Estrategia de Análisis Web

Estrategia de
análisis web
PID_00283424
Alfredo Hernández-Díaz Fernández de Heredia
Tiempo mínimo de dedicación recomendado: 5 horas

© FUOC • PID_00283424 Estrategia de análisis web
Alfredo Hernández-Díaz
Fernández de Heredia
Doctor en Ciencias de la Salud por

la Universidad de Salamanca, diplo-
mado en Ciencias Empresariales por
la Universidad de Sevilla y licenciado
en Investigación y Técnicas de Mer-
cado, en Administración y Dirección
de Empresas y en Ciencias de Traba-
jo por la Universitat Oberta de Ca-
talunya. Posee, además, un máster
de Economía Social y Dirección de
Entidades sin ánimo de lucro por la
Universidad de Barcelona y un exe-
cutive program de Dirección Avanza-
da de Personas por ESADE Business
School. También está certificado co-
mo técnico en Dirección y Gestión
de la Seguridad de la Información
y Protección de Datos en línea por
AMETIC. Imparte docencia en dife-
rentes centros: es profesor de Mar-
keting Móvil y Geolocalización en
la Escuela de Negocios de la Innova-
ción y los Emprendedores (IEBS) y
profesor de Analítica Social Media en
el máster de Gestión de Marketing
Digital de WindUp School, así co-
mo tutor de Posicionamiento Web
(SEO) en el Centro de Enseñanzas
Virtuales de la Universidad de Gra-
nada (CEVUG). Además, ha publi-
cado en distintas revistas y sitios es-
pecializados de marketing en línea
(Granada Digital, ABC Tecnológico,
IEBS Business School, Directivo Plus,
Merca 2.0, Revista Marketing Táctico
y Estratégico, La Cultura del Marke-
ting, Qué Aprendemos Hoy, Territorio
UOC, Eroski Consumer, etc.) y es au-
tor de un blog especialista en mar-
keting en línea y social media.
La revisión de este recurso de aprendizaje UOC ha sido coordinada

por la profesora: Iviane Ramos de Luna
Segunda edición: octubre 2021

© de esta edición, Fundació Universitat Oberta de Catalunya (FUOC)
Av. Tibidabo, 39-43, 08035 Barcelona
Autoría: Alfredo Hernández-Díaz Fernández de Heredia
Producción: FUOC
Todos los derechos reservados
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 este eléctrico,
mecánico, óptico, grabación, fotocopia, o cualquier otro, sin la previa autorización escrita
del titular de los derechos.
© FUOC • PID_00283424 Estrategia de análisis web
Índice
Introducción............................................................................................... 5
Objetivos....................................................................................................... 7
1. Conceptos y elementos...................................................................... 9
2. Metodología del analista web........................................................ 13

2.1. Modelo de medición ................................................................... 17
2.1.1. Definir los objetivos del negocio ................................... 17
2.1.2. Identificar los objetivos web ......................................... 18
2.1.3. Crear los KPI para cada objetivo ................................... 21
2.1.4. Proporcionar valor a los KPI .......................................... 23
2.2. Métricas básicas ........................................................................... 26
3. Herramientas de análisis web........................................................ 31
4. Análisis web......................................................................................... 36
5. Informes................................................................................................ 40
6. Etiquetado............................................................................................ 45
6.1. Etiquetado automático ................................................................ 45
6.2. Etiquetado manual ...................................................................... 46
7. Cuadro de mando............................................................................... 50
Resumen....................................................................................................... 54
Glosario........................................................................................................ 55
Bibliografía................................................................................................. 58
© FUOC • PID_00283424 5 Estrategia de análisis web
Introducción
El uso cada vez más habitual de internet y la importancia creciente de los ca-
nales en línea son fenómenos que están teniendo un impacto directo en los
hábitos de consumo y de ocio de los individuos. Con el estallido de la burbu-
ja de internet, 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 experiencia 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
en línea.
La estrategia de medición en línea tiene como objetivo final mejorar los in-
gresos procedentes de nuestro negocio. La analítica web no es una herramien-
ta para generar informes, sino un proceso que nos permite implementar un
procedimiento de mejora y optimización continua de nuestro sitio web. Para
analizar los resultados obtenidos, es imprescindible tener claros previamente
los objetivos que queremos alcanzar des de un punto de vista general, como
organización, y des de un punto de vista particular, con la estrategia de mar-
keting digital.
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, ofrecere-
mos una visión de los aspectos esenciales y conoceremos algunas herramien-
tas imprescindibles para recopilar información.
Sobre un modelo de medición para planificar nuestro análisis web, veremos

cómo empezar un proyecto de analítica web identificando los objetivos web
y los principales KPI (key performance indicators), así como el etiquetado auto-
mático y manual. Después de recopilar los datos relevantes y llevar a cabo una
adecuada segmentación, nuestro propósito será interpretar los datos a través
de los informes estándar de Google Analytics.
Aunque el material se revisa periódicamente antes de empezar la asignatura,

las herramientas mencionadas están en constante cambio, por lo que puede
ocurrir que algunas imágenes mostradas en este material no coincidan exac-
tamente con las encontradas o que alguna funcionalidad específica pueda va-
riar. Si fuera este el caso y no se tuviera claro, por favor comentadlo con el
equipo docente.
Objetivos
Los objetivos principales de este módulo de analítica web son:
1. Comprender los aspectos básicos de la analítica web.
2. Comparar las herramientas indispensables para llevar a cabo un análisis

web.
3. Desarrollar una estrategia optimizada de análisis web.
4. Conocer técnicas de extracción de datos.
5. Saber mostrar correctamente un análisis web.

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 webs 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, promoción, etc.), por lo que se hace necesario medir el rendimiento del
canal en línea y saber cuánto gastamos frente a lo que ingresamos, con el fin de
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 en línea 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,
recogida, 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 ta-
rea fácil si queremos ajustarla a los KPI definidos en la estrategia de medición.
Además, las organizaciones tienden a disponer de entre una y dos herramien-
tas de medición web simultáneas, que pueden arrojar diferentes datos en fun-
ción 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 en
línea 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 proce-
so. La selección en el número de herramientas de análisis web y su precio, así
como 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 algunos 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 (figura 1).
El objetivo principal de este modelo es mostrar a una organización el nivel de

madurez en el uso de la analítica web y en sus herramientas. Dicho modelo
cubre cinco niveles de madurez y 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 analítica web
Fuente: Gassman (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
organizaciones tienen problemas en esta fase motivados por la definición de
objetivos y su conversión a métricas y KPI, así como 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 KPI más avanzados.
En el nivel�dos realizamos nuestros primeros test 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 para
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 test multiva-
riantes y los estudios de usabilidad, a la vez que extraemos conclusiones basa-
das en una información cuantitativa y cualitativa. Al mismo tiempo, somos
capaces de crear cuadros de mando estratégicos con recomendaciones 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 en línea
con la incorporación de datos fuera de línea, normalmente un CRM (customer
relationship management), para disponer de una clara visión del ciclo de vida
del cliente. Ya tenemos completamente controlada nuestra estrategia de me-
dición digital.
Sin embargo, queda un nivel�cinco y último, que requiere una analítica digital
avanzada, basada en análisis predictivos y modelos estadísticos. Aparece en
escena el big data y el data science. Es el momento en el que las matemáticas
efectivas toman especial relevancia. Hasta este momento solamente éramos
conscientes de lo que teníamos en nuestras herramientas de analítica en línea
y fuera de línea, o en nuestras bases de datos, pero llega el momento de ir
más allá al tener la capacidad de cruzar nuestros datos con los provenientes de
otras plataformas, sean de redes sociales, en línea, fuera de línea u open data.
2. Metodología del analista web
Un analista web es un profesional que extrae el mejor rendimiento a las he-

rramientas de analítica web, diseñando los KPI y cuadros de mando necesarios
para cada tipo de organización. También interviene en las estrategias de mar-
keting en línea, ya que los resultados siempre se tienen que analizar. Además,
su tarea es alcanzar conclusiones y generar conocimiento para la toma de de-
cisiones de las organizaciones. El analista web alinea la estrategia de medición
en línea con la estrategia de negocio a través de dos flujos, uno ascendiente
y otro descendiente:
• Flujo�ascendiente: 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.
La figura 2 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 en línea con la estrategia
del negocio
Fuente: Damia (2011)
• 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.
• KPI: Los indicadores clave proveen la información más estratégica en el

nivel operativo. 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.
• KSI: Los indicadores estratégicos (key strategic indicators) están relaciona-

dos directamente con la estrategia corporativa, y por eso están en el nivel
más alto de la pirámide. Permiten a la dirección de la empresa hacer segui-
miento de varias unidades de negocio, sin necesidad de prestar atención
a los detalles de cada una de ellas.
En el punto más alto de la pirámide está la métrica north star metric (NSM).
Esta métrica identifica el valor central del producto de una organización.
North star metric
Este término fue acuñado por Sean Ellis, uno de los creadores de la disciplina del growth
hacking, en Silicon Valley, área situada al sur de la bahía de San Francisco, en Estados
Unidos, donde se concentran una gran cantidad de compañías tecnológicas.
La NSM es una métrica única y estratégica situada en el nivel más alto de la pirámide.
Permite identificar y medir el valor del producto de una organización y su capacidad de
crecimiento.
Figura 3. Ejemplos de north star metric en empresas
Fuente: https://growwithward.com/north-star-metric/
Una vez identificadas y definidas todas estas fases, el analista web interpreta los
datos procedentes de las herramientas de análisis web. Lo primero es conocer
el sitio web y el negocio. Necesitamos ambas perspectivas para ser efectivos
en la estrategia que hemos de seguir. Una es tener un profundo conocimiento
del negocio para conocer los objetivos, y la otra es 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 nuestra principal fuente?, ¿estamos haciendo bien el
SEO?, ¿tenemos una buena red de referidos?, etc.
Después analizamos las palabras clave por las que llegan a nuestro sitio web,
distinguiendo 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 ana-
lizamos 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 acciones concretas
para mejorar. Ahora es el momento de comunicar dichas recomendaciones
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 datos, seremos parte del problema; si buscamos y comuni-
camos conocimiento, 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 test de usuarios y las
encuestas en línea.
Otro análisis esencial en internet es el de las redes sociales, es decir, la medi-

ción 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 en internet.
Esta visión global de lo que pasa dentro y fuera de nuestro sitio web propor-
ciona 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 (CRM; ERP, enterprise resource plan-
ning; CAU, centro de atención al usuario; etc.), siempre que se disponga de
ellos.
Inicialmente, las herramientas de analítica web no tenían ningún tipo de re-

lación con otras herramientas de inteligencia empresarial. Sin embargo, en la
actualidad muchas organizaciones ya integran de manera centralizada la in-
formación que se recopila de las herramientas de analítica web con el resto de
la información de gestión. Así se consigue transformar el conocimiento de ca-
da una de las herramientas de análisis web en un conocimiento global dentro
de la organización, lo cual permite conocer mejor al usuario web y sus necesi-
dades, y esto facilita la toma de decisiones.
2.1. Modelo de medición
La clave para este análisis web consiste en disponer de una metodología o un

modelo de medición para planificar nuestro análisis en marketing digital.
Este modelo de medición aplicado al marketing digital consta de cuatro fases:
1) Definir los objetivos del negocio.

2) Identificar los objetivos web.
3) Crear los KPI para cada objetivo.
4) Proporcionar valor a los KPI.
2.1.1. Definir los objetivos del negocio
Los objetivos del negocio nos indican aspectos muy importantes de la orga-
nización, como son la misión y los valores de una empresa. Para la creación
de nuestro modelo de medición es necesario haber definido previamente los
objetivos del negocio, ya que, sin esta definición de lo que queremos alcanzar,
no podremos evaluar el resultado de nuestras acciones de marketing digital.
Los objetivos generales de la empresa determinan las prioridades de cualquier SMART

organización, permiten que los resultados de la empresa sean medibles y sir-
SMART es un acrónimo de
ven como una guía para el crecimiento de la empresa. En la definición de specific, measurable, achieve-
los objetivos de negocio usaremos los criterios SMART, en referencia a las cin- ment, realistic-relevant y ti-
me-bound, y se usa para el es-
co características básicas que cada objetivo debe tener para considerarlo como tablecimiento de objetivos.
El término se empleó formal-
inteligente. mente por primera vez por
George T. Duran en su artícu-
lo «There’s a S.M.A.R.T. way to
Ejemplo write management’s goals and
objectives» para la revista Ma-
Una empresa con dos objetivos de negocio: nagement Review en noviem-
bre de 1981.
1) Aumentar los ingresos por ventas en línea un 50 % (de 200.000 € a 300.000 €) en
los próximos doce meses.
Tabla 1. Objetivo de negocio 1 SMART
S M A R T
Aumentar los 50 % (de Es alcanzable, Aumentar las En los próximos

ingresos por 200.000 € a el año ante- ventas. doce meses.
ventas en línea. 300.000 €) rior se pasó de
150.000 € a
200.000 € la
venta de clien-
tes.
Fuente: elaboración propia
2) Aumentar 500 leads la base de datos de leads (de 2.000 a 2.500) en un periodo de
seis meses.
Tabla 2. Objetivo de negocio 2 SMART
S M A R T
Aumentar la ba- + 500 (de 2.000 Es alcanzable, Aumentar las En un periodo

se de datos de a 2.500) en los seis me- posibilidades de de seis meses.
leads. ses anteriores se ventas.
pasó de 1.700
leads a 2.000
leads.
Si los objetivos del negocio están bien definidos, será mucho más fácil identi-
ficar los objetivos web y las métricas.
2.1.2. Identificar los objetivos web
Los objetivos de un sitio web varían mucho 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.
Definir estos objetivos web 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 al que va dirigido el sitio web.
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 en línea.
• Suministrar información organizativa.
• Mejorar la presencia de marca.
• Generar fidelidad.
• Promocionar productos o servicios.
• Investigar las necesidades de los usuarios.
Por tanto, en el diseño del plan de medición, la siguiente etapa es la creación

de los objetivos web a partir de los objetivos de negocio. Después, se conver-
tirán dichos objetivos en métricas web para medir su rendimiento. Por ello, la
manera más sencilla de definirlos es revisar cuáles son los objetivos del negocio
y, en función de ellos, obtener las claves que nos van a permitir desarrollarlos.
Pueden existir uno o distintos objetivos web que dependen de un único ob-
jetivo de negocio. Para identificarlos, lo haremos por tipología, es decir, aso-
ciamos cada objetivo web a una de las fases del embudo de conversión del
proceso de venta de productos o servicios:
• Adquisición. La fase de acceso a nuestro sitio web por parte de los usuarios
y su procedencia, ya sean medios propios, pagados o ganados.
• Activación. Reúne todas las interacciones que se producen con el visitante

(navegación por el sitio web, consumo de contenidos, etc.).
• Conversión. Los visitantes llevan a cabo acciones que para nosotros son
objetivos web como la compra de productos, descargas, llamadas de telé-
fono, etc.
• Fidelización. La última fase, que consiste en conseguir que el visitante

vuelva, que vuelva a comprar el producto o servicio, etc.
Medios propios, pagados y ganados
A la hora de establecer una estrategia de marketing digital, seleccionaremos los canales

en línea más adecuados para la captación de tráfico en un sitio web, distinguiendo entre
medios propios, pagados y ganados.
• Medios� propios� (owned media en inglés). Son los medios en internet con los que
cuenta la empresa o marca y sobre los que se tiene el control, como el sitio web, el
blog, las redes sociales, etc.
• Medios�pagados�(paid media en inglés). Se refiere a medios con inversión directa e

inmediata. Entre los estos están la publicidad en buscadores, en medios sociales, etc.
o la inversión promocional a través de eventos en línea, influencers, etc.
• Medios�ganados�(earned media en inglés). Los medios ganados son los que no están
controlados por la empresa y se generan sin pago publicitario (publicación de conte-
nidos de calidad que son compartidos o referenciados, opiniones o reseñas de clientes
o usuarios sobre nuestros productos o servicios, etc.).
Siguiendo el ejemplo, el primer�objetivo�de�negocio es�aumentar los ingresos

por ventas en línea un 50 % (de 200.000 € a 300.000 €) en los próximos doce
meses.
Para cumplir el primer objetivo de negocio, la empresa se plantea los siguientes

objetivos�web�por cada fase del embudo de conversión:
• Fase�de�adquisición:
– Aumentar en 1.500 (de 5.000 a 6.500) el número de usuarios que al-
canzan la página de destino de la categoría de productos X a través
de una campaña de publicidad en Google Ads en los próximos doce

meses.
– Aumentar en 1.000 (de 3.000 a 4.000) el número de usuarios que ac-

ceden a la página de destino de la categoría de productos Y a través de
promoción orgánica en redes sociales en los próximos doce meses.
• Fase�de�activación:
– Aumentar en 500 (de 900 a 1.400) el número de visualizaciones de
vídeos de las fichas de productos con la publicación semanal en redes
sociales (ahora se hace cada dos semanas) en los próximos doce meses.
– Aumentar en 500 (de 1.000 a 1.500) el número de clics al botón «De-

mo» de los productos para los próximos doce meses.
• Fase�de�conversión:
– Aumentar en 75.000 € (de 200.000 € a 275.000 €) los ingresos por
ventas en nuestra tienda en línea de la categoría de productos X en los
próximos doce meses.
– Aumentar en 25.000€ (de 25.000€ a 50.000€) los ingresos por ventas

en nuestra tienda en línea de la categoría de productos Y para los pró-
ximos doce meses.
– Disminuir en un 10 % (desde el 50 % hasta el 40 %) la tasa de abandono

del carrito de la compra en los próximos doce meses.
• Fase�de�fidelización:
– Incrementar en un 15 % (desde el 20 % hasta el 35 %) la recurrencia
de compra de los clientes (fase de resultados) para los próximos doce
meses.
– Disminuir en un 1 % (desde el 4 % hasta el 3 %) los pedidos cancelados

para los próximos doce meses.
El segundo�objetivo�de�negocio�es aumentar la base de datos de leads en 500

(de 2.000 a 2.500) en un periodo de seis meses.
Para su cumplimiento, la empresa planifica los siguientes objetivos�web por

cada fase del embudo de conversión:
• Fase�de�adquisición:
– Aumentar en 2.000 (de 3.000 a 5.000) visitas al blog en los próximos
seis meses.
• Fase�de�activación:
– Aumentar en 300 (de 500 a 800) las descargas de los recursos gratuitos
desde los contenidos del blog o desde la biblioteca de recursos para los
próximos seis meses.
• Fase�de�conversión:
– Aumentar de 1.600 a 2.000 el número de suscriptores del blog en un
periodo de seis meses.
– Aumentar de 300 a 400 el número de suscriptores a través de semina-

rios web en un periodo de seis meses.
• Fase�de�fidelización:
– Aumentar en 100 (de 500 a 600) el número de leads que se convierten
en clientes en un periodo de seis meses.
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,
los cuantificamos mediante los KPI.
2.1.3. Crear los KPI para cada objetivo
Un error muy común dentro del proceso de análisis web es trabajar con la
mayoría de las métricas de una web, almacenando un exceso de datos impo-
sibles de analizar y transformar en conocimiento esencial para tomar decisio-
nes. Por ello, lo primero que debemos tener en cuenta es que no son lo mismo
las métricas y los KPI. Una métrica o indicador muestra un comportamiento
del usuario en nuestro sitio web, sin estar asociado a ningún tipo de objetivo,
resultado o conversión. Un KPI es una métrica que intenta explicar el alcance
de un objetivo específico asociado a un resultado o conversión. Por tanto, los
KPI nos ayudan a averiguar si estamos alcanzado los objetivos deseados.
Aunque todos los KPI son métricas, no todas las métricas son KPI: solo
lo serán aquellas métricas que evalúen la eficacia de una acción cuyos
rendimientos vamos a medir y analizar.
Los KPI 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 KPI y cuadros de mando. Todas las estra-
tegias de marketing digital (posicionamiento SEO, SEM, marketing por correo
electrónico, etc.) deben ser medidos para comprobar su evolución y, en caso
necesario, para poder intervenir inmediatamente.
KPI en comercio electrónico
Por ejemplo, en un sitio web de comercio electrónico un KPI básico es el porcentaje de

conversión de comercio electrónico o, lo que es lo mismo, el porcentaje de sesiones que
han generado una transacción de comercio electrónico. Otro KPI básico en comercio
electrónico es el porcentaje de abandonos de carritos de la compra, es decir, la ratio de
usuarios que acceden al carrito de la compra y abandonan sin proseguir su proceso de

compra. De estos dos KPI, 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 en línea y, por tanto, definir los KPI, pero ¿qué sucede si no es tan
fácil identificar los objetivos al no tratarse de una tienda de comercio electrónico? La
táctica más sencilla es hallar la métrica que mejor define el objetivo y pensar en la ac-
ción que debe realizar el visitante para que este se cumpla. ¿Es una llamada de teléfono?
¿Es reproducir un vídeo 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 poten-

ciales clientes, y un KPI, el número de visitas que hacen clic en el número de teléfono
sobre el total de visitas recibidas.
• Acción�de�reproducir�un�vídeo. En este caso, podríamos plantearnos un objetivo

como mejorar la presencia de la marca y un KPI como el número de visitas que vi-
sualizan el vídeo de presentación sobre el total de visitas recibidas.
• Acción�de�rellenar�un�formulario. Un posible objetivo es incrementar la base de

datos, y un KPI, el número de visitas que rellenan un formulario frente al total de
visitas recibidas.
Cada uno de los objetivos web debe como mínimo tener asociado un KPI para
su medición. Es conveniente acompañar cada KPI en el plan de medición con
una explicación que justifique su existencia, indicando su propósito. Siguien-
do el ejemplo del punto anterior:
Tabla 3. Objetivos de negocio, objetivos web y KPI
Objetivos de negocio Objetivos web KPI
Aumentar los ingresos por ven- Adquisición Aumentar en 1.500 (de 5.000 Usuarios que alcanzan la página
tas en línea en un 50 % (de a 6.500) el número de usuarios de la categoría de productos X.
200.000 € a 300.000 €) en los que alcanzan la página de des-
próximos doce meses. tino de la categoría de produc-
tos i a través de una campaña
de publicidad en Google Ads en
los próximos doce meses.
Aumentar en 1.000 (de 3.000 Usuarios que acceden a la página

a 4.000) el número de usuarios de la categoría de productos Y.
que acceden a la página de des-
tino de la categoría de produc-
tos Y a través de la promoción
orgánica en redes sociales en los
Activación Aumentar en 500 (de 900 a Visualizaciones de vídeos.

1.400) el número de visualiza-
ciones de vídeos de las fichas
de productos con la publicación
semanal en redes sociales (aho-
ra se hace cada dos semanas)
en los próximos doce meses.
Aumentar en 500 (de 1.000 a Clics en el botón «Demo».

1.500) el número de clic al bo-
tón «Demo» de los productos
para los próximos doce meses.

Objetivos de negocio Objetivos web KPI
Conversión Aumentar en 75.000 € (de Ingresos de la categoría de pro-

200.000 € a 275.000 €) los in- ductos X.
gresos por ventas en nuestra
tienda en línea de la categoría
de productos X en los próximos
doce meses.
Aumentar en 25.000 € (de Ingresos de la categoría de pro-

25.000 € a 50.000 €) los ingre- ductos Y.
sos por ventas en nuestra tienda
en líneade la categoría de pro-
ductos Y para los próximos do-
ce meses.
Disminuir en un 10 % (desde el Tasa de abandono del carrito de

50 % hasta el 40 %) la tasa de la compra.
abandono del carrito de la com-
pra en los próximos doce me-
ses.
Fidelización Incrementar en un 15 % (desde Clientes que compran más de

el 20 % hasta el 35 %) la recu- una vez/total clientes.
rrencia de compra de los clien-
tes (fase de resultados) para los
Disminuir en un 1 % (desde el Pedidos cancelados/total pedi-

4 % hasta el 3 %) los pedidos dos.
cancelados para los próximos
doce meses.
Aumentar la base de datos de Adquisición Aumentar en 2.000 (de 3.000 a Sesiones al blog.
leads en 500 de (de 2.000 a 5.000) las visitas al blog en los
2.500) en un periodo de seis próximos seis meses.
meses.
Activación Aumentar en 300 (de 500 a Clics en descargas de los recursos
800) las descargas de los recur- gratuitos.
sos gratuitos desde los conteni-
dos del blog o desde la biblio-
teca de recursos para los próxi-
mos seis meses.
Conversión Aumentar de 1.600 a 2.000 el Suscriptores del blog.

número de suscriptores del blog
en un periodo de seis meses.
Aumentar de 300 a 400 el nú- Suscriptores desde seminarios

mero de suscriptores desde se- web.
minarios web en un periodo de
seis meses.
Fidelización Aumentar en 100 (de 500 a Leads convertidos en clientes.

600) el número de leads que se
convierten en clientes en un pe-
riodo de seis meses.
2.1.4. Proporcionar valor a los KPI
Los valores objetivos de los KPI son esenciales para medir los resultados de
una forma objetiva, ya que permite priorizar ciertas estrategias y optimizar las
acciones de marketing digital de la empresa. Se trata de valores numéricos que
nos indican el éxito o fracaso de una acción específica.
Tabla 4. Objetivos de negocio, objetivos web, KPI y valor KPI
Objetivos de negocio Objetivos web KPI Valor KPI
Aumentar los ingresos por Adquisición Aumentar en 1.500 (de Usuarios que alcanzan la pá- +1.500
ventas en línea en un 50 % 5.000 a 6.500) el número de gina de la categoría de pro-
(de 200.000 € a 300.000 €) usuarios que alcanzan la pá- ductos X.
en los próximos doce meses. gina de destino de la catego-
ría de productos X a través
de una campaña de publi-
cidad en Google Ads en los
Aumentar en 1.000 (de Usuarios que acceden a la +1.000

3.000 a 4.000) el número página de la categoría de
de usuarios que acceden a la productos Y.
página de destino de la cate-
goría de productos Y a través
de la promoción orgánica en
redes sociales en los próxi-
mos doce meses.
Activación Aumentar en 500 (de 900 a Visualizaciones de vídeos. +500

1.400) el número de visuali-
zaciones de vídeos de las fi-
chas de productos con la pu-
blicación semanal en redes
sociales (ahora se hace cada
dos semanas) en los próxi-
mos doce meses.
Aumentar en 500 (de 1.000 Clics en el botón «Demo». +500

a 1.500) el número de clics
al botón «Demo» de los pro-
ductos para los próximos do-
ce meses.
Conversión Aumentar en 75.000 € (de Ingresos de la categoría de +75.000

200.000€ a 275.000 €) los productos X.
ingresos por ventas en nues-
tra tienda en línea de la cate-
goría de productos X en los
Aumentar en 25.000 € (de Ingresos de la categoría de +25.000

25.000 € a 50.000 €) los in- productos Y.
gresos por ventas en nuestra
tienda en líneade la catego-
ría de productos Y para los
Disminuir en un 10 % (des- Tasa de abandono del carrito -10 %

de el 50 % hasta el 40 %) la de la compra.
tasa de abandono del carri-
to de la compra en los próxi-
mos doce meses.
Fidelización Incrementar en un 15 % Clientes que compran más +15 %

(desde el 20 % hasta el 35 de una vez/total clientes.
%) la recurrencia de compra
de los clientes (fase de resul-
tados) para los próximos do-
ce meses.
Disminuir en un 1 % (des- Pedidos cancelados/total pe- -1 %

de un 4 % hasta un 3 %) los didos.
pedidos cancelados para los

Objetivos de negocio Objetivos web KPI Valor KPI
Aumentar la base de datos Adquisición Aumentar en 2.000 (de Sesiones al blog. +2.000
de leads en 500 de (2.000 a 3.000 a 5.000) las visitas al
2.500) en un periodo de seis blog en los próximos seis
meses. meses.
Activación Aumentar en 300 (de 500 Clics en descargas de los re- +300
a 800) las descargas de los cursos gratuitos.
recursos gratuitos desde los
contenidos del blog o desde
la biblioteca de recursos para
los próximos seis meses.
Conversión Aumentar de 1.600 a 2.000 Suscriptores del blog. +400

el número de suscriptores
del blog en un periodo de
seis meses.
Aumentar de 300 a 400 el Suscriptores desde semina- +100

número de suscriptores des- rios web.
de seminarios web en un pe-
riodo de seis meses.
Fidelización Aumentar en 100 (de 500 a Leads convertidos en clien- +100

600) el número de leads que tes.
se convierten en clientes en
un periodo de seis meses.
Una vez que tenemos identificados y definidos los KPI con su valor objetivo, 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
varios 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 y cuáles no.
¿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.
Incrementar la base de datos de suscriptores
• Objetivo del negocio: aumentar en 1.000 contactos la base de datos en el próximo

año.
• Objetivo de la web: incrementar 1.000 suscriptores nuevos a través de nuestra news-
letter en el próximo año.
• KPI: visitas a la página de agradecimiento una vez realizada la suscripción.
• Valor de KPI: +1.000.
• Valor monetario del KPI: 40 euros.
Estimamos que el valor de vida del cliente es de 2.000 euros y que 2 de cada 100
suscriptores se convierte en cliente.
No solo tendremos que determinar qué KPI se adaptan a nuestro negocio, sino
que deberemos tener en cuenta los distintos objetivos de las unidades de ne-
gocio de una organización.
Un CEO (chief executive officer) estará muy satisfecho si se cumplen las

expectativas de grandes ventas en el lanzamiento de un nuevo produc-
to. Un director de marketing querrá millones de clics en la última cam-
paña realizada. El diseñador estará feliz si se ha producido un aumento
considerable de conversiones al probar el diseño de la página de pro-
ducto con test multivariantes. El responsable de contenidos se sentirá
orgulloso si los últimos vídeos incorporados han sido un éxito respecto
al número de visualizaciones y al tiempo de permanencia en estos. En
este sentido, debemos ser creativos y decidir qué objetivos pueden tener
cada una de las áreas de negocio involucradas.
Por medio del análisis y seguimiento de la evolución de los KPI 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.
2.2. Métricas básicas
Conozcamos las principales métricas básicas y sus características:
1)�Usuarios�(visitantes). La primera vez que un visitante accede a nuestra web,

se genera una cookie, que es única y se utilizará para identificarlo. El uso de
cookies permite a las herramientas de analítica web identificar a los usuarios en
diferentes sesiones de navegación, pero no en diferentes navegadores o dispo-
sitivos. Por tanto, un usuario no tiene por qué coincidir con una persona, pues
una persona única puede acceder desde distintos dispositivos, distintos nave-
gadores y representar distintos usuarios para la analítica web. La excepción a
lo anterior es que el sitio web tenga un sistema de autentificación de usuarios
(por ejemplo, acceso con usuario y contraseña) que permita identificarlos de
una forma única en todos los dispositivos y navegadores que usen para acce-
der a un sitio web.
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 co-
mo tres usuarios distintos. Teniendo en cuenta todo lo que rodea 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 llevar
a cabo el análisis con el mismo criterio.
2)�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 o vence su sesión a la finalización del día a media noche, toda
actividad posterior corresponderá a una nueva sesión, así como cuando un
usuario vuelve al sitio web desde una fuente de tráfico distinta o a la finaliza-
ción del día. Los usuarios que abandonen su sitio y vuelvan en menos de 30
minutos se considerarán como parte de la sesión original (figura 4).
Figura 4. Cómo se define una sesión en Google Analytics
Fuente: Google, https://support.google.com/analytics/answer/2731565?hl=es
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 debería crecer con el tiempo, a medida que se
vayan ampliando los contenidos web. Este indicador es uno de los parámetros
que indican la salud de 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 = Duración total de visitas / Número de

visitas
Este indicador es muy relevante, ya que refleja el interés de los usuarios que
han accedido a nuestro sitio web. La duración de la visita se calcula sumando
el tiempo de estancia en cada página.
La duración de una sesión individual se calcula de forma diferente dependien-

do de si existen visitas con interacción en la última página de una sesión.
Si existen visitas sin interacción en la última página, la duración se calcula de

la siguiente forma:
Duración de la visita = Momento Y – Momento X
Figura 5. Visita sin interacción
Fuente: https://support.google.com/analytics/answer/1006253?hl=es
Si existen visitas con interacción en la última página, la duración se calcula

de la siguiente forma:
Duración de la visita con interacción = Hora de la última visita con

interacción en la página – Hora de la primera visita a la primera página
Figura 6. Visita con interacción
Fuente: https://support.google.com/analytics/answer/1006253?hl=es
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 = Número de conversiones totales /

Número total de visitas
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.
3. 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 KPI antes de tener implantada una herramienta de analítica
web puede parecer exagerado, pero no lo es si pensamos en métricas básicas
como, por ejemplo, páginas vistas, sesiones, etc. Es decir, merece la pena hacer
una reflexión previa sobre qué información queremos recabar y definir algu-
nos de estos parámetros, de modo que cuando valoremos las distintas herra-
mientas 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 di-
versas 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 sean 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 o muy pequeñas. Lo que demandan en su mayoría son
informes para conocer la evolución del negocio. Para implementar un proce-
so de análisis digital, tiene que existir una cultura organizacional proclive y
proactiva, tanto por la fluidez en la comunicación de la información como
por 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 complicada 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 gra-

tuitas para conseguir nuestros objetivos de analítica web, pero el valor
añadido estratégico para la organización no lo ofrece la herramienta,
sino el analista web. Esto nunca debemos olvidarlo.
En este sentido nos puede ayudar la regla 10/90 postulada por Avinash
Kaushik (2011), uno de los mayores expertos mundiales en analítica
web y autor del libro Analítica Web 2.0:
• Nuestro objetivo es conseguir el mayor valor con la implementación

de una herramienta 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:
• Las páginas web son complejas y aunque las herramientas pueden

capturar todos los datos, en realidad, no indican lo que tienes que
hacer.
• No vivimos en el sencillo mundo de la analítica web 1.0. Ahora te-

nemos que tratar datos cuantitativos, cualitativos, resultados de test
A/B y multivariantes, así como datos de redes sociales y de inteli-
gencia empresarial.
Para resolver estos problemas básicos es necesario un analista. ¿Y qué

pasa 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)�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 orientada al
sitio (en inglés, site centric), permite obtener información sobre las tendencias
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 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, cada página descargada se mide, por lo que el sistema de medi-
ción prácticamente es a tiempo real. El inconveniente principal es cuando el
usuario elimina las cookies de su navegador, ya que puede proporcionar infor-
mación errónea. Algunas herramientas que usan etiquetas son Google Analy-
tics, Adobe Analytics, Kissmetrics, Woopra, Matomo Analytics y Clicky.
2)�Medición�orientada�al�usuario�(panel). Los paneles estudian a una mues-

tra de usuarios en profundidad y a partir de ellos hacen estimaciones aplica-
bles 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 Global Media y ComScore.
3)�Medición�para�recoger�información�de�diseño�y/o�usabilidad. Son he-

rramientas orientadas a la experiencia del usuario y a la usabilidad. Permiten
crear mapas de calor, análisis de clics, uso de scroll, test de usabilidad (A/B y
multivariante) y estadísticas de comportamiento. Entre las más conocidas es-
tán Crazy Egg y Contentsquare.
4)�Medición�para�conocer�la�voz�del�cliente. En las organizaciones es esen-

cial entender el feedback del cliente, y para recabar esta información se utilizan
métodos cualitativos, como los laboratorios de test con clientes, los cuestio-
narios de calidad y las encuestas en línea. Actualmente, este tipo de encuestas
son muy usadas por su facilidad, rapidez y respuesta inmediata. Algunas he-
rramientas para esta medición son Survey Monkey y Typeform.
5)�Medición�de�la�actividad�en�las�redes�sociales. Debemos distinguir entre

las herramientas de medición de las redes sociales y de reputación en línea. La
mayoría de las redes sociales disponen de sus propias herramientas de análisis
gratuitas (Facebook Insights, Twitter Analytics, etc.), que pueden ser comple-
mentadas con otras herramientas externas (gratuitas o de pago). Entre las he-
rramientas externas que nos permiten recopilar y analizar los datos de nues-
tra actividad en medios sociales, podemos citar Marketing Cloud de Sales For-
ce, Sprout Social, Metricool o Social Bakers. Para hacer un seguimiento de la
reputación online disponemos de otras, como BrandMentions, Social Searcher
o Google Alerts.
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 com-
petencia. La inteligencia empresarial también es conocida como inteligencia
competitiva, de negocio o business intelligence (BI), y se basa en analizar la reali-
dad 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), ana-
lizar tráfico web de competidores (SEMrush, Alexa y Similar Web) y estudiar
palabras clave (Planificador de Palabras Clave de Google Ads), entre otras.
De todas las herramientas de análisis expuestas, se recomienda como mínimo

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.

Por ello, vamos a realizar una introducción de cómo mide Google Analytics y
de sus informes para analizar cualquier sitio o aplicación web.
4. Análisis web
Google Analytics es una herramienta de analítica web que permite a los pro-
pietarios de un sitio web conocer el comportamiento de los usuarios, median-
te el seguimiento estadístico. La información mostrada por esta herramienta
es anónima y agregada, es decir, informa de las tendencias del sitio sin iden-
tificar a los visitantes personalmente (no ofrece datos de IP, ni recoge datos
personales).
El seguimiento se realiza a través las cookies y el lenguaje Javascript. Para iden-

tificar a qué usuario corresponde cada navegación, Google utiliza un identifi-
cador único a través de una cookie propia denominada _ga. El uso de cookies
permite a Google Analytics identificar a los usuarios únicos en diferentes se-
siones de navegación, pero no en diferentes navegadores o dispositivos. En el
caso de disponer de un sistema de autentificación propio (acceso con usuario
y contraseña), se puede identificar a un usuario de un modo más preciso en
todos los dispositivos que use para acceder al sitio web.
Si un usuario deshabilita en su navegador el uso de cookies o las borra, sus visi-

tas no van a quedar asociadas a él y, si vuelve a realizar una visita en el mismo
sitio web, la herramienta lo registra como un nuevo usuario y no como un
usuario recurrente. También existen navegadores que disponen de versiones
privadas u ocultas, en las que el usuario puede navegar de manera anónima
y se bloquea el seguimiento de estos datos. En resumen, Google Analytics no
es una herramienta 100 % exacta.
¿Qué podemos analizar con Google Analytics?
• estadísticas comunes del sitio web (visitas o sesiones, visitantes o usuarios,

páginas vistas, tiempo de permanencia, origen de la visita, etc.)
• eventos (pulsar un botón, descargar un documento, etc.)
• búsquedas internas (si el sitio web dispone de un buscador)
• conversiones (suscripciones, compras, etc.)
• transacciones económicas (compras, datos sobre los productos comprados,
etc.)
¿Con qué herramientas se muestran los datos en Google Analytics?

• gráficos temporales Enlace de interés:

• gráficos circulares
Para familiarizaros con
• gráficos de barras Analytics, podéis visitar el
• tabla de datos siguiente enlace: https://
support.google.com/analy-
• tabla dinámica tics/ answer/2604608?hl=es
• comparativas
Cuando trabajemos con Analytics, vamos a usar frecuentemente dos concep-

tos que integran los informes:
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:
• usuarios
• sesiones
• número de visitas a páginas
• duración media de la sesión
• porcentaje de rebote
• número de transacciones
2)�Dimensiones: son atributos (en las tablas aparecen siempre en la primera

columna) con los que se pueden segmentar y 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 7. Métricas y dimensiones con Analytics
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 (usua-
rios, usuarios nuevos, sesiones, porcentaje de rebote, página/sesión, duración media de
la sesión, transacciones, ingresos y porcentaje de conversiones de comercio electrónico),

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

del que procede la visita. Puede tomar los siguientes valores:
• Motores de búsqueda. Por ejemplo, Google, Bing, Baidu, etc.
• 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,
desde nuestros favoritos en el navegador o al escribir directamente la URL.
• Dominios de referencia. Por ejemplo, Facebook.com, idealista.com. Cuan-

do las visitas vienen de sitios web claramente identificados por un domi-
nio y no son buscadores.
• Personalizada (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 o redes sociales (Google, Facebook, etc.).
• Orgánico. Cuando se trata de un resultado orgánico o natural (son resul-

tados no patrocinados que se muestran en la SERP).
• 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).
• Not set. Cuando no se recibe información sobre la dimensión seleccionada

y su causa varía según el tipo de informe. Por ejemplo, el tráfico de Google
Ads que no está enlazado a los informes de Analytics.
• Personalizado. Mediante el etiquetado manual de enlaces. Por ejemplo:

correo electrónico.
Figura 8. 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
Lanzamos varias campañas publicitarias a través de Google Ads, una para la red Display
(Display de intención personalizada competidores), una para la red de búsqueda (DSA)
y otra para YouTube (video per action). Proporcionándoles nombres, podemos ver luego
en Analytics 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. Campañas de un sitio web
Google Ads y Microsoft Advertising
Estas dos herramientas guardan automáticamente la información de campañas, fuentes

y medios a través de una opción de configuración en sus plataformas de publicidad. En
estos casos no es necesario etiquetar manualmente estos datos. Plataformas de marketing
por correo electrónico, 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 medirlos con
precisión, es necesario introducir manualmente estos valores en los enlaces web o, de lo
contrario, parte de la información aparecerá como «not set» o de forma poco legible.
5. Informes
Para analizar el tráfico y el contenido de cualquier sitio web, vamos a acceder

a los informes estándar de Google Analytics.
Las pantallas de informes, en general, se dividen en cuatro secciones (figura

10):
Figura 10. Informes de Google Analytics
• Zona�1. Menús de informes, situados en elárea lateral izquierda de la pan-

talla. 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. Además, en la parte inferior izquierda se accede
al área de administración donde se configura la cuenta, las propiedades
y las vistas.
• Zona�2. Menú de acciones avanzadas, situado en elárea superior de la pá-

gina. En la esquina superior derecha se encuentra la fecha de inicio y de
fin del análisis (que permite realizar una comparativa entre dos periodos)
y también una serie de botones con los que se pueden llevar a cabo di-
versas acciones como seleccionar los «Segmentos», «Guardar», «Exportar»,
«Compartir», «Editar» y «Estadísticas».
• Zona�3. Explorador. Son gráficos evolutivos en función del tiempo, que

permiten cambiar la métrica o compararla con otra. El explorador puede
tener algunas pestañas adicionales que indican comportamiento o cum-
plimiento de objetivos (uso del sitio, conjunto de objetivos 1, conjunto
de objetivos 2, comercio electrónico y clics). Al pulsar estas pestañas, se
muestran conjuntos de métricas diferentes, además del gráfico temporal
por línea o dinámico y por días, semanas o meses.
• Zona�4. Es el área de tabla de datos con las diferentes métricas 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 5.000 filas de una vez. Encima de la tabla se
pueden visualizar también una caja de búsqueda y un buscador avanzado
para filtrar los datos y encontrar la información de manera más rápida.
Para empezar nuestro análisis básico, nos planteamos las siguientes preguntas:
• ¿Quién nos visita? ¿Vuelven?

• ¿Desde dónde?
• ¿Qué contenidos consumen?
• ¿Qué objetivos se cumplen?
Para responder estas preguntas, se dispone de cuatro tipos de informes:
• Audiencia: ¿Quién nos visita? ¿Vuelven?

• Adquisición: ¿Desde dónde?
• Comportamiento: ¿Qué contenidos consumen?
• Conversiones: ¿Qué objetivos se cumplen?
1)�Audiencia.�Los informes de audiencia permiten medir y analizar datos rela-

cionados con la segmentación de nuestros visitantes por grupos demográficos,
intereses, información geográfica, tecnología y dispositivos. También ofrece
informes relacionados con el comportamiento y rendimiento de los usuarios
(informe de seguimiento de los usuarios activos, explorador de usuarios, valor
del ciclo de vida del cliente o análisis de cohorte). Por último, permite crear
audiencias para aplicarlas directamente a los informes. Las audiencias también
se pueden crear y configurar desde el área de administración de la cuenta.
Figura 11. Informes de audiencia
Fuente: Google Analytics

2)�Adquisición.�Los informes que se pueden consultar están relacionados con

el origen del tráfico, es decir, los canales, las fuentes y los medios que han dado
lugar a las visitas. Mientras la fuente indica la procedencia del tráfico de una
página web y el medio expresa la categoría a la que pertenece la fuente, los
canales son agrupaciones de fuentes y medios. Por defecto, Google establece
una clasificación de canales predeterminada, pero es posible hacer agrupacio-
nes personalizadas. Los canales predeterminados se clasifican en:
• 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 display)
• Other (visitas desde otras fuentes, por ejemplo, las etiquetadas manual-
mente o no reconocidas en los grupos anteriores)
Junto a los informes de procedencia de todo el tráfico, también disponemos

información sobre la evolución de Search Console y Google Ads, siempre que
hayamos vinculado estas aplicaciones con Analytics, así como de los medios
sociales y de las campañas.
Figura 12. Informes de adquisición
3)�Comportamiento. Los informes de comportamiento proporcionan infor-

mación sobre las páginas que visitan los usuarios, por dónde entran, por dón-
de se van, las acciones que llevan a cabo durante la sesión, y las búsquedas que
realizan dentro del sitio web, siempre que haya un buscador interno. De esta
forma, se pueden conocer cuáles son los contenidos que más interesan a nues-
tros visitantes web, saber dónde navegan y las páginas en las que abandonan
la tienda, factores que aportan información valiosa para optimizar y mejorar la
conversión. También en este apartado podemos analizar la velocidad de carga
web, los eventos (clics, descargas, reproducciones de vídeos, desplazamientos

de pantalla web, etc.) que previamente hayamos etiquetado y los datos de mo-
netización de una página web desde Google Adsense y Google Ad Manager.
Figura 13. Informes de comportamiento
4)�Conversiones. La sección de conversiones de Google Analytics permite ex-

traer informes asociados directamente a la consecución de los objetivos, del
comercio electrónico y de los embudos multicanal de las conversiones que
hayamos configurado desde la administración. En Analytics, las conversiones
y transacciones de comercio electrónico se asignan a la última fuente y me-
dio de tráfico que enviaron al visitante al sitio y que provocaron la conver-
sión, 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 que no exista, sí que se asigna a la fuente final. Sin embargo, ¿qué ocurre
con todas las sesiones previas a la conversión? ¿De qué manera han interac-
tuado las diferentes campañas?. Los embudos multicanal 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 hecho los usuarios
hasta la sesión final de conversión.
Figura 14. Informes de conversión

6. Etiquetado
Antes de crear una campaña de marketing en línea (Microsoft Bing, LinkedIn,

Facebook, banners, correo electrónico, etc.), se debe etiquetar para poder me-
dirla de forma independiente, además de que esté identificada de forma co-
rrecta por su fuente y medio. Salvo en los casos de Google Ads y Microsoft Ad-
vertising, en los que las propias plataformas pueden etiquetar las campañas de
forma automática, en el resto de las campañas que lancemos es recomendable
hacer 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.
6.1. Etiquetado automático
El etiquetado automático es una funcionalidad que permite hacer un segui-

miento de las conversiones de Google Ads (compras, llamadas de teléfono,
descargas de aplicaciones o suscripciones a boletines) e importar dichas con-
versiones a Google Analytics, además de visualizar el rendimiento de las cam-
pañas publicitarias en los informes de Analytics. Al habilitar el etiquetado au-
tomático, se añade un parámetro gclid a la URL de la página de destino, una
vez que el usuario hace clic en el anuncio y accede a nuestro sitio web. Para
activarlo en Google Ads desde configuración de la cuenta, seleccionamos eti-
quetado automático.
Figura 15. Etiquetado automático en Google Ads
En el caso de que se desee utilizar el etiquetado manual para registrar el tráfico

de Google Ads, debemos permitir el etiquetado manual en Google Analytics y
anular el etiquetado automático en la configuración de la propiedad.
Figura 16. Etiquetado manual en Google Analytics
6.2. Etiquetado manual
Se trata de añadir ciertos parámetros a las URL, también denominados pará-

metros UTM, que se comparten (en anuncios, correos electrónicos, redes socia-
les, etc.) para que las herramientas de análisis web procesen y clasifiquen las
visitas a dichas URL, de acuerdo a lo que hayamos definido.
Los parámetros UTM son fragmentos de textos que, añadidos al final

de la URL, ayudan a identificar el origen del tráfico de forma clasificada
para su seguimiento y análisis.
Para el caso de Google Analytics, podemos usar hasta cuatro parámetros, de

los cuales tres son obligatorios:
• utm_source (obligatorio) → Fuente (Google, Bing, correo electrónico,

etc.).
• utm_medium (obligatorio) → Medio (cpc, display, social, correo electró-

nico, banner…).
• utm_campaign (obligatorio) → Nombre de campaña (correo electrónico

15-03-202X, campaña de captación de tráfico, …).
• utm_content (opcional) → Si queremos diferenciar varios enlaces dentro

de una misma campaña (anuncio lateral, anuncio central, enlace superior,
banner azul, banner rojo…).
• utm_term (opcional) → Solo tiene sentido usarlo en campañas con bus-

cadores que no realizan el etiquetado automático (palabra clave 1, palabra
clave 2…).
Pongamos como ejemplo que publicamos una entrada en el blog de nuestro

sitio web titulada «Camiseta personalizada» y deseamos promocionarla en Fa-
cebook a través de un enlace al artículo. El enlace ficticio del artículo es el
siguiente: https://www.sitioweb.com/blog/camiseta-personalizada
Las visitas recibidas desde Facebook 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 el rendimiento de la promoción de este artículo publica-

do en Facebook a través de las estadísticas de Google Analytics, etiquetaremos
manualmente el enlace que distribuiremos en la red social con los siguientes
valores:
• utm_source = facebook.com. Recomendamos usar la misma fuente que usa

Analytics por defecto, ya que de esta forma la visita será clasificada en
el canal Social. También se puede asignar como nombre de fuente «Face-
book» solo que, en este caso, esa visita no será clasificada como social.
• utm_medium = social. Para especificar que la visita procede de una red so-
cial.
• utm_campaign = promo_post_camiseta_personalizada_fb_15-11-202X. Se es-

pecifica un nombre que nos permita distinguir una publicación de otra en
Facebook y podemos incluir la fecha si lo deseamos.
• utm_content = vacío
• utm_term = vacío
Accedemos a la herramienta «Creador de URL» (https://ga-dev-

tools.appspot.com/campaign-url-builder/) y especificamos estos datos (figura
17).
Figura 17. Creador de URL

Enlace de interés
Podéis consultar más in-

formación sobre los crea-
dores de URL en el si-
guiente enlace: https://
support.google.com/analy-
tics/ answer/1033867?hl=es
Fuente: https://ga-dev-tools.appspot.com/campaign-url-builder/
Una vez introducidos estos valores, se genera la URL, que es

la que compartiremos en Facabook para promocionar la entrada
de nuestro sitio web: https://www.misitioweb/blog/camiseta-personaliza-
da?utm_source=facebook.com&utm_medium=social&utm_campaign=promo
_post_camiseta_personalizada_fb_15_11_202X
Figura 18. URL con etiquetado manual
Fuente: https://ga-dev-tools.appspot.com/campaign-url-builder/
Después, se puede usar un acortador tipo Bitly, o dejar que Facebook genere Bitly
su propio enlace corto, ya que no afectará al enlace etiquetado.
Bitly es uno de los acortado-
res de URL más populares en
Una vez compartida la URL en Facebook, las visitas procedentes desde esta red el mundo. Lo utilizan gran-
des compañías como Amazon,
social serán clasificadas por Google Analytics como: eBay o Pepsi.
• Fuente = facebook.com
• Medio = social
• Campaña = promo_post_camiseta_personalizada_fb_15_11_202X
• Content = not set
• Term = not set
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 dimensión secundaria «Contenido de anuncio» y los datos etique-
tados como palabra clave (utm_term) pueden consultarse desde la dimensión
secundaria «Palabra clave».
7. 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 (CMI). El cuadro de mando analítico incluye información proporcio-
nada por las herramientas web y está configurado por KPI, mientras que el
CMI ofrece una visión amplia de la evolución del negocio que engloba múlti-
ples aspectos (financieros, procesos internos, clientes, etc.).
Un cuadro de mando debe reunir dos rasgos básicos: ser usable y 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 debe ser práctico, es decir, solo debe contener los indicadores
clave esenciales.
¿Cuáles son las características de un buen cuadro de mando?
1) Un cuadro de mando debe incluir un número limitado de KPI. Se recomien-

da entre cinco y diez indicadores. Lo normal es que cuando se solicitan datos,
se desea ver métricas, y cuando se pide un cuadro de mando se demandan KPI.
2) Un cuadro de mando debe situarse en contexto con un histórico detallado

y comparando periodos. También debe mostrar gráficos evolutivos, recomen-
daciones 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 KPI de sus tres principales fases: adquisición,
conversión y retención.
• KPI� referidos� a� la� adquisición: coste por visita, número de visitas por
fuente de tráfico, etc.
• KPI�referidos�a�la�conversión: tasa de conversión, pedido medio, coste

por compra, etc.
• KPI�referidos�a�la�retención: tiempo entre compra y compra, visitas desde

la última compra, etc.
Los tipos�de�cuadro�de�mando más característicos de la analítica web son:
1)�Cuadro�de�mando�informativo. KPI básicos de tráfico (número de sesiones,

número de usuarios nuevos y recurrentes, porcentaje de visitas que convierten,
etc.) (figura 19).
Figura 19. Ejemplo de cuadro de mando informativo
Fuente: Gemma Muñoz, http://dondeestaavinashcuandoselenecesita.com/

2)�Cuadro�de�mando�ejecutivo. KPI 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 clientes por canal, etc.) (figura 20).
Figura 20. Ejemplo de cuadro de mando ejecutivo. Captación de clientes
Fuente: ClickData, https://marketplace.clicdata.com/v/ph1v0wXq5TWE
3)�Cuadro�de�mando�de�campañas. KPI de rendimiento por campaña (tasa de

conversión por campaña, ROI por campaña, leads por campaña, etc.) (figura
21).
Figura 21. Ejemplo de cuadro de mando de campañas
Fuente: Sales Force. Disponible en: 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 API 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 y Google Data
Studio.
Resumen
En este módulo hemos llevado a cabo una introducción a los conceptos y ele-
mentos básicos de la analítica web y 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 in-

versión mediante el conocimiento del comportamiento web del usuario. Sa-
ber cuánto nos gastamos frente a lo que ingresamos por canal en línea (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 KPI. Una vez establecidos los obje-
tivos 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 KPI como
saber segmentar las visitas para detallar y centrarse en lo específico, revelando
información clave para la organización.
Glosario
Ads m Programa publicitario de Google.
analítica web f Conjunto de procesos que permiten gestionar el conocimiento que se

obtiene a través 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�interfaces.
application programming interfaces f Especificación formal sobre cómo un módulo de

un software se comunica o interactúa con otro.
sigla API
Avinash Kaushik m Analista reconocido mundialmente del cual se dice que es «evange-
lista 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 m Transformación de los datos de una organización en conocimien-

to para obtener una ventaja competitiva. También denominada inteligencia empresarial, in-
teligencia competitiva o inteligencia de negocios.
sigla BI
CAU m Véase centros�de�atención�al�usuario.
centros de atención al usuario m 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).
CMI m Véase cuadro�de�mando�integral.
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 en el que el anunciante paga por el clic del usuario
que responde el anuncio.
sigla CPC
CPC m Véase coste�por�clic.
CRM m Véase customer�relationship�management.
cuadro de mando integral m Herramienta que permite conocer la situación global de

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

gida a entender, anticipar y responder a las necesidades de los clientes actuales y potenciales,
y a darles respuesta.
sigla CRM
data science m Metodología que traduce grandes volúmenes de datos en modelos predic-
tivos.
dashboard m Cuadro de mando con KPI.
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.
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 clave de desempeño que mide el rendimiento de

un proceso.
sigla KPI
key strategic indicator m Indicador clave estratégico que permite hacer seguimiento de
varias unidades de negocio.
sigla KSI
KPI m Véase key�performance�indicator.
KSI m Véase key�strategic�indicator.
lead m Usuario que ha proporcionado sus datos de contacto a través de 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 f Boletín electrónico distribuido con cierta periodicidad por correo electrónico.
open data m Práctica que persigue que determinados datos sean accesibles, reutilizables
y que puedan ser compartidos.
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 forma natural, sin
enlaces publicitarios, cuando un usuario realiza una consulta de una palabra clave o frase.
posicionamiento patrocinado o publicitario (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.
return of investment m Relación entre la inversión y los beneficios generados.

sigla ROI
ROI m Véase return�of�investment.
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 forma 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 f Página de resultados en los motores de búsqueda.

sigla SERP
SEM m Véase search�engine�marketing.
SEO m Véase search�engine�optimization.
SERP f Véase search�engine�results�page.

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.
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 de una forma fácil, cómoda e intuitiva.
Bibliografía
Damia, J. M. (2011). Meta analytics. Configurando la mente del analista web. Palermo: Editorial
de la Universidad de Palermo.
Estrade, J. M.; Jordán, D.; Hernández, M. A. (2012). Marketing digital: Marketing móvil,
SEO y analítica web. Madrid: Anaya Multimedia.
Few, S. (2006). Information Dashboard Design. California: O’Really Media.
Gassman, B. (2007). «Web analytics expectations and best practices». En: Emetrics Summit.
Ponencia. San Francisco.
Gorostiza, I.; Barainca, A. (2016). Google Analytics. Mide y Vencerás. Madrid: Anaya Mul-
timedia.
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.

Estrategia de Análisis Web

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

Estrategia de Análisis Web

Cargado por

Copyright:

Formatos disponibles

Estrategia de

Alfredo Hernández-Díaz Fernández de Heredia

Tiempo mínimo de dedicación recomendado: 5 horas

Doctor en Ciencias de la Salud por

La revisión de este recurso de aprendizaje UOC ha sido coordinada

Segunda edición: octubre 2021

2. Metodología del analista web........................................................ 13

3. Herramientas de análisis web........................................................ 31

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

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

Sobre un modelo de medición para planificar nuestro análisis web, veremos

Aunque el material se revisa periódicamente antes de empezar la asignatura,

Los objetivos principales de este módulo de analítica web son:

1. Comprender los aspectos básicos de la analítica web.

2. Comparar las herramientas indispensables para llevar a cabo un análisis

3. Desarrollar una estrategia optimizada de análisis web.

4. Conocer técnicas de extracción de datos.

5. Saber mostrar correctamente un análisis web.

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.

• Selección de herramientas de analítica web.

• Profesional/es de analítica web seleccionado/s u organización externa con-

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

El objetivo principal de este modelo es mostrar a una organización el nivel de

Figura 1. Modelo del nivel de madurez de analítica web

Fuente: Gassman (2007)

En el primer�nivel se empiezan a medir los datos más relevantes de tráfico

En el nivel�dos realizamos nuestros primeros test A/B y creamos nuestros pri-

En el tercer� nivel empezamos a trabajar con detalle la segmentación y nos

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

2. Metodología del analista web

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

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

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

La figura 2 es una representación del modelo de doble flujo. A medida que se

Fuente: Damia (2011)

• 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-

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

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

North star metric

Figura 3. Ejemplos de north star metric en empresas

• ¿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).

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 en internet es el de las redes sociales, es decir, la medi-

Debemos contemplar la analítica web como un proceso integrado más dentro

Inicialmente, las herramientas de analítica web no tenían ningún tipo de re-

2.1. Modelo de medición

La clave para este análisis web consiste en disponer de una metodología o un

Este modelo de medición aplicado al marketing digital consta de cuatro fases:

1) Definir los objetivos del negocio.

2.1.1. Definir los objetivos del negocio

Los objetivos generales de la empresa determinan las prioridades de cualquier SMART

Tabla 1. Objetivo de negocio 1 SMART

Aumentar los 50 % (de Es alcanzable, Aumentar las En los próximos

Fuente: elaboración propia