Analiticas y Metricas de Marketing Digital

analiticas-y-metricas-de-marketi...
aamm17
Analíticas y Métricas de Marketing Digital (Semipresencial)
4º Grado en Marketing
Facultad de Ciencias Jurídicas y Sociales. Campus de Madrid -

Vicálvaro
Universidad Rey Juan Carlos
Reservados todos los derechos.

No se permite la explotación económica ni la transformación de esta obra. Queda permitida la impresión en su totalidad.
INTRODUCCIÓN AL CONCEPTO DE ANALÍTICAS Y
MÉTRICAS DE MARKETING DIGITAL
Los modelos de negocios han cambiado, ahora pivotan y definen sus estrategias con el foco puesto en 3 ejes
estratégicos: datos, analítica y toma de decisiones de negocio (data, analytics and business).
• ¿Cuáles son los datos correctos que tengo que recoger?
• ¿Cómo recojo, organizo y almaceno estos datos?
• ¿Cómo trabajo y relaciono los datos con el negocio?
DATOS
El volumen y la variedad de los datos es de tal magnitud, que elegir las métricas y los KPI correctos se ha
convertido en todo un reto para los profesionales del marketing digital. El exceso de datos provoca parálisis y desvía
todo el proceso de toma de decisiones.
• Tipo de datos que queremos recoger.
o Internos. o Externos.
• Listado con las fuentes.
o Plataforma web, ecommerce o o Otros programas.

servicios.
o Externos.
o Gestión de la relación con el
cliente (CRM).
ANALÍTICA
Una vez predefinidos los datos, el siguiente paso consiste en saber definir un modelo analítico práctico,
personalizado y que recoja todas las necesidades de la estrategia digital de cada marca, desde la definición de los
objetivos hasta la elección de las herramientas y los indicadores de seguimiento.
La analítica tiene que responder a 4 preguntas fundamentales:
• Modelo descriptivo: ¿qué ocurre en el negocio?
• Modelo de diagnóstico: ¿por qué ocurre?
• Modelo predictivo: ¿qué es probable que ocurra?
• Modelo prescriptivo: ¿cómo hago que ocurra?
Una vez que sabemos el tipo de dato que se debe recoger por tipo de fuente y con esta información verificada, es
decir, que tanto la fuente interna como la externa, así como los tipos de datos, son veraces y relevantes para el
negocio, debemos pasar al análisis de los datos en un contexto empresarial
Una estrategia de analítica profesional debe:
• Extraer los datos digitales.
• Analizar y cruzar los datos extraídos por área de impacto.
• Hacer prueba y error con testing.
• Facilitar la toma de decisiones basándonos en los resultados de los testing.
• Medir el ROI en marketing digital por fuente de tráfico, canal, campaña y acción.
• Aumentar la conversión final del sitio web.
a64b0469ff35958ef4ab887a898bd50bdfbbe91a-9409340
Reservados todos los derechos. No se permite la explotación económica ni la transformación de esta obra. Queda permitida la impresión en su totalidad.
NEGOCIO
Hay que entender los datos y su impacto real en el modelo de negocio global para optimizar la toma de decisiones,
orientada a mejorar la rentabilidad digital de la marca. Una vez definidos los datos que hay que analizar por el tipo
de fuente y canal y diseñados el modelo de datos básico y el SIM, llega la hora de aplicar a la toma de decisiones
el foco de negocio.
La analítica tiene que responder a 4 preguntas fundamentales:
• Contextualizar el dato dentro de la estrategia digital.
• Incorporar a la toma de decisiones indicadores de rentabilidad.
• Añadir datos estratégicos del benchmarking de competidores.
• Analizar datos históricos.
EJEMPLOS
Aplicaciones
Una de las primeras ventajas en a analítica de datos se observó en los servicios

de localización a través de GPS. Los teléfonos inteligentes con posicionamiento
satelital han permitido desarrollar mapas avanzados y algoritmos para poder
optimizar las rutas de circulación en las ciudades.
De igual manera la exitosa y revolucionaria empresa que proporciona a sus clientes una red de transporte
privado, a través de su software de aplicación móvil, utiliza el análisis de la oferta y la demanda en localización
para cambiar las tarifas según evoluciona la demanda a lo largo del día con lo cual potencian aún más sus
ingresos.
En el campo del retail, las empresas analizan la data de sus transacciones, así como el
comportamiento de sus clientes para personalizar las ofertas. El objetivo principal es crear
modelos predictivos, capaces de detectar las futuras necesidades del cliente o que
productos se venderán mejor.
Quienes compran en Amazon, pueden constatar cómo la empresa le sugiere productos que le puedan
interesar como resultado de entender las preferencias del consumidor. Las empresas amplían sus datos con
la información de las redes sociales, logs de navegación análisis de textos y datos de sensores para obtener
una imagen complete de cliente que analizar y computar.
Los sistemas de análisis de datos no son solo beneficiosos para las grandes empresas,
también los usuarios pueden verse beneficiados con la integración de procesos de
análisis de sus datos.
Los dispositivos “wearables” como Smart watches o pulseras registran automáticamente datos de consumos
de calorías, niveles de actividad y condición física, o patrones de sueño, permitiendo al usuario obtener un
análisis detallado de su salud, y, aún más importante un análisis del conjunto de datos de todo el colectivo,
que permitirá desvelar insights beneficiosos para todos los usuarios.
Política
Obama decidió utilizar la analítica de datos para su reelección en 2012, con hasta 20
miembros encargados exclusivamente en la interpretación de los datos recibidos,
extrayendo y generando estrategias en función de las preferencias de sus votantes y sus
canales de comunicación preferidos. Anunció que se volvía a presentar desde YouTube.
El PSOE 'personaliza' su campaña en las redes y gasta 5 veces más que el PP en

publicidad de Facebook e Instagram. Sólo en la semana de comienzo de campaña
destinó un total de 54.149 € en publicidad en Meta, la plataforma matriz de Facebook
e Instagram. La cifra es muy superior a la del resto de partidos políticos: duplica los
26.726 € de Sumar y multiplica por cinco la inversión del PP, que en ese mismo
periodo sólo gastó 10.260 €.
si lees esto me debes un besito

Analíticas y Métricas de Mar...
Banco de apuntes de la
Trump fue elegido presidente contra todo pronóstico, ganando en 3
estados del medio oeste donde las encuestas decían que perdería.
Superó a Hillary Clinton hasta por 6 puntos. El fallo provocó una crisis
del sector demoscópico. ¿Por qué se habían equivocado las
encuestas? Las muestras de las encuestas no representaban con
suficiente fidelidad al electorado estadounidense, faltaban miembros
de un grupo concreto: personas blancas sin estudios. Históricamente
el voto entre personas blancas con y sin estudios era similar.
Deporte
Libro de Pases es una plataforma que se alimenta de otras plataformas como Hudl, Wyscout,
Catapult, Statsbomb, Transfermarkt y BeSoccer para desarrollar sus propios algoritmos y ofrecer
las opciones que mejor encajan con las necesidades de clubes, futbolistas y agentes en el
momento de negociar a sus talentos.
Evolucionó de la mano de la inteligencia artificial aplicada al procesamiento de los datos en la industria

deportiva. De comenzar como una plataforma que le daba visibilidad a los futbolistas que querían encontrar
una oportunidad a ser un partner tecnológico inteligente que recomiende y sugiera soluciones en el
momento en que los clubes analizan sus altas y sus bajas.
MODELO DE MADUREZ DIGITAL
MEDIR CON ÉXITO UNA ESTRATEGIA DIGITAL
Entender dónde se encuentra nuestro negocio online y diseñar, personalizar y aplicar cada una de las cuatro
fases de análisis para ayudarnos a medir con éxito nuestra estrategia digital, siempre avanzando de la Fase 1
a la Fase 4, para ir creciendo en complejidad y eficiencia en la toma de decisiones.
1. Diseña tu modelo de datos. En esta fase empezaremos por el diseño básico del modelo de datos
basándonos en la estrategia online definida.
Claves Áreas de impacto

Objetivo: Conocer y entender el Los canales de tráfico o
negocio online. adquisición digital.
Estrategia: Ordenar la gestión de Las fases del proceso de compra

los datos, priorizando y focalizando del cliente.
en función de objetivos, área y
canal. Las plataformas y herramientas
internas y/o externas.
Método: Diseño y análisis del
modelo de datos establecido. El tipo de dato que hay que
analizar.
2. Analiza los datos de tu negocio. Una vez diseñado el modelo de datos, empezamos a recoger y
analizar datos de las acciones digitales de la marca, desde campañas de social ads hasta datos de
carrito medio. Esto significa empezar a generar un histórico de datos que recogeremos en nuestra
primera base de datos, clave para poder trabajar qué ocurre en el negocio y por qué.
Claves Datos históricos

Objetivo: Mejorar los resultados de Analizar tendencias destacadas.
negocio con el análisis de los
datos. Analizar la estacionalidad de la
marca versus la competencia y el
Estrategia: Trabajar la sector.
optimización de los datos de los
canales online. Medir y corregir los tests y las
hipótesis.
Método: Análisis digital de nivel
medio. Detectar patrones que nos
aporten claves.
Diseñar previsiones.
Diseñar escenarios de acción.

3. Optimiza los datos digitales. Con las dos primeras fases desarrolladas y maduras, podremos pasar a
realizar análisis más complejos que se centrarán en el cliente ciclo de vida del cliente, valor de vida
del cliente (Customer LifeTime Value [CLTV]), sentimiento en los perfiles sociales, análisis RFM
(Recency, Frequency, Monetary Value) para determinar quiénes son los mejores clientes en función
de la última compra, frecuencia de compra y gasto medio.
Claves
Objetivo: Aprovechar al máximo
las capacidades del negocio.
Estrategia: Desarrollar un
conocimiento profundo del cliente
(customer centric).
Método: Análisis digital avanzado.
4. Aplica inteligencia de negocio real. En esta última fase de maduración digital entramos en niveles
complejos de técnicas de data science con diseño de modelos prescriptivos, uso de algoritmos y
machine.
Claves
Objetivo: Impactar
exponencialmente en el mercado.
Estrategia: Trabajar el diseño de

modelos estadísticos complejos.
Método: Análisis de regresión,

predictivo, clusterización, modelos
de atribución, algoritmos o
afinidad (analítica avanzada).

MÉTRICAS PARA LA TOMA DE DECISIONES BASADA
EN DATOS Y EVALUACIÓN DE RESULTADOS
CONOCER Y ANALIZAR
TIPOS DE NEGOCIO ONLINE
Conocer y aplicar las principales métricas y los indicadores clave de desempeño digitales (Key Performance
Indicators) en función del tipo de negocio online nos define el contexto digital competitivo.
− Tienda online o e-commerce de venta de producción/servicios. Generación de ingresos directos en

la plataforma a un golpe de clic.
− Marketplace general o sectorial. Portal donde se generan transacciones comerciales de productos

o servicios entre un número de proveedores/marcas y un número de clientes en un ecosistema
digital con condiciones específicas.
− Sites de empresas de servicios. Generación de leads digitales, como páginas web de abogados,
clínicas estéticas o dentales, agencias de marketing digital, inmobiliarias, cualquier tipo de blog…
− Apps o plataformas de venta a través del dispositivo móvil.
BLOQUES ESTRATÉGICOS DE ANÁLISIS
− Optimización. Es el proceso de mejora de las acciones encaminadas a trabajar la calidad del usuario
web que corresponde a las 2 primeras fases de cualquier estrategia digital que se precie:
o Conocimiento de la marca o Consideración

(awareness). (consideration).
− Conversión. Cuando un usuario que visita nuestra página web realiza una acción que nosotros
deseamos que realice o completa un objetivo deseado. En ese caso es que se convierten de visitantes
en clientes potenciales o directamente en clientes si es que realizan una compra.
− Retorno. Es una métrica que indica el valor o beneficio económico que ha generado cada una de las
acciones de marketing que se han implementado. Toda acción se realiza con un objetivo y es el de
proporcionar resultados para la empresa.
OTROS TÉRMINOS
− Medida o indicador numérico. Es un dato numérico aislado, por ejemplo 15.480 usuarios. Este dato
carece de valor real en una estrategia digital si no se aplica en el contexto concreto de una web de
una marca.
− Métrica. Al añadir el contexto (entender ese dato e interrelacionarlo con el resto de los de la web), la
medida se convierte en una métrica, es decir, en un dato válido de marketing digital para entender
qué está pasando realmente en una web. Si retomamos el ejemplo anterior, podemos ver que el
mismo dato en un contexto concreto aporta un alto valor. Por ejemplo, 15.480 usuarios únicos
visitaron los productos de la marca en el mes actual, un 12% más que el mes pasado, donde además
el 25% compraron al menos un producto. Por tanto, debemos escoger los datos online que se
convierten en métricas relevantes para poder medir con éxito el impacto de todas las acciones
lanzadas.
− Ratio. Involucra al menos a 2 variables, métricas también, relacionándolas entre sí para dar un nuevo
resultado. En economía se explicaría como la relación cuantitativa entre 2 fenómenos que refleja una
situación específica de rentabilidad, de nivel de inversión, de control de costes… Suele tratarse de
fórmulas matemáticas y, aunque la gran mayoría son financieras, también se extrapolan al
marketing digital.
− KPI. Son siempre métricas, medibles y cuantificables, que determinan numéricamente una variable,
como ingresos, gastos, número de visitas… Los KPI están directamente relacionados con los objetivos
marcados dentro de la estrategia o el plan de marketing anual. Un KPI siempre será una métrica,
pero una métrica no será siempre un KPI.
KPI
El establecimiento de los KPI en una empresa suele derivar generalmente en un cuadro de mando (balanced
scorecard), herramienta que recoge los principales indicadores de marketing o de la compañía en el ámbito
gerencial/de presidencia y posteriormente en relación al área de impacto: SEO, PPC, email marketing, social
media... Por tanto, es responsabilidad del profesional escoger de manera correcta las métricas que analizará y
definir los KPI que le ayudarán a alcanzar los objetivos marcados.
KPI para medir la optimización
− Salud del sitio web (site health). Calidad básica del usuario; análisis URL con más sesiones; afinidad
del usuario web VS. buyer persona predefinido; alcance, impresiones e interacción y posición media o
porcentaje de impresión.
− Tasa de rebote.
KPI para medir la conversión KPI para medir el retorno

− Total de conversiones por canal. − Ingreso medio por producto (VMP).
− Tasa de conversión (Conversion Rate). − Ticket medio o cesta media.
− Total de transacciones (unidades − Tasa de retención.

vendidas).
− Rentabilidad por cliente.
− Ingreso medio por conversión y total
de ventas. − Nivel de satisfacción (Net Promoter
Score).
− Coste de adquisición (Cost Per
Action). − Tasa de retención (Customer
Retention Rate).
− Coste por lead (Cost Per Lead).
− Tasa de devolución de productos.
− Afinidad del visitante web VS. buyer
persona predefinido VS. visitante
convertido.
KPI imprescindibles
− Análisis URL con más sesiones
(páginas de entrada y de salida) VS.
− Tráfico de calidad del visitante
más conversiones.
web.
− Calidad avanzada del usuario.
− Total de ingresos mensuales
generados y total de gastos.
− Coste de adquisición (CPA) y por

KPI para un responsable de marketing
lead (CPL).
− Rentabilidad por unidad de negocio,
− Incremento del gasto medio por
por cartera de productos y por tipo de
cliente.
producto.
− Retorno de la inversión (ROI).
− Crecimiento porcentual de clientes
segmentados estratégicamente por
− Índice de satisfacción media por
niveles de rentabilidad (CLTV) y
cliente (NPS).
clientes perdidos (CCR) VS.
crecimiento total de usuarios web.
− El impacto de la marca en la sociedad,

entendida como el valor real de la
marca, o el impacto real de la marca
en las personas.

MÉTRICAS
Ranking de Palabras Clave

Posicionamiento en Buscadores Número de Palabras Clave en el Top 10
Evolución del Ranking
Visitas Orgánicas por Fuente (Google, Bing…)
Tráfico Orgánico Palabras Clave Orgánicas Principales
Crecimiento Mensual del Tráfico Orgánico
Métricas Clave en SEO
Distribución de Palabras Clave por Categoría
Palabras Clave Posicionadas Posiciones Exactas de Palabras Clave Clasificadas
Análisis de Competidores en Palabras Clave
Tiempo Promedio en Página por Palabra Clave
Tiempo de Permanencia y Tasa de Rebote Tasa de Rebote por Página
Comparación de Métricas con Competidores
CPC por Palabra Clave
Coste por Clic (CPC) Evolución del CPC a lo largo del Tiempo
Distribución del Gasto por Plataforma Publicitaria
Segmentación de la Tasa de Conversión por Campaña
Tasa de Conversión Conversiones por Dispositivo (Móvil, Escritorio)
Análisis de Conversiones por Palabras Clave
Métricas en SEM
Desglose del índice de Calidad por Componente
Índice de Calidad y ROAS ROAS por Grupo de Anuncios
Análisis de Palabras Clave con Bajo Índice de Calidad
Impresiones por Campaña y Grupo de Anuncios
Impresiones Tasa de Clics (CTR) por Segmento
Análisis de Impresiones por Posición de Anuncio
Tasas de Apertura por Segmento de Audiencia
Tasas de Apertura y Clic Tasa de Clic por Enlace y Contenido
Análisis de Tasas en Diferentes Dispositivos
Métricas en Email Marketing
Seguimiento de Conversiones desde E-mails
Tasa de Conversión Objetivos Cumplidos por Campaña
Comparación de Tasa de Conversión con Benchmark
Desglose de Interacciones (Likes, Comentarios,
Compartidos)
Engagement Evolución del Engagement a lo largo del Tiempo
Métricas en Redes Sociales Análisis de Sentimientos en Comentarios

Distribución de Alcance por Tipo de Contenido
Alcance Análisis de Alcance por Plataforma Social
Comparación del Alcance Orgánico y Pagado
Desglose de Conversiones por Tipo de Dispositivo
Tasa de Conversión en Dispositivos
Métricas Móviles Análisis de Experiencia del Usuario en Móviles
Móviles
Comparación de Tasa de Conversión en Móviles y Escritorio
Desglose de Descargas por Fuente
Métricas de Aplicaciones Descargas y Retención Análisis de Retención por Etapas
Comparación de Reseñas y Calificaciones
Razones de Abandono del Carrito
Tasa de Carrito Abandonado y Tasa de
Tasa de Conversión por Producto y Categoría
Conversión
Análisis de Recuperación de Carritos Abandonados
Métricas de E-Commerce
Ingresos por Canal de Adquisición
Medición del ROI en Comercio Electrónico Análisis de Costos de Adquisición por Cliente
Retorno de Inversión por Campaña

RATIOS RENTABILIDAD
− Retorno de la inversión publicitaria (ROAS). El retorno de la inversión publicitaria o Return On

Advertising Spend (ROAS) es una ratio que mide exclusivamente la rentabilidad de la inversión
publicitaria, por lo que solo podemos utilizarlo en las campañas publicitarias de pago, como las de Google
Ads, Social Ads, redes de afiliación, programática, display... El ROAS indica el retorno monetario o cuántos
euros ha recuperado la marca por cada euro invertido o gastado en una campaña. Establece además una
relación 1 a 1, es decir, por cada € invertido debemos recuperar como mínimo 1 € en ingresos; así, esta
ratio relaciona ingresos con gasto publicitario o, dicho de otro modo, el valor total de las conversiones
(ingresos) con el esfuerzo total publicitario realizado (gasto de campaña).
𝑇𝑜𝑡𝑎𝑙 𝑑𝑒 𝑖𝑛𝑔𝑟𝑒𝑠𝑜𝑠 𝑝𝑜𝑟 𝑐𝑜𝑛𝑣𝑒𝑟𝑠𝑖𝑜𝑛𝑒𝑠 𝑑𝑒 𝑐𝑎𝑚𝑝𝑎ñ𝑎

𝑅𝑂𝐴𝑆 = ( ) 𝑥 100
𝐺𝑎𝑠𝑡𝑜 𝑡𝑜𝑡𝑎𝑙 𝑑𝑒 𝑙𝑎 𝑐𝑎𝑚𝑝𝑎ñ𝑎
− Retorno de la inversión (ROI). El retorno de la inversión o Return of Investment (ROI) es una de las
métricas que tenemos que emplear y manejar de manera cotidiana si nos dedicamos al marketing digital,
independientemente de si somos técnicos, especialistas, managers o de si tenemos un perfil junior. El
ROI es el KPI para medir el rendimiento económico de todo el esfuerzo invertido en las acciones online y
debemos aplicarlo de manera estratégica desde 4 focos:
o ROI global. o Pago y no pago.
o Por canal de adquisición o o ROI detalle.

tráfico.
𝐼𝑛𝑔𝑟𝑒𝑠𝑜𝑠 𝑡𝑜𝑡𝑎𝑙𝑒𝑠 − 𝐶𝑜𝑠𝑡𝑒𝑠 𝑡𝑜𝑡𝑎𝑙𝑒𝑠

𝑅𝑂𝐼 = ( )
𝐶𝑜𝑠𝑡𝑒𝑠 𝑡𝑜𝑡𝑎𝑙𝑒𝑠
− Beneficio recurrente mensual (MRR y ARPU). El Beneficio Recurrente Mensual o Monthly Recurring
Revenue (MRR) es una métrica o KPI que nos indica cuánto hemos ingresado de forma recurrente cada
mes. Resulta muy útil para estimar cuánto esperamos ingresar de forma recurrente en los próximos
meses, es decir, cómo le va a ir al negocio en cuanto a las ventas en el futuro. Este KPI es fundamental
para los modelos de negocio con un nivel de recurrencia medio-alto, como suscripciones, fees mensuales,
soluciones “Software as a Service” (SaaS)… MRR es una medida normalizada de los ingresos predecibles
que una empresa esperar obtener cada mes.
𝑀𝑅𝑅 = 𝐼𝑛𝑔𝑟𝑒𝑠𝑜𝑠 𝑝𝑜𝑟 𝑐𝑎𝑑𝑎 𝑐𝑙𝑖𝑒𝑛𝑡𝑒 𝑥 𝑁ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑐𝑙𝑖𝑒𝑛𝑡𝑒𝑠
Dentro de los MRR, es importante trabajar con otra ratio crucial pero no muy utilizado en estrategias
digitales: el ingreso promedio por cuenta o ingreso promedio por usuario (Average Revenue Per User
(ARPU/ARCP)). Es una métrica clave que mide el ingreso promedio por usuario calculado con los MRR, es
decir, lo que una empresa espera generar de un cliente individual.
𝐼𝑛𝑔𝑟𝑒𝑠𝑜𝑠 𝑡𝑜𝑡𝑎𝑙𝑒𝑠
𝐴𝑅𝑃𝑈 = ( )
𝑁ú𝑚𝑒𝑟𝑜 𝑡𝑜𝑡𝑎𝑙 𝑑𝑒 𝑐𝑙𝑖𝑒𝑛𝑡𝑒𝑠 𝑜 𝑢𝑠𝑢𝑎𝑟𝑖𝑜𝑠
− Análisis RFM. Es una técnica de segmentación del comportamiento del cliente basada en sus hábitos y
su comportamiento de compra que permite determinar cuáles son los clientes más rentables de la
marca. Esta segmentación se realiza basándose en 3 indicadores: cuándo fue su última compra (recencia),
con qué frecuencia compran (frecuencia) y cuánto se gastan en todas las compras (valor monetario).
El RFM toma como base la ley de Pareto cuyo principio dice que el 80 % de las compras las realizan solo
el 20 % de los clientes, ya que esta ratio tiene como objetivo segmentar y optimizar la rentabilidad de la
cartera de clientes en función de variables todas asociadas a la compra (frecuencia, gasto medio y última
compra). Esto se hace para discriminar a los clientes más rentables de los menos rentables y poder
identificar ese 20 % de clientes que nos están generando el 80 % de las compras reales y centrar los
máximos esfuerzos de la estrategia digital en ellos.
Para diseñar el RFM hay que calcular y medir las 3 variables en un período determinado de tiempo y
asignarles un valor, por ejemplo, del 1 al 5. A partir del análisis de estos valores se determinan 125
segmentos con 3 dimensiones con 5 resultados cada una (5 × 5 × 5).

Los resultados obtenidos nos posibilitan agrupar a los clientes en 4 grandes grupos de segmentación y
diseñar estrategias de fidelización y retención para pasar clientes de un segmento a otro:
o Clientes estrella o mejores o Clientes congelados o

clientes. criogenizados.
o Clientes promesa. Clientes o Clientes desterrados.

dormidos, nuevos clientes y
clientes en riesgo bajo.
Se usa la matriz de dispersión con los ejes de frecuencia y recurrencia para representar la organización
de nuestra cartera de clientes activa de una manera muy visual. Después hay que diseñar un plan de
acción para cada uno de los segmentos y subsegmentos predefinidos.
ESTRATEGIA DE ANALÍTICA DE DATOS
Hay que definir la estrategia a partir de los objetivos y datos.
• La definición de los objetivos acordes con los KPI y la elección de los KPI que nos den el control.
• Cómo tener controlada la calidad del dato con las herramientas y plataformas adecuadas cuando usamos
modelos de datos y medición más complejos.
Definición de objetivos
Cuando construimos todo el sistema de medición estratégica digital, solemos fallar en la definición de los objetivos
digitales que la marca tiene que alcanzar. Es importante recordar que son el punto de partida sobre el que se
asientan los KPI y ayudan a medir su cumplimiento y el resto de las métricas. Por tanto, si establecemos mal los
objetivos, posiblemente estableceremos mal los KPI de seguimiento, las métricas que matizan y la manera de
visualizarlos en los cuadros de mando que veremos más adelante. Esto se conoce como efecto iceberg o relación
causa-efecto en la que los elementos ocultos no visibles de las empresas son la causa y los elementos visibles son
los efectos y resultados que se producen.
Los KPI mínimos viables aplicables
A pesar de que los KPI, como ya hemos visto, deben medir y ayudar a la consecución de los objetivos de marketing
digital establecidos por la dirección y que la metodología establece diseñar objetivos y establecer los KPI, siempre
podemos hablar de unos indicadores clave mínimos viables que hay que aplicar; es decir, los KPI que debemos
medir y controlar siempre para tener el control real del negocio. Para ello los dividiremos en 4 áreas relacionadas
con las principales de definición de los objetivos:
− Ventas o ingresos. Estos KPI están relacionados directamente con el incremento de las ventas, sea por
estrategias de captación de nuevos clientes o de retención con acciones tipo upselling o cross selling, y
se asocian a la fase de retorno.
o Total de transacciones. o CR.
o Total de ingresos periodificado. o CPA.
o VMP. o ROI.
− Comerciales o de captación de leads. Los KPI de esta área están relacionados directamente con la
consecución de leads u oportunidades comerciales y por tanto con la fase de conversión.
o Total de leads, calidad del lead y o Porcentaje de leads por canal.
compra (purchase) comercial.
o CR enfocada a la generación de
o CPL. leads o de oportunidades
comerciales.
− Comunicación o impacto de la marca. Estos KPI están relacionados directamente con el alcance de los
canales de comunicación de la marca. Hay que tratar de analizar si los mensajes enviados a los buyer
persona están llegando y si éstos los están procesando y respondiendo. Estos KPI relacionados con el
impacto de la marca se encuentran muy asociados a la fase de optimización.
o Total de sesiones por canal. o Porcentaje de crecimiento de la

comunidad social.
o Tasa de engagement.
o Total de interacciones.
− Marca o alcance reputacional. Estos KPI están relacionados directamente con el alcance de la marca y
el sentimiento de pertenencia. Tratan de analizar si la penetración de la marca en el mercado, en el sector,
en los potenciales clientes e incluso en los no clientes, está siendo efectiva. Esta área de objetivos está
muy asociada a la fase de optimización (awareness):
o Alcance e impresiones. o Posición media.
o CTR. o Autoridad de dominio (Domain

Authority [DA]).
KPI FUNDAMENTALES PARA TRÁFICO
TIPO DE KPI CANAL OBSERVACIONES

DA Una vez al año
Optimización
Backlink Optimizar el total de enlaces
Total de sesiones Medir la calidad de las sesiones
Posicionamiento Orgánico Las keywords que más tráfico generan y que sean
Conversión Keywords
(SEO) transaccionales
Conversiones Total de conversiones y CR
Ventas Total de ventas y VMP
Retorno
ROI (Ingresos – Gastos) / Gastos
Tasa de apertura Optimizar esta tasa
Optimización
CTR Optimizar esta tasa
Total de sesiones Medir la calidad del usuario con conversiones
Email Marketing Conversión Conversiones Total de conversiones y CR
Correos que más convierten Analizar y potenciar los que funcionen
Ventas por email marketing Total de ventas y VMP
Retorno
ROI del email marketing (Ingresos – Gastos) / Gastos
CPM Controlar esta tasa
Optimización
CTR Optimizar esta tasa
Publicidad de Pago (Paid Conversión Conversiones Total de conversiones y CR

Media) Anuncios que más convierten Analizar y potenciar los que funcionen
CPA Optimizar la inversión
Retorno Ventas de PPC Total de ventas y VMP
ROI de PPC (Ingresos – Gastos) / Gastos
Engagement Optimizar las interacciones
Optimización Alcance y aumento de
Analizar para crecer alineando objetivos digitales
comunidad
Social Media Conversiones Total de conversiones y CR
Conversión
Publicaciones que más
Analizar y potenciar las que funcionen
convierten
Ventas Total de ventas y VMP
Retorno
ROI (Ingresos – Gastos) / Gastos

VISUALIZACIÓN DE DATOS
VISUALIZACIÓN DE DATOS: DEFINICIÓN, PREPARACIÓN Y DISEÑO
La visualización de datos es una disciplina muy reciente y que todavía está́ en proceso de consolidación. La
visualización es la representación gráfica de datos o conceptos, en esta guía se utiliza la palabra.
• 2 componentes principales. Es una representación gráfica de datos, pero también de conceptos; ayuda
a tomar decisiones.
• 2 tipos de visualizaciones. Las estáticas y las interactivas.
• 3 objetivos principales.
o Explorar unos datos para responder preguntas o plantear nuevas cuestiones. La naturaleza
bidireccional de los medios digitales facilita que el usuario pueda interaccionar con los datos. Así ́
pues, en vez de explicar una historia con datos, el lector se puede convertir en protagonista.
Facilita que el lector interrogue los datos, de modo que le ayuden a responder inquietudes
particulares y preguntas adaptadas a su contexto. En estos casos, la visualización ayuda a
explorar un conjunto de datos.
▪ Tipos de datos que queremos recoger. Las visualizaciones de datos explorativas

suelen requerir de un equipo de desarrollo multidisciplinar, capaz de pensar una
historia, recoger y analizar los datos, y diseñar interfaces interactivas. Herramientas
como Tableau facilitan el desarrollo de aplicaciones interactivas de datos, pero el
formato web (mediante librerías como D3) es el más flexible y eficiente, y el que se
adapta mejor a diferentes dispositivos.
o Analizar patrones, relaciones y valores atípicos entre los datos. Además de explicar una
historia o de permitir la exploración de un conjunto de datos, las visualizaciones también son
útiles al analizar estos datos. Por lo tanto, primero se puede utilizar la visualización para analizar
un conjunto de datos y extraer una serie de conclusiones, y después para explicar una historia o
permitir su exploración según una serie de parámetros.
▪ Cuadro de mando.
▪ Aplicación de analítica visual. Facilitar medidas como la media, la mediana o la

correlación; agrupar elementos mediante técnicas de análisis de clúster; construir
modelos predictivos que faciliten responder a qué pasará, y no solo a qué ha pasado,
según diferentes escenarios…
▪ Ranking universidades. Contextualizar los rankings de diferentes universidades,

analizar qué factores contribuyen a su posición y qué correlaciones existen entre los
diferentes indicadores. No es una visualización adecuada para comunicar un ranking
de universidades (para eso habría bastante con un gráfico de barras). En cambio, es la
adecuada para que una universidad pueda entender por qué́ ocupa una posición
determinada y qué puede hacer para mejorarla
o Explicar una historia con datos. La visualización es vital para comunicar y ayudar a entender
adecuadamente los datos en el contexto de una historia o de un propósito determinado. No sirve
de nada un buen análisis si no se sabe explicar. Pero lo contrario también es cierto. Se puede
crear una visualización de datos formalmente perfecta, pero si el análisis que se hace o la historia
que se explica no tienen importancia en un contexto determinado, la visualización tampoco
servirá́ de nada.
▪ Infografía. ▪ Presentación.
▪ Narrativa por ▪ Vídeo.

desplazamiento.

DATOS CUANTITATIVOS VS. DATOS CUALITATIVOS
− Datos cuantitativos. Se expresan en términos de cantidad y pueden medirse numéricamente. Estos

datos son inherentemente objetivos y permiten realizar análisis estadísticos rigurosos. Ejemplos
comunes incluyen variables como ingresos, edad, número de ventas, o cualquier otra medida
cuantificable. La recolección de datos cuantitativos implica el uso de instrumentos de medición
estandarizados y la aplicación de métodos estadísticos para interpretar los resultados. Estos datos
son esenciales para evaluar el rendimiento, identificar patrones, y tomar decisiones basadas en
evidencia. Las herramientas como encuestas estructuradas, experimentos controlados y análisis
numéricos son fundamentales en este contexto.
− Datos cualitativos. Se centran en las cualidades y características no numéricas de un fenómeno.

Estos datos capturan aspectos subjetivos y descriptivos, proporcionando una comprensión más
profunda y contextual. Ejemplos de datos cualitativos incluyen opiniones, percepciones,
experiencias, o cualquier información no cuantificable. La recolección de datos cualitativos implica
métodos más flexibles y abiertos, como entrevistas en profundidad, grupos focales, análisis de
contenido, o incluso observación participante. Estos métodos permiten explorar la complejidad y
riqueza de los fenómenos estudiados, capturando matices que los datos cuantitativos podrían pasar
por alto.
METODOLOGÍA
1. Estrategia. La estrategia hace referencia a todo aquello que nos conduce a definir los objetivos de la
visualización de datos. En particular, se tratan los siguientes puntos:
o Investigación y análisis. Para elaborar una visualización sobre un tema en particular debe
conocerse en profundidad. Así ́ se puede tratar desde diferentes ángulos y asegurar que se
dispone de los datos adecuados para mostrar un buen análisis. Por eso, a menudo debe hacerse
investigación del tema sobre el que se quiere tratar. Para hacerlo adecuadamente, conviene
investigar los siguientes aspectos:
▪ Temática. Todo proyecto de visualización de datos gira en torno a una temática en

particular. Los datos ayudan a cuantificar un problema, pero los testimonios personales
ayudan a hacerlo más próximo y, por lo tanto, aumenta la probabilidad de causar un
mayor impacto en el consumidor de la visualización.
▪ Audiencia. Por audiencia se entiende quién utilizará la visualización de datos. Diseñar

una buena visualización de datos es similar al diseño de una aplicación y, por lo tanto,
saber cuáles son los conocimientos y las motivaciones del usuario es vital para asegurar
el éxito de la visualización.
▪ Análisis. Otro punto para tener en cuenta a la hora de definir la estrategia es el análisis
de los datos. Y es que, en el proceso de exploración y análisis de un conjunto de datos,
a menudo se encuentra la idea de una visualización. También puede pasar que los
datos demuestren que la idea inicial no es válida o que es irrelevante. (Distribución,
tendencias y correlación).
o Objetivos. Ahora que ya se conocen la temática y la audiencia, es el momento de definir los

objetivos de la visualización de datos. En general, se dice están definidos si se pueden responder
claramente las siguientes preguntas:
▪ ¿Cómo queremos ayudar al usuario? Las visualizaciones de datos pueden ayudar a

explorar, analizar y/o explicar un tema. Por lo tanto, lo primero que conviene decidir es
cómo se ayuda al usuario, es decir:
✓ ¿Se quiere ayudar a explorar unos datos sobre un tema?
✓ ¿Se quiere ayudar a analizar los datos sobre un tema?
✓ ¿Se quiere explicar un tema?
▪ ¿Por qué? Esta pregunta pretende hacernos reflexionar sobre la importancia y el

alcance de lo que se está haciendo y, por lo tanto, los recursos que se tendrían que
dedicar. También provoca que se empiece a pensar en el formato y los canales de
comunicación.

▪ ¿Cómo lo evaluaremos? Se trata de definir unas métricas para evaluar si se ha
conseguido ayudar al usuario adecuadamente, de modo que se alcancen los objetivos
planteados a la pregunta “¿por qué?”.
o Indicadores. A menudo, las visualizaciones de datos no alcanzan los objetivos planteados

porque tratan unos datos que no son relevantes o que no captan todos los ángulos del problema.
Por eso es vital definir unos indicadores adecuados. En general, se pueden definir tres tipos de
indicadores:
▪ Volumen. Este indicador se centra en la cantidad de datos. ¿Cuánta información

estamos manejando? Es crucial para entender la magnitud de la situación y evaluar la
escala de los fenómenos representados.
▪ Calidad. Aquí nos enfocamos en la precisión y confiabilidad de los datos. ¿Qué tan
exacta es la información que estamos visualizando? La calidad de los datos influye
directamente en la confianza que podemos depositar en las conclusiones derivadas de
las visualizaciones.
▪ Contexto. El contexto es esencial para interpretar adecuadamente los datos. Este

indicador se ocupa de proporcionar información adicional que ayuda a entender las
circunstancias que rodean los datos. ¿Cuál es el trasfondo de la información que
estamos viendo?
El número de accidentes de tráfico (indicador de volumen) no es un buen indicador para

compararlo entre provincias, aunque se haga con un gráfico adecuado como el siguiente.
En cambio, un indicador como la tasa de accidentes por habitante (indicador de calidad) es más
adecuado, ya que es independiente de la población de la comunidad y, por lo tanto, se pueden
comparar.
Finalmente, disponer de la tendencia de la tasa de accidentes en los últimos años (indicador

contextual) ayudará a interpretar los indicadores. Por ejemplo, una tasa del 0,2% sería positiva si
hace 5 años era del 0,5%, pero negativa si era del 0,1%.
Además de utilizar los indicadores adecuados, conviene tener presente el nivel de agregación de
los datos. Por ejemplo, si se quiere analizar la tendencia anual de los accidentes de tráfico,
conviene decidir si se quieren mostrar los datos por horas, por días o por meses. Cada nivel de
agregación nos permitirá́ llegar a diferentes conclusiones y requerirá́ un tipo de gráfico diferente.
La fase de estrategia finaliza cuando se conoce el tema a tratar y la audiencia a la que se dirige; se define
cómo se quiere ayudar al usuario y por qué y se definen unos indicadores adecuados (volumen, calidad,
contexto).
2. Datos. A menudo se dice que la información son datos puestos en contexto o datos organizados y
estructurados.
o Obtención. El primer paso para poder trabajar una visualización será́ obtener los datos
necesarios, definidos durante el proceso de estrategia. A menudo estos ya vienen dados, pero
otras veces hace falta buscarlos y extraerlos de bases de datos, o implementar sistemas que los
generen.
o Formateo y limpieza. Una vez que se dispone de los datos, debe validarse el contenido,
asegurarse de que no contienen errores y que el formato es adecuado y consistente para su
consumo. A menudo contienen errores o valores poco coherentes que conviene revisar. Los
valores decimales expresados con comas y al mismo tiempo con puntos son un ejemplo típico.
Será necesario, pues, en la medida de lo posible, repasar cada uno de los registros de nuestros
datos para validar que todos los valores están bien escritos y tienen sentido.
o Procesamiento. El procesamiento de los datos es, por sí mismo, una disciplina propia. En
función del volumen y de lo que se quiera analizar, se podrán ejecutar algoritmos muy complejos
que podrán dar mucho más valor a los datos. No obstante, normalmente conviene disponer de
grandes conocimientos de matemáticas, estadística y programación para poder
implementarlos y utilizar.
3. Diseño. El diseño hace referencia a todo aquello que nos permite conseguir los objetivos definidos en la
estrategia. El resultado es el producto final, que debe evaluarse en función de cómo ayuda a cumplir estos
objetivos. El proceso de diseño que se presenta es iterativo y basado en la metodología de diseño
centrado en el usuario. En particular, se siguen estas fases:
o Esbozar. Esta fase consiste en elaborar borradores con el objetivo de descubrir maneras de
representar los datos de acuerdo con la estrategia definida. También es habitual referirse con el
término inglés sketching. En particular, la fase de esbozo es muy útil para definir el aspecto de
la visualización de datos, que debe ser coherente con los objetivos definidos en la estrategia.
o Prototipar. En esta fase se utilizan los datos reales para ver si los esbozos siguen siendo válidos.
A veces, algunas visualizaciones escogidas no son las adecuadas. En este caso, conviene volver a
trabajar con papel y bolígrafo para obtener nuevas ideas. Es decir, durante el prototipaje, se
alterna el uso de papel y bolígrafo con el uso de herramientas digitales de prototipaje para
trabajar con datos reales.
o Finalizar. En esta fase se transforma el prototipo en el producto final. Es el momento de tratar

aspectos como la redacción de textos finales, la adaptación a la guía de estilo requerida (colores,
tipografías, espacios, logotipos, etc.), la elaboración de mecanismos de ayuda… Además, una vez
que el producto está acabado, conviene hacer una revisión de calidad.

INTRODUCCIÓN A GOOGLE ANALYTICS
QUÉ ES GOOGLE ANALYTICS
Google Analytics (GA) es una herramienta de analítica digital centrada en el análisis del comportamiento de los
usuarios cuando visitan sitios web y aplicaciones móviles. Es decir, un instrumento que permite capturar datos
sobre las interacciones de los usuarios en sus dispositivos digitales (equipos de escritorio, móviles...) y consultarlos
a través de una interfaz específica mediante diferentes tipos de informes, o exportarlos para utilizarlos en terceras
herramientas de visualización de datos.
Si bien existen diferentes alternativas en el mercado orientadas al mismo o parecido propósito que GA, en la
actualidad, la herramienta de Google domina el mercado hasta el punto de haberse convertido en un estándar
para el análisis de datos digitales. Las principales razones de su éxito son:
− Gratuidad. Si bien cuenta con una versión de pago, la versión gratuita resulta muy interesante y es más
que suficiente para una inmensa cantidad de negocios.
− Marca. Es decir, la confianza y prestigio asociado a las herramientas de Google.
− Integración. O la facilidad para integrarse con el resto de las herramientas de márquetin y análisis,
gestión y visualización de datos (Google Ads, Google Search Console, Google Cloud Platform, Google
Drive, Looker Studio, Google Tag Manager).
− Facilidad de uso. Su instalación es muy simple y su curva de aprendizaje no es superior a la del resto de
sus competidores.
DEPARTAMENTO DATOS UTILIDAD
Datos de campañas, mailings, anuncios, sesiones, Mejorar la captación de tráfico, conversiones…

Marketing conversiones, ingresos… Conocer los datos de la audiencia, preferencias...
Datos de tráfico orgánico (buscadores), palabras clave, Optimización del sitio web o aplicación. Analizar el
SEO sesiones, conversiones, páginas que despiertan o no impacto de una campaña SEO. Detectar puntos de mejora
despiertan interés. en el sitio web o páginas de aterrizaje.
Datos de uso de cada página, así como de sus diferentes Mejorar la UX en el web o App.
UX componentes (botones, formularios...), flujos de Aplicar mejoras en el diseño fundamentadas en datos.
navegación, tasas de conversión… Entender el embudo desde el punto de vista del usuario.
Optimización del rendimiento del sitio web o App,

valoración del impacto de los cambios tecnológicos Mejorar el proceso de desarrollo y solucionar problemas
IT realizados, datos sobre las tecnologías utilizadas por los técnicos relacionados.
usuarios (navegadores, dispositivos...)
Datos de procedencia del tráfico desde redes sociales.

Sesiones y conversiones desde redes sociales. Entender qué todo de contenidos aportan tráfico de mayor
Social Media
Perfiles demográficos e intereses asociados al tráfico calidad y cuáles de peor.
desde cada red social.
¿CÓMO FUNCIONA GOOGLE ANALYTICS?
Para entender cómo funciona GA es importante entender el concepto de "ámbitos de los datos". Este concepto
no es propio ni exclusivo de GA por lo que según la herramienta podemos encontrar diversas formas de referirse
a los mismos conceptos.
Los eventos almacenan los datos del usuario que realiza las interacciones. Por su
parte, las sesiones son una suma de eventos en un periodo determinado. Y los
usuarios son las personas que activan esos eventos a lo largo del periodo de una
sesión.
El ámbito más grande es el de usuario. Cada usuario puede representar, según la

configuración del sitio web o App, una persona concreta o bien un dispositivo
cliente (navegador, interfaz de App...) con el que una persona accede a un sitio
web o App. Técnicamente, GA otorga un ID o identificador a cada usuario
registrado o cada dispositivo cliente (una misma persona se considerará un usuario diferente si accede desde
diferentes navegadores en un mismo ordenador (Edge, Firefox, Safari o Google Chrome) con el objetivo de
identificarle cada vez que visita el sitio web. De esta manera, cada vez que se envían datos de esa persona/cliente
a la herramienta, GA los agrupará.

En el nivel de sesión encontramos cada experiencia distinta en el sitio durante un periodo de tiempo previamente
delimitado de manera artificial en función de la no actividad del usuario. Por ejemplo, si un usuario accede por la
mañana a una tienda de comercio electrónico y busca un ordenador portátil, esa experiencia en el sitio representa
una sesión. Mientras el usuario permanezca en el sitio (sin límite de duración), se considerará que está en la misma
sesión siempre que entre interacción e interacción no se supere un umbral de tiempo de no interacción. Por ello,
si ese mismo usuario vuelve a la misma tienda por la tarde y realiza la compra, lo habrá́ hecho en una nueva sesión.
Por tanto, tendremos un mismo usuario y 2 sesiones. Por defecto, para GA una sesión finaliza tras un periodo de
inactividad superior a 30 minutos (aunque es algo que se puede configurar según las características del sitio web
a analizar).
Un evento es cada interacción realizada por un usuario. Por ejemplo, cada vez que acceda a una página diferente
del sitio web, GA generará un evento llamado PageView, o cada vez que se desplace hasta la parte inferior de la
página, GA almacenara un evento denominado Scroll. De hecho, incluso la creación de cada usuario (cuando GA4
le asigna un ID al usuario) también se considera un evento. GA cuenta con una importante cantidad de eventos
predefinidos. Más allá́ de los eventos predefinidos, la herramienta permite configurar también eventos
personalizados.
¿QUÉ MIDE GOOGLE ANALYTICS?
Si bien no se limita estrictamente a estos entornos, la documentación, ayuda, ejemplos e informes preconfigurados
de GA se orientan a:
• Sitios y aplicaciones web.
• Aplicaciones móviles (Android e iOS).
• Videojuegos para móviles.
Google Analytics (GA) es una herramienta de analítica digital centrada en el análisis del comportamiento de los
usuarios cuando visitan sitios web y aplicaciones móviles. Es decir, un instrumento que permite capturar datos
sobre las interacciones de los usuarios en sus dispositivos digitales (equipos de escritorio, móviles...) y consultarlos
a través de una interfaz específica mediante diferentes tipos de informes, o exportarlos para utilizarlos en terceras
herramientas de visualización de datos.
Métricas
Llegados a este punto conviene recuperamos el concepto de métrica. Las métricas son datos numéricos exactos
que, dentro de una escala predefinida (minutos, horas, días, semanas, años...), nos indican un volumen
determinado en un periodo de tiempo concreto. Algunos ejemplos de métricas podrían ser 15.000€ (dato exacto)
de ingresos en el mes de febrero (escala), o 35 de sesiones (dato exacto) en las que se hace clic en un botón
concreto el día del Black Friday (escala).
GA recoge fundamentalmente las interacciones de los usuarios (qué páginas han visitado, sobre qué botón han
pulsado, cuánto tiempo han pasado en cada página, sobre qué enlace hacia otro sitio web han hecho clic, ...). Es lo
que en el apartado anterior hemos definido como eventos. Todas las métricas disponibles en GA surgen de algún
evento. De esta manera, sumando todos los eventos de un tipo obtendremos métricas totales como: el total de
páginas vistas, de clics en un botón, de productos añadidos al carro, de conversiones (en un periodo de tiempo).
KPI
Key Performance Indicators o indicadores clave de rendimiento, son un conjunto de métricas que nos permiten
medir el rendimiento de un proyecto (en el caso que nos ocupa, de un sitio web o App) en función de unas metas
u objetivos definidos previamente. Algunos autores también se refieren a ellos como KSI (Key Success Indicators).
A diferencia de las métricas simples que solo muestran el valor de un evento en un periodo de tiempo
determinado, los KPI se valen de diferentes métricas para ayudarnos a determinar o medir el grado de
cumplimiento de nuestros objetivos. Se trata de métricas que analizadas en conjunto nos proporcionan una visión
sobre las deficiencias y progresos en nuestra actividad. Algunos autores diferencian entre KPI básicos y avanzados,
para referirse a lo que aquí denominamos métricas simples y KPI respectivamente.
Como cada sitio web o App presenta sus propios objetivos, será responsabilidad de los analistas seleccionar y
contextualizar sus propios KPI.

Insights
Cuando aplicamos una perspectiva de negocio a los datos recogidos e intentamos buscar respuestas en ellos,
hablamos de insights. Para ello, en primer lugar, definimos a quién observamos, es decir, el perfil de usuario o las
diferentes tipologías de personas de acuerdo con diferentes
categorías (ubicación geográfica, tipo de dispositivo utilizado,
características sociodemográficas...). En segundo lugar,
observamos qué hace cada una de esas tipologías de usuario. A
partir de estos dos datos, se formulan hipótesis racionalmente
establecidas sobre el por qué esos usuarios en concreto actúan de
esa manera. Eso es un insight.
Evidentemente, el “por qué”́ no lo proporcionará la herramienta de

analítica, sea GA o cualquier otra, sino que lo deberemos encontrar
nosotros después de analizar los datos y la página/s o pantalla del
sitio web o App relacionadas. Por otro lado, las razones por las que
se produce también pueden variar completamente en cada caso.
Finalmente, en analítica digital trabajamos con métricas y KPI
relacionadas con los siguientes objetivos: audiencia, adquisición,
interacción, rendimiento, conversión y fidelización.
Dimensiones
Las dimensiones son una forma de clasificación de los datos que permiten segmentar el total de los datos
capturados en grupos con un nombre específico. Por ejemplo, se podría segmentar a los usuarios que llegan a
través de una campaña por su rango de edad, su localización geográfica o según si han comprado en la última
semana según el tipo de dispositivo utilizado.
Las dimensiones más importantes en GA4 son:
• Los nombres de los eventos.
• El tiempo de captura del evento (año, mes, día...).
• El origen y campaña: fuente (Google, Bing, Facebook...), medio (orgánico, social, email, directo...) y nombre
de la campaña.
• La ubicación geográfica del usuario (país, región, ciudad...).
• Diversos datos sociodemográficos a partir de Google Signals (edad, sexo, intereses...).
• La tecnología utilizada (sistema operativo, navegador, categoría de dispositivo, modelo de dispositivo,

resolución de pantalla...).
• Los títulos de páginas o pantallas.

Analiticas y Metricas de Marketing Digital

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

Analiticas y Metricas de Marketing Digital

Cargado por

Copyright:

Formatos disponibles

analiticas-y-metricas-de-marketi...

Analíticas y Métricas de Marketing Digital (Semipresencial)

Facultad de Ciencias Jurídicas y Sociales. Campus de Madrid -

Reservados todos los derechos.

• ¿Cuáles son los datos correctos que tengo que recoger?

• ¿Cómo recojo, organizo y almaceno estos datos?

• ¿Cómo trabajo y relaciono los datos con el negocio?

• Tipo de datos que queremos recoger.

• Listado con las fuentes.

o Plataforma web, ecommerce o o Otros programas.

La analítica tiene que responder a 4 preguntas fundamentales:

• Modelo descriptivo: ¿qué ocurre en el negocio?

• Modelo de diagnóstico: ¿por qué ocurre?

• Modelo predictivo: ¿qué es probable que ocurra?

• Modelo prescriptivo: ¿cómo hago que ocurra?

Una estrategia de analítica profesional debe:

• Extraer los datos digitales.

• Analizar y cruzar los datos extraídos por área de impacto.

• Hacer prueba y error con testing.

• Facilitar la toma de decisiones basándonos en los resultados de los testing.

• Aumentar la conversión final del sitio web.

La analítica tiene que responder a 4 preguntas fundamentales:

• Incorporar a la toma de decisiones indicadores de rentabilidad.

• Añadir datos estratégicos del benchmarking de competidores.

• Analizar datos históricos.

Una de las primeras ventajas en a analítica de datos se observó en los servicios

El PSOE 'personaliza' su campaña en las redes y gasta 5 veces más que el PP en

si lees esto me debes un besito

Evolucionó de la mano de la inteligencia artificial aplicada al procesamiento de los datos en la industria

MODELO DE MADUREZ DIGITAL

MEDIR CON ÉXITO UNA ESTRATEGIA DIGITAL

Claves Áreas de impacto

Estrategia: Ordenar la gestión de Las fases del proceso de compra

Claves Datos históricos

Diseñar escenarios de acción.

si lees esto me debes un besito

Método: Análisis digital avanzado.

Estrategia: Trabajar el diseño de

Método: Análisis de regresión,

si lees esto me debes un besito

TIPOS DE NEGOCIO ONLINE

− Tienda online o e-commerce de venta de producción/servicios. Generación de ingresos directos en

− Marketplace general o sectorial. Portal donde se generan transacciones comerciales de productos

− Apps o plataformas de venta a través del dispositivo móvil.

BLOQUES ESTRATÉGICOS DE ANÁLISIS

o Conocimiento de la marca o Consideración

KPI para medir la conversión KPI para medir el retorno

− Tasa de conversión (Conversion Rate). − Ticket medio o cesta media.

− Total de transacciones (unidades − Tasa de retención.

− Coste de adquisición (CPA) y por

− El impacto de la marca en la sociedad,

si lees esto me debes un besito

Ranking de Palabras Clave

Métricas en Redes Sociales Análisis de Sentimientos en Comentarios

si lees esto me debes un besito

− Retorno de la inversión publicitaria (ROAS). El retorno de la inversión publicitaria o Return On

𝑇𝑜𝑡𝑎𝑙 𝑑𝑒 𝑖𝑛𝑔𝑟𝑒𝑠𝑜𝑠 𝑝𝑜𝑟 𝑐𝑜𝑛𝑣𝑒𝑟𝑠𝑖𝑜𝑛𝑒𝑠 𝑑𝑒 𝑐𝑎𝑚𝑝𝑎ñ𝑎

o ROI global. o Pago y no pago.

o Por canal de adquisición o o ROI detalle.

𝐼𝑛𝑔𝑟𝑒𝑠𝑜𝑠 𝑡𝑜𝑡𝑎𝑙𝑒𝑠 − 𝐶𝑜𝑠𝑡𝑒𝑠 𝑡𝑜𝑡𝑎𝑙𝑒𝑠

𝑀𝑅𝑅 = 𝐼𝑛𝑔𝑟𝑒𝑠𝑜𝑠 𝑝𝑜𝑟 𝑐𝑎𝑑𝑎 𝑐𝑙𝑖𝑒𝑛𝑡𝑒 𝑥 𝑁ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑐𝑙𝑖𝑒𝑛𝑡𝑒𝑠

si lees esto me debes un besito

o Clientes estrella o mejores o Clientes congelados o