La medida es toda información de interés para nosotros, por ejemplo: ¿Cuánto hemos vendido en Marzo? ¿Cuántos barcos han naufragado en el mar llenos de tesoros? Sin embargo, esta información por sí misma no nos dice mucho, no podemos tomar ninguna decisión inteligente que nos ayude a alcanzar nuestros objetivos, es entonces cuando alguien pensó que sería mucho más productivo convertir las medidas en métricas, lo que se hace al comparar una medida en otra medida.
Si sabemos cuántas visitas han llegado a nuestra web y han comprado, entonces tenemos una métrica, si sabemos cuántas visitas nos han llegado a nuestra web pero se han ido a los diez segundos, entonces tendríamos otra métrica. Y si estas métricas son claves para nuestro negocio entonces se convierte en un KPI o Indicadores Clave de Rendimiento o Desempeño.
Medidas, Métricas y KPIs son básicamente las herramientas del analista web.
Se sabe que la información que tenemos es abrumadora y se tiene que encontrar la respuesta a todas las preguntas, el problema es que no se sabe qué preguntas son, no se sabe que queremos encontrar. El analista web es el encargado de realizar esas preguntas adecuadas y encontrar entre todas las métricas y medidas la respuesta acertada.
Ejemplo: Hace años se descubrió que la venta de televisores sufría picos fuertes de ventas cada vez de un determinado tiempo. Alguien se dio cuenta que era debido al mundial de futbol, de hecho durante el Mundial de 2014 se llegó a duplicar la venta de televisores. Si un buen analista se da cuenta de algún tipo de relación así ¿Te imaginas el valor de esa información para los Departamentos de Venta o Publicidad?
Por otro lado, es importante detectar la relación entre métricas, cómo determinar si esa relación es causal o correlacional.
Si una relación es causal significa que afecta a la otra, si hay un mundial aumenta la venta de televisores.
Si hay correlación es porque una aumenta, la otra también; y si una disminuye, la otra disminuye, pero ambas se afectan de la misma manera, la relación es recíproca.
Esto puede significar que tenemos una tercer variable que no estamos viendo y que seguramente sea la variable explicativa o causal.
Ejemplo:
Imagina que se detecta que siempre que aumenta la venta de esquíes también lo
hace la reserva de hoteles de montaña, ambas variables están correlacionadas,
aumentan en cantidades parecidas, sin embargo la variable significativa es la
apertura de las pistas de esquí por invierno.
Fundación Telefónica – Curso Analítica Web.
Comentarios
Publicar un comentario