Documentos de Académico
Documentos de Profesional
Documentos de Cultura
1 © RED SUMMA
Índice
1 Introducción .......................................................................................................................... 3
10 Conclusiones ................................................................................................................ 15
RED SUMMA®
Nota Técnica preparada por la Red Summa. Su difusión, reproducción o uso total o parcial
para cualquier otro propósito queda prohibida. Todos los derechos reservados
Objetivos
• Entender la analítica como herramienta al servicio de la toma de
decisiones.
• Conocer la naturaleza de los datos y el tipo de análisis que se puede hacer
con ellos.
• Ser capaces de interpretar las métricas en su contexto correcto.
1 Introducción
Un día tu jefe te pregunta: ¿Cuántas visitas tiene la página web? ¡Por fin se ha
interesado! Vas corriendo al Google Analytics a darle la respuesta, pero…
¿Qué quería decir el jefe por las visitas que tiene la página web?
• Sesiones
• Usuarios únicos
• Usuarios únicos mensuales
• Páginas vistas
Google Analytics también nos pedirá un intervalo de tiempo. Nuestro jefe podría
querer los datos de:
• Hoy
RED SUMMA®
Nota Técnica preparada por la Red Summa. Su difusión, reproducción o uso total o parcial
para cualquier otro propósito queda prohibida. Todos los derechos reservados
• Esta semana pasada
• El último mes
• El año pasado
• Desde siempre
Volvemos al despacho del jefe y le preguntamos. ¿Deseas los datos de las
sesiones de los últimos 30 días? Nos dice sí.
Volvemos a Google Analytics, seleccionamos la métrica, el rango de fechas y
fueron 1.000 las sesiones el mes pasado (marzo).
El jefe nos responde: No entiendo bien ese dato. No puedo saber si es un buen
resultado o un mal resultado… además, ¿Qué son exactamente las sesiones? Yo
quiero saber cuántas visitas ha habido.
Tu jefe no está contento con la respuesta por dos razones:
• Los valores sin contexto no pueden ser interpretados.
• Las métricas utilizadas deben ser comprendidas por el jefe primero.
Deberemos explicarle al jefe qué es una sesión y por qué le sugerimos esa
métrica y además deberemos decirle si 1.000 sesiones son buenas o malas. Para
ello podríamos compararlos con las sesiones del mes pasado o del mismo mes
del año pasado.
Marzo
Enero Febrero Media del año
(mes pasado)
RED SUMMA®
Nota Técnica preparada por la Red Summa. Su difusión, reproducción o uso total o parcial
para cualquier otro propósito queda prohibida. Todos los derechos reservados
La respuesta natural e ingenua sería: “La probabilidad de que una visita rellene un
formulario está medida por la tasa de conversión. Como bien sabemos, la tasa de
conversión de la web ha sido siempre del 4% aproximadamente.”
Por tanto, si hemos tenido 1000 visitas (sesiones) deberías tener 40 formularios
rellenos este mes de marzo. Seguramente el equipo de ventas no esté haciendo
bien su trabajo.
Nos vamos a Google Analytics y miramos la consecución de objetivos y
comprobamos con horror la siguiente tabla de resultados:
Marzo
Enero Febrero Media del año
(mes pasado)
Formularios de contacto 20 18 21 20
Es evidente, a la luz de los datos que algo va mal. La regla de que tasa de
conversión de nuestra web es del 4% no nos funciona. Aunque el tráfico a la
web está aumentando, no lo hacen las oportunidades de venta, que están
siempre en los mismos valores.
Nuestro jefe nos pregunta entonces: ¿Y ese tráfico de dónde viene?
Formularios de contacto 16 5 0
Parece que el culpable de que aumente el tráfico pero que no aumenten las
ventas la tiene una campaña publicitaria contratada a popads.net que trae
muchas visitas, pero poca intención de compra. (Popads es conocido entre los
expertos black-hat SEO por ser un portal del que se obtiene tráfico barato de
mala calidad.)
Al poner los datos en contexto, hemos podido saber qué iniciativa de marketing
Es preferible usar métricas sencillas no funciona y hemos podido prescindir del gasto en popads.net.
para analizarlas en su contexto.
RED SUMMA®
Nota Técnica preparada por la Red Summa. Su difusión, reproducción o uso total o parcial
para cualquier otro propósito queda prohibida. Todos los derechos reservados
Además, podemos decirle a nuestro jefe, que siga invirtiendo en Google, porque,
aunque tiene una tasa de conversión menor que el tráfico directo, supone 16 de
las 21 oportunidades de venta totales.
También podremos concluir que el tráfico directo es el más eficiente y debemos
invertir en conocimiento de marca (branding), para aumentarlo.
La analítica está al servicio de la toma de decisiones. De nada nos vale una
métrica sin contexto o una métrica que no entienda la persona que la va a
leer.
Es preferible usar métricas sencillas y fácilmente comprensibles que
métricas muy exactas pero que sólo tú puedes entender.
RED SUMMA®
Nota Técnica preparada por la Red Summa. Su difusión, reproducción o uso total o parcial
para cualquier otro propósito queda prohibida. Todos los derechos reservados
• También sería posible programar un código que se ejecute en el
servidor en tiempo real que guardara la información las visitas en una
base de datos privada, pero en la práctica no se usa salvo en contadas
excepciones o en sistemas de inbound marketing con todo integrado.
En ocasiones, tomamos decisiones basadas en corazonadas, intuiciones y no
utilizamos la información disponible porque:
• No sabemos qué significan las métricas.
• No sabemos entender los datos.
• No sabemos comparar los datos con una referencia.
• No sabemos obtener una respuesta que nos lleve a tomar medidas.
Una buena comprensión de los datos, nos permitirá saber que estamos
tomando la decisión acertada y el nivel de confianza con el que jugamos a
la hora de hacer argumentos o aseveraciones.
RED SUMMA®
Nota Técnica preparada por la Red Summa. Su difusión, reproducción o uso total o parcial
para cualquier otro propósito queda prohibida. Todos los derechos reservados
La tasa de rebote se calcula como:
Te dice cuanta gente visitó tu página, no le gustó lo que vio y se fue por donde
vino y es:
• Sencilla de entender.
• Relevante: Porque nos importa la calidad de nuestro contenido.
• Puntual: Está disponible en poco tiempo en Google Analytics.
• Inmediatamente útil: Te discrimina las páginas buenas de las malas y
puedes ponerte directamente a trabajar sin más necesidad de análisis.
referencia la métrica.
RED SUMMA®
Nota Técnica preparada por la Red Summa. Su difusión, reproducción o uso total o parcial
para cualquier otro propósito queda prohibida. Todos los derechos reservados
Conversiones
% Conversión = ∗ 100 %
Visitas
Puedo decir:
• En términos absolutos que 1.000 visitas generan 20 conversiones
• o en términos relativos que tengo un 2% de conversiones.
Los valores absolutos nos dan una noción del volumen:
• Las ventas totales en euros (€).
• Las visitas totales.
• Las unidades vendidas.
Los valores relativos nos dan una noción de la eficiencia y por tanto sirven para
comparar métricas con volúmenes diferentes.
• Tasa de conversión del tráfico proveniente de Facebook.
• Tasa de conversión del tráfico proveniente de Google.
Aunque tenga 100 visitas de tráfico de Facebook y 1.000 de google.com siempre
podré saber cuál es más eficiente mirando la tasa de conversión.
Tráfico de
100 5 5%
Facebook
Tráfico de
1.000 20 2%
google
RED SUMMA®
Nota Técnica preparada por la Red Summa. Su difusión, reproducción o uso total o parcial
para cualquier otro propósito queda prohibida. Todos los derechos reservados
de 300 visitas y sólo podría obtener 15 conversiones y renunciaría a las 20
conversiones que sí me está dando ya Google.
Hemos visto ya que los datos relativos sirven para comparar la eficiencia de un
Es muy peligroso fiarse de los porcentajes. valor absoluto cuando tenemos volúmenes distintos. Pero… ¿me puedo fiar de
Podrían representar pocos datos y por todos los datos relativos?
tanto no ser representativos de lo que Por ejemplo: El clickthrough es una métrica de la eficiencia de un anuncio
queremos analizar. respecto de las veces que se muestra y se expresa por:
Clicks en el anuncio
CTR = ∗ 100 (%)
Impresiones del anuncio
Caso A 20 1 5%
Caso B 100 5 5%
Caso C 500 25 5%
Los tres casos, tienen un CTR del 5% pero la calidad de estos datos no es la
misma.
¿Qué pasaría si la próxima impresión tuviera un click? ¿Cuánto variaría el CTR?
Caso A 21 2 9,52%
RED SUMMA®
Nota Técnica preparada por la Red Summa. Su difusión, reproducción o uso total o parcial
para cualquier otro propósito queda prohibida. Todos los derechos reservados
Como podemos ver, los datos relativos cambian mucho si son relativos a
volúmenes pequeños y se mantienen muy parecidos si son relativos a
volúmenes grandes de datos.
Si me preguntan cuál es el CTR del caso C diré que del 5% con mucha seguridad.
En el caso A, 20 impresiones están representadas por un porcentaje del 5% y
cuando tuviéramos la nueva impresión, 21 impresiones estarían representadas por
un porcentaje del 9.52%.
No podemos determinar el CTR con fiabilidad cuando sabemos que, con la
próxima impresión, podría casi duplicar su valor.
8 La Media y la Mediana
¿Cuál es mi peso?
Si utilizo la media para calcular, mi peso será:
50 + 100 + 101
Peso = = 83,67Kg
3
Es incorrecto que podamos concluir que mi peso es redondeando 84Kg.
Probablemente hubo un error en la primera pesada. Si descartásemos ese valor,
entonces la media sería:
100 + 101
Peso = = 100,5 Kg
2
En analítica web, siempre tendremos pocos datos al inicio de la medición o al
inicio de los proyectos y no podemos extraer conclusiones con pocos datos que
las sustenten.
La mediana es el resultado de ordenar los valores y tomar el valor del centro. En
el caso de que sean pares, será la media de los dos valores centrales.
Si utilizase la mediana para calcular mi peso:
RED SUMMA®
Nota Técnica preparada por la Red Summa. Su difusión, reproducción o uso total o parcial
para cualquier otro propósito queda prohibida. Todos los derechos reservados
• Ordeno los 3 datos. En este caso ya están ordenados en orden creciente y
no hay que recolocar los valores.
• Tomo el valor del centro. En este caso el segundo que se corresponde con
la pesada 2.
Peso = Mediana = Valor del centro = 100 Kg
Este valor es muy robusto. Si añadiésemos pesadas, no variaría mucho puesto que
iríamos añadiendo pesadas mayores y menores en torno a la mediana y sólo nos
fijaríamos en el valor central.
Cuando tenemos pocos datos, nos interesa conocer la mediana, pero los
sistemas de analítica web sólo trabajan con medias por tanto tenemos un
problema. No tendremos datos buenos hasta que tengamos muchos.
Otra posibilidad es descartar los datos atípicos.
RED SUMMA®
Nota Técnica preparada por la Red Summa. Su difusión, reproducción o uso total o parcial
para cualquier otro propósito queda prohibida. Todos los derechos reservados
Si por ejemplo el tiempo medio en la web es 36 segundos. ¿Qué podemos inferir
de ahí? Absolutamente nada. La media nos está ocultando lo que pasa realmente
con los datos, pero podemos aplicar diferentes técnicas para obtener la
información que necesitamos.
Segmentar los datos de las medias
Identificamos los segmentos más importantes y calculamos la media para cada
uno de esos segmentos.
Google 32s
Popads.net 12s
Me gustaría saber qué palabras me dan más tasa de rebote y qué palabras me
dan menos tasa de rebote. El problema es que siempre serán las palabras de 1
RED SUMMA®
Nota Técnica preparada por la Red Summa. Su difusión, reproducción o uso total o parcial
para cualquier otro propósito queda prohibida. Todos los derechos reservados
visita las que me den el 0% y el 100% y no podré ordenar los resultados por tasa
de rebote.
Ordenando por tasa de rebote creciente:
Abogados Chapinería 1 0%
Resulta que de entre todas las visitas que hubo en la web sólo hubo una para
“abogados chapinería” y el visitante se quedó en la web y no originó un rebote.
Este dato no es relevante porque no vamos a optimizar una página con una visita
por si acaso dentro de 3 meses viene otro visitante.
Ordenando por tasa de rebote decreciente obtenemos un resultado análogo:
RED SUMMA®
Nota Técnica preparada por la Red Summa. Su difusión, reproducción o uso total o parcial
para cualquier otro propósito queda prohibida. Todos los derechos reservados
El problema de las métricas compuestas es que ocultan los principios
subyacentes que intentamos medir y por tanto nos dan datos con los que no
podemos hacer nada.
Supongamos una métrica compuesta:
𝐶𝑎𝑙𝑖𝑑𝑎𝑑 𝑑𝑒 𝑙𝑎 𝑣𝑖𝑠𝑖𝑡𝑎 = (𝑎 + 𝑏 − 𝑐 + 𝑑 + 𝑒/5) ∗ 1476
Donde,
• a = %descargas
• b = %visitas con más de 2 páginas vistas
• c = %visitas con rebote
• d = %visitas que comparten en redes sociales
• e = %visitas que rellenaron un formulario
Esta métrica es tan complicada que incluso aunque pudieras explicársela a otra
persona y ésta entendiera lo que significa, tardaríais mucho tiempo analizando el
valor y extrayendo conclusiones simplemente porque es más complicada de
entender.
Sin embargo, podríamos trabajar con las métricas a, b, c, d y e por separado para
poder explicar lo mismo de una manera más clara.
10 Conclusiones
• Debemos usar métricas que todos los que vayan a leer los informes
puedan entender sin esfuerzo.
• Necesitamos un volumen de datos suficiente para poder sacar
conclusiones.
• Las medias tienden a ocultar lo que sucede realmente. Debemos
segmentar y contextualizar las métricas para obtener el conocimiento
que está escondido en los datos.
RED SUMMA®
Nota Técnica preparada por la Red Summa. Su difusión, reproducción o uso total o parcial
para cualquier otro propósito queda prohibida. Todos los derechos reservados
11 Bibliografía Esencial
RED SUMMA®
Nota Técnica preparada por la Red Summa. Su difusión, reproducción o uso total o parcial
para cualquier otro propósito queda prohibida. Todos los derechos reservados