Blog

Muchas veces nos preguntamos si es mejor utilizar páginas virtuales o eventos para medir algo en nuestra web, por ejemplo para medir enlaces salientes, clicks en elementos o descargas de archivos.

Mi opinión es que eventos, eventos y más eventos. Podría resumirlo en que una vez cargada la página cualquier otra acción que se realice es un evento generada sobre ella. Hace un tiempo cuando Google Analytics no disponía de eventos, las páginas virtuales eran la mejor opción, mejor dicho, la única opción para medir ese tipo de acciones, pero una vez implementaron el Event Tracking no tiene sentido alguno utilizar las páginas virtuales más que en casos concretos.

Los eventos tienen muchas ventajas sobre las páginas virtuales:

• Más flexibilidad, los eventos se pueden categorizar por Categorías y Acciones.
• A los eventos se les puede asignar un valor.
• No es necesario crear un filtro ( y con ello tener 2 perfiles ), para no tener nuestros datos de páginas vistas desvirtuados.
• Se pueden definir los eventos como acciones no-interaccionales, es decir no contarán en la tasa de rebote ( bounce rate ).

A pesar de estás ventajas, hay ocasiones es las que recomiendo utilizar páginas virtuales como por ejemplo:

• Agregar una estructura lógica a las URI’s, si nuestra web está basada en id’s y nos es imposible implementar urls amigables.
• Si necesitamos que esa acción sea algún paso intermedio o inicial de un objetivo, tan solo podemos definir eventos como paso final de una objetivo, no pasos intermedios.
• Webs con fichas de productos con pestañas o tabs y que el contenido se carge por ajax, es decir sin volver a cambiar la página, por considerarlo como si fuese una página nueva. Un ejemplo sería por ejemplo las páginas de producto de la web del Corte Inglés. Ejemplo

El resto de interacciones que tenga el usuario deben ( o mejor dicho ), deberían medirse mediante eventos, las descargas, las interacciones en un flash, reproducciones de videos, control de errores, etc, etc, por considerarse eso mismo, interacciones que se realizan sobre la página que ya está cargada, y por ello los eventos están asociados a la página dónde se realizan.

Vamos a explicar como medir las interacciones sobre los elementos sociales en nuestra web, es decir sobre los típicos botones de compartir, me gusta, twittear, que están disponible en todas las webs.

Hace ya mas de un año que Google implementó el _trackSocial , mediante la cual podemos medir sobre que complementos sociales interaccionan los usuarios de nuestras web.

El formato de la llamada que debemos implementar es el siguiente:

Lejos quedan ya los tiempos donde la presencia web se basaba simplemente en tener una página web, todo ha ido evolucionando sin parar desde que en agosto de 1991 Tim Berners-Lee conectase a internet el primer servidor web de la historia y junto a él, la primera página web  en el CERN, en esos momentos el mayor nodo de internet existente en el mundo.

Desde entonces no ha parado de crecer “la web” , ya no se trata tan solo de texto y enlaces como se concibió en un principio, y la verdadera revolución empezó con , tal y como se le acuño allá por el 2004 , la Web 2.0 , desde ese momento la web empezó a crecer realmente, ya no se trataba de contenido que la gente podía consultar, si no que además se le empezaba a los usuarios la posibilidad de interactuar con la web, y a participar en los contenidos, empezaron pues a ponerse de moda los webservices, las redes sociales, los blogs, las wikis, los servicios de alojamiento, agregadores, etc. Hasta entonces las webs eran contenidos estáticos, que no se actualizaban de forma habitual, pasando a centrarse en contenidos dinámicos, y sobre todo alimentados en gran parte por los usuarios que los visitaban.

A lo largo de esta semana, han aparecido por sorpresa dos nuevas métricas en los reportes de contenido de Google Analytics.

Una de ella son los “Accesos” ( Entrances si tienes la interfaz en Inglés ). Esta métrica nos indica, en cuantas visitas a una página en cuestión han sido también la primera página vista de la sesión.

La otra nueva métrica (más que nueva, resucitada) es el “Valor de página” , que antes era conocida como $ index . Esta métrica, nos indica el valor medio que han tenido las páginas durante la consecución de un objetivo y/o de una transacción electrónica en nuestro sitio web. O lo que es lo mismo está métrica nos da una idea de qué páginas han contribuido más o menos a los ingresos de nuestra página web. Si una página no ha sido visitada durante una sesión que haya convertido o terminado en una transacción el valor de página o $ Index de  esa página será 0.

El valor se obtiene de la siguiente fórmula:

Ingresos Ecommerce + Valor Total del Objetivo
Número de páginas vistas unicas de la página

Seguramente, nos habremos planteado muchas veces, si nuestros videos promocionales  están realmente funcionando, imaginemos por ejemplo que creamos una landing donde ponemos un video de qué hace nuestro producto.

Casi todos los ejemplos de medición de videos que he encontrado por Internet, se basan en decir cuantas veces se ha hecho click en los botones de play, pause y stop. Pero eso no nos da una visión real del nivel de compromiso ( engagement ), que produce el video sobre nuestros usuarios y por lo tanto en el ratio de conversión.

• ¿ Cuantas veces se carga el video ? ( listo para reproducir, no visualización de la páginas donde está embebido ) .
• Cuantas veces se finaliza totalmente el video.
• Cuantas veces se hace click en los botones de Play, Stop , Pause.
• Y lo más importante qué porcentaje del video se ve por nuestros usuarios, a través de un funnel de abandono de visualización.
• Ven los usuarios el video completo
• Hay alguna parte del video,en el cual la mayoría de usuarios lo abandonan ( tal vez el video sea demasiado largo, o demasiado aburrido, o simplemente no se corresponde con lo que nuestros usuarios están buscando.

Surely, we asked ourselves if our promotional videos are really working, imagine for example that a landing page where we create a video of what makes our product.

Almost all examples of measurement of videos I found online, that are based on how many times have you clicked the play button, pause and stop. But that does not give a true picture of the level of engagement, which produces video about our users and therefore the conversion rate.

• How many times is the video being loaded? (Ready to be played ).
• How often is the video viewed completely.
• How many times does the users click on Play, Stop, Pause buttons .
• And most importantly, what percentage of video is being viewed by our users, through a drop funnel visualization.
• Is there any conflictive  part of the video, in which most users will leave (maybe the video is too long, too boring, or simply does not reflect what our users are looking for.)

Many other KPI or indicators that may indicate the engagement of the video to our users. for example:

El tema de la ley de Cookies Europea, fue uno de los temás más comentados en el mundillo de la Analítica Web, la semana pasada. En este aspecto desde Bruselas, dejaron por fin el tema claro durante la semana pasada:

First party analytics cookies are not likely to create a privacy risk when they are strictly limited to first party aggregated statistical purposes and when they are used by websites that already provide clear information about these cookies in their privacy policy as well as adequate privacy safeguards. Such safeguards are expected to include a user friendly
mechanism to opt-out from any data collection and comprehensive anonymization mechanisms that are applied to other collected identifiable information such as IP addresses.

Es decir las cookies first party, como las que utiliza Google Analytics, siempre y cuando se trate de datos agragados no existe un riesgo de privacidad por lo cual, no es necesario el consentimiento explícito de los usuarios para su utilización. Eso si, deberemos dejarlo claro en la política de privacidad de nuestra web, así como ofrecer al usuario la posibilidad de poder decidir si recogemos sus datos. A este técnica se la denomina opt-out, y ya hablamos hace un tiempo en esta web en como hacerlo en algunos de los servicios de Analitica web más utilizados, podéis visitarlo aquí: Excluye tus visitas con Opt-Out .

El anuncio del fin de Urchin Software hace unos meses vino acompañado de otro anuncio, el de AngelFish Stats , que se presentaba como el sustituto de este para el entorno in-house de la analítica web .

Se trata de un Software de analítica no de una herramienta SaaS, por lo que su gran baza se basa en la propiedad de los datos, es decir los datos de los visitantes no se envían a terceros, por lo cual la privacidad se asegura al 100%.

Esta herramienta no nace de la nada, si no que viene de la mano de ActualMetrics , empresa estadounidense capitaneada por uno de los ex-empleados de Urchin en el momento de la compra por parte de Google alla por el año 2005.  Ofrecen desde su fundación soporte y formación para Urchin y Google Analytics , siendo además partners de estas dos herramientas, por lo que podemos estar seguros que saben lo que hacen.

AngelFish Stats, parace continuar con el mismo modelo que Urchin, es decir un módelo logs + tags , incluyendo un javascript que enriquece los logs de nuestro servidor para conseguir una mayor información y exactitud de lo que hacen los usuarios por nuestra web, pero también admitirá otro tipo de identificación de visitas, a partir tan solo de los logs, o de las sesiones.

Las características del software son:

• Permite migrar los datos de perfiles, configuraciones, y reportes desde Urchin.
• Diferentes tipos de tracking , IP + User Agent, Id de sesiones, tags …
•  Conformidad con HIPAA, Sarbanes-Oxley, PCI .
• API, integra los datos de analítica web, con tu CRM, o crea tus propios cuadros.
• Estadísticas In-House, minimiza los problemas y sé el dueño de tus datos.
• Actualizaciones constantes.

<script type="text/javascript" src="/angelfish.js"></script>
<script type="text/javascript">
  agf.pageview();
</script>

Debemos recordar también, que tendremos que configurar el formato de nuestros logs para que se registre el valor de nuestras cookies en ellos, al igual que se hacía con Urchin.

En esta ocasión vamos a hacer un repaso por los principales clientes disponibles para ver las estadísticas de tu instalación de Piwik, que os ayudarán a sacarle el máximo a  esta magnífica herramienta de Analítica Web Open Source desde cualquier lugar y con la mayor comodidad.

Desktop Web Analytics

Se trata de la única versión que incluye versión multiplataforma, tanto para iOS, Android, BlackBerry y versión en Adobe Air. Sin duda alguna el mejor cliente que hay, para tener siempre disponibles tus estadísticas en cualquier lugar.

Todos sabemos lo importante que es una que una web sea rápida a la hora de cargar, ayuda en el posicionamiento, y hace que la experiencia del usuario sea más agradable, incluso hay estudios que relacionan este parámetro con el número de conversiones .

Google está coincienciada de ello y desde hace un tiempo Google Analytics nos muestra el tiempo que tardán en cargar nuestra web a nuestros usuarios en el reporte de Site Speed, ahora van un paso más adelante con los “user timings”, permitiéndonos etiquetar nuestra web para poder medir lo que tardan en cargarse ciertas partes de ella o las interacciones de los usuarios, algunos ejemplos serían los siguiente ejemplos:

1. Tiempo que tarda en cargarse un script.
2. Tiempo que tarda en realizarse una petición por Ajax.
3. Tiempo que pasa desde que se hace click en un botón y se termina la acción.
4. El tiempo que tarda un usuario en subir un archivo a nuestra web.

Esta funcionalidad no altera el número de páginas vistas, por lo que es el método más adecuado para medir los tiempos de acción en nuestra web.

Es reporte lo podremos encontrar  dentro del apartado de contenido, dentro del apartado “User Timings” dividido en tres reportes “Explorador”, “Rendimiento” y “Superposición de mapa” . Seremos capaces de ver los reportes por las siguientes métricas: Categoría, Variable y Label, es decir como si de un Evento se tratase.

Para realizar la medición de las interacciones de los usuarios, deberemos utilizar javascript, concretamente
 la siguiente función :

_trackTiming(category, variable, time, opt_label, opt_sampleRate);