Numerosas tiendas online invierten mucho esfuerzo y recursos en aquellas acciones de marketing dirigidas a llevar tráfico a su web y, sin embargo, están descuidando distintos aspectos de lo que debe ocurrir una vez que los clientes llegan a su tienda. La analítica de clientes ayuda a los vendedores digitales a conocer en qué puntos deben hacer hincapié para mejorar la experiencia de usuario, incrementar las ventas y favorecer la recurrencia de compra y fidelización.

La analítica de clientes se enfoca en la recogida de aquellos datos que indican con qué están interactuando los clientes, cómo y durante cuánto tiempo, así como a su interpretación posterior para conocer los diferentes segmentos de clientes sobre los que poder actuar. Se trata de un análisis específico que va más allá de los datos que nos pueden ofrecer herramientas como Google Analitycs. En la analítica de clientes se hacen necesarias otras herramientas o tecnologías, como el machine learning, que ayuden a los e-tailers a realizar un análisis profundo basado en la mayor cantidad de datos posibles.

Analítica de clientes para mejorar la estrategia de tu e-commerce

Un e-commerce es capaz de recopilar una gran cantidad de datos sobre los clientes que realizan compras en él y, sin embargo, suele ser información que no se organiza ni analiza. Está desaprovechada, a pesar de que se trata de unos datos de primera mano de gran calidad para conocer cuál es el verdadero valor del cliente. Al margen de poder analizar la impresión que un potencial cliente se lleva de nuestra web (a través de métricas como la tasa de rebote), o conocer cómo se comporta nuestra tienda online en dispositivos móviles, la analítica de clientes ofrece muchas más posibilidades de alto valor.

Por ejemplo, el análisis RFM (Recenty-Frecuency-Monetary Value) ayuda a segmentar a los clientes de un e-commerce en base a parámetros como el tiempo transcurrido desde la última compra, la frecuencia con la que compran y el valor monetario desprendido de la suma de todas sus compras. De este modo es posible establecer diferentes segmentos que permitan adecuar la estrategia de ventas a cada grupo diferenciado de clientes, ofreciéndoles un marketing personalizado que ayude a incrementar las ventas.

La analítica de clientes permite obtener también información aplicable a la retención de clientes. Los clientes recurrentes suelen generar el 40% de los ingresos de un e-commerce, sin que se incurra, además, en costes de adquisición de clientes. Es importante centrarse en identificar la tasa de compra repetida (RPR) ya que, de ser muy baja, será claro indicador de que es necesario reforzar la estrategia de retención de clientes.

El machine learning aplicado a la analítica de clientes hará posible conocer, además, de qué manera beneficiarse de funcionalidades como la recomendación de productos, buscadores internos, chatbots de soporte al cliente, búsqueda visual o precios dinámicos.

Tácticas en análisis de clientes para optimizar la CX

Las herramientas de análisis de clientes que existen hoy tienen un elevado nivel de sofisticación y son la mejor vía para optimizar la experiencia de cliente. Se centran en recopilar automáticamente las interacciones de los usuarios a través de una gran variedad de puntos de contacto. Gracias a ello, los propietarios de las tiendas digitales pueden llevar a cabo diferentes acciones tácticas para la mejora de la UX.

La unificación de datos es una acción necesaria para llevar a cabo cualquier análisis de comportamiento del cliente, comprender mejor sus motivaciones e intereses o incluso los puntos conflictivos. Así, las empresas pueden tener una visión única del cliente, mucho más valiosa cuanto mayor es el entramado interno de la compañía. Las tecnologías actuales son capaces de realizar esta unificación de datos de forma rápida y sencilla, por lo que un gran volumen ya no resulta incapacitante por lo abrumador.

La entrega de información en tiempo real resulta de gran utilidad para influir en la experiencia de cliente durante su experiencia de compra. Gracias a la Inteligencia Artificial es posible analizar información en microsegundos y predecir comportamientos del futuro inmediato, una información a la que se puede sacar gran rendimiento mediante ofertas o sugerencias de productos personalizadas en tiempo real, ofreciendo una experiencia de compra a la medida del cliente. Esta información generada a partir de datos también indica los dispositivos, navegadores de procedencia de los clientes, qué partes del embudo funcionan mejor o filtra el tráfico de baja calidad.

Finalmente, muchos e-commerces están sacando rendimiento real al big data, gracias a que es posible recopilar y analizar reseñas de productos a partir de plataformas externas, medir la experiencia y satisfacción del cliente en la compra, facilitar un servicio al cliente personalizado e identificar los agentes de soporte de bajo rendimiento, o detectar cuáles son las métricas más débiles de la experiencia de navegación y compra.

La experiencia de cliente es la piedra angular de todo e-commerce exitoso y hoy en día es posible acercarla a la excelencia gracias al big data, a la IA y a las herramientas de análisis de datos de última generación. El auge experimentado por el comercio electrónico en los últimos años (con su impulso definitivo a raíz de la crisis sanitaria) ha derivado en una competencia más feroz que nunca en el plano digital del retail. La mejora empieza por el análisis de clientes. En Kanlli podemos ayudarte, tenemos una dilatada experiencia en analítica web en pro de la mejora de UX de tiendas digitales. Contacta con nosotros y te ayudaremos a entender a los clientes de tu e-commerce.

Sin duda se trata de una mejora de incalculable valor en el ámbito del e-commerce, pues el nuevo Google Analytics permitirá adelantarse y conocer las preferencias de los clientes, haciendo posible una experiencia más personalizada, con la importante repercusión en las ventas que esto conlleva.

Según informa Google, esta actualización da respuesta a las necesidades de los anunciantes ante una nueva realidad marcada por los cambios en el comportamiento del consumidor y los estándares de privacidad de la industria, y con ella pretenden una mejora de las decisiones en el contexto de la estrategia de marketing de cara a optimizar el ROI.

Novedades que trae Google Analytics G4

Google Analytics 4 utiliza la Inteligencia Artificial para la realización de sus predicciones, por ejemplo información sobre las tendencias o alertas automáticas sobre el aumento de la demanda de un producto de nuestro interés. Pero no sólo eso: también será capaz de predecir resultados, tales como ingresos potenciales de un segmento específico de clientes o, incluso, tasa de abandono, lo que indicaría que hay que poner en marcha tácticas de retención de clientes. Para los retailers sería como tener una bola de cristal en la que poder ver el futuro y encaminar sus acciones hacia él.

Gracias a estos y otros datos podremos crear audiencias más personalizadas de las que obtener un mayor valor. Esta mayor personalización de las audiencias se logra gracias a la integración del nuevo Google Analytics con Google Ads. Así, será posible ofrecer experiencias más relevantes y útiles, ya que, por ejemplo, contempla el universo multidipositivo para evitar re-impactar por un dispositivo a un usuario que ya compró por otro.

Otra novedad reseñable se refiere a los informes, ya que Google Analytics 4 incluye una nueva propuesta que pivota sobre todo el ciclo de vida del cliente, ofreciendo más control sobre el customer journey. Es posible tener una visión más completa sobre cómo interactúan los consumidores en diferentes medios y dispositivos, lo que evita la duplicidad de los usuarios en diferentes dispositivos y queda reflejado en los informes con mayor precisión.

La herramienta contempla múltiples espacios de identidad, incluidos los ID de usuario proporcionados por los vendedores y los datos de los usuarios que han optado por la personalización de los anuncios de Google. Así es posible que los vendedores digitales tengan una visión más completa de cómo interactúan sus clientes con su empresa.

Un futuro sin cookies y de datos protegidos

El nuevo Analytics mira al futuro y quiere que los vendedores comiencen a adaptarse a una realidad sin cookies. Desde Google informan de que contarán con un conjunto mixto de datos basados en eventos y que no necesariamente conlleven un ID asociado. Reconocen que, al principio, existirán importantes lagunas de datos, pero aseguran que irán llenando esos huecos gracias a los modelos de aprendizaje automático.

Por otra parte, aseguran que el control de los datos será más granular, ya que Google Analytics 4 incluye una funcionalidad destinada a ayudar a los anunciantes a cumplir con el RGPD y otras leyes nacionales o regionales de protección de datos, pues el modo de consentimiento se ha ideado para webs que deben obtener el consentimiento explícito del usuario final para recopilar sus datos analíticos. Esto es, principalmente, los sitios destinados al comercio electrónico.

Así, gracias al nuevo Analytics es posible ajustar las etiquetas y códigos de Google al grado de consentimiento de sus usuarios, ya que informa sobre si el usuario ha dado su consentimiento para el uso de cookies de Analytics y Ads, haciendo que las etiquetas se adapten dinámicamente para la utilización de sólo para los fines especificados.

Ventajas del nuevo Google Analytics

En el siguiente vídeo (en inglés), Google explica las ventajas en primera persona.

Google Analytics 4 es una herramienta imprescindible para e-commerce. Gracias a las mejoras, los vendedores digitales tendrán más control sobre su inversión en marketing digital. Su condición de analítica de nueva generación -ya que se basa en inteligencia artificial- la convierte en una herramienta preparada para los cambios que se sucedan en el futuro. Además, ayudará a que los vendedores respondan a las cambiantes expectativas de los consumidores y a las nuevas normativas y estándares tecnológicos.

El mayor control sobre los datos permitirán una personalización de los anuncios, pero también saber cuándo se deben optimizar las campañas, cómo y a quién impactar o re-impactar, o si no hay que hacerlo… en definitiva, los e-commerce podrán ofrecer a sus clientes experiencias más relevantes y útiles, amortizando al máximo cada euro invertido en publicidad.

Si buscas una agencia de medios digitales que te ayude a optimizar tus campañas en base a los datos, podemos ayudarte. Tenemos más de 15 años de experiencia en campañas de paid media y analítica web. Pegúntanos y nuestro equipo de especialistas te propondrá la estrategia que mejor se ajuste a tus objetivos de ventas.

Vía: Google Marketing Platform

Fastbase también nos desvela si el visitante ha llegado a la web por tráfico directo, ha accedido a través del buscador o su visita proviene del contenido generado por la empresa mediante la publicación de contenidos en el blog o redes sociales.

Se trata de un importante paso para ayudar a las B2B, quienes debemos sortear una serie de dificultades derivadas de la ineficacia del marketing tradicional: la clave para un B2B está en crear relaciones de valor con potenciales clientes desde el inicio de las ventas, pero con la dificultad añadida, además, de que el cliente, en nuestro caso, no es un individuo, sino una organización en la que intervienen varias personas en la cadena de decisión.

Todas aquellas empresas dedicadas al business to business conocen la dificultad de impactar a los potenciales clientes, debido a que la segmentación «profesional» entraña mayor complejidad, así como a la carencia de datos en la parte analítica.

El principal objetivo de una campaña de marketing B2B es vender, así lo piensan el 94% de las empresas según datos de la Asociación Española de la Economía Digital; y para vender necesitamos cuanta más información, mejor. Conocer el tipo de clientes que nos visita, en lo relativo al sector, será también una gran ayuda de cara a centrar nuestros esfuerzos de marketing en un colectivo en concreto y trabajar los verticales.

Las B2B acogemos con gran alegría esta extensión de Analytics, un instrumento de adivinación que, a través de datos pasados y presentes, nos permitirá acercarnos a futuros clientes con mayor precisión. Google nos regala una bola de cristal a la que podremos sacar mucho partido.

Hoy más del 75% del tráfico en internet procede de dispositivos móviles. Así que si tienes un negocio en el que la ubicación es importante, si tus consumidores suelen consultar información sobre ti cuando están fuera de casa o si has basado tu estrategia digital en un número incesante de landing pages que responden exactamente a las necesidades de un usuario, AMP puede ayudarte a conseguir un interesante ratio de conversiones gracias a su velocidad de carga y al mejor aprovechamiento de los recursos.

AMP Analytics. La personalidad múltiple del usuario y cómo solucionarla

Puede parecer lógico pero antes de empezar es muy importante plantear cuáles van a ser los KPIs que midan el éxito de tus páginas AMP. Algunos de los más interesantes pueden ser: sesiones, usuarios, clics, tiempo en la página, llamadas, reservas o registros, etc. Y aunque ahora medir es algo mucho más sencillo que en los inicios del mundo web gracias a Google Tag Manager, AMP todavía no es un producto muy maduro y medir puede ser un poco más costoso de lo que esperamos.

La principal dificultad se encuentra a la hora de identificar a los usuarios que acceden a tu ecosistema digital. Si lo piensas, hay varias maneras de llegar a una web: orgánicamente a través de una búsqueda en Google a la página AMP (probablamente, lo más habitual), como tráfico directo a una página AMP (si alguien comparte la url de una página AMP o la guarda como bookmark) o yendo a una página que no es AMP. Por decir algunas. Y lo malo es que hasta ahora todas ellas dejan un rastro independiente en tu herramienta de analítica. Así que una misma persona puede convertirse en tres usuarios diferentes con tres sesiones diferentes y tres comportamientos diferentes si utiliza estas tres vías de acceso diferentes.

Sin embargo, hay algunas fórmulas que pueden ayudarnos a solucionarlo. Por ejemplo, la API AMP Client ID introduce algunos pequeños cambios que consiguen que Google Analytics empiece a mostrar un solo ID de usuario para accesos a páginas AMP y no AMP. De modo que después de estos retoques un usuario que entre en tu web a través de Google AMP Viewer o a través de su versión estándar, será detectado como el mismo usuario por Google Analytics.

Con esta API, el ID del usuario será diferente dependiendo de si entra en el site desde la versión AMP o la versión no AMP de la página. Pero lo más importante es que se mantendrá consistente durante todo el viaje del usuario por la web. Incluso si después entra por cualquiera de las otras vías que hemos visto más arriba. Lo que dejará algunos insights de lo más interesantes para el análisis y una fotografía mucho más real de cómo interactúan los usuarios con tu contenido.

Pero no solo los desarrolladores de la comunidad AMP Project se están poniendo manos a la obra para medir bien.

AMP Analytics, cada vez más relevante en plataformas sociales

Los medios de comunicación son grandes heavy users de las páginas AMP. Así que ya es muy habitual que cuando encuentras un link a la web de un periódico o de un canal de televisión, el contenido se muestre en una Accelerate Mobile Page. Y aunque hemos visto que la analítica de páginas AMP puede ser un poco compleja y no está muy desarrollada de momento, también es cierto que ya hemos visto algunos movimientos de plataformas como Twitter.

La red de los 280 caracteres anunció a finales de 2017 que iba a ampliar su soporte a las páginas AMP para incluir el análisis de artículos. Así que a partir de ahora, cuando Twitter carga la versión AMP de una página lo marcará en la URL del artículo original para grabar la visita o lo que lo mismo, identificará cada visita como proveniente desde Twitter.  Esto ayudará a los editores a recibir todos los datos de sus contenidos utilizando el componente AMP Analytics y les dará pistas sobre cómo se comportan los usuarios que acceden a la web desde la plataforma de microblogging.

Te dejamos aquí un vídeo de The AMP Channel en el que se explican algunas de estas ideas.

En el blog de Kanlli seguiremos contándote lo más interesante de AMP para tu negocio.. Mientras tanto, si tienes alguna duda o estás interesad@ en aplicar AMP en tu web, contacta con nosotros. Nuestro equipo te dará las claves para seguir haciendo tu compañía más grande en el entorno móvil.

La Asociación de la Prensa de Madrid ha ofrecido el «I curso de marketing online para periodistas», dentro del cual se incluía un módulo de siete horas de Google Analytics a cargo de la Social Media Analyst en Kanlli, Laura Rodríguez.

La metodología del curso comenzó con una hora intensiva para entender la importancia de los objetivos y KPI y los más de 20 estudiantes  del «I curso de marketing online para periodistas» realizaron varios ejercicios prácticos para identificar los macro objetivos y micro objetivos de varias páginas webs de contenido, para luego debatir las mejores formas de alcanzarlos.

«Es fundamental conocer la intención de la página web que analizamos. Saber qué es lo que se busca que los usuarios hagan y qué herramientas les estamos dando para que completen el proceso. Comenzar a analizar una web sin tener claros los objetivos es como ir a un supermercado con hambre: te terminas llevando todo, y no lo que realmente necesitas», explica Laura Rodríguez.

El segundo apartado se centró en comprender la importancia del etiquetado de las urls para poder medir de forma eficiente cómo se mueve el contenido que compartimos. «Cualquier acción que te requiera tiempo o esfuerzo, ya sea publicar un tuit o un post de Facebook, se tiene que poder identificar. Así es posible saber si vale la pena continuar nuestra estrategia o debemos modificarla», añade Rodríguez.

En el curso se enseñó a utilizar la herramienta de Google Analytics, centrándose en aspectos como las funcionalidades y el tipo de información recoge Analytics y con un enfoque fundamentalmente práctico enfocado a la extracción de datos de una web de contenido. Fueron los propios estudiantes quienes explicaron el proceso de cómo y por qué seleccionaron los datos.

Asimismo, se explicó cómo medir eventos en las webs de contenidos como puede ser la visualización de un vídeo, rellenar un formulario o descargarse documentación relacionada.

La formación no se quedó en la navegación por la interfaz de la herramienta. Los estudiantes comprendieron cómo una herramienta enfocada a visitas y no al usuario ha ido integrando nuevas dimensiones para aportar valor al análisis.

A pesar de tratarse de un curso dirigido a periodistas, se analizaron varios ejemplos de e-commerce enfocados en los embudos y atribuciones de conversión. «Muchos periodistas terminan trabajando como community managers para clientes que tienen tiendas online. Es fundamental para su trabajo que conozcan cómo pueden saber el papel de las redes sociales en el proceso de compra, porque estos les ayudará a afinar su trabajo», asegura Rodríguez.

Desde Kanlli, agradecemos la invitación de la Asociación de la Prensa de Madrid y de Eva Fontiveros por contar con nosotros para ayudar a formar a futuros profesionales del mundo online que serán nuestros compañeros en el sector.

Avinash Kaushik, autor del libro Web Analytics 2.0, recomienda dividir nuestra estrategia en cuatro pasos fundamentales, y hacernos preguntas en cada una de las etapas.

Planificar y definir objetivos

Esta es la etapa fundamental de cualquier proyecto web que quiera tener éxito.  Si no se define de antemano qué es lo que se busca, se darán palos a ciegas y perderás tiempo y dinero.

¿Qué? En esta primera etapa toca determinar qué funcionalidades tiene el sitio web: ¿comprar, descargar documentos, dejar comentarios, registrarse?

¿Cuánto? Identificar qué es lo que quiero que haga el usuario, y cómo se puede medir.  Es en esta etapa en la que se hace la lista de los objetivos primarios que se tienen, y sus correspondientes KPI

¿Quién? Hay que pensar en nuestro grupo objetivo, y cómo lo vamos a atraer a nuestro sitio.

¿Por qué? En las herramientas de analítica web disponibles actualmente, la más popular es Google Analytics porque es gratis, te da la opción de ver el comportamiento de los usuarios en tu página, y hacer un esquema de por dónde entran y por dónde salen en nuestra web.  Pero este dato solo, no nos aporta mucha información.  Hay que conocer el por qué.  Existen herramientas de cuestionarios online, poco invasivos, que pueden medir el nivel de satisfacción de un cliente, y que aparecerá una vez el usuario decide abandonar la página.

Implementar la estrategia

¿Qué y cuánto? Etiqueta en tu herramienta de analítica todas las páginas, acciones y eventos que quieras medir.  Define los objetivos, y si se trata de un e-commerce, recuerda configurar el código.

¿Quién y dónde? Segmenta tu tráfico en función de las características que previamente definiste en la fase de planificación.  Además debes crear etiquetas para las fuentes de tráfico, y filtros para aquellas que no se puedan identificar.

Analizar los datos

Una vez definidos los objetivos e implementada la estrategia, ahora toca analizar.  Ese proceso en el que le damos significado a los datos recopilados e identificamos si vamos por buen camino.

¿Qué? De la infinidad de datos a los que tienes acceso, ahora debes determinar en cuáles te vas a centrar: trafico a la web, rebote, tiempo en el sitio, las páginas o fichas más visitadas, el llamado a la acción.  Un sinfín de variables que dependerán de los objetivos marcados.

¿Quién y por qué? Cuál es la fuente que más tráfico te atrae, quiénes son tus usuarios, y si están satisfechos.  Las mayor parte de las herramientas de analítica web solo recopilan datos cuantitativos, pero es importante conocer el sentimiento de nuestro público.

Es momento de volver a sacar aquellos cuestionarios que mencionamos en la etapa de planificación, y cambiar la pregunta. ¿Encontró lo que buscaba? ¿Recomendaría esta web?, entre otras tantas que se os pueden ocurrir siempre ciñéndose a los objetivos definidos.

Actuar y cambiar

Con los datos en mano, si no vamos camino a cumplir nuestros objetivos, toca actuar.  En esta última fase  del plan de analítica web se deben cambiar los elementos de nuestro sitio que no están funcionando y que dificultan la conversión.

Una vez terminado.  Regresamos a la etapa uno, y volvemos a planificar.

Con ello nos referimos a todo tipo de agentes que tienen presencia en Internet, desde una red social a una empresa, pasando por las agencias de publicidad y marketing o cualquier sitio web. Las huellas que los usuarios van dejando en sus horas de navegación y los hábitos que se desprenden de toda esa información, se traducen en un torrente de datos de extraordinaria valía para el medio online.

Pero ese rastro sería sólo una amalgama de números y clics (cuyo significado permanecería oculto para cualquiera) si no fuera por aquellos que se dedican a extrapolar, cuantificar, estratificar y analizar dicha información. Traducirla y convertirla en datos asequibles para los interesados es una habilidad que se ha etiquetado en los parámetros y conceptos del análisis web, un mundo que cada vez se vuelve más complejo y especializado.

El analista web ha de estudiar el comportamiento de los usuarios, deducir si en base a ese comportamiento las cosas están funcionando para la empresa en cuestión y, finalmente, elegir las mejores herramientas para llegar a unos objetivos concretos.

Parafraseando a Pere Rovira, miembro fundador de Conversion Thursday, “todas las herramientas son igual de buenas, es decir, todas son igual de malas”, en el sentido de que debemos adaptar esa profusión de herramientas a nuestro trabajo y a nuestros objetivos,  tal y como destacamos en nuestro estudio sobre Herramientas de Buzz Monitoring, donde, además, analizamos las más destacadas en este campo.

En cuanto a medición de tráfico y estadísticas, quizá sea Google Analitycs la herramienta gratuita más usada en el mundo. A su lado hemos de colocar no menos conocidas utilidades de pago: es el caso de Omniture, Webtrends, AT Internet, Nedstat… y, por supuesto, los paneles. Ahí los reyes son Nielsen y Comscore.

Sin embargo, no resulta apropiado decir cuál es la que mejor funciona, porque el buen rendimiento no va a depender de la herramienta que usemos; más bien de cómo la utilicemos. En este sentido, tendremos que dejar claro previamente que para lograr unos mínimos de garantías funcionales, el sistema que usemos deberá responder a cuatro claves indispensables: suficiencia para compilar datos, ductilidad en la segmentación de variables, capacidad para la integración de los datos y ser capaz de gestionarlos.

A partir de ahí hemos de tener muy claro cuánto estamos dispuestos a invertir en este proceso, desde la fase de implementación hasta el mismísimo coste del personal que lo maneje, gestione y mantenga. Aquí es donde entra la regla del 10/90, famosa por predicar que se debe invertir el 10% en la herramienta y el 90% en los sueldos de los analistas. Sin embargo, la realidad confirma que se suele actuar al revés.

Esta es la conclusión a la que podemos llegar en el campo de la Analítica Web: sólo teniendo claros nuestros objetivos, cuánto estamos dispuestos a invertir en ello y hasta en qué proporción, podremos sacar mayor o menor rendimiento a los distintos tipos de herramientas. A veces, si tenemos lo suficientemente claro el fin que perseguimos, hasta una herramienta gratuita puede ofrecernos excelentes resultados.