Analítica web
Reflexiones desde el mercado español de Analítica Web

Métricas calculadas de Adobe Analytics para sacar rendimiento a tu histórico

Se lee en 3 minutos

Los datos no significan nada sin un contexto. Debemos compararlos con otros periodos para ponerlos en perspectiva y entender su evolución. Lamentablemente, los periodos que podemos utilizar en Adobe Analytics para esa comparación son muy limitados, así que os traigo una métrica calculada con la que obtendremos una media móvil de las visitas mensuales en los últimos 2 años. Si en vuestro caso os gustaría calcular la media de ingresos de las 4 semanas anteriores, el funcionamiento es exactamente el mismo, aunque deberéis adaptarla.

Es cierto que podemos sacar los datos año por año, pero una media de los dos últimos años nos permitirá observar la estacionalidad con mayor claridad.

Las métricas avanzadas de Adobe tienen funcionalidades muy potentes, pero no funcionan de una forma tan simple como pudiera parecer. Para conseguir la media mensual, crearemos una métrica por cada mes y, posteriormente, las sumaremos todas usando una nueva métrica calculada. Es fundamental que ninguno de los datos de la siguiente tabla tome el valor invalid, ya que no podemos operar con ellos.

Manos a la obra:

  1. Antes de comenzar con la métrica necesitaremos algunos segmentos: uno para el último año completo, otro para el anterior y otro para la suma de ambos años, todos ellos a nivel de hit. Algunos de estos segmentos requieren el uso de Date Ranges, una funcionalidad que nos permite crear intervalos de tiempo de forma muy simple. Tan sólo debemos acordarnos de utilizar rolling dates.
  2. Ahora que tenemos los segmentos, nos pondremos con la métrica calculada de enero, a la que llamaremos Average Monthly Visits – January.
    • Mediante un if comprobaremos si existen visitas en esos dos años, y en caso de no ser así, tomará el valor 0 (siendo el último paso de la métrica). Evitamos así el valor invalid.
    • En caso de haber visitas, en el value_if_true, incrustamos la función mean, que nos servirá para que tome un único valor a lo largo del mes y sea representable con un gráfico de línea.
    • Dentro de la media, arrastramos las visitas en el mes de enero para los dos años ya comentados, y las dividimos entre la suma de dos if. Cada uno de ellos comprueba si hay visitas en enero para uno de los dos años, de modo que si ambos años tienen datos se dividirá entre 2 (1+1), mientras que si sólo hemos recibido visitas en uno de los dos meses de enero, en divisor será 1 (1+0 o 0+1). Es una forma manual de hacer la media aritmética, ya que la función no arroja el resultado que esperaríamos.

Si hemos hecho todo correctamente, podremos ver los datos como en la imagen anterior, pero puesto que no es fácil de comprender, comparto con vosotros una captura de la métrica en su totalidad. Recomiendo entender el funcionamiento y seguir la lógica ya comentada para construirla con éxito, y si algo sale mal, podéis examinar la fórmula de la captura bajo estas líneas.

  1. Ahora que ya tenemos enero, sólo tenemos que replicarla con el resto de meses, y una vez tengamos las 12 métricas, podemos proceder a su suma en la que he llamado Average Monthly Visits – Last Two Full Years. La forma más fácil es:
    • Crear un contenedor (no es necesario, pero puede ser muy útil).
    • En su interior, alojamos otros 12 contenedores.
    • Cambiar la operación de división a suma.
    • Comenzamos a introducir las métricas de cada uno de los 12 meses (si comenzamos por el último contenedor y vamos ascendiendo será más fácil y rápido).

Ahora que ya tenemos nuestras métricas unificadas podemos construir una tabla en la que comparemos los datos de ambos años con el año actual, y podemos enriquecerla con una tercera columna en la que se refleje el cambio porcentual.

Y, a partir de aquí, podemos explotar las ventajas de la visualización de datos de Workspace, aunque lamentablemente la comparativa entre los dos últimos años completos y el año actual sólo se pueden representar en un gráfico de barras, ya que no comparten el mismo horizonte temporal.

Es cierto que mediante las métricas avanzadas se han podido obtener datos muy interesantes, pero está claro que la herramienta no está pensada para ser usada de esta forma, por lo que si queremos llevar los datos un paso más allá, deberemos exportarlos a Excel y quizás realizar una regresión lineal con ajuste estacional. Una forma muy simple de obtener una predicción, que como se puede observar, es relativamente precisa.

1

A partir de este momento podemos complicarnos la vida todo lo que queramos, pero no es el objetivo en esta ocasión. Las métricas calculadas ofrecen muchas posibilidades, pero tendréis que averiguar cómo hacer trampas para extraer el dato deseado. ¿Se os ocurre alguna idea descabellada para una nueva métrica? ¿Alguna forma de mejorar la que os presento? No dudéis en compartirla.

Escribe tu comentario

dieciseis + dieciocho =

Navegar