Anomaly Detection – ¿Por qué han subido o bajado mis conversiones?

La Detección de Anomalías (no confundir con picos o caídas)  es parte las nuevas funcionalidades ofrecidas por Adobe Analytics y aporta un método estadístico sobre como una métrica ha cambiado en un periodo de tiempo.

El post en español me lo he publicado Carlos Lebron en su blog Analísis Web y puedes leerlo haciendo click en el enlace

¿Por qué han subido o bajado mis conversiones?

Adobe Analytics – Anomaly Detection

What´s Anomaly Detection?

Anomaly Detection is part of new & cool stuff from Adobe Analytics and provides a statistical method to determine how a given metric has changed in relation to previous data”

Is an anomaly the same thing as a spike or a dip?

Not exactly 100%

A spike or a dip is what happens when a metric dramatically increase or decrease
for a specific period of time. And it might be “created” or “expected”.
For example, if we run an extra £10000 PPC campaign, then it’s normal we will have an increase in traffic (due to that campaign). Thus, if we have 20% more of traffic and 17% more of conversions, that’s not an anomaly, just a spike.

An anomaly is more about the way that metric has changed and has an statistical approach.

For example, if one day 23% of the orders come from a specific campaign that represents just 3% of the traffic, that’s an anomaly, but can also be a spike or not.

It worth taking a digging, and the results are statistically significant (it’s highly recommend to thick the box “Show Only Statistically Significant Items”)

As we can see in the graph below we can see that there is an anomaly on the 29th of June, but it’s not really a spike

How can we get started with Anomaly Detection?

1- Anomaly Detection can be found within “Reports”, and then Site Metrics


2- Select the metric/s & the period

Just click on “Edit Metrics” and then choose a “Training Period”

  • Metrics

You can select one or more metrics (so you can see the relation between i.e. two metrics)
You can select every Success Event, and also the Standard Events related to eCommerce (cart additions, views, removals, orders etc.)

  • Period





The three training periods available are: 30, 60 and 90 days. Note a bigger training period may reduce the size of an anomaly.

3- Take a digging for a specific anomaly

Once you select the metric and timing, you will see a graph showing the evolution, pointing out the anomalies
As soon as we click on an anomaly, we see below the graph the actuals and what would be reasonable for that metric during that period of time. Additionally, we also see its impact on percentage (in green if it’s positive and in red if it’s negative).

Then we should click on analyze (above the graph) to see the “contribution analysis”

4- Check the possible reasons

Adobe Analytics suggest a range a “items” (that can be product, campaign etc.) in which an anomaly has been spotted.

Each posibitility has a contribution score that take values from 1 to -1:
1: complete association for a spike or complete inverse association for a dip
0: No association for contribution
-1: Complete association for a dip or complete inverse association for a spike.
In the image can see in the second row: 1% of x has generated 23 of y…

5- Create a segment and inspect it


Just click on one of the items (rows) and a button to create a segment containing that item (product, campaign, referrer etc.) will appear.

Next steps? Save the segment and apply it by referrer, device etc. in order to take a digging and know what´s going on..

As you can see, it’s very fast to identify what’s “unusual” and the segments we need for our analysis, and it will save us loads of time.

Any idea? Any comment? Any complaint? Leave your comment and I will get back to you. You can also contact with me via email o through my Linkedin and Twitter profiles

measure bowling

Why you need to attend Measure Bowling or how to organize your own

Measure Bowling will be back on the 2nd of June. For the 7th time, Digital Analysts from about 25 European cities will go bowling together.

Next Measure Bowling












For those who don´t know Measure Bowling or don´t work in Analytics it might seem like a weird concept. I have seen seen a few poker faces on friends or even my boss when I have tried to explain it / convince them to attend. But once they´ve experienced it, they agree that it´s pretty cool, and ask me why it doesn’t happen more often.

Why should you attend Measure Bowling?

Well, let´s recognize that our favourite part in a conference is at the end – when you have the chance to talk with others in a relaxed environment, and also talk with / ask questions of someone in particular, and of course, socializing.

Measure Bowling goes directly to this part since there are no talks. We play one or two bowling games, taking part in a local competition, but also an international one between the different cities. In most cases, it also includes dinner, (which is highly appreciated by the Spaniards) and some beers.

There is also a t-shirt competition, normally themed around nerd t-shirts. Unfortunately, I don´t have the pic, but the best one I have ever seen said “NO, I will not fix your computer” A few of us also wear nerd socks on the evening (yes, there is a pic for this). No white socks please, though! There are also prizes (books, toques, Amazon vouchers etc).

nerd socks






If you are reading this, I will tell you that you should definitely include Measure Bowling in your agenda, and attend the one happening in your city. Or…you could organize your own!

To keep reading, please click on the link below to the original post.

Como trasladar a Signal un plan de etiquetado

Este es el segundo post de la serie sobre gestor de etiquetas Signal (BrightTag).

En cualquier implementación de analítica, empezamos por definir las variables que se van a lanzar en cada carga de página y en cada interacción. Y en Enhanced Ecommerce si utilizaramos Google Analytics.

Lo primero es definir las variables y los posibles valores que puedan tomar.
Por ejemplo, pongamos que en cada carga de página queremos recoger:
– Nombre de la página (page name)
– Categoría (primary category)
– Subcategoría (sub category)



Luego debemos trasladar las variables del Excel que hemos hecho a las herramientas. Si utilizamos Adobe Analytics, tendremos que crear esas mismas variables como eVars o Props o ambas cosas, en función de nuestras necesidades.

Y en Signal, lo que tenemos que hacer es:
● Crear un Data Element cada una de las variables definidas
● Asegurarnos de que cada Data Element tiene el mismo numero de inputs que de Outputs
● Asegurarnos de que dentro de cada Data Element, cada input corresponde con cada output

1) Crear un Data Element cada una de las variables definidas.

Tan solo hay que ir al Data Dictionary y clicar en “Add Data Element”, introducir el nombre y la descriccion y guardar clicando en “Create”


Consejo: Recomiendo que los nombres sigan una “naming convencion” coherente y consitente, e incluir una descipcion, para nosotros mismos mas adelante y para otras personas que puedan utilizar Signal mas adelante (sean o no analistas)

2) Asegurarnos que cada Data Element tiene el mismo numero de inputs que de Outputs





De lo contario hay un problema, que puede ser de dos tipos:

Mas inputs que outputs > Estamos duplicando datos
Tenemos al menos 2 inputs apuntando a un mismo Output

-Problema: Cada vez que lanzamos esos inputs estamos enviando datos a Adobe Analytics (o a la herramienta en cuestión). Es decir, en Adobe Analytics, no podremos saber cuál es el input que se ha lanzado y debido al cual se han recogido esos datos.

-Consecuencia: Si no sabemos que ha ocurrido para que se hayan recogido esos datos, entonces esos datos en Adobe Analytics son de muy baja calidad o directamente no sirven para nada.

Mas outputs que inputs > Estamos dejando de recoger datos (que creemos que estamos recogiendo)
Tenemos al menos un input que no apunta a ningún output

-Problema: Cada vez que lanzamos inputs sin outputs, esos inputs no se envían a ningún sitio puesto que no se le está dando a Signal la orden de hacerlo

-Consecuencia: Datos que supuestamente estamos recogiendo nunca llegaran a Adobe Analytics y nos daremos cuenta cuando queramos analizarlos (y ya será demasiado tarde)

3) Asegurarnos de que dentro de cada Data Element, cada input corresponde con cada output

No basta con ver que cada Data Element tiene los mismos inputs que outputs. Pudiera ser que tuvieramos inputs sin outputs o outputs sin inputs, pero que ambas cosas (inputs & outputs) sumasen el mismo numero. Luego tenemos que comprobar que nos casan todas las parejas input & ouput

Para el Data Element Page Subcategory tenemos el input Home







Que corresponde con el output Mobile App: Page Load: Home Page








Es decir, cuando se carga la página de inicio (home) Signal sabe que tiene que:

● Recoger esa carga de pagina
Ya que hemos creado un input “home”
● Recoger el Data Element “Page Sub Category”
Ya que está incluido en el input home – primera captura de pantalla
● Enviar ese dato a Adobe Analytics
Ya que hemos creado una etiqueta con ese vendor asignada al input home (la cual hemos llamado “mobile app page load home page) – segunda captura de pantalla
Y así sucesivamente con el resto de parejas input & ouput

Puedes leer el post de introdución a Signal haciendo click aquí

¿Alguna idea? ¿Algún comentario? ¿Alguna queja? ;) Deja tu comentario y te responderé. Si algo no te ha quedado claro, tienes alguna duda y crées que puedo ayudarte también puedes enviarme un mail a o contactar conmigo a través de Linkedin o Twitter


Introducción al Gestor de Etiquetas Signal (BrightTag)

Para empezar a comprender como funciona el gestor de etiquetas Signal (anteriormente conocido como BrightTag) hay que empezar por tres conceptos básicos: data elements, inputs y outputs

¿Qué son?

  • Data Elements son las variables que queremos recoger
    La recopilación de Data Elements se llama Data Dictionary
  • Los Inputs son aquello que ocurre que queremos saber y por tanto recoger
    Ya sean cargas de páginas o interacciones realizadas por el usuario.
    Ya sea en un navegador web o una app.
  • Los Outputs son las etiquetas con las que enviamos datos a otra herramientas
    Como Google o Adobe Analytics por ejemplo

¿Cómo funcionan?

1) Data Elements

Los data elements son los datos que queremos capturar de nuestra web o app y enviar a una herramienta de analítica digital. Es lo que en otras herramientas llamaríamos “variables”.

La forma de definirlos y crear un mapa del tageado (plan de marcación) es a través de lo que Signal denomina Data Binding. Que es la forma de decirle a Signal: en este input tienes que recoger estos data elements (variables)

Por ejemplo, en cada carga de página (que es un input), podemos querer recoger (entre otras cosas):
– El nombre de la página (page name)
– La categoría (primary category)
– La subcategoría (sub category).

Luego dentro del Data Dictionary, crearíamos un Data Element para cada una de estas variables


2) Inputs

Los inputs es aquello que que queremos saber / recoger sobre la navegación y comportamiento de los usuarios. Las páginas que se cargan y las interacciones relevantes que se realizan durante la visita.

Explicación Práctica con un Ejemplo:
– Quiero saber que se visitan las páginas de producto
> creo un input “product pages”
– Quiero que al cargarse las páginas de producto, se recoja el nombre del producto, la categoría y la subcategoria
> creo un Data Element para cada una de estas variables (ejemplo anterior) y los incluyo dentro del input product pages

Lo mismo con la interacciones, si queremos saber si los usuarios crean cuentas y / o se logean (y eso en conlleva dos pasos) crearíamos un input para cada una de estas acciones.









3) Outputs

Con lo que explicado hasta ahora, Signal ya sabe qué acciones queremos recoger (que se carguen las páginas de producto, que el usuario crea una cuenta etc.) y que queremos saber de esas acciones (el precio del producto, el nombre, la categoría etc.)

El tercer paso es enviar esos datos a la herramienta de Analítica Digital que queramos, como por Adobe Analytics o Google Analytics (en el ejemplo, el vendor en cuestión es Adobe)



En una serie de post sucesivos iré profundizando en cada uno de estos tres conceptos básicos, así como otras funcionalidades de Signal.

¿Alguna idea? ¿Algún comentario? ¿Alguna queja? ;) Deja tu comentario y te responderé. Si algo no te ha quedado claro, tienes alguna duda y crées que puedo ayudarte también puedes enviarme un mail a o contactar conmigo a través de Linkedin o Twitter

Lo que como analista he aprendido de Bunbury

Los que me conocen saben que soy un fan incondicional de Bunbury. Lo soy desde que con 12 años y de forma casual cayó en mis manos una cinta de las entonces del recopilatorio Parasiempre. Cinta que por cierto acabé desgastando.

Pero gustos musicales aparte, también veo que objetivamente Bunbury es un músico distinto a los demás. Y lo es porque tiene muchas cualidades que admiro y que trato de tener yo mismo. Luego, aunque por motivos obvios el no está entre los maestros de Analítica que he tenido, tiene cosas que los analistas y no analistas podemos aprender de él.

Es fundamental evolucionar, tener proyectos y trabajar por proyectos

Bunbury siempre ha dicho que cada nuevo disco es una respuesta a las insatisfacciones del disco anterior.

Mi evolución profesional ha sido así. Lo que me ha llevado a cambiar de trabajo es la “insatisfacción” de no poder hacer o aprender esto o lo otro. Por ejemplo, desde que empecé como analista, había tenido la “insatisfacción” de no conocer Adobe Analytics. Luego en mi trabajo actual he encontrado esa respuesta a una insatisfacción que tenía.

Creo que la idea que hay detrás es que tu carrera profesional (tu conjunto de proyectos) es más importante que tu trabajo (proyecto) actual, que es tan solo una parte. Esto ayuda a evolucionar y encontrar tu sitio.

Pero para ello hay que tener inquietudes, saber lo que se quiere y ganas y valentía de hacer las cosas. Y sobre todo no tener lo que yo llamo “mentalidad de funcionarios” de los que planean quedarse cuarenta años haciendo lo mismo (incluidos los músicos que llevan toda su carrera haciendo lo mismo)

Tienes que conocer tu profesión y no “limitarte a tu instrumento”

Yo no considero a Bunbury un cantante o intérprete sino un músico. Hay muy pocos como él, que sepan tocar tantos instrumentos (guitarra, bajo, armónica, batería, o incluso el piano). Y ha explorado estilos totalmente distintos (desde el rock con Héroes a las rancheras en solitario) lo que le da una visión muy amplia de su profesión.

Un buen analista también tiene que tener una visión amplia de la analítica y la industria digital en general. Incluso del marketing. A mí me ha ayudado haber estudiado Investigación de Mercados.

Hay infinidad de “instrumentos” (las propias herramientas de analítica y no solo cuantitativa, también los gestores de etiquetas, javascript, SQL, CRO, R etc.). Y personalmente creo que es bueno a largo plazo el explorar la profesión desde distintos “estilos”: en una empresa, como consultor y en una herramienta para tener esa visión más amplia.

Hay que ser valiente y no tener miedo a los cambios

Nadie ha evolucionado tanto en su estilo como lo ha hecho Bunbury. Incluso en solitario. Y no digamos si lo vemos incluyendo Héroes del Silencio. No teme a los cambios, si no que los busca y esos cambios son los que van creando su propio camino y definiendo su carrera musical.

Y es valiente porque cuando tenía una vida cómoda con Héroes, lo dejo y dio un giro tan radical que se se jugó su carrera como músico. Internet no es un buen sitio para aquellos que les gusta lo cómodo y / o tienen miedo a los cambios.

Si miramos al pasado, hasta hace muy poco no se utilizaban gestores de etiquetas, no había data layer, se visualizan datos con Excel y no con herramientas específicas, nos quedábamos en el reporting etc. Y si miramos al futuro, todos nosotros vamos a evolucionar a algo distinto que quizá ni exista en este momento. Algunos acabarán como directores de marketing, otros se especializarán en data science etc.

A mí personalmente no me da ningún miedo tener que afrontar ese futuro de cambios. Al contrario, me gusta que sea así. Porque haga lo que haga dentro de cinco y diez años, sé que será lo que quiera yo, lo que haya decidido que quiero hacer. Luego me seguirá gustando haga lo que haga.

Por cierto, Florian Guidicelli, que es mi mejor amigo en la profesión dice que me ve dentro de unos años montando una pequeña fábrica de cerveza a las afueras de Londres y creando mis propias Pale Ales :)

Hay que ser humildes

Lo explico con un ejemplo. Otro de mis músicos predilectos es Nacho Vegas, al que empecé a escuchar muchísimo antes que se empezara a hacerse más o menos conocido. Y fue porque Bunbury dijo en una entrevista que lo más parecido a él era Nacho Vegas.

Aun habiendo sido el líder del grupo de rock español que más ha vendido y más repercusión internacional ha tenido, no se le cayeron los anillos para ponerse al mismo nivel que un cantautor indie que estaba medio empezando. No solo eso, sino que a iniciativa del propio Bunbury grabaron un disco juntos, momento a partir del cual Nacho Vegas empezó a ser más conocido.

En analítica las cosas cambian constantemente. Por ejemplo, cuando se democratizaron los gestores de etiquetas con Google Tag Manager, nadie partía con 10 años de experiencia en GTM y Data Layers. Cualquiera que sea bueno hoy haciendo x puede estar obsoleto dentro un par de años si deja de trabajar y se recrea en lo muy bueno que es ahora.

No hay mejor ni peor. Cuando tropezamos con alguien que sufre del mismo dolor, podemos aprender algo de esa persona, aunque sea mucho más junior que nosotros (frase confusa en la que parafraseo una de sus canciones)

Hacer y practicar es fundamental

Para ser un buen músico hay que practicar, practicar y practicar. No podría dar la cifra de cuantos conciertos ha dado Bunbury por todo el mundo a lo largo de los años. Pero más de mil seguro. De ahí las tablas que tiene. Más las horas que dedicadas a tocar instrumentos, componer, cometer errores etc. Esto tambien lo veo de cerca con los artistas de circo.

En la analítica hay que practicar. En serio, hay que practicar. Está bien leer, lo cual te da una base, pero sobre todo hay que hacer. Y lo más importante: pensar y entender lo que se hace y el porqué de las cosas. Sin saber el porqué, no puedes más adelante replicar lo que sale bien ni evitar lo que sale mal.

No gustar a “los de los rulos” es positivo

Bunbury decía en una ocasión que cuando los que él llama “los de los rulos” le critican, normalmente es que está haciendo las cosas bien. Yo interpreto que se refiere a aquellos fans (o no) que son sumamente rígidos, sin ninguna apertura de mente y que no conciben los cambios.

Nosotros como analistas también tenemos gente con rulos nuestro alrededor. Y no solo me refiero a los dinosaurios offline. Y no digamos los empresaurios.

Ojo, que tambien hay gente con rulos en el marketing online y esos son sin duda los más peligrosos. Son los que quieren que solo seamos reporting monkeys y no les gusta que que pensemos por nosotros mismos y nos atrevamos a querer cambiar algo en base a los datos, sobre todo si tiene que ver con su trabajo. Si no gustas a los de los rulos, como mínimo es que no eres como ellos.

Y tú. ¿De quién has aprendido cosas que aplicas como analista?

¿Alguna idea? ¿Algún comentario? ¿Alguna queja? ;) Deja tu comentario y te responderé. Si algo no te ha quedado claro, tienes alguna duda y crées que puedo ayudarte también puedes enviarme un mail a o contactar conmigo a través de Linkedin o Twitter

Entrevista a Lucía Marín de Aukera Marketing (segunda parte)

Segunda parte de la entrevista con Lucia Marin. Puedes leer la pimera aqui

¿Qué opinas de la nueva versión de Google Tag Manager?

Muchísimo mejor  :)

La anterior era una plantilla, una tabla. Y no se veían los activadores, casi nada.

En la versión actual se entiende todo mucho mejor, se notan los esfuerzos por mejorar la usabilidad con opciones nuevas, funciones, botones, colores, etc., aunque la herramienta hay que entenderla.

El orden de procesos ha cambiado y mejorado mucho.

Impartes bastante formación. ¿Qué te impulsó a especializarte en ello y qué es lo más enriquecedor de ello?

Imparto formación y escribo en el blog cuando me dejan los proyectos y el trabajo de analítica web. Es una doble o triple dedicación.

Lo que me impulsó es que me gusta compartir con los demás y ayudar, avanzar juntos, entre todos. Como el matemático que iba de casa en casa a hacer teoremas y demostraciones (podéis leer su historia aquí: el vagabundo de los números).

Formar es transmitir y contribuir a la especialización de otras personas en un campo, y en cierto modo ayudar a otros. Es aportar tu granito de arena. Si compartimos ganamos todos, gana el bien común.

Además, la información que buscamos en Aukera para crear cursos y posts, la usamos como guía también muchas veces a nivel interno para mejorar ciertos procesos, para aprender, para crecer en nuestro día a día también.

Y hay más cosas que me gustan de la formación. Por ejemplo, el hábito de seguir al día y aprender cosas nuevas sobre algo que me entretiene. Ahora me toca aprender bien API de GA y Supermetrics (molan las functions). Aparte siempre hay cosas que probar y que actualizarse continuamente sobre GTM y GA para la formación.

Y también me gusta que se aprende de y con los alumnos un montón, y se conoce gente maja :)

Pero lo más enriquecedor de todo de la formación y de aprender es… jejej lo mejor de todo de probar cosas nuevas es… CUANDO SALE!!!!, esa sensación de conseguirlo, de que funciona!! Yesss :)))

Una sobre el Data Layer. Como analistas, estamos acostumbrados a crear planes de marcación para recoger datos,  lanzando unas variables con las cargas de página e interacciones que recogen unos valores. Y después es un desarrollador quien lo implementa. Pero, en el caso de no ser desarrollador (ni tener esos conocimientos) y tener un pequeño sitio web / blog que trackear uno mismo. ¿Qué consejo darías?

Si utilizas WordPress hay un plugin muy útil que se llama DuracellTomi’s Google Tag Manager for WP

( ). Ayuda a mandar dataLayers para categoría, etiqueta, autor, … de Comercio electrónico mejorado y de remarketing dinámico.


Si tienes una web con la que solo te puedes desenvolver con Tag Manager, algunos consejos:


  1. Los eventos que mejor podrás usar: página, click, timer, error js, historial… son eventos automáticos de GTM. Es de lo mejor que aporta.
  2. Evento de formulario en GTM pocas veces funciona. Mide los intentos de envío.

Cuando los eventos automáticos no sean suficientes y no funcione lo anterior, hay que usar dataLayer de evento personalizado. En muchas ocasiones es  la única posibilidad, como en el seguimiento de apps.


Aprende a usar etiquetas HTML/JS personalizadas. Sigue los tutoriales de tracking de vídeo, scroll, tiempo, todas se basan en etiquetas personalizadas de HTML. Definitivamente aprender código es buena idea  llegados a este punto de querer utilizar tag manager al máximo…


Recopila un valor, como por ejemplo el texto de una etiqueta, lo  encuentra en el código del sitio web por ID o selector CSS. El código tiene que estar en la carga de página eso sí (DOM). Si es código que se genera dinámicamente – ajax o similar -, entonces no lo cogerá.


Con JS podrás recopilar valores de la página en tiempo de ejecución (id de pedido, importe… código postal, id de usuario, etc. lo que haya en código en la página). Es lo contrario a la dataLayer, en lugar de enviar datos desde la página, se buscan mediante programación.

Estas variables de javascript personalizado son útiles para modificar y mejorar los datos antes de enviarlos a Google Analytics u otro sitio (algunos trucos de Javascript para analistas web  aquí).


La última pregunta es que dejes una para la siguiente entrevista. Va a ser con Carlos Lebron

Si te tuvieras que quedar con solo 3 métricas, ¿cuáles dirías y por qué? :-)

Google Analytics “is no longer collecting data”

The problem: Google Analytics has stopped collecting data TODAY.

This sentence normally goes together with something like “of course we have not made any change in the web” and / or “I see all tags being fired correctly”.

As we can see in the image below, Google Analytics does not show any data after 8:00 am (of the day I took this image)


The Solution, what is actually happening and how can we fix it?

First thing is to identify the kind of issue we are facing:

  • Google Analytics is not collecting data
  • Google Analytics is not showing data

It may happen that Google Analytics doesn’t show any data, I have already seen this issue several times… Because it may happen that Google Analytics keeps collecting data, but doesn’t show the latest data, the data for today.

What can we do?

By just applying an advance segment (so we oblige Google Analytics “to think”) the data for today appear for the whole traffic and the segment applied.


If it´s an ecommerce, we can also check it there


As you can see in the image above, data is now there (not for the whole day obviously, because we are looking data for “today” but there is data till the time I took this screenshot). In other words, the moment we oblige Google Analytics to think, everything is right comes back to normality.

It´s also possible to take a look in Real Time and see if there is data there. The day after, you should check everything is ok again, and data are being showed as they are collected, as usual. In my case, it has always been like this.

However, if after applying a segment (making GA think) you still see the same lack of data, then we are facing another kind of problem, and we would need to audit the data collection (debug). I will talk about it in a next post.

Any idea? Any comment? Any complaint?   Leave your comment and I will get back to you. You can also contact with via email o through my Linkedin and Twitter profiles

Necesitas poner Measure Bowling en tu agenda y quiza Measure Bowling te necesite a ti

Este jueves se ha celebrado la sexta edición de #MeasureBowling en 25 ciudades de Europa. Cada vez se hace más popular esta partida de bolos para Analistas Digitales :)

measure bowling











Para los que no lo conocen o no son analistas suena un poco raro como concepto. Me ha pasado explicándoselo a algunos amigos o incluso a mi jefe cuando les trataba de convencer para que vinieran. Pero ahora que ya lo conocen me dicen que es “f***ing awesone” y preguntan qué porque no se hace más a menudo. ¿Verdad Alex & James? Bueno, dudo que vayan a leer esto.

¿Por qué ir a Measure Bowling?

Va, seamos serios. Reconozcamos que a todos lo que más nos gusta de un congreso / conferencia es “lo de después”, que es cuando conoces gente, vuelves a ver otros que ya conoces, puedes hacer preguntas concretas de analítica a alguien en concreto etc. además de socializar.

Measure Bowling va directo a ello y no hay charlas. Se juegan dos partidas de bolos formando parte de una competición local y también una internacional con el resto de ciudades. Aparte incluye la cena (los que somos españoles agradecemos enormemente que haya comida durante / antes de beber…) y muchos litros de cerveza.

También hay una competición de camisetas, normalmente nerd tshirts. No tengo la imagen y no es de esta edición, pero la mejor que he visto decía: “No, no arreglaré tu ordenador” :) Esta vez fueron Peace thirst sin embargo. Algunos como yo, aprovechamos para llevar nerd socks (de esto si hay imagen :) Ojo, los calcetines blancos son nerd, pero hablamos de otro tema ya. Y hay varios premios (libros, gorros que nos dió un patrocinador, vales de Amazon etc.)

nerd socks






Measure Bowling se define a si mismo como “Fun for the Digital Analytics Community

  • Es divertido
    No conozco a nadie que no haya repetido o no piense hacerlo
  • Te permite conocer a otros analistas de forma distendida.
    Esa es la mejor forma de hacerlo, sin duda.
  • Es diferente y ayuda a consolidar la “comunidad de analistas”
    El concepto es diferente a todo lo demás. En ninguna otra profesión (que yo sepa) se hace algo similar y menos internacionalmente.

Vamos, que en Measure Bowling se lo pasan bien hasta las mascotas.


¿Por qué organizar Measure Bowling?

Los organizadores de Measure Bowling en Londres hemos sido Noémie Greil y yo.

Organizarlo incluye:

  • Encargarse de la reserva de la bolera y crear / gestionar el evento en Event Brite
  • Conseguir patrocinadores que financien la comida / bebida, regalos etc.
    Hemos conseguido Klipfolio, Supermetrics, Cramberry Panda y Tealium a los que les hemos dado visibilidad y promocionado su marca en un evento repleto de Analistas
  • Publicitar el evento
    Incluso hemos conseguido que incluso Time Out (que es un icono londinense) nos saque. Mas redes sociales y hablarlo personalmente / emails con gente que podría interesarle
  • Encargarse del evento en si la noche en que se celebra
    Recibir a la gente según llega, presentar gente a los nuevos, organizar las calles en que juega cada uno, pagar y encargarse de las facturas para cada patrocinador, pedir y llevar la cerveza, encargar la comida, hacer fotos, dar los premios, pedir luego los resultados etc. Y si… también incluyó en mi caso subirme a un sofá :) para presentar Measure Bowling a los asistentes (es lo que tiene que en una bolera no haya un “estrado”)

Es cierto que de organizador tienes que solucionar si o si problemas que tú mismo te has buscado, puesto que es algo voluntario. Pero es muy gratificante cuando ves que lo que has organizado gusta, el evento es un éxito y los asistentes te lo van diciendo al final. Sobre todo los que nos conocen y conocen las circunstancias en las que lo hemos organizado (“datos en su contexto”).  Luego, siento que ha merecido la pena.

Yo nunca había hecho nada parecido y mi principal motivación era simplemente tomármelo como un reto personal. Salir fuera de la zona de confort y liderar la organización del Measure Bowling al que asisten más analistas, que es el de Londres (52)

Mención especial para Lucia Marín de Aukera Marketing, que también ha salido de su zona de confort y se ha currado la organización del primer Measure Bowling de Bilbao. Abriendo camino, y en un tiempo record además.


Si estás leyendo esto te diré que o necesitas poner Measure Bowling en tu agenda y asistir al que se celebre en tu ciudad, o Measure Bowling te necesita para que lo organices tu, si todavía no lo hay.

See you in the lanes.

¿Alguna idea? ¿Algún comentario? ¿Alguna queja? ;) Deja tu comentario y te responderé. Si algo no te ha quedado claro, tienes alguna duda y crées que puedo ayudarte también puedes enviarme un mail a o contactar conmigo a través de Linkedin o Twitter

Como hacer un buen dashboard (parte 1): Elegir correctamente los KPIs

Escribo este post de después de haber visto en multitud de ocasiones que se piden métricas sin ningún sentido (como por el hecho de tenerlas) sin preguntarse que “business question” está detrás.

Elegir los KPIs y hacer un dashboard debería ser algo sencillo que en la práctica no lo es tanto. Y creo que se debe fundamente a:

  • Querer incluir demasiadas métricas

Este es un error parecido a querer trackear todo lo trackeable el primer día y sin saber porqué

El resultado es que el “dashboard” se convierte en una tabla de Excel que no sirve ni para tomar decisiones, ni para nada en general etc.

En un dashboard no debería haber más de 5 KPIs (con su contexto). Si no, se va de las manos.

  • Falta de personalización

Utilizar métricas que da la herramienta por defecto en lugar de métricas “customizadas” que son las que se adaptan al contexto de nuestra empresa / web

Me voy a centrar en el primer caso. Creo que un dashboard debe recoger indicadores de macroconversión (ya iremos en detalle más adelante). Y las macroconversiones son aquellas que están relacionadas con la generación de beneficio.

Para que suene menos filosófico y aunque no me gusta el futbol, voy a utilizarlo para poner un ejemplo futbolero.

  • ¿Cuál es la macro conversión en un partido de futbol?
    Meter goles. Punto.
  • ¿Cuáles son las micro conversiones?
    Las acciones que nos acercan a la macro conversión, es decir:
    Centros al área
    Tiros totales
    Tiros a puerta
    Que podrían dar lugar a meticas como:
    Porcentaje de tiros totales que van a puerta
    Porcentaje de acierto en el pase

Estas métricas las podemos visualizar así:













Incluso, después se podría segmentar si los corners se han tirado por la izquierda o por la derecha, en la primera parte o en la segunda etc. Veamos una visualización segmentada de la “metrica” pases:















Estas micro conversiones parecen indicar que se trató de un partido igualado. Ya que métricas como el número de pases hacia delante, el porcentaje de precisión en los pases o los tiros a puerta son similares.

Volvamos ahora a las macro conversiones, que hemos dicho que son los goles.

No hace falta hacer comentarios.

Hubiera sido esperpentico (aún más …. :) que en Brasil después del partido se hubiera dado alguna importancia a la métrica “precisión en el pase” en la cual el valor es ligeramente mejor que el alemán.

Lo mismo ocurre cuando un “dashboard” (insito en poner comillas) pierde el foco porque se llena de métricas que pueden tener cierta importancia, pero estan lejos de tener un impacto en los beneficios de la empresa.

Centremonos en los goles que metemos y nos meten. Y segmentemos después:
¿Se marcan en la primera parte o en la segunda?
¿Cuántos de marcan a la contra o en jugadas de estrategia?
¿Que porcentaje de goles marcan los delanteros y que porcentaje los centrocampistas?

Pero eso después…. Primero los goles. Ya nos ocuparemos después de la “precisión en el pase”. Que si, que nos ocuparemos, pero después.

Entendida ya la teoría, este post continuará con uno sobre buenas prácticas y ejemplos.

¿Alguna idea? ¿Algún comentario? ¿Alguna queja? ;) Deja tu comentario y te responderé. Si algo no te ha quedado claro, tienes alguna duda y crées que puedo ayudarte también puedes enviarme un mail a o contactar conmigo a través de Linkedin o Twitter

Si te ha gustado el post, compartelo por favor.