Los 7 Pecados Capitales de Web Analytics

Hemos analizado datos arduamente y finalmente terminamos nuestro reporte. Sin embargo, este análisis dista mucho de lo que puede ser útil para la empresa a la que se supone vamos a ayudar… ¿por qué? Invertimos mucho tiempo, descubrimos tendencias, obtuvimos datos “importantes”, entonces ¿qué pasó?

Los siguientes son los 7 errores más comunes o más bien los 7 horrores o pecados capitales en web analytics. A cualquiera nos puede pasar, sobre todo cuando vamos empezando, es por eso de vital importancia tomar nota para evitarlos.

1. No definir objetivos
Ver el sitio como algo separado del negocio es el peor error. Necesitamos tener una meta para saber qué medir. Es increíble que la mayoría de las implementaciones de herramientas de web analytics no tenga objetivos definidos. Entonces, ¿qué es lo que vamos a mejorar? Incluso los sitios que no hacen comercio electrónico deben definir objetivos como número de subscriptores, número de asistentes a un webinar, número de descargas, etc.

Los objetivos para el análisis deben de estar perfectamente alineados con los objetivos de la empresa, definir objetivos como páginas vistas o acciones más relevantes para uno y no para los otros es un error muy común. Por ejemplo, si una de las metas de la empresa es incrementar las ventas en un 20%, entonces fácilmente podemos traducir esta meta gerencial en incremento de conversión por campaña y/o incremento de tráfico como objetivos de nuestro análisis.

2. Mal interpretar de las métricas
Esto va muy de la mano con el Pecado anterior. Cuántas veces los analistas en automático deducen que un bajo bounce rate es bueno o que un bajo número de páginas vistas es malo sin primero saber cuál es el objetivo del sitio, sin tomar en cuenta las fuentes del tráfico o la combinación con otros indicadores para tener la imagen completa de lo que está pasando.

3. No llamar a la acción
Un análisis web se basa en información pasada, rastreo de actividades que ya sucedieron. Sin embargo, lo que se pretende con el análisis es ir hacia delante, tomar decisiones para el futuro.

Un análisis que sólo genera reportes y más reportes de lo que ya pasó sin una llamada a la acción no es útil. Por ejemplo, un análisis que muestra gráficos sobre los porcentajes de conversión de las diferentes campañas de mercadotecnia no tiene el mismo impacto que un análisis que concluye que la campaña de adsense está siendo más rentable que los anuncios pagados en las redes sociales y que si se invirtiera el presupuesto de las redes sociales en adsense se habrían ganado 100 clientes más en 1 mes.

4. No segmentar
Básico y sin embargo muy común. Es de vital importancia separar el tráfico. No todo el tráfico es igual. Claro que es necesario un poco de análisis para hacer segmentos inteligentes. Cada situación presenta diferentes maneras de segmentar, desde la fuente del tráfico, posición geográfica, edad, género, o combinaciones de estas. Lo más importante es que los segmentos sean relevantes y ayuden a obtener insights significativos.

5. Obstinarse en información poco relevante
Los datos web siempre son imprecisos. La gente borra cookies, accede a los sitios desde diferentes equipos, se pueden implementar diferentes métodos de colección de datos (del lado del cliente o del lado del servidor como logs), etc. Muchos analistas se pierden en tratar de “cuadrar” información de distintas fuentes, o en tratar de obtener datos exactos.

Esto nunca va a ser posible y solo se mal gasta tiempo valioso para el análisis. Lo que se debe hacer es observar tendencias y usar métricas que están dentro de control para basar el análisis.

6. Basar el análisis sólo en datos cuantitativos
Lo más fácil es analizar los números que cualquier herramienta provee. Sin embargo, si no incluimos un análisis de la “voz del cliente” estamos perdiendo grandes oportunidades. Esta es la información cualitativa, la que toma en cuenta la perspectiva de nuestros clientes y prospectos. Y con un balance de ambos lados se puede tener una visión completa, un análisis más profundo y por consecuencia, una mejor toma de decisiones. Ejemplos de herramientas para el análisis de información cualitativa son: TeaLeaf, Bazaarvoice, iPerceptions, Omniture Survey, ForeSee y OpinionLab.

7. Invertir en herramientas y no en la gente
Avinash Kaushik lo deja muy claro en su regla 10/90  para obtener un valor alto en la implementación de web analytics se debe emplear el 10% en herramientas y el 90% se debe invertir en recursos/analistas inteligentes. Como el “Pecado” 3 lo dice, un análisis debe llamar a la acción, y una herramienta, por más reportes que pueda obtener, nunca va a proveer conclusiones que llamen a la acción y que estén alineadas con los objetivos de la empresa. Es la gente, con habilidades y conocimientos sólidos que podrá generar ese valor.

Si a esto le sumamos que para que una herramienta provea datos significativos, esta debe estar correctamente implementada, y un error muy común es la mala implementación, regresamos al mismo punto, es la gente el elemento crucial, que sabrá cómo implementar una herramienta y sacarle el mayor provecho.

Estos son los 7 errores más comunes y que más pegan en la industria actualmente. ¿Tienes algún otro que desees compartir?