Fundamentos del Análisis

de Datos
—

1 © RED SUMMA
 Fundamentos del Análisis de Datos

Índice

1 Introducción ............................................................................................................................................................ 3
2 Hacer las Preguntas Correctas y Obtener la Respuesta .............................................................. 3
3 Decisiones Basadas en la fe vs Decisiones Basadas en los Datos........................................ 6
4 Las Buenas Métricas .......................................................................................................................................... 7
5 El Proceso del Análisis de Datos ............................................................................................................... 8
6 Datos Absolutos y Datos Relativos .......................................................................................................... 8
7 El Volumen de los Datos ................................................................................................................................ 9
8 La Media y la Mediana .................................................................................................................................... 11
9 Técnicas de Análisis de Métricas ............................................................................................................. 12
10 Conclusiones ............................................................................................................................................... 15
11 Bibliografía Esencial ......................................................................................................................................... 15

02 RED SUMMA®
Not a Técnica preparada por l a Red Summa. Su dif usión, reproducción o uso t ot al o parcial par a
cual quier ot ro propósit o queda prohibida. Todos l os derechos reservados
 Fundamentos del Análisis de Datos

Objetivos
 Entender la analítica como herramienta al servicio de la toma de decisiones.

 Conocer la naturaleza de los datos y el tipo de análisis que se puede hacer con
ellos.

 Ser capaces de interpretar las métricas en su contexto correcto.

1 Introducción

Ya sea porque tenemos nuestro sistema de Marketing Digital funcionando o bien

porque queramos diseñar los objetivos o bien porque tengamos que reportar a un
superior o comunicar los resultados a un inversor, el análisis de los datos disponible s es
una herramienta esencial para tomar decisiones fundamentadas y convencer a quien
necesitamos con argumentos sólidos de cuál es el camino a seguir, cuál es el valor de
los esfuerzos en marketing o cuál debe ser la estrategia.

Tenemos tendencia a fiarnos ciegamente de los datos, sin entender bien qué significan
y podemos llegar a conclusiones erróneas si no se tiene cuidado.

2 Hacer las Preguntas Correctas y Obtener la Respuesta

Un día tu jefe te pregunta: ¿Cuántas visitas tiene la página web? ¡Por fin se ha interesado!
Vas corriendo al Google Analytics a darle la respuesta, pero…

¿Qué quería decir el jefe por las visitas que tiene la página web?

 Sesiones

 Usuarios únicos

 Usuarios únicos mensuales

 Páginas vistas

Google Analytics también nos pedirá un intervalo de tiempo. Nuestro jefe podría querer
los datos de:

 Hoy

 Esta semana pasada

03 RED SUMMA®
Not a Técnica preparada por l a Red Summa. Su dif usión, reproducción o uso t ot al o parcial par a
cual quier ot ro propósit o queda prohibida. Todos l os derechos reservados
 Fundamentos del Análisis de Datos

 El último mes

 El año pasado

 Desde siempre

Volvemos al despacho del jefe y le preguntamos. ¿Deseas los datos de las sesiones de
los últimos 30 días? Nos dice sí.

Volvemos a Google Analytics, seleccionamos la métrica, el rango de fechas y fueron

1.000 las sesiones el mes pasado (marzo).

El jefe nos responde: No entiendo bien ese dato. No puedo saber si es un buen
resultado o un mal resultado… además, ¿Qué son exactamente las sesiones? Yo quiero
saber cuántas visitas ha habido.

Tu jefe no está contento con la respuesta por dos razones:

 Los valores sin contexto no pueden ser interpretados.

 Las métricas utilizadas deben ser comprendidas por el jefe primero.

Deberemos explicarle al jefe qué es una sesión y por qué le sugerimos esa métrica y
además deberemos decirle si 1.000 sesiones son buenas o malas. Para ello podríamos
compararlos con las sesiones del mes pasado o del mismo mes del año pasado.

Enero Febrero Marzo Media del año

(mes pasado)

Sesiones 600 800 1.000 500

Con esta tabla nuestro Jefe puede ver que:

1. en efecto las sesiones son 1.000

2. están aumentando

3. los últimos 3 meses las sesiones están por encima de los valores de la media
anual.

Pero tu jefe tiene otra pregunta más: ¿Por qué no han aumentado las ventas de la web
en los últimos 3 meses?

La respuesta natural e ingenua sería: “La probabilidad de que una visita rellene un
formulario está medida por la tasa de conversión. Como bien sabemos, la tasa de
conversión de la web ha sido siempre del 4% aproximadamente.”

04 RED SUMMA®
Not a Técnica preparada por l a Red Summa. Su dif usión, reproducción o uso t ot al o parcial par a
cual quier ot ro propósit o queda prohibida. Todos l os derechos reservados
 Fundamentos del Análisis de Datos

Por tanto, si hemos tenido 1000 visitas (sesiones) deberías tener 40 formularios rellenos
este mes de marzo. Seguramente el equipo de ventas no esté haciendo bien su trabajo.

Nos vamos a Google Analytics y miramos la consecución de objetivos y comprobamos

con horror la siguiente tabla de resultados:

Enero Febrero Marzo Media del año

(mes pasado)

Sesiones 600 800 1.000 500

Formularios de 20 18 21 20
contacto

Es evidente, a la luz de los datos que algo va mal. La regla de que tasa de conversión
de nuestra web es del 4% no nos funciona. Aunque el tráfico a la web está aumentando,
no lo hacen las oportunidades de venta, que están siempre en los mismos valores.

Nuestro jefe nos pregunta entonces: ¿Y ese tráfico de dónde viene?

google.es Tráfico directo popads.net

Sesiones de Marzo 500 100 400

Formularios de contacto 16 5 0

Tasa de conversión 3.2% 5% 0%

Parece que el culpable de que aumente el tráfico pero que no aumenten las ventas la
tiene una campaña publicitaria contratada a popads.net que trae muchas visitas, pero
poca intención de compra. (Popads es conocido entre los expertos black-hat SEO por
ser un portal del que se obtiene tráfico barato de mala calidad.)

Es preferible usar métricas sencillas para
analizarlas en su contexto.
Al poner los datos en contexto, hemos podido saber qué iniciativa de marketing no
funciona y hemos podido prescindir del gasto en popads.net.
Además, podemos decirle a nuestro jefe, que siga invirtiendo en Google, porque,
aunque tiene una tasa de conversión menor que el tráfico directo, supone 16 de las 21
oportunidades de venta totales.

05 RED SUMMA®
Not a Técnica preparada por l a Red Summa. Su dif usión, reproducción o uso t ot al o parcial par a
cual quier ot ro propósit o queda prohibida. Todos l os derechos reservados
 Fundamentos del Análisis de Datos

También podremos concluir que el tráfico directo es el más eficiente y debemos invertir
en conocimiento de marca (branding), para aumentarlo.

La analítica está al servicio de la toma de decisiones. De nada nos vale una métrica sin
contexto o una métrica que no entienda la persona que la va a leer.

Es preferible usar métricas sencillas y fácilmente comprensibles que métricas muy

exactas pero que sólo tú puedes entender.

3 Decisiones Basadas en la fe vs Decisiones Basadas en los

Datos

Disponemos de infinidad de datos de acceso gratuito, pero no tenemos una mayor

En ocasiones no entendemos bien los comprensión de lo que sucede realmente.
datos y nos pueden llevar a error. En
otras, extraemos conclusiones erróneas. El volumen de información per se no nos aporta más conocimiento sobre lo que sucede
y cómo podemos mejorar.

Muchas empresas grandes y pequeñas se han dedicado a recopilar datos con

herramientas como:

 Google Analytics

 Piwik

 Omniture

A partir de la llegada de Google Analytics se democratiza la analítica web.

¿Cómo se toman los datos?

Hay fundamentalmente dos modelos de medición web:

 Logs: Son ficheros que el servidor web guarda con los detalles de las peticiones
http y https que recibe y atiende.

 Javascript: Es un código que se ejecuta en el navegador del cliente (la persona

que visita la web) que informa a la herramienta de analítica de los detalles de la
visita.

 También sería posible programar un código que se ejecute en el servidor en

tiempo real que guardara la información las visitas en una base de datos privada,
pero en la práctica no se usa salvo en contadas excepciones o en sistemas de
inbound marketing con todo integrado.

06 RED SUMMA®
Not a Técnica preparada por l a Red Summa. Su dif usión, reproducción o uso t ot al o parcial par a
cual quier ot ro propósit o queda prohibida. Todos l os derechos reservados
 Fundamentos del Análisis de Datos

En ocasiones, tomamos decisiones basadas en corazonadas, intuiciones y no utilizamos

la información disponible porque:

 No sabemos qué significan las métricas.

 No sabemos entender los datos.

 No sabemos comparar los datos con una referencia.

 No sabemos obtener una respuesta que nos lleve a tomar medidas.

Una buena comprensión de los datos, nos permitirá saber que estamos tomando la
decisión acertada y el nivel de confianza con el que jugamos a la hora de hacer
argumentos o aseveraciones.

4 Las Buenas Métricas

Una métrica buena debe ser:

Intenta usar siempre las mejores métricas
 Sencilla: Las decisiones en las organizaciones no las toma una única persona.
posibles: sencillas, relevantes, puntuales
e inmediatamente útiles.
Todas las personas involucradas en la decisión deben entender lo que significan.

 Relevante: Tiene que estar alineada con los objetivos del negocio. Si el objetivo
es comunicar un mensaje, una buena métrica podría ser el tiempo medio en la
página, pero si el objetivo es vender, una mejor métrica sería el número de
carritos de la compra abandonados.

 Puntual: Tiene que llegar a tiempo de tomar las decisiones. Si es difícil de

calcular o de obtener, es mejor usar otra métrica. No es necesario obtenerla en
tiempo real, pero entre eso y que tarde 3 meses en obtenerse el dato hay un
punto intermedio.

 Inmediatamente útil: Cuando se entiende lo que expresa la métrica, ya sabes lo

que hay que hacer para mejorar.

Un ejemplo de una métrica como esta es la tasa de rebote.

La tasa de rebote se calcula como:

𝑽𝒊𝒔𝒊𝒕𝒂𝒔 𝒒𝒖𝒆 𝒏𝒐 𝒉𝒊𝒄𝒊𝒆𝒓𝒐𝒏 𝒏𝒊𝒏𝒈ú𝒏 𝒄𝒍𝒊𝒄𝒌 𝒚 𝒔𝒆 𝒇𝒖𝒆𝒓𝒐𝒏

%𝒓𝒆𝒃𝒐𝒕𝒆 = 𝑻𝒐𝒕𝒂𝒍 𝒅𝒆 𝒗𝒊𝒔𝒊𝒕𝒂𝒔

07 RED SUMMA®
Not a Técnica preparada por l a Red Summa. Su dif usión, reproducción o uso t ot al o parcial par a
cual quier ot ro propósit o queda prohibida. Todos l os derechos reservados
 Fundamentos del Análisis de Datos

Te dice cuanta gente visitó tu página, no le gustó lo que vio y se fue por donde vino y
es:

 Sencilla de entender.

 Relevante: Porque nos importa la calidad de nuestro contenido.

 Puntual: Está disponible en poco tiempo en Google Analytics.

 Inmediatamente útil: Te discrimina las páginas buenas de las malas y puedes

ponerte directamente a trabajar sin más necesidad de análisis.

5 El Proceso del Análisis de Datos

El análisis de datos es un proceso cíclico que se repite. Hay que mejorarlo

Si no somos capaces de tomar decisiones, constantemente.
debemos replantearnos todo el proceso
desde el principio.  Buscamos nuestras métricas esenciales. No nos valen todas. Seleccionamos las
imprescindibles y más.

 Las medimos en su contexto.

 Analizamos los datos recolectados y extraemos las conclusiones pertinentes.

 Tomamos decisiones.

Si fallamos en alguno de los puntos anteriores, deberíamos replantearnos si estamos

usando las métricas adecuadas.

6 Datos Absolutos y Datos Relativos

Una misma información puede expresarse de manera absoluta o relativa.

Los datos relativos deben siempre
Si la tasa de conversión es:
mostrarse junto a un dato absoluto
que nos indique el volumen al que
Conversiones
% Conversión = ∗ 100 %
hace referencia la métrica. Visitas
Puedo decir:

 En términos absolutos que 1.000 visitas generan 20 conversiones

 o en términos relativos que tengo un 2% de conversiones.

08 RED SUMMA®
Not a Técnica preparada por l a Red Summa. Su dif usión, reproducción o uso t ot al o parcial par a
cual quier ot ro propósit o queda prohibida. Todos l os derechos reservados
 Fundamentos del Análisis de Datos

Los valores absolutos nos dan una noción del volumen:

 Las ventas totales en euros (€).

 Las visitas totales.

 Las unidades vendidas.

Los valores relativos nos dan una noción de la eficiencia y por tanto sirven para
comparar métricas con volúmenes diferentes.

 Tasa de conversión del tráfico proveniente de Facebook.

 Tasa de conversión del tráfico proveniente de Google.

Aunque tenga 100 visitas de tráfico de Facebook y 1.000 de google.com siempre podré
saber cuál es más eficiente mirando la tasa de conversión.

Visitas (absoluto) Conversiones Tasa de conversión

(absoluto) (relativo)

Tráfico de Facebook 100 5 5%

Tráfico de google 1.000 20 2%

No sería adecuado inferir que el tráfico de google.com es más eficiente respecto de las
conversiones, porque, aunque sean 20 conversiones, sólo soy capaz de convertir el 2%.

Si tuviese 1.000€ extra para invertir en publicidad, probablemente lo invertiría en

Facebook porque el rendimiento de las visitas es del 5% y por tanto muy superior al 2%
de Google.

Pero jamás me plantearía dejar de invertir en google sin probar antes qué tal funciona
Facebook. Podría ser que Facebook no fuera capaz de generarme más de 300 visit as y
sólo podría obtener 15 conversiones y renunciaría a las 20 conversiones que sí me está
dando ya Google.

7 El Volumen de los Datos

Hemos visto ya que los datos relativos sirven para comparar la eficiencia de un valor
Es muy peligroso fiarse de los absoluto cuando tenemos volúmenes distintos. Pero… ¿me puedo fiar de todos los datos
porcentajes. Podrían representar pocos relativos?
datos y por tanto no ser representativos
de lo que queremos analizar.

09 RED SUMMA®
Not a Técnica preparada por l a Red Summa. Su dif usión, reproducción o uso t ot al o parcial par a
cual quier ot ro propósit o queda prohibida. Todos l os derechos reservados
 Fundamentos del Análisis de Datos

Por ejemplo: El clickthrough es una métrica de la eficiencia de un anuncio respecto de

las veces que se muestra y se expresa por:

Clicks en el anuncio
CTR = ∗ 100 (%)
Impresiones del anuncio

Impresiones Clicks CTR

Caso A 20 1 5%

Caso B 100 5 5%

Caso C 500 25 5%

Los tres casos, tienen un CTR del 5% pero la calidad de estos datos no es la misma.

¿Qué pasaría si la próxima impresión tuviera un click? ¿Cuánto variaría el CTR?

Impresiones Clicks CTR

Caso A 21 2 9,52%

Caso B 101 6 5,94%

Caso C 501 26 5,19%

Como podemos ver, los datos relativos cambian mucho si son relativos a volúmenes
pequeños y se mantienen muy parecidos si son relativos a volúmenes grandes de datos.

Si me preguntan cuál es el CTR del caso C diré que del 5% con mucha seguridad.

En el caso A, 20 impresiones están representadas por un porcentaje del 5% y cuando

tuviéramos la nueva impresión, 21 impresiones estarían representadas por un
porcentaje del 9.52%.

No podemos determinar el CTR con fiabilidad cuando sabemos que, con la próxima
impresión, podría casi duplicar su valor.

010 RED SUMMA®

Not a Técnica preparada por l a Red Summa. Su dif usión, reproducción o uso t ot al o parcial par a
cual quier ot ro propósit o queda prohibida. Todos l os derechos reservados
 Fundamentos del Análisis de Datos

8 La Media y la Mediana

Me peso en una báscula 3 veces consecutivas con los siguientes resultados:

Para que la media nos valga como
medida precisa, necesitamos un Pesada 1 2 3
volumen de datos mínimo de 80.

Peso 50 Kg 100Kg 101Kg

¿Cuál es mi peso?

Si utilizo la media para calcular, mi peso será:

50 + 100 + 101
Peso = = 83,67Kg
3
Es incorrecto que podamos concluir que mi peso es redondeando 84Kg.
Probablemente hubo un error en la primera pesada. Si descartásemos ese valor,
entonces la media sería:
100 + 101
Peso = = 100,5 Kg
2
En analítica web, siempre tendremos pocos datos al inicio de la medición o al inicio de
los proyectos y no podemos extraer conclusiones con pocos datos que las sustenten.

La mediana es el resultado de ordenar los valores y tomar el valor del centro. En el caso
de que sean pares, será la media de los dos valores centrales.

Si utilizase la mediana para calcular mi peso:

 Ordeno los 3 datos. En este caso ya están ordenados en orden creciente y no hay
que recolocar los valores.

 Tomo el valor del centro. En este caso el segundo que se corresponde con la
pesada 2.

Peso = Mediana = Valor del centro = 100 Kg

Este valor es muy robusto. Si añadiésemos pesadas, no variaría mucho puesto que
iríamos añadiendo pesadas mayores y menores en torno a la mediana y sólo nos
fijaríamos en el valor central.

Cuando tenemos pocos datos, nos interesa conocer la mediana, pero los sistemas de
analítica web sólo trabajan con medias por tanto tenemos un problema. No tendremos
datos buenos hasta que tengamos muchos.

Otra posibilidad es descartar los datos atípicos.

011 RED SUMMA®

Not a Técnica preparada por l a Red Summa. Su dif usión, reproducción o uso t ot al o parcial par a
cual quier ot ro propósit o queda prohibida. Todos l os derechos reservados
 Fundamentos del Análisis de Datos

9 Técnicas de Análisis de Métricas

Nuestra capacidad de análisis está muy mermada porque llenamos nuestros paneles
Las medias y porcentajes deben servir para de control e informes de métricas que trabajan en nuestra contra.
saber dónde debemos profundizar. Este
epígrafe explica cómo profundizar. Estas técnicas de medida son:

 Medias

 Porcentajes

 Métricas compuestas

Cada una de estas métricas es común en nuestros informes, pero frecuentemente

esconden el conocimiento que necesitamos en vez de mostrarlo claramente.

El uso de estas técnicas no es malo per se, pero lo usamos ineficientemente.

Trabajando con Medias

El atractivo de trabajar con medias es el de resumir todos los datos en un único valor.

Aunque ningún visitante de tu web es el visitante medio y ningún comportamiento es el

comportamiento promedio, usamos el valor de la media para representar a todos los
visitantes.

Si por ejemplo el tiempo medio en la web es 36 segundos. ¿Qué podemos inferir de

ahí? Absolutamente nada. La media nos está ocultando lo que pasa realmente con los
datos, pero podemos aplicar diferentes técnicas para obtener la información que
necesitamos.

Segmentar los datos de las medias

Identificamos los segmentos más importantes y calculamos la media para cada uno de
esos segmentos.

Tiempo medio en la página

Todas las visitas 36s

Redes sociales 45s

Google 32s

Popads.net 12s

012 RED SUMMA®

Not a Técnica preparada por l a Red Summa. Su dif usión, reproducción o uso t ot al o parcial par a
cual quier ot ro propósit o queda prohibida. Todos l os derechos reservados
 Fundamentos del Análisis de Datos

Ahora sí puedo ver la información oculta tras la media.

Trabajando con porcentajes

Cuando tenemos un informe con porcentajes necesitamos filtrar para encontrar los
datos buenos y malos.

Por ejemplo. Tengo un informe con muchísimas palabras clave como este ordenando
por visitas:

Palabra clave Visitas Tasa de Rebote

Abogado 500 30%

Abogados Madrid 350 80%

Contratar abogado 150 20%

Me gustaría saber qué palabras me dan más tasa de rebote y qué palabras me dan
menos tasa de rebote. El problema es que siempre serán las palabras de 1 visita las que
me den el 0% y el 100% y no podré ordenar los resultados por tasa de rebote.

Ordenando por tasa de rebote creciente:

Palabra clave Visitas Tasa de Rebote

Abogado velilla de San Antonio 1 0%

Abogados Chapinería 1 0%

Abogado en aldea del fresno 1 0%

Resulta que de entre todas las visitas que hubo en la web sólo hubo una para
“abogados chapinería” y el visitante se quedó en la web y no originó un rebote.

Este dato no es relevante porque no vamos a optimizar una página con una visita por si
acaso dentro de 3 meses viene otro visitante.

013 RED SUMMA®

Not a Técnica preparada por l a Red Summa. Su dif usión, reproducción o uso t ot al o parcial par a
cual quier ot ro propósit o queda prohibida. Todos l os derechos reservados
 Fundamentos del Análisis de Datos

Ordenando por tasa de rebote decreciente obtenemos un resultado análogo:

Palabra clave Visitas Tasa de Rebote

Abogado moratalaz 1 100%

Abogados ventas 1 100%

Abogado simancas 1 100%

Antes de ordenar, debemos siempre excluir los resultados poco relevantes. En este
caso las páginas que tengan menos de 100 visitas y luego ordenar.

Podemos también segmentar los datos igual que hacíamos con las medias.

Métricas compuestas

Una métrica compuesta es una métrica cuyos subcomponentes son otras métricas.

El problema de las métricas compuestas es que ocultan los principios subyacentes que
intentamos medir y por tanto nos dan datos con los que no podemos hacer nada.

Supongamos una métrica compuesta:

𝐶𝑎𝑙𝑖𝑑𝑎𝑑 𝑑𝑒 𝑙𝑎 𝑣𝑖𝑠𝑖𝑡𝑎 = (𝑎 + 𝑏 − 𝑐 + 𝑑 + 𝑒/5) ∗ 1476

Donde,

 a = %descargas

 b = %visitas con más de 2 páginas vistas

 c = %visitas con rebote

 d = %visitas que comparten en redes sociales

 e = %visitas que rellenaron un formulario

Esta métrica es tan complicada que incluso aunque pudieras explicársela a otra
persona y ésta entendiera lo que significa, tardaríais mucho tiempo analizando el valor y
extrayendo conclusiones simplemente porque es más complicada de entender.

014 RED SUMMA®

Not a Técnica preparada por l a Red Summa. Su dif usión, reproducción o uso t ot al o parcial par a
cual quier ot ro propósit o queda prohibida. Todos l os derechos reservados
 Fundamentos del Análisis de Datos

Sin embargo, podríamos trabajar con las métricas a, b, c, d y e por separado para poder
explicar lo mismo de una manera más clara.

10 Conclusiones

 Debemos usar métricas que todos los que vayan a leer los informes puedan
entender sin esfuerzo.

 Necesitamos un volumen de datos suficiente para poder sacar conclusiones.

 Las medias tienden a ocultar lo que sucede realmente. Debemos segmentar y

contextualizar las métricas para obtener el conocimiento que está escondido en
los datos.

11 Bibliografía Esencial

 Kaushik, Avinash, Web Analytics 2.0, Wiley Publishing, 2010

 webanalysis.blogspot.com, Compound metrics in Web analytics,

http://webanalysis.blogspot.com/2010/06/compound-metrics-in-web-
analytics.html

015 RED SUMMA®

Not a Técnica preparada por l a Red Summa. Su dif usión, reproducción o uso t ot al o parcial par a
cual quier ot ro propósit o queda prohibida. Todos l os derechos reservados