En este post expondremos una serie de términos y técnicas, que todo analista que se precie debería conocer, para comprender mejor los datos de los que dispone, mejorando su criterio a la hora de interpretar los mismos y por consiguiente extraer conclusiones más acertadas.

Comenzaremos con unos consejos para mejorar la interpretación y toma de decisiones a partir de los resultados obtenidos en entornos de testing:

Hemos realizado un test A/B sobre nuestra página de descripción de un producto y queremos saber cuál de las dos versiones ha tenido más éxito. Los resultados obtenidos nos dicen que en la versión A la página de un producto con 1000 vistas ha conseguido 29 conversiones (2,9% de conversión), mientras que la B ha obtenido 850 vistas y 37 conversiones (4.35% de conversión). Obviamente la versión B es mejor que la A ya que tiene más porcentaje de conversión, pero, ¿podemos asegurarlo?. ¿Cómo sabemos que estos resultados no se deben al azar?. Pues bien, reformulemos la pregunta: ¿Son estos resultados estadísticamente significativos? .

Saltándonos los cálculos matemáticos (existen miles de herramientas que nos hacen el trabajo sucio), la significancia estadística es un coeficiente numérico que nos indica “cuánto de buenos” son los resultados obtenidos, en el sentido en que no son fruto del azar. Si este coeficiente supera el 95%, puede asegurarse que los resultados obtenidos en nuestro experimento son estadísticamente significativos, es decir, el componente de azar en la obtención de los mismos es nulo o mínimo. Por lo tanto, volviendo al escenario anterior y realizando una serie de cálculos, se puede concluir que la versión B de la página de producto es más eficiente que la A con una seguridad del 95%. Como podéis ver, extraemos conclusiones muy precisas con una muestra de tan solo 1000 vistas de producto. ¿Útil o no?

Por otra parte, os planteamos el siguiente escenario:

Tenemos una gráfica que representa el comportamiento de un determinado KPI a lo largo del tiempo, pero ésta fluctúa de forma extraña y no conseguimos extraer un patrón con sentido o explicarlo de alguna forma coherente. ¿Qué está pasando aquí?, ¿es esto normal?, ¿por qué un día tenemos 100 objetivos cumplidos, al siguiente 10 y al otro 60? , ¿significa esto que el día de las 10 conversiones hubo una incidencia?, ¿dónde?.

Como veis, son muchas preguntas. Afortunadamente tenemos para vosotros una técnica que puede ayudarnos significativamente a la hora de responder a ellas: Límites de Control.

Esta estrategia trata de separar la paja del grano, quedándose sólo con lo que no es normal en el comportamiento natural de un KPI determinando. Unos puntos límite que nos indicarán la frontera entre lo que debemos y no debemos tener en cuenta. ¡Piensa en la cantidad de tiempo que nos ahorraremos en estudiar “incidencias” que realmente no son tal!.

Estadísticamente pueden calcularse estos límites, denominados límite superior e inferior de control, tomando como base la media aritmética de los datos, la desviación estándar de los mismos, y aplicando la siguiente fórmula: Límites = Media Aritmética ± 1.5 x Desviación Estándar. De esta forma, todo lo que queda por debajo del límite superior y por encima del inferior está dentro de la “normalidad”, y, en caso contrario, nos encontraremos ante una más que posible incidencia.

Por ejemplo, si nos centramos en la figura 1, vemos claramente como tras aplicar los límites de control, existen puntos que quedan fuera de su ámbito, siendo éstos los que deberían ser objeto de estudio ya que es probable que se correspondan con alguna anomalía. De esta forma, podemos ver como todo lo que queda comprendido entre los límites de control es consecuencia de eventos naturales en el comportamiento del KPI, incluso cuando las variaciones de un valor con el siguiente son relativamente drásticas. Este aspecto nos llevaría a más de uno a emplear tiempo estudiando las razones de este descenso puntual, pero gracias a los límites de control, podemos dar por hecho que este descenso entra dentro del comportamiento natural del KPI.

Por último, es necesario apuntar que esta técnica resulta más efectiva conforme se aplica a conjuntos de datos más amplios, ya que los límites de control quedan mucho más afinados al depender directamente de la cantidad de datos sobre los que se pretende actuar.

¿Te animas a probarlo?.

Veamos como Omniture se integra con Twitter.

La integración de Twitter  dentro de la herramienta de analítica  de Sitecatalyst es posible gracias a las APIs (Interfaz de Programación de Aplicaciones), esto facilita la tarea de poder consultar los datos que consideramos relevantes directamente con llamadas de script.

El principio de toda medición de Twitter comienza con la toma de decisiones sobre “qué se va a medir”, palabras clave que representan la presencia de la empresa o marca en la red social, cuanta más precisión/relación de las palabras clave consigamos con lo que queremos medir, mejores resultados tendremos en la fase de reporting.

Las primeras elecciones a la hora de seleccionar las palabras clave son, la marca, los productos que comercializa o el nombre de las campañas. Es importante además de tener una visión de nuestros logros, saber que ocurre con la competencia, con estas dos premisas conseguiríamos obtener la siguiente información:

• Tweets de marca.
• Tweets de la competencia.
• Producto con más menciones.
• Texto del tweet.
• Emisor y destinatario del Tweet.
• Número de seguidores.

Una vez nuestra herramienta recoge los datos de Twitter es la hora de trabajar en el análisis: creamos un reporting de Indicadores que son relevantes para nuestro propósito.

• Tweets Marca / (Tweets Marca + Tweets Competencia).
• Menciones por Hora (m/ph)
• Emisor con mas referencias
• Matriz de relación entre emisores y receptores.
• Relación de campañas y mensajes con nº de seguidores.

Omniture recoge y procesa los datos a los pocos minutos de enviar las mediciones a través de la API, si automatizamos el proceso de integración de Twitter para que cada cierto tiempo se ejecute la alimentación, podremos hacer un uso efectivo del sistema de alertas que tenemos disponible en Sitecatalyst.

De esta manera, por ejemplo, en el informe de menciones, podemos configurar una alerta para que cada vez que las menciones aumenten en un porcentaje nos avise. Configurando las alertas  de manera que le lleguen los avisos por mail o al dispositivo móvil de nuestro equipo de servicios al cliente o a nuestro Social Media Manager, mejorando la capacidad de respuesta de la compañía.

La solución a la problemática: El cuadro de mando multicanal

Como hemos visto, podemos recoger datos de los medios sociales, integrarlos en nuestra herramienta de analítica y ser informados en función a la información que recogemos, pero que ocurre cuando obtenemos datos de 2 redes sociales, 2 webs 2.0, el blog corporativo, social bokkmarks y las RSS…

A las mediciones Social Media debemos añadir el resto de “old metrics” y con todo esto tenemos hecha una gran inversión de tiempo y recursos en analítica debido a que para cada fuente de datos tenemos uno o más informes.

La solución para tener una fuente de datos accionables y con métricas actualizadas es el cuadro de mando multicanal, en el cual, nos permite a la par que seccionar las métricas especificas que se desean visualizar poder  segmentarlas para cada uno de los grupos de la compañía y así, informar de manera personalizada al CEO, Dpto. Marketing o al Account Manager con información verdaderamente relevante para cada uno de ellos, en diferentes medios y dispositivos.

Así pues como vemos en la imagen hemos hecho una selección de lás métricas que pueden resultar más interesantes para una empresa del sector turístico que realiza medición en Twitter, actualiza su blog corporativo y recibe tráfico por RSS y Bookmarks Sociales.

Social media se ha colado en los departamentos de Marketing y Servicios al cliente de la mayoría de las empresas, el puesto de Social Media Manager es uno de los más crecimiento está experimentando en los últimos tiempos y junto con esto, como no podía ser de otra manera, la problemática de tomarle el control a este nuevo canal, que es uno de los retos de hoy en día de la Analítica Web.

A día de hoy todos estamos familiarizados con las “old metrics”: Page Views, Visitas, Visitantes, Tasa de Rebote y todos sabemos medir el Click-through Rate y la Conversión de una campaña de Display o Adwords. Son magnitudes que controlamos porque todas ellas en mayor o menor medida ocurren por nuestra iniciativa o en nuestros servidores, podemos decir que están bajo nuestro control.

Pero con Social Media viene “el primer problema”, hemos de ir a buscar la información a los Servidores de terceros.

Social Media es un canal de canales, no es una única fuente la que hemos de medir,  son: Redes Sociales(Twitter o Facebook), Blogs, Webs 2.0 (tripadvisor.com), galerías de fotos (Flickr), bookmarks sociales (del.icio.us), Suscripciones RSS… un conglomerado de datos que no comparten ni forma, ni formato.

Cuando nuestros usuarios interactúan con el entramado del Social Media, reciben información, escriben comentarios y  confían en los contenidos que se exponen en estos medios. Toman decisiones en función a lo que se dice y si no analizamos esta información estaremos dándole la espalda a un canal, que por otro lado, nos puede proporcionar información de gran valor para nuestras organizaciones.

A nivel de medición existen multitud de herramientas que nos ayudan dependiendo de donde interactúen nuestros usuarios. “El segundo problema” , analizar todos esos datos obtenidos requiere una gran inversión de tiempo y esfuerzo tanto técnico como organizativo.

Ahora que tenemos claro cuáles son las problemáticas de este Canal de canales, estad atentos al próximo post donde por un lado, veremos la integración de Twitter con Ominiture y, por otro, la optimización del reporting con el cuadro de mando multicanal.

En este post podrás encontrar información sobre:

• Cómo elaborar un entorno de análisis para fidelizar a tus clientes.
• Clasificación de clientes en función de su fidelidad.
  Teniendo en cuenta los siguientes parámetros:
  • Fuente desde la que llegan
  • Número de visitas en el periodo analizado
  • Días transcurridos desde la última visita

Sigue aprendiendo sobre cómo medir la Fidelización del usuario.

Queremos compartir nuestros conocimientos, vivencias, experiencias o simplemente aportar nuestro pequeño grano de arena a esa gran biblioteca que es Internet (” Lo que no está en Internet no existe”), pero ¿Lo hacemos bien?

Por eso te proponemos unos KPIs para que midas si estás cumpliendo tus objetivos:

• Medía de post semanales. Un buen ritmo de publicación ayudará a crear una audiencia adecuada a nuestros contenidos.
• Coste del post. Tiempo que has empleado en el post (búsqueda de información, maquetación…) por objetivos cumplidos. Tal vez descubras que esos posts llenos de imágenes y referencias no les gustan a tu audiencia.
• Media de comentarios mensuales. Los comentarios en el propio blog cada vez son menos usuales transladándose la conversación a las redes sociales donde directa o indirectamente aparecen nuestros posts. Aun así este indicador es muy importante.
• Medía Retweet mensuales en Twitter. Cómo dijo Oscar Wilde “Sólo hay una cosa peor que hablen mal de ti, que no hablen”.
• Media de subscripciones vía RSS. Convertirnos en la lectura habitual de un navegante es el objetivo clave de cualquier blog. Ser parte del periodico virtual que los lectores configuran es uno de los mayores logros.
• Número de enlaces desde otros blogs. Si te referencian es que tu aportación es útil.
• Número de mensajes privados para ampliar información o contactar con nosotros.
• Accesos de tu blog a tu Web personal o profesional. ¿Tu blog esta sirviendo de trampolín a tu empresa? Es un beneficio indirecto, pero beneficio al fin y al cabo.
• Palabras clave por las que llegan a tu blog. ¿Cual es tu temática o especialidad desde el punto de visita  de los usuarios? Tal vez tu blog sea sobre programación en Ruby On Rails  pero tus usuarios llegan a ella buscando metodologías de programación. Esta puede ser una buena manera de detectar nuevos nichos a explotar.
• Media de nuevos lectores. Es importante mantener a los lectores más fieles, pero cada cierto tiempo debemos aumentar nuestro círculo para tener una audiencia  “joven”, un blog fresco es aquel que está  en continua renovación por lo que cada vez atrae a más público.
• Subscripciones a canales personales. Por ejemplo si desde el blog ofrecemos la posibilidad de subscribirnos a un Twitter donde avisamos de nuestros post o lanzamos mensajes personales. Que nos enlacen a alguna de nuestras redes sociales (Flickr, Facebook,…) es un síntoma de simpatía de los usuarios hacia nuestras ideas.

Como decía el otro día analisisweb un KPI es saber el estado de las pilas de tu PSP, así que vigila el estado de energía de tu blog.

Ahora es el blog de central de conversiones el que quiere que tú colabores.

Este blog oficial de Google se caracteriza por ofrecer artículos muy cuidados y selectos.  Los posts están escritos por un grupo de expertos en Analítica Web que intentan dar tips o consejos que se puedan llevar a la práctica de la forma más eficiente posible.
Ahora través de Google moderator puedes enviar tus preguntas o los temas en los que te gustaría profundizar.

Aprovecha y no te quedes con las dudas.

Después de unos meses trabajando con herramientas para su medición (y lanzando la nuestra propia, SMOSphere), empiezo a cuestionarme que realmente se trate de un servicio que la empresa pueda encargar a su agencia (dejando a un lado las acciones puntuales de “Social Media Campaign“).

Dejaré abierto el interrogante porque podría decirse algo parecido sobre la Analítica Web: Una “boutique” especializada puede ayudarte a definir cuadros de mando, escoger y desplegar herramientas, extraer conclusiones y asistir en la investigación o toma de decisiones. Pero sólo tú conoces tu negocio a la perfección.

Veo campo para asistir a un cliente final definiendo un marco de trabajo de SMO/”Online PR” y exponer las posibilidades y riesgos del medio, pero su gestión externa se presenta aún más delicada y compleja que la de la extracción de conclusiones a partir de datos. Me explico:

SMO requiere carta blanca para la emisión de comunicaciones que serán enteramente representativas de la opinión de la empresa en su conjunto (algo así como el portavoz de un gobierno). Estas comunicaciones son rápidas y bidireccionales, lo que no exige capacidad de reacción de primera parte (nada de “Workflow” de permisos).
SMO requiere un conocimiento profundo de la estrategia de la empresa, los servicios prestados actualmente y los fallos en que se haya podido incurrir (de cara a responder ante comentarios de protesta o denuncia). Veo difícil llegar a esto sin estar DENTRO de la empresa.
Tal y como ha ocurrido toda la vida con los departamentos de relaciones públicas (RRPP) o gabinetes de prensa, el espíritu de la empresa debe destilar a través de sus propias comunicaciones. Ya no hablamos de contenido, sino de FORMA.

Cosa muy distinta, creo (y estoy viviendo) es gestionar el rendimiento de estas acciones de SMO o comunicación sobre medios sociales, así como su integración en el mismo método decisional que ya agrupa resultados de campañas, investigación de mercados y evaluación de patologías de uso.

Por supuesto, también es cosa distinta el lanzamiento de Campañas en Medios Sociales. Una campaña puntual puede consistir en una mera extensión “viral” de iniciativas interactivas más tradicionales. Y sí que veo un amplio campo para la extensión de los servicios de la agencia al despliegue de aplicaciones en Facebook (“App-vertising“) o el lanzamiento de un canal en YouTube (digamos que caminan sobre la fina línea roja que separa Publicidad y Comunicación).

En suma:

¿Te llamará tu agencia cada vez que lance un tweet en tu nombre? ¿Exigirás repasar las respuestas a comentarios en tu blog?

Ambas cosas se presentan poco naturales, cuando menos. Creo que SMO es un plato ques e sirve caliente. Exige pensar rápido y reaccionar más rápido aún. Los medios sociales premian esta espontaneidad y son rápidos en juzgar el exceso de control.

Por todo ello:

No veo el sentido en encargar a una tercera parte que te abran grupo en LinkedIn, cuenta de empresa en Twitter, página en Facebook, blog, wiki y red social propia. Si no lo sabes hacer tú, es que tienes pocas posibilidades de volar solo con ellas. Estamos hablando de “presencias” con tremendo potencial, pero que devoran tiempo y recursos, nos exponen a riesgos nunca antes evaluados y, ante todo, hablan por nosotros.
Sí veo valor al encargar a una tercera parte especializada el análisis de aportaciones y riesgos que cada una de estas “presencias” aportaría a la empresa.
Por su puesto, veo incalculable valor a sustentar estas decisiones sobre datos: Datos genéricos referentes a las audiencias y uso de cada medio, datos específicos sobre cada una de nuestras iniciativas (eco, presencia, ruido) y datos de impacto de dichas iniciativas en nuestro negocio.

Estaré encantado de escuchar vuestra opinión. Sobre todo la de quienes estáis profundamente metidos en esta arena.