blog de OBS Business School

¿Cueces o enriqueces con Google Analytics? Parte IV

Blog |

¿Cueces o enriqueces con Google Analytics? Parte IVEn el artículo de hoy seguiremos con las acciones de mejora basadas en datos, al tratar en el anterior post las de carácter más técnico.

Allí vimos que las acciones más importantes y prioritarias son las que garantizan o ayudan a que nuestra web esté siempre disponible, se cargue de forma correcta y en tiempos razonables. A su vez, auditar que disponemos de un sistema de medición fiable, es indispensable.

Cualquier análisis que tratemos de hacer, sin tener noción de estos aspectos, correrá el riesgo de no tener sentido o peor, ofrecer resultados totalmente erróneos.

Ok, pues sigamos con el 3, 2, 1 y ¡¡acción!!

¿Se cumple lo que he visto?

Una vez superadas las acciones técnicas, estamos en la mejor de las situaciones para contrastar con datos nuestro listado de incidencias, observaciones e hipótesis obtenidos gracias al análisis contextual realizado sobre el site.

En este punto trataremos de identificar, dentro de los informes que proporcionan las herramientas de analítica web, qué cifras demuestran nuestras sospechas en un volumen significativo de nuestros usuarios.

Encontrar el informe más o menos rápidamente depende, en la mayoría de los casos, de lo habituados que estemos a la hora de usar herramientas de este tipo (siendo Google Analytics de las más sencillas para ello por su excelente usabilidad).

Suele ser una buena práctica tratar de catalogar los apartados dentro de los informes de la herramienta, con preguntas claves relacionadas con nuestras hipótesis.

Es decir, podemos vincular las preguntas: ¿Quién?, ¿Dónde?, ¿Qué? y ¿Por qué?, a los apartados dentro de Google Analytics: Audiencia, Adquisición, Comportamiento y Conversiones.

 

Google AnalyticsMenú de categorías de informes dentro de Google Analytics

Pongamos un ejemplo:

Imaginemos que tenemos la sospecha que los usuarios con baja resolución de pantalla tienen una peor conversión. Podríamos proponer una mejora para ese colectivo, si tiene un tamaño significativo. La pregunta con la que nos sentimos más cómodos sería “Quién”, ya que buscamos un colectivo concreto. A partir de aquí iríamos a GA a la categoría “Audiencia” a buscar nuestro informe, dado que este paralelismo nos ha ayudado a ello.

Como hemos comentado antes, esta técnica resultaría útil al dar los primeros pasos con las herramientas de medición, haciéndose automáticamente una vez se tiene práctica con ellas.

Ok, sigamos con el ejemplo, imaginemos que efectivamente ese colectivo realiza el 30% de las visitas y su conversión es inferior al de la media ¿priorizo la acción derivada sobre cualquier otra?

Aquí es donde debemos realizar el siguiente cálculo: obtener el valor que generaría ese colectivo si como mínimo convirtiese igual que la media. A ese valor debemos restar el coste de la acción a aplicar para conseguir ese efecto.

Si el resultado de esa operación es mayor que el resto de las acciones que tenemos pensadas, sí debemos empezar por esta primero.

El ratio de conversión: clave pero sin obsesionarse

Ya comentamos en el primer post de esta serie, que dar de alta los objetivos dentro de las herramientas de medición web (y en especial Google Analytics) hace que todos los informes estén dirigidos a comprobar si alguno de los números que arrojan, han ayudado o no a esa conversión. No hacerlo significa perder el tiempo tratando de explicar datos no enfocados.

Poder cruzar todos los informes versus la conversión, hace posible comparar la eficacia de nuestras campañas, dispositivos, audiencias, etc. de la mejor de las maneras, que no es otra que “gana la que más ayude a conseguir lo que quiero con este site”.

 

Google AnalyticsLos usuarios que convierten en el objetivo final son una minoría. Hay que fijarse en el resto

Precisamente la importancia tan grande que tiene la conversión,  ha hecho que se sobrevalore y se utilice en otros contextos, a mi entender no tan prácticos.

Por ejemplo se escoge el ratio de conversión (visitas que convierten dividido entre total de visitas) como KPI por excelencia en cualquier cuadro de mando que se precie. El problema con este KPI es que no es muy sensible a los cambios y por tanto, se mantiene igual siempre. ¿Para qué sirve un KPI si nunca indica nada? Necesitamos otro que sea sensible a nuestras acciones.

¿Por qué este no tiene la sensibilidad esperada? La razón es sencilla, estamos incluyendo en el denominador el total de visitas y ese colectivo es tan grande versus los que acaban convirtiendo, que su relación es muy difícil que pueda cambiar drásticamente (solo cuando la conversión es cero).

Lo ideal sería sustituir ese “total de visitas” por el “total de visitas con intención de compra” y entonces sí dividirlo por “las visitas que convierten”. Ese sí sería un indicador sensible a los cambios. ¿Cómo saber “total de visitas con intención de compra”? Hay muchas formas de deducirlo, pero podríamos tomar por ejemplo “las visitas que han añadido un producto al carrito”.

Ligado a esto, otra de las obsesiones al respecto es pensar que sólo existe el fin último en un site, es decir, la venta, la suscripción o el registro según el caso. En el mejor de los casos podríamos hablar de entre un 5% o 10% de conversión última ¿vale la pena fijarnos sólo en ese porcentaje? ¿qué sucede con el 90% restante?

Precisamente una muy buena práctica consiste en identificar los diferentes puntos de paso hasta esa conversión final, lo que se conoce como micro conversiones. Estudiar el comportamiento de los usuarios según sus micro conversiones y ver qué motivaciones les hace pasar de una a otra, es un análisis muy productivo para obtener mejoras sustanciales en el ratio de conversión final.

Además contaremos con una base para el estudio mucho más amplia, que sólo restringiéndonos a los que convierten en el objetivo final. Necesitaremos esa base amplia de usuarios para poner en marcha las acciones que compararán, en tiempo real, de forma controlada y reduciendo el riesgo, versus el site sin los cambios sugeridos. Es lo que se conoce como testing.

 

¿Cómo generar acciones más rápidamente?

A partir de aquí sólo nos queda tratar de proponer maneras de acelerar la obtención de acciones basadas en datos. En el próximo capítulo nos centraremos en ello y diferenciaremos dos tipos: acciones en continuo y acciones inmediatas. ¡¡Hasta entonces!!