Características del código asíncrono
Tras las nuevas funcionalidades que han sido desarrolladas para ampliar y mejorar las capacidades de la herramienta, Google Analytics destaca un vuelco en la tendencia general de etiquetado, pues ahora es el código asíncrono el aconsejado por Google para mejorar las mediciones y hacerlas más fiables reduciendo la latencia de carga que produce el javascript “ga.js”.
Esta versión del código de seguimiento permite almacenar los comandos de ejecución (clicks, eventos o interacciones con el sitio web) antes de la carga del ga.js en el navegador. Una vez cargado el javascript los datos generados son enviados a Google.
Con esta característica se logra una mayor fiabilidad respecto al código síncrono, ya que anteriormente, lo usuarios que navegan antes de la carga del ga.js no generaban tráfico. Con el código asíncrono, todas las acciones son almacenadas antes de la carga del javascript.
Dónde colocar el código
Hay distintas alternativas para elegir el lugar de inserción del código de seguimiento:
Leer el resto de la entrada »
Módulo Google Analytics para DRUPAL
Drupal es un completo Open CMS con el que se pueden desarrollar páginas y aplicaciones Web. Admite una gran variedad de módulos que se pueden instalar para ampliar la funcionalidad del sitio, entre los cuales destacamos el módulo que integra el código de seguimiento de Google Analytics en todas las páginas del proyecto desarrollado con este gestor de contenidos.
Este módulo permite añadir un fiable seguimiento de usuarios, roles y páginas, pudiendo identificar qué tipo de vínculos son seguidos, conocer que archivos son más descargados y de qué páginas, incluso ofrece apoyo para búsquedas internas, AdSense y AdWords, entre muchas otras funcionalidades.
Actualmente, está disponible la versión 2.2 de este módulo para sitios desarrollados con Drupal 6 y otra versión 1.9 para aquellas con Drupal 5. La beta de Drupal 7 cuenta con una primera versión aún en desarrollo. Todos los módulos de Google Analytics para implementar en Drupal son gratuitos, y han sido desarrollados por Ixis y YAML.
Para poder utilizar esta característica en el sitio Web, éste ha de estar configurado para servir archivos públicos.
También se puede instalar el módulo Google Analytics API, el cual ofrece un nivel básico de API para poder visualizar directamente en nuestro sitio los datos obtenidos gráficamente.
De esta forma, como se muestra en la imagen, es fácil añadir un bloque lateral en el panel de administración donde se muestran las gráficas de datos más importantes de una determinada página, pudiendo acceder desde ese mismo bloque a la interfaz de Google Analytics.
Las Custom Variables de Google Analytics
Hasta hace un par de meses, la única forma “oficial” de recopilar datos a modo de segmentos personalizados en Google Analytics era la (ahora obsoleta) función _setVar.
Afortunadamente para todos los que trabajamos con Google Analytics en nuestro día a día, ahora contamos con una serie de nuevas funcionalidades entre la que se destacan las variables personalizadas (Custom Variables).
A diferencia del resto de novedades de la herramienta, las variables personalizadas no se pueden poner en marcha de manera directa ya que requieren de una implementación que en algunos casos puede llegar a ser poco trivial.
Para entrar un poco más en materia, vamos a empezar por describir las particularidades de estas variables partiendo de la función que debemos utilizar para definirlas:
_setCustomVar(indice, nombre, valor, nivel o ámbito)
Deteniéndonos en cada uno de los parámetros, debemos considerar lo siguiente:
- indice: se trata del slot (o posición dentro del array de variables) que le asignaremos a cada una de las variables. En la práctica, trabajaremos (al menos por el momento) con un valor entre 1 y 5.
- nombre: el nombre que utilizaremos para la variable personalizada y que veremos posteriormente en la interfaz de la herramienta.
- valor: el valor que se le asigna a la variable y que encontraremos al acceder a los informes.
- nivel o ámbito: este es el parámetro que tiene más “miga”. Cuando hablamos del ámbito o nivel de una variable, nos referimos al tipo de seguimiento que queremos aplicar para la misma. Los posibles niveles (valores) para este parámetro son 1 (nivel de visitante), 2 (nivel de sesión o visita) y 3 (nivel de página). Si no se le asigna un valor en el momento de la invocación de la función, tomará por defecto el nivel 3.
Es importante tener en cuenta que la invocación de esta función debe realizarse justo antes de que se produzca el envío de los datos al servidor de Google Analytics. Esto se traduce en que debemos llamarla antes de que se ejecute la función _trackPageview o la función _trackEvent.
Obviamente, y al igual que ocurre con el resto de funcionalidades disponibles tanto en Google Analytics como en otras herramientas de analítica web, a la hora de llevar a cabo una implantación en un cliente tenemos que tener bien claros los objetivos de reporting a conseguir e implementar estas cinco variables de manera que podamos obtener un máximo aprovechamiento de las mismas y sobre todo que aporten valor al usuario final.
Esto requerirá de nuestra intervención para transmitirles a nuestros interlocutores la información necesaria y suficiente sobre las posibilidades de la herramienta, y fundamentalmente nuestra capacidad de interpretación y experiencia para entender los objetivos prioritarios, llevar a cabo una implantación eficiente y conseguir el resultado esperado.
En este sentido, no es lo mismo un cliente que quiera realizar una jerarquización de los contenidos basada en la arquitectura de la información del site, que otro que necesite recopilar datos de un formulario de registro (sexo, edad, ocupación, etc.) o llevar a cabo un seguimiento del tipo de usuarios que acceden (identificados o no) a su sitio web.
Con todo esto entre manos, algunos ya hemos empezado a “jugar” con las variables personalizadas para poder ver en primera persona qué es lo que nos aportan.
Como primer comentario “a nivel técnico” y un poco fuera de las especificaciones que podemos encontrar en la documentación oficial, aprovecho para recomendar que no se utilicen eñes, ni espacios, ni acentos a la hora de asignarle los nombres y los valores a las variables (esto no ocurre, por ejemplo, con los eventos). Esta simple práctica mejorará la calidad de los informes finales.
Ya que hablamos de informes, prácticamente desde el lanzamiento de esta nueva característica podemos incluir nuestras variables al crear nuestros segmentos avanzados e informes personalizados, que dicho sea de paso, todo parece indicar que ya han salido de beta. Ahora, desde hace unos pocos días, también podemos encontrarlas dentro de la interfaz en una sección exclusiva para estos datos: “Usuarios – Variables personalizadas”.
Una vez dentro de dicha sección encontraremos un listado con las variables que hemos definido y la relación de valores que les hemos asignado de manera similar al Drill-down de los informes personalizados.
Desde allí podremos analizar los datos recopilados utilizando las métricas disponibles en la categoría “Uso del sitio” (Visitas, Páginas/Visita, Promedio de tiempo en el sitio, etc.) o cruzándolos con nuestros objetivos (previamente definidos) y, si procede, con los informes correspondientes al módulo de Comercio Electrónico.
Entre los datos pertenecientes a la pestaña “Uso del sitio”, nos encontraremos como novedad con la métrica “Resultados”, la cual nos proporciona el número total de páginas visitadas, eventos, transacciones y elementos relacionados con el sitio.
Está claro que este tema da para mucho más. Por mi parte esto es todo por hoy, pero en próximos artículos continuaremos contando nuestras experiencias y, lógicamente, estamos abiertos a recibir las vuestras 
Fidelización y scoring con el nuevo Google Analytics
Nuestro compañero Nicolás D’Angelo ha publicado hoy un nuevo post en el Blog Oficial de Google Analytics. Se trata de la segunda parte de una serie sobre la fidelización de usuarios y está centrado en obtener el máximo provecho de la herramienta gratuita de Google con este objetivo en mente.
Si eres usuario de Google Analytics y la fidelización de usuarios es uno de los objetivos de negocio de tu empresa, ¡échale un vistazo y cuéntanos tu propia experiencia!
Post: Fidelizando mejor y ganando más con Google Analytics (Parte II).
Fidelizando mejor y ganando más con Google Analytics (Parte I)
Hoy arrancamos una serie de posts que te ayudarán a alcanzar tus objetivos de negocio sobre la base de la Fidelización.
La fidelización de visitantes, usuarios o clientes resulta tremendamente importante para la mayor parte de industrias. Si en el negocio de los medios te interesa que tus lectores regresen con una cierta asiduidad, no resulta menos importante en el de los hoteles o viajes que tus usuarios y clientes sigan regresando a tu web a la hora de planificar su viaje.
La fidelización está directamente relacionada con la satisfacción de cliente y trae como consecuencia la retención del mismo. Por supuesto, una política ganadora “de retención”, sumada a tu estrategia existente “de adquisición” desembocará en una mayor cuota de audiencia o mercado para tu negocio.
Bien, hoy empezaremos la casa por sus cimientos. Vamos a configurar un entorno de análisis para evaluar qué tipos de contenidos o productos funcionan mejor para fidelizar a nuevos visitantes sin sacrificar, en el proceso, a aquellos que ya nos visitan con asiduidad.
Como control previo de orden técnico (consúltalo con tu departamento de desarrollo si no te has encargado tú mismo de estas configuraciones), debemos cerciorarnos de que la cookie “_utmz” de Google Analytics conserva su duración inicial de 6 meses (si hemos hecho uso de la función gaTracker._setCookieTimeout(); nos aseguraremos de que dicha cookie conservará los datos de visitante durante al menos 3 meses).
Hecho esto, definiremos ciertos indicadores de fidelización de cara a conformar tres segmentos para los que asumiremos las siguientes premisas:
- Visitantes previamente fidelizados: Se trata de visitantes que ya nos seguían de cerca y ahora siguen entrando con asiduidad.
- Visitantes recién fidelizados: Se trata de visitantes que no nos conocían de modo previo al periodo objeto de análisis. Hemos pasado a fidelizarles.
- Visitantes irregulares no fidelizados: Se trata de aquellos que han venido varias veces a lo largo del tiempo, pero a los que no podemos considerar fidelizados.
Vamos a asumir que tenemos una web de medios o blog en el que cada categoría de contenidos se actualiza semanalmente. Además, vamos a asumir que realizaremos análisis mensuales (acotando el mes previo al análisis en el arranque de cada mes). De este modo, ajustamos nuestras condiciones a dicho periodo a la hora de definir 3 segmentos avanzados de Google Analytics:
a) Visitantes previamente fidelizados:
Aquí usaremos cuatro condiciones principales, concatenadas por una “Y” (todas ellas deben cumplirse):
- Fuente = Tráfico Directo O Palabra de búsqueda = “nombrededominio” O Fuente = [lectores de RSS identificados]
- Número de visitas realizadas en el periodo analizado = 4 ó más
- Días transcurridos desde la última visita = 7 ó menos (esto se puede ajustar perfectamente al tipo de publicación)
- (sólo si la hemos creado): Valor definido por el usuario = *indicador de interés activo* (esto es algo que pasaremos a tratar en la tercera parte de esta serie)
Otros factores importantes a la hora de evaluar la fidelidad de nuestros usuarios podrían ser:
- Conocimiento de la marca: Podríamos añadir como nueva condición que la frase de búsqueda coincida con una expresión regular que contemple todas las posibles combinaciones que utilizan los usuarios para referirse a la marca. En nuestro caso sería algo de este estilo: (((.*)mv consultoria(.*))|((.*)mv consultoría(.*))|((.*)mvconsultoria(.*))|((.*)mvconsultoría(.*)))
- Acceso a través de dispositivos móviles: Aunque para algunos esto puede ser más discutible y menos claro que el punto anterior, podríamos pensar que un usuario que accede a nuestra web a través de un dispositivo móvil (iPhone, PDA, BlackBerry, etc.) es un usuario fidelizado (sobre todo si se trata de un blog). A día de hoy, no todo el mundo utiliza un teléfono móvil o una PDA como “dispositivo principal de navegación” (esto no es así en Japón, por ejemplo). Por lo tanto, podemos considerar fieles a aquellos usuarios que están accediendo desde un dispositivo móvil, ya que nos están demostrando que tienen un considerable nivel de interés en nuestros contenidos.
b) Visitantes recién fidelizados
Usamos aquí otras tres condiciones, concatenadas igualmente por un “Y”:
- Fuente = *Lista de referentes principales* y lista de *palabras de búsqueda* no navegacional (separados por “O”s)
- Número de visitas realizadas en el periodo analizado = 2 ó más
- Días transcurridos desde la última visita = 7 ó menos
c) Visitantes irregulares no fidelizados
Para esto propongo recurrir a las siguientes condiciones, separadas por “O”:
- Número de visitas realizadas en el periodo analizado = menos de 4
- Días transcurridos desde la última visita = más de 7 (como decíamos para el primer segmento, este umbral es perfectamente ajustable al tipo de publicación)
Tabla resumen de todo lo comentado hasta ahora:
Con estos segmentos creados ya podemos ir en busca de la tabla de detalles de contenido (Content Drilldown). Ahí podremos buscar las áreas temáticas que estamos cubriendo y evaluarlas, por ejemplo, en base a la siguiente clasificación:
- Temas con fuerte empuje entre los visitantes previamente fidelizados
- Temas con fuerte empuje entre los visitantes recién fidelizados
- Temas con éxito repartido entre los dos anteriores
- Temas con gran éxito entre espontáneos e irregulares, pero poca capacidad de fidelización
Lo más probable es que el tercer escenario sea el más beneficioso para nuestro negocio: Nuestro volumen de tráfico aumenta con nuevos usuarios fidelizados (y no esporádicos, de difícil control), pero éstos no pasan a reemplazar a los ya existentes sino que se suman a ellos.
Fijaos en el siguiente ejemplo:
Como véis, el tema “Dispositivos móviles” goza de éxito entre los visitantes previamente fidelizados. Sin embargo, una explicación de conceptos básicos como “KPIs” triunfa mayoritariamente entre espontáneos y visitantes de fidelización reciente (¿”newbies”?).
Por supuesto, nos hemos dejado varias cosas importantes en el tintero: ¿Qué pasa con los lectores RSS? ¿Cómo creamos una variable personalizada que nos permita dotar de mayor precisión a la propiedad de “fidelización previa”? ¿Aplicaríamos esto mismo para el caso de las reservas de hoteles? ¿Y en otras industrias? ¿Cómo encaja todo esto en métricas de uso cotidiano y Cuadros de Mando?
Por eso hemos dividido esto en varias partes. Pronto la Segunda Parte, con más ideas!
No dudes en contarnos cómo te ha ido si decides poner este modelo en práctica. Estaremos encantados de asistirte durante el proceso y resolver tus dudas en este mismo blog. ¡Pon tu granito de arena y cuéntanos tu experiencia!
