Volvemos con otra noticia relacionada con Marketing y medición: Ahora podremos hacer publicidad mientras quien nos llama al teléfono móvil espera a que descolguemos.

En otras palabras: Pepe llama a Berta. En lugar de escuchar un tono de llamada, Pepe escucha un “spot” publicitario, que se interrumpe al contestar Berta.

Además, los anunciantes recibirán detallados informes de uso por parte de su audiencia, que en muchos casos estará cuidadosamente perfilada.

France Telecom/Orange ha empezado ya a ofrecer este servicio, que consistira en abaratar el coste de las llamadas para el usuario que acepte ofrecer el espacio de su propio tono de espera para estos propósitos.

Ya estoy viendo a quién le va a caer ahora el más difícil todavía …

Últimamente me he encontrado con algunas noticias en varios blogs y diferentes comunidades en las que se denunciaba, por ejemplo, las “sospechosas” conexiones que realiza la gama de productos Adobe CS3 -Photoshop, Dreamweaver, inDesign, etc- con un servidor de Omniture (empresa con productos especializados en análisis de tráfico web) para presumiblemente enviar información y seguimiento de uso de algunas partes de estas herramientas. Si bien la sensación de que un software instalado localmente envíe datos hacia afuera sin pedirnos permiso de forma explícita es de por sí alarmante, lo que más hace desconfiar a los usuarios -al menos, a aquellos usuarios que se fijan en estas cosas- es el nombre de dominio al que se envían los datos y que Omniture tiene a bien utilizar no solo para su funcionalidad en productos Adobe, sino en todas sus implementaciones. Este nombre de dominio siempre tiene la forma “1XX.1XX.2O7.net” y ciertamente, parece un intento de camuflar el envío de datos dando a entender que la petición se remite a una IP local.

En mi opinión personal, si el objetivo de Omniture con este comportamiento es realmente enmascarar su actuación, me parece una acción tan torpe como innecesaria. Torpe porque cualquier usuario que se preocupe de observar el dominio al que se están enviando datos y tenga el conocimiento técnico para llegar a esta información será capaz de descubrir la “trampa” al primer vistazo. Innecesaria porque ciertamente no hay nada que esconder, y además este comportamiento hace crecer una sensación de engaño que no gusta a nadie.

A raíz de este conflicto con los productos de Adobe y otros debates similares, he podido conocer la sensación general que provoca en los usuarios que su comportamiento en la web sea objeto de análisis, y me ha sorprendido que son muchos los que ven estas técnicas como un ataque a su intimidad y anonimato.

Dejando de lado complejos sistemas de data mining o integración de datos con información personalizada de usuarios -que obviamente cuentan con el consentimiento del usuario y las medidas relacionadas con protección de datos acordes a la ley- para el dueño de un negocio online es irrelevante conocer lo que ha hecho un usuario en concreto, y mucho menos saber quién es ese sujeto. Lo que le interesa es que el 40% de sus usuarios llegan a su página, hacen varias búsquedas relacionadas y después abandonan directamente el site. Un análisis -muy simplista y probablemente erróneo pero que sirve como ejemplo- identificaría un alarmante problema: un 40% de los usuarios que acceden al sitio web con intención de encontrar un producto no lo consiguen.

Creo que es importante que el usuario final entienda que estos análisis favorecen a ambas partes. Por un lado, es obvio que el interés y objetivo del negocio online es vender más y mejor, evitar que el cliente potencial se vaya al website de la competencia para comprar el mismo producto. Esto beneficia al usuario ya que el único camino para conseguirlo es ofrecer un mejor servicio y acercar a los usuarios lo que realmente están buscando. La intención del usuario también es encontrar lo que busca, de la manera más rápida y transparente posible. La idea es que, en definitiva, sea el usuario el que eduque al sistema y decida con sus acciones lo que tiene éxito y lo que no.

¿Creéis que los usuarios aceptan de buena gana nuestros análisis o en cambio sienten que pierden su anonimato?

Cada vez que intentamos explicar a un cliente que es perfectamente normal que dos sistemas de medición arrojan datos distintos recibimos una mirada incrédula, un comentario escéptico y una nueva batería de preguntas por respuesta.

No es extraño. Poca gente está acostumbrada a trabajar con datos que no pueden nunca establecerse como 100% fiables. Pero vivimos con mayores márgenes de error todos los días (los ya mencionados hasta la saciedad estudios de audiencia de televisión no se olvidan con facilidad).

Esta semana, el Wall Street Journal se hacía eco de estas disparidades, a la luz de la disputa presentada entre Google y comScore sobre los datos de tráfico recaído en las webs de la primera. La contradicción por parte de Google de una estimación perfectamente aceptable de comScore arrastró las acciones de esta última a la baja en un santiamén. El problema, cómo no: Google estima que tiene más tráfico del que se le reputa.

A la contienda se suma Nielsen (tampoco libre de batallas en suelo español), cuyo sistema de medición de audiencias (nada que ver con sus productos de analítica de webs) parece arrojar un número mucho más elevado de visitantes únicos que comScore (como los datos de Yahoo Finance US arrojaron en marzo: 15.8 millones en comScore contra 20.2 en Nielsen). Las diferencias no son moco de pavo.

Una iniciativa de resolución ha originado del IAB (Interactive Advertising Bureau), que hace casi un año solicitó a ambas, comScore y Nielsen, someter sus procedimientos a auditado externo en aras de su homogeneización. Se esperan los resultados del auditado para finales de este año. Conociendo las limitaciones actuales del medio HTTP, con el que trabajamos, me temo que sus conclusiones no van a llevarnos demasiado lejos.

Stay tuned!

El otro día estuvimos hablando sobre Experimientación Multivariable (Multivariate Testing o “MVT”) a quienes se acercaron al Hotel Miguel Ángel de Madrid. Me gustaría extenderme un poco más sobre el trinomio que exponíamos: Verdad, Problema y Solución.

Partimos de la Verdad, que es el santo grial del Analista Web: El propósito final de las tareas previas de recopilación y categorización de datos. Lo que queremos es tener una fotografía lo más fideligna posible de nuestro negocio online.

¿Para que perseguimos esta Verdad? Para descubrir patologías y resolverlas.

En ocasiones la Verdad (tan relativa como solo ella puede serlo) apunta directamente al Problema y con esta identificación encontramos la Solución.

Ejemplo: Un KPI muestra caídas en el tráfico originado en campañas SEO (tráfico orgánico). El problema está bastante identificado y lo que ahora resta es averiguar qué palabras de búsqueda han representado la mayor caída, estudiar su impacto sobre la conversión y optimizarlas o reemplazarlas a nivel de posicionamiento.

En otros casos esta Verdad no aporta visibilidad alguna sobre la naturaleza del Problema (ejemplo: vemos una caída en ventas que no viene acompañada de una caída en tráfico).

Necesitamos segmentar con todos los medios e información a nuestro alcance (queremos localizar el tráfico poco cualificado, por ejemplo). Con frecuencia, esto significa que no podremos seguir avanzando con la sola ayuda de nuestra herramienta de Analítica Web (por supuesto, algunas herramientas nos pondrán en esta tesitura antes que otras).

Esta fase de investigación llegará tan lejos como nos lo permitan:

- Los datos disponibles (no sólo los originados en el entorno web)
- Las posibilidades de integración de dichos datos

Dado que por lo general veremos nuestros datos (o, más importante, el esquema lógico que los une) firmemente protegidos en las arcas de nuestro proveedor de analítica (hago excepción de Unica NetInsight), deberemos renunciar a nuestros propios productos de Business Intelligence y nos queda únicamente confiar en que dicho proveedor contará con una solución propia de segmentación multidimensional en tiempo real. Este es el caso de Omniture Discover (servido en remoto/SaaS y OnPremise) o WebTrends Visitor Intelligence. En este punto, nos plantearemos si nos resulta suficiente que estas herramientas trabajen con datos precisos (como Discover OnPremise y WebTrends Visitor Intelligence) o hagan uso de “sampling” para anteponer velocidad a precisión (caso de Discover 2, en SaaS).

Si con esto hemos llegado a localizar el Problema, ya tenemos nuestra Solución y se ha terminado la búsqueda.

Pero en ocasiones no será suficiente.

Seguiremos ante un Problema no identificado pero ilustrado por los hechos (ejemplo, KPIs en vertiginosa caída o rindiendo por debajo de lo justificable a la vista de nuestro “benchmark”). Puede que sepamos en qué punto tiene lugar la caída (aterrizaje de campaña, paso final de un registro, etc.), pero nada en esa página o sección arroja luz alguna sobre su causa.

¿Qué hacemos?

Tenemos una manera de encontrar una Solución cuando ni siquiera sabemos cuál es el Problema. Hablo de Multivariate Testing (”MVT”).

Con Optimal Design o Taguchi como fundamento matemático, MVT puede mostrarnos la combinación más fructífera de elementos en múltiples hitos del proceso de conversión. En unos pocos días habremos identificado y corregido los elementos de distorsión de un modo automático e indoloro.

En definitiva, Verdad, Problema y Solución vienen de la mano de Analítica Web, Segmentación Multidimensional y MVT.

Por supuesto, esto no se detiene aquí. Con este trinomio firmemente asentado habrá llegado el momento de garantizar el máximo rendimiento de cara al futuro. Y es aquí donde entra la Analítica Predictiva.

El pasado miercoles Yahoo emitió una nota de prensa en la que se hacía pública la adquisición de IndexTools.
Se espera que esta adquisición sea confirmada antes de la finalización del primer semestre de 2008.

Sin duda, otro nuevo movimiento del mercado que sigue sorprendiéndonos cada día. Leyendo el blog de Dennis Mortensen (IndexTools), vemos que las sorpresas continuan, pues se espera que Indextool pase a formar parte del segmento de herramientas gratuitas que actualmente ocupan Google Analytics y Gatineau.

Parece que el discurso “evangelizador” de Dennis dará un giro radical, pues la herramienta que ofrecía “el 80% de las funcionalidades de Omniture por una parte de su coste” pasará a ser totalmente gratuita

Queda aún por despejar la incognita de qué sucederá con su herramienta de Bid Managemnet…

Nedstat, líder europeo en analítica web, en colaboración con Traffic 4U, empresa líder en marketing de buscadores en Europa, y Expressive, primera compañía que engloba y desarrolla su actividad uniendo contenidos, tecnología y soportes, celebra el evento Online Expert Forum 2008, cuya temática principal será la optimización del ROI online. El evento es una plataforma donde expertos del sector online presentarán las mejores prácticas en Posicionamiento en buscadores, Web TV y Analítica web, entre otras temáticas.

El Online Expert Forum 2008 se celebrará el 8 de Mayo en el Hotel Urban de Madrid. El evento es de suscripción gratuita y dura media jornada, de 09.30 a 13.30h.

Para registrarse en el evento u obtener información adicional, visite: www.nedstat.es/online-expert-forum

Como ya hemos mencionado el Web Mining varias veces, se me ocurre retrotraerme un poco a sus pilares findamentales. Al fin y al cabo el Web Mining no es otra cosa que la minería de datos aplicada a datos web.

A veces pienso que debería haber repasado los conceptos más básicos de minería de datos antes de empezar a pelearme con la integración de bases de datos (digamos CRM) y coleciones de datos obtenidos vía web. Puede que también así me hubiera costado menos entender a los matemáticos que nos rodean con su Analítica Predictiva y contínuos flipes algorítmicos.

Por fin me he puesto a hacer los deberes y voy a ayudar a quien quiera a hacer los suyos (por supuesto, con los datos web en la mente). Hoy empiezo con una descripción genérica. Veamos:

La minería de datos permite razonar de forma inductiva a partir de los datos para llegar a una hipótesis general que modele el problema, descubriendo las regularidades y patrones que presentan entre sí.

El objetivo final de cualquier proyecto de minería de datos puede resumirse en uno de estos dos:

• Ahorrar dinero mejorando la eficacia de nuestras actividades.
• Ganar dinero descubriendo nuevas fuentes de beneficios.

A partir de los datos históricos almacenados y utilizando técnicas de minería de datos pueden elaborarse modelos que permitan estimar con precisión la evolución de una variable en el futuro.

Como ejemplos de las aplicaciones de la minería de datos tenemos el Targeting (para determinar el potencial nivel de respuesta de diferentes segmentos y abaratar, simplificar y afinar campañas de marketing), la Fidelización de clientes (podremos predecir qué es lo que esperan de nosotros), o el Desarrollo de negocio (podremos averiguar por dónde invertir con mayores beneficios).

¿Por qué no usar datos web en esta ecuación? Ciertamente, no será porque no queremos Otro día más.

En diversas ocasiones, cuando nos ponemos a analizar nuestras estadísticas, nos encontramos con la necesidad de obtener información más valiosa, no ofrecida por los informes estándar. No sólo se trata de averiguar el número de visitas o páginas vistas, sino de medir la influencia o relación que hay entre una métrica y otra. Para ello necesitamos recurrir a las métricas calculadas.

Las métricas calculadas consisten en fórmulas personalizadas obtenidas a partir de métricas preexistentes o estándar. Por ejemplo, sabemos los pedidos que se han realizado y sabemos las unidades totales que hemos vendido, podemos por tanto crear una métrica calculada para la media de unidades por pedido (orders/items).

Algunos ejemplos de métricas calculadas referentes a tráfico:

Bounce Rate - Single access/entries
Reload percentage - Reloads/page views

Y ejemplos para e-commerce:

Average order value - Revenue/orders
Checkout conversion rate - Orders/checkouts
Abandonment rate - Orders/cart adds

En herramientas como Omniture SiteCatalyst y Unica NetInsight tenemos esta funcionalidad disponible, permitiendo crear métricas calculadas a partir de las métricas estándar facilitadas en los informes. Los usuarios pueden crear sus propias métricas y compartirlas con otros usuarios.

En otros casos, como Webtrends Analytics, podemos personalizar hasta el extremo las “medidas” (Measures) usadas mediante Custom Reports, pero no podemos incorporar nuestras propias fórmulas durante la consulta de los datos. Por tanto, si deseamos hacer uso de métricas calculadas estaremos obligados a exportar los informes a Excel y hacer los cálculos oportunos desde allí (parece ser que esto está a punto de cambiar, y se anuncia su disponibilidad en la versión 8.5, el próximo verano).

En algunos casos los servidores que obtienen los datos de tráfico para su posterior análisis pueden estar detrás de un proxy. Es muy probable que el servidor web registre la IP del servidor que hace de proxy en vez de la IP real del cliente que solicita la página por lo que puede suponer un problema para el análisis de los logs. Un ejemplo sería la imposibilidad de localizar geográficamente las visitas.

Pero, como casi todo en esta vida, tiene solución. Existen unas variables de cabecera (headers) enviadas por los navegadores, en este caso el header que nos dice la IP del cliente es el X-Forwarded-For (huelga decir que el cliente puede tambien manipular sus propios headers, pero tendremos que vivir con ello). Además la mayoría de proxies permiten el paso de estos headers o es configurable.

En cualquier caso, siempre resulta interesante prestar atención a aquello que estamos enviando al servidor. Y el plug-in Live HTTP Headers de Firefox resulta enormemente útil.

Repetidas veces hemos hablado de Multivariate testing en este blog. Todo el mundo a estas alturas sabe en qué consiste, pero pocas empresas están realmente preparadas para prestar asistencia en su despliegue. La correcta implantación de una herramienta para la aplicación de multivariate testing tiene varios puntos clave que la empresa o consultora responsable de la implantación debe aportar:

• Definión exacta del ‘testing’: especificación clara de objetivos, KPIs que medirán los resultados, etc. con una metodología y documentación estandarizada y contrastada.
• Amplio conocimiento de las diferentes estrategias de experimentos y metodologías de testeo existentes. Sirva como ejemplo el método de Taguchi que ya hemos discutido en este blog.
• Alto conocimiento técnico, de sistemas y del entorno web para aplicar los tests y ser capaz de llevar a la práctica de manera efectiva toda la teoría disponible.

Para profundizar en estas cuestiones, MV Consultoría organizará en los próximos meses varias sesiones sobre Multivariate Testing y Behavioural Targeting, cuyo primer evento se celebrará en Madrid el próximo día 16. Podeis obtener más detalle sobre estas sesiones en su entrada correspondiente de nuestra sección de eventos: MVConsultoria y Optimost Interwoven: Todo sobre Multivariate Testing el día 16 de Abril en Madrid

Muy pronto tendremos además ocasión de examinar de cerca otras herramientas como Omniture Test & Target y Kefta.