Ir al contenido principal

Los promedios no siempre explican el comportamiento de tu usuario

Cuando empieces a extraer datos de Analytics y te des cuenta de ciertos comportamientos de tus usuarios, pronto empezarás a detectar patrones y establecer promedios, sobre todo cuando empiezas a trabajar con grandes cantidades de datos. Ten en cuenta, además, que Google Analytics comienza a hacer promedios cuando empieza a tener demasiada información de visitas.

¿A qué nos referimos aquí? Bien. Imagínate que queremos analizar la forma en la que los españoles beben vino, y llegamos a la conclusión de que se vende tanta cantidad de vino como para dar de beber una copa de vino al día a cada español. 

Esto nos daría el promedio de una copa de vino al día por cada español. Pero, ¿realmente sería cierto? No, porque muchos españoles beben 4 copas de vino al día, otros no beben nada, y otros lo que beben son cañas. 

¿Cómo se puede aplicar esto a la analítica digital? Bien, imagínate que detectamos que nuestro ticket medio de compra son 45€. Esto nos puede ofrecer una pista sobre qué ofertas hacer, por ejemplo, podemos poner gratis los gastos de envío a partir de 50€ para intentar que la gente se gaste un poquito más de lo que se suele gastar. Sin embargo, ¿realmente nos está aportando información acerca del comportamiento de nuestros diferentes tipos de usuario? 

Bien, no. Probablemente sea así, pero muy probablemente tengamos usuarios que se gasten 20€ y otros 90€, e incluso seamos capaces de detectar de dónde vienen y cómo son cada uno de ellos si tenemos la capacidad de intentar buscar un poco más allá de los datos de promedio. 

En analítica web tenemos siempre que preguntarnos un poco más acerca de la veracidad de los datos de promedio o de los patrones de comportamiento, para saber si de verdad están haciendo referencia a la mayoría de los usuarios o bien estamos incluyendo diferentes tipos de usuario dentro del mismo saco.


En esta imagen se detecta cómo tres gráficas de comportamiento tienen el mismo promedio, sin embargo, son muy diferentes entre sí. De una forma gráfica entendemos cómo con el mismo dato podemos estar analizando tres patrones muy diferentes.



Fuente:
Fundación Telefónica – Curso Analítica Web, Resumen Módulo 3, p. 4 – 5.

Comentarios

Entradas más populares de este blog

Enciclopedia de Máscaras (en PDF)

No cabe duda que el Internet ha ayudado a rescatar y compartir muchas cuestiones que en tiempos anteriores era difícil pensarlo y hacerlo, dada que la logística previa a este invento no era tan rápida y “eficiente” como actualmente trata de serlo, y por esas razones, y dado el panorama del momento (donde ya muchas plataformas te cobran por tener cierta cantidad de almacenamiento o se te ponen intensas con los derechos de autor , con sus pros y contras que eso conlleva) he decidido utilizar la plataforma de Telegram para compartir estos archivos de la Enciclopedia de Máscaras , un trabajo de Mina Editores donde se documenta cientos de máscaras utilizadas en diferentes rings de México , mencionando algunas de sus características, parte de su historia y algunos detalles que hacen la delicia de todos los interesados a la lucha libre .

Análisis de rutas, abandonos y visitantes

Lo primero que tenemos que saber es por qué los usuarios me abandonan, esto nos ayuda a detectar áreas problemáticas y poder investigar qué mejoras podemos realizar para mejorar. Para ello vamos a usar dos tácticas: Por una parte el análisis de abandono en las rutas de Google Analytics combinando con el análisis de usuario de Analytics, y por las grabaciones y los mapas de color de Hotjar.

Referencias electrónicas

Saber cómo hacer referencias es una parte de tu trabajo como Finder, ya que así le darás un fundamento a la información que encontraste en internet. Hacer referencias es importante, ya que con ellas: * Indicas a tu cliente cuáles fueron tus fuentes.