Dia 1. Datos para evaluación de la web. Gemma Muñoz

Transcripción

1 Dia 1 Datos para evaluación de la web Gemma Muñoz

2 Gemma Muñoz

3 Analítica Web Qué es? 3

4 La analítica web es el resultado de analizar la actividad con el objetivo de enfocar acciones a resultados

5 Objetivos clave La de nuestra estrategia será conocer los objetivos de la web: Orientados al Negocio Orientados al Cliente Bajar costes Aumentar beneficios Fidelidad Satisfacción

6 Objetivos

7 1. Alcance & Tipo Adquisición: de Objetivos VISITANTES Atraer visitantes, aumentar alcance sobre público objetivo

8 2. Engagement (activación): Activar a las visitas logrando establecer un vínculo que se concreta en: Consumir contenidos Descargar contenidos Registrarse Búsqueda interna Visualización vídeo

9 3. Conversión: VISITANTES NUESTRO WEBSITE Lograr que los visitantes completen aquella acción para la que fue creado el sitio web

10 4. Retención y Reconversión: VISITANTES NUESTRO WEBSITE Que los clientes vuelvan a visitarnos y a cumplir objetivos

11 Verificar la cobertura Microobjetivos equilibrados

12 Ciclo de vida de una KPI La buena KPI es: MEDIR Sencilla Aplicable Oportuna DEFINIR KPI ANALIZAR Útil MEJORAR ELIMINAR

13 Objetivo: Viajar en coche de Madrid a Valencia en menos de 4 horas Qué KPIs utilizaremos? Tiempo transcurrido Distancia Velocidad Gasolina Tiempo

14 Siempre usaremos KPIs con contexto

15 Avinash Kaushik

16 A trabajar!

17 Ejercicio OBJETIVOS + KPIs Dividirse en grupos de 4: - Generar 4 objetivos de negocio desde el punto de vista del analista - Cada una con su KPI, una por cada objetivo de negocio

18 Quién es el analista web y qué hace?

19 LA ESCENA DEL CRIMEN LA WEB

20 RECOGER PRUEBAS DATOS

21 ESTUDIARLAS Y UNIRLAS INFORMACIÓN

22 RESOLVER EL CRIMEN

23 4% de las visitas compran. El 81% de estas visitas compra en su segunda visita. El 86% de estas visitas compra en el mismo día. El 78% de las visitas compran en su segunda visita pero en el mismo día porque comparan con la competencia. Como los usuarios vienen a nuestra web y terminan convirtiendo después de comparar con la competencia, para subir la conversión habría que generar sensación de urgencia en la landing page.

24 Modelo de Madurez Analítica Web Basado en el modelo de madurez de analítica web de Stéphane Hamel

25

26 Cantidad, fuentes de origen, evaluación de esfuerzos Calidad de la visita, contenido, diseño, usabilidad, persuabilidad Transacciones, ingresos, objetivos cumplidos, identificar oportunidades Reconversión, frecuencia de visitas, recomendaciones

27 Empezar con datos de tráfico para conocer la situación Son datos buenos? o regulares? o altamente optimizables? ES IMPOSIBLE SABERLO!!!!!

28 Ponerlos en contexto para obtener información

29 Y transformar la información en conocimiento Tenemos más visitas que el mes pasado. La calidad es mejor aún con el aumento de visitas. La evolución de las métricas es positiva.

30 Pero hay que ir más allá:

31 Pero hay que ir más allá: CONTEXTO CONTEXTO!!!! Sin embargo, el mismo mes del año anterior refleja un descenso importante en la cantidad de visitas. Pero la calidad en 2012 es muy superior. La historia cambia mucho con el análisis correcto.

32 Submenú PUBLICO: - Origen geográfico visitas - Recurrencia y Tiempo - Origen tecnológico - PC ó Móvil - Variables Personalizadas - Flujo Visitantes

33 La segmentación más importante: FUENTES DE TRAFICO Tráfico Directo: tráfico gratuito: nos conocen Motores de búsqueda: tráfico por SEO + SEM Sitios de referencia: tráfico por esfuerzo de otros Campañas: tráfico por nuestro esfuerzo

34 Submenú FUENTES DE ORIGEN: Social Media Fuentes en general Ayuda al SEM Ayuda al SEO

35 Máster Analítica Web 2011 Fuentes de Tráfico: Por dónde llegan? Qué calidad tienen? Primer acercamiento al segmento más importante para nuestra estrategia de marketing: Quién nos trae tráfico y cómo es a priori dicho tráfico

36 Cómo son las visitas que llegan directamente?

37 Por dónde les captamos? Cómo nos encuentran?

38 Quién nos busca directamente? quién nos conoce ya?

39 Filtrar por INCLUDE o EXCLUDE. Atención al AND y al OR

40 Quién nos encuentra sin buscarnos directamente a nosotros?

41 Quién nos envía visitas?

42 Las fuentes de origen ojo! tenemos ECOMMERCE!

43 Datos Comercio Electrónico

44 Comercio Electrónico: Tiempo para comprar

45 Atribuciones de conversión Damos el pase certero o metemos el gol? Somos centrocampistas o delanteros?

46 Comercio Electrónico: Embudo Conversión

47 Contenido: Páginas más vistas

48 Resumen de Navegación

49 Analítica de Página Estudio de UX y Diseño

50 Contenido: Landing Pages

51 Cruzar por segunda dimensión Segmentar por Palabra Clave

52 NOT PROVIDED

53 Tiempos de carga de páginas

54 Tiempos de carga de páginas Ordenar por tiempo!

55 Búsqueda Interna

56 Qué están haciendo?

57 Estudio del usuario in situ

58 A trabajar!

59 GRACIAS GEMMA MUÑOZ VERA SITIO WEB: TWITTER: TWITTER.COM/SORPRENDIDA LINKEDIN: ES.LINKEDIN.COM/IN/SORPRENDIDA LIBRO: 59