Transcripciones
1. Introducción al curso intensivo: Hola, ahí. Esto es
parte del juego. El análisis no se trata de
conocer cada reporte de GA cuatro. Se trata principalmente de
la capacidad de encontrar el interior e idealmente dar forma
a las decisiones comerciales. Así es exactamente como creé este curso choque de Analytics. Cultivaremos siete principios
básicos de análisis para ayudarle a convertirse en analista
senior Pasaremos por el escepticismo, segmentación y la capacidad de
responder a la pregunta, ¿ Cada principio está respaldado por los ejemplos del mundo real
en G para demos. Una vez que complete eso, se
sentirá bastante seguro de responder preguntas difíciles de
negocios. ¿Listos? Únete.
2. La trampa de los promedios: Los promedios esconden la verdad. Tu
tasa de conversión promedio podría ser del 2%, pero ¿y si una
campaña convierte al 5% y la otra
al medio por ciento? Los promedios lo cubren. Un ejemplo de la vida real,
supongamos que tú y tu amigo están parados en el lago que tiene en
promedio 1 metro de profundidad. Aún puedes ahogarte fácilmente si un punto tiene 3 metros de profundidad Así es exactamente como los
promedios pueden engañarnos. Vamos a sumergirnos profundamente y
echarle un vistazo. Bien echemos un vistazo
al par de ejemplos de
cómo los promedios nos están ocultando información
importante. El primer ejemplo sencillo es, estoy en el clásico reporte de
adquisición de tráfico, que creo que ya saben
todos. Estoy desplazándome hacia abajo y cambié mi
dimensión de agrupación de canales predeterminada al medio de origen de
sesión, que es un desglose un poco
mejor Por alguna razón, supongamos que
me interesa saber cuál es el
tiempo promedio de engagement por usuario activo. Esta es la métrica que
tengo del lado derecho aquí. Podemos ver que el promedio
es de 3 minutos y 50 segundos. Yo diría, bien, ¿y qué? Cuando estoy mirando
debajo de la superficie, estoy viendo que incluso la
segunda línea que tengo aquí, Google Organic está teniendo casi el doble de tiempo de
compromiso por un usuario, lo cual está bien. Esa es una
información interesante. Eso no lo sabía. Y cuando voy
dos líneas por debajo de eso, digo, Bien, ¿qué es esto? Quiero decir, sólo 1.5
minuto. ¿Qué es esto? Bien. Facebook. Nuevamente,
bastante interesante, algo que si
solo estuviera buscando en los promedios, no
estaría al tanto de
que Facebook está trayendo aquí
esas sesiones de bajo atractivo. Entonces bastante simple ejemplo, pero ya mostrando
cómo es fácil dejarse
engañar al mirar solo
en los promedios, ¿verdad Entonces ese fue el primer ejemplo.
Vamos a otro. Aquí estamos. Ahora mismo, estoy viendo el reporte
de las páginas de préstamo. Este es el
informe personalizado que construí, mirando en las páginas de préstamos, y estoy mirando las
sesiones que
están trayendo y luego
en la tasa límite, que es bastante común
comparación que todos hacemos Lo que estoy viendo
es, bien, de nuevo, si estuviera buscando
puramente en los promedios, diría que la tasa media
consolidada es de 38.27% Entonces, ¿qué? ¿Es bueno? ¿Es malo? Quiero decir, ¿qué está
funcionando bastante bien? Lo que no está funcionando tan bien. Nuevamente, necesito mirar más allá la superficie y
evitar los promedios. Si me limitara a ir
línea por línea aquí, estoy diciendo, Bien, homepage es
más o menos el promedio porque tiene el mayor
volumen de las sesiones. Pero luego voy a bajar
y estoy diciendo, Bien, la página web para
la tienda de mercancía de Google slash Canada tiene casi
60% de tasa de rebote Bien, entonces, ¿qué está pasando aquí? Quiero decir, ¿debería ser
así de grande o no? Entonces vemos algo
que es muy raro, teniendo casi el 100% de límites Eso es probablemente algún
dólar en los datos. Por este bien, yo lo
ignoraría. Entonces voy a
bajar, ¿qué es esto? O sea, 10.58%, eso no parece real o
este producto realmente
lo está haciendo genial En caso afirmativo, entonces vale mucho la pena examinar ¿por qué le
va tan bien? Nuevamente, si solo
miraras los promedios, estos datos y insights nos
quedarían ocultos. Echemos un vistazo a otro
ejemplo que tengo aquí. Nuevamente, informe personalizado, y
estoy buscando cuál es el ingreso promedio de compra por usuario
activo desglosado
por categoría de dispositivo. Si solo miráramos en
promedio, diríamos, Bien, el ingreso promedio de compra por usuario
activo es de casi $3. Echemos un vistazo
al desglose. Parece que el escritorio está
haciendo un poco más alto 4.34. Pero entonces cuando estoy
mirando en el móvil, por
ejemplo, aquí, que
está avisando mi atención, es apenas 0.46 y es un
tercio del tráfico Nuevamente, esto es algo que
realmente me gustaría
examinar con más detalle y si no estaría mirando por debajo más allá del número promedio. Esta información me
estaría oculta. Ahora, veo una cohorte bastante
fuerte de los usuarios que no están
gastando tanto, en realidad De nuevo, algo que los
promedios nos ocultarían. Otro ejemplo,
qué mirar. Estoy teniendo aquí la tasa de eventos clave de
sesión, que en este caso es
comprar algo en línea y estoy viendo
el desglose por país. En promedio, puedo decir que la tasa promedio de eventos
clave de sesión o anteriormente conocida como
tasa de conversión sería de 1.3. Entonces como estoy mirando más allá de la
superficie, más allá de la media, estoy viendo, bien, entonces las tres
primeras líneas
están ligeramente por encima, pero luego voy
aquí. Bien, Serbia. Parece
un tráfico bastante sustancial más de 1 millón durante
ese periodo de tiempo. Pero la
tasa de conversión es de sólo 0.76, por lo que casi la mitad o casi por encima de la mitad de
la conversión promedio Entonces otra vez, Polonia, 1.04. Nuevamente, 30%
más baja que la media. Entonces por otro lado, estoy
diciendo, Bien, Eslovaquia. Vaya, esa es casi el doble de
tasa de conversión alta que la media. Bien, entonces, ¿por qué Eslovaquia se está
desempeñando tan bien, comparando, por ejemplo,
con Rumania o Croacia? Esto es algo que quiero
seguir examinando. Y si solo estuviera
buscando en promedio, esta información me
estaría oculta. Entonces primer principio, por favor trate de evitar
promedios a cualquier costo. Nos está ocultando la
información y ocultando los conocimientos que
pueden impulsar el negocio.
3. Escepticismo saludable: Confiar ciegamente en los datos
es un error. Lo que vemos en los
reportes es tan
bueno como los datos y la
medición detrás de él. A veces
simplemente está mal. Los analistas senior y experimentados siempre tienen un saludable
nivel de escepticismo No quiere decir que
estén diciendo que no a todo, sino que son naturalmente escépticos hacia los datos
y cómo se ven Supongamos ejemplo de la vida real, usarías dos básculas
para medir tu peso. Uno te mostrará 70
kilos y otro 178. ¿Simplemente
confiarías automáticamente en el número más bajo
porque simplemente se ve mejor? Probablemente no. Verificarías los datos y verificarías si
las básculas funcionan correctamente. El mismo principio
se aplica a los datos. Todo bien. Ahora echemos un
vistazo a cómo ejercitar el
sano escepticismo Supongamos que tenemos este tipo de datos que estoy viendo. Estos son los
datos reales, por lo que no
se crean artificialmente nada los que se crean. Supongamos que
simplemente estoy siguiendo cuál es el desarrollo de
las sesiones a lo largo del tiempo. La
tienda de mercancía de Google que compro. Uh, si uno lo
mirara así, podría parecer, Bien, guau, probablemente algo
genial sucedió a finales de septiembre del año
pasado cuando
vemos un repentino pico
en el tráfico, eso debe ser genial, no tan rápido, como dijimos, si algo se ve demasiado bueno o demasiado malo
para ser verdad, probablemente lo sea. Entonces echemos un vistazo
a cómo seguir para tratar de examinar
lo que realmente sucedió. Eso parece un pico muy extraño. Es algo que no podemos observar durante
todo el periodo del mes. Entonces lo primero que
comprobaría definitivamente
es mirar,
bien, ¿qué pasó
con la tasa de rebote? Mi objetivo o pista sería, Bien, ¿no es ese tipo de tráfico
artificial o bot? Echemos un vistazo. Entonces, permítanme agregar aquí una tasa encuadernada como métrica que a veces se correlaciona muy fuertemente con
el tráfico artificial o algo que simplemente no
es real Así que permítanme simplemente
eliminar las sesiones aquí y echar un vistazo a
la tasa de rebote. Puedo ver que en
la misma fecha, la tasa de encuadernación bajó
mucho por mucho, lo que significa que algo
estaba sucediendo en el sitio web que
creaba significativamente o bien más eventos o muchas páginas vistas
o algo similar. Hasta ahora, todavía no lo sabemos, pero esto es algo que nos
dice, bien, echemos un vistazo a
los datos más profundos. Al ver que
hubo un repentino pico de tráfico en
el general, echemos un vistazo a
los más detallados, que se trata de ver el medio fuente de
tráfico. Entonces estoy aquí en el reporte
estándar de la adquisición de tráfico. Cambié mi
dimensión primaria
al medio fuente, y nuevamente, puedo ver la misma
información con los totales,
saltando de en promedio, algo 30004000-13 0.6 Bien, entonces, ¿dónde pasó? Esta es una característica bastante genial
GA que te está mostrando si pones el mouse
sobre la línea de tendencia específica, te muestra cuál es esa Bien, entonces eso parece
o apuntándome
al directo donde
estoy viendo que el directo normalmente está
alrededor de dos puntos medio, 2.9, casi tres, y ahora de
repente va a los 8,000. Entonces vuelve a caer y va a los valores normales o
algo que podamos
detectar durante todo el
periodo del mes. De nuevo, esto me ve a
algo que no estoy 100% seguro es realmente el caso. Algo que me
gustaría ver como siguiente paso es, bien, ¿cuáles fueron las páginas de préstamo que básicamente
causaron tal repunte? ¿A dónde iba llegando este
tráfico? Estoy abriendo el informe de
las páginas de préstamo aquí. Y lo que puedo volver a ver, la misma información, que
me está diciendo que hubo un tráfico bastante grande llegando a la página principal
de la tienda Google Merchandise, nuevamente, bien, 9 mil
de 13.6 del Mientras que normalmente es alrededor
de aproximadamente 2.5, 3,000. Entonces, bien, eso parece raro. ¿Cuál era este tráfico? Cuando ahora me desplazo hacia abajo, puedo ver que hay algo
que es muy extraño, ¿verdad? Siempre que vemos una landing
page como un conjunto de nudos, eso parece que muy
probablemente hubo algo mal con
la medición, ¿verdad? Como ahora podemos ver que
hay un nudo puesto en el segundo lugar aquí, veamos qué pasa
una vez que empiezo a filtrarlo. No establecido aparentemente
no es una landing page. Entonces cuando filtro
eso, está bien. Esto es lo que estoy viendo.
De las 13.60 sesiones, 8,000 fue algo que está
marcado en GA como no establecido ¿Qué es este tipo de tráfico? Podemos ver en total,
está sucediendo normalmente. Entonces otra vez, algo que
debería arreglarse de todos modos, pero al parecer algo
sucedió aquí en la misma fecha del 26 de septiembre cuando
generó mucho tráfico. ¿De qué se trata este tráfico?
Echemos un vistazo aquí. Solo tiene dos nuevos usuarios de 45 marcados por el tráfico viene con Landing
page no configurado, lo cual simplemente no es la realidad. Vemos un tiempo de
interacción extremadamente bajo por sesión, lo que significa que
solo hubo una sesión y luego todo el tráfico básicamente apareció
completamente lejos. que muy probablemente sugiere que este es el tráfico de bots,
no la realidad. Algo que venía
con un alto volumen. Eran solo dos nuevos usuarios, parece que un bot venía
y se iba muy rápido, solo haciendo una interacción muy
corta y simplemente se iba por completo. Entonces, cada vez que veas
el no establecido aquí, es una medición rota
o es tráfico de bots. Entonces definitivamente no es algo
que debamos celebrar. Es más como
decirnos, Oigan, chicos, deberían
echar un vistazo a
cómo se
configura su medición o tratar de mejorar el filtrado de
su bot en el sitio web porque
aparentemente algo podría estar acercándose a ustedes
con más frecuencia de lo que
probablemente querría. Y qué es lo peor, está distorsionando tus datos, lo cual es muy
difícil de interpretar, ¿verdad Y ese fue exactamente el caso. Entonces de algo que
parecía como, Oye, podríamos haber celebrado
porque hubo un incremento en el tráfico.
Tenemos que ser escépticos No confiamos en los datos
que vemos por defecto, y como demostramos en este momento, llegamos a la conclusión de
que este tráfico era muy probable ya sea tráfico spam
o alguna medición rota. Es así como examinar
ser el escéptico, lo cual es muy
valioso y no está permitiendo hacer
suposiciones y decisiones falsas
4. El contexto es el rey: Un número por sí solo no tiene sentido. La tasa de rebote del 70%
podría parecer terrible. Pero, ¿y si es para una entrada de blog respondiendo una pregunta simple? Bastante ningún ejemplo de la vida real. Decir que alguien
gana $2,000 sin decir dónde
vive ese alguien no aporta
mucho valor En Nueva York, es súper bajo. En la Tailandia rural,
te convierte en un hombre súper rico. Contexto es lo que proporciona a
los datos el significado. Todo bien. Contexto. Déjame mostrarte lo
crítico que
es el contexto de las cosas cuando estamos analizando
cualquiera de los datos. Aquí está la situación. Queremos evaluar campañas a
lo largo del tiempo. Es decir, el específico
y el pagado. Voy al reporte de
adquisición de tráfico y estoy cambiando mi
dimensión primaria a la campaña. Déjame mostrarte lo que
quiero decir con esto. Vamos a desplazarnos por
las primeras dos campañas que se estaban ejecutando. Las primeras cuatro líneas no
son campañas, claro, porque el perímetro de
campaña está vacío. No es el tráfico pagado, pero luego supongamos que queremos comparar las
dos primeras campañas reales, que es esa tienda
Evergreen Merge, y luego la rebaja de verano de agosto. El primer vistazo que me
gustaría ver es,
Bien, ¿cómo desempeñó cuando se trata de
la tasa de conversión? Esto es lo que definitivamente
harían los principiantes. Estoy cambiando el evento al que quiero calcular la tasa
de evento clave por el de compra. Y cuando estoy mirando en la
línea número cinco y seis, puedo ver una gran
diferencia, ¿verdad? El primero tuvo una
tasa de conversión de un punto medio. El segundo 14.7, ¿verdad? Entonces 3.5 veces mejor
que la original. Así que los principiantes simplemente se
detendrían aquí y dirían:
Bien, este último estaba mucho, mucho mejor, así que
solo deberíamos repetirlo. Nuevamente, el contexto es bastante
importante aquí. ¿De verdad estamos comparando
manzanas con manzanas? ¿Es esto algo que
realmente podemos decir que éste era simplemente mejor que
el de hoja perenne Echemos un vistazo más de cerca.
Lo primero que me gustaría ver es cuando filtro
esta campaña en particular, para poder verla fácilmente aquí. El primer desglose que me
gustaría hacer aquí es, déjame ver cuáles eran las landing pages a las que iba
esta campaña. Bien, entonces filtrando
que estoy esperando aquí. Recuerda que este es el
que no funcionó tan bien,
y parece que la mayor parte
del tráfico iba
a la página principal. Entonces eso me sugeriría, probablemente fue una campaña
bastante genérica trayendo clientes
a la página principal. Esa fue la mayoría de eso.
Esto es lo primero. Ahora sé que esta campaña
estaba apuntando o lo siento, trayendo clientes
a la página principal. Permítanme ahora echar un vistazo
a los mismos datos. Pero ahora mismo voy a filtrar
esto Lo siento, voy a pensar. Ojalá que esta
vez funcione. Sí, está aquí.
Nuevamente, estamos haciendo exactamente
el mismo aspecto
cuando agregamos la página de destino en
la cadena de consulta. Recuerda, este
funcionó mucho mejor. Como puede ver,
aproximadamente un tercio del tráfico venía
al despacho de taller. Pareciendo que fue realmente
como la venta con muchos productos con descuento, eso es lo que mi
expectativa sería Entonces parte del tráfico
fue a comprar parte nueva, por
supuesto, a la
página de inicio también. Pero eso podría sugerir
que probablemente
al mismo tiempo que se estaba ejecutando
esta
campaña de rebajas de verano de agosto, que también se estaba ejecutando
alguna promoción en la página principal y la comunicación
en la campaña era más o menos tal vez
lo mismo. Nuevamente, ahora mismo,
ya sé que la landing page a
la que se traía
a los usuarios era muy diferente. Ahora, la segunda mirada,
me gustaría ver, y ya me quedo ahora mismo con esa campaña de verano. Me gustaría ver si
no había algo como súper
específico cuando se trata de
los dispositivos en los que se estaban ejecutando
las campañas.
Entonces déjame echar un vistazo aquí. En la categoría de dispositivos. Y como puedo ver, este último estaba dirigido principalmente a
usuarios en el escritorio. O sea, prácticamente todos
venían de escritorio, cual es un objetivo muy no
estándar comparación con cuál es la distribución
estándar entre el móvil y el escritorio, que está más cerca del 50, 50 o tal vez
el 60% del tráfico viene
en los dispositivos móviles. Por lo que esta fue
una focalización muy específica a los usuarios en el escritorio, que como sabemos
del curso anterior, no
está muy bien optimizada
para los dispositivos móviles. En el escritorio, la usabilidad
es mucho, mucho mejor. Nuevamente, esto es algo
bastante específico. Echemos un vistazo ahora mismo sobre el mismo
desglose cuando
eliminaré la
categoría de dispositivos y
ahora mismo voy a filtrar de nuevo la campaña
Evergreen Me gustaría ver qué es
o cuál fue el desglose
entre las categorías de dispositivos. Tengo ahora mismo dos de ellos, pero estamos buscando
el máximo rendimiento. Cuando estoy agregando aquí,
nuevamente, categoría de dispositivo. Veamos qué pasa,
y aquí estamos. puede ver que
la focalización aquí estuvo más cerca de
lo que estaba diciendo, que es la
distribución regular del tráfico actualmente, que es 50 50 entre el
escritorio y el móvil. Entonces nuevamente, información importante. Entonces, si lo resumiera y
quisiera comparar estas dos campañas por
cualquiera que sea el motivo, simplemente no
podemos hacer eso porque
eso no es manzana con manzanas, eso ni siquiera es manzanas para compañeros. Esto es como manzanas a papas. Entonces ni siquiera es de
frutas a frutas. El primero fue tener
el mensaje bastante amplio. Estaba trayendo
a los usuarios a la página principal y
era como la
distribución estándar cuando se trata de los dispositivos. Mientras que este último fue dirigido
muy específicamente a solo usuarios de
escritorio donde
sabemos que la usabilidad
es mucho, mucho mejor. Entonces el contexto es súper importante aquí
y nos está diciendo que simplemente no podemos comparar estas dos
campañas una con otra. Eran muy, muy diferentes. Aquí es donde el contexto
es súper importante. Tengo un segundo caso que quiero compartir con ustedes cuando se
trata del contexto. Es un
reporte muy sencillo que he creado aquí, que solo
me está mostrando las páginas de préstamo, ordenadas por el volumen de sesiones y luego por la tasa de rebote. Nuevamente, el contexto es
súper crítico. He añadido aquí el mapa de calor, por lo que me permite
detectar fácilmente el máximo y mínimo. Si yo solo iría,
Bien, aquí está el promedio que ya sabemos que
debemos evitar a cualquier costo. Pero por ejemplo,
algo que
me ve la mente está aquí, bien, Canadá. Esto es algo que me
gustaría examinar. Cuando, por ejemplo, me
desplazaría un poco más hacia abajo. Bien, este es el segundo ejemplo que
quería compartir contigo. Me refiero al simple reporte
de las páginas de préstamo, las
cuales están ordenadas por
el volumen de sesiones, y luego tenemos
la tasa de rebote. Y aquí tenemos los promedios, claro, queremos
evitarlo a cualquier costo. Esto ya lo sabemos. Y
agregué aquí un mapa de calor para ayudarme a detectar fácilmente los valores mínimos
y máximos. Entonces algo que me estoy
desplazando aquí abajo, bien, veo este 99%, que está vacío, así que probablemente como molestando
la medición Y luego otro con como, muy por encima de la
media que veo es 59.31 a la tasa de rebote Bien, entonces, ¿de qué trata
esta página? Ah, puedo ver las preguntas
frecuentes. Entonces el contexto es súper
importante aquí, ¿verdad? Probablemente cuando los usuarios
buscan las preguntas
frecuentes, simplemente
se alinean en la página, leen lo que sea
importante para ellos entre esas preguntas
frecuentes y simplemente se van. En realidad, esto está bien y es un valor
completamente aceptable porque simplemente no esperamos que los clientes vayan
probablemente a otro lugar. El objetivo de esta
página es proporcionar información
importante
sobre algo que es importante para
los clientes, y eso es todo. Entonces simplemente se van y esto es lo que se espera
exactamente. El contexto es crítico. Y como mostramos en
el ejemplo anterior, todo
el asunto o toda
la importancia
del contexto es
básicamente evitar que hagamos suposiciones
falsas o hagamos los atajos en la analítica. Por lo que es importante
entender qué hay detrás del techo y esto es
exactamente lo que es el contexto.
5. La segmentación es la reina: Dividir los datos en grupos
revela la altura promedio de conocimiento. Si la
tasa convergente en el móvil es 2% y 5% de escritorio, eso te señala el problema Y de esto es exactamente de lo que se trata
la segmentación. Un ejemplo de la vida real. Supongamos que lees reseñas de un restaurante en
particular, que en promedio
es de cuatro estrellas. No quiere decir que el
restaurante sea promedio también. No hasta que leas quién
da qué críticas. Podría parecer que los viajeros de
negocios regalan sólo dos estrellas y
la familia es de cinco estrellas. segmentación es exactamente
lo que nos dice quién era feliz y quién
no. Todo bien. Echemos un
vistazo más de cerca a la reina de la analítica que acabamos de
llamar segmentación Esta es una
técnica muy poderosa y el principio que nos
está ayudando a comprender especialmente recorrido del
cliente
un poco más complejo. La mayoría de los sitios web y aplicaciones
móviles están diseñados de una
manera que existe el flujo esperado que los clientes realizan a través
del sitio web o la aplicación. Este es un gran ejemplo. Estoy viendo todavía la cuenta GA cuatro de
la tienda de mercancía, y fui al reporte del viaje
de compra, que es una descripción de alto nivel de los puntos
de contacto en el viaje del cliente donde
esperamos que
el final sea una compra, lo que significa que los clientes lo
hacen a través del
sitio web sin problemas, y termina con una compra. Y nuevamente, tenemos aquí los totales de datos globales
de totales y promedios, lo que como sabemos,
es un gran escollo y no proporciona ninguna idea Mientras que cuando la
segmentación vuelve a aparecer, prácticamente
lo está
cambiando todo Déjame mostrarte a lo que me refiero. Un gran ejemplo es agregar la comparación muy simple
entre dos segmentos, y estoy eligiendo el móvil y el tráfico web,
mi favorito. Pero tales segmentos puede
haber un montón de ellos como clientes nuevos versus clientes que
regresan. Comparación entre
diferentes países, comparación entre
diferentes ciudades, entre diferentes fuentes de
tráfico, y así sucesivamente y así sucesivamente. Como dije, es
extremadamente potente cuando buscamos vistas un poco
más complejas, no solo en la
pieza única de los datos, ¿cómo está funcionando esta
fuente de tráfico,
sino cómo está realizándolas el usuario, que forma parte de un
segmento particular? Este es un gran
ejemplo. Voy a despedir a todos los usuarios porque simplemente no
me importa Eso no
me dice ninguna información que con base en la que
pueda mejorar algo. Pero al mirar puramente en estos dos segmentos del tráfico
móvil y web, al instante
comenzaré a
ver los insights. Entonces este es el gran
informe, ¿y por qué? Porque me dice cuál es el flujo de los usuarios que lo
hacen de un
paso a otro. Entonces en este caso, el azul o el turco es una web
y el naranja es móvil. Entonces déjame ir aquí, y qué me dice esto que
38.94% de los usuarios lo
están haciendo desde la estrella
básicamente de sesión, es 38.94% de los usuarios lo
están haciendo desde la decir, todos los usuarios
hasta ver un producto, que es el siguiente paso en
el recorrido del cliente, ¿verdad Bien, entonces veo que en
el caso de la web, es un poco casi el 40%. Echemos un vistazo en
el móvil. Apenas 29. Este es el interior en realidad, estoy viendo que
el rendimiento en el móvil es
significativamente menor. En realidad, comparando con aquí 40, 30%, eso es mucho. Echemos un vistazo
al siguiente paso. Cuando se trata del volumen de los usuarios
que llegan a los anuncios a tarjeta, es 34% cuando se trata
del tráfico web, pero sólo 21 cuando se
trata de móvil. ¿Qué pasa con el siguiente paso?
Empezando a pagar. 58, 59% lo hacen en la web. Pero sólo 52 otra vez
aquí en el móvil. Mientras mira
el último paso, es
decir, los usuarios que ya ingresaron al checkout y estaban a punto de
terminar la compra, en el móvil, hay 52% haciendo que pase por los
últimos dos pasos, es
decir, seleccionar
un método de entrega, agregar seleccionar un
pago específico que quieran usar. Entonces cuando se trata
del tráfico web, 52% lo hace cuando
se trata de móviles, ni siquiera
puedo llegar, solo 34. Entonces aquí es exactamente donde está la
perspicacia, la segmentación. Nos dice que, oye, si queremos empezar a mejorar la experiencia del sitio web o
la experiencia del cliente, debemos comenzar de inmediato con el móvil porque aparentemente en cada paso del recorrido del cliente de
alto nivel, hay una tasa de abandono mucho, mucho
mayor En los dispositivos móviles comparando con la web.
Entonces esto es mucho. Y al mirar puramente en el recuento de sesiones o en
el recuento del usuario, es como, no sé, del
55 al 45% de los usuarios. Entonces, una
porción realmente sustancial de los usuarios, y al usar estos dos segmentos,
vemos instantáneamente por dónde
comenzar nuestro enfoque. Entonces esto es lo que está haciendo la
segmentación. Un ejemplo más. En lugar
del viaje de compra, solo
buscaré
el viaje de pago. Entonces nuevamente, voy a usar
la comparación, perdón, con exactamente los mismos
segmentos para ver cómo son capaces
de ir de un paso a otro. Estoy otra vez,
desestimando a todos los usuarios porque no me dice mucho,
echemos un vistazo aquí Entonces parece que
todos pueden lograrlo. La pregunta es si los datos son correctos, pero
ese no es el punto. Aquí estamos mostrando la forma
de pensar. Parece que casi todos
en el escritorio
lo hacen desde el inicio del pago
hasta el envío del anuncio. A lo mejor en realidad es un paso. Pero entonces el 80% de esos
llegan al pago de adición. Mientras que aquí
sólo son 64, ¿verdad? Entonces nuevamente, este es
el nivel más bajo de los puntos de contacto en comparación con el recorrido del cliente de alto nivel. este momento nos estamos enfocando solo en la parte del proceso de pago
del cliente. Pero incluso aquí podemos ver que hay una gran
diferencia, ¿verdad? 80% y 64, eso es mucho considerando que es
más o menos como el último paso
antes de comprar algo. Y luego al mirar
el flujo desde la adición del pago hasta
la compra en el escritorio, es 64.4 mientras que aquí, solo 53 Entonces nuevamente, esto es solo
confirmar lo que
descubrimos en el paso anterior con el viaje total de compra, que hay grandes
diferencias en cómo los clientes pueden ir de un paso a
otro cuando se trata recorrido del cliente
en esta Isop en particular Y exactamente la segmentación
nos ayudó a entender que uno de los mayores puntos de dolor es probablemente la experiencia
en los dispositivos móviles, y esto es algo en lo
que deberíamos empezar cuidar e invertir a
cuidar e invertir
bastantes recursos
para intentar arreglarlo Entonces la segmentación, la reina de la analítica, por favor úsalo.
6. Sesgo de confirmación: A todos nos gustan los datos que
respaldan nuestra opinión. Pero ignorar los que no lo hacen puede llevar a errores
muy costosos Esto es exactamente lo que sesgos de
confirmación. Un ejemplo de la vida real, supongamos que comprarás un auto rojo y a partir de
ese momento, verás autos rojos por todas partes porque tu cerebro está filtrando
lo que quieres ver. Analistas experimentados
están tratando de evitar este enfoque
buscando activamente los datos
contradictorios Bien, echemos un vistazo con qué facilidad el
sesgo de confirmación puede engañarnos Un conjunto, incluso el analista
experimentado, a veces cae en esa correa, permítanme ilustrar lo
que significa ese principio. Supongamos que había un nuevo conjunto de la optimización en
el sitio web que se suponía iba a disminuir la tasa de rebote y aumentar la tasa de
conversión. Escenario bastante común.
Supongamos que se trataría de mejorar la
velocidad del sitio. Entonces, supongamos el equipo de
tecnología que hizo un montón
de mejoras. Se lanzó, digamos, a finales de agosto y ahora estamos empezando
a observar los datos. Y apenas un par
de días después de eso, abrimos los datos y vemos, Oh, guau, hay una
disminución bastante decente de la tasa de rebote. Eso se ve muy prometedor. Déjame verificar cómo funciona cuando voy
a tratar de compararlo con
la tasa de conversión, que era la segunda
cosa esperada que va a aparecer. Entonces, cuando ahora buscaré
una tasa de conversión de compra, y la agregaré a la tabla en lugar de la tasa de rebote, que
vemos claramente que se descarta bastante. Digamos del 50% a algo alrededor del 40,
que es muy decente. Si quieres confirmar que en realidad fue el efecto
de los cambios con él, estoy agregando la tasa de
conversión de compras y vemos Guau, también, la tasa de conversión
surgió bastante exactamente después
del lanzamiento de los cambios de los que
estamos hablando Se trata de un caso hipotético, pero muestra mucho la
realidad del sesgo de confirmación Entonces los principiantes
apenas comenzarían a
compartir de inmediato la gran noticia de que, oigan, chicos, tenemos una disminución significativa
de la tasa consolidada. Déjeme mencionar eso otra vez. Justo después de que lanzamos los cambios que se suponía iban a mejorar la
velocidad del sitio, guau, genial. Y ni siquiera lo hemos confirmado con el aumento de la tasa de conversión ocurriendo exactamente
al mismo tiempo. Entonces no hay nada que discutir. Escenario bastante claro,
los cambios funcionaron. No tan rápido, ¿verdad? Este es el escenario típico
de sesgo de confirmación cuando
vemos alguna línea de tendencia que se ajusta a nuestra historia e
inmediatamente decimos que, oye, esto es exactamente
lo que estaba causando esto. Mientras que, si somos conscientes de
tal cosa que existe, sesgo de
confirmación,
investigaríamos un poco más. Entonces déjame echar un vistazo lo único que
definitivamente agregaría ahí, y miraría, Bien,
entonces, ¿qué pasó con el volumen
total de sesiones? Entonces estoy agregando aquí unas sesiones, y veo que también surgió
exactamente en
la fecha en que estamos
observando la disminución de la tasa de rebote y
el aumento de la tasa de conversión de compras, que aún podría ser el efecto de las
mejoras que hicimos, porque la gente
podría simplemente regresar mucho más a menudo en mayor frecuencia porque simplemente
les gusta. Pero aún así, eso
realmente me llamaría la atención que podría no ser en realidad algo
que yo esperaría. Entonces lo primero que voy a
hacer entonces es tratar desmentir eso o evitar
el sesgo de confirmación, e iría al reporte de
adquisición de tráfico estándar, en
el que estoy,
si recuerdan, el incremento
en la tasa de conversión y
disminución en la tasa consolidada ocurre a veces a finales
del mes de agosto Entonces voy a sacar a colación los datos sobre la adquisición de tráfico, el informe estándar, con el que todos
estamos familiarizados. Y cuando estoy mirando exactamente a fin
de mes a
fin de agosto, vemos el pico en
las sesiones, cierto, que todavía no necesariamente no quiere significar
algo malo. Pero cuando estoy mirando
aquí en los detalles, bien, y los demonios
en los detalles, lo
sabemos por
los principios anteriores que explicamos, veo que hay un
pico. Entonces, ¿qué es esto? Ah, correo electrónico. Bien, eso parece sospechoso, algo que prácticamente
no tiene tráfico para todo
el mes ahora surgió
significativamente Entonces déjame filtrar solo el correo electrónico para tener una visión
más cercana de eso. Bien. Y se puede ver
que normalmente tiene muy poco tráfico, por debajo de 20, 30, y ahora era casi 3 mil
en esa fecha en particular. Y luego otra vez, disminuyó
a números muy bajos. Bien, entonces veo que
aumentó el tráfico. Probablemente también
disminuyó la tasa consolidada, lo cual es muy probable
ya que
asumiría que esta campaña
de correo electrónico tiene mucho éxito. Y ahora, ¿qué pasa con
la tasa de conversión? Puedo ver que la tasa de conversión a la
hora de comprar o las tasas de eventos clave
recién nombradas es de 3.31 Bien, déjame ver en todos los
canales era como el promedio, y puedo ver que
el promedio es 1.3, lo que significa que el correo electrónico fue muy exitoso y considerando cuánto del tráfico trajo en esos días en
particular, con ese incremento de
la tasa de conversión, también distorsionó la tasa de conversión
total Es decir que en realidad
lo que estábamos observando aquí en
los datos anteriores, el incremento en la tasa de
conversión, perdón, tengo sesiones aquí. Pero el aumento en la tasa de conversión de
compras, correcto, que vemos aquí, y la disminución en la tasa de rebote no se
hizo por lo que
pensábamos lanzando el lanzamiento muy específico de
los cambios en el sitio web, que se supone que disminuyen la tasa de rebote lanzando las mejoras de
velocidad del sitio. Pero la realidad de las cosas era
que todos estos cambios fueron causados puramente por lanzamiento de una campaña de correo electrónico súper
exitosa, que solo para confirmar lo de
la tasa consolidada, podemos ver que la tasa de engagement
promedio, que es la versión inversa de la tasa de rebote
es aproximadamente como uh, 55% y para el
correo electrónico, era 78. Ese tráfico esa
campaña en particular que se lanzó
estaba trayendo primero, tráfico
altamente comprometido con una tasa de engagement
muy alta, es
decir, el que tenía
una tasa de rebote baja, y así como el mismo tráfico estaba teniendo una tasa de
conversión muy alta. Esta es exactamente
la explicación
del sesgo de confirmación que
está sucediendo que es fácil detectar un dato en la
línea de tendencia que se ajuste a nuestra historia. Pero una vez que empecemos a
descomponernos, podríamos descubrir que no es la realidad o el escenario
o hipótesis
original que pensamos que podría no ser correcta. Ese
fue el gran ejemplo. Por favor, trate de evitarlo. Intenta rebanar y trocar los
datos tanto como puedas, para ser roca sólida, seguro de que lo que estás
reclamando cuando se trata los datos está realmente
respaldado por los datos,
no solo
al ver
una pequeña pieza de los datos que está
confirmando la historia, sesgo de
confirmación.
Sé consciente de eso.
7. Entonces...: Informar que el tráfico
está arriba no significa nada. Contestando a las
preguntas, entonces, qué es lo que
realmente importa.
¿Crecieron las ventas? ¿El costo bajó? ¿Mejoró la retención? Esto es lo que importa.
Un ejemplo de la vida real. Supongamos que hay
un pronóstico del tiempo que dice que hay un 30% de
probabilidad de que el ferrocarril. Probablemente
no signifique nada para el conductor del metro que de todos modos pasa
todo el día bajo el capó. Pero para un planificador de bodas, realmente
significa que
necesita reservar una tienda de campaña. El impacto es realmente lo que
importa con los datos. Bien, déjame mostrarte ahora
otro principio que
está obsesionado por
hacer la pregunta constantemente , ¿y qué? Es muy frecuente
y común que los principiantes suelen detectar algún dato
aleatorio, por así decirlo, y están corriendo para compartirlo sin
decir nada más. Este es un gran
ejemplo que voy a compartir con ustedes, que es ahora, estoy mirando el
reporte de retención y salté al primer reporte que me
está mostrando la
línea de tendencia de los nuevos usuarios. Incluso como Google agregó una función que es
detectar las anomalías, contar, oye, hay algo interesante para ti probablemente Que es como aquí
diciéndome, oye, hay un pico en los
nuevos usuarios en 124% Entonces, ¿qué? Esas son exactamente
las preguntas, ¿verdad? Los principiantes a menudo simplemente comparten esa información
sin ningún contexto, sin ningún desglose, sin ninguna
información adicional, y esperan que alguien
simplemente haga algo con ella. Y eso está muy
mal o no mal, pero muy, muy
principiante por así decirlo. ¿Qué significa? ¿
Estos usuarios provienen de una fuente de tráfico específica? ¿Se convierten bien?
¿Hicimos una campaña? ¿Realmente se involucran con el sitio web o con
lo que está pasando? Así que compartir así como esa pequeña pieza de
información que tenemos como aumento de los nuevos usuarios sin decirle nada más, es como darle a alguien
ingredientes pero no darle la receta con un desglose muy
detallado qué hacer con
ingredientes particulares y cuál debería
ser el siguiente paso. Entonces esto es exactamente como preguntar
constantemente al y qué. Entonces, lo que haría como uno de los siguientes pasos que hay que
pasar a la hora de entender
tal cambio es, bien, veo aquí aumento
de los nuevos usuarios. Bien, entonces déjame verificar
el primero si también
hay un pico
en los
usuarios que regresan al mismo tiempo, a veces como finales de agosto a partir de septiembre.
Entonces déjame ir aquí. Bien, podría detectar algo, pero probablemente no un incremento tan pronunciado como en el
caso de los nuevos usuarios. Entonces lo que estoy haciendo a
continuación es que estoy creando aquí
un reporte personalizado que ya
preparé aquí. Y estoy comprobando lo que
realmente pasó. Entonces esta es la
visión básica que tenemos aquí, que solo me está mostrando el desarrollo del tráfico a lo largo del tiempo. Y sí, veo que están
aumentando los nuevos usuarios. Bien, interesante.
¿Qué pasó después? ¿Se estaban convirtiendo o
no? Así que déjame comprobar eso. Entonces tengo aquí el segmento
del nuevo usuario que
he aplicado aquí, y déjame cambiar las sesiones
por la tasa de conversión. Entonces bien. Ahora eso parece que
realmente esos nuevos usuarios, cuando vemos el desarrollo de la tasa de
conversión de compras realmente saltaron hasta casi el 3%. Entonces, bien, eso es interesante. Eso
me interesa. Ahora estoy escuchando, ahora estoy teniendo
información adicional. Entonces, bien, déjame volver a las sesiones para que pueda ver
qué pasó realmente. Si hago el desglose en el medio fuente de
sesión, Bien, puedo ver que hay un pico causado por
el orgánico de Google, que al parecer,
por alguna razón, trajo algún tráfico
incremental. Entonces ahora tengo mucha
más mala información la
que tengo en un
principio cuando lo haría, como principiante solo digo, Oye, ahí está el aumento
en los nuevos usuarios. Entonces, ¿qué debemos celebrar? ¿Es como el tráfico de bots? ¿Estos nuevos usuarios están
convirtiendo o no? Mientras que ahora tengo la idea de que entonces debería desglosar
aún más, ¿verdad? Entonces una vez que lo sé, bien, estábamos trayendo un
volumen
bastante sustancial de los nuevos usuarios, estaban convirtiendo
bien, en realidad, como no solo como un poco mejor, sino, como, mucho más
mejor de lo normal. Y podemos ver que
al mismo tiempo, hubo como, incremento
del tráfico orgánico
para los nuevos usuarios. Entonces ahora tengo
información bastante decente la cual puedo trabajar, y ahora puedo ir
al equipo de mercadotecnia o comercial
y decirles, Oigan, chicos, esto es lo que
estamos viendo en los datos. Sabes que hicimos
alguna campaña específica,
alguna publicidad televisiva que podría traer el tráfico
orgánico adicional, hicieron algunas
vallas publicitarias fuera de casa, lo que sea, puede
haber miles de razones que pueden
hacer tal cosa Pero ahora tenemos
información muy específica con la
que se puede trabajar, y luego viene la ¿y qué? Entonces, ¿puedes repetir eso? ¿Podemos hacer lo mismo que hicimos, cualquiera que fuera
la cosa? En el futuro, otra vez, otra vez, porque al parecer
traía el tráfico libre del orgánico de Google y el tráfico se convirtió muy bien. Entonces así es exactamente cómo ejercer eso y qué principio. No compartas solo el dato
aleatorio y esperes que alguien simplemente
lo lea y lo entienda. Tú como analista es
quien debe
traducirlo al interior y juntando todos los
ingredientes a la gran receta que
uno entienda. Entonces esto es ¿y qué? Ejérzcalo cada vez, cada vez que estés
procesando los datos
8. Hacer las preguntas correctas: Cada análisis de cuadrícula comienza
con la pregunta correcta. ¿Cuál es nuestra
tasa convergente? ¿Es un callejón sin salida? Pero preguntar, ¿por qué
nuestra tasa de conversión
en los escritorios es mucho mejor que en los móviles te está apuntando a algo
mucho más interesante? Un ejemplo de la vida real, un gerente probablemente
no te preguntará, ¿cuántas horas has
dedicado a estas tareas, pero qué valor
has entregado? La calidad de la pregunta da forma al valor de su respuesta. Bien, y aquí estamos
con el último principio, que es, en mi opinión, el santo grial de la analítica Se trata de la capacidad de
hacer las preguntas correctas. Puede parecer
algo sencillo, pero en realidad no lo es, y requiere
múltiples dimensiones de comprensión, el negocio, la
tecnología, la forma en que se recopilan
los datos, la forma en que nos dicen
los informes , y
así sucesivamente y así sucesivamente. Elijo el ejemplo de evaluación de fuentes de
tráfico, y hay innumerables casos
similares que definitivamente seguirás, pero esto es solo para
mostrarte la forma de pensar. He traído aquí un
par de métricas como sesiones, tasa de límite, tasa eventos clave de
sesión, que se filtran previamente solo para contar la compra
como una conversión Luego ingresos promedio por compra, ingresos
totales e ingresos
promedio por usuario. Lo que
suelen hacer los principiantes cuando
evalúan prácticamente cualquier cosa es simplemente
rayar la superficie, que en este caso
sería, oye, nuestra mejor fuente de tráfico es Google CPC porque
genera la mayoría de las sesiones o no
la mayoría sino la
mayoría de las sesiones y genera
aproximadamente el 50%
de nuestros ingresos Parada completa. En realidad no. No es así como debemos
hacer las preguntas. La forma en que debemos
hacer las preguntas como analista es brindar las respuestas claras que ayuden
a impulsar el negocio. Entonces en ese ejemplo, sería, ¿cuáles son los criterios
en realidad que nos
dicen cuál
fuente de tráfico es la mejor? Deberíamos tener estas preguntas escritas incluso antes
de saltar a los datos. Debería ser exactamente lo contrario como lo estamos
haciendo ahora mismo. Entonces, primero debemos
anotar ¿cuáles son los criterios de
éxito? ¿Cuáles son los KPI en base a los cuales luego
evaluamos las fuentes de
tráfico Y no habrá uno, ¿
verdad? Esa es la cosa. Si solo estuviéramos
jugando
hipotéticamente con esta mesa
que está frente a nosotros, algo que
me llamaría la atención sería,
bien, la línea número
dos, Google orgánico Tiene 2.12 tasa de eventos
clave de sesión o tasa de conversión
AKA Bien, eso me llama la atención. Puedo ver que tiene casi el doble de ingresos
promedio por usuario. Bien, ahora eso
me lleva a la pregunta, por qué, y enfatizo la palabra, ¿por qué? Es así como debemos
hacer las preguntas. ¿Por qué Google
Organic trae
tanto tanto mejor
convirtiendo el tráfico que, por ejemplo, el Google CPC ¿Dónde están prestando estos usuarios? ¿Qué contenido están
consumiendo antes de convertirse? Qué páginas son las que les
interesan mucho porque probablemente
podrían traer el contenido relevante
antes de realizar una compra. Entonces esto es lo que pediría. Entonces lo que
me llamaría la atención es, Bien, hay dos canales de Facebook con una tasa de conversión bastante baja e incluso un nu
alemán promedio bastante bajo por usuario. Nuevamente, ¿eso
significa automáticamente que estas
fuentes de tráfico no funcionan? No, yo haría la pregunta. Bien. ¿Por qué estas fuentes de
tráfico tienen una tasa de conversión tan baja? ¿Realmente
comunican, por ejemplo, el incentivo de ventas y el
mensaje de ventas o
abren más el recorrido del cliente
donde solo informan a los usuarios, Hey, este es nuestro
gran producto nuevo, por favor haga clic
y descubra más. Eso podría ser simplemente contenido absolutamente
no comercial, solo proporcionando las características
importantes o información
sobre el producto. ¿Significa eso que esta fuente de tráfico
no funciona? No, para nada. Podrían desempeñar el papel en todo el camino del recorrido del cliente
para una mejor comprensión, tendríamos que mirar
al modelo de atribución y comprender dónde
se posiciona este canal en
particular en la ruta de
conversión Y lo mismo se aplicará
a prácticamente como todas las preguntas
que estamos haciendo. El punto es,
no hagas ninguna conclusión
basada en, como, una línea sin comparar con
el resto y sin hacer
correctamente
las preguntas que te están
apuntando a
entender verdaderamente por qué
algo está funcionando la manera en que está funcionando o no funciona de la manera en que está funcionando. Entonces sé que esta fue una descripción bastante
abstracta de este principio, pero
así es como es. El hacer las
preguntas, como dije, requiere una comprensión profunda
del negocio, la comercialización y la forma en que opera toda
la compañía. Th debería ser tu
papel como analista, en realidad ser menos analista y más
de hombre de negocios, entendiendo lo que está
pasando en la empresa. Entonces cualquiera de los análisis es muy fácil para ti porque entiendes todo el contexto. Como bono para ti, por favor cultiva esta habilidad para
hacer las preguntas correctas Como bono,
encontrarás la lista de 100 preguntas en formato PDF que deberían ayudarte a aprender y cultivar esta habilidad
para hacer las preguntas correctas Entonces ojalá esto
te ayude y espero que disfrutes este curso intensivo
que en mis ojos te
ayudará a ampliar
tu perspectiva sobre análisis de servicio
pesado y la forma en que deberías estar haciendo
las preguntas muy correctas, capacidad para conocer el contexto, segmentar los datos y evitar los promedios. Gracias
por mirar.
Pavel Brecik, Web Analytics Evangelist
