Páginas

Developers, Developers, Developers!!!

Esta semana me he perdido el Conversion Thursday de Diciembre en Barcelona. El último CT del año... :( No pasa nada, porque arrancará seguro con fuerza otra vez en 2010. :)

No he podido ir y no he podido leer ninguno de los posts que habitualmente escribe alguno de los habituales. Pero a mi me viene el pelo para hacer una breve reflexión sobre el tema que se tocaba: el oscuro mundo del Departamento Técnico (jejeje, me encanta).

Transcribo las preguntas que se lanzaban en el post que anunciaba el CT de diciembre en el blog oficial:
  • ¿Son los informáticos el escollo a salvar para sacar adelante una campaña?
  • ¿Son los programadores una especie incomprensible cuya única misión es hacerte la vida imposible?
  • ¿O por otra parte son tu mejor aliado y una genial fuente de ideas y recursos para catapultar tu éxito online?
Seguro que los developers son una especie incomprensible- ;) - , pero al menos para una persona como yo, que no tiene ni aedi atup de código, son más que un aliado. Son algo así como la única esperanza.

Dentro de 8 días hará un año (!!!) que escribí un post sobre el perfil del analista web. Lo acabo de leer y creo que ya me la veía venir e intuía que los perfiles técnicos jugarían un papel clave en mi propia aventurilla.

Quizás de aquí en adelante la figura del técnico vaya perdiendo importancia en las funciones relacionadas con la analítica web. No hay más que fijarse en la última release de Google Analytics, que demuestra que la tendencia en las herramientas de analítica va hacia la facilidad de uso y de implementación. Al fin y al cabo están destinadas a departamentos más marketinianos, llenos de gente que no tiene ni aedi atup de código.

Cuanto más sencilla sea la implementación de todas las funcionalidades de estas herramientas, más independientes de otros departamentos serán los usuarios a las que están destinadas, y más partido les podrán sacar éstos. La explotación de los datos será más avanzada y completa, los resultados serán mejores y la herramienta ganará terreno en el día a día del departamento y la organización.

Pero mientras esto no sea muy pero que muy sencillo, la figura del técnico será fundamental en todo este proceso. Así que más vale que se respete, se reconozca y se valore de verdad el papel que juegan los técnicos, sobre todo, en las empresas vinculadas a internet.

Enlazo a un post de Encinar en el que da algunos consejos sobre tecnología para emprendedores y destaco los dos últimos puntos.

Y bueno, aprovecho para hacer una cosa que tenía en el debe: un pequeño homenaje en forma de vídeo al ejército de developers con los que he compartido 8 meses cojonudos y me han enseñado un montón trabajando en yaencontre.com:




pd: os echo de menos chavales!!! (El del vídeo está como un cencerro, no???)

Jugársela y apostar para mejorar el ROI

El blog está en las últimas y yo soy incapaz de mantener un ritmo de publicación decente, pero nos resistimos a la muerte total. Así que de vez en cuando publicaremos alguna cosilla.

Me gustaría plantear otra forma de trabajar los datos. Y es que casi siempre nos toca mirar atrás para analizarlos y detectar puntos de mejora en base a ese análisis. Sin embargo, muchas veces puede resultar más interesante presentar proyecciones en base a estimaciones. O lo que es lo mismo, jugársela y apostar (que me lo digan a mi, que con este Barça voy a perder más de uno y de dos roncitos...).

La idea surgió dándole vueltas a lo comentado en el último Conversion Thursday que se celebró en Barcelona la semana pasada, en el que Enrique, Ferriol y Andrés, moderados por Pere, destriparon las últimas funcionalidades de Google Analytics.

Se habló bastante de la inteligencia artificial (que, por cierto, la tengo disponible desde hoy!), una nueva funcionalidad que nos alerta de hechos que ya han pasado. Está genial, pero tampoco estaría nada mal que existiera una funcionalidad similar que nos diera alertas a futuro y que nos dijera dónde están nuestros grandes espacios de mejora. Algo que nos dijera, por ejemplo, cuánto más ganaríamos si mejoráramos tal o cual métrica en un porcentaje x.

Por ejemplo: ¿cuánto mejoraríamos el ROI de nuestras campañas de adwords si redujéramos el CPC medio un 20%? O, ¿cuánto mejoraría si incrementáramos el porcentaje de conversión en un 20%? ¿Y si la tasa de rebote cayera en un 40%?

Siguiendo con en el ejemplo de una campaña de pago por clic bien sencilla, sin tener acceso a ninguna herramenta de analítica web y haciendo algunas estimaciones, ya podemos empezar a construir un escenario base sobre el que hacer nuestra apuesta:
  • Presupuesto: 500 euros/mes (nos lo inventamos, sólo es para llegar al final...)
  • Valor del producto/servicio: 350 euros/unidad (en un escenario concreto lo podemos averiguar)
  • Coste medio por clic: 0,50 euros (nos la jugamos utilizando el estimador de tráfico de adwords)
Con estos tres datos, más el % de conversión y el % de rebote (quizás los más delicados de todos a la hora de hacer hipótesis) ya podríamos lanzarnos a la piscina y hacer estimaciones sobre la mejora del ROI de una determinada campaña de ppc.

Introduciendo los valores de partida en una hoja de cálculo y lanzando hipótesis sobre los posibles escenarios de mejora ya podemos saber si estamos apostando fuerte, o cómo de fuerte hemos de apostar para llegar a un determinado escenario:


No sé si se verá muy bien... De todas formas, si a alguien le interesa, que me lo diga por comentarios o por twitter y le paso la hoja de cálculo por correo. Es una chorrada, pero ayuda....

Ahí podemos ver en qué medida mejoraría el ROI de una campaña jugando con el CPC, el % de Rebote y el % de Conversión. Tres valores que casi siempre son mejorables.

En el ejemplo vemos qué pasaría con el ROI de una campaña que ya es positivo a base de alterar esas tres métricas: podríamos mejorarlo en un 223% (pasando de un 600% a un 1941%) rebajando el CPC medio en un 40%; el % de Rebote en otro 40%; y mejorando el % de Conversión en un 25%.

Si se intuye que la web y las campañas que se van a atacar son mejorables en tales medidas, pues podemos apostar fuerte. Si por el contrario no parece que haya tanto espacio de mejora por ninguna de las dos vías, pues habrá que aflojar un poco las pretensiones y quedarnos en un escenario intermedio.

Cosas como estas nos pueden ayudar, además de a tener los pies en el suelo, a la hora de pedir más presupuesto para una campaña; a la hora de seducir a algún cliente; como argumento a la hora de modificar algún elemento de la web; etc, etc, etc...

Pero es una apuesta al fin y al cabo. Y como todas las apuestas, tiene su riesgo...

Un Objetivo, una KPI y una Métrica

Un Objetivo, una KPI y una Métrica

El otro día en el Conversion Thursday de Barcelona estuvimos charlando sobre las dificultades que nos encontrábamos la panda de frikis que estábamos allí metidos a la hora de hacer analítica web ; ) . Y es que ya decían por ahí que iba a ser algo así como una terapia de grupo.

Se comentaron varios temas que ya van teniendo eco en el blog de la buena gente de web-analytics. En su último artículo, Pere se centra en cómo encontrar tiempo para la Analítica Web y, al final, deja en el aire la pregunta de por dónde empezar con la analítica web.

Es una de esas preguntas que no tienes más cojo*** que hacerte cuando decides meterte en materia.

Y no debería ser una respuesta difícil de contestar sino fuera porque hace falta reflexionar primero sobre otras cuestiones que dan paso a la pregunta y a las respuestas de por dónde empezar.

Para mi, el primer paso es asimilar el hecho de que para medir tiene que existir necesariamente un objetivo. Al menos uno. Si no hay objetivo no hay nada que medir. Si no hay objetivo, medir es un coñazo.

Recuerdo cuando monté el blog, le pegué como bien pude el tag de Google Analytics (lo cual ya fue toda una odisea...) y me puse a hacer visitas como loco para tener algo que ver en el cuadro de mandos: desde Mozilla, desde Explorer, desde Google, desde mi correo electrónico con las url´s etiquetadas, desde Vitoria, desde Barcelona...

Si Google Analytics fuera un pelín más listo/a (???) y tuviera brazos y manos me habría pegado una colleja seguro...

Los informes cambiaban, pero no había nada que analizar. Y lo que al principio molaba, al final acabó convirtiéndose en un coñazo.

Para poder empezar a hacer analítica web, el site que analizas tiene que tener al menos un objetivo. Éste puede ser de naturaleza muy distinta:
  • que los usuarios se suscriban a tu newsletter
  • que se suscriban a tu feed
  • que te envíen un formulario de contacto
  • que efectúen una compra
  • que se descarguen un pdf
  • que hagan más páginas vistas
  • ...

El que sea. Pero UNO.

Una vez tengas definido el objetivo configura tu herramienta de analítica para que empiece a recoger datos al respecto. En este vídeo se muestra cómo hacerlo en el caso de Google Analytics:




Después monta una KPI que te ayude a monitorizar el objetivo. Creo que Gemma es la que más caña le ha dado al tema de las KPI´s en castellano, así que busca por ahí si te interesa saber más ; )

Si tu objetivo es que los usuarios se descarguen un documento en pdf, el indicador que te ayudaría a medir la efectividad de tus esfuerzos sería el porcentaje de usuarios que visita tu site y se descarga dicho documento (el famoso y maldito porcentaje de conversión):


* Total de documentos descargados / Total de usuarios al site


Si fuera un site con un único objetivo, la mejora de esa KPI debería ser nuestra obsesión. A partir de entonces no deberíamos mirar ni un sólo informe sin cruzar los datos con el porcentaje de conversión:
  • fuentes de tráfico: cuál es la que más convierte
  • palabras clave: cuáles convierten más
  • usuarios nuevos & usuarios recurrentes: más de lo mismo
  • buscadores: ???
  • campañas de banners
  • ...
Ya tenemos nuestro objetivo y ya tenemos nuestra KPI (que no es poco). Ya podemos empezar a analizar la información y a tomar algunas decisiones. Seguro que empezamos a ver cosas que llaman nuestra atención y nos sugieren por dónde continuar.

Esto es un paso importante, pero podríamos introducir otro elemento más en nuestro análisis: una métrica. No todas las métricas que monitoricemos tienen porqué estar relacionadas con un objetivo de negocio. Hay algunos indicadores que están directamente relacionados con la salud de una web. Mejorándolos no atacamos directamente al porcentaje de conversión, pero por lo general suelen tener consecuencias notables sobre el mismo.

Por ejemplo: la tasa de rebote. Esta métrica no siempre tiene connotaciones negativas, pero sí muy a menudo. Así que merece la pena detenerse aquí y observar los datos con el porcentaje de rebote como prisma de análisis.

Segmentar el tráfico web y analizar la tasa de rebote de cada uno de los segmentos por separado siempre acaba deparando alguna sorpresita interesante:
  • cuál de todos los referrals que te envían tráfico acarrea una tasa de rebote más alta?
  • qué keywords incrementan el rebote global del site?
  • en qué landing pages podrías mejorar algo para reducir el rebote?
  • cuáles son las campañas de adwords que tienen un rebote más alto?
  • qué creatividad es la que consigue retener más a los usuarios?
  • ...???
En fin, que una KPI y una Métrica son suficientes para empezar. Cuánto tiempo perdido por no haber hecho caso desde el principio... Keep it simple!!!

(Lo cual no quiere decir que todo sea tan simple claro. Precisamente hoy recordaba mi triste interpretación de la medición de una campaña de branding y la comparaba con la reflexión de Avinash... (Casi elimino el post y todo!)

El "maldito" porcentaje de conversión

El ratio o porcentaje de conversión ocupa siempre una de las posiciones más relevantes en nuestros dashboards. Y no es de extrañar, puesto que es una de las KPI´s que, por sí mismas, mejor definen y reflejan el éxito de una web, sea cual sea el objetivo de ésta.

Es una métrica clave cuya evolución nos debería decir algo nada más verla representada en un gráfico. Sin embargo, es difícil dar con el gráfico más adecuado para transmitir todo su sentido a las personas que reciben los dashboards que tanto curro nos suponen. Si no se analiza desde la perspectiva adecuada no pasa siquiera la prueba del "test: ¿entonces qué?".

Apostaría (si no fuera porque Ibrahimovic me va hacer perder una botellita de whisky como no se ponga las pilas...) a que la evolución de los porcentajes de conversión para un objetivo concreto en la mayoría de los sites se asemejan bastante a esto:


Establezco el porcentaje en torno al 2% porque parece que la mayoría de sites se mueven alrededor de esta cifra. Pero se podría sustituir por cualquier otra. Lo que importa aquí es la tendencia. Y una tendencia así acaba siendo una línea recta en un trozo de papel que nos deja bastate indiferentes a todos.

La tendencia, variar varía. Poco, pero varía. Y tiene que variar, si no mal asunto... Y cuanto más arriba vaya mucho mejor. No seré yo el que diga que hay olvidarse de esta KPI. De hecho, en webs con altos volúmenes de tráfico, un incremento del porcentaje de conversión del 5% mensual durante seis meses puede ser un auténtico golazo (incluso sin incrementar las visitas...):

Antes de escribir el post me he preocupado de analizar el porcentaje de conversión en cuatro sites diferentes. La única característica en común en todos ellos es que su objetivo es generar leads, solicitudes de más información. Por lo demás, tienen niveles de tráfico muy desiguales, cada una se desenvuelve en un sector de actividad diferente, y cada una ocupa un lugar diferente en la estrategia global de cada negocio.

Sin embargo, en todas ellas el gráfico es idéntico al del anterior a la tabla: una línea recta que a penas varía. Se mueven en torno a porcentajes diferentes, pero la tendencia es prácitamente idéntica. Y no deja de ser curioso...

El gráfico no es ni mucho menos la mejor manera de representar esta KPI, para empezar, porque presenta el porcentaje de conversión global del site en vez de hacerlo por segmentos (la cagada número 1 a la hora de presentar cualquier dato). Peca por más motivos que no voy a contar aquí porque si no el post acabará siendo una biblia infumable (al final del artículo - para que no os vayáis todavía - dejo unos links a tres muy buenos artículos para el que quiera seguir leyendo sobre los ratios de conversión).

Dándole vueltas al tema e investigando un poco por ahí, al final he dado con otra forma de presentar la evolución de esta KPI que me ha parecido genial. No es el Santo Grial, ni mucho menos, pero me parece que supone un punto de partida interesante para repensar una web. A ver qué os parece:



Ese gran océano rojo representa la evolución del porcentaje de los usuarios que nos han visitado entre Enero y Junio y que no han convertido, es decir, que no han hecho lo que nosotros queríamos que hicieran (malos, malos!!!). El resto los que sí : )

Si fuera la web de un concesionario de coches y el objetivo fuera que los usuarios completasen un formulario, ¿tan mal se está haciendo como para que de toda la gente visita la web sólo unos pocos lo completen? ¿Es que no se ve lo suficiente el pedazo de botón naranja que les hemos puesto para que le den a enviar?

Y si fuera una web de descargas de documentos, ¿qué pasa con los usuarios que vienen a buscarlos y al final no se los descargan? Si usuarios tenemos, y muchos de ellos con un tiempo en el site considerable. ¿Tan mal lo estamos haciendo?

Se ven muchas webs muy mejorables por ahí, pero yo sinceramente pienso que si una persona quiere hacer algo y ése algo está en tu web, lo acabará haciendo. La frase hay que cogerla con pinzas, pero es que hasta me he sacado algún billete de tren en la web de Renfe... ; )

Quizás el error esté en nuestra perspectiva de análisis. ¿No será que el usuario viene a la web a hacer lo que él quiere y no lo que nosotros queremos que haga? ¿No habría que empezar a preguntarse qué es lo que motiva a una persona a visitar nuestra web?

Sabemos por dónde vinieron, qué palabras clave utilizaron en el buscador para encontrarnos, a qué página llegaron con esas palabras, a qué página fueron después, en qué páginas pasaron más tiempo... Pero, ¿a qué vinieron? ¿Podemos averuguarlo sólo con la información cuantitativa que nos dá nuestra herramienta de analítica web?

Yo dudo mucho de que se pueda abarcar y asimilar el complejo abanico de motivaciones y necesidades que hacen que las personas visiten una web, simplemente estudiando el rastro de clics que van dejando. La cosa no es sólo instalar el tag de Google Analytics. Tratar de comprender qué pasa en una web pasa también por la recogida y el análisis de información cualitativa, y por ceder protagonismo a la voz de los usuarios.

¿No sería genial poder segmentar a los usuarios en función de la motivación que les conduce a la web y cruzar después esos datos con la informacíon cuantitativa? ¿Y no sería genial también medir el porcentaje de conversión o de éxito de nuestra web en función de la tarea que cada segmento de usuarios haya venido a completar?

La discusión nos obligaría a adentrarnoss en el mundo de los tests de usabilidad, las encuestas online, los testos A/B y/o multivariantes... Temas más novedosos y menos extendidos, pero con un potencial para recabar información para la acción considerable (o eso dicen...).

Prometo volver sobre el tema cuando acumule más experiencia y pueda compartir con vosotros algo más que pura palabrería. De momento, y para no tener que esperar, aquí están los links que comentaba antes: tres buenísimos artículos de Avinash sobre el porcentaje de conversión y la importancia de los datos cualtativos para toda estrategia de analítica web:

Web Analytics: An hour a day. So what?

Entre las mini-vacaciones y el mes anterior, que fue cañero, llevaba más de un mes sin escribir en el blog : ( Así que vamos a ver si nos ponemos las pilas.

Estos últimos días he estado cogiendo un poco de aire y tratando de desconectar, pero no del todo. La excusa para no hacerlo del todo ha sido Web Analytics: An hour a day, de Avinash Kaushik. Después de tardar tanto tiempo en decidirme si comprar o no el libro (no se a qué esperaba...), tuve la suerte de que me llegó el día anterior a las vacaciones. Así que me lo pude llevar conmigo ; )

No he avanzado mucho, pero lo que llevo leído me está encantando. Hay personas que tienen un don especial a la hora de comunicar, y este hombre es sin duda una de ellas. A mi me transmite más pasión viéndole y escuchándole en directo, pero leerle es también un placer.

Como estoy un poco obsesionado con la presentación de datos (y no queda otra...) no me pude resistir a saltar al capítulo 11 (Three Secrets Behind Making Web Analytics Actionable) nada más abrir el libro. En él, Avinash presta especial atención a las buenas prácticas para crear Dashboards efectivos y orientados a la acción. Ya escribí a finales de marzo sobre el quebradero de cabeza que me supuso dar con un "dashboard aceptable" que aglutinara las KPI´s más importantes en una sola página.

Ahora, después de unos cuatro meses (!!!), y bajo el prisma del "making web analytics actionable", o del "actionable metrics and insights", idea central en el libro de Avinash, quizás habría que darle un par de vueltas al dashboard.

Como bien comenta él mismo, abrir una cuenta en Google Analytics y desarrollar la implementación más básica posible nos lleva escasos cinco minutos (copy-paste del tag). Después, y tras unas horas, tendremos acceso a decenas de informes y a cientos de métricas distintas. Creo que en el Practitioner Web Analytis se refería a esto como data puke (vómito de datos o algo así...).

Es como una especie de arma de doble filo. Tenemos cientos de datos y de métricas en cuestión de minutos a un coste 0. Y esto está muy bien, pero evidentemente no podemos quedarnos con todas. ¿Qué métricas elegimos?; ¿qué criterios determinarán si seleccionamos unas y nos deshacemos de otras?

En torno al concepto de "actionable metrics and insights" nos propone un test que me ha parecido genial: the "Three Layers of So What" Test (algo así como las tres etapas del test "¿entonces qué?").

Consiste básicamente en preguntarle a cada una de las KPI´s que utilizamos en nuestros reportes "¿entonces qué?" tres veces. Cuando contestemos al primer "¿entonces qué?", volvemos a repetirlo una vez más, y otra más después del segundo y del tercero. Si después de la tercera y última pregunta no obtenemos una respuesta que nos lleve a la acción, estamos reportando la métrica equivocada.

Por poner un ejemplo distinto a los que Avinash da en el libro, podemos tomar el promedio de tiempo por visita en el site, KPI que podríamos llevar reportando varios meses y de la que ya deberíamos tener una tendencia fiable y sostenida en el tiempo:
  • el promedio de tiempo en el sitio por visita de este mes ha sido de x. ¿Entonces qué?
  • llevamos haciéndole seguimiento los últimos seis meses y la tendencia se mantiene estable. ¿Entonces qué?
  • cuanto más tiempo estén los usuarios en nuestro site es mejor para nosotros. ¿Entonces qué? ¿No se trata más de que el usuario sea capaz de completar una tarea concreta que de hacer que pase mucho tiempo en el site?
En fin, algo así podría servir de ejemplo. A pesar de que esta KPI puede ser interesante para nosotros, bastaría con tenerla controlada, porque una fluctuación importante de la tendencia podría estar indicándonos algún problema en la navegación habitual de los usuarios de nuestro site.

Sin embargo, y en circunstancias normales y controladas, se puede observar que la tendencia de esta métrica a penas varía en el tiempo. Y por otro lado y más importante aún, nos da poca información que podamos utilizar para actuar en alguna dirección. ¿A cuántas métricas y KPI´s de todas las que reportamos podríamos aplicarle esta sentencia? Esperemos que la respuesta no sea "a muchas".

Simplemente quería reflexionar y compartir la idea de que a través de un sencillo análisis a base de interactuar con las KPI´s que nosotros mismos seleccionamos en su día, podríamos determinar si hicimos un buen trabajo seleccionándolas o no. Como se ha mostrado en el ejemplo, un análisis así debería ser suficiente para llegar a la conclusión de que esta métrica no es clave para nosotros y por tanto podría quedar fuera de nuestro dashboard y ser sustituida por otra que nos orientara más a la acción.

Una de las ventajas que nos proporciona el medio online es la tremenda capacidad de reacción de la que gozamos, entre otras cosas, gracias a la medición. Siendo ágiles, flexibles y perdiédole el respeto al cambio nos podemos permitir el lujo de equivocarnos. Porque equivocarse y aprender nunca resultó tan barato.

No es landing todo lo que reluce...

El análisis y la optimización de landing pages se está convirtiendo, sin duda, en uno de los aspectos más interesantes que aborda la analítica web.

A priori podría parecer un tema sencillo, más que nada por lo fácil que es sacar un informe de landing pages en Google Analytics. Por ejemplo, con esta herramienta, si quisiéramos identificar las landing de nuestro site que no están rindiendo como se espera, tendríamos que seleccionar el informe de Contenido >> Páginas de destino principales para ver automáticamente cuáles son las diez páginas por las que más se accede a la web.

Después, simplemente habría que cruzar las variables accesos y porcentaje de rebote para saber, a botepronto, si hay alguna landing que tenga una tasa de rebote que podamos considerar negativa y que destaque sobre las demás. Si encima utilizamos la opción de comparación (redondeda en rojo en la imagen), veremos cuál es el rendimiento de cada una respecto al promedio de todo el sitio web.



Nos podemos encontrar con una especie de situación ideal, como la de la imagen, en la que nuestras diez landing pages principales tengan un porcentaje de rebote envidiable, incluso por el resto de páginas del site, ya que se puede apreciar que está un 21,62% por debajo del promedio.

Si fuera un site como este blog, en el sentido de que tiene unos niveles de tráfico de risa, podríamos estar más que satisfechos. Las páginas que aglutinan más del 75% de los accesos al site acumulan un porcentaje de rebote del 25,42%. Es decir, de 219 visitas (tomando el mes estrella...) habrían rebotado "sólo" 55.

Para un site pequeño y sin pretensiones no hay problema, pero para uno que reciba millones de visitas al mes, todavía no se podría cantar victoria. Lancemos algunas hipótesis:
  • un site que reciba más de un millón de visitas al mes
  • un segmento de tráfico que represente el 5% del tráfico total de ese site (ojo, podríamos estar hablando de más de 70.000 visitas)
  • y una tasa de rebote del 60% para este segmento de tráfico (ojo, una fuga de unas 42.000 visitas mensuales)
Casi nada... Mejor revisar, por si las moscas...

Podemos irnos a echar un vistazo, por ejemplo, al informe de Fuentes de tráfico >> Todas las fuentes de tráfico, cruzar las variables visitas y porcentaje de rebote y verlo como comparación:



¿Qué nos podemos encontrar? Pues que algunas de nuestras diez fuentes de tráfico principales tengan tasas de rebote muy superiores a la media. Como hemos dicho, en sitios con un volumen de tráfico muy elevado, esto podría suponer el rebote de varias decenas de miles de visitas.

Siguiente paso: crear un segmento avanzado para analizar por separado a cada una de esas "fuentes de tráfico de mala calidad"; y otro segmento que las aglutine a todas ellas para ver si tienen algo en común que arroje un poco de luz sobre el asunto.

Podemos llevarnos una sorpresa al analizar las landing pages principales de estos segmentos de tráfico, ya que no tienen porqué ser de la misma naturaleza que las anteriores. ¿Qué pasaría si más de 70.000 visitas al mes estuvieran aterrizando en páginas que NO están pensadas para jugar el rol de landing pages? Pues eso: aterrizaje forzoso! Se piran al instante, ni más ni menos.

Y es que hay que estar al loro, porque podemos tener páginas que nunca fueron pensadas para desempeñar funciones de landing pages, pero que les esté tocando jugar ese rol por uno u otro motivo. Sería como poner a Puyol en punta. El tío es un crack, pero fallaría más del 60% de las oportunidades de gol seguro...

Cagada pues... Cagada y también bingo, porque tenemos identificado un punto de fuga de tráfico muy importante. Si somos capaces de solucionarlo y reducir la tasa de rebote a los niveles a los que rinden nuestras landing principales, pues estaremos hablando de que dejaremos de perder al instante más de 30.000 visitas al mes, que es lo que estábamos haciendo hasta ahora.

Más suculento aún: si rondamos una tasa de conversión del 3% y la conseguimos mantener para estas 30.000 visitas que hemos dejado de perder, pues nos estaremos marcando 900 conversiones más al mes. Si el valor de la conversión es de 5 euros, pues 4.500 euros más a la saca. Da para unas cañas, no??? ; )

En fin, simplemente quería reflecionar a cerca de la importancia del rol de una landing page en una web. Si a un usuario le cuesta tomar una decisión entre 5 y 8 segundos, tenemos que tener mucho cuidadito con qué le presentamos, y con la propia arquitectura de la información en sí. No vale con que la información que el usuario necesita esté en la página, sino que tiene que estar en el lugar adecuado, presentada de la forma adecuada. Si no es como que no está.

Moraleja: pequeños cambios en una landing page pueden tener consecuencias espectaculares a nivel de incrementos de porcentaje de conversión o de reducción de tasa de rebote.

Ambiente Veraniego en el Conversion Thursday de BCN

Una vez más he tenido el placer de asistir al Conversion Thursday que cada mes se celebra en Barcelona. Y en esta ocasión ha sido especial, ya que ha tenido lugar en la terracita del Centre Civic Casa Golferichs, al aire libre, así que se han visto pantalones cortos, chancletas, manga corta y cigarritos humeando mientras Pere, Andrés y Ouali (enlazo a la página del Search Congress porque en la personal me atacan virus...) respondían a una serie de preguntas que se han ido haciendo esta esta semana en varios blogs.

Esta edición no ha tenido un foco definido, así que comentaré las dos preguntas y respuestas que me han resultado más interesantes.

David Martin se interesaba por las métricas que pueden indicar problemas de usabilidad en un site. Y una respuesta, la de Pere, sugería que no nos obsesionáramos con los informes de Google Analytics para identificar posibles problemas de usabilidad en una web.

Sugería otra metodología de análisis mucho más efectiva:
  • poner a nuestras madres delante del ordenador (experiencia de usuario)
  • pedirles que hicieran algo (definir un objetivo)
  • observar su comportamiento (recogida y análisis de datos)
  • ver si eran capaces de hacerlo o no (medir el objetivo)
  • extraer conclusiones
Si lo consiguen, la usabilidad de la web es increíblemente buena. Y si no, pues puede que sea buena, aunque todavía no podemos concluirlo. ; )

El tema tenía tono de guasa, pero con fina ironía venía a decir que nos complicamos tanto la vida recogiendo e interpretando los datos que nos da nuestra herramienta de analítica, que perdemos de vista métodos tan sencillos como la simple observación de la experiencia del usuario.

Si quieres seguir con la guasa pásate por aquí y sácate un billete en clickair. Además, la conversación está interesante...

Por otro lado, creo que también Javier Martin, preguntaba por los filtros y segmentos clave para analizar el tráfico en general, y el de adwords en particular.

Se comentó la importancia de analizar las diversas secciones del site por separado, segmentando a nuestros usuarios. Si hay blog corporativo, generar un perfil para analizar el tráfico del blog y otro para analizar sólo el de la web; si hay zonas de usuario y/o de cliente, generar perfiles para analizar a ambos por separado; etc... Si cada perfil de usuario persigue un objetivo diferente y, por tanto, interactúa de manera diferente con la web, pues tendremos que estudiarlo de manera individual.

También se destacó la importancia de analizar el segmento del tráfico que convierte versus el que no convierte para ver si hay algún patrón de comportamiento que nos dé alguna pista interesante.

Otro segmento muy útil es el que agrupa a las visitas que vienen por branding, ya sea por tráfico directo (tecleando la url), o bien por buscadores a través de keywords relacioadas con nuestra marca. Este es un perfil bien diferenciado del resto: son los que ya nos conocen, los que ya saben lo que hacemos.

Destacaría la importancia de los perfiles a través de filtros porque nos permiten analizar el comportamiento de cada segmento en los túneles de conversión, cosa que no podríamos hacer de otra manera, ya que no tenemos acceso a los informes de redireccionamiento de objetivo a través de los segmentos avanzados.

Y nada, sólo decir que, por cuestiones de tiempo, me quedé con las ganas de hacer una pregunta más, aprovechando que estaba Ouali (experto en SEO), que Miguel había escrito este artículo sobre desposicionamiento de páginas web hace tres días y que si tecleamos Clickair en Google el artículo de Pere sale en 5ª posición en la parrilla de resultados. ¿Lo tendría complicado Clickair para desposicionar el artículo de Pere? ¿Qué tendría que hacer a efectos de SEO?

Dale Jose, que me dejaste con la miel en los labios... ; )