directores de las agencias) defendió la semana pasada la necesidad de que la dirección IP pueda ser considerada un dato de carácter personal.

La cuestión ahora es: ¿Por sí misma o en compañía de otros datos?

Por supuesto, la dirección IP permite identificar al individuo, pero sólo en contadas ocasiones permite hacerlo de forma aislada. Así, un perito informático podrá localizar a un individuo en Internet a partir de la dirección IP utilizada en un determinado momento, pero requerirá el acceso a información complementaria acerca de la propia terminal usada por el usuario y los registros de acceso de los proveedores de acceso que han facilitado su conexión.

También es evidente que, en el contexto de un ISP (proveedor de servicios de acceso a la red), la dirección IP resulta en gran medida identificativa del individuo (o al menos del titular de la conexión utilizada). Dado que tanto la legislación española como la alemana exigen el almacenamiento de direcciones IP utilizadas por el usuario durante un período mínimo, resulta comprensible que dichas IPs pasen a formar parte de un fichero de datos personales. Es en esta línea que se pronunciaba originalmente la AEPD.

Sin embargo, las circunstancias señaladas no son equiparables al escenario que manejamos en entornos de Analítica Web. Una empresa que analiza las tendencias de tráfico o gestiona campañas en su web tiene efectivamente acceso a las direcciones IP asociadas a los diferentes accesos registrados. Sin embargo, es sólo en contadas ocasiones que dicha empresa recopila datos que permitan identificar individualmente a sus usuarios. Y en estos casos (muchas veces ejemplificados en este blog) impera la consciencia de que la LOPD resulta aplicable.

Pongámonos en un caso hipotético catastrofista, por aquello de entretener al personal: Si ahora pasáramos a considerar que mantener una tabla que asocia direcciones IP a páginas visualizadas o webs de origen constituye un archivo para el tratamiento de datos personales, la consecuencia directa es que la LOPD resultaría aplicable.

¿Consecuencias?

1. El mero uso de un programa de análisis de logs o huellas equivaldría a tratar datos personales y requeriría noticia expresa en el aviso legal, registro del fichero ante la AEPD, puesta en marcha de un procedimiento para la asistencia a los usuarios que soliciten acceso, modificación o eliminación, designación de un supervisor a estos efectos, despliegue de un plan de medidas de seguridad, preparación de un documento que exponga dichas medidas, etc…

2. Si en vez de instalar un programa local hacemos uso de un servicio remoto de “reporting” (Google Analytics, sin ir más lejos) tenemos un problema adicional: La empresa encargada del “procesamiento” pasa a ser distinta de la empresa encargada del “tratamiento”, con lo que un acuerdo expreso es requerido entre ambas.

3. Si además resulta que dicho servicio remoto se encuentra ubicado fuera de la Unión Europea y en un país que la Comisión Europea no haya incluido en su lista de aquellos países que aportan unas garantías mínimas (caso de EEUU), el problema es aún mayor, pues estaremos incurriendo en una transferencia internacional de datos (entrando en juego un nuevo marco legal como el aplicable al “safe harbor” en EEUU).

Por suerte, creo que se trata de algo imposible por el poco sentido común que entraña. Sin embargo, no está de más asomarse a este “precipicio” porque ésta es precisamente la situación en la que nos podríamos encontrarnos cada vez que inocentemente propongamos a nuestros clientes el almacenamiento de un nombre de usuario o dirección de correo electrónico identificativa de cada visitante.

Una vez que hemos recopilado las estadísticas de nuestro website mediante nuestra herramienta de analítica, ya sean análisis de tráfico, comportamiento de los visitantes, fidelidad, campañas publicitarias, etc… el siguiente paso es la toma de decisiones a partir de ellos. Es entonces cuando entramos en el campo del Business Intelligence.

Mientras que la Analítica Web también puede utilizarse para medir la usabilidad de la web (técnicas A/B Testing, Eye Traking), más orientado al desarrollador, ésta disciplina está orientada principalmente a la parte de negocio de la empresa (marketing, dirección). En ella se engloba el conjunto de herramientas y metodologías que tiene como objetivo acceder a grandes conjuntos de datos recopilados, analizarlos y a partir de ellos simplificar al usuario la toma de decisiones.

Actualmente, las soluciones de Bussines Intelligence se han convertido en completas suites que permiten a sus usuarios disponer de una amplia visión de lo que está ocurriendo, desde la visualización de completos informes (utilización de cubos OLAP para acceder a grandes almacenes de datos), dashboards, scorecards, data mining, hasta el análisis predictivo (forecasting basado en complejos análisis matemáticos).

En cualquier caso, si analizamos los últimos movimientos empresariales en el ámbito del Business Intelligence, se observa el interés que están mostrando las grandes empresas por disponer de estás técnicas en la toma de decisiones, lo que demuestra que hoy en día nada queda al azar.

El pasado jueves 17 de enero Omniture hizo pública la finalización de su aquisición de Visual Sciences, pasando a contar con más de 1.000 empleados, 4.000 clientes y 14 oficinas por todo el mundo.

La nota de prensa emitida por el fabricante de Utah resume su nueva línea de productos, una vez formalizada la unión, en la que destaca Discover OnPremise. Se trata de un cambio de rumbo en la estrategia de prestación de servicios en modalidad ASP seguida hasta el momento. Permitirá a los clientes que así lo decidan instalar en sus propios servidores Omniture Discover, facilitando así el cumplimiento de la normativa vigente en materia de protección de datos personales, uno de los principales handicaps de la herramienta en el despliegue de todo su potencial en el ámbito europeo. Es una muestra más de la pugna de esta herramienta con el Marketing Lab 2 de WebTrends tambien disponible en versión Software desde su lanzamiento.

Por otro lado, HBX Analytics pasará a llamarse Omniture SiteCatalyst HBX, y seguirá contando con servicios de soporte hasta que las “funcionalidades clave” sean integradas en Omniture SiteCatalyst.

Supongo que afloran muchas incognitas detrás de esta nota de prensa. Esperamos que en los próximos meses se vean resueltas.

Con frecuencia, el modelo de precios aplicado a espacios publicitarios online se sustenta sobre el número de impresiones asociadas a los diferentes elementos creativos localizados en la página. Como resultado de ello, las publicaciones online tienen entre sus objetivos fomentar el consumo de un elevado número de páginas por cada una de las visitas recibidas.

El KPI asociado a este objetivo es Media de Impresiones de Página por Visita (“Average Page Views per Visit”) y la fórmula para su cálculo es:

Impresiones de Página / Visitas

Las expectativas acerca del promedio de páginas por visita dependerán del modelo de negocio. Cuando la tendencia de este ratio vaya en contra de las expectativas (fijadas en base a períodos comparativos o “benchmarks” de industria) habrá llegado el momento de echar mano de tablas de investigación que segmenten esta medida en función de los tipos de usuario (o sus orígenes), las opciones de navegación, los contenidos de paso intermedio o los elementos de distracción existentes.

Hemos hablado mucho de Behavioural Targeting e integración de datos (de Analítica Web) con Gestores de Contenido (CMS o ECM). Ahora me gustaría retrotraerme un segundo para considerar algo totalmente opuesto.

En un estudio de Jupiter Research de octubre de 2003 (”Beyond the Personalization Myth: Cost Effective Alternatives to Influence Intent“) se demostró que la mayor parte de las inversiones en tecnología de personalización (con frecuencia vinculada a gestores de contenido o sistemas de CRM) resultaban fallidas (no encontrándose mejora alguna sobre las métricas más básicas) a pesar de su elevado coste. El mismo informe demostró que el respeto a ciertas reglas básicas (fácil navegación, velocidad de carga, etc.) y algunos esfuerzos de segmentación (definición de grupos con intereses análogos sin llegar a nivel de individuo) dan mejor resultado que la personalización.

Esto puede resultar curioso, pero tiene sentido: El individuo no acepta la relación espontánea de modo natural (sin contacto previo análogo al proceso de relación social). Queremos tener el control de la información que solicitamos y nos asusta que se nos conozca demasiado de la noche a la mañana.

¿Cuál es la solución?

La evolución del medio exige la personalización, pero tal vez ésta no deba originarse unilateralmente en el proveedor de servicios o contenidos. Más bien, puede que se requiera un esfuerzo previo por parte del individuo.

La configuración del particular entorno privado de acceso a la red de modo tal que se dote a dicho entorno de “capacidad de representación” del individuo o la empresa en la contratación de servicios u obtención de información podría aportar la respuesta.

Un ejemplo: Internet móvil. La parametrización voluntaria de una terminal orientada a la obtención de contenidos muy específicos o la cumplimentación de tareas puntuales puede ser suficiente para dar rienda suelta a esta terminal en el “diálogo” con los proveedores de contenidos y servicios.

Por supuesto, todos estos parámetros alimentarán nuestras fuentes de “web mining” y permitirán al operador centrar sus esfuerzos en aquellos contenidos y servicios más apropiados para los diferentes segmentos existentes.

Un elemento de moda en la Web 2.0 son los widgets. Añadir pequeños aplicativos pertenecientes a otras páginas que enriquecen nuestro sitio siempre es un gran atractivo, por no hablar de la utilización de widgets como plataforma para presentar nuestros propios contenidos, como podría ser el caso del omnipresente Youtube. Pero el problema llega cuando queremos analizar en profundidad cómo se relacionan nuestros usuarios con estos aplicativos.

Como ejemplo ilustrativo, nos ceñimos al caso de Youtube. Todos sabemos que Youtube facilita la incorporación de sus contenidos en webs ajenas de tal manera que la integración se reduce a un copy-paste del código necesario para presentar el “player” en tu página web. Este “player” no es más que un objeto Flash y su contenido es totalmente independiente de la página en la que esté ubicado. Esta facilidad forma parte del gran éxito de Youtube, pero la metodología es tan sencilla como cerrada: imposibilita el acceso de forma externa a los diferentes eventos que se produzcan en el objeto Flash. A ojos de nuestra página, es imposible conocer si el usuario hace click en un botón o enlace del Widget, a no ser que el objeto Flash nos envíe explícitamente dicha información.

Si nosotros somos los que servimos los widgets, la cosa cambia y se abren diferentes posibilidades: Por un lado, todas las herramientas de primera linea de analítica web integran módulos y metodologías que permiten el seguimiento de manera exhaustiva de películas Flash a través de código ActionScript. Por otro lado, la comunicación desde una película Flash con el código JavaScript de la página en la que está contenido es posible, aunque esto es algo más delicado ya que nos encontramos con el problema de la estandarización: la comunicación será diferente en función de la versión de Flash y el navegador utilizado por el usuario.

En definitiva, el seguimiento de widgets Flash debe realizarse desde dentro del propio código del widget. El efecto ‘caja negra’ que producen los objetos embedidos Flash es una barrera que sin la colaboración del propio widget es muy dificil saltar.

Por fin, Microsoft ha empezado a enviar las primeras invitaciones para usar Gatineau. Esto significa que contamos con una alternativa a Google Analytics en el segmento de las herramientas gratuitas de medición.

¿Cuales son las primeras diferencias apreciables entre ambos?

Lo cierto es que se parecen muchísimo. Ambas permiten la integración con sus respectivos servicios de gestión de campañas, ambas permiten la configuración de metas y embudos de conversión y ambas recopilan la misma información a partir de una huella básica. Si algo puede destacarse a favor de Gatineau es el “wizard” para configurar la huella en función del entorno objeto de medición (Google Analytics requiere una cierta dedicación para dominar el etiquetado de webs que incorporan páginas bajo el protocolo seguro).

El tiempo dirá si Gatineau puede realmente estar a la altura de Google Analytics cuando se abran las compuertas a la apertura libre de cuentas y el grueso del tráfico a recopilar comience a hacer mella en la velocidad de respuesta de la propia huella o la disponibilidad de informes (puntos débiles de Google Analytics en pasados meses, consecuencia de su uso masificado).

Supongo que nos quedan siempre las mismas dudas, comunes a cualquier herramienta de acceso libre: Su gratuidad y vinculación a un servicio de publicidad de pago no obligan nunca al proveedor a garantizar la disponibilidad de históricos o siquiera la continuidad del servicio. Más preocupante aún, el servicio estará siempre condicionado a su rentabilidad, y ésta puede pasar por el uso de la información recopilada de una forma no planificada de antemano y tal vez poco deseable para sus usuarios.

El informe “Where To Get Help With Web Analytics” publicado el pasado 6 de diciembre por la consultora independiente Forrester Research, destaca a 91 consultoras especializadas en Analítica Web de Norte América, Europa y Asia tras realizar un exhaustivo análisis de sus servicios, las herramientas sobre las que trabajan y los sectores de actividad en los que están presentes.

MV Consultoría, miembro de la Asociación Española de Analítica Web y única consultora española destacada en el informe, es una empresa especializada en Marketing de Resultados y Optimización del Canal Web.

Además de contar con producto y metodología propios, la empresa está certificada para realizar implantaciones técnicas de las principales herramientas de Analítica Web y Online Business Intelligence.

Gracias a un equipo multidisciplinar y altamente cualificado, la consultora asiste
regularmente a grandes empresas de las industrias del turismo, medios y publicaciones, telecomunicaciones, servicios financieros, tiendas on-line y administraciones e instituciones públicas en la implantación de soluciones de analítica avanzada y metodologías eficaces de análisis y toma de decisiones basadas en datos.

Puede obtener más información en www.mvconsultoria.com.

El Aprimo Marketing Summit 2008 tendrá lugar los próximos 28, 29 y 30 de enero en Miami (Florida).

Aprimo es una empresa líder en herramientas de gestión de campañas y presupuestos de marketing multicanal. El nuevo Summit congregará, entre otros, a líderes en la provisión de herramientas y servicios de Analítica Web.