Esta herramienta nos proporciona un número entre 0 y 100 ,al igual que Klout, para medir el impacto general que tenemos en Twitter durante los últimos 30 días. Pero en este caso además de este número nos ofrece los resultados de las puntuaciones Klout y Peerindex score, de dichas herramientas respectivamente. De este modo podemos comparar los resultados entre las 3 herramientas y obtener una visión más completa al respecto.

Esto puede resultar confuso de cara al usuario dado que surge una inevitable pregunta:
¿ De dónde salen estos números “mágicos” ? Con el fin de arrojar un poco más de luz en este asunto también se ofrece un metrics dashboard donde se muestra información adicional al respecto. En este dashboard además del típico gráfico de followers, following, retweets, etc… hay otros que pueden resultar más interesantes:

Engagement: Proporciona una medida de la relación entre las personas referenciadas por el usuario y el número de personas que le han referenciado a él.

Velocity: Tal como la define Twitalyzer, es una indicación de la frecuencia relativa con la que el usuario publica actualizaciones en Twitter.

Influence: Indica la probabilidad de que se retweetee o se referencie algo escrito por el usuario.

Signal: Ratio de tweets que contienen enlaces (http://), menciones, hashtag o algún indicio de que el tweet hace referencia a un tweet previo de otro usuario.

Impact : Finalmente el impacto, en el que se tienen en cuenta una combinación de los siguientes factores:

• Número de seguidores de un usuario.
• Número de referencias únicas y menciones del usuario en Twitter.
• Frecuencia con la que el usuario es retweeteado de manera única.
• Frecuencia con la que el usuario hace retweets a otras personas de manera única.
• Frecuencia relativa con la que el usuario publica actualizaciones.

Además de los mencionados también se ofrecen otra serie de métricas  interesantes y que pueden consultarse en la propia web. Como curiosidad os invito a que visitéis este ejemplo: @ladygaga en el que podréis ver un caso práctico con la cuenta de  Twitter de Lady Gaga con cifras astronómicas en impacto e influencia.

Como colofón final comentar que para modificar el rango de fechas sobre los que obtener datos y otras funcionalidades adicionales existen versiones de pago de la herramienta que podéis consultar en la propia web de Twitalyzer.

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.

Dejando a un lado el social media tracking (presencia, eco y ruido), que dejamos para herramientas avanzadas como Radian 6, o aplicaciones integradas como SMOSphere, vamos a centrarnos en cómo podemos utilizar nuestra herramienta de analítica web actual para medir estos entornos.

Discriminar el tráfico que aterriza en nuestro site procedente de Twitter

Algo que en cualquier otro entorno sería tan sencillo como observar el informe de referentes se complica en esta red social, ya que se estima que entre el 50 y 60% de los usuarios acceden al sistema vía API (aplicaciones/plug-ins, hasta ahora la mejor twitterfox ). Este tipo de aplicaciones no dejan rastro (referente) al aterrizar en nuestra web, por lo que los accesos se consideran directos.

En el caso de que lancemos campañas sociales nosotros mismos, se puede salvar este problema introduciendo un parámetro de campaña en la url destino. De este modo nuestra herramienta sabrá que aterrizamos desde un Twit.

Para el caso de Google Analytics, que no implementa tracking de urls personalizado, se pueden usar los parámetros de AdWords (utm_source, utm_medium…). En este caso, existen aplicaciones online muy útiles para la generación de urls como la de Anil Batra, o también podemos instalar el pluging que nos regala Yoast y que lo hace todo él solito.

Por otro lado, además de observar los click-throughs que se producen desde los Twits, sería interesante trackear los accesos que se producen desde el buscador de twitter, junto con la keyword de búsqueda que los han producido. En este sentido cabe destacar que mientras que Omniture SiteCatalyst o Webtrends Analytics ya lo consideran como un buscador orgánico, en el caso de Google Analytics podemos utilizar un sencillo plug-in para añadirlo a la lista.

Conocer la presencia de nuestra marca o brand activity en Twitter

Si tenemos una herramienta que disponga de una API de inserción de datos offline, como es el caso de SiteCatalyst, estamos en una muy buena posición, ya que podemos integrar los datos mediante la API de twitter. Esta Api nos permite realizar búsquedas por una determinada keyword, y extraer todos los Twits que la mencionan.

Una vez que tengamos esta información en nuestro poder, tenemos la posibilidad de insertarla en nuestra herramienta, permitiéndonos generar informes de tendencias, ranking, etc… Todos los detalles en este genial Post de Adam Greco.

En el caso de Google Analytics, que no dispone de API para importar datos (sí para exportar), cabe la posibilidad de utilizar una segunda aplicación de integración como xMetrics (en este caso un producto de MV Consultoría, aunque podrían desarrollarse alternativas), que del mismo modo que extrae estadísticas (informes) de Google Analytics u otra herramienta, permite importar información de la API de Twitter.

En resumen, queda demostrado que sin entrar en análisis de reputación y otras medidas más avanzadas, es posible tener una idea de “lo que se cuece” en Twitter con nuestra herramienta de analítica web tradicional