—

1 © RED SUMMA
Índice

1 Introducción .......................................................................................................................... 3

2 Hacer las Preguntas Correctas y Obtener la Respuesta ........................................... 3

3 Decisiones Basadas en la fe vs Decisiones Basadas en los Datos .......................6

4 Las Buenas Métricas ........................................................................................................... 7

5 El Proceso del Análisis de Datos .....................................................................................8

6 Datos Absolutos y Datos Relativos..................................................................................8

7 El Volumen de los Datos .................................................................................................. 10

8 La Media y la Mediana ....................................................................................................... 11

9 Técnicas de Análisis de Métricas .................................................................................. 12

10 Conclusiones ................................................................................................................ 15

11 Bibliografía Esencial ......................................................................................................... 16

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

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

porque queramos diseñar los objetivos o bien porque tengamos que reportar a un
superior o comunicar los resultados a un inversor, el análisis de los datos
disponibles es una herramienta esencial para tomar decisiones fundamentadas y
convencer a quien necesitamos con argumentos sólidos de cuál es el camino a
seguir, cuál es el valor de los esfuerzos en marketing o cuál debe ser la estrategia.
Tenemos tendencia a fiarnos ciegamente de los datos, sin entender bien qué
significan y podemos llegar a conclusiones erróneas si no se tiene cuidado.

2 Hacer las Preguntas Correctas y Obtener la Respuesta

Un día tu jefe te pregunta: ¿Cuántas visitas tiene la página web? ¡Por fin se ha
interesado! Vas corriendo al Google Analytics a darle la respuesta, pero…
¿Qué quería decir el jefe por las visitas que tiene la página web?
• Sesiones
• Usuarios únicos
• Usuarios únicos mensuales
• Páginas vistas
Google Analytics también nos pedirá un intervalo de tiempo. Nuestro jefe podría
querer los datos de:
• Hoy

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)

Sesiones 600 800 1.000 500

Con esta tabla nuestro Jefe puede ver que:

1. en efecto las sesiones son 1.000
2. están aumentando
3. los últimos 3 meses las sesiones están por encima de los valores de la
media anual.
Pero tu jefe tiene otra pregunta más: ¿Por qué no han aumentado las ventas de
la web en los últimos 3 meses?

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)

Sesiones 600 800 1.000 500

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?

google.es Tráfico directo popads.net

Sesiones de Marzo 500 100 400

Formularios de contacto 16 5 0

Tasa de conversión 3.2% 5% 0%

Es preferible usar métricas sencillas
para analizarlas en su contexto.
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
no funciona y hemos podido prescindir del gasto en popads.net.

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

En ocasiones no entendemos bien
los datos y nos pueden llevar a error.
En otras, extraemos conclusiones
erróneas.
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.
3 Decisiones Basadas en la fe vs Decisiones Basadas en los
Datos
Disponemos de infinidad de datos de acceso gratuito, pero no tenemos una
mayor comprensión de lo que sucede realmente.
El volumen de información per se no nos aporta más conocimiento sobre lo que
sucede y cómo podemos mejorar.
Muchas empresas grandes y pequeñas se han dedicado a recopilar datos
con herramientas como:
• Google Analytics
• Piwik
• Omniture
A partir de la llegada de Google Analytics se democratiza la analítica web.
¿Cómo se toman los datos?
Hay fundamentalmente dos modelos de medición web:
• Logs: Son ficheros que el servidor web guarda con los detalles de las
peticiones http y https que recibe y atiende.
• Javascript: Es un código que se ejecuta en el navegador del cliente (la
persona que visita la web) que informa a la herramienta de analítica de los
detalles de la visita.
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.

4 Las Buenas Métricas

Una métrica buena debe ser:

Intenta usar siempre las mejores
• Sencilla: Las decisiones en las organizaciones no las toma una única
métricas posibles: sencillas, relevantes,
persona. Todas las personas involucradas en la decisión deben entender lo
puntuales e inmediatamente útiles. que significan.
• Relevante: Tiene que estar alineada con los objetivos del negocio. Si el
objetivo es comunicar un mensaje, una buena métrica podría ser el tiempo
medio en la página, pero si el objetivo es vender, una mejor métrica sería el
número de carritos de la compra abandonados.
• Puntual: Tiene que llegar a tiempo de tomar las decisiones. Si es difícil de
calcular o de obtener, es mejor usar otra métrica. No es necesario obtenerla
en tiempo real, pero entre eso y que tarde 3 meses en obtenerse el dato hay
un punto intermedio.
• Inmediatamente útil: Cuando se entiende lo que expresa la métrica, ya
sabes lo que hay que hacer para mejorar.
Un ejemplo de una métrica como esta es la tasa de rebote.

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:

𝑽𝒊𝒔𝒊𝒕𝒂𝒔 𝒒𝒖𝒆 𝒏𝒐 𝒉𝒊𝒄𝒊𝒆𝒓𝒐𝒏 𝒏𝒊𝒏𝒈ú𝒏 𝒄𝒍𝒊𝒄𝒌 𝒚 𝒔𝒆 𝒇𝒖𝒆𝒓𝒐𝒏

%𝒓𝒆𝒃𝒐𝒕𝒆 = 𝑻𝒐𝒕𝒂𝒍 𝒅𝒆 𝒗𝒊𝒔𝒊𝒕𝒂𝒔

Te dice cuanta gente visitó tu página, no le gustó lo que vio y se fue por donde
vino y es:
• Sencilla de entender.
• Relevante: Porque nos importa la calidad de nuestro contenido.
• Puntual: Está disponible en poco tiempo en Google Analytics.
• Inmediatamente útil: Te discrimina las páginas buenas de las malas y
puedes ponerte directamente a trabajar sin más necesidad de análisis.

5 El Proceso del Análisis de Datos

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

Si no somos capaces de tomar decisiones, constantemente.
debemos replantearnos todo el proceso
• Buscamos nuestras métricas esenciales. No nos valen todas. Seleccionamos
desde el principio. las imprescindibles y más.
• Las medimos en su contexto.
• Analizamos los datos recolectados y extraemos las conclusiones
pertinentes.
• Tomamos decisiones.
Si fallamos en alguno de los puntos anteriores, deberíamos replantearnos si
estamos usando las métricas adecuadas.

6 Datos Absolutos y Datos Relativos

Una misma información puede expresarse de manera absoluta o relativa.

Los datos relativos deben siempre Si la tasa de conversión es:
mostrarse junto a un dato absoluto que

nos indique el volumen al que hace

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.

Visitas Conversiones Tasa de conversión

(absoluto) (absoluto) (relativo)

Tráfico de
100 5 5%
Facebook

Tráfico de
1.000 20 2%
google

No sería adecuado inferir que el tráfico de google.com es más eficiente respecto

de las conversiones, porque, aunque sean 20 conversiones, sólo soy capaz de
convertir el 2%.
Si tuviese 1.000€ extra para invertir en publicidad, probablemente lo invertiría en
Facebook porque el rendimiento de las visitas es del 5% y por tanto muy superior
al 2% de Google.
Pero jamás me plantearía dejar de invertir en google sin probar antes qué tal
funciona Facebook. Podría ser que Facebook no fuera capaz de generarme más

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.

7 El Volumen de los Datos

Es muy peligroso fiarse de los porcentajes.
Podrían representar pocos datos y por
tanto no ser representativos de lo que
queremos analizar.
Hemos visto ya que los datos relativos sirven para comparar la eficiencia de un
valor absoluto cuando tenemos volúmenes distintos. Pero… ¿me puedo fiar de
todos los datos relativos?
Por ejemplo: El clickthrough es una métrica de la eficiencia de un anuncio
respecto de las veces que se muestra y se expresa por:

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

Impresiones Clicks CTR

Caso A 20 1 5%

Caso B 100 5 5%

Caso C 500 25 5%

Los tres casos, tienen un CTR del 5% pero la calidad de estos datos no es la
misma.
¿Qué pasaría si la próxima impresión tuviera un click? ¿Cuánto variaría el CTR?

Impresiones Clicks CTR

Caso A 21 2 9,52%

Caso B 101 6 5,94%

Caso C 501 26 5,19%

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

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

Para que la media nos valga como

medida precisa, necesitamos un

Pesada 1 2 3
volumen de datos mínimo de 80.
Peso 50 Kg 100Kg 101Kg

¿Cuál es mi peso?
Si utilizo la media para calcular, mi peso será:
50 + 100 + 101
Peso = = 83,67Kg
3
Es incorrecto que podamos concluir que mi peso es redondeando 84Kg.
Probablemente hubo un error en la primera pesada. Si descartásemos ese valor,
entonces la media sería:
100 + 101
Peso = = 100,5 Kg
2
En analítica web, siempre tendremos pocos datos al inicio de la medición o al
inicio de los proyectos y no podemos extraer conclusiones con pocos datos que
las sustenten.
La mediana es el resultado de ordenar los valores y tomar el valor del centro. En
el caso de que sean pares, será la media de los dos valores centrales.
Si utilizase la mediana para calcular mi peso:

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

Las medias y porcentajes deben servir
para saber dónde debemos profundizar.
Este epígrafe explica cómo profundizar.
• 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.
9 Técnicas de Análisis de Métricas
Nuestra capacidad de análisis está muy mermada porque llenamos nuestros
paneles de control e informes de métricas que trabajan en nuestra contra.
Estas técnicas de medida son:
• Medias
• Porcentajes
• Métricas compuestas
Cada una de estas métricas es común en nuestros informes, pero frecuentemente
esconden el conocimiento que necesitamos en vez de mostrarlo claramente.
El uso de estas técnicas no es malo per se, pero lo usamos ineficientemente.
Trabajando con Medias
El atractivo de trabajar con medias es el de resumir todos los datos en un único
valor.
Aunque ningún visitante de tu web es el visitante medio y ningún comportamiento
es el comportamiento promedio, usamos el valor de la media para representar a
todos los visitantes.
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.

Tiempo medio en la página

Todas las visitas 36s

Redes sociales 45s

Google 32s

Popads.net 12s

Ahora sí puedo ver la información oculta tras la media.

Trabajando con porcentajes
Cuando tenemos un informe con porcentajes necesitamos filtrar para encontrar
los datos buenos y malos.
Por ejemplo. Tengo un informe con muchísimas palabras clave como este
ordenando por visitas:

Palabra clave Visitas Tasa de Rebote

Abogado 500 30%

Abogados Madrid 350 80%

Contratar abogado 150 20%

Me gustaría saber qué palabras me dan más tasa de rebote y qué palabras me
dan menos tasa de rebote. El problema es que siempre serán las palabras de 1

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:

Palabra clave Visitas Tasa de Rebote

Abogado velilla de San Antonio 1 0%

Abogados Chapinería 1 0%

Abogado en aldea del fresno 1 0%

Resulta que de entre todas las visitas que hubo en la web sólo hubo una para
“abogados chapinería” y el visitante se quedó en la web y no originó un rebote.
Este dato no es relevante porque no vamos a optimizar una página con una visita
por si acaso dentro de 3 meses viene otro visitante.
Ordenando por tasa de rebote decreciente obtenemos un resultado análogo:

Palabra clave Visitas Tasa de Rebote

Abogado moratalaz 1 100%

Abogados ventas 1 100%

Abogado simancas 1 100%

Antes de ordenar, debemos siempre excluir los resultados poco relevantes. En

este caso las páginas que tengan menos de 100 visitas y luego ordenar.
Podemos también segmentar los datos igual que hacíamos con las medias.
Métricas compuestas
Una métrica compuesta es una métrica cuyos subcomponentes son otras
métricas.

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

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

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

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