La analítica basada en datos simples, en ocasiones, resulta plana y nos permite detectar, en el mejor de los casos, alguna tendencia global de la que no podemos extraer demasiada información. Tal y como dice Avinash Kaushik, “es un crimen informar cualquier KPI o métrica por sí sola en un gráfico, tabla o cuadro de mando”, pero ¿por qué? Veámoslo con un ejemplo:
Aquí tenemos una gráfica que representa un dato simple, como la totalidad de usuarios que visita una web, en la que no se ha definido ningún contexto. Podemos sacar algunas conclusiones superficiales como que las visitas son bastante constantes durante la semana pero descienden el fin de semana. Incluso, podríamos llegar a obtener conclusiones del tipo de: si debemos hacer cualquier tipo de acción, será mejor hacerla entre semana que los fines de semana.
Hasta ahí todo es correcto, pero ¿qué pasa si queremos profundizar en los datos?, ¿y si intentamos buscar más información?. Podríamos hacernos preguntas como ¿qué perfiles de usuarios entran el fin de semana?, ¿y entre semana?, ¿tienen los mismos intereses o están buscando las mismas cosas?, ¿puedo ofrecer algún servicio o producto para atraer a esos usuarios que no acceden el fin de semana?… Son preguntas lógicas que podrían darnos una pista de qué estrategias aplicar, pero cuando buscamos la respuesta vemos que con este tipo de análisis no la encontramos o es tremendamente complicado y es ahí dónde llega la segmentación para ayudarnos.
¿Para qué sirve la segmentación?
Llegados a este punto habréis intuido que la segmentación nos sirve para dar un contexto a un conjunto de métricas y datos y esto es sumamente importante porque nos permite ver más allá de los simples clics y visitas para dar otra dimensión al análisis.
Segmentando podemos establecer perfiles y patrones así como analizar su comportamiento en nuestra web. En un paso posterior podremos comparar este comportamiento con el que presentan otros perfiles diferentes. De esta forma podemos comprender mejor lo que está sucediendo. Esto nos ayuda a mejorar de forma más efectiva ya que vamos a poder diseñar estrategias orientadas a esos perfiles o segmentos. También nos será posible detectar los comportamientos que gustan y potenciarlos y, al contrario, detectar los comportamientos que no gustan y corregirlos.
Y el caso es que la segmentación se aplica a todos los niveles porque es tremendamente efectiva. Si prestamos un poco de atención detectaremos muchas situaciones en las que se está segmentando y usando patrones. Por ejemplo, recuerdo hace tiempo, cuando era muchísimo más joven y emitían el partido de los sábados en abierto por los canales autonómicos. En el intermedio, solían emitir anuncios de la película que iban a poner a continuación y, casi siempre eran títulos del tipo “Justicia Infernal” o cosas similares. Nos estaban segmentando, ellos saben que el patrón más común de personas que estarían viendo el partidos serían hombres con unos intereses muy particulares. Para mantenerlos pegados al canal, les ofrecían una película acorde a esos intereses.
Veamos un ejemplo bastante clarificador dentro del análisis online. Si analizamos simplemente los datos una web sin segmentar:
Visitas: 100.000
Conversiones: 2.000
Esto nos da una visión global muy plana de lo que son los resultados de la web. Vemos un número de visitas y de conversiones. Como mucho podríamos calcular una tasa de conversión, pero la ausencia de contexto no nos permite ver mucho más allá, ya que no tenemos órdenes de magnitud ni referencias. No podemos, pues, sacar demasiadas conclusiones. Pero si a estos mismos valores les damos un contexto podríamos tener, por ejemplo:
Visitas desde tráfico orgánico: 30.000
Conversiones: 1.400
Visitas desde tráfico de pago: 50.000
Conversiones: 500
Los datos globales son los mismos, pero hemos creado 2 segmentos muy básicos. ¿A que la información no es la misma?, ¿no crees que ahora alcanzamos a dar una interpretación a los datos?. Como digo, he creado 2 segmentos muy simples basados en el origen de las visitas a la web. Sólo con esa acción estamos mejorando y aumentando la información ya que estamos viendo, además de los datos, el comportamiento de los usuarios y eso nos conduce a formularnos muchas más preguntas:
¿Porqué las visitas que vienen del tráfico orgánico convierten más que las del tráfico de pago?. Las comparaciones de los dos segmentos nos dan una referencia y nos dejan ver que el tráfico que conseguimos pagando por campañas no está funcionando como esperábamos ya que el tráfico orgánico convierte más ¿Estamos optimizando bien las campañas?, ¿merece la pena seguir invirtiendo en “comprar” tráfico?, ¿a dónde dirigen las campañas?, ¿podemos optimizar esas páginas de aterrizaje para mejorar la conversión?, ¿nos estamos dirigiendo al público adecuado?, ¿es el mismo público el que accede por tráfico orgánico y por tráfico de pago?, ¿están en la misma etapa como clientes?, ¿se orientan a los mismos productos?… pues todas estas preguntas y muchas más surgen simplemente con esta simple segmentación…
Si vamos un poco más lejos, esta segmentación nos puede ayudar a perfilar y profundizar aún más, porque y si lanzamos la preguntas ¿se están comportando igual estos segmentos a través de móvil que del ordenador de escritorio?, ¿provienen todas las visitas de la misma ubicación?, ¿en qué idioma?… A partir de ahí podríamos seguir buscando y puliendo segmentos. ¿A que es útil? ¿Veis lo que comentaba al principio de que damos otra dimensión a la métrica?
¿Cómo empiezo a segmentar?
Al analizar una nueva web o una web que no conocemos puede surgirnos esa duda. ¿Cómo encuentro esos patrones?. Lo primero que debemos hacer es conocer a la perfección la web que estamos analizando, o, mejor que la web, los objetivos de la misma. Saber cuales son las metas y qué métricas les afectan sería el primer paso ya que así acotaremos un poco el campo de búsqueda.
Conociendo este primer detalle formularemos preguntas simples sobre la consecución de dichas metas. Imaginemos que el objetivo de nuestra web es que los usuarios consuman mucho contenido o visiten muchas páginas sin salir de la web (este podría ser uno de los objetivos de un periódico digital, por ejemplo). En este caso podríamos cuestionarnos cosas como ¿de dónde llegan los usuarios que consumen más contenido o que convierten nuestro objetivo?, ¿y los que no lo hacen?, ¿es relevante el dispositivo empleado o, por el contrario, se mantienen constantes los datos de conversión independientemente de si visitan la web desde móvil o desde un ordenador de escritorio?. Este tipo de preguntas, basadas en una única métrica, podrían darnos los primeros indicios para establecer patrones dentro de nuestra web.
Como referencia aquí tenemos algunos aspectos en los que nos podríamos basar:
- Segmentos basados en visitas: busca segmentos basados en los patrones de visitas de las personas. ¿Los visitantes por primera vez exhiben rasgos diferentes a los visitantes que regresan?, ¿o tal vez las personas que llegan a páginas de destino específicas experimentan su sitio de manera diferente a las que llegan a su blog?, ¿y si comparamos las distintas fuentes de entrada?
- Segmentos basados en la interacción: Si has configurado eventos o metas en tu sitio web, puedes crear segmentos para diferenciar el tráfico de aquellos que han completado ciertas acciones, o no. Puedes centrarte también en interacciones como el rebote y comparar los segmentos que han rebotado frente a los que no lo han hecho. Otras variables que podemos usar serían los tiempos de navegación, el uso del buscador interno, la visualización de un contenido…
- Segmentos basados en campañas: Puedes ir más allá del seguimiento del número de visitas de sus campañas de marketing. Este tipo de segmentos nos darán una visión más profunda de los diferentes patrones de uso de las personas que llegan a la web desde campañas publicitarias.
- Segmentos de comercio electrónico: Separa el tráfico de los usuarios que hicieron una compra de un producto o servicio de los que no la hicieron. Los datos pueden revelar diferentes tipos de clientes con patrones de navegación únicos.
- Segmentos demográficos: La mayoría de herramientas analíticas permiten construir segmentos basados en el idioma del navegador de un usuario, o la ubicación de su dirección IP, o cualquier otra dimensión personalizada. Este tipo de segmentos y preguntas relacionadas pueden darte una idea sobre el perfil de cliente que encaja más con los objetivos de tu web
- Segmentos tecnológicos: La experiencia en tu web puede variar enormemente dependiendo del dispositivo, o incluso del navegador web, que alguien utilice para acceder a su sitio. La creación de segmentos basados en la tecnología que utiliza un cliente puede revelar problemas para ciertas plataformas, o incluso diferentes actitudes entre los usuarios.
Valores de referencia y órdenes de magnitud
Cuando comenzamos algún viaje en familia siempre hay una pregunta que me hacen mis hijos casi por sistema. “¿Está muy lejos?” y mi respuesta es también sistemática, “pues depende, ¿con qué distancia quieres que lo compare?”. En el mundo de la analítica los conceptos de mucho o poco son muy relativos y dependen del contexto. ¿Un trayecto de 1.000 km es cerca o lejos?. Probablemente si lo comparamos con el trayecto que hacemos diariamente para ir a la escuela sea poco, pero si lo comparamos con la distancia entre la tierra y el sol sea una distancia ridícula. Como veis el concepto de lejos o cerca ha necesitado de un contexto para definirse.
Esto mismo sucede en el análisis web. ¿Mi web recibe muchas visitas o pocas?, pues depende del contexto. Y precisamente ahí encontramos otra utilidad de los segmentos. Estamos contextualizando los datos de nuestra web y podemos establecer referencias y comparaciones. Los segmentos que hemos definido hace un rato nos han dejado comparar el comportamiento de 2 grupos distintos, los que llegan por tráfico orgánico y los que llegan por tráfico de pago. Ha sido confrontando estos 2 grupos que hemos podido determinar que el tráfico orgánico estaba siendo mucho más eficaz a la hora de convertir. No hubiésemos podido llegar a esta conclusión si no hubiésemos puesto estos grupos uno enfrente del otro.
Podemos comparar estos segmentos entre sí, con la media de nuestra web, con datos de otros competidores o incluso con datos estándar de nuestro sector. Las posibilidades son múltiples pero lo que está claro es que segmentar y contextualizar los datos nos ayuda también a comparar y a formular hipótesis.
Conclusión
Ya hemos visto un esbozo del potencial que podemos tener en nuestras manos al segmentar la información y los datos de nuestra web. Poco a poco, cuando vayamos acotando y definiendo mejor los patrones, podremos ir complicándolos cada vez más añadiendo más variables.
Lo que es evidente es que los patrones nos ayudan a interpretar y analizar mejor lo que está sucediendo en la web. Nos dan la posibilidad de crear grupos con características comunes y compararlos entre ellos o con la totalidad, es decir, nos da puntos de referencia u órdenes de magnitud que nos permiten valorar el funcionamiento de nuestras acciones de marketing y de nuestra web.
Deja una respuesta