Divinortv Games

Una de las sensaciones que más provoca salidas de un sitio es cuando parece que está abandonado o que no se ha actualizado con regularidad.   Esto hace pensar al usuario que puede que la empresa haya cerrado, o que no es lo suficientemente seria como para tener a alguien actualizándola constantemente.

Una de las primeras cosas en las que tienes que fijarte es que los textos estén bien escritos y sean fáciles de entender. Siempre es mejor que las frases sean cortas.   Analiza que la página web contenga un lenguaje claro y conciso. Normalmente a la gente le suele gustar más cuando se trata de un lenguaje familiar, amigable, cercano.

Todo sitio web tiene que tener perfectamente claros cuáles son sus objetivos y que éstos estén bien planteados a la hora de mostrarlos al público a través de la web.   ¿Es una web de venta, de compra, en la que queremos mostrar nuestros servicios?

La usabilidad es una de esas cosas que evoluciona con el tiempo, según los usuarios van adaptándose a las nuevas tecnologías y van aprendiendo a comunicarse con los lenguajes de botones, navegadores, etc.; de forma que lo que consideramos usable ahora no lo será probablemente mañana.  

En analítica web tenemos que enfocarnos en mejorar el tráfico, rentabilizar las inversiones publicitarias y mejorar la conversión dentro de nuestra web. Una de las formas principales de mejorar la conversión es mediante los formularios de contacto y mediante la optimización de los carritos de la compra.

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.

Pasamos ahora a dos tipos de prueba cualitativa que necesitan de expertos para su ejecución.   Análisis Heurístico. El análisis heurístico se basa en el análisis por parte de un experto de las diez reglas de la usabilidad, o de algunas más que él pueda considerar.

Con la tecnología hemos topado, tantas herramientas y tantas estadísticas estupendamente elaboradas que no nos hemos dado cuenta de que muchas veces y como nos decía nuestra abuela, preguntando se llega a Roma.

Existen varias plataformas que nos pueden ayudar a detectar fallos en nuestra usabilidad, muchas de ellas gratuitas. Recuerda que la mayor parte de las veces estas plataformas nos van a ayudar a detectar errores, pero no la magnitud de los mismos, entre ellas está Usability Hub.

Avinash Kaushik, auténtico gurú de la analítica web, siempre ha dicho que si en una empresa se van a invertir 100€ en analítica digital, siempre es mejor que se inviertan sólo 10€ en plataformas de medida y 90€ en contratar al mejor personal de analítica posible.

“Los datos son sólo una pista de la verdad final” Josh Smith   Existe cierto porcentaje de tus datos que va a estar contaminado por visitas de robots y de tus propias visitas.

La forma en la que Google Analytics calcula el tiempo que el usuario está navegando en nuestro sitio es calculando el tiempo que pasa desde la primera interacción con el sitio hasta lo último que hace antes de salir.  

Google Analytics interpreta “rebote” como toda visita que abandona el sitio sin realizar ninguna interacción que Analytics sea capaz de medir, esto significa que probablemente haya hecho interacciones pero que Google Analytics no haya sido capaz de medirlo.

Las dimensiones son atributos de los datos, por ejemplo, “Málaga” como ciudad o una url como la dimensión de una “página”. Son atributos cualitativos, que no hacen referencia a números.   Las métricas, por otra parte, son numéricas, cuantitativas. Por ejemplo, el número de sesiones, el número de páginas vistas o el número de usuarios, en Analytics encontramos siempre las dimensiones en filas, y las métricas en columnas, como en este caso.

Uno de los principales motivos de error de todos los analistas es la forma en la que vemos el mundo y cómo tenemos construida nuestra propia cabeza. Ya te has dado cuenta de que la sospecha acerca de lo que te dicen los datos ha de ser siempre una máxima, pero no sólo has de sospechar de eso sino de ti mismo.

El hecho de que dos variables aumentan a la vez no significa que una sea consecuencia de la otra. Parece muy sencillo, pero es muy equivocarnos en este aspecto, por ejemplo podemos equivocarnos y pensar que nuestro aumento de tráfico en la web es consecuencia del aumento de visibilidad en redes sociales, pero no darnos cuenta de que ambos aumentos tienen que ver con que se ha hecho una campaña de publicidad, por ejemplo, o porque de repente hemos empezado a posicionar por una palabra clave realmente importante.

Muchas veces, si nuestro rol como analista web es independiente de nuestro papel como responsable de las acciones de marketing digital tendremos que ejercer de auténticos policías de la información.   No es extraño que un Community Manager, un responsable de SEO o la persona que se encarga de la publicidad se enfoquen en mejorar KPI’s que tienen que ver con demostrar su desempeño pero que no son realmente importantes para el negocio.

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.

Es la hora de jugar a hacer experimentos, vamos a usar Google Analytics parar exprimirlo el máximo, y para probar los experimentos de los tests AB. ¿Qué es un test AB para empezar? Un test AB ofrece dos versiones de un mismo elemento y mido cual funciona mejor. Se la ofrezco indistintamente a una muestra de usuarios y así puedo medir la efectividad de una estrategia de marketing o de una landed page.

Una de nuestras principales misiones como exploradores expertos es estudiar por qué el usuario acaba tomando sus decisiones de compra. No siempre tenemos que observar los datos con el objetivo de entender el flujo de usuarios y cómo mejorarlo a nivel de estructura o de información, o para evitar pérdidas de usuarios.