Analytics 2.0

Mucho más que taggear

¿Nadar, flotar o undirse en el agua? CMO’s & Analytics

Algunos meses atrás recibí un reporte llamado “El estudio de CMOs Global” de IBM y quiero compartir con ustedes algunas partes del mismo que me parecen muy interesantes y vitales para nuestras industria.

Dicho reporte se basa en un estudio realizado a 1700 CMO’s de todo el mundo.

Chief Marketing Officers Analytics

El mismo cuenta que el foco principal de los CMOs está sobre el ROI. Casi dos tercios de estos cree que el retorno en la inversión de marketing será la métrica principal de efectividad antes del 2015.

Ellos reconocen, así como también los CEOs, que el mundo en el que operan se está volviendo mucho más volátil, incierto y complejo.

Todo un 79% de los CMOs entrevistados cree que el nivel de complejidad será alto o muy alto en los próximos cinco años y solo el 48% se siente preparado para esto.

Algo muy interesante es que al ser preguntados sobre que es lo que más les preocupa la respuesta fue contundente, más del 70% de los CMOs cree que no están completamente preparados para lidiar con el incremento del volumen de datos y su impacto.

‘Uno de nuestros principales desafíos es el análisis de datos. Debido a la complejidad y el tamaño de nuestra organización estamos muy lejos de lo necesario, “admitió un CMO del sector de productos de consumo masivo de los Estados Unidos.

Y no es el único. ‘Estamos ahogandonos en datos. Carecemos de información real’, comentó un CMO de Swiza. Otro CMO de una empresa del sector de energía de Holanda fue más allá: ‘En este momento no tenemos la menor idea de como nuestro departamento de marketing va a lidiar con el incremento de la información’.

El volumen de información está ahogando a los Directores de Marketing, tendrán que nadar, flotar o unirse en el agua…

México recibe el primer GAUC

El próximo 25th de abril estaré llegando a México para participar como speaker en el primer primer GAUC(Google Analytics User Conference) de México. El objetivo es motivar el encuentro entre usuarios de Google Analytics, consultores y expertos en web analytics de la industria en Latinoamérica y ejecutivos de Google responsables de su desarrollo.

Interactuar uno-a-uno entre usuarios de Google Analytics para compartir experiencias, aprender novedades y funciones avanzadas, y profundizar sobre la importancia de la medición en Internet.

.

GAUC Mexico 2012

Mi charla será sobre “Meta Analytics: Como optimizar el flujo de dinero utilizando información de Google Analytics”. En general se analiza la información de un sitio o proyecto online de manera aislada, como sin relación entre las partes del sistema haciendo muy difil comprender cual es el recurso que está limitando o restringiendo la optimización de los resultados (dinero). Meta Analytics introduce dos conceptos clave, la idea de identificar las interacciones del sistema analizado como principal fuente de información y la comprensión de la mente humana, ni más ni menos que la principal responsable de procesar la información. La mente humana está siempre dispuesta a jugarte malas pasadas a no ser que estés listo para jugar el juego…lo estás? Nos vemos el 25!

Mi más sinceras felicitaciones a Francisco Pellat y toda la gente trabajando detrás de escena por la exquisita organización!

Medición de Churn Rate en negocios no “opt-out”

El Churn Rate (también llamado attrition rate) es una métrica muy útil, que mide el número de individuos o items ingresando o egresando de un conjunto en un período de tiempo específico. El Churn rate, cuando es aplicado a una base de datos de usuarios, se refiere a la proporción de clientes contractuales o subscriptores que dejan a un proveedor en un período de tiempo determinado. Es un potencial indicador de insatisfacción de clientes, ofertas más baratas o mejores de un competidor, acciones de venta o marketing más exitosas por parte de la competencia, u otras razones relacionadas con el ciclo de vida de clientes (o customer life cycle) (Wikipedia).

Churn Rate in Communities

Entonces si trabajas con o en una celco (empresa que provee servicios de telefonía móvil) contabilizarás el Churn Rate como la cantidad de clientes que cancelan sus planes en un momento determinado. Simple y dulce :-)

Ahora bien, nuestro amigo el Beto “Albert” Einstein una vez dijo “En teoría, teoría y práctica son lo mismo, en la práctica no”. Así que vayamos a uno de esos casos donde no es lo mismo, uno de esos casos poco dulces y sexys.

Un buen ejemplo es un sitio de comunidad, digamos que queremos medir el churn rate de una comunidad en particular, ¿Cómo podríamos determinar que un usuario nos está abandonando? O sea, el opt-out en una newsletter no es Churn, cierto? El punto es que en una comunidad el usuario nunca dice”Me estoy yendo de tu comunidad!”, entonces…en que momento decimos, este usuario es parte del Churn?

Seguramente debe haber muchas formas, yo voy a contarles la mía. Fisgoneen la base de datos tratando de identificar en que periodo el 80% de los que se fueron ya no vuelven más (o el número más cercano), recuerden que todo lo que pueden saber sobre el futuro está relacionado con el pasado. Entonces, digamos que empezamos a revisar nuestra base de “Conocimiento” desde February 2011 (el año pasado). En enero 100 personas se loguearon en el sitio y luego no lo hicieron en Febrero. Desde ahora, tomaremos estos como nuestra población de análisis.

1- De esos 100 usuarios, 10 se loguearon nuevamente en Marzo.

2- 5 se loguearon por última vez en Abril.

3- Y 5 se loguearon durante algún momento entre Junio y (‘current_date’) :-)

4- El 80% que quedó al inicio nunca se volvió a loguear (hasta el momento).

Entonces podremos contar esos como nuestros usuario Churn de hace tres meses. Digamos digamos que hace tres meses fue Enero 2012, entonces tu consulta en la base de datos debería ser algo así como Where (‘last_login’) between (’01-01-2012′) and (’01-31-2012′).

Entonces, ahora que ya tienes una de las métricas más importantes para el KPI Churn Rate solo resta la más simple. Ahora solo tienes que calcular la cantidad de usuarios en tu base de datos durante el mismo período de tiempo. Eso es simple, solo corre la siquiente query “where last login is from (‘registration_date’) to (‘three_month_ago’)”.

Listo!

CR = Churn / Users in Database

Entonces, cual es tu churn rate?

Nos vemos en eMetrics Chicago

El próximo Junio (desde el 24 al 26) estaré visitando Chicago que, además de estar feliz de poder visitar el bar Buddy Guy’s Legend (siempre es una buena oportunidad de escuchar mi música preferida) tengo el honor de ser uno de los  speakers en eMetrics Chicago. Para aquellos no familiarizados con eMetrics, es el evento más importante de Mediciones y Analytics (o Digital Analytics ;-) ) el cual fue fundado por el legendario Jim Sterne (También co-fundador de la  Digital Analytics AssociationEscritor Serial).


Si quieres registrate en el evento hoy es el último día del super early bird, ingresa en the página de registro de eMetrics Chicago.

See you there!

Merchandising Report de Yahoo! Web Analytics

Si tienes un proyecto de eCommerce y tienes instalado Yahoo! Web Analytics, o no lo tienes pero estás pensando en ello te dejo algunos tips interesantes sobre el Merchandising Report.

El Merchandising report es una herramienta adicional del reporte de eCommerce de Yahoo! Web Analytics que le da una escala de análisis fabulosa a tu proyecto web.

Con este reporte podrás no solo lo típico como cuantas veces un cliente en particular view, agregó al carrito de compras y hasta compró. Sino que además  te permite agregar categorías para tus productos, crear reportes customizados, e incluso actualizar los reportes para reflejar las compras canceladas o cambios en los montos de las ordenes ya realizadas utilizando para ello llamados al sistema de Y!WA por medio del API. Otra cosa que me gusta mucho es que también es posible hacer análisis de up y cross selling. También podrás subir el costo individual de tus productos y hasta calcular en que medida cada producto contribuye a tus ganacias totales.

La implementación de Yahoo! Web Analytics es bastante simple si tu, al menos, leíste el manual de instalación :-) . El Merchandising Report tiene la exacta misma lógica, solo necesitas agregar funciones a tu tracking code (o código de medición) como por ejemplo:

Action;
DocumentGroup;
Amount;
OrderId;
Discount;
Tax;
Shipping;
SKU; Corresponde a un producto específico que quieras medir. La información del SKU se expresa normalmente como una función utilizada en tu carrito de compra. De todos modos, también es posible expresarlo en un valor constante (Ej TEN114/S/03)

Es importante mencionar que cada función de Yahoo! Web Analytics es utilizada para popular un valor entre esta y tu carrito de compras. Por ello para hacer esta implementación es importante que estés familiarizado con las funciones utilizadas en este.

Otro feature interesante es “Tracking viewed products” o medir productos vistos. Al agregar la acción ‘PRODUCT_VIEW’ a tu función, como verás en el ejemplo a continuación, podrás medir que tan frecuente un cliente potencial vio uno o varios de tus productos y cual o cuales son los más populares.

YWATracker.setAction(“PRODUCT_VIEW”);
YWATracker.setSKU(“H84963422″);

Si quieres medir más de una vista de producto a la vez tan solo utiliza una función como en el ejemplo a continuación.

YWATracker.setAction(“PRODUCT_VIEW”);
YWATracker.setSKU(“H84963422;H09273923″);

Otra herramienta genial es ADD TO CART TRACKING, o sea medir cuando un potencial cliente agrega uno o varios productos al carrito de compras. Al activar este feature (solo agrega la acción ADD_TO_CART a tu función, como en el ejemplo a continuación) podrás identificar que productos tus clientes y/o potenciales clientes agregaron al carrito de compras, hayan o no hayan comprado.

YWATracker.setAction(“ADD_TO_CART”);
YWATracker.setSKU(“H84963422″);

Entonces ya medimos productos vistos, productos agregados al carrito de compras y que falta? Exacto, lo más importante, productos comprados. Para hacer esto tan solo activa la acción Sale (venta ó 01) como se puede ver en el siguiente ejemplo:

YWATracker.setAction(“01″);
YWATracker.setSKU(“H84963422″);
YWATracker.setUnits(“3″);
YWATracker.setAmounts(“300.00″);
YWATracker.setAmount(“EUR300.00″);
YWATracker.setOrderId(“123xxx”);

Si la moneda con que se miden las ventas es importante para tu proyecto entonces visita el listado de monedas disponibles en Y!WA visitando ingresando aquí

Para ingresar el precio de los productos comprados deberás configurar la función setAmounts. A diferencia de la función setAmount, setAmounts no necesita el código de moneda ingresado, debido a que la moneda es un valor interno de la función setAmount.
Al igual que vimos anteriormente es posible medir varios productos comprados a la vez:

YWATracker.setAction(“01″);
YWATracker.setSKU(“H84963422;H09273923″);
YWATracker.setUnits(“3;1″);
YWATracker.setAmounts(“300.00;50.00″);
YWATracker.setAmount(“EUR350.00″);
YWATracker.setOrderId(“123xxx”);

Algo fabuloso es que el código de medición de Yahoo! Web Analytics tiene una lógica muy simple que podemos ver replicada en todos los features. Esto permite que una vez que comprendes la lógica te sea muy facil y amigable cualquier tipo de implementación.

Como atribuye conversiones Google Analytics

En este post hablaremos de como Google Analytics atribuye, tecnicamente hablando, una Conversión a una campaña. Si te interesa saber como comprender de que esfuerzo de marketing provienen tus resultados o conversiones te sugiero leer Gestión de restricciones vs. Atribución Directa

Google Analytics, como la mayoría de las herramientas de Web Analytics permiten atribuir una conversión específica a una campaña en particular. Cada plataforma tiene su propia definición sobre como procesar y entonces, atribuir la conversión. Esto significa que lo importante es comprender como funciona cada plataforma para o bien estar seguros que es de la forma que nos sirve o buscamos, o bien para modificar la configuración para que lo haga de una forma que sea más útil o “lógica” para nuestras necesidades. .

Google Analytics atribuye la conversión por default a la campaña más reciente, a no ser que la segunda sesión no provenga de una campaña sino de tráfico directo (o sea, de un favorito o de alguien que escribe la URL en el navegador). Las visitas directas no obtienen el crédito por las conversiones generadas inicialmente por una campaña.

Si tu prefieres atribuir la conversión a la primer campaña, en lugar de a la ultima (como lo hace Google Analytics por default), entonces lo que debes hacer es utilizar una nueva query parameter en tu query string (variables en la url). Si este es el caso la query parameter a utilizar es “utm_nooverride=1“. Lo que hace es atribuir la conversión a la primer campaña que envió al visitante al sitio. O sea, cuando una visita que vino de la campaña 1 vuelve al sitio pero en este caso con la campaña 2 y convierte, siempre y cuando tenga “utm_nooverride=1″ en el string de parámetros esta conversión se atribuirá a la campaña 1 en lugar de a la campaña 2 como lo haría Google Analytics por default.

De todos modos, si ese visitante de la campaña 1 y 2 solo convierte en su tercer sesión, en este caso proveniente de la campaña 3 y en este caso no tiene el parametro “utm_nooverride=1″ entonces la campaña se atribuirá a la campaña 3.

Cual es la mejor forma de atribuir campañas? No existe una mejor manera, depende específicamente en lo que tenga sentido para cada uno y las decisiones que deba tomar.

Entrevista CTO de Mercado Libre – Daniel Rabinovich

Luego de ver la presentación que les compartí en el post anterior sobre Daniel Rabinovich, CTO de Mercado Libre, me intrigué un poco y quise ir por más. Hable con Dani quien accedió inmediatamente a la entrevista, aún cuando estaba tapado de trabajo (imaginense :-S ).

Un poco de background para conocer a la persona detrás de la entrevista:

Daniel por el 2000 ingresaba con bastante experiencia en desarrollo a Mercado Libre como Senior Developer pasando en el 2002 a Arquitecto de Software, en el 2003 a Software Developer Manager, luego en el 2007 Software Developer Director, Product Development VP en el 2009 y flamante CTO en el 2011. Así como lo leen es Daniel, se lo ve normalmente tranquilo y con esa tranquilidad está haciendo que pasen mil cosas.

Bueno vamos a la entrevista:

Juan: Cómo es el día a día de capturar y procesar información para toma de decisiones en un sitio con el volumen de trafico de MercadoLibre?

DR: Imaginemos una “Pirámide de Maslow de la Información”. En la base está la mera supervivencia, asegurar la operación del sitio. Trepando la escala, pasamos por métricas de velocidad, de segmentos (móviles/desktop, orgánico/externo, etc), análisis de flujos, hasta llegar al tope de la pirámide, donde es el procesamiento de la información la que genera cambios en el producto. Un ejemplo de esto último es la optimización automática del motor de búsqueda.

Juan: Por dónde se empieza?

DR: Por abajo :-) Primero es necesario asegurar la operación, el storage y la generación consistente de métricas, a todo nivel.

Juan: Tenés algún ejemplo para contar de haber identificado algún insight que genero un gran impacto positivo en la empresa?

DR: El más grosero que recuerdo fue empezar a medir la velocidad percibida por los usuarios de nuestros listados. Era de 18 segundos! Reducir ese tiempo a menos de un tercio generó una aceleración impresionante en las métricas de negocio.

Juan: Hasta dónde vale la información y hasta donde la intuición o la cultura empresarial?

DR: La información sólo es útil cuando la maneja gente que entiende el negocio y como complemento del sentido común. En otras palabras, ambas son necesarias.

Juan: Cómo se debería integrar Tecnología y Marketing para lograr una implementación optima de un sistema de información?

DR: De la manera más difícil: trabajando como una unidad. Si se piensan como dos funciones estancas, creo que es imposible integrarlas.

Juan: Cuál es tu libro favorito?

DR: A juzgar por la cantidad de veces que lo leí, debería ser “Think like a grandmaster”, de Alexander Kotov.

Juan: Cuál es tu lugar favorito?

DR: El delta del Río de la Plata.

Gracias Daniel por tu tiempo y por la información excelente que nos compartiste.

Si queres quedar en contacto con Daniel puedes hacerlo siguiendolo en twitter @drabinovich

No te escuches a ti mismo – Presentación de Daniel Rabinovich en Web 2.0 Expo (SF)

Mercado Libre es la plataforma de e-commerce más grande de América Latina y la numer 11 a nivel mundial con más de 700 MM Payment Value.

Su CTO, Daniel Rabinovich (un tipo increiblemente pragmatico y apasionado) fue uno de los Keynote Speakers en la Web 2.0 Expo con una presentación llamada “No te escuches a ti mismo“, es muy interesante, les recomiendo verla prestando atención a todos los detalles (está en inglés, perdón!):

 

Metricas estándar y no estándar

Si estás leyendo este blog probablemente ya conoces sobre Visitantes Únicos, Visitas y Páginas Vistas, etc. Esas son Métricas Estándar, lo que significa que lo que esas métricas miden se basa en una definición hecha por un organismo reconocido y aceptado como el regulador en el tema, en este caso la Web Analytics Association, y que la comunidad de Analytics reconoce como aceptada. De hecho cuando alguien dice “Yo tengo 10.000 Visitantes Únicos”  todos sabemos que está hablando de 10.000 Navegadores Únicos que están siendo medidos por una Cookie en particular.

Standard vs Non-Standard metrics

Las métricas Estándard son muy importantes, de hecho la Web Analytics Association tiene un comité que trabaja específicamente en esa temática, el Comité de Estandarización (que realmente hacen un gran trabajo). Las métricas Estándar se enfocan en análisis externo, o sea que buscan respuestas en información relacionada con la companía/proyecto en relación con el entorno (uno o varios competidores). O sea, con métricas estándar puedes hacer analytics externo para controlar, o bien para benchmarking (sinceramente no soy muy fanático del benchmarking externo, pero existe). Esto significa que no deberías utilizar métricas standard para analytics interno nunca? No, no estoy diciendo eso. Solo digo que ese no es el foco principal pero si son útiles para tus actividades de analytics interno entonces adelante!.

Por otro lado tenemos las métricas no estandar. Estas son las utilizadas para medición y benchmarking interno. En este caso no importa que las métricas no sean estandar ya que no se utilizan para comparar tu performance con la de un tercero sino para medir tu propio nivel de performance.

Porque les cuento todo esto? Porque es importante que al momento de identificar los KPI’s o “sensores” para medir tu propia performance es importante que seas creativo, creando una métrica que permita capturar información específica que tu o alguien más de tu compañía quiera capturar.

Entones, al buscar esas métricas para medir tu performance interna olvídate sobre todo lo que sabes y piensa en cual sería esa métrica ideal, como estaría compuesta y que nombre es el que todo el mundo podría comprender al “leerla” y no olvides describir la composición de la misma y explicarla cada vez que la utilices, recuerda que al ser una creación propia no todo el mundo debe saber que significa tener más o menos resultado en esa métrica.

Descargar el documento de Métricas Estandar de la Web Analytics Association

Dad está de vuelta para impactar en tus conversiones

Parece que nada ha cambiado en muchos años…fíjense en este post del 2006 “Desired Advertising – DAD – Is that possible?“ y díganme si no es actual? Lo es, y lo es por una razón muy básica y es que se basa en que la publicidad debería enfocarse en dar un servicio en si mismo y no para el consumidor y no como una estúpida e intrusiva forma de robar la atención de la gente.

Ayer justamente mi amigo Diego twitteaba enojado porque lo llamaban reiteradas veces del call center de empresas automotrices “Para esto contratan a los genios del marketing?”. O sea, empresas que invierten mucho en marketing terminan llamando a una base poco cualificada para “convencerlo” que necesita comprar un auto.

Siguiendo con el razonamiento previo y obviamente teniendo en cuenta el Código de Ética de la Web Analytics Association, imagina cuanto mejor sería para tus clientes o potenciales clientes que los contactes considerando sus intereses y necesidades siguiendo el Modelo Dad

Yahoo! Web Analytics individual tracking

Si crees que es algo un poco sofisticado para tus conocimientos, la respuesta es no…para nada.

Lo único que necesitas es una solución de Analytics que te permita la medición de individuos (individual tracking) y tener una registración y/o login en tu sitio web. Entonces aquellos que acepten la cookie de medición podrán ser monitoreados en cuanto a sus intereses particulares en un momento específico (lo que se llama información referida a momento, la cual es la mejor información para procesos de conversión). Basándonos en esta información podremos crear segmentos basados en comportamiento (behavior) y/o datos demográficos (demographics) y o actitud (attitude) y en base a esta contactar a la gente, para dar un ejemplo, con una newsletter que le agregue valor. Podrías por ejemplo enviarles promociones basadas en lo que ellos están buscando comprar en un momento específico, o informarles sobre eventos que ellos están interesados en atender justamente en el momento en que lo buscan.

En este caso hice un test rápido en Yahoo! Web Analytics, solo porque la tenía a mano (y es muy buena!), pero podrías utilizar cualquier otra que tenga individual tracking. Solo tienes que crear el segmento, exportar los ID’s (si no sabes utilizar API, si lo sabes entonces no tengo que darte muchas instrucciones sobre el tema :-) ) y hacer el envío personalizado a los usuarios cuyos ID’s exportaste. Pruébalo y dime cual fue tu lift!