Pid 00252659

Analítica web y
métricas
PID_00252659
Alfredo Hernández Díaz
Tiempo mínimo de dedicación recomendado: 9 horas

© FUOC • PID_00252659 Analítica web y métricas
Ninguna parte de esta publicación, incluido el diseño general y la cubierta, puede ser copiada,
reproducida, almacenada o transmitida de ninguna forma, ni por ningún medio, sea éste eléctrico,
químico, mecánico, óptico, grabación, fotocopia, o cualquier otro, sin la previa autorización escrita
de los titulares del copyright.
Índice
Introducción............................................................................................... 5
Objetivos....................................................................................................... 7
1. Qué es la analítica web.................................................................... 9

1.1. Conceptos y elementos ............................................................... 9
1.2. Para qué sirve la analítica web ................................................... 11
1.3. Estrategia del analista web .......................................................... 12
1.3.1. Establecimiento de objetivos ......................................... 15
1.3.2. Métricas y KPIs .............................................................. 17
1.4. Herramientas de análisis web ..................................................... 22
1.5. Cuadro de mando ....................................................................... 26
2. Descripción del caso práctico......................................................... 31

2.1. Empresa ....................................................................................... 31
2.2. Estrategia ..................................................................................... 32
3. Análisis básico..................................................................................... 35
3.1. Definición de objetivos ............................................................... 39
3.2. Creación e implementación de Google Analytics ...................... 47
3.2.1. Creación de la cuenta .................................................... 47
3.2.2. Código de seguimiento .................................................. 49
3.2.3. Seguimiento de comercio electrónico ........................... 49
3.2.4. Estructura: cuenta, propiedad y vista ............................ 50
3.2.5. Configuración de la cuenta ........................................... 52
3.2.6. Configuración de propiedad .......................................... 53
3.2.7. Configuración de las vistas ........................................... 60
3.2.8. Integración con AdWords .............................................. 71
3.3. Etiquetado ................................................................................... 72
4. Análisis web......................................................................................... 74
4.1. Filtros ........................................................................................... 74
4.2. Segmentos personalizados ........................................................... 76
4.3. Tráfico, contenido y conversiones .............................................. 79
4.3.1. Analítica de audiencia ................................................... 80
4.3.2. Analítica de adquisición ................................................ 84
4.3.3. Analítica de comportamiento ........................................ 86
4.3.4. Analítica de conversión ................................................. 90
4.3.5. Analítica de comercio electrónico ................................. 93
4.3.6. Analítica de cupones y afiliados .................................... 95
4.3.7. Embudos multicanal ...................................................... 96
4.3.8. Modelos de atribución ................................................... 97
5. Informes................................................................................................ 100
5.1. Informes personalizados ............................................................. 100
5.2. Cuadro de mando ....................................................................... 102
Resumen....................................................................................................... 105
Glosario........................................................................................................ 107
Bibliografía................................................................................................. 110
© FUOC • PID_00252659 5 Analítica web y métricas
Introducción
El uso cada vez más habitual de internet y la importancia creciente de las redes
sociales son fenómenos que están teniendo un impacto directo en los hábitos
de consumo y de ocio de los individuos. Con el estallido de la burbuja de in-
ternet, las webs dejaron de ser escaparates estáticos para convertirse en canales
activos en los que se demandaba una rentabilidad. Esa necesidad de medir el
retorno de la inversión es lo que impulsó la analítica web como herramienta
de negocio para entender el comportamiento de los usuarios y mejorar la ex-
periencia de navegación.
La analítica web nos permite identificar las preferencias de nuestros usuarios,

entender qué hacen en un sitio web y ser capaces de personalizar una oferta,
ante una situación de incertidumbre, con decisiones objetivas basadas en in-
formación relevante. Con el fin de comprender el comportamiento web de sus
usuarios, las organizaciones cada vez más se orientan hacia la utilización de
métricas basadas en resultados para el análisis de sus acciones de marketing
online.
La estrategia de medición online tiene como objetivo final mejorar los ingresos
procedentes de nuestro negocio. La analítica web no es una herramienta para
generar informes, sino un proceso que nos permite implementar un procedi-
miento de mejora y optimización continua de nuestro sitio web. Para anali-
zar los resultados obtenidos, es imprescindible tener claros previamente los
objetivos que queremos alcanzar como organización a nivel general y con la
estrategia de marketing digital a nivel particular.
La analítica web es objeto de estudio no solo para todos aquellos interesados

en el marketing digital, sino también para todos aquellos que gestionen un
negocio con presencia en internet. Es importante analizar, pero lo fundamen-
tal es plantear una serie de acciones en función de los datos obtenidos.
Para mostrar un marco con los principios y fundamentos del análisis web,
presentaremos un caso práctico centrado en la herramienta más extendida y
popular de medición web, Google Analytics. Antes de introducir el caso, ofre-
ceremos una visión de los aspectos esenciales del análisis web y conoceremos
algunas herramientas imprescindibles para recopilar información cuantitativa
y cualitativa.
Una vez descrito el caso y configurada la herramienta Google Analytics, vere-

mos cómo empezar un proyecto de analítica web identificando los objetivos
web y los principales KPI (key performance indicators). Después de recopilar los
datos relevantes y proceder a una adecuada segmentación, nuestro propósito

será interpretar los datos con la creación de un cuadro de mando en orden a
los objetivos de la organización y de la web.
Aunque el material se revisa poco antes de empezar la asignatura, las herra-

mientas indicadas están en en continua actualización, por lo que puede ocu-
rrir que algunas imágenes mostradas en este caso práctico no coincidan exac-
tamente con las encontradas en las aplicaciones. Si fuera este el caso y no se
tiene claro, por favor comentarlo con el equipo docente.
Objetivos
Los objetivos a alcanzar con este caso práctico de analítica web y métricas son:
1. Aprender a interpretar y analizar los datos de tráfico web para mejorar

nuestras acciones de marketing digital.
2. Planificar e implementar una estrategia optimizada de análisis web con un

enfoque práctico usando Google Analytics.
3. Definir métricas y crear informes para evaluar el cumplimiento de los ob-

jetivos y tomar decisiones en un entorno web.
4. Conocer las herramientas de analítica web esenciales para medir los resul-
tados online.
1. Qué es la analítica web
1.1. Conceptos y elementos
La analítica web surgió casi al mismo tiempo que las propias páginas web co-
merciales al inicio de la década de los noventa. Con el paso del tiempo y el
estallido de la burbuja de internet, las web dejan de ser una novedad para
convertirse en negocios en los que se demanda una rentabilidad. Hoy en día
las empresas invierten más en su web (diseño web, contenidos, SEO –search
engine optimization–, promoción, etc.), por lo que se hace necesario medir el
rendimiento del canal online y saber cuánto gastamos frente a lo que ingre-
samos, para reducir costes y aumentar los beneficios. Todas estas estrategias
orientadas a la búsqueda de rentabilidad han sido posibles gracias a los datos
proporcionados por la analítica web.
Morales (2010) define la analítica web como el conjunto de procesos que per-
miten gestionar el conocimiento obtenido a través de las herramientas de me-
dición de sitios web, alcanzar conclusiones sobre dicho conocimiento y actuar
en función de estas conclusiones, con el fin de alinear la estrategia de medi-
ción online con la estrategia de negocio.
En Wikipedia se define como la disciplina profesional encaminada a extraer

conclusiones, definir estrategias o establecer reglas de negocio sobre la base de
los datos recabados en todos aquellos entornos web sobre los que una empresa
ejerce control.
La Web Analytics Association define la analítica web como: «Is the mea-
surement, collection, analysis and reporting of Internet data for the pur-
poses of understanding and optimizing Web usage» (es la medición, re-
cogida, análisis y reporte de los datos de tráfico web con el objetivo de
entender y optimizar la navegación web).
Las tres definiciones son válidas y se complementan entre sí sobre el objeto

básico de la analítica web, que es entender el comportamiento del usuario web,
a través de la interpretación de datos extraídos de herramientas, con el objetivo
de mejorar su experiencia de navegación y alcanzar nuestros objetivos web.
Identificar las preferencias de los usuarios por sus acciones, por su situación
geográfica, por tipo de visita, etc., en definitiva, la segmentación en el análisis
web es un elemento imprescindible para optimizar el sitio.
Analizar los datos que ofrece una herramienta de analítica web no es una tarea
fácil si queremos ajustarla a los KPI definidos en la estrategia de medición.
Además, las organizaciones tienden a disponer entre una y dos herramientas
de medición web simultáneas, pudiendo arrojar diferentes datos en función
de las utilidades que se hayan establecido para cada una de ellas.
La implantación de un proceso de analítica web y la inversión de su puesta en

marcha variará en función de los siguientes factores:
• Nivel de madurez de la analítica web en la organización.

• Selección de herramientas de analítica web.
• Profesional/es de analítica web seleccionado/s u organización externa con-
tratada.
El nivel de madurez de la analítica web determina la información que pode-

mos aportar a la organización para poder alinear la estrategia de medición on-
line con la estrategia del negocio. Por otro lado, el grado de experiencia de la
organización en la implementación de estrategias de marketing digital es otro
factor que se debe tener en cuenta en la puesta en marcha de este proceso.
La selección en el número de herramientas de análisis web y su precio, así co-
mo los profesionales seleccionados para implementar el proceso de gestión de
análisis web influirán también en la cuantía de la inversión en el proyecto.
Aunque en los últimos años se han publicado varios modelos del grado de
madurez en analítica web de una organización, vamos a usar el modelo clá-
sico de Bill Gassman (2007), de la empresa Gartner, por ser uno de los más
ampliamente aceptados. Su objetivo principal es mostrar a una organización
el nivel de madurez en el uso de la analítica web y en sus herramientas. Dicho
modelo, que cubre cinco niveles, ofrece respuestas a cuestiones como: ¿en qué
nivel está nuestra organización?, ¿qué necesitamos para pasar de nivel?, etc.
Figura 1. Modelo del nivel de madurez de la analítica web
Fuente: Bill Gassman, de la empresa Gartner, Emetrics Summit celebrado en San Francisco en 2007.
En el primer nivel se empiezan a medir los datos más relevantes de tráfico web,
contenidos web, origen de las sesiones, entradas y salidas, etc. Muchas organi-
zaciones tienen problemas en esta fase, motivados por la definición de objeti-
vos y su conversión a métricas y KPIs, así como por una medición incompleta
basada en una implementación no avanzada de la herramienta de medición.
A medida que conocemos el sitio web y extraemos los primeros informes, ne-
cesitamos profundizar en los patrones de comportamiento, analizando embu-
dos de conversión y usando KPIs más avanzados.
En el nivel dos realizamos nuestros primeros tests A/B y creamos nuestros pri-
meros cuadros de mando analíticos más sofisticados y orientados al negocio.
En este momento, extraemos datos más precisos e informes más eficaces pa-
ra la toma de decisiones. En el tercer nivel empezamos a trabajar con detalle
la segmentación y nos centramos en la optimización de los canales haciendo
uso de los tests multivariantes y estudios de usabilidad, a la vez que extrae-
mos conclusiones basadas en información cuantitativa y cualitativa. Al mismo
tiempo, somos capaces de crear cuadros de mando estratégicos con recomen-
daciones eficaces.
Es el momento de pasar al cuarto nivel, que está focalizado hacia el cliente.

Esto significa unificar toda la información relativa al cliente y a todas sus in-
teracciones con la organización, lo que requiere conectar el entorno online con
la incorporación de datos offline, normalmente un CRM (customer relationship
management), para disponer de una clara visión del ciclo de vida del cliente.
Ya tenemos completamente controlado nuestra estrategia de medición online.
Sin embargo, queda un nivel más y último, que requiere una analítica digi-
tal avanzada, basada en análisis predictivos y modelos estadísticos. Aparece
en escena el big data y el data science. Es el momento donde las matemáticas
efectivas toman especial relevancia. Hasta este momento solamente éramos
conscientes de lo que teníamos en nuestras herramientas de analítica online
y offline, o en nuestras bases de datos, pero llega el momento de ir mucho
más allá al tener la capacidad de cruzar nuestros datos con los provenientes
de otras plataformas, sean de redes sociales, online, offline u open data.
1.2. Para qué sirve la analítica web
La analítica web es un medio que ayuda a solucionar, mejorar y enfocar una

estrategia establecida para nuestro sitio web. ¿Qué podemos extraer de cada
una de las fases de una estrategia de medición online?
1)�Recogida�de�datos�(recolección): Mediante herramientas analíticas, ya sea

Google Analytics como cualquier otra, tendremos a nuestra disposición un
panel con datos que configurar y a los que sacar partido. Nuestra estrategia es la
clave para la interpretación de los datos. Lo primero es asegurarse de que todas

las páginas de nuestro sitio web están etiquetadas y de que sean accesibles,
tanto para los usuarios como para los motores de búsqueda.
2)�Realizar�las�preguntas�adecuadas�(análisis): Una vez asegurado que todas

las páginas de nuestro sitio web están disponibles para ofrecer datos y métri-
cas, es el momento de interpretar estos datos correctamente. Lo primero es ali-
near la estrategia del sitio web con la estrategia organizacional y preguntarse si
las métricas básicas de usuarios únicos, sesiones, páginas vistas, porcentaje de
rebote y promedio de tiempo en nuestro sitio son las esperadas. La interpreta-
ción se debe basar en los KPIs definidos y en los objetivos que la organización
ha establecido en su estrategia general.
3)�Generar�los�cuadros�de�mando�(reporte): Tan importante es saber leer los

datos para interpretarlos como generar unos informes y cuadros de mando
analíticos sencillos, útiles y eficaces. Su forma dependerá del área o destinata-
rio que lo reciba. Muchos de ellos no comprenderán dicha información si este
es muy técnico y con muchos datos. Lo mejor es definir conforme al objetivo
indicando las métricas básicas, ya sean sesiones únicas, páginas vistas, etc., u
otro tipo de métricas más sofisticadas, y además hacer que sean comprensibles.
4)�Mejorar�un�sitio�web�(optimizar): La analítica web dirá lo que hacen los

usuarios en el sitio web, pero no lo que no hacen; esto último es algo que
debemos interpretar. El analista web deberá realizar recomendaciones a través
de la búsqueda del conocimiento y no quedarse solo con los datos. La optimi-
zación consiste en analizar los resultados de las métricas y extraer las conclu-
siones, conforme a los objetivos, para poder utilizarlas en la mejora del sitio
web, así como testear los cambios para optimizar el rendimiento de este.
1.3. Estrategia del analista web
Un analista web es un profesional que extrae el mejor rendimiento a las herra-

mientas de analítica web, diseñando los KPIs y cuadros de mando necesarios
para cada tipo organización. También interviene en las estrategias de marke-
ting online, ya que los resultados siempre se tienen que analizar. Además, su
tarea es alcanzar conclusiones y generar conocimiento para la toma de deci-
siones de las organizaciones. El analista web alinea la estrategia de medición
online con la estrategia de negocio por medio de dos flujos, uno descendiente
y otro ascendiente:
• Flujo�descendiente: Alinea la estrategia de medición con la estrategia cor-

porativa. Se inicia con la estrategia corporativa de la compañía y con el
diseño de la estructura del sistema de información que vamos a utilizar.
• Flujo� descendiente: Ofrece a cada área de la organización información

relevante para la toma de decisiones.
El siguiente gráfico es una representación del modelo de doble flujo. A medida

que se sube de nivel, la información se vuelve más estratégica.
Figura 2. Flujos de actividades para alinear la estrategia de medición online con la estrategia de
negocio
Fuente: Analytics 2.0, Juan Damia.
• Información�de�internet: Es la base de la pirámide y se trata de la infor-

mación producida como resultado de la interacción del sitio web en inter-
net que puede ser registrada.
• Información: Son los datos que son medidos antes de ser procesados. Esta
información es la más operativa y menos estratégica.
• Indicadores�(métricas): Son datos procesados que dan soporte a las per-

sonas que componen el núcleo operativo.
• KPIs: Los indicadores clave proveen la información más estratégica en el

nivel de operaciones, y por ello es el punto más alto de este nivel en la
pirámide. Ayuda a la dirección de nivel medio y alto a entender cómo le
está yendo a la empresa y cuáles son los siguientes pasos que se deben dar
sin necesidad de entrar en detalles puramente operativos.
• KSIs: Los indicadores estratégicos (key strategic indicators) están relaciona-

dos directamente con la estrategia corporativa. Permiten a la dirección de
la empresa hacer seguimiento de varias unidades de negocio sin necesidad
de prestar atención a los detalles de cada una de ellas.
Una vez identificadas y definidas todas estas fases, el analista web interpreta
los datos procedentes de las herramientas de análisis web. Lo primero es cono-
cer el sitio web y el negocio. Necesitamos ambas perspectivas para ser efectivos
en la estrategia que hemos de seguir. Una es tener un completo conocimien-
to del negocio para conocer los objetivos y la otra conocer muy bien la web
para entender el comportamiento del visitante web. Los cimientos empiezan
por acercarnos a una perspectiva global sobre tendencias de nuestras visitas
y usuarios, e identificar patrones y estacionalidades analizando las métricas
básicas:
• ¿A cuántos les llamamos la atención? (visitas nuevas).

• ¿Cuántos repiten? (visitas recurrentes).
• ¿Cuánto tiempo están? (duración media de visita).
• ¿Cuántos siguen adelante? (tasa de rebote).
• ¿Cuántos convierten? (tasa de conversión).
Una vez que disponemos de esta visión global, segmentaremos por fuentes de
tráfico. De esta manera, conoceremos las fuentes que nos traen mayor tráfico
y sabremos si la inversión en ellas se corresponde con el número de visitas
y usuarios. ¿Es el PPC (pago por clic) nuestra principal fuente?, ¿estamos ha-
ciendo bien el SEO?, ¿tenemos una buena red de referidos?, etc. Después ana-
lizamos las palabras clave por las que llegan a nuestro sitio web, distinguien-
do las que son por nuestra marca de las que no, y segmentando por tráfico
natural y pagado. ¿Está funcionando bien nuestro branding?, ¿nos buscan por
los términos que queremos que nos encuentren? Todo esto lo analizamos por
volumen de tráfico y nivel de ingresos obtenidos.
A partir de este momento nos centramos en los objetivos establecidos para

el sitio web. Queremos saber qué se quiere conseguir en el sitio web y si las
llamadas a la acción están funcionando o no en las páginas principales. Para
ello, comprobaremos las páginas más visitadas y por las que entran al sitio
web. ¿Desde qué canal nos están llegando a las páginas más vistas?, ¿cuáles
son nuestros principales contenidos para atraer a los usuarios?, ¿dónde van
después de entrar en dichas páginas? Ahora es el momento de situarnos como
si fuéramos un usuario e identificar los elementos principales de diseño y usa-
bilidad que hemos de mejorar.
De todo ello, tomamos nota y decidimos junto a los responsables o destinata-

rios a los que reportar dónde empezar a profundizar para iniciar nuestro pro-
ceso de optimización. Lo más importante de esta metodología es interpretar
los datos en contexto y ser capaz de transformarlos en conocimiento para la
organización. El buen analista web no es el que tiene claro qué ha pasado y
por qué (esas funciones son básicas en su puesto), sino el que propone accio-
nes concretas para mejorar. Ahora es el momento de comunicar dichas reco-
mendaciones a través de informes bien diseñados y con gráficos visualmente
atractivos y útiles (cuadros de mando de análisis web).
Las herramientas nos proporcionan datos, pero a partir de ellos hay que pensar
en cómo podemos ayudar a mejorar el negocio. Si informamos únicamente de
datos, seremos parte del problema; si buscamos y comunicamos conocimien-
to, seremos parte de la solución. Es tarea del analista web transformar los datos
en conceptos entendibles para el negocio. Nuestro objetivo real como analista
web es hacer ver a la empresa que la analítica es más una estrategia de negocio
y menos una herramienta tecnológica.
El analista web tiene que ser consciente de que no todo en la analítica se re-
fiere a datos cuantitativos que expliquen qué está pasando sin ir más allá. No
podemos olvidarnos de los datos cualitativos, que son vitales para conocer
por qué está pasando (análisis cualitativo). Recopilar opiniones de nuestros
clientes y conocer su experiencia define el valor de nuestra marca y es clave
para su fidelidad. Existen muchas formas de recopilar información cualitativa,
las más habituales son los cuestionarios de calidad, los tests de usuarios y las
encuestas online.
Otro análisis esencial es el de las redes sociales, es decir, la medición de la

actividad o tráfico que generan nuestras acciones en social media. Saber qué
mueve a la comunidad, cómo es, qué le gusta y cómo interactúa con nosotros
nos acercará a nuestros objetivos. Además, es importante saber qué se dice de
nosotros a través de la medición de la reputación online. Esta visión global de
lo que pasa dentro y fuera de nuestro sitio web proporciona al analista web y
a la organización una ventaja significativa frente a la competencia.
Debemos contemplar la analítica web como un proceso integrado más dentro

de los procesos de nuestro negocio. Para ello, la información obtenida debe
integrarse en los procesos organizacionales (ERP, enterprise resource planning;
CRM, customer relationship management; CAU, centro de atención al usuario,
etc.), siempre que se disponga de ellos. Inicialmente, las herramientas de ana-
lítica web no tenían ningún tipo de relación con otras herramientas de inteli-
gencia empresarial. Sin embargo, en la actualidad muchas organizaciones ya
integran de manera centralizada la información que se recopila de las herra-
mientas de analítica web con el resto de la información de gestión. Así se con-
sigue transformar el conocimiento de cada una de las herramientas de análi-
sis web en un conocimiento global dentro de la organización, lo que permi-
te conocer mejor al usuario web y sus necesidades, y esto facilita la toma de
decisiones.
1.3.1. Establecimiento de objetivos
Los objetivos de un sitio web son muy variados en función del tipo de negocio
al que se dedique la organización a la que pertenece el sitio. Entre las tareas
más importantes de un analista web está tener claros los objetivos de un sitio
web ya que sin conocerlos, no podrá establecer una estrategia válida. Los ob-
jetivos deben ser específicos, realistas, alcanzables y medibles en un tiempo
determinado.
Definir estos objetivos es una tarea complicada y quizá no se sepa por dónde
comenzar. Es imprescindible definir unos objetivos adecuados para el tipo de
negocio y público objetivo al que va dirigido el sitio web, ya que nos van a
permitir medir el funcionamiento de la organización a través de los KPIs.
Por tanto, en el diseño del proceso de analítica web, el primer paso es la crea-
ción de los objetivos web en función de los objetivos de negocio y después
convertir dichos objetivos en métricas web. Si los objetivos del negocio están
bien definidos, será mucho más fácil identificar las métricas.
Los objetivos deben estar alineados con las necesidades de la empresa e inte-
grados en la estrategia de negocio. Por ello, la manera más sencilla de definir-
los es revisar cuáles son los objetivos de la organización y en función de ellos
se pueden obtener las claves que nos van a permitir desarrollarlos.
Se recomienda empezar definiendo un objetivo principal y después definir los

objetivos secundarios. Una metodología que nos puede ayudar es agrupar los
objetivos por tipología. Definimos cuatro tipos de objetivos que coinciden con
las principales fases de un embudo de conversión:
• Adquisición. Se refiere a que los usuarios accedan a nuestro sitio web y

lo visiten.
• Activación�o�compromiso. Reúne todas las interacciones que se producen

con el visitante (navegación por el sitio web, consumo de contenidos, etc.).
• Conversión. Los visitantes realizan acciones que para nosotros son obje-
tivos web.
• Retención�o�fidelización. Conseguir que el visitante vuelva, que vuelva

a comprar o adquirir el producto o servicio, etc.
Y llevamos a cabo los siguientes pasos:
1) Elaborar una lista de objetivos generales del sitio web. Por ejemplo: «Con-
seguir los máximos formularios cumplimentados para captar datos de leads».
2) Añadimos microobjetivos u objetivos secundarios dependientes de cada ob-

jetivo general. Siguiendo el ejemplo, podríamos considerar como microobje-
tivo: «Que accedan a las páginas web donde estén los formularios».
3) Nos preguntamos qué hace falta para que se cumplan dichos objetivos.
Como ejemplo sería: «Acceder a la página donde está el formulario», «Hacer
clic en el botón de enviar el formulario» y «Página web de gracias por haber
cumplimentado el formulario».
4) Asociar a cada microobjetivo el tipo de objetivo que es (adquisición, activa-

ción, conversión o retención). En el ejemplo anterior, los tres objetivos están
asociados a la fase de conversión.
Los objetivos más habituales de un sitio web son los siguientes:
• Incrementar la base de datos.

• Convertir leads en clientes.
• Convertir clientes en prescriptores de nuestra marca.
• Incrementar las ventas online.
• Suministrar información organizativa.
• Mejorar la presencia de marca.
• Generar fidelidad.
• Promocionar productos o servicios.
• Investigar las necesidades de los usuarios.
Dependiendo del tipo de negocio en el que se basa el sitio web tendremos unos
objetivos u otros. Una vez definidos los objetivos de nuestro sitio web, llega
la hora de cuantificarlos mediante los KPIs.
1.3.2. Métricas y KPIs
Un error muy común dentro del proceso de análisis web es trabajar con la
mayoría de las métricas de una web, almacenando exceso de datos, imposibles
de analizar y transformar en conocimiento esencial para tomar decisiones.
Por ello, lo primero que debemos tener en cuenta es que no son lo mismo
las métricas y los KPIs. Una métrica o indicador muestra un comportamiento
del usuario en nuestro sitio web sin estar asociado a ningún tipo de objetivo,
resultado o conversión. Por ejemplo, las visitas o sesiones, la tasa de rebote,
etc., son métricas que no aportan valor estratégico si no están asociados a un
objetivo y a un resultado. Conozcamos las principales métricas básicas:
1)�Sesiones�(visitas): Una visita o sesión es un conjunto de interacciones que

tienen lugar en un sitio web durante un periodo determinado. Las visitas re-
presentan el número de sesiones individuales iniciadas por todos los usuarios
para llegar al sitio web. Si un usuario permanece inactivo en el sitio web más
de 30 minutos, toda actividad posterior corresponderá a una nueva sesión, así
como cuando un usuario vuelve al sitio web desde una fuente de tráfico dis-
tinta o a la finalización del día. Los usuarios que abandonen su sitio y vuelvan
en menos de 30 minutos se considerarán como parte de la sesión original.
Figura 3. Cómo se define una sesión web en Analytics
Fuente: https://support.google.com/analytics/answer/2731565?hl=es.
2)� Usuarios� únicos� (visitantes� únicos): Es una métrica polémica, pues no

hace referencia a usuarios como cabe pensar, sino a dispositivos. La primera
vez que un visitante accede a nuestra web se genera una cookie que es única y
que se utilizará para identificarlo. Cuando el usuario tiene deshabilitadas las
cookies en el navegador web se utilizan las direcciones IP, pero esto genera un
dato poco preciso.
Si las cookies están deshabilitadas por un usuario, este puede visitar nuestra
web en tres días distintos, generando una visita única cada día, y si analizamos
el intervalo, nuestra herramienta nos dirá que nos han visitado tres usuarios,
cuando en realidad solo ha sido uno. De igual modo, si una misma persona se
conecta al sitio web desde tres dispositivos distintos, se contabilizarán como
tres usuarios distintos. Teniendo en cuenta todo lo que rodea a este tipo de
métrica, debemos decidir si utilizamos las sesiones o los usuarios para nuestro
análisis. Lo importante es tener claro lo que mide cada uno, intentando que
siempre sea bajo el mismo criterio.
3)�Páginas�vistas�(número�de�visitas�a�páginas): Son las páginas a las que se

accede dentro del sitio web, es decir, la secuencia de páginas que un usuario
visita en un sitio web. Cada vez que en una sesión se descarga una página, se
cuenta como una página vista. Con esta métrica podemos, por un lado, deter-
minar cuántas páginas distintas se han descargado en un periodo de tiempo,
y por otro, saber cuántas descargas ha tenido una página determinada.
4)�Páginas/sesión�(páginas/visitas): Promedio de páginas vistas durante una

visita al sitio. Este indicador debe ir creciendo con el tiempo dentro de la pá-
gina web. En caso de no suceder así, puede indicar anomalías técnicas en el
sitio. En cierto modo, es uno de los parámetros que indican lo saludable que
es nuestro sitio web.
5)�Duración�media�de�la�visita: Es la duración media de una sesión. Indica

la duración total de todas las visitas dividida entre el número de visitas.
Duración media de la visita =
Este indicador es muy relevante, ya que refleja el interés de los usuarios que
han accedido a nuestro sitio web hacia este. La duración de la visita se calcula
sumando el tiempo de estancia en cada página.
Duración de la visita = Momento Y – Momento X
Tampoco es una métrica perfecta. La herramienta de analítica web no es capaz

de calcular el tiempo transcurrido en la página hasta que el usuario se mueve
de ella, es decir, si un usuario llega a una página y no accede a otra, la herra-
mienta no tiene en cuenta dicha duración y por ello esta métrica tampoco es
exacta.
6)�Porcentaje�de�rebote�(tasa�de�rebote): Porcentaje de visitas que, o bien no

pasaron en el sitio web más de unos pocos segundos, o bien solo vieron una
página. Es importante medir el porcentaje de rebote de las principales páginas
de entrada para aplicar soluciones en caso de que no vayan según lo esperado.
Suele ser sinónimo de la calidad de nuestro contenido, pero hay excepciones
en las que esta métrica puede llegar a ser muy alta: si nuestro sitio web solo
consta de una página, los usuarios no tienen más alternativa que abandonar
el sitio web habiendo consumido tan solo una página, o si nuestro sitio web es
un blog suele ser habitual que los usuarios encuentren un artículo específico
y luego se vayan. Muchas herramientas fijan el tiempo para que una visita se
considere rebote en 30 segundos. Esta métrica es la única que puede ser tomada
en cuenta en solitario. Las demás métricas de las que hemos hablado antes
necesitan un contexto para realmente interpretar lo que nos quieren decir.
7)� Tasa� de� conversión: La tasa de conversión es el KPI que mejor mide el
rendimiento de una web y se calcula de la siguiente forma:
Tasa de conversión del sitio web =
Es el porcentaje de conversiones u objetivos conseguidos entre el número total

de visitas, teniendo en cuenta que las conversiones pueden ser número de
compras, número de descargas, etc.
Una vez explicadas las métricas, entendamos qué es un KPI. Un KPI es una
métrica que intenta explicar el alcance de un objetivo específico asociado a un
resultado o conversión. Por tanto, los KPIs nos ayudan a averiguar si estamos
alcanzado los objetivos deseados.
Aunque todos los KPIs son métricas, no todas las métricas son KPIs: so-
lo lo serán aquellas que evalúen la eficacia de una acción cuyos rendi-
mientos vamos a medir y analizar.
Las métricas nos muestran el comportamiento de los visitantes del sitio web,
mientras que los KPIs ayudan a conocer la evolución del negocio y los resul-
tados de las acciones.
Los KPIs nos van a permitir planificar y asignar prioridades sobre los objetivos
y consecuentemente prever costes. Si definimos objetivos claros y concisos,
será mucho más fácil crear después KPIs y cuadros de mando. Todos las estra-
tegias de marketing digital (posicionamiento en buscadores SEO, publicidad
online, email marketing, etc.) deben ser medidos para comprobar su evolución
y, en caso necesario, poder intervenir inmediatamente.
Entre los KPIs principales de cualquier organización, están los:
1)� Indicadores� de� carga� de� trabajo. Son los que cuantifican el número de
unidades de servicio. Aplicado a la analítica web, son los KPIs asociados al
número de páginas vistas, sesiones, usuarios únicos, tiempo total en el sitio
web, etc. Se trata de indicadores básicos.
2)� Indicadores� de� eficiencia. Miden la relación existente entre el número

de unidades de servicio y la cantidad de recursos ocupados, es decir, ofrecen
el porcentaje de su utilización total. Trasladado al análisis web, se trataría de
indicadores como tasa de abandono o rebote, tiempo promedio, etc.
3)�Indicadores�de�eficacia. Son los que indican si se alcanzan los objetivos.

KPIs de eficacia aplicados a la analítica web son por ejemplo las conversiones.
4)�Indicadores�de�productividad. Combinan los indicadores de eficiencia y

eficacia. Trasladado a la analítica web, un ejemplo de este tipo sería el número
de conversiones sobre el número de visitas.
Ejemplo: KPIs en comercio electrónico
Por ejemplo, en un sitio web de comercio electrónico un KPI básico es la tasa de conver-
sión de clientes o, lo que es lo mismo, los usuarios que acceden al sitio web y terminan
comprando.
Otro KPI básico en comercio electrónico es el porcentaje de abandonos de carritos de la

compra, es decir, aquellos usuarios que comienzan una compra pero no la finalizan. De
estos dos KPIs se puede obtener cuál es el rendimiento efectivo de un sitio web.
En el caso de un comercio electrónico, es fácil identificar el objetivo web principal, in-

crementar las ventas online, y por tanto definir los KPIs, pero ¿qué sucede si no es tan
fácil identificar los objetivos al no tratarse de una tienda online? La táctica más sencilla
es hallar la métrica que mejor define el objetivo y pensar en la acción que debe realizar
el visitante para que este se cumpla. ¿Es una llamada de teléfono?, ¿es reproducir un ví-
deo de presentación?, ¿es rellenar un formulario? A partir de aquí, podremos identificar

posibles objetivos:
• Acción de llamada de teléfono. Por ejemplo, un objetivo podría ser «captar potencia-
les clientes» y un KPI (número de visitas que hacen clic en el número de teléfono
sobre el número total de visitas recibidas).
• Acción de reproducir un vídeo. En este caso, podríamos plantearnos un objetivo co-
mo «mejorar la presencia de la marca» y un KPI (número de visitas que visualizan el
vídeo de presentación sobre el número total de visitas recibidas).
• Acción de rellenar un formulario. Un posible objetivo es «incrementar la base de
datos» y un KPI (número de visitas que rellenan un formulario frente a número total
de visitas recibidas).
Según el tipo de negocio, determinados KPIs resultan básicos para empezar a

estudiar nuestro sitio web; veamos algunos ejemplos:
a) Seguros:
• Número de visitas que contratan algún servicio.

• Porcentaje de altas de usuarios.
• Porcentaje de accesos por cliente.
b) Turismo:
• Promedio de visitantes que realizan reservas.

• Promedio de usuarios que se dan de alta.
• Porcentaje de ingresos provenientes de ofertas.
c) Publicaciones:
• Frecuencia de las visitas.

• Promedio de tiempo en el sitio.
• Suscripciones RSS.
d) Redes sociales:
• Menciones de la marca.
• Ratio de visitas social media respecto a visitas totales.
• Ratio de sentimiento.
Una vez que tenemos identificados y definidos los KPIs, es el momento de

cuantificarlos económicamente y darles un valor monetario. No tiene por qué
ser un valor preciso, pero es fundamental tomar un valor de referencia para
facilitar la toma de decisiones sobre el sitio web. Si tenemos cinco objetivos en
el sitio web y todos disponen de un valor monetario, será más fácil comparar
el éxito que estamos teniendo en cada uno de ellos y cuáles están funcionando
mejor que otros.
¿Cuánto cuesta solicitar información sobre un producto? ¿Y recibir una llama-

da? ¿Y generar un lead? ¿Y lograr una venta? El modo más sencillo para cuan-
tificar dichos indicadores es identificar todas las posibles acciones que pueda
hacer un usuario en la web y priorizarlas según el valor estratégico que implica

para nuestro negocio. De esta manera, se podrá comparar y ver el efecto que
tiene cada métrica en el logro de nuestro objetivo.
Veámoslo con un ejemplo:
Incrementar la base de datos
• Objetivo del negocio: Incrementar el número de suscriptores a nuestra newsletter.
• Objetivo de la web: Captar nuevos leads a través de nuevas visitas.
• Métricas: número de visitas a la página donde está el formulario y tasa de conversión

(enviar relleno el formulario).
• Valor: 1.000 nuevos suscriptores a 25 euros el lead = 25.000 euros.
No solo tendremos que determinar qué KPIs se adaptan a nuestro negocio,

sino que deberemos tener en cuenta los distintos objetivos de las unidades
de negocio de una organización. Un CEO (chief executive officer) estará muy
satisfecho si se cumplen las expectativas de grandes ventas en el lanzamien-
to de un nuevo producto. Un director de marketing querrá millones de clics
en la última campaña realizada. El diseñador, si se ha producido un aumento
considerable de conversiones al probar el diseño de la página de producto con
tests multivariantes. El responsable de contenidos se sentirá orgulloso si los
últimos vídeos incorporados han sido un éxito respecto al número de visuali-
zaciones y al tiempo de permanencia en ellos. En este sentido, debemos ser
creativos y decidir qué objetivos puede tener cada una de las áreas de negocio
involucradas.
Por medio del análisis y seguimiento de la evolución de los KPIs se pueden

transformar los datos en informes efectivos para los responsables de los depar-
tamentos involucrados. Si medimos desde un primer momento la evolución
de las campañas, la efectividad de los contenidos web y las conversiones rea-
lizadas, sabremos la efectividad de nuestras acciones en internet y su tasa de
retorno. Así, podremos mejorar y optimizar el rendimiento web.
1.4. Herramientas de análisis web
Las herramientas de análisis web permiten la medición inmediata y a tiempo

real del sitio web, el establecimiento de objetivos y su cumplimiento, conocer
el perfil de los usuarios que nos visitan, así como la medición del entorno web.
La elección de la herramienta, según Sergio Maldonado (2010), responde a las

necesidades de una organización y debe apoyarse en cuatro pilares básicos:
1)�La�capacidad�de�la�recopilación�de�los�datos�(variables�fijas�o�configu-
rables). Pensar en KPIs antes de tener implantada una herramienta de analíti-
ca web puede parecer exagerado, pero no lo es si pensamos en métricas bási-
cas como, por ejemplo, páginas vistas, sesiones, etc. Es decir, merece la pena
hacer una reflexión previa sobre qué información queremos recabar y definir
algunos de estos parámetros, de modo que cuando valoremos las distintas he-
rramientas se compruebe si podemos obtener esta información.
2)�La�flexibilidad�del�modelo�de�datos�(segmentación�de�las�variables). La
segmentación es esencial en materia de analítica web. Los visitantes que llegan
a un sitio web tienen diferentes personalidades (perfiles distintos) y acuden
con diferentes intereses e intenciones, buscando soluciones o respuestas a dis-
tintas cuestiones. Por tanto, se hace necesaria una estrategia de segmentación
efectiva y persistente como parte del proceso de analítica web.
3)� Integración� de� los� datos� (de� fuentes� externas� o� extracción� de� las� he-
rramientas). En las organizaciones se suelen tener diferentes herramientas de
software, como gestores de bases de datos, ERP, CRM, CAU, etc. La herramien-
ta de analítica debería ser fácilmente integrable con los demás sistemas de la
organización.
4)�Gestión�de�la�herramienta�(en�servidores�propios�o�ajenos). Las herra-

mientas de analítica web se pueden clasificar en función de dónde se encuen-
tre el hardware y software que las alojan, ya sea en servidores propios o exter-
nos. Los costes de ambas soluciones son distintos, pero cada una de ellas tiene
sus ventajas e inconvenientes y es el analista web quien debe evaluarlo: coste
de mantenimiento de la herramienta, actualizaciones previstas anualmente,
facilidad de aprendizaje de la herramienta, soporte y atención al cliente, etc.
Del grado de importancia que se proporcione a cada uno de los pilares depen-
derá la elección de una herramienta u otra. Sin embargo, no todo depende de
una buena selección, sino también de la necesidad de que una persona se haga
cargo de esta herramienta para configurarla y sacarle el máximo provecho, así
como del presupuesto disponible.
Antes de seleccionar una herramienta de analítica web, se deberían tener claros

dos aspectos previos.
1)�¿La�organización�necesita�informes�o�análisis? Todas las empresas coin-

ciden en que prefieren el análisis, pero no todas lo necesitan, especialmente
en empresas pequeñas con menos de cincuenta trabajadores. Lo que deman-
dan en su mayoría son informes para conocer la evolución del negocio. Para
implementar un proceso de análisis digital, ha de existir una cultura organi-
zacional proclive y proactiva, tanto para la fluidez en la comunicación de la
información como para la aceptación de su valor estratégico por parte de la
dirección. Un analista no valorado o sin información del negocio no es útil.
2)�¿La�organización�dispone�de�recursos�humanos�especializados�en�tec-
nología�y�con�conocimientos�sobre�analítica�web? Llevar a cabo una imple-
mentación adecuada de análisis web es complicado y resulta fácil equivocarse.
Si no existe un equipo especializado, se puede optar o bien por contratar a

consultores externos que puedan llevar a cabo la implementación, o bien por
invertir en formación destinada al personal de la organización.
El mercado ofrece una gran variedad de herramientas comerciales o gratuitas

para conseguir nuestros objetivos de analítica web, pero el valor añadido es-
tratégico para la organización no lo ofrece la herramienta, sino el analista web.
Esto nunca debemos olvidarlo.
La regla 10/90
En este sentido, nos puede ayudar la regla 10/90, postulada por Avinash Kaushik (2011),
uno de los mayores expertos mundiales en analítica web:
• Nuestro objetivo es conseguir el mayor valor con la implementación de una herra-

mienta de analítica web, y la clave para obtener el éxito son las personas.
• Si el coste de la herramienta analítica y de los servicios profesionales del proveedor
es de 10 dólares, la inversión requerida en analistas debería ser de 90 dólares.
La razón fundamental de esta regla 10/90 es sencilla:
1) Las páginas web son complejas y aunque las herramientas pueden capturar todos los
datos, en realidad, no indican lo que tienes que hacer.
2) No vivimos en el sencillo mundo de la analítica web 1.0. Ahora tenemos que tratar
datos cuantitativos, cualitativos, resultados de test A/B y multivariantes, así como datos
de redes sociales y de inteligencia empresarial.
Para resolver estos problemas básicos es necesario un analista. Y si las herramientas son
gratuitas, ¿no se cumple la regla del 10/90? Sí se cumpliría, pues es necesario invertir en
un consultor para poder implementarla correctamente y ahí estarían los 10 dólares.
Veamos una clasificación con distintos tipos de herramientas de análisis web

(medición orientada al sitio web, medición orientada al usuario, medición en-
focada al diseño y usabilidad web, medición para conocer la voz del cliente,
medición de la actividad en las redes sociales y medición de la inteligencia
empresarial):
1)�La�medición�orientada�al�sitio�(logs�y�tags): En estos sistemas, la medición

del tráfico del sitio web se realiza a partir del propio sitio. La medición orienta-
da al sitio (en inglés site centric) permite obtener información sobre las tenden-
cias de tráfico, sobre la tecnología que usan los usuarios y sobre el perfil de los
visitantes. Dentro de este tipo de medición existen los sistemas de análisis logs
y los sistemas de medición mediante marcadores de páginas o etiquetas (tags).
En la medición por logs se envía información al servidor, que se almacena en

archivos .log, y un software especializado se encarga de procesar dicha infor-
mación. Su funcionamiento se basa en que una IP es un visitante único y per-
mite medir en el momento en el que se descarga un archivo, lo que ofrece
poca flexibilidad para gestionar los datos, además de que la medición no es a
tiempo real. Además del registro por IP, otros inconvenientes de la medición
por logs es que no filtra los accesos de los robots de los buscadores, lo que
puede inflar las estadísticas, y no contabiliza la información almacenada en la
memoria caché de los navegadores y de los servidores proxies.
En la medición por tags o etiquetas se tienen en cuenta esos trozos de código

Javascript, que al ser instalados dentro de una página web envían información
a un servidor, que la procesa y transforma en datos relevantes. A diferencia de
lo que ocurre con las herramientas de logs, al utilizar cookies que se almacenan
en el navegador del usuario se resuelven los problemas que tienen las herra-
mientas de análisis de logs. En este caso, sí permite medir el clic si la descarga
fue completa, cada página descargada se mide, y tiene un panel para mostrar
datos, por lo que el sistema de medición prácticamente es a tiempo real. El
inconveniente principal es cuando el usuario elimina las cookies de su nave-
gador, ya que puede proporcionar información errónea. Algunos ejemplos de
herramientas de este tipo son Google Analytics, Adobe Analytics, Kissmetrics,
Woopra, Piwik y Clicky.
2)�La�medición�orientada�al�usuario�(panel): Los paneles estudian una mues-

tra de usuarios en profundidad y a partir de ella hacen estimaciones aplicables
a un conjunto de usuarios en internet. Consiste en instalar un software en los
dispositivos de los usuarios que forman parte del panel, que permite grabar
toda su actividad en internet. Su limitación reside en la dificultad de garantizar
el nivel de representatividad de la muestra. Con este sistema se pueden obte-
ner estadísticas finales sobre los usuarios, lo que permite analizar su compor-
tamiento y definir perfiles sociodemográficos mucho más específicos que con
los sistemas de medición orientados al sitio web. Dado el elevado volumen de
usuarios en internet, requiere una muestra mínima de miles de usuarios para
que resulte realmente representativa. Algunos ejemplos de paneles son los de
Nielsen y ComScore.
3)�La�medición�para�recoger�información�de�diseño�y/o�usabilidad: Son
herramientas orientadas a la experiencia del usuario y a la usabilidad. Permiten
crear mapas de calor, análisis de clics, uso de scroll, tests de usabilidad (A/B
y multivariante) y estadísticas de comportamiento. Entre las más conocidas
encontramos Crazy Egg y ClicTale.
4)� La� medición� para� conocer� la� voz� del� cliente: En las organizaciones es
esencial entender el feedback del cliente, y para recabar esta información se
utilizan métodos cualitativos, como los laboratorios de test con clientes, los
cuestionarios de calidad y las encuestas online. Las encuestas online son muy
usadas hoy en día por su facilidad, rapidez y respuesta inmediata. Algunas
herramientas que nos pueden facilitar dicha medición son Survey Monkey,
Typeform y 4QiPerceptions.
5)� La� medición� de� la� actividad� en� las� redes� sociales: Debemos distinguir
entre las herramientas de medición de las redes sociales y de reputación online.
La mayoría de las redes sociales disponen de sus propias herramientas de aná-
lisis gratuitas (Facebook Insights, Twitter Analytics, Pinterest Analytics, etc.),

que pueden ser complementadas con otras herramientas externas (gratuitas o
de pago). Entre las herramientas de pago que nos permiten recopilar y anali-
zar los datos de nuestra actividad en medios sociales podemos citar Marketing
Cloud de Sales Force (antigua Radian6), Sprout Social, Simply Measured o So-
cial Bakers. Para hacer un seguimiento de la reputación online disponemos de
otras, como Social Mention, Social Searcher, Google Alerts o Klout.
6)�Medición�de�la�inteligencia�empresarial: A la hora de analizar la situación

de un sitio web, es importante compararla con la de otras webs de la competen-
cia. La inteligencia empresarial también es conocida como inteligencia com-
petitiva, de negocio o business intelligence (BI), y se basa en analizar la realidad
de la empresa y su entorno. Con estas herramientas de análisis podemos medir
el tráfico de sitios web, tendencias de búsquedas, palabras clave, etc. Para ello,
usamos herramientas para medir tendencias (Google Trends), analizar tráfico
web (Alexa y Similar Web) y estudiar palabras clave (Planificador de palabras
clave de Google AdWords), entre otras.
De todas las herramientas de análisis disponibles es recomendable al menos

seleccionar una herramienta de medición web que use tags o etiquetas. La me-
dición web basada en tags o etiquetas ha vivido su máximo apogeo desde que
Google lanzó su herramienta Google Analytics a finales de 2005. Esta herra-
mienta gratuita es la más extendida actualmente dado su carácter universal.
Se trata de una solución analítica robusta y gratuita que incluye la presenta-
ción de informes personalizados y la segmentación integrada. En nuestro ca-
so práctico nos centraremos en ella. Esto no significa que no sea aconsejable
complementar dicha herramienta u otra de tags con otras que midan otros
aspectos de una web, redes sociales o su entorno, o incluso disponer de dos
herramientas de etiquetas similares para comparar resultados.
1.5. Cuadro de mando
El cuadro de mando en analítica web es una herramienta de gestión empresa-

rial que ayuda a medir la evolución de la actividad de una organización y sus
resultados desde una perspectiva estratégica general o específica de un área,
canal, campaña, etc. Por medio de sus indicadores se obtiene información pe-
riódica para un seguimiento de los objetivos establecidos y una visión clara
del desarrollo de la estrategia.
Stephen Few (2006) define el cuadro�de�mando como una única pan-

talla visual que proporciona información útil a sus destinatarios para
identificar acciones que le ayuden a conseguir sus objetivos.
No debemos confundir el cuadro de mando analítico con el cuadro de mando

integral. El cuadro de mando analítico incluye información proporcionada por
las herramientas web, configurado por KPIs, mientras que el integral ofrece
una visión amplia de la evolución del negocio que engloba múltiples aspectos
(financieros, procesos internos, clientes, etc.).
Un cuadro de mando debe reunir dos rasgos básicos: ser usable y ser práctico.
Usable significa que un cuadro de mando debe ser claro y conciso, no ha de
ocupar más de una hoja y debe incluir los comentarios necesarios, sin exten-
derse en exceso. Asimismo, se tienen que incluir las gráficas imprescindibles
que clarifiquen las conclusiones y recomendaciones que se quieren comuni-
car. También tiene que ser práctico, es decir, solo debe contener los indicado-
res clave esenciales.
¿Cuáles son las características de un buen cuadro de mando?
1) Un cuadro de mando debe�incluir�un�número�limitado�de�KPIs. Se reco-

mienda entre cinco y diez indicadores. Lo normal es que cuando se piden da-
tos, lo que se desea ver son métricas, y cuando nos piden un cuadro de mando
es que solicitan KPIs.
2) Un cuadro de mando debe�situarse�en�contexto�con�un�histórico�detalla-

do�y�comparando�periodos. También debe mostrar gráficos evolutivos, reco-
mendaciones sobre las acciones que se han de realizar, impacto de estas sobre
el negocio y una breve descripción de qué significa cada KPI.
3) Un cuadro de mando ha�de�estar�personalizado�dependiendo�del�área�o

departamento�que�tiene�que�recibirlo. Debe estar adaptado a las necesidades
de cada destinatario, tanto en su contenido como en su lenguaje.
Existen múltiples técnicas para realizar un cuadro de mando analítico, pero

lo importante no es la herramienta sino el contenido. Al crear un cuadro de
mando no podemos olvidar hacer pronósticos basados en el análisis. Tampo-
co, adjuntar un anexo con la descripción exacta de cada KPI, con la fuente
de datos usada, detallando las acciones que consideremos más relevantes. Si
tenemos que crear distintos cuadros de mando analíticos dirigidos a diferentes
destinatarios, es aconsejable estudiar a los receptores, entrevistarlos y perso-
nalizar al máximo el informe según sus necesidades. La frecuencia de envío
también se basará en las necesidades de los receptores, y el periodo de análisis
deberá seguir la misma frecuencia.
Los cuadros de mando analíticos normalmente tratan el ciclo de vida del clien-
te en internet y suelen incluir KPIs de sus tres principales fases: adquisición,
conversión y retención.
• KPIs�referidos�a�la�adquisición: coste por visita, número de visitas por

fuente de tráfico, etc.
• KPIs�referidos�a�la�conversión: tasa de conversión, pedido medio, coste

por compra, etc.
• KPIs�referidos�a�la�retención: tiempo entre compra y compra, visitas des-

de la última compra, etc.
Los tipos�de�cuadro�de�mando más característicos de la analítica web son los

siguientes:
1)�Cuadro�de�mando�informativo. KPIs básicos de tráfico (número de sesio-

nes, porcentaje de usuarios únicos, porcentaje de visitas que repiten sobre por-
centajes de visitas que vienen una sola vez, porcentaje de visitas que están
al menos 30 segundos sobre porcentaje de visitas que se quedan más de 30
segundos, porcentaje de visitas que convierten, etc.).
Figura 4. Ejemplo de cuadro de mando informativo
Fuente: Gemma Muñoz, http://dondeestaavinashcuandoselenecesita.com/wp-content/uploads/2012/01/dashboard-

gemma.jpg.
2)�Cuadro�de�mando�ejecutivo. KPIs de rendimiento del sitio web (ingresos

totales, clientes totales, número total de pedidos, pedido medio, cantidad de
ingresos por canal, tasa de conversión, porcentaje de ingresos por canal, por-
centaje de nuevos de clientes por canal, etc.).
Figura 5. Ejemplo de cuadro de mando ejecutivo - captación de clientes
Fuente: ClickData, https://marketplace.clicdata.com/v/ph1v0wXq5TWE.
3)�Cuadro�de�mando�de�campañas. KPIs de rendimiento por campaña (tasa

de conversión, ROI por campañas, leads por campañas, etc.).
Figura 6. Ejemplo de cuadro de mando de campañas
Fuente: Sales Force, https://developer.salesforce.com/docs/atlas.en-us.salesforce_dashboard_samples.meta/

salesforce_dashboard_samples/salesforce_sample_dashboards_sales_and_marketing_MED.htm.
Existen herramientas especializadas para hacer buenos cuadros de mando con

Excel, que vuelcan datos desde las APIs de las distintas herramientas de medi-
ción. También existen herramientas especializadas en cuadro de mandos que
integran en sus dashboards datos procedentes de herramientas de medición.
Algunas de ellas son Tableau, Qlickview, Klipfolio, Sweetspot o Google Data
Studio.
2. Descripción del caso práctico
2.1. Empresa
Para definir una estrategia de analítica web sobre los conceptos anteriores, es-
tableceremos un marco ficticio de una organización que requiere implemen-
tar un proceso de análisis de su sitio web empleando la herramienta Google
Analytics.
La empresa es una organización que vende productos de merchandising en va-

rios países, con sedes en Estados Unidos y España. La iniciativa empresarial
proviene de un emprendedor que convirtió el negocio de su padre, un peque-
ño establecimiento de merchandising para eventos, en una gran tienda de mer-
chandising.
El hijo, después de estudiar en Estados Unidos a principios de la década del

2000, comienza su modelo de negocio en España con la apertura de dos tiendas
en Madrid y Barcelona. En el 2005 empieza su expansión en la costa este y oeste
de Estados Unidos con la apertura de catorce tiendas físicas en cinco años.
La empresa disponía de un sitio web con información sobre sus productos y

tiendas, pero no disponía de tienda electrónica. Después de realizar un plan
de viabilidad del negocio online en el 2007, crea una tienda online para vender
mayoritariamente en Estados Unidos. Diez años más tarde decide trasladar su
sede principal de España a Nueva York. En 2017, la empresa decide cambiar la
plataforma de comercio electrónico actual a una más robusta y funcional, que
se adapte a las necesidades actuales. Para gestionar un control analítico de las
ventas online y de los visitantes web se apuesta por la herramienta de análisis
web de Google, denominada Google Analytics. La empresa desea contratar
la versión prémium de pago, pero antes le han recomendado que pruebe la
versión gratuita.
En su catálogo dispone de las siguientes categorías de productos de merchan-

dising para su tienda online:
• Electrónica (cargadores, minilinternas, minialtavoces, seguridad, etc.).

• Camisetas (adulto e infantil).
• Envases para líquido (tazas, botellas y termos personalizables).
• Bolsos y mochilas.
• Accesorios (juguetes, pegatinas, etc.).
• Oficina (cuadernos, agendas, escritura, etc.).
El catálogo de productos actual está compuesto por más de trescientos artícu-

los, todos ellos personalizables.
Condiciones�de�pago�y�entrega
La empresa admite las siguientes opciones de pago:
• Tarjeta de crédito aceptada (MasterCard, Visa y American Express).

• PayPal.
• Tarjeta regalo o cupones.
No acepta cheques personales, transferencias, pagos a plazos ni reembolsos.
La empresa garantiza la entrega en un plazo máximo de siete días laborables, y

es el cliente quien entrega el diseño que aparecerá en el producto. Los artícu-
los son personalizables por el cliente; el proceso consiste en que este sube a
la plataforma un archivo con la imagen que desea personalizar en el artículo
que selecciona. Dicho archivo debe reunir unos requisitos mínimos, respecto
a extensión, tamaño y resolución. El coste del transporte se calcula de mane-
ra automática según el número de artículos, su tamaño, destino geográfico y
urgencia (entregas de 24 a 48 horas, entregas de 48 a 72 horas y entregas de
4 a 7 días).
2.2. Estrategia
La nueva tienda online dispone de la siguiente estructura:
a)�Página�principal�(home�page). En la parte superior se encuentra un carro de

la compra con un buscador avanzado, un apartado para registrarse, un acceso
al panel interno de pedidos y un menú de ayuda. La página ofrece una ima-
gen atractiva donde se pueden visualizar un menú horizontal por categoría y
subcategoría de productos. Debajo del menú se muestran imágenes amplias
de los productos con una breve descripción.
b)�Catálogo. Está estructurado por páginas con categorías, subcategorías y pro-

ductos. En cada página existe un filtro para facilitar la búsqueda de productos.
Figura 7. Catálogo de la tienda online
Fuente: Google.
c)�Páginas�de�entrada�a�la�tienda�virtual. Incluye una página con la cesta

de la compra (basket), una para registrarse (sign-in), otra de registro correcto
(register-success), una página donde el usuario suministra sus datos de factu-
ración y envío (your-info), otra con los datos de pago (payment), otra de revi-
sión del pedido (review-order) y, por último, una de confirmación del pedido
(order-completed).
d)�Menú�inferior. En la parte inferior se incluye información sobre la empresa,

requisitos legales, condiciones del pedido y datos de contacto.
Objetivos
Para cada negocio se debe personalizar una estrategia y unos objetivos de mar-
keting, tanto genéricos, para permitir una continuidad a medio y largo plazo,
como específicos, para cada acción de marketing emprendida.
Concretamente en nuestro comercio electrónico, el objetivo se centra en ven-

der productos online, atrayendo a visitantes con estrategias combinadas de:
1)�Posicionamiento�natural�(SEO): Aunque es una tarea con efectos a medio

plazo, es importante empezar a posicionar la empresa en las palabras clave
más significativas. Para ello, hemos definido una arquitectura adecuada del
sitio web, creamos snippets específicos para cada producto o gama de produc-
tos, generamos contenidos propios de calidad que aportan valor y realizamos
acciones en medios sociales (redes sociales, blogs, etc.).
2)�Enlaces�patrocinados�(SEM): Seleccionadas las palabras clave más signi-

ficativas, empezamos a realizar campañas en buscadores que atraigan tráfico
segmentado. En nuestro caso, realizamos campañas en Google AdWords para
algunas categorías y productos.
Una vez hemos empezado a conseguir visitas de calidad, rentabilizamos su

permanencia en nuestro portal. Para ello, facilitamos al máximo la compra,
aplicando técnicas de usabilidad y de mejora de la experiencia de usuario, con
información útil (gastos de envío, tiempo de envío, consultas, reclamaciones y
devoluciones, etc.). También es importante analizar cuáles son los motivos de
abandono en cada uno de los puntos del proceso de compra para corregirlos.
Además para ofrecer un buen servicio de contacto al usuario o cliente, le pro-

porcionamos diferentes opciones de contacto (correo electrónico, teléfono y
redes sociales). Nuestro chat online se produce a través de las interacciones en
redes sociales.
Cuando tengamos claros los objetivos corporativos, identificamos los objeti-

vos de nuestra tienda electrónica, que deben estar alineados con nuestros ob-
jetivos de empresa. Por tanto, para impulsar nuestra nueva tienda en línea es-
tableceremos tres objetivos web fundamentales:
• Incrementar las ventas de productos online en nuestra tienda.

• Atraer tráfico de calidad para mejorar las ventas.
• Conseguir usuarios involucrados (engaged users).
3. Análisis básico
Para nuestro propósito de análisis web usaremos Google Analytics, herramien-

ta de analítica web que permite a los propietarios web saber el grado de impli-
cación de los usuarios, mediante el seguimiento estadístico. La información
mostrada por esta herramienta es anónima y agregada, es decir, informa de las
tendencias del sitio sin identificar a los visitantes personalmente (no ofrece
datos de IPs, ni recoge datos personales). El seguimiento se realiza a través las
cookies y lenguaje Javascript.
Es importante ser conscientes de que si un usuario deshabilita en su navega-

dor el uso de cookies o de Javascript, sus visitas no van a quedar registradas.
También existen navegadores que disponen de versiones «privadas u ocultas»,
en las que el usuario puede navegar de manera anónima y se bloquea el segui-
miento de estos datos. En resumen, Google Analytics no es una herramienta
100 % exacta.
¿Qué podemos medir con Google Analytics?
a) Estadísticas comunes del sitio web (visitas o sesiones, visitantes o usuarios

únicos, páginas vistas, tiempo de permanencia, origen de la visita, etc.).
b) Eventos. Por ejemplo:
• Pulsar un botón.
• Descargar un documento.
c) Búsquedas internas (si el portal dispone de un buscador).
d) Conversiones:
• Envío de formularios.
• Registros.
• Suscripciones.
• Procesos de compra.
e) Transacciones económicas:
• Compras.
• Datos sobre los productos comprados.
¿Cómo se muestran los datos en Google Analytics?
• Gráficos temporales.
• Tablas.
• Gráficos sectoriales.
• Gráficos de barras.
• Comparativas.
Cuando trabajamos con Analytics vamos a usar frecuentemente dos concep-

tos, por lo que es muy importante entenderlos desde un principio:
1)�Métricas: Son medidas, indicadores numéricos (se muestran como colum-

nas en las tablas y se pueden mostrar también en las gráficas temporales). Por
ejemplo:
• Visitas.
• Páginas vistas.
• Tiempo de permanencia.
• Porcentaje de rebote.
• Número de transacciones.
• Ingresos.
2)�Dimensiones: Son atributos (en las tablas aparecen siempre en la primera

columna) con los que se puede segmentar/clasificar los datos. Por ejemplo:
• Ciudad, región, país.

• Navegador, dispositivo móvil.
• Fuente de tráfico, medio.
• Palabra clave, campaña.
Ejemplo
Veamos un ejemplo en la siguiente figura:
Figura 8. Métricas y dimensiones con Analytics
Fuente: Elaboración propia.
En la primera columna se muestra la dimensión principal, el «País» de procedencia de

la visita. En el resto de las columnas, se muestran los valores de las diferentes métricas
(Usuarios, Usuarios nuevos, Sesiones, Porcentaje de rebote, Página/sesión, Duración me-
dia de la sesión, Transacciones, Ingresos y Porcentaje de conversiones de comercio elec-
trónico), segmentados para cada País.
Cuando analizamos el origen de una sesión desde el punto de vista de un sitio

web, nos encontramos con tres dimensiones principales:
1)�Fuente. Sirve para clasificar el motor de búsqueda o dominio de referencia

desde el que procede la visita. Puede tomar los siguientes valores:
• Google, Bing, Yahoo, Search, etc. (nombre de un motor de búsqueda).

• Direct (tráfico directo, enlaces que no se pueden clasificar o no proceden
de un sitio web). Por ejemplo, un enlace desde un documento que abrimos
en nuestro ordenador, desde un gestor de correo que se abre localmente,
al pulsar sobre un enlace que hemos guardado en nuestros favoritos o al
escribir directamente la URL.
• Facebook.com, idealista.com (son dominios de referencia). Cuando las vi-
sitas vienen de sitios web claramente identificados por un dominio y no
son buscadores.
• Personalizada. Mediante el etiquetado manual de enlaces. Por ejemplo el
nombre de un boletín de correo electrónico («boletín_navidad»).
2)�Medio. Sirve para clasificar el tipo de contenido que incluye el enlace al

sitio. Es decir, complementa la información de la fuente. Puede tomar los si-
guientes valores:
• CPC�(coste�por�clic). Se usa para las campañas de pago por clic procedentes

de buscadores como AdWords o Bing.
• Organic. Cuando se trata de un resultado orgánico (son los resultados gra-
tuitos que aparecen en los buscadores).
• Referral. Cuando se trata de un enlace desde un sitio externo (puede ser
una web o un sitio de correo electrónico).
• None. Cuando no viene de ningún sitio web o no se puede clasificar como
uno de los anteriores. Por ejemplo, el tráfico directo viene etiquetado con
el medio (none).
• Personalizado. Mediante el etiquetado manual de enlaces. Por ejemplo:
«email».
Ejemplo
Vemos algunos ejemplos de «fuentes/medio».

Figura 9. Fuente y medio de un sitio web
3)�Campaña. En el caso de que una visita provenga de alguna campaña con-

creta, en esta dimensión podemos almacenar su nombre.
Ejemplo
Por ejemplo, si lanzamos varias campañas (una campaña en Facebook denominada «Ju-
guetes» y otras dos de publicidad que llamamos «Display» y «Remarketing»), podríamos
guardar la información del nombre de la campaña y luego en Analytics ver los datos
desglosados para cada una, en vez de verlos solo en conjunto. Si esta información no es
almacenada en campañas concretas, veremos un «not set» en los informes de campaña.
Figura 9. Campaña de un sitio web

Google AdWords y Bing Ads guardan automáticamente la información

de fuente, medio, campaña, mediante una opción de configuración en
sus plataformas de publicidad. Es decir, que en estos casos no es necesa-
rio etiquetar manualmente estos datos. Plataformas de email marketing
como Mailchimp también disponen de campos para indicar los valores
que queremos introducir en estas dimensiones. Y Facebook Ads también
dispone de un campo para especificar estos valores. Para otros casos,
si queremos medir con precisión, es necesario introducir manualmente
estos valores en los enlaces web, o de lo contrario, parte de la informa-
ción aparecerá como «not set» o aparecerá de forma poco legible.
3.1. Definición de objetivos
Todo sitio web tiene al menos un objetivo, y gracias a Analytics podemos me-
dirlo con detalle. Un objetivo (conversión) representa una acción concreta en
el sitio web que tiene valor para el propietario. Por ejemplo:
• Enviar un formulario.
• Descargarse un documento.
• Registrarse en el sitio.
• Suscribirse a un boletín.
• Realizar una compra.
• Visitar determinada página.
• Pasar un determinado tiempo en el sitio.
• Ver un número determinado de páginas en una misma visita.
Los objetivos se configuran en el nivel de vista (uno de los tres niveles de una
cuenta en Analytics). Una vista puede contener hasta veinte objetivos. En el
caso de necesitar más, podemos crear una vista adicional que sea copia de
la primera. Dado que las vistas se pueden «copiar», es recomendable incluir
todos los objetivos en la vista maestra o de trabajo antes de proceder a crear
el resto de las vistas. De esta manera nos ahorraremos tiempo y no tendremos
que crearlos varias veces.
Los objetivos no pueden suprimirse, pero sí modificarse y desactivarse. No son

retroactivos, por lo que cualquier cambio se empezará a registrar desde ese
momento. Hay cinco tipos de objetivos en Google Analytics:
• Destino. Visitar una página concreta. Este tipo de objetivos es el más co-
mún para registrar formularios o compras.
• Duración. Pasar un tiempo concreto en una página web.

• Páginas/pantallas�por�sesión. Alcanzar un número de páginas vistas por

visita.
• Evento. Acciones especiales como pulsar al reproducir un vídeo, hacer clic

en un documento para descargar, etc.
• Objetivo� inteligente. Son conversiones que crea AdWords, importando

datos de Google Analytics.
A la hora de su configuración, los objetivos de destino miden una URL (por

ejemplo, un objetivo de destino podría ser «www.misitio.com/pagorealiza-
do»). Los objetivos de duración y página/pantalla por sesión se centran en una
cifra numérica (por ejemplo, usuarios que están más de 3 minutos, «>3 minu-
tos», y usuarios que visualizan más de 5 páginas en una sesión, «>5 páginas»).
Los objetivos de destino, duración y página/pantalla vista por sesión no nece-

sitan una implementación aparte, una vez se ha insertado el código general de
Google Analytics. Por el contrario, los objetivos de eventos sí requieren una
inserción de código adicional por cada evento.
Por otro lado, los objetivos inteligentes se crean en el administrador de Google

Anaytics. En cuanto se han habilitado los objetivos inteligentes en Analytics,
se pueden importar en AdWords. Para usar los objetivos inteligentes se deben
cumplir varios requisitos previos:
• Enlazar la cuenta de Analytics y AdWords. Lectura complementaria

• La cuenta de AdWords debe haber enviado al menos quinientos clics a la
Podéis encontrar más infor-
vista de Analytics en los últimos treinta días. mación sobre los objetivos
• No recibir más de diez millones de sesiones en treinta días. inteligentes en: «Objetivos
inteligentes».
• Activar la opción de «Productos y servicios de Google» en la configuración
de uso compartido de datos.
Configuración�de�objetivos�en�Analytics
Para cumplir con nuestros objetivos web previamente definidos:
• Incrementar las ventas de productos online en nuestra tienda.

• Atraer tráfico de calidad para mejorar las ventas.
• Conseguir usuarios involucrados (engaged users).
Vamos a establecer cinco tipos de objetivo, tres de ellos de «destino» relacio-

nados con el proceso de compra por parte de los usuarios para medir todas sus
fases, uno de «páginas/pantallas por sesión» para medir el engagement de los
visitantes web (grado en el que los usuarios interactúan en el sitio web) y otro
de «objetivo inteligente» para optimizar el rendimiento de Google AdWords.
Figura 11. Configuración de objetivos
Fuente: Google.
Veamos cómo definir los cinco objetivos:
1)�Objetivo�1. El primer objetivo de «destino» que vamos a establecer es el

del «proceso de pago completado». En este objetivo vamos a configurar un
embudo de conversión (pasos que debe dar un usuario para cumplir con un
objetivo determinado en un sitio web).
Nuestro proceso de compra tiene cinco pasos hasta cumplir con el objetivo de
finalizar el pedido:
• Paso� 1� del� embudo. El usuario entra en el carrito de la compra (bas-

ket). En nuestro caso es «/basket\.html». La página web de destino sería
«www.misitio.com/basket\.html».
• Paso� 2� del� embudo. El usuario pulsa en procesar el pedido y llega

a una página donde se le solicitan sus datos personales. La página es
«www.sitio.com/yourinfo\.html».
• Paso� 3� del� embudo. El usuario continúa con el proceso de compra y

se le pide indicar una forma de pago en la página «www.sitio.com/pay-
ment\.html».
• Paso�4�del�embudo. El usuario indica la forma de pago y es dirigido a una

página de revisión del pedido antes de aceptar («www.sitio.com/reviewor-
der\.html»).
• Paso� 5� del� embudo. El usuario finaliza el pedido, lo que le llevará a

realizar el pago (tarjeta de crédito, PayPal o tarjeta regalo o cupón) y
cuando lo haya realizado se dirige a una página de pedido completado
(«www.sitio.com/ordercompleted\.html»).
Una vez definidos los pasos, activamos la opción de embudo de conversión y

activamos el primer paso de la conversión como obligatorio para que se refleje
en el informe gráfico del embudo de conversión, en donde se incluirán las
conversiones del objetivo que pasen por este paso obligatorio (en nuestro caso
es la cesta de la compra, «basket»).
Figura 12. Activación de la opción de «embudo de conversión»
Fuente: Google.
En el campo «destino» hemos usado una expresión regular «/ordercomple-

ted\.html», que equivale a decir que contiene la página de pago completado.
Lectura complementaria
Expresiones regulares de Google Analytics

• .: (punto) Sustituye un carácter, letra, número, espacio o signo puntuación. mación acerca de las expre-
• *: Sustituye a 0 o más elementos anteriores (.* equivale a cualquier elemento). siones regulares en: «Acerca
• +: Sustituye a 1 o más elementos anteriores (y+ coincide con yy o con yyy pero de las expresiones regulares».
no con y).
• ?: Sustituye a 0 o 1 elemento anterior (y? coincide con y o con yy, pero no con
yyy).
• | OR: Alternar varias opciones (Google | Yahoo).
• []: Coincidencias con 1 y solo 1 de los elementos de dentro.
• {}: Identifica un número de repeticiones (ejemplo, [0-9]{4} coincide con cualquier
número de cuatro cifras).
• -: Crear rango en una lista (por ejemplo, 0-9 equivale a 0|1|2|3|4|5|6|7|8|9).
• ^: Delimitación de datos al principio del campo (^sitio coincide con sitio pero
no con misitio).
• $: Delimitación de datos al final del campo (sitio$ coincide con sitio pero no con
sitios).
• \: Carácter de escape. Transforma un carácter de expresión regular en un carácter
común (misitio\. evita que el punto se interprete como comodín).
2)�Objetivo�2. El segundo objetivo que vamos a establecer es de «páginas/pan-

talla por sesión» para medir el engagement de los visitantes web, es decir, su
grado de compromiso mediante interacciones. Una vez que le damos el nom-
bre al objetivo («usuarios que interaccionan» o «engaged users»), selecciona-
mos la opción de «mayor que» y en la caja de texto escribimos «10».
Definimos diez páginas por sesión dado que la «duración media de la sesión»
del año anterior había sido de siete páginas, medido en el antiguo sitio web, y
hubo incrementos anuales del 25 al 50 % en los últimos cinco años. Estimamos
un incremento del 40 % para este año, que, aplicado sobre las siete páginas
por sesión, daría un resultado aproximado de diez páginas por sesión.
Figura 13. Formalización del objetivo de usuarios involucrados
Fuente: Google.
La configuración de los objetivos de duración funciona igual que los

objetivos de páginas vistas por sesión (páginas/pantallas por sesión),
donde en vez de establecer un número de páginas por sesión se incluye
una cifra de tiempo, ya sea en segundos, minutos u horas. Los objetivos
de duración también se consideran objetivos para medir el grado de
interacción (engagement) de los usuarios en un sitio web.
3)�Objetivo�3. El tercer objetivo que vamos a definir es para medir el registro

de nuevos visitantes. En el momento en el que se registran aportan una direc-
ción de correo electrónico y una contraseña. Se trata de un nuevo objetivo de
«destino», que llamaremos «registros» o «registrations» y su cumplimiento se
produce cuando se alcanza la página de «/registersuccess\.html».
Figura 14. Medir el registro de los nuevos visitantes
Fuente: Google.
Asignamos este objetivo, como paso previo a las ventas, cuando un usuario se
registra en la plataforma suministrando su dirección de correo electrónico, ya
que se convierte en potencial cliente.
4)�Objetivo�4. Identificamos un cuarto objetivo cuando el usuario suminis-

tra su información personal y de facturación y envío, o cuando accede como
usuario ya registrado. A dicho objetivo le damos el nombre de «datos intro-
ducidos para pago» o «entered checkout». La expresión regular que usamos
es «/yourinfo\.html/guestregister\.html» e indica la página de destino de en-
vío de información (personal, facturación y envío) o la página de usuario ya
registrado.
Figura 15. Formalización del objetivo «datos introducidos para pago» o «entered checkout»
Fuente: Google.
5)�Objetivo�5. Nuestro último objetivo es del tipo «objetivo inteligente» y su

propósito es optimizar nuestras campañas de AdWords mediante la recopila-
ción de datos desde Google Analytics. Al objetivo lo denominaremos «objeti-
vos inteligentes» o «smart goals».
Figura 16. Configuración de «objetivos inteligentes» o «smart goals»


mación sobre objetivos inte-
ligentes en: «Objetivos inteli-
gentes».
Fuente: Google.
Existe otro objetivo en Google Analytics, que se denomina «evento», que no

vamos a usar en este caso práctico pero al que nos referiremos brevemente.
Los objetivos de «eventos» miden interacciones de un usuario en el sitio web
(descargar un PDF, hacer clic sobre el play de un vídeo, pulsar el botón de
redes sociales para compartir, etc.). Requieren una implementación especial
en Google Analytics, pues hay que colocar un fragmento de código Javascript
adicional en el lugar donde se desea medir.
El caso más típico es crear un evento cuando se pulsa un enlace que descarga o
abre un documento. Para registrar cada vez que se pulsa el enlace, es necesario
insertar una llamada a Analytics. Veamos un ejemplo. Un enlace en el lenguaje
HTML puede venir definido de esta manera:
Visualmente se verá así: .
Y al presionar con el ratón se abrirá en una nueva ventana el documento o

aparecerá un mensaje para guardarlo, dependiendo de la configuración del
navegador. El código que hemos de insertar en el sitio, si usamos Universal
Analytics, quedaría de la siguiente forma:
Donde «Descargas» es el nombre que hemos dado a la categoría del evento,

«Descarga pdf» es el parámetro de acción, «Descarga pdf en pie» es el paráme-
tro etiqueta y «0» es el valor monetario, siendo opcional indicarlo. Estos pará-
metros sirven para clasificar y etiquetar los diferentes eventos que definamos
y visualicemos en los informes de Analytics.
Si se usa la versión antigua de Analytics, Classic Analytics, la implementación

sería:
Veamos cómo se configuraría en Google Analytics:
Figura 17. Configuración del objetivo «descargar PDF»

Para ampliar la información

sobre los eventos podéis con-
sultar: «Información sobre
los eventos».
Una vez que hemos definido nuestros objetivos, vamos a crear nuestra cuenta
de Google Analytics.
3.2. Creación e implementación de Google Analytics
3.2.1. Creación de la cuenta
El primer paso para usar Google Analytics es crear una cuenta de Google y
asociarla al servicio. Esa cuenta también sirve para usarla con otros servicios,
como AdWords. En el caso de que ya estemos dados de alta en algún servicio
de Google, por ejemplo: Gmail o Google Play, solo es necesario registrarse con
esos mismos datos.
Google Analytics utiliza actualmente su versión Universal Analytics,

que ofrece más funcionalidades que el antiguo Classic Analytics.
Figura 18. Versión Universal Analytics

Podéis encontrar más in-

formación sobre Universal
Analytics en: «Información
sobre Universal Analytics».
Fuente: Google.
Para crear una cuenta en Google Analytics se debe acceder a http://

www.google.com/intl/es/analytics/ y pulsar sobre el botón «Cree una cuenta».
Si no tenemos una cuenta de Google Analytics, hemos de registrarnos en Goo-
gle previamente, introduciendo nuestros datos personales en el formulario de
registro. Recibiremos un correo electrónico de verificación y haremos clic so-
bre el botón «Volver a Google Analytics». Una vez que llegamos a la pantalla
de inicio de Google Analytics, hacemos clic en «Regístrese»
Figura 19. Crear una cuenta en Google Analytics
El siguiente paso es dar de alta el sitio web o la aplicación móvil para Android
o iOS. En nuestro caso, al ser un sitio web, indicaremos el nombre de la cuenta,
nombre y URL del sitio web, categoría del sector y zona horaria.
Figura 20. Dar de alta el sitio web o la aplicación móvil
Tras rellenar el formulario, pulsamos en «Obtener ID de seguimiento». De esta

manera obtendremos un identificador único para el seguimiento de nuestro
sitio web como el de la pantalla siguiente:
Figura 21. Identificador de seguimiento del sitio web
El paso siguiente será configurar el seguimiento e instalar el código en el sitio

web.
3.2.2. Código de seguimiento
Para realizar el seguimiento de un sitio web es necesario copiar un pequeño

fragmento de código Javascript, lenguaje de programación que permite ejecu-
tar acciones en el ordenador del usuario, que nos suministra Google Analytics.
Este código, en combinación con el uso de cookies, permite que cada vez que un
usuario entre en un sitio que se desea analizar, almacene información acerca
de su visita. En el caso de que el ordenador del usuario bloquee las cookies o no
tenga habilitado Javascript, el código no se ejecutará y la visita no se registrará.
El código de seguimiento estándar en la versión actual de Universal Analytics

tiene un identificador único «UA-XXXXXXXX-Y», donde «XXXXXXXX» es
un número fijo e «Y» puede variar dependiendo del número de sitios web que
demos de alta en la misma cuenta. Cada propiedad debe ser usada para realizar
el seguimiento de un sitio web diferente. En nuestro caso, solo vamos a usar
una única propiedad.
Una vez obtenido el fragmento de código, se instala o bien en la cabecera de

todas las páginas (dentro del código HTML de una página, la cabecera viene
determinada por las etiquetas de apertura y cierre <head> y </head>) o bien a
continuación de la etiqueta de apertura <body>. Habitualmente, como ocurre
en la mayoría de los gestores de contenidos (Wordpress, Joomla o Prestashop,
entre otros), la zona de cabecera de un sitio web es común a todas las páginas y
el código solo se ha de colocar en un único lugar. Además, dichas plataformas
disponen de plugins, extensiones o módulos que facilitan esta tarea.
3.2.3. Seguimiento de comercio electrónico
Al disponer de un sitio web de comercio electrónico, es aconsejable realizar un

seguimiento de las transacciones. Entendemos por transacción una compra
de uno o más productos. Para ello, en primer lugar, debe habilitarse la opción
de comercio electrónico dentro de la vista y se debe insertar un fragmento
de código Javascript en la página del recibo de la venta o transacción para
registrar los datos asociados a la compra (identificador del pedido, importe,
nombre de la tienda, gastos, etc.), así como los de cada producto en particular.
Para realizar su implementación es necesario conocer la plataforma web de
ventas y poseer algunos conocimientos de programación.
También existen plugins gratuitos o de pago para las plataformas web más co-
munes, que facilitan esta tarea. Dado que todavía existen sitios web que usan
la versión de código Analytics antigua (Classic Analytics), si el sitio usa un
código de seguimiento antiguo y la programación de comercio electrónico se
realiza con la nueva, no funcionaría. En la siguiente pantalla se puede ver el
código de comercio electrónico para una transacción con un solo producto en
la versión Universal Analytics (versión actual):
Lecturas
complementarias

mación sobre la configura-
ción del seguimiento de co-
mercio electrónico en: «Con-
figurar el seguimiento de co-
mercio electrónico».
Y sobre la implementación
del código en: «Seguimiento
de comercio electrónico».
3.2.4. Estructura: cuenta, propiedad y vista
Una cuenta de Google Analytics se estructura en tres niveles: cuenta, propie-

dad y vista.
Para administrar una cuenta hay que acceder a través del «Administrador» que
hay en la parte inferior izquierda de cualquiera de las páginas de Analytics.
Una vez dentro, se llega a una estructura de tres niveles, como la de la siguiente
imagen:
Figura 22. Los tres niveles para administrar una cuenta
Fuente: Google.
1)�Cuenta. Nivel superior. Puede representar a un cliente u organización.
2)�Propiedad. Segundo nivel. Representa cada sitio o aplicación web que que-
remos seguir de una misma organización. Por lo tanto, si queremos realizar el
seguimiento de dos sitios web de la misma entidad, tendremos que crear dos
propiedades distintas dentro de la misma cuenta.
3)�Vista. Tercer nivel. Para una misma propiedad, podemos crear varias confi-
guraciones de datos, que denominamos vistas. En cada una de ellas, podemos
usar filtros y otorgar permisos distintos a usuarios diferentes. Por ejemplo: una
vista con todas las sesiones. Es la vista maestra que crea Google Analytics por
defecto y que la denomina: «Todos los datos de sitio web».
También podemos crear otras vistas, como:
• Una vista con todas las sesiones excluyendo nuestras propias visitas.
• Una vista solo con nuestras sesiones, para hacer pruebas.
• Una vista solo con las sesiones procedentes de buscadores.
• Una vista solo con las sesiones procedentes de un país o ciudad.
• Una vista solo con las sesiones procedentes de nuestras campañas publi-
citarias.
Veamos la estructura de una cuenta en Google Analytics.
Figura 23. Ejemplo de estructura de una cuenta en Google Analytics
Una cuenta puede tener un máximo de cincuenta propiedades, y una propie-

dad un máximo de veinticinco vistas. Si necesitamos crear más propiedades o
vistas para una misma organización, entonces tendremos que abrir más cuen-
tas (asociadas a la misma dirección de correo electrónico propietaria). Además

de las cuentas de las que un mismo usuario es propietario, es posible adminis-
trar múltiples cuentas de otros usuarios con distintos permisos.
3.2.5. Configuración de la cuenta
Dentro de la cuenta disponemos de varias opciones:
Figura 24. Opciones de la cuenta
1)�Configuración�de�la�cuenta. Permite modificar el nombre de la cuenta y

las preferencias para compartir los datos que indicamos al crearla.
2)�Administración�de�usuarios. Permite gestionar los permisos para toda la

cuenta (es posible gestionarlos para los niveles de propiedad y de vista). Para
ello, se debe añadir la dirección de correo electrónico del usuario al que quere-
mos otorgar un permiso (debe ser un correo electrónico asociado a una cuen-
ta Google), el tipo de permiso y si deseamos notificárselo. Pulsamos «Añadir»
para confirmar. Los tipos de permisos se pueden combinar seleccionando uno
o varios de ellos.
Figura 25. Administración de usuarios
¿Cuáles son los cuatro tipos de permisos?

• Leer�y�analizar: Permite consultar los datos de los informes y de la con- Lectura complementaria
figuración, manipular los datos de los informes (como filtrar una tabla,
Visitad «Permisos de usuario»
añadir una dimensión secundaria o crear un segmento) y crear personali- para profundizar en la confi-
zaciones, aunque sin poder compartirlas. guración de permisos.
• Colaborar: Con este permiso se pueden crear personalizaciones y compar-

tirlas. Este permiso incluye el de leer y analizar.
• Editar: Permite realizar funciones administrativas y relacionadas con los

informes (como añadir, editar o suprimir cuentas, propiedades, vistas, fil-
tros, objetivos, etc., pero sin gestionar usuarios), así como consultar los
datos de los informes. Este permiso incluye el permiso de colaborar.
• Administrar�usuarios: Es posible gestionar los usuarios de la cuenta (agre-

gar o suprimirlos, asignar permisos). Este permiso excluye los permisos de
editar y colaborar.
3)�Todos�los�filtros. Un filtro se utiliza para incluir, excluir o modificar tráfico

y permite cambiar el modo como algunos parámetros del tráfico se visualizan
en los informes.
4)�Historial�de�cambios. Funcionalidad que permite consultar el registro de

las actividades administrativas de la cuenta en los últimos 180 días. Resulta
muy útil donde existen varios usuarios que acceden a Analytics con distintos
niveles de permiso. Así, por ejemplo, podemos conocer cuándo se creó un
perfil, cuándo se enlazó la cuenta de Analytics con AdWords o cuándo se dio
permiso a un nuevo usuario.
5)�Papelera. Nos permite ver los elementos eliminados, la fecha de la elimina-

ción, el usuario que lo hizo y la fecha de supresión final. Si eliminamos algún
elemento de la cuenta, propiedad o vista, podemos recuperarlo en un plazo
de 30 días.
3.2.6. Configuración de propiedad
Una propiedad representa un sitio web del que queremos realizar el seguimien-
to. En el nivel de propiedad, podemos administrar lo siguiente:
Figura 26. Opciones en la configuración de la propiedad
1)�Configuración�de�la�propiedad. Esta opción configura el nombre, la URL

y la vista predeterminada de la propiedad. Cada propiedad representa un sitio
web diferente que queremos medir. En nuestro caso práctico, dentro de esta
opción del menú, habilitaremos los informes demográficos y de intereses. Al
activar ambas opciones, estamos permitiendo a Google recopilar una serie de
datos de los usuarios, que por defecto no se registran, como son el sexo, la
edad, los intereses y los datos de navegación que pueden ser usados para co-
nocer a nuestra audiencia y para hacer remarketing en AdWords.
Figura 27. Habilitación de las opciones «Informes demográficos» e «Intereses»

También activaremos la atribución de enlace mejorada para acceder a la exten- Lectura complementaria
sión analítica de nuestra tienda web a través del navegador Google Chrome.
Más detalles sobre extensión
analítica de página de Chro-
Dado que el SEO es una de nuestras estrategias activas de marketing online, en- me los encontraréis en «Ex-
tensión Analítica de página
lazamos la cuenta de Google Search Console con Google Analytics, de manera de Chrome».
que se accede en Analytics a algunos informes específicos SEO suministrados
por dicha herramienta.
2)�Administración�de�usuarios. Funciona de igual manera que la gestión de

usuarios en el nivel de cuenta, pero con permisos de usuario en el nivel de
propiedad.
3)�Información�de�seguimiento. Desde aquí consultamos el código de segui-

miento, insertado al abrir la cuenta de Google Analytics, así como otras fun-
cionalidades personalizables:
Figura 28. Opciones de «Información de seguimiento»
• Recopilación�de�datos. Activaremos la recopilación de datos para las fun- Lecturas

ciones publicitarias de informes y remarketing. Para nuestro caso, que rea- complementarias
lizamos campañas en AdWords, es lo aconsejable. Podéis encontrar más infor-

mación sobre la recopilación
de datos en: «Habilitar el re-
• User�ID. Habilitamos la función de User ID, que nos permite identificar marketing y las funciones
de informes publicitarios en
a usuarios únicos que acceden desde distintos dispositivos móviles. Por
Analytics».
ejemplo, para un usuario que tiene tres dispositivos de acceso a internet, Consultad «Acerca de la fun-
sus interacciones se registran como tres usuarios distintos, uno por cada ción User ID» para obtener
más información sobre la
dispositivo. Con User ID se identifican las acciones y los dispositivos que función User ID.
están relacionados, y se conectan en un único identificador.
• Configuración�de�la�sesión. Dejamos la configuración por defecto, que

nos parece adecuada para nuestras necesidades (30 minutos el tiempo de
espera de la sesión y 6 meses el tiempo de espera de la campaña).
• Fuentes�de�búsqueda�orgánica. Esta funcionalidad es para añadir nuevos

motores de búsqueda orgánicos. No hacemos uso de ella, pues en la lista
predeterminada de motores aparecen todos los que afectan al tráfico orgá-
nico de la tienda online.
• Lista�de�exclusión�de�referencia. Excluimos el sitio web de nuestra tienda

para que nunca aparezca como tráfico de referencia en los informes de
Analytics.
• Lista�de�exclusión�de�términos�de�búsqueda. No excluimos ningún tér-

mino de búsqueda como fuente de tráfico orgánico, pues aunque hayan
algunas palabras posicionadas que se muestren en los buscadores y que no
estén relacionadas con nuestra tienda, nos interesa mantener dicha infor-
mación para implementar acciones que mejoren el SEO de la tienda online.
4)� Enlace� con� otros�productos. Sirve para vincular otras herramientas con
Analytics, como por ejemplo: AdWords, AdSense, Ad Exchange, Google Opti-
mize y Tag Manager, Double Click, Google Play, Big Query y notificaciones.
Figura 29. Opciones de «Enlace con otros productos»
Para nuestro propósito, hemos conectado Google AdWords, Google Optimize

y Tag Manager. Además de Search Console, que lo hicimos desde la «Configu-
ración de la propiedad».
Figura 30. Enlace de Google Analytics con AdWords, Google Optimize y Tag Manager
Lecturas
complementarias

mación sobre Google Ad-
Words en: «Acerca de Google
AdWords»; sobre Search Con-
sole en: «Si quieres que te en-
cuentren en la Web, deja que
te ayudemos»; sobre Google
Optimize en: «Test, adapt,
personalize» y sobre Tag Ma-
nager en: «Tags at your servi-
ce».
Ahora nos faltaría configurar los últimos apartados:

Figura 31. Más opciones de «Enlace con otros productos»
a)�Notificaciones. En este apartado, podemos agregar nuevas redes publici-

tarias (Aarki, AdColony, InMobi, Jampp, Leadbolt, MdotM, Millenial Media,
Millenial Media DSP o Tapjoy). En nuestro caso, solo estamos utilizando Goo-
gle AdWords.
b)�Definiciones�de�la�audiencia. Permite administrar las listas de remarketing

para anuncios de búsqueda y de la red display de Google AdWords. Para la
tienda online es esencial crear dichas listas, pues realizamos campañas de re-
marketing para captar usuarios que han pasado por las últimas fases de nuestro
proceso de venta y que no han comprado nuestro producto. Para ello, vamos
a crear cuatro listas de audiencia:
• Una lista de usuarios que hayan comprado y que puedan estar interesados
en productos complementarios (venta cruzada).
• Una lista de usuarios cuyo último paso, en el proceso de pedido, haya sido
entregar los datos de facturación y envío.
• Una lista de usuarios cuyo último paso, en el proceso de pedido, haya sido
proporcionar los datos de pago.
• Una lista de usuarios que se hayan quedado en el penúltimo paso del pro-
ceso de compra, es decir, en la revisión del pedido.
Veamos un ejemplo con la última lista, pues el procedimiento es el mismo

para todas ellas. Para su creación, una vez estamos en «Audiencias» dentro de
la «Propiedad» del sitio web, pulsamos en «+NUEVA AUDIENCIA», le propor-
cionamos un nombre («usuarios con revisión de pedido» o «review users»), y
seleccionamos «Usuarios que han visitado una sección específica de mi sitio»
de la lista de audiencias.
Figura 32. Audiencia de un sitio web
En «Definición de la audiencia» incluimos la página web de destino, con una

expresión regular igual a «/revieworder\.html», así como el número de días
que un usuario va a permanecer en dicha lista (1-540 días).
Figura 33. Opción «Definición de la audiencia»
Finalmente, en «Destinos de la Audiencia» hacemos clic en «Agregar Destinos»

y seleccionamos la cuenta o cuentas de AdWords en donde deseamos que se
registre dicha audiencia.
De igual manera se procede con el resto las listas:
• Una lista para usuarios cuyo último paso en el proceso de pedido haya sido Lectura complementaria
entregar los datos de facturación y envío. Al crear la audiencia, al igual que
la de ejemplo, elegiremos la página web «/yourinfo\.html». mación sobre cómo crear y
• Una lista para usuarios cuyo último paso en el proceso de pedido haya sido editar audiencias en: «Cómo
crear y editar audiencias».
proporcionar los datos de pago. En la audiencia, al igual que la de ejemplo,
la página de destino será «/payment\.html».
• Una lista para usuarios que hayan realizado una transacción y que puedan
estar interesados en productos complementarios (venta cruzada). En este
caso particular, en vez de seleccionar «Usuarios que han visitado una sec-
ción específica de mi sitio» elegimos la opción «Usuarios que han realiza-
do una transacción».
c)�Definiciones�personalizadas. Permite definir nuevas dimensiones y métri-

cas. Para ello, es necesario modificar previamente el código de seguimiento. Al
definirlas se debe especificar su nombre y otros valores de configuración. Para
las dimensiones personalizadas se debe indicar el nombre de la dimensión, el
ámbito donde se aplicará y el activo (valor de la dimensión). En el caso de
las métricas personalizadas se debe definir el nombre de la métrica, el tipo de
métrica, el valor mínimo y máximo para procesarse y el activo. En nuestro
caso, vamos a crear una dimensión personalizada para visualizar las ventas en
los informes, «Sales Region», para tres tipos de regiones:
• Norteamérica.
• EMEA (Europa, Oriente Medio y África).
• APAC (Asia, Pacífico).
Nos interesa distinguir Norteamérica del resto porque es donde se producen la

mayoría de las ventas online. Para ello, crearemos una dimensión personalizada
para las ventas por regiones en el mundo, seleccionaremos el tipo de ámbito,
en este caso «sesión», y la activaremos.
Figura 34. Dimensión personalizada
Fuente: Google.
Desde los informes de Analytics deseamos analizar el rendimiento de las ven-

tas por categoría de productos y regiones en el mundo. Para ello, desde el apar-
tado de «Rendimiento del producto» en «Comercio electrónico», selecciona-
mos como dimensión secundaria «Sales Region» y el informe resultante sería
el siguiente:
Figura 35. Rendimiento de las ventas por producto y región

Consultad «Dimensiones y
métricas personalizadas» para
profundizar en el tema.
Fuente: Google.
d)� Importación� de� datos. Esta funcionalidad nos permite subir datos de
fuentes externas y combinarlos con los datos de Analytics. En nuestro caso,
subimos datos de producto (color y talla), que de otro modo no se pueden
mostrar en los informes estándar. Antes de importar los datos, creamos dos
dimensiones específicas para dichos atributos. Seleccionaremos nuestro con-
junto de datos (archivo CSV donde vienen expresados los atributos y la tabla
con los datos) para importarlo en una vista de prueba.
Figura 36. Importación de datos adicionales de nuestros productos

Lecturas
complementarias
Para aplicar un formato a la

subida de archivos podéis
leer: «Aplicar un formato a
los archivos de subida».
mación sobre la importación
de datos en: «Información
sobre la Importación de da-
tos» y «Ejemplo de impor-
tación de datos personaliza-
dos».
3.2.7. Configuración de las vistas
Las vistas determinan los datos que vemos en los informes. Se pueden crear y
configurar diferentes vistas, de modo que en cada una veamos datos diferentes,
de acuerdo con nuestros intereses. Sobre las vistas se pueden configurar los
objetivos de seguimiento, como las conversiones y también se pueden aplicar
filtros. Por defecto, al crear o añadir una nueva propiedad se crea una vista
automáticamente. Es recomendable dejar una vista sin añadirle ningún tipo
de filtro para no perder la información histórica.
Ejemplo
Por ejemplo, si definimos una vista que solo incluya el tráfico de AdWords, en esa vista
solo veremos la información de las campañas AdWords y no veremos información de
sesiones procedentes de otras fuentes.
Figura 37. Configuración de las vistas
Las vistas son útiles cuando queremos analizar por separado determinados
subconjuntos de todo el tráfico o cuando simplemente no queremos que al-
gún usuario acceda a todos los datos. En el nivel de vista, también se alma-
cenan los objetivos y diferentes personalizaciones, como alertas o informes
programados.
1)�Configuración�de�la�vista. Por defecto, cuando creamos la cuenta de Analy-

tics, o una nueva propiedad, se crea una vista con el nombre «Todos los datos
de sitios web». Esta vista no incluye ningún filtro ni objetivo, por lo que equi-
vale a una vista «maestra».
Nuestra recomendación es trabajar al menos con tres vistas de datos:
• Una vista maestra (sin ningún filtro, pero sí con objetivos).

• Una vista principal de trabajo que excluya nuestras propias visitas. La de-
nominamos «Vista sin tráfico propio». Para ello, le configuraremos uno o
más filtros para excluir las sesiones desde nuestras direcciones IP.
• Una vista para pruebas.
Además de la vista maestra donde tenemos configurada los objetivos, creamos

otras dos.
Figura 38. Creación de una nueva vista de informes
Para ahorrar tiempo, se recomienda incluir los objetivos en la «vista maestra»,

antes de crear otras vistas adicionales, y crear copias de esta, pues así las vistas
copiadas incluirán dichos objetivos. Para ello, se pulsa el botón de «Copiar
vista».
Figura 39. Botón «Copiar vista»

Además de filtros y objetivos, cada vista tiene una serie de atributos que po-
demos configurar y/o modificar. En «Configuración de la vista» se accede a
dichos atributos:
a)�Nombre�de�la�vista. Etiqueta con la que queremos denominarla. En nuestro

caso tendremos tres vistas (Vista maestra, Vista sin tráfico propio y Vista de
pruebas)
b)� URL� del� sitio� web. Es la URL de nuestra tienda que vamos a medir. Se
rellena a partir de la propiedad, pero se puede modificar.
c)�País�o�territorio�de�la�zona�horaria. Se rellena a partir de la propiedad,

pero se puede modificar.
d)� Página� predeterminada� (opcional). En caso de que la página de inicio

tenga varias URL, hay que indicar la URL por defecto. En caso contrario, hay
que dejarla en blanco.
e)�Excluir�parámetros�de�consulta�de�URL�(opcional). En algunos sitios web

las URL tienen parámetros que no sirven para identificar una página concreta
del sitio, pero pueden confundir a Analytics, haciéndole registrar cada URL
como una página diferente, cuando en realidad es la misma. En nuestro caso
existen algunos parámetros que incluimos (vid, cid, page_no, mt, key, execu-
tedAction, executeActionStatus).
Figura 40. Configuración de la vista
Un parámetro es un elemento que se indica en la URL con un valor y

que sirve para que la página realice alguna comprobación o acción. Los
parámetros vienen delimitados por el carácter «?» y en el caso de haber
varios se concatenan con el carácter «&».
Ejemplo
Tenemos que www.sitio.com/?parametro1=valor1&parametro2=valor4 y supongamos

que el sitio web tiene estas 2 URL:
• www.sitio.com/?parametro1=7&parametro2=11.
• www.sitio.com/?parametro1=9&parametro2=16.
Ambas URL cargan la página home, es decir, a nivel analítico e interno tienen un uso
distinto, pero a nivel externo, el usuario visualiza la misma página web.
f)�Moneda. La moneda se usa en los informes de comercio electrónico. Si nues-

tro sitio web no es una tienda, no tiene importancia. En nuestro caso, lo con-
figuramos porque los informes mostrarán los valores en esa moneda (por de-
fecto, se muestra en dólares USA).
g)�Filtrado�de�robots. Permite excluir de los informes las visitas procedentes

de arañas y robots. No obstante, dado que Analytics usa seguimiento mediante
Javascript y que los robots más importantes, como GoogleBot o BingBot no
pueden ejecutar código Javascript (por lo tanto, esas visitas nunca se registran
en Analytics), el impacto de no marcar esa opción va a ser muy reducido.
Nosotros la marcamos.
h)�Configuración�de�búsqueda�en�el�sitio. La tienda online dispone de un

buscador interno y deseamos hacer seguimiento de las búsquedas que llevan
a cabo los usuarios. Para ello, activaremos la opción «Seguimiento de las bús-
quedas en el sitio» e indicaremos cuál es el parámetro de consulta («keyword»).
Figura 41. Opción «Seguimiento de las búsquedas en el sitio»
Ese parámetro debe encontrarse en la URL. Una vez hemos rellenado correc-
tamente los atributos de la vista, pulsamos en «Guardar».
Ejemplo
Veamos un ejemplo a través de un informe a tiempo real. Un usuario inserta en el busca- Podéis encontrar más infor-
dor la siguiente consulta: «camiseta personalizable». La URL resultante de dicha búsque- mación sobre las búsquedas
da es: («asearch.html?keyword=camiseta+personalizable»). internas en: «Configurar el
informe “Búsquedas en el si-
tio”».
Figura 42. Ejemplo de un informe a tiempo real
Fuente: Google.
En la pantalla superior, comprobamos que el parámetro de consulta que muestra las pa-
labras clave es «keyword».
Figura 43. Opciones de vista
2)�Administración�de�usuarios. Funciona de manera similar a la configura-

ción de usuarios en los niveles de cuenta y de propiedad, pero en este caso los
permisos que se aplican son en el nivel de vista.
3)�Objetivos. Permite definir objetivos de conversión y embudos.
4)� Agrupación� de� contenido. Con la agrupación de contenido se pueden

agrupar conjuntos de páginas bajo un mismo nombre para su visualización
posterior en los informes de Analytics. Para empezar, debemos crear un grupo
de contenidos, es decir, una colección de contenido. Por ejemplo, crear los
grupos hombres, mujeres y niños, y en cada grupo crear «camisetas» y «go-
rras». De esta manera, podemos comparar las estadísticas de cada grupo (por
ejemplo, comparar camisetas de hombre con gorras de hombre). También des-
glosar cada grupo, por ejemplo para comparar las páginas de camisetas entre
ellas. Se puede agrupar el contenido de tres maneras distintas (por código de

seguimiento, por extracción según la URL o por la página del título o median-
te reglas).
Figura 44. Configuración de la agrupación de contenidos

Lecturas
complementarias
Podéis visitar «Acerca de la

Agrupación de contenido» y
«Agrupaciones de contenido
de Google Analytics» para sa-
ber más sobre la agrupación
de contenidos.
5)�Filtros. En esta sección se pueden crear, editar y eliminar los filtros que se
aplican a una vista concreta.
6)�Configuración�del�canal. Funciona para agrupar conjuntos de tráfico bajo

una misma denominación de canal (orgánico, directo, social, email, etc.), así
como editar los actuales. Existe una forma predeterminada (figura 45), que no
modificamos para nuestra tienda online. Si cambiamos esta configuración en
una vista, se modifica de modo permanente el modo de clasificar el tráfico
nuevo.
Figura 45. Configuración de agrupación de canales


mación sobre la agrupación
de canales en: «Acerca de las
agrupaciones de canales».
Para saber más sobre cómo

configurar el seguimiento de
comercio electrónico con-
sultad «Configurar el segui-
miento de comercio electró-
nico».
7)�Configuración�de�comercio�electrónico. Habilitamos nuestra tienda para

el seguimiento de nuestras ventas por productos.
Figura 46. Configuración del comercio electrónico
Fuente: Google.
Y después, implementamos el código necesario en el sitio web para que envíe

los datos de producto y transacciones a Analytics.
8)�Métricas�calculadas. Ayudan a crear nuevas métricas y visualizarlas en in-

formes personalizados, paneles o widgets. Por ejemplo, queremos conocer en
nuestra tienda online las transacciones en euros, además de la configuración
por defecto en dólares de Estados Unidos. Para ello, creamos una métrica cal-
culada «Ingresos de USD a EUR», seleccionamos el formato «moneda (deci-
mal)» y aplicamos la fórmula de cambio: «{{Ingresos}} * 0,89».
Figura 47. Agregar una métrica calculada

No dudéis en visitar «Infor-

mación sobre las métricas
calculadas [beta]» para am-
pliar conocimientos acerca
de las métricas calculadas.
Las secciones que vienen a continuación representan diferentes personaliza-

ciones a nivel de usuario que, además, podemos compartir con otros usuarios,
incluso aunque no tengan acceso a la cuenta.
Figura 48. Herramientas y elementos personales
9)�Segmentos. Desde aquí podemos administrar y crear segmentos. Un seg-

mento avanzado es parecido a un filtro, pero se aplica sobre los datos de los
informes en tiempo real; es decir, es un filtro activable o desactivable en cual-
quier momento.
10)�Anotaciones. Aquí podemos administrar notas sobre las gráficas para re-
flejar eventos importantes, cambios, etc.
11)�Modelos�de�atribución. Desde aquí podemos crear nuevos modelos de

atribución personalizados, adicionales a los que tiene Analytics por defecto.
12)�Agrupaciones�de�canales�personalizados. Permite personalizar las agru-

paciones de canales para compartir o para uso privado. Por ejemplo, definimos
un nuevo canal para agrupar todo el tráfico de búsqueda (anuncios y orgáni-
co), lo etiquetamos como «Búsqueda», y creamos una regla que sea igual a: «El
medio contiene cpc» o «El medio contiene orgánico».
Figura 49. Agrupación de canales mediante reglas
Fuente: Google.
13)� Alertas� personalizadas. Esta funcionalidad permite administrar alertas

personalizadas sobre la cuenta. Una alerta personalizada es un aviso cuando se
reúne ciertas condiciones. Por ejemplo, se puede personalizar una alerta diaria
para que avise cuando haya un incremento de tráfico web de un 10 % y recibir
la notificación por correo electrónico.
Figura 50. Alerta para un incremento de tráfico web de un 10 %
14)� Mensajes� de� correo� electrónico� programados. Un mensaje de correo

electrónico personalizado es un email con informes de Analytics que se pro-
grama de manera automática para enviarse de periódicamente cada día, cada
semana, cada mes.
15)�Accesos�directos. Los accesos directos recuerdan la configuración de un

informe. Cualquier configuración que se aplique a un informe, como añadir
un segmento avanzado o una nueva métrica, se guarda en un acceso direc-
to hasta que la modifique. La configuración permanece guardada incluso des-
pués de cerrar sesión y volver a la cuenta. Todas las personalizaciones y las
configuraciones que se aplican a un informe se guardan en un acceso directo,
excepto el periodo.
16)�Compartir�elementos. Es posible compartir distintos elementos como los

segmentos avanzados o los informes personalizados. Al compartir se genera un
enlace permanente que se puede enviar por correo electrónico, por chat o en
un documento. El usuario que pulse ese enlace, si dispone de acceso a Google
Analytics, podrá disponer de dicho elemento y editarlo a su conveniencia, con
lo que no tendrá que crearlo desde cero.
3.2.8. Integración con AdWords
Conectamos Google Analytics con AdWords para acceder a las estadísticas de

las campañas de nuestra tienda, crear listas de remarketing y exportar objetivos
(por ejemplo: objetivos inteligentes que aportan información sobre las con-
versiones de nuestros usuarios, desde Google Analytics hacia AdWords, para
mejorar las campañas de anuncios) y transacciones de comercio electrónico.
El usuario con el que realicemos esta acción debe ser administrador de

la cuenta de Google AdWords y tener permiso al menos de edición en
la cuenta de Analytics o ser el propietario en ambas. Si no se cumplen
estas condiciones, no habrá opción de enlazar las cuentas.
¿Cómo enlazamos Google Analytics con Google AdWords?
Con el usuario propietario o administrador de la cuenta de AdWords entramos

en la cuenta de Analytics y pulsamos la opción de «Enlace de AdWords», y
después en «Nuevo grupo de enlaces» seleccionaremos de entre las cuentas
disponibles aquellas que nos interesan. Enlazamos para nuestra tienda online
la cuenta de shopping y vídeo, y la cuenta para la red de búsqueda y display.
Una vez seleccionadas las dos cuentas, damos un nombre a cada enlace y ele-
gimos las vistas en las que queremos que aparezcan los datos enlazados. Por
defecto, al realizar esta acción se activará en AdWords el etiquetado automá-
tico. Finalmente, pulsamos en «Enlazar cuentas».
Figura 51. Enlace de Google Analytics con Google AdWords
Fuente: Google.
3.3. Etiquetado
Antes de crear una campaña de marketing online (Bing/Yahoo!, LinkedIn, Fa-

cebook, banners, emailing, etc.), se debe etiquetar para ser capaz de medirla de
forma independiente, además de que esté identificada de manera correcta por
su fuente y medio. Salvo en los casos de Google AdWords y Bing Ads, en los
que las campañas se pueden etiquetar de manera automática por las propias
plataformas, en el resto de las campañas que lancemos es recomendable rea-
lizar un etiquetado manual, es decir, parametrizar los enlaces en los que los
usuarios van a pulsar para añadir la información de fuente, medio, campaña
y, opcionalmente, contenido y palabra clave.
¿Qué es el etiquetado de una campaña?
Se trata de añadir ciertos parámetros a las URL de los enlaces que compartimos
(en anuncios, correos electrónicos, redes sociales, etc.) para que las herramien-
tas de análisis web procesen y clasifiquen las visitas a dichas URL, de acuerdo
con lo que hayamos definido.
Para el caso de Google Analytics, podemos usar hasta cuatro parámetros, de

los cuales tres son obligatorios:
• utm_source (obligatorio): Fuente, ¿cómo nos ha conocido? (Google,

Yahoo, email, etc.).
• utm_medium (obligatorio): Medio (CPC, display, social, email mensual,
banner, etc.).
• utm_campaign (obligatorio): Nombre de campaña (email 2016-03-15,
campaña captación de tráfico, etc.).
• utm_content (opcional): Si queremos diferenciar varios enlaces dentro de
una misma campaña (anuncio lateral, anuncio central, enlace superior,
banner azul, banner rojo, etc.)
• utm_term (opcional): Solo tiene sentido usarlo en campañas con busca-
dores que no realizan el etiquetado automático (palabra clave 1, palabra
clave 2, etc.).
A continuación se puede ver un ejemplo de varias campañas de pago que se

han etiquetado manualmente con parámetros de fuente/medio/campaña. Al
verlo en el informe, queda muy clara la procedencia de las sesiones. En caso
de no haber etiquetado estas campañas, en el informe podrían aparecer mez-
cladas o con datos poco claros, como referral, tráfico directo, etc.
Ejemplo
Supongamos que se publica un contenido en Facebook con un enlace a un artículo que

hemos escrito en nuestro blog. Por ejemplo, el enlace es el siguiente:
http://www.sitioweb.com/blog/camiseta-personalizada.
Las visitas recibidas serán clasificadas por Google Analytics como:
• Fuente= facebook.com, l.facebook.com, etc.

• Medio= referral.
• Campaña= not set.
• Content= not set.
• Term= not set.
Si queremos conocer cuántas visitas han llegado exclusivamente por esta publicación en
Facebook, etiquetamos manualmente el enlace que distribuiremos en la red social.
Asignamos los siguientes valores:
• utm_source= facebook.com Recomendamos usar la misma fuente que usa Analytics

por defecto, ya que así la visita será clasificada en el canal Social. También se puede
asignar como nombre de fuente «Facebook», solo que, en este caso, esa visita no será
clasificada como Social.
• utm_medium= social. Para especificar que la visita procede de una red social.
• utm_campaign= facebook_15-10-201X. Se especifica un nombre que nos permita dis-
tinguir una publicación de otra en Facebook.
• utm_content= vacío.
• utm_term= vacío.
Acudimos a la herramienta «Creador de URL» (https://ga-dev-

tools.appspot.com/campaign-url-builder/) y especificamos estos datos, con
lo que obtenemos como URL: http://www.misitioweb.com/blog/articulo-espe-
cial?utm_source=facebook.com&utm_medium=social&utm_campaign=facebook_15_10
_201X.
Después, se puede usar un acortador o dejar que Facebook genere su propio enlace corto,
ya que no afectará al enlace etiquetado.
A partir de este momento, se pueden consultar las sesiones procedentes del contenido
compartido en Facebook:
• «Informes de adquisición», «Todo el tráfico» y «fuente/medio».

• «Informes de adquisición», «Campañas» y «Todas las campañas».
Los datos etiquetados como contenido (utm_content) pueden consultarse usando la di-
mensión secundaria «Contenido de anuncio», y los datos etiquetados como palabra clave
(utm_term) pueden consultarse desde la dimensión secundaria «Palabra clave».
4. Análisis web
4.1. Filtros
Los filtros se pueden crear desde la cuenta o desde una vista. Si se crean, edi-
tan o eliminan desde la cuenta, después se pueden aplicar a una o más vis-
tas de una propiedad. Un filtro se utiliza para incluir tráfico, excluir tráfico
o modificar la forma en que algunos parámetros del tráfico se visualizan en
los informes. El uso de filtros no es obligatorio, pero permite definir el tipo
y el aspecto de la información que se desea obtener. Como los filtros afectan
al modo como se muestra la información, es importante que se configuren lo
antes posible, ya que no son retroactivos, sino que actúan desde el momento
en el que se crean. Así, si se aplica un filtro para excluir nuestras visitas (IP de
nuestra organización) a una vista que hasta el momento tenía todo el tráfico,
las visitas se excluirán a partir del momento de creación del filtro.
Ejemplos de uso de filtros:
• Ver informes sobre un subdominio o subdirectorio en particular.

• Incluir o excluir tráfico procedente de ciertos lugares o IP.
• Facilitar la lectura de parámetros dinámicos, como cadenas de texto des-
criptivo.
• Ver solo las visitas desde una campaña.
• Reescribir las direcciones de las páginas que aparecen en los informes de
contenido.
Un filtro consta de los siguientes parámetros:
• Nombre.
• Tipo:
– Predefinidos. Permiten «excluir» o «incluir solo».
– Personalizados. Permiten múltiples opciones.
• Campo del filtro (solo para filtros personalizados).

• Patrón del filtro (solo para filtros personalizados). Es la cadena que se com-
parará con el campo del filtro. Este campo siempre se expresa mediante
expresiones regulares.
Los filtros se aplican de manera secuencial. Eso quiere decir que el orden
en el que se sitúen dentro de una vista es fundamental. De esta manera,
si tenemos dos filtros en una vista, al segundo filtro le entrará el tráfico
que ya haya pasado por el primero.
En nuestra tienda online, vamos a crear un sencillo filtro que excluya nuestras
propias visitas, si conocemos nuestra dirección IP y esta es fija (si es dinámi-
ca podríamos estar excluyendo tráfico relevante al reasignarse esa IP a otro
usuario posteriormente). Para ello, se selecciona «Todos los filtros» en la con-
figuración de la cuenta y pulsamos en «+ Agregar Filtro». Después nombramos
el filtro y seleccionamos «Filtro predefinido» de tipo «Excluir» con las opcio-
nes «tráfico de las direcciones IP» y «que son iguales a». Escribimos nuestra IP
y añadimos las vistas sobre las que se quieren aplicar. Finalmente, pulsamos
«Guardar».
Figura 52. Añadir un filtro
En el nivel de vista, aplicaremos otro filtro de ejemplo para incluir el comercio

electrónico que genera nuestra tienda online en Estados Unidos.
Figura 53. Añadir el filtro US E-commerce


mación sobre los filtros de
vista en: «Información sobre
los filtros de vista».
4.2. Segmentos personalizados
Los segmentos permiten analizar subconjuntos del total de los datos que se
visualizan en los informes sobre cualquier periodo y sin la necesidad de crear
filtros desde la zona de administrador. Se puede filtrar por tipo de segmento
(ya sean predefinidos o personalizados):
• Todos. Muestra todos los segmentos disponibles.

• Sistema. Muestra los segmentos predefinidos por Analytics.
• Personalizados. Muestra los segmentos generados por el usuario.
• Destacados. Muestra los segmentos marcados como destacados, pulsando
sobre el símbolo de la estrella.
• Seleccionados. Muestra los segmentos seleccionados por el usuario.
Una vez hemos seleccionado los segmentos para analizar (hasta 4), se pulsa
en «Aplicar» y se muestran las gráficas y los datos con la selección aplicada.
Esta selección se mantiene mientras se navega por todos los tipos de informes,
es decir, que no hace falta seleccionar el segmento cada vez. En la siguiente
pantalla, se aplican cuatro segmentos de tráfico, tres de los cuales son para
filtrar el tráfico desde redes sociales.
Figura 54. Aplicación de cuatro segmentos de tráfico
Ejemplo
Veamos un ejemplo: se está trabajando en una vista que incluye solo las visitas publici-
tarias de AdWords, y queremos profundizar un poco más y analizar las transacciones de
comercio electrónico solo de los usuarios que proceden de un área geográfica concreta,
como, por ejemplo, Gran Bretaña. Si se crea una nueva vista, tendría el inconveniente
de que se parte desde cero, es decir, no se incorporarían los datos antiguos.
Además, si se desea hacer lo mismo con más países, se tendrían que crear numerosas
vistas, lo que resultaría poco operativo. Se pueden usar los segmentos que vienen por
defecto o crear nuevos, como haremos a continuación. Para añadir un nuevo segmento,
seleccionamos en «datos demográficos» la última opción, denominada «ubicación», y
añadiremos «país» que «contiene» «United Kingdom», tal y como se muestra en la pan-
talla inferior.
Figura 55. Creación del segmento de usuarios de Reino Unido
Una vez creado el segmento con los visitantes procedentes de Reino Unido, lo guardamos,
y en ese mismo momento se visualizan los datos ya filtrados; podemos además cambiar el
periodo de análisis sin perder información. Si se quieren ver de nuevo los datos de todos
los usuarios sin segmentar, solo se tendría que desactivar el segmento con un clic. Ade-
más, ese segmento estaría disponible para futuros análisis con tan solo volver a activarlo.
Figura 56. Datos de los usuarios de Reino Unido
Fuente: Google.
De esta manera, veríamos que solo en Reino Unido se han realizado ocho transacciones y
que el valor medio de pedido realizado desde Reino Unido es algo inferior al valor medio
de pedido de todo el mundo.
Así pues, el uso de segmentos para el día a día es en general más útil que la
creación de vistas personalizadas. Los datos de una vista se empiezan a acu-
mular cuando se crea (no disponen de cualquier dato anterior) y además no
es posible volver atrás, con lo que, si existe un error, no se pueden recuperar
esos datos y habrá que comenzar desde cero.
En cambio, los segmentos avanzados son dinámicos y actúan sobre la visuali-

zación de los datos ya existentes. Se puede decir que filtran los datos de ma-
nera «temporal», por lo que en cualquier momento se pueden activar y des-
activar. Google Analytics trae por defecto muchos segmentos que se pueden
usar inmediatamente (los llamados «segmentos de sistema»). Pero la verdade-
ra utilidad radica en la posibilidad de crear segmentos avanzados personaliza-
dos, adaptados a las necesidades del usuario. Entre otros, algunos segmentos
predefinidos son estos:
• Búsqueda realizada en el sitio.

• Hizo una compra.
• Sesiones con conversiones.
• Sesiones con rebote.
• Sesiones con transacciones.
Ejemplos de posibles segmentos personalizados serían:
• Visitas que salieron del embudo. Este segmento permite analizar a los usua-
rios que, por ejemplo, iniciaron una compra, pero se fueron antes de fina-
lizar el proceso.
• Visitantes que han comprado una segunda, tercera o más veces.
• Sesiones orgánicas con la palabra clave de marca (el nombre de nuestro
sitio o de la empresa).
• Sesiones desde redes sociales.
Se puede acceder a un segmento avanzado y seleccionarlo en casi cual-

quier informe. La opción de segmentación avanzada no está disponi-
ble en los embudos de conversión. Si se desea analizar el embudo de
conversión para un segmento de tráfico concreto, hay que crear previa-
mente vistas con filtros que incluyan solo los datos que interesen.
4.3. Tráfico, contenido y conversiones
Para analizar el tráfico y el contenido de nuestra tienda, vamos a acceder a los

informes estándar de Google Analytics. Las pantallas de informes en general
se dividen en cuatro secciones:
Figura 57. Las cuatro secciones de las pantallas de informes
1)� Zona� 1.� Menú� de� informes. Área lateral izquierda de la pantalla. Desde
aquí se puede acceder a los diferentes informes, clasificados por categorías.
Haciendo clic sobre cada una de las secciones, podemos ir desplegando los
informes.
2)�Zona�2.�Menú�de�acciones�avanzadas. Área superior de la página. Se pue-

de ver en la esquina superior derecha la fecha de inicio y de fin del análisis
(pudiendo realizar una comparativa entre dos periodos) y también una serie
de botones que realizan distintas acciones, como seleccionar los «Segmentos
avanzados», «Personalizar», «Correo electrónico», «Exportar», «Añadir al pa-
nel» y «Acceso directo».
3)�Zona�3.�Explorador. Son gráficos evolutivos en función del tiempo, que

pueden cambiar la métrica o compararla con otra. El explorador puede tener
varias pestañas, que al pulsarlas mostrarán conjuntos de métricas diferentes.
4)�Zona�4.�Tabla�de�datos. Es el área de tabla de datos con las diferentes mé-

tricas en función de las dimensiones seleccionadas. Por defecto, los datos en
las tablas se muestran paginados de diez en diez filas. Pero hay un menú para
cambiar la paginación y mostrar hasta cinco mil filas de una vez. Encima de la
tabla se pueden visualizar también una caja de búsqueda y un buscador avan-
zado para filtrar los datos y encontrar la información de manera más rápida.
Además, en la zona inferior izquierda de cualquiera de los informes se encuen-

tra el acceso al administrador, donde se configura la cuenta, las propiedades
y las vistas.
Para empezar nuestro análisis básico, nos planteamos las siguientes preguntas:
• ¿Quién nos visita?

• ¿Vuelve?
• ¿Desde dónde?
• ¿Qué contenidos consume?
• ¿Qué objetivos se cumplen?
Para responder a estas preguntas se dispone de cuatro tipos de informes:
• Analítica de audiencia: ¿Quién nos visita? ¿Vuelve?

• Analítica de adquisición: ¿Desde dónde?
• Analítica de comportamiento: ¿Qué contenidos consume?
• Analítica de conversiones: ¿Qué objetivos se cumplen?
4.3.1. Analítica de audiencia
La analítica de audiencia permite medir y analizar datos relacionados con

nuestros visitantes. Pueden ser datos demográficos, de comportamiento, dis-
positivos y tecnologías de acceso, flujo completo de navegación, entre otros.
En el menú de informes (zona 1) se accede a la sección de «Audiencia» cuyos
apartados de analítica de audiencia son:
1)�Visión�general. Es un resumen con los datos principales de acceso (sesiones,

usuarios, duración media de la sesión, páginas por sesión, porcentaje de rebote,
tipo de visitante, etc.).
2)� Usuarios� activos. Proporciona información sobre el número de usuarios

únicos que han iniciado sesión en el sitio web durante «X» días; se puede ver
la evolución de esta métrica a lo largo del tiempo.
3)� Valor� del� tiempo� de� vida� del� cliente. Mide el valor del tiempo de vida
de los usuarios adquiridos a través de diferentes canales en función del rendi-
miento durante su ciclo de vida en varias sesiones.
4)�Análisis�de�cohortes. Es un informe que permite extraer información de

grupos de usuarios, basados en la fecha de la primera sesión, así como en otras
métricas, como objetivos, ingresos o sesiones por usuario.
5)�Explorador�de�usuarios. Con este informe se puede aislar y examinar el

comportamiento de cada usuario asociando cada uno de ellos a un identifica-
dor denominado Cliente ID o User ID. Para su acceso, se debe habilitar previa-
mente la función User ID en la configuración de la propiedad.
6)�Datos�demográficos. Incluye información acerca de la edad y el sexo de los

visitantes. Es necesario habilitarlo manualmente desde la configuración de la
propiedad. Ayuda a identificar mejor a nuestro público objetivo.
7)�Intereses. Incluye información acerca de las categorías de intereses en las

que Google clasifica a los visitantes según su historial de navegación. Esta fun-
cionalidad está asociada a la de datos demográficos, es decir, necesita habili-
tarse previamente desde la configuración de la propiedad.
8)� Información� geográfica. Incluye información sobre la procedencia geo-

gráfica (país, ciudad, etc.) y el idioma de los visitantes.
9)�Comportamiento. Permite analizar la fidelidad de los visitantes. Hay que

tener en cuenta que debido a que este seguimiento se hace a partir de cookies, si
los visitantes de nuestro sitio borran habitualmente las cookies, la información
no será precisa. En nuestro sitio web de comercio electrónico, vamos a analizar
la recurrencia de los usuarios:
Figura 58. Análisis de la recurrencia de los usuarios
En este ejemplo el porcentaje de sesiones nuevas durante un mes fue del 84,23
%, por un 15,77 % de sesiones recurrentes. Sin embargo, si se analiza con más
detalle y se observan los ingresos generados, se puede comprobar que las se-
siones de usuarios recurrentes generan el 76,16 % de los ingresos, lo que nos
indica que las sesiones de usuarios recurrentes son mucho más valiosas (pro-
bablemente porque muchos usuarios necesitan visitar el sitio varias veces an-
tes de realizar la compra). También se observa que existe una mayor atracción
e interés por parte de los usuarios recurrentes frente a los nuevos (tasa de re-
bote más baja, –40,71 frente a 50,77 %–, mayor número de páginas por sesión
–5,52 frente a 3,68 páginas/sesión–, y una duración superior muy superior –
4:07 minutos frente a 2:15–).
Toda esta información, además, se puede segmentar añadiendo una dimensión

secundaria en la tabla de datos, como por ejemplo la fuente y el medio.
Observamos que el mayor número de usuarios proviene del buscador Google

(39,13 %), que generan el 2,63 % de los ingresos. En cambio, el mayor porcen-
taje de los ingresos procede de usuarios recurrentes del tráfico directo (11,69
% de ingresos procedente de solo un 2,96 % de los usuarios totales) y de re-
ferencia desde mail.googleplex.com (un 19,52 % que proviene de un 2,74 %
de los usuarios totales). Por otro lado, destacan los ingresos nulos provenien-
tes del tráfico de referencia y afiliación de nuevos visitantes. También se debe
prestar atención al tráfico de nuevos usuarios procedente de anuncios CPC
(coste por clic), que, a pesar de su número reducido, presenta muy buenos
resultados (porcentaje de rebote del 23,16 %, 5,97 páginas por sesión y una
duración media de 3,51 minutos).
Figura 59. Análisis segmentado de la recurrencia de los usuarios
Fuente: Google.
Otras opciones interesantes de análisis de comportamiento son el número de

sesiones que visita cada usuario (fidelización), el tiempo transcurrido desde la
última sesión (frecuencia) y la duración de la sesión (latencia). La fidelización
nos proporcionará un valor actual de la vida del cliente, mientras que la fre-
cuencia y latencia, un valor potencial del cliente en su ciclo de vida. Cuanto
más alta sea la fidelización, mayor será el valor actual del cliente y, cuanto
menor sean la frecuencia y la latencia, mayor el valor potencial del cliente.
En función del tipo de negocio y del sitio web, nuestra estrategia será diferente.
Si nos centramos en captar de forma masiva nuevos visitantes, el porcentaje
de visitantes nuevos deberá ser muy superior al de visitantes recurrentes. En
cambio, si nuestra estrategia se centra en la retención de usuarios, querremos
tener un porcentaje de usuarios recurrentes que supere al de visitantes nuevos.
Figura 60. Ratio de captación
Si este valor es inferior a 2, indica que el sitio web fideliza bastante. De hecho,
en sitios web orientados exclusivamente a contenido, este valor puede acer-
carse a 1. Y en sitios web de ventas o de captación de leads, dicho valor suele
ser mayor a 2, en donde valores superiores a 5 significa muy poca fidelización,
como es nuestro caso.
Es imprescindible seguir la evolución de dicha tendencia para detectar com-

portamientos extraños.
El modo como Analytics calcula los usuarios nuevos y usuarios recu-

rrentes no es muy intuitiva, y puede inducir a confusión, ya que en
realidad no ofrece información de usuarios nuevos y recurrentes, sino
de sesiones procedentes de usuarios nuevos y sesiones procedentes de
usuarios recurrentes. Analytics clasifica las sesiones según este criterio:
• La primera sesión que realiza un usuario la clasifica como de usuario

nuevo.
• La segunda, tercera, etc., las clasificas como de usuario recurrente.
Así, un usuario que entra por primera vez el 1 de mayo y por segunda vez el
15 de mayo será contabilizado como un usuario con dos sesiones, la primera
se contabilizará como nueva y la segunda como recurrente. Es decir, la ratio
visitantes nuevos / visitantes recurrentes será 1/1 para Analytics, cuando la
lógica nos diría que si el visitante entró dos veces en el periodo, es recurrente
y la ratio sería 0/1.
10)�Tecnología. Aporta información sobre los navegadores web de los usuarios

y los proveedores de acceso a internet.
11)�Móvil. Provee información sobre los diferentes dispositivos usados por los
visitantes: «desktop» (ordenadores de sobremesa y portátiles), «mobile» (solo
smartphones) y tabletas.
12)� Personalizado. Estudio de variables personalizadas. Analytics permite

añadir dimensiones personalizadas mediante implementaciones de código
adicionales.
13)�Comparativas. Suministra información comparativa de los diferentes ca-

nales (orgánico, de pago, directo, etc.), respecto al sector que se seleccione.
Además, se puede ajustar la comparativa seleccionando el país y el volumen
de visitas de los sitios web. Este apartado corresponde a una inteligencia com-
petitiva básica para compararse en métricas básicas con la media del sector.
14)�Flujo�de�usuarios. Se visualizan de manera gráfica las rutas que los usuarios

toman en el portal, segmentando por diferentes dimensiones. Por defecto, el
sistema lo ofrece por países.
4.3.2. Analítica de adquisición
Los informes que se pueden consultar están relacionados con el origen del
tráfico, es decir, las fuentes y los medios que han dado lugar a las visitas.
1)�Visión�general. Nos muestra un resumen general con los datos más rele-
vantes. Se pueden ver los gráficos por canales (agrupaciones de fuentes de trá-
fico), por fuentes y medios. Este informe, además de ser visualmente impac-
tante, resulta de gran interés para nosotros.
2)�Todo�el�tráfico. Los canales son agrupaciones de fuentes y medios bajo una

misma etiqueta. Por defecto, Google establece una clasificación predetermina-
da, pero es posible realizar agrupaciones personalizadas.
• Paid Search (búsqueda de pago).

• Organic Search (búsqueda orgánica, desde cualquier buscador).
• Direct (visitas directas).
• Referral (visitas desde enlaces en sitios web).
• Social (visitas desde medios sociales reconocidos por Google).
• Display (campañas de publicidad display).
• Other (visitas desde otras fuentes, por ejemplo, las etiquetadas manual-
mente o no reconocidas en los grupos anteriores).
3)�AdWords. En este apartado se puede consultar toda la información exclu-

siva de las campañas de AdWords.
4)�Search�Console. Este conjunto de informes está orientado especialmente

a los que hacen SEO, como es nuestro caso, y solo está disponible si se ha
vinculado la cuenta de Analytics con la cuenta de Google Search Console.
Muestra información de las páginas de destino del tráfico orgánico, países,

dispositivos y datos de impresiones, clics y posición media de nuestro sitio web
para las búsquedas orgánicas más importantes. Estos informes son los mismos
que se pueden consultar desde el servicio de Search Console de Google.
5)�Medios�sociales. Conjunto de informes vinculados con el tráfico desde me-

dios que Analytics etiqueta como sociales (Facebook, Google+, Twitter, Linke-
dIn, etc.).
6)�Campañas. Muestra el tráfico segmentado por el atributo «campaña». Se

puede analizar el tráfico procedente de cualquier campaña etiquetada, tanto
de AdWords como otras distintas. Por ejemplo, un banner en un portal o un
enlace en un email. Por eso es importante etiquetar todas nuestras campa-
ñas. Esta opción proporciona información de todas las campañas que detecta
Analytics, tanto las de AdWords como otras campañas que podamos etiquetar
manualmente (Facebook, Twitter, etc.). La dimensión principal de este infor-
me es el «nombre de la campaña», pero tiene varios niveles de profundidad.
Nos permite ver las palabras clave de búsqueda orgánica y las palabras clave
de pago (cualquier campaña de pago). Para analizar solo las palabras clave de
AdWords es mejor consultar los informes específicos de AdWords.
El informe de palabras clave orgánico hace tiempo que perdió gran parte de
su utilidad por lo que se comenta a continuación. Veamos la tabla de datos
siguiente, donde aparecen los datos de las dos palabras clave que más sesiones
orgánicas han generado para un periodo determinado.
Figura 61. Informe de palabras clave orgánico
Fuente: Google.
La palabra clave que aparece en la primera fila es «(not provided)», que repre-
senta un 96,10 % de las sesiones y que significa que no está disponible. Este
problema se debe a que se encriptan la mayoría de las búsquedas y Google deja
de informar acerca de la búsqueda que se ha empleado para llegar al sitio web.
Por otro lado, la palabra clave «not set» significa que Google no identifica al-
guna dimensión (palabra clave, ciudad, región, país, idioma, etc.) y entonces
lo clasifica como «not set».
7)�Analítica�de�costes. Con campañas de pago en varias plataformas (redes

sociales, afiliación, AdWords, etc.) es posible subir los datos de coste a Analy-
tics mediante una hoja de cálculo. Desde este informe se puede comprobar lo
que se ha invertido en las diferentes campañas/plataformas y compararlas en-
tre sí. En el caso de haber enlazado con Analytics alguna cuenta de AdWords,
también se puede ver la inversión realizada con la plataforma publicitaria de
Google, si bien este dato y otros muchos relacionados con esta plataforma es-
tán disponibles desde la sección de AdWords. La última columna de la derecha
indica el coste, cuya única cifra aparece en la campaña de pago CPC de Google.
Figura 62. Informe de analítica de costes
4.3.3. Analítica de comportamiento
La analítica de comportamiento proporciona información sobre las páginas

que visitan los usuarios, por dónde entran, por dónde se van y qué acciones
realizan durante la sesión. De esta manera, se pueden conocer cuáles son los
contenidos que más interesan a nuestros visitantes web, dónde navegan y las
páginas en las que abandonan la tienda, lo que aporta información valiosa
para optimizar y mejorar la conversión.
Uno de los primeros pasos que se recomienda es analizar el comportamiento

de los usuarios en función del origen de su visita, identificando las páginas
de entrada principales asociadas a cada tipo de campaña (SEO, SEM, emailing,
etc.). Viendo los tiempos de permanencia en esas páginas y las tasas de rebote
se proporciona una idea de si a los usuarios les gusta nuestro sitio y siguen
navegando por él o, por el contrario, lo abandonan rápidamente.
Dado que cada sitio web tiene sus propios objetivos, no hay unas métricas óp-
timas para todos. Por ejemplo, para un blog cuyo objetivo es fidelizar usuarios
y que permanezcan el mayor tiempo posible en el sitio, una tasa de rebote del
50 % puede ser un mal dato. Sin embargo, en un portal de venta online, será
habitual encontrarnos con tasas de rebote altas.
1)�Visión�general. Muestra un resumen con los datos más relevantes relacio-

nados con el contenido del sitio.
2)�Flujo�del�comportamiento. Se visualizan de forma gráfica las rutas que los

usuarios realizan en el portal. Por defecto, Analytics lo ofrece por páginas de
destino, pero se puede cambiar la dimensión.
3)�Contenido�del�sitio:
a)�Todas�las�páginas. Estadísticas de páginas vistas, rebote, tiempo, entradas,

salidas, etc., de todas las páginas del sitio web. En este apartado, es recomen-
dable analizar el comportamiento de las páginas principales de la tienda, co-
mo son la página de inicio, las páginas de cada fase del proceso de compra,
las páginas de las categorías y de los productos principales. Si analizamos las
diez primeras páginas con mayor número de visitas, llama nuestra atención
que la tasa de rebote de la cesta de la compra («basket») sea del 40,22 %, es
decir, cuatro de cada diez usuarios abandonan el carrito de la compra una vez
que visitan el sitio web.
Figura 63. Análisis del número de visitas
Fuente: Google.
Podemos profundizar segmentando por nuevos usuarios frente a recurrentes.

Si lo hacemos, detectamos que el porcentaje de rebote en usuarios recurrentes
(40,48 %) es más alta que en usuarios nuevos (39,57 %).
Figura 64. Segmentación de las visitas por tipología de usuario
Fuente: Google.
Si seguimos investigando, nos damos cuenta de que la causa es que los usua-
rios no registrados añaden productos al carrito de la compra y estos desapare-
cen de dicha cesta pasadas las 24 horas. Una vez pasadas las 24 horas, muchos
usuarios esperan ver todavía la cesta con los productos que eligieron para se-
guir con el proceso de compra, pero se dan cuenta de que la cesta está vacía y
no continúan. Ante ello, vamos a aumentar el tiempo en el que dicha cookie

permanece en el navegador, de 24 horas a 72 horas. Pasados unos días, volve-
remos a comprobar si la tasa de rebote ha disminuido.
b)�Desglose�de�contenido. Agrupa el informe de todas las páginas en direc-

torios.
c)�Páginas�de�destino. Páginas de llegada al sitio web.
d)�Páginas�de�salida. Páginas de salida o abandono del sitio web.
4)� Velocidad� del� sitio. Informes acerca del tiempo de carga de las páginas Lectura complementaria
del sitio. Proporciona sugerencias técnicas de mejora, procedentes de la herra-
mienta gratuita PageSpeed Insights. mación sobre PageSpeed de
Google en: «PageSpeed In-
sights».
5)�Búsquedas�en�el�sitio. Conjunto de informes acerca de las búsquedas in-
ternas en el sitio. Su informe más interesante es el de «términos de búsqueda»,
que indica qué están buscando los visitantes en el sitio web. El informe de
búsquedas en el sitio ayuda a:
• Saber con qué frecuencia se usa el buscador interno y qué se busca.

• Saber en qué páginas se inician y terminan las búsquedas.
• Saber si los visitantes están satisfechos con lo que encuentran, se marchan
después o incluso vuelven a buscar. La métrica «porcentaje de abandonos
de búsqueda» es un excelente indicador.
• Conocer las palabras clave para mejorar las conversiones del sitio.
En la siguiente imagen se puede ver un ejemplo del informe «términos de bús-

queda» para nuestra tienda online de merchandising. La mayoría de las búsque-
das están relacionadas con «gopher», ardilla en inglés. Hemos incorporado su
personalización, con la imagen de varias ardillas, dada su creciente demanda.
También hay que analizar si el incremento de búsquedas de gorros («beanie»
en inglés) es algo coyuntural, dado sus buenas métricas, y descubrir por qué
«ingress», nuestro juego de realidad aumentada, que es la segunda palabra más
buscada en nuestra tienda, dispone de un tiempo posterior de visita tan bajo
(28 segundos) después de obtener los resultados de la búsqueda.
Figura 65. Informe «términos de búsqueda» para nuestra tienda online de merchandising
Fuente: Google.
6)�Eventos. Conjunto de informes sobre los eventos que se hayan configurado.

Si no se han implementado los códigos de evento en el sitio web, entonces en
esta sección no se visualizan datos.
7)�Editor. Permite analizar los datos procedentes de AdSense y Ad Exchange,

dos plataformas usadas por los propietarios de sitios web para mostrar publi-
cidad en sus páginas y generar ingresos. Para ello, se deben haber vinculado
previamente, desde la administración, las respectivas cuentas.
8)�Experimentos. Permiten principalmente la realización de tests A/B y tests

multivariantes.
Ejemplo
Añadiremos un test A/B de 21 días con dos variantes de la misma página. Para ello, se
realiza un test sobre la página de gorros, con una nueva versión que dispone de imágenes
más amplias que la página original. Se usa Optimize Google para realizar la prueba.
Figura 66. Uso de Optimize Google
Tras introducir el código se identifican los objetivos que queremos medir en el experi-
mento. En nuestro caso, se va a utilizar únicamente como objetivo la tasa de conversión.
Por último, se define el porcentaje de visitantes que deseamos que vaya dirigido al expe-
rimento (la página de gorros con las imágenes ampliadas).
Figura 67. Resultados del experimento con la página de gorros
Fuente: Google.
Una vez que se dispone de los resultados y haciendo una comparación entre la página
original y la página cambiada, se observa que la variante resulta ganadora con una tasa
de conversión del 0,90 frente al 0,38 % de la página original.
4.3.4. Analítica de conversión
La sección de conversiones de Google Analytics permite extraer informes aso-

ciados directamente a la consecución de los objetivos y a los embudos de con-
versión que hayamos configurado desde la administración. Sin objetivos, no
se puede evaluar el éxito o fracaso de un sitio web, ni realizar los cambios ne-
cesarios para mejorar.
Objetivos
Ofrece un resumen de los indicadores más relevantes asociados a los objetivos

(URL de destino a la que llegan los usuarios cuando cumplen los objetivos,
páginas previas que visitan los usuarios antes de alcanzar el objetivo, gráfico
del embudo de conversión y un informe gráfico del flujo en el que se puede
segmentar por diferentes dimensiones).
Para un primer análisis vamos a utilizar el informe gráfico del embudo de con-
versión, que ofrece una visión general. Es un buen punto de partida para eva-
luar el rendimiento general de los objetivos. A diferencia del informe del flujo
de objetivos, en el informe gráfico del embudo de conversión no se muestra
la ruta real que siguen los usuarios por el sitio web o la aplicación, sino que se
muestra únicamente el rendimiento de cada paso del embudo de conversiones
en lo que respecta a entradas y salidas.
Figura 68. Informe gráfico de nuestro embudo de conversión
Fuente: Google.
En el periodo indicado ha habido 288.502 sesiones y dado que 8.269 usuarios

han completado las compras, significa que la tasa de conversión es del 2,8 %,
lo cual es un buen resultado.
Aunque la conversión final que obtengamos sea buena, los pasos inter-
medios tienen gran importancia y si se disminuye la tasa de abandono
en los pasos intermedios, se puede mejorar en gran medida la conver-
sión final. En el caso de que alguno de los pasos tenga una alta tasa de
abandono, debemos preocuparnos por identificar rápidamente las pá-
ginas de salida y realizar acciones para bajar este porcentaje.
En el embudo se observan muchos abandonos (20.048 sesiones) que provie-

nen del carrito de la compra (33.310 sesiones). Dado el alto número de aban-
donos en este paso del embudo, usaremos el informe del flujo de objetivos
para llevar a cabo un análisis más exhaustivo del problema. El embudo y el
flujo de objetivos muestran algunas diferencias en sus datos, y es este último
más preciso.
Figura 69. Informe del flujo de objetivos

Para analizar las diferencias

entre el gráfico del embudo
de conversión y flujo de ob-
jetivos consultad el enlace
«Gráfico del embudo de con-
versión y Flujo de objetivos».
La expresión k corresponde a una cifra de mil. Fuente: Google.
De casi 21.000 (33K-13K) sesiones abandonadas en la página del carrito, casi

la mitad (10K sesiones) corresponden a salidas del sitio web; el resto se dirigen
a otras páginas web de la tienda. Y de ellas, más de la mitad corresponden a
salidas que provienen del buscador Google.
Figura 70. Análisis de las sesiones abandonadas en la página del carrito
Al analizar las «páginas de salida» en el «contenido del sitio», se observa que

la página del carrito de la compra es la segunda página con mayor porcentaje
de salida.
Figura 71. Análisis de las páginas de salida en nuestra tienda online
Finalmente, la página de la cesta de la compra («basket») segmentando por la

fuente Google desvela porcentajes de rebotes altos, superiores al 50 %, tanto
para tráfico orgánico como para anuncios CPC, lo que confirma que las pala-
bras clave por las que nos encuentran no traen un tráfico de calidad. Por tanto,
se debe mejorar el tráfico SEO y la estrategia de anuncios de Google. De igual
modo que se detecta que más de la mitad de los abandonos en la página de
la cesta corresponde a la fuente Google, tendríamos que analizar con deteni-
miento el resto de las fuentes.
4.3.5. Analítica de comercio electrónico
Una vez activados los informes de comercio electrónico en la vista y realizada

la programación del sitio para registrar las ventas mediante Google Analytics,
se puede acceder a la analítica de comercio electrónico, que está distribuida en:
1)�Visión�general. Proporciona un resumen de los datos más relevantes.
2)�Comportamiento�de�compra. Ofrece un análisis de la progresión de las

compras por fases.
Figura 72. Informe del comportamiento de compra
Fuente: Google.
3)�Comportamiento�de�pago. Permite evaluar los puntos en los que los usua-

rios abandonan el proceso de pago.
Figura 73. Informe del comportamiento de pago
Fuente: Google.
4)�Rendimiento�del�producto. Informe de los productos que se han vendido

(cantidad, compras únicas, ingresos, precio medio, etc.).
5)�Rendimiento�de�las�ventas. Este informe proporciona información de los

ingresos por fecha.
6)�Rendimiento�de�la�lista�de�productos. Permite ver el rendimiento de las

listas y de los productos individuales de manera conjunta.
7)�Transacciones. Se accede al registro de todas las ventas, identificador del

pedido, importe, impuestos, gastos de envío, etc.
8)� Tiempo� hasta� la� compra. Proporciona información sobre el número de

días que han pasado desde que el usuario visita el sitio por primera vez hasta
que realiza la transacción.
A partir de estos datos, se puede averiguar:
• ¿Qué productos son los que mejor se venden y, por lo tanto, cuáles son
los que mejor se adaptan a su cartera de clientes? ¿Qué productos son los
que más esfuerzos de marketing reciben?
• ¿Qué ingresos se obtienen por transacción y cuántos productos se venden
por transacción? Por ejemplo, si el número de productos por transacción
es inferior al esperado, quizá sea beneficioso ofrecer descuentos superiores
o eliminar los gastos de envío, si el cliente realiza una compra por valor
de una cantidad mínima.
• ¿Cuánto tardan (en tiempo y número de sesiones) los clientes en tomar
una decisión? Si el ciclo de ventas es estable, o fluctúa de forma predecible
según el producto o la época del año, se puede utilizar esta información,
junto con las previsiones de venta generales, para formular previsiones

fiables de los ingresos. Si los clientes realizan sistemáticamente numerosas
visitas antes de comprar, quizá sea interesante modificar el diseño del sitio
web por uno que guíe más fácilmente a las páginas de compra, o bien
incluir una opción que permita a los usuarios comparar sus productos y
precios con los de la competencia.
4.3.6. Analítica de cupones y afiliados
Los informes denominados en Analytics «Marketing» incluyen el seguimiento

de las conversiones con cupones de producto o pedido, así como las conver-
siones derivadas del marketing de afiliación.
En el caso de los códigos de cupón de producto, se puede ver el elemento

asociado:
• Ingresos�del�producto: ingresos de todos los productos comprados con el

cupón de producto.
• Compras�únicas: número de compras únicas que han incluido el código

de cupón de producto.
• Ingresos�del�producto�por�compra: media de los ingresos de producto

por cada compra que ha incluido el código de cupón de producto.
Figura 74. Informe de los códigos de cupón de producto
Fuente: Google.
Si segmentamos por categoría de producto, podemos analizar las categorías

que más ingresos han generado y la media de los ingresos de producto por
cada compra. En este caso, la categoría (Nest-USA) es la más rentable, tanto en
ingresos como por media de ingresos por producto.
También en el caso de los códigos de afiliado podemos analizar:
• Ingresos: total de ingresos asociados a cada código de cupón de pedido

o de afiliado.
• Transacciones: número total de transacciones asociadas con cada código

de cupón de pedido o de afiliado.
• Valor�medio�de�pedido: valor medio de pedido de todas las transacciones

asociadas con cada código de cupón de pedido o de afiliado.
Figura 75. Ejemplo gráfico del informe de afiliación


mación sobre cómo analizar
los datos de comercio electró-
nico en: «Cómo analizar los
datos de comercio electróni-
co».
Fuente: Google.
4.3.7. Embudos multicanal
En Analytics, las conversiones y transacciones de comercio electrónico se asig-

nan a la última fuente y medio de tráfico que envió al visitante al sitio y que
provocó la conversión, con excepción del tráfico directo y referido. En estos
dos últimos casos, la conversión se asigna a la fuente anterior que es distinta
de estas. En caso de no existir, sí que se asigna a la fuente final.
Sin embargo, ¿qué ocurre con todas las sesiones previas a la conversión?, ¿de
qué manera han interactuado las diferentes campañas? Los embudos multica-
nal y las conversiones asistidas (cualquier ruta de la conversión que no sea la
última interacción) dan la respuesta, pues muestran las diferentes sesiones que
han realizado los usuarios hasta la sesión final de conversión. En la siguiente
pantalla se visualizan las conversiones asistidas de la tienda; el canal directo
es el que más convierte, sin ser última interacción.
Figura 76. Análisis de las conversiones asistidas de la tienda
Fuente: Google.
Si analizamos las diez principales rutas de conversión, en todas ellas la fuente

directa interviene. En la mayoría de los casos, se debe a usuarios que ya cono-
cen la marca o sus productos y acceden directamente desde el navegador.
Figura 77. Rutas de conversión
Fuente: Google.
En la figura anterior se pueden ver algunas de las rutas de conversión que he-
mos obtenido para nuestra tienda online, lo que demuestra que la gran mayo-
ría de las conversiones pasan por distintos canales antes de que se produzca
la conversión.
4.3.8. Modelos de atribución
La herramienta de comparación de modelos de atribución permite comparar

las conversiones y valores asignados a los diferentes canales en función de
distintos modelos de atribución. Un modelo de atribución representa el valor
que se asigna a cada canal/fuente/medio en el proceso hacia la conversión. En
otras palabras, a qué canal o canales se le otorga el mérito de la conversión.
Analytics asigna la conversión según su propio modelo de atribución (modelo

de atribución por defecto). Pero ¿qué ocurre si preferimos trabajar con otro
modelo? Con esta herramienta se puede estudiar desde diferentes puntos de
vista. Se pueden aplicar una serie de modelos de atribución predefinidos para
estudiar los resultados. Desde la administración de Google Analytics es posible
además añadir nuevos modelos personalizados, por si ninguno de los predefi-
nidos se ajusta a nuestras necesidades.
Por ejemplo:
• Primera�interacción. Asignamos el 100 % del valor de conversión al canal

que ha generado la primera sesión.
• Última�interacción. Asignamos el 100 % del valor de conversión al canal

de la última sesión.
• Último�clic�indirecto. Ignora las sesiones directas y asigna la conversión

al último canal en el que el cliente ha hecho clic antes de realizar la con-
versión. Es el modelo que usa Analytics y, en el caso de AdWords, asigna

la conversión al último clic, independientemente de que la conversión se
haya realizado posteriormente por otro canal.
• Lineal. Reparte el valor de la conversión entre todos los canales que han
participado. Supongamos que para alcanzar una conversión de valor 90
euros, el usuario ha necesitado usar tres canales. Según el modelo lineal, la
conversión se repartiría entre los tres canales, dando un valor de 30 euros
a cada uno de ellos.
• Declive�en�el�tiempo. Asigna un mayor valor a los canales más cercanos

en el momento de la conversión.
• Según�la�posición. Este modelo asigna un 40 % del valor de la conversión

al primer canal y al último canal que interacciona. El 20 % siguiente se
distribuye uniformemente en el resto de los canales. En el ejemplo ante-
rior, la conversión se repartiría de la siguiente forma: 36 euros al primer y
último canal, y 18 al canal intermedio.
Para la tienda, casi todas las conversiones de clic se producen en varias inter-
acciones, es decir, intervienen distintas fuentes y medios antes de producirse
la conversión. El principal camino de conversión pasa por el canal directo y
la gran mayoría de las conversiones asistidas pasan por el canal directo y de
referencia.
Figura 78. Interacciones previas a la conversión

Por otro lado, hemos detectado que a mayor tiempo de duración de la sesión,
a partir de los 30 segundos, mayor es el número de usuarios que hicieron una
compra. Se mide con el informe de interacción segmentado por usuarios que
han realizado una compra.
Figura 79. Informe de interacción segmentado por usuarios que han realizado una compra
Por tanto, hemos usado un modelo de atribución personalizado basado en

posición (50 % del valor a la primera y última interacción) y un ajuste del
valor según la interacción de los usuarios por tiempo en el sitio web.
Figura 80. Creación de nuestro modelo de atribución

Consultad «Visión general de

los modelos de atribución»
para saber más sobre los mo-
delos de atribución.

5. Informes
5.1. Informes personalizados
Además de todos los informes disponibles, Google Analytics tiene la posibili-

dad de crear nuestros propios informes, incluyendo aquellos datos que más
nos interesen. Estos informes se crean:
1) O bien desde la sección «Personalización» de la zona de opciones lateral.

Mediante esta opción se crea el informe desde cero.
2) O bien a partir de un informe estándar, pulsando el botón «Personalizar»

que hay encima de la zona de «Segmentos».
Figura 81. Crear informe desde la sección «Personalización»
No todos los informes estándar permiten su personalización. Si no apa-

rece el botón «Personalizar», entonces no se puede crear un informe
personalizado a partir de esa vista.
Ejemplo
Creamos un nuevo informe de transacciones por fuente de tráfico. El informe estándar

de fuentes de tráfico proporciona información sobre los objetivos y las transacciones
medido en porcentajes, pero sin contemplar las fuentes de origen del tráfico.
Estos son los datos para crear el nuevo informe personalizado:
• Dimensión principal: fuente/medio.

• Métricas: sesiones, porcentaje de rebote, transacciones, porcentaje de transacciones,
ingresos y valor medio por transacción.
Desde «informes personalizados», se accede a «+Nuevo Informe Personaliza-

do» y se rellena el formulario de creación del informe. En información general,
lo titulamos «Informe de transacciones por fuente» y en contenido del infor-
me se rellenan los siguientes campos:
a)�Nombre. Se refiere al nombre para identificar la pestaña, ya que se pueden

crear varias pestañas de datos. En este ejemplo, se crea una sola pestaña.
b)�Tipo. Se selecciona «Explorador» como tipo de gráfico. También se puede

seleccionar la opción de «Tabla única» o «Gráfico de visitas por ubicación».
c)�Grupos�de�métricas. Se pueden crear grupos de hasta diez métricas. En este

ejemplo es suficiente con un grupo. Añadimos las cinco métricas indicadas:
• Sesiones.
• Porcentaje de rebote.
• Transacciones.
• Porcentaje de conversiones de comercio electrónico.
• Ingresos.
d)�Desgloses�de�dimensiones. Se pueden elegir varios niveles de dimensión,

aunque al cargar el informe se verá primero la dimensión principal. Seleccio-
namos «Fuente/medio».
Existe la posibilidad de añadir filtros adicionales sobre los datos, pero no es

necesario para este informe. En vistas, se selecciona la vista o vistas sobre las
que se quiere configurar el informe.
Figura 82. Creación del «Informe de transacciones por fuente»
Finalmente pulsamos en «Guardar» y el resultado es el siguiente:

Figura 83. Informe de transacciones por fuente
Si analizamos las cuatro primeras fuentes, aunque Google en búsquedas orgá-

nicas es la que más sesiones origina, la fuente con más ingresos es la directa, a
pesar de que la que dispone de la tasa de conversión de comercio electrónico
más elevada (10,05 %) es la fuente procedente de una URL.
5.2. Cuadro de mando
Para la elaboración del cuadro de mando de la tienda online, lo primero es Lectura complementaria
seleccionar los KPIs que van a integrar dicho cuadro, así como identificar el
tipo de información que deseamos comunicar. Se va a usar para su creación la mación sobre Data Studio de
herramienta Data Studio, que permite exportar los datos de Analytics y crear Google en: «Google Data Stu-
dio».
un cuadro de mando de una manera sencilla.
Para nuestro caso, seleccionamos un cuadro de mando informativo que per-

mita filtrar por dispositivos, países, fuente/medio y por tipo de visitante (nue-
vo y recurrente), distribuido por secciones:
a) Parte superior izquierda (gráfico de evolución mensual):
• Número de sesiones diarias.

• Ingresos diarios derivados de las transacciones de comercio electrónico.
• Número de productos diarios añadido al carrito de la compra.
• Tasa de productos diarios añadido al carrito de la compra.
b) Parte superior derecha (tabla de datos):
• Número de sesiones total.

• Vistas de detalles de los productos.
• Producto añadido al carrito de la compra (número de veces que el producto
se ha añadido al carrito de la compra).
• Pago de productos.
c) Parte central izquierda (tabla de datos):
• Producto.
• Producto añadido al carrito de la compra (número de veces que el producto

se ha añadido al carrito de la compra).
• Ingreso de productos.
• Ingreso medio del producto por transacción.
• Tasa de producto añadido al carrito de la compra (incorporaciones de pro-
ducto al carrito de la compra entre vistas de detalles de los productos).
d) En la parte central derecha (gráfico de barras):
• Ingresos y sesiones por dispositivos.
e) En la parte inferior izquierda (tabla de datos):
• Fuente/medio.
• Producto añadido al carrito de la compra.
• Ingresos.
• Tasa de conversión del ecommerce.
f) En la parte inferior derecha (gráfico circular):
• Ingresos por ciudades.
Visualización del cuadro de mando realizado con Data Studio:
Figura 84. Cuadro de mando de nuestra tienda online
Fuente: Google Data Studio.
Además de toda la información ofrecida en la parte superior, se debe indicar

una breve descripción de cada uno de los indicadores o KPIs y un breve co-
mentario que incluya:
1)�Qué�es�lo�que�está�pasando (frente al mes anterior):
• El número de sesiones descendió un 4,08 % debido principalmente al trá-

fico SEO y al tráfico referido desde YouTube.
• El número de ingresos aumenta en un 9,91 % por el incremento del valor
medio del pedido en un 22,66 % y el aumento de la cantidad media de
producto vendida por transacción en un 28,62 %.
• El número de veces que el producto se añade al carrito de la compra au-
menta en un 14,80 % por un incremento de la categoría ropa, especial-
mente productos de manga corta.
• La tasa de producto añadido al carrito de la compra aumenta en un 11,49
% motivado principalmente por una mayor incorporación de productos
electrónicos de seguridad.
2)�Recomendaciones:
• Trabajar el SEO para generar un tráfico más cualificado, así como mejorar
el canal de YouTube para atraer a visitantes de calidad.
• Mejorar la incorporación de productos relacionados para incrementar el
valor medio de pedido.
• Publicitar ropa de manga corta en anuncios publicitarios debido al cambio
de estacionalidad.
3)�Impacto�sobre�el�negocio:
• El impacto de trabajar el SEO no será inmediato, pero la mejora del canal

de YouTube significa un aumento de las sesiones en un 1,80 %.
• La incorporación de venta cruzada conllevaría un aumento del valor me-
dio de pedido de un 6,30 %.
• Con la campaña específica de AdWords para ropa de manga corta, aumen-
taría la tasa de producto añadido a la compra en un 9 %.
Resumen
En este caso práctico hemos llevado a cabo una introducción a los conceptos y
elementos básicos de la analítica web y, mediante un caso ficticio de una tienda
de comercio electrónico, definido todas las etapas necesarias para implementar
una estrategia analítica desde su preparación hasta su ejecución.
La analítica web es una herramienta de negocio que mide el retorno de la

inversión mediante el conocimiento del comportamiento web del usuario. El
saber cuánto nos gastamos frente a lo que ingresamos por canal online (SEO,
enlaces patrocinados, etc.), además de tener claro los objetivos que deseamos
conseguir para cada uno de ellos, es vital para la toma de decisiones y para la
búsqueda de la rentabilidad de cualquier organización.
La aplicación del análisis web requiere una metodología que empieza por la
identificación de los objetivos y principales KPIs. Una vez establecidos los ob-
jetivos del sitio web, se divide cada proceso en distintas etapas con el propósito
de medir el comportamiento del usuario a lo largo de la compra del producto
o de la contratación del servicio.
No es suficiente con atraer al usuario hacia el sitio web, se debe conseguir que
cumpla con los objetivos marcados en cada una de las etapas del proceso. Para
ello, necesitamos conocer su comportamiento y su nivel de compromiso. Con
un primer análisis básico, seremos capaces de entender cómo se comportan
los usuarios. Si conocemos los contenidos más visitados, las páginas de acceso,
el origen de las entradas y las palabras clave por las que encuentran el sitio
web, estaremos en disposición de mejorar los contenidos de un sitio web ba-
sándonos en los resultados de análisis.
Tan importante en el análisis web es conocer los objetivos y sus KPIs, como
saber segmentar las visitas para detallar y centrarse en lo específico, revelando
información clave y elementos representativos de tendencias. Mostrar las ten-
dencias segmentadas permite una comprensión mucho más visual y efectiva
a los destinatarios que toman las decisiones.
Una de las tareas más importantes en la analítica web es la presentación de

la información. Una vez finalizado nuestro análisis, el resultado debe ser un
cuadro de mando. Dicho informe debe reunir los KPIs fundamentales y ha
de contener un análisis temporal de los procesos del sitio, además de pronós-
ticos basados en dicho análisis. Lo importante es comunicar transparencia y
objetividad en un formato entendible que explique qué es lo que ha pasado
y que deje entrever qué es lo que pasará, si no se emprenden las acciones re-
comendadas.
Glosario
A/B testing f Técnica que consiste en crear dos diseños para una misma página y observar
el comportamiento de los usuarios ante cada una de ellas.
AdWords m Programa publicitario de Google.
analítica web f Conjunto de procesos que permite gestionar el conocimiento que se ob-
tiene por medio de herramientas de medición de sitios web, obtener conclusiones sobre este
conocimiento y actuar en función de estas conclusiones, con el fin de alinear la estrategia
de medición online con la estrategia del negocio.
API f Véase application�programming�interface.
application programming interface f Especificación formal sobre cómo un módulo de

un software se comunica o interactúa con otro.
sigla API
Avinash Kaushik m Analista reconocido mundialmente de quien se dice que es «Evan-

gelista de analítica para Google».
BI m Véase business�intelligence.
big data m Proceso de recogida de grandes cantidades de datos para adquirir conocimiento.
branding m Proceso de hacer y construir la marca.
business intelligence f Transformación de los datos de una organización en conocimiento

para obtener una ventaja competitiva. También denominada inteligencia empresarial, inte-
ligencia competitiva o inteligencia de negocios.
sigla BI
CAU m pl Véase centros�de�atención�al�usuario.
centros de atención al usuario m pl Su función es recoger las incidencias de usuarios y

realizar su seguimiento hasta su resolución.
sigla CAU
ciclo de vida del cliente m Etapas que atraviesa el cliente en su relación con la empresa
(adquisición, conversión, crecimiento, retención y reactivación).
click through ratio m Usuarios que hacen clic sobre número de impresiones.
sigla CTR
CMS m Véase content�management�system
content management system m Sistema de gestión de contenidos para administrar y ges-

tionar contenidos de un sitio web.
sigla CMS
conversión f Se produce cuando un usuario web lleva a cabo una acción online previamente
definida en un sitio web.
cookie f Fichero que se registra en un navegador web con la finalidad de rastrear hábitos
de uso.
coste por clic m Modelo de publicidad basado en que el anunciante paga por el clic del
usuario que responde el anuncio. También denominado pago por clic.
sigla CPC
coste por mil impresiones m Modelo de publicidad en el que el anunciante paga por
cada mil impresiones visualizadas.
sigla CPM
CPC m Véase coste�por�clic.
CPM m Véase coste�por�mil�impresiones.
CRM m Véase customer�relationship�management.
CTR m Véase click�through�ratio.

cuadro de mando m Herramienta que permite conocer la situación global de un negocio

para facilitar la toma de decisiones.
customer relationship management m Modelo de gestión o estrategia de negocios diri-

gida a entender y anticipar las necesidades de los clientes actuales y potenciales, y a darles
respuesta.
sigla CRM
data science f Metodología que traduce grandes volúmenes de datos en modelos predic-
tivos.
embudo de conversión m Etapas por las que tiene que pasar un usuario web para cumplir
con un objetivo determinado dentro de un sitio web.
enterprise resource planning m Sistema informático de información gerencial que inte-

gra distintas áreas del negocio para administrar recursos de la organización.
sigla ERP
ERP m Véase enterprise�resource�planning.
feedback m Véase retroalimentación.
inteligencia empresarial, de negocios o competitiva f Transformación de los datos

de la compañía en conocimiento para obtener una ventaja competitiva.
en business intelligence
Javascript m Lenguaje de programación usado principalmente desde el lado del cliente

que permite crear efectos atractivos y dinámicos en las páginas web.
key perfomance indicator m Indicador que permite a la dirección de la empresa hacer

seguimiento de varias unidades de negocio sin necesidad de prestar atención a los detalles
de cada una de ellas.
sigla KPI
key strategic indicator m Indicador clave que proporciona información más estratégica
al estar orientada a resultados.
sigla KSI
KPI m Véase key�perfomance�indicator.
KSI m Véase key�strategic�indicator.
landing page f Véase página�de�aterrizaje.
lead m Usuario que ha proporcionado sus datos de contacto al cumplimentar un formulario

de una página de aterrizaje.
memoria caché f Área de almacenamiento dedicada a los datos usados o solicitados con
más frecuencia para su recuperación a gran velocidad.
newsletter m Boletín electrónico distribuido con cierta periodicidad por correo electrónico.
open data m pl Práctica que persigue que determinados datos sean accesibles, reutilizables
y que permiten ser compartidos.
página de aterrizaje f Página web destino de una campaña online en la que aparecen los
usuarios que hacen clic en los enlaces patrocinados.
en landing page
pago por clic m Modelo de publicidad basado en que el anunciante paga por el clic del
usuario que responde el anuncio. También denominado coste por clic.
sigla PPC
posicionamiento en buscadores natural, orgánico o SEO m Técnica para situarse

en las primeras posiciones de la página de resultados de un buscador de manera natural, sin
enlaces publicitarios, cuando un usuario realiza una consulta de una palabra clave o frase.
posicionamiento patrocinado, publicitario o SEM m Estrategia para situarse en los

primeros puestos de una página de resultados de un motor de búsqueda a través de enlaces
patrocinados.
PPC m Véase pago�por�clic.
really simple syndication f Formato de datos que es usado para distribuir contenidos a
suscriptores de un sitio web.
sigla RSS
remarketing m Funcionalidad que permite crear anuncios personalizados para los usua-
rios que visitaron previamente un sitio web.
retroalimentación f Reacción, respuesta u opinión que proporciona un interlocutor co-

mo retorno sobre un asunto determinado.
en feedback
return of investment m Relación entre la inversión y los beneficios generados.

sigla ROI
ROI m Véase return�of�investment.
RSS m Véase really�simple�syndication.
search engine marketing m Marketing en buscadores. Estrategia para situarse en los pri-
meros puestos de una página de resultados de un motor de búsqueda a través de enlaces
patrocinados. También conocido como PPC o CPC.
sigla SEM
search engine optimization m Técnica para situarse en las primeras posiciones de la pá-
gina de resultados de un buscador de un modo natural, sin enlaces publicitarios, cuando un
usuario realiza una consulta de una palabra clave o frase. También denominado posiciona-
miento natural u orgánico.
sigla SEO
search engine results page m Página de resultados en los motores de búsqueda.

sigla SERP
SEM m Véase search�engine�marketing.
SEO m Véase search�engine�optimization.
SERP m Véase search�engine�results�page.
servidor proxy m Ordenador que sirve de intermediario entre un navegador web e inter-
net. El proxy contribuye a la seguridad de la red al proteger y mejorar el acceso a las páginas
web, ya que las conserva en la memoria caché.
snippet f En SEO, descripción resumida de un sitio web que se muestra en los resultados
de búsqueda cuando un usuario realiza una consulta.
test A/B m Método que consiste en realizar dos variaciones de un mismo elemento en una
misma página web con el fin de analizar cuál de las dos es más efectiva.
test multivariante m Técnica que consiste en realizar variaciones sobre diferentes ele-
mentos de una misma página web, con el fin de analizar qué combinación es más efectiva.
tráfico de calidad m Del total de loa usuarios que acceden a un sitio web, cuáles cumplen
con alguno de los KPIs u objetivos del sitio web.
Universal Analytics f Versión actual del antiguo Google Classic Analytics (ga.js), que usa
un nuevo código (analytics.js) y cuyo propósito es ampliar sus funcionalidades.
usabilidad f Facilidad de uso de una herramienta por parte de un usuario. En el entorno

web, un sitio es usable cuando un usuario tiene una experiencia satisfactoria al acceder y
navegar intuitivamente de una forma fácil y cómoda.
Bibliografía
Damia, J. M. (2011). Meta Analytics. Configurando la mente del analista web. Palermo: Editorial
de la Universidad de Palermo.
Few, S. (2006). Information Dashboard Design. California: O’Really Media.
Gassman, B. (2007). Web analytics expectation and best practices. Emetrics Summit. San Fran-
cisco.
Kaushik, A. (2011). Analítica Web 2.0. Barcelona: Gestión 2000.
Maldonado, S. (2010). Analítica Web: Medir para triunfar. Madrid: ESIC Editorial.
Morales, M. (2010). Analítica web para empresas: arte, ingenio y anticipación. Barcelona: UOC.
Muñoz, G.; Elósegui, T. (2011). El arte de medir: Manual de analítica web. Barcelona: Profit
Editorial.

Pid 00252659

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Pid 00252659

Cargado por

Copyright:

Formatos disponibles

Analítica web y

Alfredo Hernández Díaz

Tiempo mínimo de dedicación recomendado: 9 horas

1. Qué es la analítica web.................................................................... 9

2. Descripción del caso práctico......................................................... 31

4.3.8. Modelos de atribución ................................................... 97

La analítica web nos permite identificar las preferencias de nuestros usuarios,

La analítica web es objeto de estudio no solo para todos aquellos interesados

Una vez descrito el caso y configurada la herramienta Google Analytics, vere-

datos relevantes y proceder a una adecuada segmentación, nuestro propósito

Aunque el material se revisa poco antes de empezar la asignatura, las herra-

1. Aprender a interpretar y analizar los datos de tráfico web para mejorar

2. Planificar e implementar una estrategia optimizada de análisis web con un

3. Definir métricas y crear informes para evaluar el cumplimiento de los ob-

1. Qué es la analítica web

1.1. Conceptos y elementos

En Wikipedia se define como la disciplina profesional encaminada a extraer

Las tres definiciones son válidas y se complementan entre sí sobre el objeto

La implantación de un proceso de analítica web y la inversión de su puesta en

• Nivel de madurez de la analítica web en la organización.

El nivel de madurez de la analítica web determina la información que pode-

Figura 1. Modelo del nivel de madurez de la analítica web

Es el momento de pasar al cuarto nivel, que está focalizado hacia el cliente.

1.2. Para qué sirve la analítica web

La analítica web es un medio que ayuda a solucionar, mejorar y enfocar una

1)�Recogida�de�datos�(recolección): Mediante herramientas analíticas, ya sea

clave para la interpretación de los datos. Lo primero es asegurarse de que todas

2)�Realizar�las�preguntas�adecuadas�(análisis): Una vez asegurado que todas

3)�Generar�los�cuadros�de�mando�(reporte): Tan importante es saber leer los

4)�Mejorar�un�sitio�web�(optimizar): La analítica web dirá lo que hacen los

1.3. Estrategia del analista web

Un analista web es un profesional que extrae el mejor rendimiento a las herra-

• Flujo�descendiente: Alinea la estrategia de medición con la estrategia cor-

• Flujo� descendiente: Ofrece a cada área de la organización información

El siguiente gráfico es una representación del modelo de doble flujo. A medida

Fuente: Analytics 2.0, Juan Damia.

• Información�de�internet: Es la base de la pirámide y se trata de la infor-

• Indicadores�(métricas): Son datos procesados que dan soporte a las per-

• KPIs: Los indicadores clave proveen la información más estratégica en el

• KSIs: Los indicadores estratégicos (key strategic indicators) están relaciona-

• ¿A cuántos les llamamos la atención? (visitas nuevas).

A partir de este momento nos centramos en los objetivos establecidos para

De todo ello, tomamos nota y decidimos junto a los responsables o destinata-

Otro análisis esencial es el de las redes sociales, es decir, la medición de la

Debemos contemplar la analítica web como un proceso integrado más dentro

1.3.1. Establecimiento de objetivos

Se recomienda empezar definiendo un objetivo principal y después definir los

• Adquisición. Se refiere a que los usuarios accedan a nuestro sitio web y

• Activación�o�compromiso. Reúne todas las interacciones que se producen

• Retención�o�fidelización. Conseguir que el visitante vuelva, que vuelva

Y llevamos a cabo los siguientes pasos:

2) Añadimos microobjetivos u objetivos secundarios dependientes de cada ob-

4) Asociar a cada microobjetivo el tipo de objetivo que es (adquisición, activa-

Los objetivos más habituales de un sitio web son los siguientes:

• Incrementar la base de datos.

1.3.2. Métricas y KPIs

1)�Sesiones�(visitas): Una visita o sesión es un conjunto de interacciones que

Figura 3. Cómo se define una sesión web en Analytics

2)� Usuarios� únicos� (visitantes� únicos): Es una métrica polémica, pues no

3)�Páginas�vistas�(número�de�visitas�a�páginas): Son las páginas a las que se

4)�Páginas/sesión�(páginas/visitas): Promedio de páginas vistas durante una

5)�Duración�media�de�la�visita: Es la duración media de una sesión. Indica

Duración media de la visita =