¿Qué es el cohort?

Según Wikipedia, el cohort es un concepto utilizado en estadística y que se define como aquel grupo de individuos que comparten o han compartido un conjunto de características en un periodo de tiempo concreto.

Este concepto tiene una gran importancia para el marketing puesto que permite segmentar y agrupar a nuestros usuarios o clientes según características comunes entre si, y durante periodos de tiempo específicos. De este modo es más fácil abordar estrategias de retargeting, importantes para la retención.

Muchos estudios de cohort se basan en el componente tiempo para agrupar diferentes usuarios, por ejemplo tiempo entre la primera y la segunda interacción con la marca. Según Justin, se trata de conocer la latencia entre la primera compra y la segunda compra.
Google Analytics nos puede ayudar a conocer este intervalo de tiempo

Solución A: Conocer latencia con variables personalizadas

Lo bueno de las variables personalizadas (de usuario) es que persisten en el tiempo, ya que es la misma cookie que se comparte en diferentes sesiones. Esto implica que no vamos a perder el rastro del usuario, siempre y cuando acceda desde el mismo ordenador y browser claro.

Algunas ideas que nos compartía Justin era utilizar éstas variables para guardar los siguientes datos:

Guardar la primera fecha en la que el usuario accedió a nuestra web

• por fecha
• por trimestre
• Mes & Año
• Nombre de las vacaciones (Navidad, Semana Santa…)
• Estación del año

Por producto

• La primera categoría del producto que ha visto

Por canal

• Primera fuente por la que ha llegado (PPC, display, social, etc.)

Debéis tener en cuenta, a la hora de seleccionar lo que queréis guardar, que tenemos un límite de 5 variables personalizadas (50 si utilizamos Google Analytics Premium), por lo que no podremos guardarlo todo. También es importante destacar que estos datos se guardan en una cookie, por lo que si un usuario cambia de navegador o borra las cookies, perderemos el rastro de éste

Solución B: Conocer latencia con eventos

La principal ventaja de utilizar eventos para medir datos sobre la sesión es que tenemos infinitos, por lo que no estaremos tan limitados con las variables personalizadas. El inconveniente es que no vamos a guardar el rastro de usuarios, a no ser que tratemos con sites en los que se realice log in.

Hack del día

Justin nos recomendó mucho guardar ciertas variables de sistema, base de datos o servidor (back end) en la propia capa HTML de la web (front end). Se trataría de utilizar, por ejemplo, una variable JavaScript tipo estructura llamada DataLayer en la que almacenaríamos aquello que nos interese: Nombre del producto, stock, productos comprados, precio, etc. El objetivo es tenerlo todo allí, para poder acceder a estos datos en caso de necesidad mediante JavaScript.

Solución C: KISSmetrics lo hace sólo

En el Workshop que Pere Rovira ofreció en el GAUC, nos explicó que conocer la latencia entre interacciones de conversión es algo muy fácil con herramientas como KISSmetrics. Principalmente porque esta herramienta nos da está métrica sin necesidad de pasar por una implementación de código

Algunos ejemplos

• Comprar chocolate online: El día de la madre, Semana Santa, quizá Navidad… ¿El sector chocolatero tiene estacionalidad? Con un ejemplo Justin nos demostró que si y los mismos usuarios vuelven a comprar chocolate pasada una ventana de tiempo concreta. Motivo por el que es importante enviar emails de retención, anticipandonos a estas oleadas de tráfico recurrente.
• El efecto viagra de Gropon: Si mi negocio se anuncia en Groupon ¿Hay usuarios recurrentes después del día de campaña? NO Gracias a la implementación de Google Analytics, vemos que no hay latencia aparente. Sino que se produce un pico de visitas el día del anuncio y más allá de esto, ningún mismo usuario volvió. ¿Cómo me las ingenio para retener a tráfico que un día vino de Groupon?
• Mis clientes necesitan soporte: ¿Cuál es el tiempo que transcurre entre la venta y la solicitud de soporte? Una vez más podemos anticiparnos aquí y además de enviar un email de ayuda en previsión de que nuestro cliente la necesite, también podemos ofrecerle productos complementarios a su compra: una bolsa para la cámara de fotos que compró, un trípode, o alomejor un filtro polarizador…

Cómo medir la latencia entre visitas según Justin Cutroni es un post de Trucos Google Analytics.

Posts relacionados:

1. Cómo medir las campañas internas
2. Medir Apps con Google Analytics
3. Medir la calidad de las visitas de las Redes Sociales

El problema está en que hay un límite de ver 500 filas en un sólo informe por lo que, por defecto, no puedo descargarme más de 500 filas a la vez, por lo que puede llegar a ser muy pesado si tengo 20.000 filas para descargar.

Por suerte, nuestros amigos en Google están en todo, aunque a veces tienen las cosas muuuuy escondidas. En este caso, han escondido la solución en un texto de ayuda de Google, dentro de un pequeño texto desplegable.

Pasos a seguir

Los pasos son algo raros, y es posible que os de pereza memorizarlos, por lo que procedo a detallarlos a continuación:

• Primero, debemos seleccionar que queremos ver más de 10 filas en los resultados. Esto nos añadirá el texto “explorer-table.rowCount%3D25/” al final de la URL
• Fijaos que al final hay un 25 (o el número de filas que hayáis seleccionado) Debemos cambiar este valor por el número de filas que queremos descargar y pular enter.
• Una vez se haya recargado la página, ya podremos exportar los datos.

Esta práctica nos permite descargar todos los datos de una forma rápida y sin necesidad de hacer grandes cambios, pero si tenéis la necesidad de exportar ésta información de forma periódica, os recomiendo echarle un vistazo a la API de Google Analytics

A diferencia de la versión anterior, podemos exportar los datos en cualquier formato (tsv, csv, pdf, etc.) y en todos ellos tendremos todas las filas seleccionadas. Espero que os sea de ayuda este pequeño truco, que había dejado de funcionar en la versión 5.

Enlace: Ayuda de Google Analytics

Descargar más de 500 filas con Google Analytics es un post de Trucos Google Analytics.

Posts relacionados:

1. Como acelerar la extracción de datos en Google Analytics y ganar tiempo para analizarlos (Segunda parte)
2. Google Analytics lanza oficialmente la API de Google Analytics

Visión General

En la visión general, obtenemos un gráfico muy parecido al que obtenemos en los informes los embudos multicanal, pero orientados únicamente a redes sociales.

En éste informe podemos analizar rápidamente el impacto de las redes sociales en las conversiones, y ver si éstas sirven más como asistentes o goleadores. Digamos que nos permite ver más en detalle una información que ya teníamos antes, pero ahora con un informe dedicado en exclusiva.

Fuentes

En los informes sobre las fuentes podremos analizar cuantas visitas se han generado desde cada una de estas. La gran diferencia respecto al informe estándar de fuentes, a parte de que ya lo tenemos segmentado por redes sociales sin tener que aplicar ningún segmento (esto es muy cómodo!), es que nos permite comparar las visitas desde la red social seleccionada con el total de visitas en dos escalas distintas, por lo que podremos ver en más detalle sin tener que forzar la vista:A parte de éstos gráficos (que estaría muy bien poder tener también en otros informes, como en los de campaña), lo que es realmente potente de éstos informes es la pestaña Activity Stream que aparece cuando la red social seleccionada es un partner del Social Data Hub.

En ella podemos ver detalles sobre las conversaciones que se han realizado alrededor de tu web, poniendo nombre, apellido e incluso cara a los usuarios.

Lo interesante realmente es que podemos obtener un agregado de las acciones realizadas:

Estos datos que vemos en la imagen anterior son de Google+, por lo que seguramente lo podríamos obtener haciendo un poco de investigación, pero que pasa cuando las acciones realizadas son en redes mucho más cerradas o privadas, como puede ser Instapaper o Read It Later?

Pues bien, depende de si la red forma parte del social data hub. Si forma parte, como es el caso de Read It Later, podemos obtener una información 100% cualitativa como la siguiente, en la que podemos ver cuantos usuarios han añadido un post de la web para leer más tarde y, aun más interesante, cuanta gente se lo ha leído. Simplemente fantástico!

Si lo que analizamos a nivel de redes como Blogger o WordPress, podemos llegar a saber los posts que han publicado enlazando nuestro contenido y en delicious o Diigo podemos saber cuantos usuarios han añadido un post a favoritos. Lo bueno de éstos datos es que no los obtenemos mediante la función _trackSocial (que está limitado a los usuarios que utilizan los botones de nuestra web), sino que se basa en los datos de la red social directamente

Páginas

El informe que nos aparece por defecto de páginas, no nos aporta mucho contenido, ya que simplemente vemos cuantas páginas vistas se han generado desde redes sociales para cada página de nuestra web. Muy bien. Pero lo que realmente mola es que, cuando se hace click en una página, obtendremos las visitas desde cada red social, pero con su nombre, no con la URL. De forma que en twitter, veremos Twitter, no t.co y otras variaciones.

Además, podremos ver todo el Activity Strem relacionado con ésta página, independientemente de la fuente, por lo que podremos evaluar el éxito de cada página en todas las redes a la vez. Y lo más chulo, podremos ver la distribución de todas las acciones que se han realizado sobre ésta página con un gráfico circular:

Conversiones

El informe de conversiones es un poco menos completo que los otros informes. Lo más destacable es que podemos obtener dos tipos de informes:

• Conversiones: informe de todas las conversiones obtenidas mediante cada red social
• Análisis de conversiones asistidas vs conversiones de última interacción: el mismo informe de los embudos multicanal, pero para redes sociales.

No me aporta mucha novedad de momento, a ver si lo evolucionan un poco más.

Plugins Sociales

Éste informe es un viejo conocido de Google Analytics. Se basa en los informes de _trackSocial que ya hace unos meses que están en funcionamiento, simplemente han duplicado el informe para tenerlo todo juntito. Hecho de menos que tengan una integración más fácil para todas las redes sociales, para no tener que ir añadiendo código en la implementación para cada una de las redes sociales.

Flujo de visitas sociales

Éste es un informe al que Google le ha encontrado el gustillo y lo está poniendo por todas partes, tanto si puede ser útil como si no lo es. En éste caso, no creo que añada muchas novedades, excepto por el hecho que filtra por defecto como fuente una red social. Es de agradecer, pero no es ninguna revolución (al contrario que el flujo de eventos, que es mucho más útil)

Conclusiones

Al hacer un análisis más exhaustivo, he visto que la potencia de estos informes es muy grande, y podemos obtener datos bastante más cualitativos del contenido de nuestras páginas, pero se hecha de menos redes sociales más potentes. Más del 80% de las visitas que se generan en Trucos Google Analytics provienen de Twitter + Facebook. Sin éstas dos redes, el análisis que podremos hacer será sesgado, pero no debemos olvidarnos de otras redes más pequeñas en comparación, pero también muy importantes.

Mucha información que aparece en éstos informes ya la teníamos antes desde otras partes de GA, pero ahora la tenemos mucho más a mano y ordenada y, además, se nos ha ampliado mucho con información directamente desde las redes sociales de origen. En general, y aunque éstos informes aun tienen mucho margen de mejora (seguramente se irán ampliando con el tiempo) estoy muy contento de todo lo que nos ha regalado ésta vez Google.

Primeras impresiones de Social Analytics es un post de Trucos Google Analytics.

Posts relacionados:

1. Social Analytics, la unión de la web y las redes sociales en Google Analytics
2. Brian Clifton explica el como agrupar las visitas de Redes Sociales
3. Novedades y primeras impresiones de la nueva versión de Google Analytics

El principal motivo de éste cambio de nombre es intentar reflejar la complejidad de Internet, ya que ahora ya no sólo se trata de analizar la web, sino que ahora también debemos analizar otros medios como pueden ser los vídeos, la TV o las redes sociales. Es precisamente por esto que Google ya ha hecho público en su blog una nueva funcionalidad llamada Social Analytics.

Los nuevos informes

Con ésta herramienta, dejamos de analizar sólo la web y nos pasamos a analizar también lo que se dice sobre ella en las redes sociales. Los informes que se han creado son los siguientes:

• Fuentes Sociales & Principales páginas que recibe tráfico social. Nos da un informe de las visitas que se generan desde las redes sociales, así como un informe de las principales páginas de destino, pero todo basado en redes sociales.
• Conversiones: última-interacción & asistidas: Es una versión extendida de los embudos multicanal, basándose sólo en redes sociales.
• Compartición On-Site mediante los Social Plugins: esta funcionalidad ya salió hace unos meses (tengo pendiente hablar de ello), pero ahora lo han integrado en los informes Sociales para dar mayor consistencia a la herramienta.
• Social Source Navigation Flows: Éste nuevo tipo de informes está gustando bastante en Google. Es el cuarto que ponen, y nos permite ver la navegación de los usuarios desde las diferentes redes sociales.

Todos estos informes se complementan con el Activity Stream, que nos permite ver incluso los usuarios que han compartido los enlaces en las redes sociales.

La verdad es que aun no tenemos acceso a éstos informes, sólo a unas cuantas imágenes oficiales que nos ha cedido Google, por lo que no podemos aportar mucho más que éstas imágenes para poder hacer un análisis más profundo de los informes.

Lo que nos aportan los informes

Las ventajas que nos aportan éstos informes respecto los que podemos obtener desde otras fuentes son varios, y me gustaría destacar algunos:

• Datos de muchas fuentes agregados: Podemos ir a facebook insights para ver datos, y podremos ir (en un futuro) a twitter analytics para ver más datos. Pero en los nuevos informes de Social Analytics, podremos tener los datos de las dos redes sociales (y de muchas más) agregadas en un sólo sitio.
• Vinculación con la conversión: Con éstos nuevos informes, muy orientados a objetivos y conversiones, podremos analizar el ROI de nuestras campañas en redes sociales, datos que no es posible obtener en otras herramientas. Lo veo como algo similar a los sistemas híbridos que mezclan los datos clickstream y datos de panel.

Lo que hay detrás de los informes

Es importante destacar que Google está aprovechando una tecnología que hizo pública hace unos meses, el Analytics Social Data Hub, que permite a las distintas redes sociales utilizar ésta tecnología para compartir datos estadísticos con Google Analytics. Este detalle es muy importante, porque en ésta tecnología radica el éxito o el fracaso de éstos nuevos informes, ya que dependiendo de las redes sociales que implementen este Hub, los datos que obtendremos serán de mayor o menor calidad.

En su web ya se puede ver un listado con todas las redes sociales que ya han incorporado ésta tecnología, pero entre ellas no se encuentra ni Twitter, ni Facebook ni WordPress, ni muchas otras redes grandes, por lo que  ahora mismo los datos que obtendremos serán medio buenos.

Aquí tenéis el listado entero de redes que ya participan: AllVoices, Badoo, Blogger, Delicious, Digg, Diigo, Disqus, Echo, Gigya, Google+, Google Groups, Hatena, Livefyre, Meetup, Read It Later, Reddit, Screen Rant, SodaHead, TypePad, VKontakte.

A parte de éstas redes sociales, hay un listado total de más de 400 redes desde las que obtienen información, aunque no tienen disponible las opciones de Activity Stream. En los informes, las redes que tengan activo el Analytics Social Data Hub tendrán un logo al lado que las identifique como tal.

Espero que con el tiempo ésta lista se amplie y se añadan las redes sociales “de verdad”, las que tienen chicha, sino éstos informes quedarán más bien como una funcionalidad más, pero sin llegar a su máximo potencial

Todos estos informes se han creado gracias a la adquisición de hace unos meses de la compañía PostRank, dedicada al análisis de las redes sociales.

El aspecto de los informes

No podía finalizar el post sin compartir con todos vosotros todas las imágenes que nos ha cedido Google, para que las disfrutéis

Social Analytics, la unión de la web y las redes sociales en Google Analytics es un post de Trucos Google Analytics.

Posts relacionados:

1. Medir la calidad de las visitas de las Redes Sociales
2. Brian Clifton explica el como agrupar las visitas de Redes Sociales
3. Conversion thursday bcn: Redes Sociales – 16 oct

Pero aun así, adaptarnos un poco a la herramienta nos puede ayudar muchísimo. Cuando enviamos una campaña de emailing, podemos etiquetar el medio como “email”, “e-mail”, “mailing” o cualquier variación que se nos pueda ocurrir. En los informes de embudos multicanal (o multi-channel funnels) que Google presentó hace unos meses, nuestros amigos han generado una agrupación de canales que nos ayuda mucho para hacer una interpretación más detallada que con los 3 o 4 medios estándar que nos da la herramienta.

Offtopic: En la imagen que acompaña éstas lineas he puesto el mismo informe en inglés y castellano, para que veáis los errores de traducción que hay en la versión en castellano de Google Analytics (Display = Ver…).

Si os fijáis, si no definimos los medios que le gustan a Google, crea una agrupación de canales llamada (otros) o (other), depende del idioma. Pero que pasa, ¿que no enviamos e-mails ni hacemos publicidad de display o no estamos en redes sociales? Pues si que estamos, pero no hemos definido los medios correctamente. Por suerte, la documentación de Google Analytics cada vez es mayor y también tienen una página dedicada a las agrupaciones de canales que hace por defecto. En ella, nos indica lo siguiente, aunque me he tomado la molestia de hacer una mezcla entre la documentación en castellano y la documentación en inglés, ya que los términos en Google Analytics siempre deben ser en inglés:

• Publicidad de pago: Visitas desde AdWords o enlaces con etiquetados como un medio de “cpc”, “ppc”, “cpm”, “cpv”, “cpa” o “cpp”.
• Búsqueda orgánica: Visitas de búsqueda gratuita en cualquier motor de búsqueda (por ejemplo, medio = “organic”).
• Red social: Visitas de cualquiera de las aproximadamente 400 redes sociales (que no están etiquetadas como anuncios).
• Referencia: Visitas de sitios web que no son redes sociales.
• Correo electrónico: Visitas que están etiquetadas con el medio “email”.
• Feed: Visitas que están etiquetadas con el medio “feed”.
• Directo: Visitas en las que el visitante ha escrito la URL del sitio web en el navegador o ha llegado al sitio a través de un marcador (es decir, fuente = “(direct)” y medio = “(not set)” o “(none)”.

Otras fuentes

Estas son las agrupaciones que nos explican en la documentación oficial, pero ¿cuando aparece Display o “Otra publicidad”?

• Display: Aparece siempre que el medio de la campaña sea “display” o “cpm”.
• Otra Publicidad: Aparece cuando se utilizan algunos de los siguientes medios: ”cpc”, “ppc”, “cpv”, “cpa”, “cpp”, “content-text”, “affiliate”.

Redes sociales

Hace un tiempo, se podía sacar el informe exacto de las fuentes que se consideraban redes sociales copiando la agrupación básica de canales que te ofrecía Google Analytics, pero ahora lo han cambiado, y se categoriza como redes sociales siempre que el medio sea uno de los siguientes: “social”, “social-network”, “social-media”, “sm”, “social network”, “social media” o cuando la fuente, aunque sea de referencia, esté categorizada como red social:

Resultado final

En la siguiente imagen, podéis ver una relación del medio que se ha definido, y la agrupación que realiza Google Analytics:

Fijaos que el medio “afiliación” no es un medio predefinido, por lo que no lo sabe interpretar automáticamente.  En el caso de las redes sociales, tanto acepta las visitas de referéncia de una red social, como todas las visitas definidas como social.

Para poder ver las agrupaciones que hace Google Analytics por defecto, sólo tenéis que ir a las agrupaciones de canales y copiar la agrupación básica:

Clasificación automática de medios en Google Analytics es un post de Trucos Google Analytics.

Posts relacionados:

1. Medir las visitas de redes sociales automáticamente
2. Brian Clifton explica el como agrupar las visitas de Redes Sociales
3. Conversion thursday bcn: Redes Sociales – 16 oct

Actualmente Google ofrece un SDK que se integra con iOS y con Android, teniendo la posibilidad de hacer uso de gran parte de ésta herramienta de una forma completamente integrada con el sistema operativo, sin que sea un suplicio para los desarrolladores.

¿Qué nos ofrece exactamente éste SDK?

Tanto el Kit de Desarrollo de Software de Android como de iOS ofrecen las mismas opciones de seguimiento:

Seguimiento de páginas vistas

Las páginas vistas es la métrica por excelencia en el seguimiento de páginas web, aunque en algunos casos también es aplicable a aplicaciones móviles. A diferencia de las webs, es necesario definir una estructura que nos permita analizar el consumo de contenido de nuestra aplicación. También podemos utilizar las páginas vistas para realizar embudos de navegación de nuestra aplicación o analizar objetivos.

Seguimiento de eventos

Los eventos se utilizan para medir interacciones del usuario, por lo que tienen mucho más sentido en el análisis de apps, aunque es mucho más recomendable usarlo siempre en combinación con las páginas vistas. Evidentemente, lo podemos usar para hacer el seguimiento de todas las acciones que realize un usuario como ver vídeos, compartir contenido, etc.

Ecommerce Tracking

Si somos Telepizza o Groupalia, necesitaremos hacer uso de ésta funcionalidad para hacer el seguimiento de las compras desde nuestra aplicación Tiene las mismas ventajas y limitaciones que ya tenemos en la versión web, pero es imprescindible su uso si queremos tener una app de venta.

Custom Variables

Con las variables personalizadas, podremos guardar muchos datos tanto del usuario como del contenido que está consumiendo en ese momento. Mediante el SDK tenemos acceso a las mismas 5 variables a las que tenemos acceso desde la web.

Seguimiento del uso offline

Éste SDK nos permite hacer el seguimiento de las apps mientras están offline y, aunque ahora no encuentro en qué punto de la documentación se explicaba, recuerdo haber leído que había un límite de 30 llamadas a almacenar mientras la aplicación estaba offline, lo cual no son muchas. Se debe tener en cuenta, además, que la hora que se registra en Google Analytics es en la que se realiza el envío del “pixel“, no en el momento que ha pasado, por lo que las apps que están mucho rato offline puede que no se midan correctamente en GA.

Limitaciones de las implementaciones

Aunque Google nos ofrece un paquete bastante completo para la medición de aplicaciones móviles, podemos encontrar algunas limitaciones en las implementaciones que podemos hacer actualmente:

• El tiempo que se envía no es el real si la aplicación estaba offline: ya lo hemos comentado, pero es importante recordarlo de nuevo.
• No todas las apps se basan en consumo de contenido: medir éstas apps es más complejo.
• No podemos usar las funciones de _trackSocial
• El seguimiento de campañas, aunque en Android está un poco mejor, es muy limitado, por lo que se hace difícil poder medir la fuente de los usuarios de nuestra aplicación.
• La documentación ofrecida por Google es muy escasa.

Conclusiones

El uso de aplicaciones móviles se ha disparado en los últimos años, y las empresas se están adaptando a un ritmo vertiginoso para no quedar fuera de la partida. En el caso de Google, ha adaptado su herramienta de análisis por excelencia en lo que, desde mi punto de vista, es una pequeña chapuza para poder empezar a medir rápidamente, pero no es una solución definitiva.

La complejidad de una aplicación móvil es mucho mayor que una web y no siempre es fácil utilizar las funciones de Google Analytics para analizar el uso de nuestra aplicación. ¿Qué es una visita en una app? Sinceramente, es muy difícil definirlo, y GA está re-aprovechando una interfaz muy pensada para medir webs para medir aplicaciones en la que las visitas y las páginas vistas son las principales métricas a analizar.

Hace unos días, comScore publicaba un estudio en el que indicaba que Android y iOS son los dos grandes players de la batalla de sistemas operativos móviles, pero no debemos olvidarnos de otros sistemas operativos como puede ser Windows Phone, Symbian y Blackberry. ¿Como medimos todas éstas aplicaciones? Con Google Analytics no

En el caso que queramos medir éstas aplicaciones, os recomiendo usar Localytics o Flurry como alternativas.

¿Tenéis alguna experiencia con la medición de apps con Google Analytics? ¿Creéis que ésta es la herramienta ideal para analizar el uso de aplicaciones móviles?

Medir Apps con Google Analytics es un post de Trucos Google Analytics.

Posts relacionados:

1. Cómo medir las campañas internas
2. Cómo medir la latencia entre visitas según Justin Cutroni
3. Medir las visitas de redes sociales automáticamente

Gracias a Google Analytics vamos a ver hasta que punto un anuncio en TV sale rentable.

Segmentación utilizada para medir el tráfico procedente de TV

En primer lugar será necesario filtrar todo el tráfico que recibe nuestra página web. Con esto vamos a poder discernir del total de visitas, a aquellos usuarios que acceden a nuestra web después de haber visto el anuncio. Esto lo conseguimos creando un segmento en el que contemplamos algunos criterios que probablemente se darán entre la mayor parte de la audiencia que vea el anuncio en TV y después visite nuestra web. La elección de estos criterios es el punto más informal, ya que de entrada sólo se basa en intuición o sentido común. Más adelante demostraremos la validez de los criterios escogidos.

El segmento creado contempla los siguientes segmentos:

• Visitante nuevo (no recurrente) y
• España como país de procedencia y
• Fuente de tráfico directo o por keyword de marca

Ya que la segmentación aplicada incluirá tanto usuarios que vieron el anuncio como usuarios que no lo vieron, el paso siguiente consiste en validar cuantas de estas visitas pertenecen realmente a usuarios que han visto el anuncio.

Validación de la segmentación

Es crucial validar que la segmentación aplicada es correcta. Es decir, que los datos que vamos a ver tras aplicar el segmento que hemos definido incluyen usuarios procedentes de TV.
Para estar seguros de que la segmentación funciona se trata de comparar el volumen de visitas segmentadas que recibe nuestra web en días de anuncio y en días de no anuncio. Para esto es importante disponer del calendario de emisiones del anuncio.

Por ejemplo, sabemos que los miércoles, jueves y viernes de octubre hay emisión de anuncio. Comparando un par de intervalos de miércoles, jueves y viernes de octubre con septiembre, mes en la que no hubo anuncio, vemos lo siguiente:

En realidad, tanto habiendo anuncio como no, el segmento aplicado siempre incluye visitas. Sin embargo, las visitas son más para cuando hay anuncio. Y precisamente el grueso de la diferencia de más observada corresponderia al número de usuarios que proceden de TV.
Tras realizar esta comprobación para diferentes periodos de tiempo, se concluye que el anuncio en TV contribuye alrededor del +75% en volumen de visitas, respecto al patrón normal observado cuando no hay anuncios.

Adicionalmente, hacemos una segunda comprobación. Se trata de comparar las lineas de tendencia entre 2 periodos de tiempo para los que si hubo anuncios. El grueso añadido entre las dos lineas de tendencia debería girar alrededor de 0.

Contribución en visitas y conversiones gracias a la TV

Primero es importante tener claro el contexto del segmento aplicado. Es decir, el volumen de muestras analizado y correspondiente al segmento aplicado supone alrededor del 5% del volumen total de visitas de la web, y alrededor del 10% de conversiones de la web. Así que, por ejemplo, un incremento del 75% en el segmento de TV tan sólo supone un incremento del 8% del total.

Analizando varias muestras, podemos presumir de que los anuncios de TV están haciendo que las visitas suban alrededor de +8%.

Por otro lado, los anuncios de TV no están influyendo en el número de conversiones de la web. El siguiente gráfico demuestra como a pesar de tener más visitas, el número de conversiones se mantiene igual para días de anuncio y de no anuncio.

En conclusión, los anuncios de TV están sirviendo para generación de marca pero no para generación de venta directa. Aunque probablemente los usuarios impactados en TV pueden convertir a medio plazo, en futuras visitas a la web.

Los mejores días y horas para los anuncios

Una de las cosas más interesantes es ver la repercusión que tienen los anuncios según el día de la semana o la hora en la que se televisan. Según estos datos vamos a poder ser más finos en la programación de nuestros anuncios, siendo más eficientes en términos de inversión y retorno.

En cuanto a las franjas horarias, aplicamos el segmento y comparamos las lineas de tendencia por horas entre días en los que hubo anuncio y no hubo anuncio.
Observamos que, en general, la linea de tendencia de visitas para día de anuncio infla el patrón de visitas que se da en días de no anuncio. Lo interesante es que excepcionalmente y para ciertas horas del día, las visitas en día de anuncio no sólo son superiores sino que revierten el patrón normal en días de no anuncio.
Por ejemplo, la web analizada normalmente sufre una caída de visitas desde las 19h hasta las 23h. Contrariamente, cuando hay anuncios en TV y estos se emiten alrededor de esta franja horaria, se observa como las visitas se incrementan. Es decir, el anuncio en TV esta funcionando para corregir el descenso natural de visitas que la web tiene en estas horas. El “prime time” influye positivamente, ¿Pero llega a compensar los alrededor de 15.000 Euros que cuesta un spot de 20 segundos en estas horas?

En cuanto a días de la semana, hacemos un ejercicio similar.
A priori, el domingo es el día que menor repercusión tienen los anuncios de TV en términos de visitas. Sin embargo y como muestra el siguiente gráfico, el domingo es el día que presenta un mayor incremento en las conversiones de usuarios procedentes de TV. Es decir, gracias a la TV el domingo se duplican el número de conversiones con respecto a las conversiones normales para el segmento de tráfico analizado.

En resumen

Con este análisis sabemos:

• El % promedio en incremento de visitas que supone un día de anuncios en TV.
• El % promedio en incremento de conversiones que supone un día en de anuncios en TV.
• Los días que presentan mejor rendimiento en visitas y conversiones.
• Los franjas horarias diarias que presentan mejor rendimiento en visitas y conversiones.

A partir de esta información podemos:

• Hacer una mejor replanificación de días y horarios para la próxima campaña en TV.
• Valorar la rentabilidad del canal según generación de marca o ingresos, sólo de atribución directa sin llegar a conocer la deriva que esto ha podido generar.

Siempre se ha dicho que la TV es el canal de publicidad por excelencia, ya que ofrece la posibilidad de llegar a todos los hogares. Sin embargo, me parece paradójico que a día de hoy se sigan invirtiendo las cantidades de dinero que se invierten en anuncios de TV cuando en realidad su impacto es el más dificil de medir. Y precisamente hoy en día y en lo que se refiere a campañas de publicidad online, vamos a ser juzgados en base a resultados medibles.
Afortunadamente, la tendencia parece estar cambiando. ¿Hace cuanto no veis un anuncio de Nike en TV? Y no porque Nike se haya olvidado del marketing… Al contrario, Nike ha incrementado su presupuesto de marketing en los últimos años pero ha reducido su inversión en TV en más de un 40%. Un modelo a tener en cuenta.

Cómo medir el impacto de anuncios de TV con Google Analytics es un post de Trucos Google Analytics.

Posts relacionados:

1. Cambio en la forma de medir la visita de Google Analytics
2. Cómo medir las campañas internas
3. Campañas de PPC: Impacto en el ROI

Hemos hecho una lista de los errores más típicos con los que nos encontramos.

1. Mala configuración de los dominios y subdominios

¿Cuantas veces nos hemos encontrado con un informe de fuentes de referencia en las que aparece nuestro propio dominio como la principal fuente? Esto, evidentemente, es debido a una mala configuración de Google Analytics. Solucionarlo es muy fácil, simplemente se debe configurar correctamente la función _setDomainName, aunque muy pocas personas lo tienen configurado correctamente.

En la configuración de nuestro perfil, dentro de la gestión de código podemos obtener el código correcto para hacer éste seguimiento sin problemas.

2. No integración con Adwords/Adsense

Una de las grandes ventajas de utilizar Google Analytics respecto a otras herramientas es precisamente la integración que hay entre todas las herramientas de Google. Vincular las cuentas de Adwords y de Adsense es facilísimo y nos aporta un cantidad de información muy valiosa.

Debéis tener en cuenta que, si se hace una campaña de Adwords pero no tenemos vinculadas nuestras cuentas, todo el tráfico que generemos desde éstas campañas nos aparecerá como tráfico orgánico.

3. No identificar las campañas de captación de tráfico

Por defecto, GA nos da 3 tipos de orígenes de tráfico: Tráfico Directo, Tráfico de Referencia y Tráfico de buscadores. Pero debería existir un cuarto segmento, que son todas aquellas visitas que provienen de nuestras campañas de captación de tráfico como pueden ser la publicidad display o las newsletters. Para poder hacer éste seguimiento deberemos utilizar las etiquetas de campaña.

 4. Buscador interno sin configurar

La mayoría de las webs ofrecen algún tipo de buscador interno. En algunos casos puede ser difícil de configurar, pero en la mayoría de los casos simplemente debes especificar el parámetro de la URL que registra el término de búsqueda del buscador interno. Para configurarlo, debéis ir a la configuración del perfil. Si utilizáis el buscador de Google, el parámetro que se utiliza es una ‘q’ y si utilizáis WordPress, el parámetro es una ‘s’

Con simplemente habilitar éstos informes, la calidad de los datos que obtendremos en Google Analytics se multiplicará por 2.

5. No hay objetivos definidos

Todos las webs tienen una razón de ser, por lo que hay unos objetivos detrás de ella. Estos objetivos casi siempre son medibles, pero casi nunca están definidos en Google Analytics. Podemos definir objetivos por página, tiempo en el sitio, páginas vistas o eventos.

Una vez los tengamos configurados, los datos que leeremos e interpretaremos de nuestra web tendrán un nuevo sentido para nosotros, y nos darán una visión completamente nueva y mucho más rica que la que teníamos hasta entonces.

6. Seguimiento de múltiples dominios con una sola cuenta

¿Sabíais que Google Analytics sólo puede hacer el seguimiento de un sólo dominio a la vez? Si tenemos la misma propiedad web en más de un dominio, los datos que obtendremos no serán fiables tanto a nivel de usuarios únicos como a nivel de visitas (sólo serán válidos los datos de páginas vistas).

Debéis tener en cuenta ésto a la hora de hacer interpretaciones de los datos si tenéis el código en más de una web. Se puede hacer seguimiento de más de un dominio, pero esto requiere una implementación mucho más avanzada y nunca tendremos la fiabilidad que nos puede dar DAx o SiteCatalyst.

7. Mala definición de la zona horaria

Si en nuestro perfil no tenemos definida nuestra zona horaria correctamente, podemos encontrarnos en que tenemos un pico de visitas a las 3 de la madrugada, cuando realmente es porque tenemos configurada la zona horaria del Pacífico. Si lo configuramos correctamente, los datos de visitas que obtendremos serán mucho más precisos y próximos a la realidad de nuestra web

8. No usar anotaciones

Las anotaciones es una de las mejoras funcionalidades de la interfaz de Google Analytics. ¿Por qué bajó tanto el tráfico éste día? ¿Qué dia cambié el diseño de la web? ¿Cuando empezamos la campaña de TV? Nuestra memoria tiene unos límites y es imposible acordarnos de todo. Para esto están las anotaciones de Google Analytics, para poder recordar todo lo que ha pasado relacionado con nuestro negocio y nuestra web.

8 errores de implementación típicos de Google Analytics es un post de Trucos Google Analytics.

Posts relacionados:

1. Verificar la correcta implementación del tag de Google Analytics al instante
2. Controlar los errores 404 con Google Analytics
3. Errores de traducción en la interfaz de Google Analytics

La mayoría de éstas herramientas son plugins para los navegadores, pero también hay algunas aplicaciones útiles. A continuación tenéis un listado de las distintas herramientas que utilizo, agrupadas por plataforma:

Plugins para Chrome

 Chrome es, desde hace ya bastante tiempo, mi navegador principal, por lo que es el navegador con el que uso más plugins. Estos son los que más utilizo:

• Analytics Helper: Este pequeño plugin, que se añade a la barra de URL de chrome, me indica rápidamente si la página que estoy visitando tiene Google Analytics instalado, ya que su pequeño icono verde sólo aparece cuando hay GA en la página. Además, si hago click en él, me indicará cual es su propiedad web y si el código está en la posición correcta.
• Duplicate Tab: Seguramente es el plugin que más utilizo: cuantas veces has necesitado duplicar la página de Google Analytics que estás mirando para hacer una comparación o cambiar de cuenta o perfil? Antes, tenías que copiar la URL, abrir una nueva pestaña y pegarla. Ahora, con un simple click, ya lo tenemos!
• GA Copy and Paste: Este plugin no lo utilizo mucho, pero siempre aparece cuando lo necesito. Cuando tengo que configurar varios perfiles de un cliente, con múltiples objetivos, éste plugin nos ahorra muchísimo tiempo!
• Ghostery: Éste es mi último descubrimiento, y estoy encantado con él. Nos muestra un pequeño fantasma que nos indica todas las herramientas de analítica web, publicidad, etc que hay en una página.
• Google Analytics Debugger: Ya hablé de este plugin cuando hice un repaso de las herramientas para validar la implementación de Google Analytics y, aunque ya no lo uso tanto, lo sigo teniendo instalado para hacer comprobaciones rápidas
• Remove cookies for site: Este plugin es fantástico por su sencillez: haces click y automáticamente todas las cookies del dominio que estás visitando han desaparecido del mapa!
• Screen Capture (by Google): Cuando quiero hacer alguna captura de una página web muy larga, éste plugin me lo permite hacer con un par de clicks, dándome la opción incluso de hacer modificaciones y compartir la imagen en Picasa y Facebook.
• Cookies App for Chrome: Esta webapp, que me la descubrió @edubarredo y que es la imagen que acompaña éste post, es la aplicación de gestión de cookies más completa y visualmente agradable que he visto. Permite ver, modificar y eliminar absolutamente todas las cookies que tenemos en nuestro navegador. Muy útil y bonita

Plugins para Firefox

Chrome es mi navegador por defecto, pero siempre trabajo conjuntamente con Firefox, ya que tiene algunos plugins que aun no he encontrado con el navegador de Google:

• Firebug: El plugin por excelencia de Firefox, imprescindible para cualquier persona que trabaje con algún trabajo mínimamente relacionado con la web.
• Firecookie: Lo genial de firebug es que se puede ampliar con extensiones extras. Ésta extensión me permite tener acceso a todas las cookies que se han creado en este dominio en tiempo real y modificarlas o eliminarlas si es necesario.
• Httpfox: Mi herramienta favorita para testear implementaciones, ya sean de Google Analytics, de Adobe SiteCatalyst o de comScore Digital Analytix. Lo captura absolutamente todo!
• WASP: Actualmente solo lo utilizo sólo para ver rápidamente que herramientas están implementadas y poco más.

Aplicaciones de escritorio

Evidentemente, no todas las aplicaciones deben ser complementos para navegadores: también trabajo con aplicaciones instaladas en mi MacBook, aunque también puedan funcionar en el cloud.

• Evernote: Hay alguien que no conozca Evernote? Esta aplicación para tomar notas la utilizo para cualquier cosa: resumen de reuniones, copias de los correos importantes, datos que necesito apuntarme… Lo que sea! Todo organizado con libretas y etiquetas, como debe ser
• Skitch: Puede que skitch no sea una aplicación tan conocida, aunque hace unos meses la compro Evernote. Se trata de la aplicación por excelencia para realizar “pantallazos“: Permite editar sobre las imágenes, recortarlas, añadir flechas y texto y guardarlas simplemente arrastrando.
• Pages & Keynote: En mi trabajo diario de consultor, las auditorias y los informes son de las cosas más comunes que realizamos, por lo que es imprescindible utilizar un editor de textos y un editor de presentaciones, aunque no utilizo ni el Word ni el Powerpoint
• Excel: Aunque me gusta el Mac, trabajo mucho mejor con el Excel que con el Numbers de Apple, por lo que ésta aplicación está muy presente en mi día a día.
• Google Refine: Esta aplicación de Google me permite trabajar con grandes ficheros de datos y tratarlos para poderlos pasar de una forma más limpia a otras herramientas, como puede ser Excel.

Herramientas offline

Los analistas web también hacemos análisis “offline”, por lo que no todas las herramientas que utilizamos están hechas con bits, sino que también tenemos herramientas que hechas con átomos (frase inspirada por los posts de @granludo).

• Libreta y boli: Siempre hay algo que Evernote no me deja apuntar de una forma tan cómoda y rápida como lo permite una libreta y un boli “de siempre”, por lo que siempre llevo una encima.
• Pizarra blanca: En nuestras oficinas tenemos muchas de éstas, que nos permite discutir en grupo algunos temas que serían mucho más difíciles de discutir sin ésta fantástica herramienta.
• Auriculares: Me gusta escuchar música mientras trabajo, por lo que unos buenos auriculares me permiten aislarme  y no molestar a los demás compañeros, que también escuchan su propia música

Éste es un resumen de mis aplicaciones favoritas. ¿Cuales son las que más os gustan a vosotros? ¿Las conocíais todas? ¿Qué herramienta/plugin me recomendáis?

Mis herramientas favoritas como analista web es un post de Trucos Google Analytics.

Posts relacionados:

1. Herramientas para validar la instalación de Google Analytics
2. Herramientas para hacer un cuadro de mando
3. Multinacional busca un analista web senior

Creando un filtro avanzado

Si nuestro afiliado es un afiliado a largo plazo, podemos crear un filtro en Google Analytics que nos permita modificar la campaña o incluso el medio por el que llega el usuario a nuestra página web.

A partir de este momento, todas las visitas que vengan desde afiliado.com se registrarán como medio “afiliación”. Si queremos, también podemos crear otro filtro en el que creemos una campaña específica, para poderlos tener más identificados.

Es importante que siempre dejéis un perfil sin filtros, y que apliquéis todos los filtros en un segundo perfil para garantizar que, en caso de duda, siempre podremos analizar los datos reales registrados por Google Analytics

Éste método es fácil e indoloro, y no necesitamos realizar ningún cambio en nuestra implementación de la herramienta para poder utilizarlo, pero no siempre es válido: ¿Qué pasa si tenemos una lista de afiliados que cambia cada mes? ¿Debemos modificar éstos filtros constantemente? Esto es una fuente de fallos y problemas, y muy incómodo de mantener al día.

Si ésta es vuestra situación, os recomiendo utilizar el siguiente método:

Cambiando la campaña “al vuelo”

Para realizar éste cambio, se necesita modificar el tag de GA, y necesitaréis algunas habilidades de programador, ya que para ejecutar éstos cambios será necesario aplicar alguna lógica.

La idea es que siempre que llegue una visita desde una fuente de referencia que tenemos identificada como afiliado, ejecutaremos las siguientes lineas de código antes del _trackPageview:

location.hash = "utm_campaign=afiliados&utm_medium=afiliacion&utm_source=afiliado.com";
_gaq.push(['_setAllowAnchor', true]);

Lo que pasará será que, automáticamente, aparecerán los parámetros de campaña precedidos por el carácter almoadilla “#”. Para poner un ejemplo, la URL quedaría así:

http://trucosgoogleanalytics.com/#utm_campaign=afiliados&utm_medium=afiliacion&utm_source=afiliado.com

Por defecto, los parámetros de campaña están precedidos por un interrogante, pero esto se puede modificar gracias a la función _setAllowAnchor.

Por lo que, cuando se ejecute el código de página vista en ésta página, se hará la interpretación mediante los parámetros que nosotros hayamos especificado en el código, no los que asigna GA por defecto.

Debéis tener en cuenta que esto sólo se debe ejecutar en la página de destino del usuario y sólo si la URL no está etiquetada con códigos de campaña previos.

Medir campañas sin etiquetar los enlaces es un post de Trucos Google Analytics.

Posts relacionados:

1. La importancia de etiquetar bien el origen de los enlaces
2. Cómo medir las campañas internas
3. Filtros de campañas de tráfico