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

(https://wordpress.org/plugins/duracelltomi-google-tag-manager/ ). Ayuda a mandar dataLayers para categoría, etiqueta, autor, … de Comercio electrónico mejorado y de remarketing dinámico.

QUÉ PUEDES HACER CON GTM SIN PROGRAMACIÓN APENAS

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

Sobre los ACTIVADORES

  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.

ETIQUETAS PERSONALIZADAS HTML

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…

VARIABLES TIPO ELEMENTO DOM

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.

Sobre: VARIABLES JAVASCRIPT PERSONALIZADAS

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).

(http://experimentando.es/javascript-personalizado-para-gtm-kit-de-autosubsistencia/)

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)

1

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
    or
  • 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.

2

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

3

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 geekeandoenanalytics@gmail.com 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.

mascot

¿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.

Conclusión

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 geekeandoenanalytics@gmail.com 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
    Etc.
    Que podrían dar lugar a meticas como:
    Porcentaje de tiros totales que van a puerta
    Porcentaje de acierto en el pase
    Etc.

Estas métricas las podemos visualizar así:

1

 

 

 

 

 

 

 

 

 

 

 

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:

2

 

 

 

 

 

 

 

 

 

 

 

 

 

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.
3

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?
Etc.

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 geekeandoenanalytics@gmail.com o contactar conmigo a través de Linkedin o Twitter

Si te ha gustado el post, compartelo por favor.

Measure Camp, la Desconferencia de Analítica Digital que mola

Tenía curiosidad por saber que era una “desconferencia” así que cuando conocí al creador de Measure Camp (Peter O´Neill) le pregunté que qué era. Se encogió de hombros y me respondió “una desconferencia”. No es tan sencillo de explicar, o sí.

Eso (el ser una desconferencia) es lo que diferencia a Measure Camp de otros congresos de Analítica Digital como eMetrics.

Había estado ya dos veces en los cursos, pero por diversas razones no había podido ir a la Desconferencia. El 19 de septiembre fui por primera vez y me encantó.

¿Qué es lo que diferencia a Measure Camp de otros congresos?

– El objetivo de Measure Camp no es otro que el de “compartir conocimiento”.
No se dan charlas magistrales ni nadie va a lucirse.

– Hay 6 sesiones a la vez
Luego siempre habrá una (mínimo) que te vaya a ser útil.

– Gran Variedad de contenidos y formatos: ponencias, casos prácticos, discusiones etc.
También en cuanto a la orientación: analítica, negocio o técnica y el nivel: principiante, medio, avanzado

– Van analistas de varios países y todos los perfiles
Sea cual sea tu perfil encontraras a alguien a quien preguntar dudas, compartir experiencias etc.

– El ambiente es muy relajado (no se deja de ser en fin de semana)
El networking casi se hace solo. Y conoces en persona analistas que sigues en Twitter en Linkedin.

– Solo se habla de analítica digital
En un congreso de marketing online en general habrá mucha gente que no tenga nada en común contigo. En Measure Camp todos tienen algo en común contigo.

– Es en sábado
Lo veo más como una ventaja que como un inconveniente. En sábado solo van aquellos que de verdad quieren ir, y no los que van a cualquier cosa que sea en horario laboral, solo por ir.

– Es muy democrático. Cualquiera puede exponer / liderar una discusión
Incluso aunque no te conozca “nadie”, tienes el micro abierto. Solo tienes que atreverte

– Si no te gusta una sesión puedes levantarte e irte. No pasa nada.
Eso es lo que dicen los organizadores, pero personalmente no estoy de acuerdo. No me creo que la ponencia en la que estás no vaya a aportarte nada. Y dura 25 minutos, no toda la mañana. Y también por respeto al ponente (ponte en su lugar).

Measure Camp nació en Londres. Es el original y al que de verdad vienen analistas de todos los países. Luego deberías venir. Pero también se hace en otros países, incluido España (Madrid y Barcelona).

Y además se sortean cosas. A mí tocó un vale de 50 libras para compar libros de Analítica Digital. No está mal. Ahora que … a Jose Luís Loren le tocó un iPad

¿Nos vemos en el próximo?

¿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 geekeandoenanalytics@gmail.com o contactar conmigo a través de Linkedin o Twitter

Si te ha gustado el post, compartelo por favor.

Porque hago malabares y porque tú (analista) también deberías

Me gustan los malabares y la analítica. Y lo que lo rodea también.

Tanto cuando cojo las bolas (como cuando trackeo algo) hago cosas que tiempo atrás pensé que jamás podría. Es cuestión de práctica y ganas de aprender.

Si haces malabares (o analítica), siempre –literalmente- aprendes algo nuevo y siempre tienes un reto nuevo que te hace enfrentarte a problemas que nunca has tenido antes. Y eso alimenta entre otras cosas querer superarte a ti mismo, la curiosidad y la creatividad. Hacer cosas y resolver problemas nuevos se convierte en algo cotidiano.

No hay una sola forma de hacer malabares en cuanto a postura, lo que abres las manos etc. (tampoco en analítica hay soluciones únicas). Hay distintas alternativas y depende de lo que hagas en cada momento.

Hacer malabares es algo bastante social y la mayoría de la gente es bastante accesible y sociable también. Te permite conocer a otras personas parecidas a ti y con las que sueles compartir más cosas más allá del circo. Aunque distinto, con la analítica pasa algo similar.

Me sigue pasando que se me caen las bolas (o que cometo errores). Justamente porque hago constantemente cosas fuera de la zona de confort. Pero al final consigo aprender y hacerlo bien, y cada vez se van acortando los plazos. Y justamente son las ganas de hacer bien cosas cada vez más complejas, lo que me hace progresar.

Ir a una convención de circo mola. Ir a Measure Camp, Measure Bowling, eMetrics etc. también Además te permite conocer a gente muy buena de la que aprender cosas, y siempre que he ido a algo así, me lo he pasado bien.

¿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 geekeandoenanalytics@gmail.com o contactar conmigo a través de Linkedin o Twitter

Si te ha gustado el post, compartelo por favor

Doce Errores comunes en Analítica Digital (Parte II)

Esto post completa el primero sobre sobre los errores en Implementaciones de Analítica

7 – No eliminar los parametros de las URLs ni renombrar las páginas

Como por ejemplo: sessionid= o cartid=

Según Google no se deben recoger por ejemplo direcciones de correo electrónico, pero es algo que a veces ocurre cuando alguien se da de alta o se borra de una lista de correos o crea una cuenta en una web.

2

 

 

8 – Auto referrals & varios dominos (cross domain)

Hay que comprobar todos los sitios de referencia en Google Analytics. Puede ocurrir que no esté el código implementado en todas las páginas, y que si se visita la página la página a, b y c podamos tener ese problema y vemos nuestro propio sitio web como sitio de referencia.

Esto es relativamente frecuente con los sitios de comercio electrónico cuando entramos en la pasarela de pagos.

Afortunadamente con Google Analytics y Google Tag Manager esto es mucho más fácil. Antes era bastante complicado y esto es otro motivo más para actualizar la forma de recoger los datos (punto 1 de la lista)

9 – Hacer las cosas a corto plazo y sin visión estratégica

Hacer las cosas con una visión a largo plazo implica configurar bien la cuenta (paso 3), incluir anotaciones y hay “owernship” por parte de alguien

Las anotaciones son especialmente importante porque aportan contexto a los datos. Sobre todo cuando hay un pico importante en tráfico, conversiones etc.

10 – Falta de una correcta estructura de nombres en las campañas, páginas etc.

No renombrar las paginas es otro gran error y muy común y le dedicaré un post en exclusiva. No resulta muy útil hablar de la página “/producto123”

3

 

 

Respecto a las campañas, hay que recordar que Facebook, facebook y faceboook son tres nombres distintos y por tanto tres “fuentes” o “campañas” distintos. Esto lo hacen a menudo las agencias, pero se debe revisar. Lo que pasa en la recogida de datos en responsabilidad última del responsable de analítica digital.

11 – Demasiados eventos o ninguno

Si nos ponemos a medir todo, acabamos generando ruido. Que se pueda medir que un usuario haga scroll en una página no significa que haya que medirlo si o si, y cuando lo necesitemos no será tampoco en todas las página de nuestro sitio web.

Los datos que se recogen deben reflejar los principales objetivos de nuestro sitio web (que obviamente, hay que definir primero). Ni más, ni menos.

12 – No tener claro cuales son los objetivos, no conocer el ciclo de vida de nuestros clients, no tener KPIS etc.

Los KPIs pero lo más importante es el plan detrás (measurement framework en inglés) utilizando segmentos y objetivos distintos para las distintas etapas del ciclo de vida del usuario. Solo así podremos entender correctamente ese ciclo.

Hay que recordar que lo más importante son las macro conversiones. Todo lo que no este directamente relacionado con la generación de beneficio, no es macro, sino micro conversión.

Para ello es importante conocer el negocio, pero también el contexto y sobre todo como está construido el sitio web

¿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 geekeandoenanalytics@gmail.com o contactar conmigo a través de Linkedin o Twitter

Si te ha gustado el post, compartelo por favor

Doce Errores Comunes en Analitíca Digital (Parte I)

Es importantísimo que los datos que se recojan sean de calidad. De otra manera, se pueden tomar decisiones en base a datos incompletos o sencillamente incorrectos.

Si tienen una Auditoria o Implementación de Analítica que hacer, asegúrate de que los estos 12 pasos los has comprobado y están bien.

Nota: Esta lista toma como ejemplo la herramienta Google Analytics, pero los pasos serían los mismos en caso de utilizar otras.

1 – Código totalmente desfasado

Si el código que hay en una web es de Urchin (urchin.js) los datos, sencillamente no se van a recoger. A estas alturas ya es raro, pero encontrar implementaciones con Google Analytics Classic sigue siendo habitual.

1

 

 

 

 

 

Esto “aún” sigue funcionando, pero pronto dejara de hacerlo y pasará a la lista negra de errores. Y desde luego utilizar funciones como addIgnoreRef vía código no es precisamente la mejor forma de hacerlo, ahora que se dispone de Universal Analytics.

2 – Código pegado en el lugar incorrecto

En el caso de Google Analytics se decía en el pasado que debía estar antes del final de la página. Luego que al principio (código asíncrono) etc.

En el caso de Google Tag Manager, el código deber ir justo después del comienzo del head. No en ningún otro sitio. Pero cada gestor de etiquetas tiene diferentes instrucciones que hay que tener en cuenta

3 – Empezar a utilizar un gestor de etiquetas y no quitar el código fuente de analítica que teníamos

Empezar a Utilizar Google Tag Manager y no quitar el código de Google Analytics del código es otro error

Una vez que empezamos a trabajar con Google Tag Manager (u otro gestor de etiquetas) hay que quitar lo que teníamos previamente en el código fuente. De otra manera, estaríamos duplicando los datos, lo que hará que sean totalmente incorrectos.

4 – Tener el código de Google Analytics solo en algunas páginas

Si no tenemos el código de analítica los datos por definición van a ser incorrectos. Da igual que herramienta utilicemos y si utilizamos o no un gestor de etiquetas.

Para asegurarte de que tienes el código en todas las páginas puedes utilizar herramientas como Screaming Frog. Si no sabes cómo hacerlo, lee este post

5 – Gestión deficiente de la cuenta (cuenta / propiedades / vistas)

Yo he llegado a ver cuentas en el todas las webs de una empresa estaban dentro de una propiedad y cada web (con varios millones de visitas al mes) en una vista. Lo que generaba un problema enorme de muestreo, que hacía que los datos no fueran útiles en absoluto.

Recordemos brevemente:
Cuenta: es el nivel más alto y puede corresponder a la empresa
Propiedades: website, app
Vista: forma de acceder a los datos de la propiedad (filtrados, sin filtrar, incluyendo una unidad de negocio etc.)

Es necesario tener una cuenta sin filtrar (ningún filtro, de ningún tipo) y una filtrada con todo lo que necesitemos filtrar. A mí me gusta tener una tercera de pruebas, que suelo llamar test para probar cosas y cometer errores sin ningún problema / consecuencia.

Se pueden crear múltiples vistas, pero solo se debe hacer si se van a utilizar. Tener 20 vistas una para cada tipo de tráfico, o por países etc. normalmente no aporta nada (podemos aplicar segmentos en la vista filtrada y acceder a los mismos datos) y solo complica la estructura de la cuenta. Sobre todo en el caso de que no haya un analista en la empresa.

En cualquier caso, si hay más de una vista filtrada, todas deben tener los mismos nombres en los filtros que tengan en común.

Esta forma de estructurar la cuenta de Google Analytics, se puede extender a Google Tag Manager: un contenedor = un sitio web, y con los mismo nombres

6 – Filtros y Vistas

El primer gran error puede ser no tener una serie de filtros básicos como los que excluyen el tráfico interno. Hay que incluir las direcciones IP de casa u otros lugares en caso de conectarse a menudo.

Otro error común es que hay gente que confunde filtros con segmentos. Y recordar que no todos los filtros tienen que estar en todas las vistas.

En sitios de comercio electrónico es recomendable incluir filtros son los países a los que distribuimos nuestros productos, para así saber cuáles son las tasas de conversión reales. Esto también puede hacerse de manera más avanzada con Google Tag Manager y lo describiré en otro post.

Tambíen hay que filtar el tráfico que viene de robots, ya que también tiene un impacto en las tasas de conversión. Esto se puede ir haciendo con el tiempo, filtrando cada vez que detectemos que estamos recibiendo tráfico falso.

¿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 geekeandoenanalytics@gmail.com o contactar conmigo a través de Linkedin o Twitter

Si te ha gustado el post, compartelo por favor

Google Analytics “ha dejado de recoger datos”

Problema: Google Analytics ha dejado de recoger datos HOY.

Esta frase suele completarse con “no he realizado ningún cambio en el sitio web y veo que las etiquetas siguen lanzándose correctamente”

Como se puede ver en la imagen, Google Analytics no muestra datos más allá de las ocho de la mañana (del mismo día en que se tomó la imagen)

1

 

 

 

 

¿Qué es lo que ocurre y cómo podemos solucionarlo?

Lo primero es ver si el problema es que Google Analytics no recoge datos o si no los muestra.

Que no se muestren los datos es raro, pero yo ya lo he visto tres veces… Aunque Google Analytics siga recogiendo datos, puede ser que no se muestren los datos del día. Si aplicamos un segmento avanzado (en otras palabras, si le obligamos “a pensar”) los datos de hoy aparecen para todo el tráfico y segmento que hemos aplicado.

2

 

 

 

 

Si se trata de un sitio de comercio electrónico, también podemos mirarlo ahí:

3

 

 

 

 

Como se ve en las imagenes de arriba, los datos se muestran (obviamente no del día entero, porque estamos mirando datos del día en que estamos, pero sí hay datos hasta la hora en la que estamos).

En cuanto obligamos a Google Analytics a pensar, todo vuelve a la normalidad.

También se puede mirar el módulo de tiempo real y ver si hay datos allí. Al día siguiente hay que mirar que todo ha vuelto a la normalidad y los datos vuelven a mostrarse según se van recogiendo. En mi caso, ha sido siempre así.

Si al aplicar un segmento, Google Analytics no muestra datos actualizados, y sigue quedándose en las ocho de la mañana (como en el ejemplo) y no hay datos en tiempo real, entonces el problema es otro. Habría que depurar código y ese tema lo trataré en otros posts.

¿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 geekeandoenanalytics@gmail.com o contactar conmigo a través de Linkedin o Twitter

Si te ha gustado el post, compartelo por favor

Búsqueda interna en Google Analytics: aclarando conceptos

Para poder utilizar una métrica, debemos saber qué mide y como se calcula. Parece obvio, pero en algunos casos nos podemos dejar llevar “por el nombre” y no prestamos atención a las tripas de la métrica en cuestión. Y voy a poner un ejemplo.

¿Sabes cómo se calcula la métrica “site refinement”? En español podríamos traducirlo por algo así como “refinamiento de busqueda”. Buscar internamente tras haberlo hecho una primera vez.

Según la definción “oficial” dada por Google Analytics, “Search Refinements = The number of times that a user searched again immediately after performing a search”. El número de veces que un usuario busca otra vez, inmediatamente después de la otra búsqueda. Quedémonos con la palabra “inmediatamente”.

Y lo explica con el siguiente ejemplo, traducido del original en inglés:

  • Termino Buscado Internamente: camara>:
  • Página de Resultados >
  • Vista de una página de resultados >
  • Vista de una página de resultados >
  • Termino Buscado Internamente: camaranegra>:
  • Página de Resultados >
  • Vista de una página de resultados >
  • Vista de una página de resultados >
  • Vista de una página de resultados >
  • Salida del sitio web

Y esta session entre otras méticas genera:
Refinement = 1 (cámara negra)

Pero… ¿no habíamos dicho que inmediatamente? Cámara negra se busca después de haber continuado navegando por el sitio web, no inmediatamente después…

Esto es contradictorio, así que solo podemos salir de dudas experimentando en nuestra propia web y después mirar en Google Analytics. Esta es la secuencia de mi visita:

  • Termino Buscado Internamente: traffic>:
  • Página de Resultados >
  • Vista de una página de resultados >
  • Vista de una página de resultados >
  • Vista de una página de resultados >
  • Termino Buscado Internamente: traffic2 >:
  • Página de Resultados >
  • Vista de una página de resultados >
  • Termino Buscado Internamente: traffic3 >:
  • Página de Resultados >
  • Salida del sitio web

3
Veamos ahora que ha generado mi visita en Google Analytics (lógicamente, hay que mirar la vista en que no tengamos filtrado el tráfico interno)

Hay dos site refinement:

  • traffic
  • traffic 2

“traffic” y “traffic 2” son los dos términos de búsqueda que he buscado, buscando nuevamente más adelante. La última búsqueda lógicamente no ha sido “refinada” y además me he ido del sitio web.

Pero ninguna de las dos veces, he hecho las búsquedas inmediatamente después de la anterior. Es decir, que la definición correcta no es la que se da en la documentación, sino la del ejemplo.

Site refinement es que se busque internamente tras haber buscado previamente en la misma sesión. Sea inmediatamente o no. Esto a mí parecer, hacer que la métrica pierda fuerza. Si empiezo buscando “camara” y luego busco algo totalmente distinto como “camiseta”, la primera búsqueda se lleva un refinement, cuando en realidad no es así.

¿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 geekeandoenanalytics@gmail.com o contactar conmigo a través de Linkedin o Twitter

Si te ha gustado el post, compartelo por favor