Da igual lo bueno que sea el análisis que acabamos de hacer. Si no sabemos transmitirlo convenientemente, acabará en el cubo de la basura virtual y no le hará nadie caso, ni a nuestro informe, ni a nosotros.

El problema radica en que nos empeñamos en contar lo que hemos analizado hasta el último detalle y hacemos informes o powerpoints de un montón de hojas con un montón de datos, gráficos, indicaciones, flechas, etc… cuando lo que realmente necesita el receptor de ese informe es saber qué está pasando, qué puede pasar y qué puede hacer al respecto.

Empecemos por el principio: Necesitamos conocer los objetivos que tienen los receptores del análisis. Saber qué quieren y qué necesitan para hacer su trabajo. De esto dependerá la profundidad del análisis y sobre todo las KPIs o los indicadores que incluiremos en el informe final.

Una vez terminado el análisis y sabiendo exactamente qué es lo que produce un resultado final, las KPIs que están involucradas, iniciaremos la selección de éstas y el formato de presentación que se adapte mejor a lo que queremos transmitir. El resultado debe ser un dashboard o cuadro de mando o informe en el que las KPIs se complementen entre sí y nos lleven de la mano a tomar acciones.

Debe quedar claro por dónde habría que seguir profundizando en caso de necesitar más detalles y sobre todo debe incluir unas conclusiones y recomendaciones. Lo más importante en este punto es que el analista ha de ser parte de la solución posible, nunca limitarse a señalar el problema. Lo ideal es que el resultado del análisis quepa en una única pantalla, ya que así concentramos toda la información en un formato que cualquiera ve sin necesidad de hacer scroll en su pantalla.

Si se trata únicamente de un dashboard que se realiza con cierta periodicidad, hay que dejar claro el “movimiento” de un periodo a otro, poner contexto en los datos para que el receptor sepa si el valor es el que debería tener o nos debería preocupar.

En el año 2008 creé un dashboard informativo de las KPIs más importantes en el caso del canal internet para la empresa para la que trabajaba en aquel momento:

A lo largo de estos años he conocido diversas variantes que otros analistas han creado adaptando el concepto de este dashboard a sus respectivas empresas. De eso se trata, de encontrar el dashboard perfecto para transmitir el conocimiento de un análisis en nuestro propio entorno: (dashboard copyright de Fernando Ortega y dashboard copyright de Raquel Madrigal)

Junto con la versión en inglés del libro de Avinash Kaushik Web Analytics: An Hour a Day, venía un DVD con un ejemplo de dashboard de la empresa americana Stratigent. Me llamó mucho la atención en su momento porque contenía mucha información en un formato limpio y muy muy claro. Este año en el Emetrics en Nueva York tuve la suerte de poder asistir a un workshop de dashboards de la responsable de este dashboard, Jennifer Veesenmeyer. Siguen utilizando este tipo de dashboard adaptado a la necesidad de cada cliente, es un modelo que se puede adaptar a distintos negocios y que únicamente conociendo las KPIs importantes para tu negocio y con un poquito de maña en excel puedes tener en una sola pantalla todo lo que necesitas para tomar decisiones.

¿Qué es lo que hemos aprendido a lo largo de estos años como analistas web en cuestión de dashboards? Que tenemos siempre demasiados datos, que al final no se toman decisiones por puro desbordamiento. Que para ser un mejor analista web hay que pasar por ser capaz de seleccionar lo que realmente importa y saber lo básico que necesita un negocio saber sobre su web. A partir de ahí hay que averiguar qué se debe customizar dependiendo de los objetivos de cada negocio y cada situación en particular.

Sobre todo hacer hincapie no tanto en lo que ha pasado sino dejar entrever lo que podría pasar de no llevar a cabo cambios. Evolucionar del “qué ha pasado” hacia el “qué puede pasar”. Hacer uso de gráficos visuales donde se recoja el pasado, el presente y el futuro de forma que no haga falta explicar lo importante de tomar cartas en el asunto.

Por ejemplo, si solamente analizamos el qué ha pasado en 2011 en un gráfico, podemos pensar que el éxito a nivel de conversión se lo lleva todo España:

Sin embargo, lo que realmente ha pasado es que el mercado español es muy maduro y no hemos crecido nada, sin embargo llama la atención la subida de países como Rusia, de cara a tomar acciones durante este año. Este es el gráfico que realmente importa lo suficiente como para mostrarlo en un dashboard:

Lo ideal es que se genere un dashboard para cada uno de los que trabajan en internet, adaptado a sus necesidades, por ejemplo, el responsable de las Redes Sociales o el responsable de los Blogs corporativos deberían tener los suyos propios que les permita saber si la estrategia que siguen es la adecuada o no:

Si carecemos de tiempo o no tenemos el suficiente conocimiento como para lograr resultados vistosos en excel, no es excusa para no crear dashboards más rudimentarios pero igual de efectivos, ya que lo importante es el contenido y el valor que pueden aportar para tomar decisiones en la estrategia:

Por el contrario, si queremos avanzar en nuestro camino de transmisión de datos y llamar la atención con informes espectaculares, hay que aprender de infografía y combinar con acierto colores e imágenes: (dashboard copyright BankinterLabs)

Existen herramientas especializadas en hacer buenos dashboards y sobre todo en ir directamente contra las APIs de las distintas herramientas de medición y seleccionar los campos que necesitamos para monitorizarlos de manera automática. Son:

- Excellent Analytics:

- Nextanalytics:

Hay blogs que nos pueden ayudar a ir progresando en el arte de hacer buenos dashboards en excel.

El blog de Chandoo es un excelente recurso para sacarle el máximo partido:

Y ExcelCharts nos ayudará a crear dashboards efectivos con tablas y gráficos avanzados:

Hay que hacerlo bien, ¿por qué? Pues porque ser analista web es saber llegar a resultados que llamen a la acción… pero también saber comunicar los resultados y que se produzca dicha acción. ¿Para qué analizamos si luego no participamos en la toma de decisiones?

Artículos interesantes que te pueden servir de inspiración:

-       TEACHING ONLINE JOURNALISM

-       NY TIMES

-       EDUCAUSE

Y si te apetece leer libros sobre el tema a tener en cuenta (Stephen Few):

•Show Me the Numbers: Designing Tables and Graphs to Enlighten

•Information Dashboard Design: The Effective Visual Communication of Data

•Now You See It: Simple Visualization Techniques for Quantitative Analysis

“Las conversaciones en red hacen posible el surgimiento de nuevas y poderosas formas de organización social y de intercambio de conocimientos.” Manifiesto Cluetrain

Gemma Muñoz es diplomada en informática y tiene un master en Web Analytics por la Universidad British Columbia.

Es Founder & Chief Analyst de la empresa El Arte de Medir . Tiene un blog sobre analítica web, ¿Dónde está Avinash cuando se le necesita? y es autora del libro “El Arte de Medir” publicado en 2011 como manual de analítica web.

Gemma Muñoz @sorprendida

Hace exactamente un año, publiqué en este blog un post sobre el consumo de contenidos multimedia El día que la televisión conoció Twitter.

En este año dicha tendencia se ha consolidado, de hecho el consumo de contenidos multimedia y en concreto entre la TV e internet ha provocado que la línea que diferenciaba al telespectador tradicional acostumbrado a recibir los contenidos ( lean back por la posición reclinada en el sofá)del nuevo espectador qué decide cuándo y qué contenidos consumir (lean forward, inclinado sobre el teclado)

Y por tanto se habla también del consumidor multipantalla de hecho el 54% de los encuestados declaran tener el ordenador o portátil encendido mientras ven  la televisión

Si analizamos los datos de penetración por medio (EGM datos generales del último año móvil), la televisión tiene un 89%, los diarios un 37% e Internet un 43%, sin embargo sus tendencias difieren ya que mientras la TV y diarios se mantienen internet crece.

Pero, a pesar de ello, cuando analizamos los datos de inversión por medio la televisión continua siendo líder absoluta con una participación del 42%  2.471 millones  €, seguida por los diarios  19%, mientras que Internet mantiene la tercera posición con un volumen de inversión publicitaria de 789 millones de euros lo que supone únicamente el 14% sobre el conjunto  de inversión de medios convencionales. Infoadex Resumen 2011.

Estos datos nos llevan a la idea de que Internet no está ocupando el lugar que se merece dentro del panorama publicitario español, esta situación no es resultado de una única causa pero nuevamente la medición, análisis  y comprensión de la información juega un papel fundamental.

Si para el usuario el consumo online y offline cada vez está más integrad, incluso las redacciones de los medios se integran, era cuestión de tiempo que esta unión se viese reflejada también en la forma e idioma  en la que hablan agencias y anunciantes.

Hasta hace prácticamente dos años la mayoría de equipos de planificación online y offline eran independientes, repitiéndose el mismo patrón en los equipos de los anunciantes, cada uno de los equipos realizaban prácticamente las mismas funciones pero hablaban en idiomas distintos, es decir cuantificaban sus acciones con distintas “monedas”.

Mientras que el reach era la medida estándar en la planificación online el GRP lo es en la planificación offline, por esta razón la comparabilidad y decisiones de inversión en campañas multimedia era limitada y pobre.

Como hemos comentado en varias ocasiones si no lo mides no existe pero si lo mides y no sabes explicarlo tampoco, puedes ser un experto explicando un concepto pero si no lo sabes traducir al idioma de tus receptores de nada sirve.

Independientemente de que el GRP online sea o no la mejor opción para llegar a los anunciantes y en definitiva a su inversión creo que es fundamental que todos los participantes en el mercado publicitario comprendamos este concepto.

Dado mi perfil, no he sido “premiada” con  clases de planificación de medios en la universidad por lo que el GRP como para la gran mayoría ha sido un descubrimiento propio no exento de dolores de cabeza.

GRP Gross Raiting Point es un índice numérico que tiene la propiedad de relacionar las medidas fundamentales en la planificación de medios, frecuencia y cobertura.

Para entender el GRP es fundamental conocer el Rating Point este índice representa el % del  público objetivo impactado al menos una vez.

En base al artículo de Jaime Fernandez intentaré  explicarlo.

Soporte:Televisión A

Target: hombre de 25 a 54 años = 10,8 RP.

Interpretación:
el 10,8% del target arriba definido será impactado al menos una vez. A esto le llamamos cobertura %. Pero impactado al menos una vez.

Este índice nos ofrece información sobre el impacto publicitario pero ¿qué pasa si se publican 3 anuncios seguidos.  En este caso aparece una nueva variable, la frecuencia.

Pero el problema era multiplicar un porcentaje por un número absoluto.
Error: 10% x 3 impactos ,por lo tanto habría que pasar el % a absolutos o viceversa, es decir 0.1 x 3 = 0.3.

Gross Rating Point:

Como hemos comentados el GRP es un índice, donde tiene cabida la cobertura (Porcentaje) por la frecuencia de impacto o número de anuncios (Absolutos)

GRP = Cobertura x Frecuencia.

Un anuncio en Programa B

Para el target de Hombre de 25 a 54 años de edad = 15 RP.
Al meter la variable frecuencia pasamos de RP a GRP’s

30 Anuncios en el programa B: Para el target de Hombre de 25 a 54 años de edad = 450 GRP’s.

¿Pero qué significa 450 Grp’s? Como hemos dicho antes, es un índice interpretable, pero para ello necesitaras conocer la cobertura que has alcanzado o la frecuencia media de tu campaña.
- Ejemplo 01: 450 grp pueden ser 100% de cobertura impactados 4,5 Veces (450=100*4,5)
- Ejemplo 02: 450 grp pueden ser 50% de cobertura impactados 9 Veces (450=50*9)

Los GRPs son un índice que nos permiten medir la presión publicitaria que ejerceremos sobre nuestro target.

Por las razones comentadas anteriormente el GRP ha dejado su entorno nativo y poco a poco ha ido incursionando en el medio online, impulsado por el desarrollo de  herramientas que lo han incorporado en su suite de métricas para utilizarse tanto en la prevaluación y postevaluación publicitaria lo que en el caso de comScore se ha traducido en los  productos Campaign Reach and Frecuency y Campaign Essentials, hablando del iGRP o GRP online.

El GRP en internet se calcula dividiendo el número total de impresiones obtenidas en una campaña, por el número total de usuarios únicos del público objetivo  multiplicado por 100.

GRP=(Número de impresiones lanzadas al target)/(Número de individuos del target)  x 100

En una herramienta como Reach and Frecuency (basáda en metodología panel y frecuencia mensual)

Para obtener una estimación de GRPs necesitaríamos definir los parámetros como la duración de la campaña, las impresiones, la frecuencia límite, entre otros.

Y obtenemos la frecuencia y cobertura asociadas a cada soporte y campaña para la audiencia total y el target y por ende el GRP para la población online, entre otras métricas

Y además permite obtener la misma información para la población offline facilitando la comparabilidad

Ejemplo ficticio para soportes y audiencia US en el mes de Junio

Ahora bien, tener los GRPs calculados para campañas online ya sea para población online u offline no solucionan nada, los GRPs sin compresión ni análisis los convierte y convertirá en una medida al peso que puede ocultar otras realidades.

Personalmente estoy convencida que el GRP  es una medida necesaria para la  comparación entre plataformas y que bien usado permitirá que agencias y anunciantes equilibren el reparto de la tarta publicitaria llevando a anunciantes de marca a internet vs televisión, pero en ningún caso creo que el GRP sea la medida única y suficiente  para la medición online

Basándonos en la idea “boomerang” de que en internet todo es medible, y dado el desarrollo espectacular que la analítica web y la medición de audiencias online ha experimentado en los últimos años no creo que sea justo ni inteligente obviar la gran granularidad y profundidad que un medio como internet ofrece y cambiarlo por un índice básico y qué nació para intentar cuantificar impactos en un medio tan diferente y difícil de medir como la TV

En mis visitas a agencias,redes publicitarias y equipos de planificación intento que entiendan que los resultados de la prevaluación de planes por si solo son datos huecos siendo indispensable un análisis previo del perfil demográfico de los soportes, como son los usuarios de dichos soportes, no centrarse únicamente en la cifra mensual de PVs y UU sino en información más rica como el promedio de usuarios únicos, jugar con informes de audiencias cruzadas, duplicadas, históricos, etc.  y dejar atrás ideas preconcebidas o recetas pasadas.

Sin olvidar que los medios deben ser los primeros en conocer lo que “los del otro lado” ven

En definitiva ni impresiones, clics, cobertura, frecuencia , ni GRPs nos ofrecen la respuesta única y definitiva, solo el análisis y el conocimiento convertirán estos datos en información valiosa y monetizable

Como he dicho independientemente de la valoración que sea haga del GRP es realmente preocupante ver a equipos de planificación y ventas online no intentar comprender este nuevo lenguaje , es como si alguien intentase vender algo pero solo a clientes que hablen en español y si  el cliente habla inglés directamente no escucharle a sabiendas que hay muchos que llevan meses hablándoles en su idioma o que son capaces de explicar lo mismo en los dos idiomas, aunque no lo vayas “hablar” es necesario entenderlo.

En fin, el propio mercado decidirá el camino a tomar,  en cualquier caso el GRP sigue evolucionando y próximamente hablaremos del vGRP o GRP online validado.

Si te interesa el tema no dejes de leer:

• To GRP or not GRPhttp://www.agilitico.com/blog/2009/04/to-grp-or-not-to-grp/#.Tvgxqawgdc8 por Jason Heller
• EL puto GRP http://www.filmica.com/audiencias/archivos/011280.html por Adrian Segovia
• La gran mentira del GRP http://marketisimo.blogspot.com/2010/04/la-gran-mentira-del-prime-time.html por César Pérez
• Estudio televidente 2.0  http://www.slideshare.net/TCAnalysis/televidente-2011-pblico-9345446 The Cocktail Analysis

“Las conversaciones en red hacen posible el surgimiento de nuevas y poderosas formas de organización social y de intercambio de conocimientos.” Manifiesto Cluetrain

Pamela Vásquez @pametrics

Licenciada de Administración de Empresas e Investigación y Técnicas de Mercado por la Universidad Autónoma de Madrid.Accesit Premio AEDEMO Mejor Licenciado de Investigación de Mercados promoción 2009.

Inició su carrera profesional  en 2007  como técnico de Investigación de Mercados y empezó su andadura en el mundo digital como  Market Research  Assistant & Insights en Yahoo!,  fue responsable de analítica web para Windows Live/Microsoft ,  Antena 3 Multimedia y actualmente es Client Service Analyst para comScore España y Portugal.

Domingo 3 de julio, 11 de la mañana, eran el día y la hora para celebrar la primera desconferencia en beta de las @MadridGeekGirls denominada #MGGmashup, un formato diferente en un día atípico para compartir conocimientos, despejar dudas y generar debate en torno a un tema sumamente interesante: los dashboards.

En total nos reunimos 19 personas, sí personas, porque en un principio la beta iba a ser solo para chicas pero tras los comentarios recibidos en el post de la convocatoria, decidimos abrirla y Fernando Ortega se unió al grupo inicial de chicas geek.

Para empezar el día con energía nos fuimos a desayunar para hacer networking y conocernos un poco mejor y a continuación nos fuimos a las instalaciones que amablemente nos cedió K-school y empezaron las presentaciones en el aula. El tono de las presentaciones no fue nada formal, de hecho algunos proyectaron power points para que todos pudieran ver sus ideas pero no fue en plan “enseñanza”.

Pasadas las 12 de la mañana comenzó Marta Gozalo (@esmargoz), que nos comentó cómo trabajan con dashboards que alertan de los objetivos incumplidos (no necesariamente de analítica web), donde lo que se persigue es tener permantemente monitorizado el punto de riesgo, empleando para ello sistemas ERP.

También se utilizan modelos predictivos a través de forecast con gráficas evolutivas en tendencias. A pesar de no estar basados en analítica web, estos ejemplos de reporting dieron lugar a mucho debate y preguntas entre los asistentes.

Ana Soplón (@ana_sopli) compartió la presentación “¿De dónde vienen los datos?”, donde nos explicó los quebraderos de cabeza que supone cuadrar datos entre distintas herramientas, que en algunos casos suponen diferencias de hasta un 25% en usuarios únicos.

El cuadre entre herramientas de analítica web y las bases de datos también es complicado ya que a veces las conversiones finales dependen del registro en la base de datos de negocio y no solo de las que se miden en la herramienta de analítica web.

Para Ana las claves están en aglutinar datos de distintas fuentes (no necesariamente herramientas de analítica web), seleccionar solo los dashboards que llamen a la acción, determinar quiénes son los destinatarios y que los dashboards sean muy visuales.

A continuación yo misma, Gema Mora (@gemamora), presenté cuales son las necesidades de reporting de un grupo de medios de comunicación como Vocento y mostré las necesidades que teníamos a la hora de plantear un cuadro de mando global para la organización.

Se partía de excels elaborados manualmente y de informes en Power Point distribuidos por email, un sistema asíncrono y poco eficiente para reportar la información, que además era susceptible a errores humanos. Por ello se buscó una solución de la mano de la consultora de analítica web Watt, que nos implementó un sistema vía web de reporting automático, donde una vez publicada la fuente de datos (herramientas censales y herramientas de mercado como Nielsen Netview) se pudiera disponer de la información de una forma rápida, precisa, visual y comentada de la realidad de Vocento y los mercados donde compiten sus portales.

Por último comenté que la elaboración de dashboards se sitúan en el nivel 2 del modelo de madurez de analítica web (Bill Grassman, Gartner, 2007) y del avanzado modelo de gestión de la redacción utilizando analítica web que está llevando a cabo Forbes, donde los cuadros de mando son muy importantes para una organización que ha decidido centrarse en el lector basándose en: diseño, producto, gestión y ¡¡la analítica!!.

Pamela Vasquez (@pametrics) nos relató cómo había abordado el tema del reporting en su carrera profesional y cuáles habían sido las distintas reacciones de los usuarios que leen los dashboards.

También nos presentó un ejemplo de dashboard que ofrece ComScore para análisis de audiencias, en concreto el “media dashboard” que viene integrado en Media Metrics y el dashboard de la herrmanienta censal de ComScore para la hibridación “Direct”, un verdadero salto en este tipo de herramientas de seguimiento de audiencias que permite comparar el rendimiento de las marcas con datos sociodemográficos y países e incluso cruzar datos censales.

Después de estas cuatro sesiones, una paradita técnica para degustar unas pizzas y unos refrescos y cervezas y continuamos la sesión de la tarde, comenzando por Ana Isabel Hernández (@ai_hernandez) que nos aportó mucha información sobre lo que ha de fijarse un SEO a la hora de hacer un dashboard, donde hay muchas KPIs a reportar, así como los problemas a los que se tiene que enfrentar a veces en su trabajo, ya que el acceso a herramientas de analítica web está restringido y se reporta lo que se puede.

Siguió la presentación de Ana Dominguez (@arethana) que a pesar de que ella insistia que era básica, trató de una forma resumida y muy bien planteada la metodología a la hora de abordar la elaboración de un dashboard, partiendo de objetivos claros, KPIs representativas y finalmente dar lugar a un dashboard orientado a la acción y muy visual, personalizado a los distintos perfiles de la organización para llegar el éxito en el reporting.

La tarde continuó con Bárbara Mackey (@barbmk) que nos comentó cómo había diseñado varios formatos de dashboards para empujar el reporting en las organizaciones para las que había trabajado y los había utilizado para difundir la cultura de datos entre los distintos departamentos y áreas de las empresas.

Bárbara destacó la importancia de ofrecer dashboards personalizados a cada área, con el fin de que la toma de deciones estuviera basada en datos relevantes y objetivos y que sirvieran para medir el progreso en función de los objetivos previstos.

La penúltima intervención corrió a cargo de Leda Duelo (@ledaduelo) que nos recomendó el libro “Information Dashboard Design. The Effective Visual Communication of Data” de Stephen Few, donde se comenta la importancia de realizar dashboards compactos en una sola hoja sin elementos que distraigan como logotipos o gráficas adicionales.
En este libro, se ilustran las mejores gráficas para representar los diferentes tipos de datos que son necesarios reportar y donde pueden encontrarse ejemplos interesantes como las gráficas tipo “bullet graph“.

Leda comentó que los dashboards pueden ser específicos para reportar objetivos de tipo estratégico, analíticos u operacionales y nos comentó los retos que han de abordar los análisis de social media monitoring para presentar KPIs objetivas, reales y filtradas con las particularidades que presenta un idioma como el español, muy rico en ironía, sinonimias y variaciones semánticas.

Finalmente, el único chico de la jornada, Fernando Ortega (@fociruge) cerró la primera edición del #MGGmashup hablando de la evolución de dashboards que ha ido planteando en su vida profesional y del nuevo reto que tiene por delante al escindirse de la web de Aena toda la información de Aeropuertos, así de cómo los dashboards les están ayudando a verificar y monitorizar la ejecución de todo este proceso a través de las alertas que ciertos datos les aportan.

Fernando nos comentó cómo ha ido elaborando de una forma artesanal pero muy efectiva una serie de dashboards en excel alimentados con datos de Google Analytics y de cómo los ha dido evolucionando según las necesidades de la organización.

Y dos horas y media más tarde de lo previsto, clausuramos el primer #MGGmashup con muy buena acogida por parte de todos los asistentes, a los cuales agradecemos su presencia y aportaciones,  y con la promesa de organizar otra edición muy muy pronto.

Feliz verano a tod@s!
@gemamora

Diferencias entre distintos sistemas de medición online

Hace algunos meses decidí cambiar el análisis web en un medio, por el análisis de audiencias en un proveedor de mediciones online.

Ambas disciplinas tienen como esencia la “recopilación, medición, evaluación, presentación y explicación racional de los datos obtenidos de Internet, con el propósito de entender y optimizar el uso de un sitio web o de una iniciativa de marketing en Internet” pero con pequeños matices

Una de las principales diferencias es el tipo de fuente con la que venían históricamente trabajando cada una de las disciplinas.

Sin embargo, desde que la mayoría de sites y no solo de e-commerce han empezado a darle a la analítica web la importancia que merece ambas disciplinas empiezan a ser complementarias y por tanto, es crucial conocer las distintas fuentes de información/herramientas, su utilidad, ventajas, inconvenientes, metodología y limitaciones

Durante estos primeros meses he tenido la gran oportunidad de trabajar con distintos profesionales  directores de marketing, directores de contenidos, web managers, planificadores, redactores, SEOs, técnicos de investigación y  conocidos analistas web, pero lamentable y sorprendentemente en más de una ocasión me he encontrado con un absoluto desconocimiento de los  distintos sistemas de medición , llegando a conclusiones equivocadas y tomando decisiones poco acertadas.

Esto me ha demostrado que al contrario de lo que yo creía la diferencias entre lo que es un sistema site centric (sistema censal) y user centric (panel)  es desconocida para gran parte de los profesionales 2.0.

Tradicionalmente, en los medios de comunicación, otros sites de contenido y agencias de medios, el análisis de los sites recaía en la figura del técnico/departamento de investigación de mercados o analista de audiencias, sin embargo desde hace algunos años muchos de estos profesionales han asumido las funciones de analistas web y en otros casos dichos profesionales se han incorporado a la estructura ya existente, produciéndose el choque y encuentro de dos mundos.

Los paneles de audiencias no  es novedoso para los técnicos de investigación pero resulta novedoso para los analistas web que se incorporan a estas empresas, mientras que por el contrario cuando los analistas web introducen en estas empresas términos como tasa de rebote, de conversión, embudo de conversión son vistos como “bichos raros”.

Pero,  ¿Qué es de un sistema de medición user centric ?: Es el sistema de medición tradicional, basado en el comportamiento de navegación del usuario, esto es posible gracias a la captación de un  panel (obtención de información periódica a través de una muestra representativa de la población, en este caso online).

Este sistema ofrece información demográfica detallada sobre los panelistas (sexo, edad,etc)  además, generalmente los datos muestrales se extrapolan a un universo similar a la que utilizan otros medios tradicionales, en caso de España se utiliza EGM Estudio General de Medios, permitiendo un marco comparativo entre los distintos medios.

Al ser un sistema de medición basado en los datos de comportamiento del usuario, no es necesario ninguna implementación por parte de los sites  y por tanto ofrece datos de todos los sites visitados por los panelistas, permitiendo de esta forma obtener datos propios y de la competencia.

Algunas personas se preguntan cómo es posible captar datos sin implementación en el site, la respuesta es mediante audímetros online (software) descargado por los panelistas en el que se recogen todo el comportamiento online de los panelistas.

Generalmente los datos se presenta agrupados por categorías (viajes, finanzas, información, portales, blogs, redes sociales, televisiones, periódicos, etc) obteniendo de esta forma un ranking de sites para cada categoría y ranking de medios según las principales métricas (visitantes únicos, páginas vistas, minutos, etc)

La explotación de estos datos tienen diversas finalidades, siendo la más relevante la de la planificación publicitaria (agencia) y comercialización publicitaria (medios), sin embargo, en los últimos años son cada vez más los sites de e-commerce que desean conocer su posición frente a la competencia.

Frecuentemente leemos o escuchamos que un site se autodeclara  líder del mercado o categoría y cuando investigamos en base a qué datos hace esas afirmaciones, nos encontramos  fuentes como Alexa o alguna herramienta de analítica web no auditada, estas declaraciones carecen de credibilidad porque rankings como Alexa carecen de una transparencia en la captación de datos (datos únicamente de las personas que descargan su toolbar) y las herramientas de analítica web a menos que todos los sites de la categoría tengan la misma herramienta con una implementación comparable y los datos de todos los sites de la categoría sean públicos, no pueden ser comparables además de los sesgos y la falta de un tercero neutral que certifique esos datos.

Por tanto las agencias planifican las campañas publicitarias mediante paneles online que les ofrecen información neutral, del total universo, de personas ycon demográficos, aquí la respuesta a la pregunta de  por qué la agencia X no les ha incluido en su planificación publicitaria.

Es como si en un concurso de salto, todo los competidores se proclamaran campeón absoluto, pero.. ¿de qué categoría?, ¿en qué modalidad?, ¿cómo se midió la longitud del salto?,  ¿qué herramienta se utilizo?,  ¿quién midió la longitud? , ¿todos los participantes participaron en las mismas condiciones?, ¿cómo pueden declararse campeones si  no han visto los resultados de sus competidores?,¿quién certifica la transparencia de los medidores?

Por otro lado el sistema site centric. Es un sistema censal basado en la actividad registrada en el site. Hay varias modalidades:

A través de ficheros de logs: Mediante el registro de un archivo de texto que contiene todos los eventos en un servidor web, incluidas las consultas y respuestas. Los archivos de registro son archivos generados por los servidores web en cada una de sus transacciones

Etiquetados de las páginas del site a través de un código script, cada vez que una página es visitada, este script se comunica con una base de datos a la que comunica la impresión de la página junto con, potencialmente, datos adicionales procedentes de las cookies

Son diferencias con el sistema user centric pero la esencial radica en que mientras que en user centric hablamos de personas en site centric hablamos realmente de cookies.

Pero ¿qué es una cookie?, no es más que un fragmento de información que se almacena en el disco duro del visitante de una página web a través de su navegador, a petición del servidor de la página. Esta información puede ser luego recuperada por el servidor en posteriores visitas

Por tanto aunque se aproxime mucho a una persona no lo es y además nos encontramos ante el problema del borrado de cookies

Por ejemplo

Un usuario visita un site 4 veces en un mes,elimina  las cookies dos veces durante el mes, por tanto hay 3 cookies distintas para un único usuario.

Ejercicio más profundo de la estimación de los efectos de la eliminación de  cookies

La eliminación de cookies puede ocurrir cuando:

• El usuario elimina manualmente las cookies de sus archivos.
• El usuario elimina las cookies de su navegador a través de las opciones del propio navegador.
• El usuario ejecuta programas de seguridad que borran sistemáticamente las cookies
• El usuario configura su navegador para rechazar cookies.

Además es importante recordar que si  un único usuario que accede al mismo dominio utilizando dos navegadores diferentes tendrá dos cookies separadas, una para cada navegador.

Muchos estudios independientes han demostrado el elevado porcentaje de eliminación de cookies:

Nielsen Research

Forrester

Pero el estudio más reciente es el realizado por comScore, muestra que un 30-40% de los usuarios eliminan cookies y el ratio de cookies por usuario es de al menos 5 cookies por usuario. The Impact of Cookie Deletion on Site-Server and Ad-Server Metrics

Los sistemas de medición censal ofrecen muchas ventajas sobre el sistema panel pero siempre hay que tener en cuenta que no estamos hablando de personas.

Es por eso que en coincidiendo con el lanzamiento mundial de Digital Analytix herramienta de analítica web de comScore (ex Nedstat),   fue pionera en adoptar los estándares de la IAB para la medición de audiencias renombrando a los visitantes únicos como navegadores únicos

Históricamente, las herramientas de análisis web han utilizado la terminología de “visitantes únicos” para denominar a lo que realmente son”cookies únicas.”

La confusión entre ambos sistemas  ha provocado que la confusión sea  crónica afectando negativamente a la  ya tambaleante confianza de la medición digital.

Es por esta razón que organizaciones como IAB  entre otros han emitido directrices para la ordenación de las métricas basadas cookies “navegadores únicos” en lugar de “visitantes únicos”, que en su opinión, debe reservarse para la medición de individuos únicos.

Por tanto, es necesario tener la visión completa de la foto cuando analizamos un site, por ello, varias empresas han desarrollado sistemas de medición híbridos que combinan ambos sistemas, comScore fue pionero en el mercado español en lanzar su sistema de medición híbrido conocido como UDM Unified Digital Measurement en febrero del año pasado ofreciendo grandes resultados y permitiendo ofrecer nuevas soluciones de medición basadas en la combinación de ambos métodos (necesitaría otro post para explicar la metodología del sistema híbrido)

Finalmente un breve resumen de las diferencias,ventajas e inconvenientes entre ambos sistemas



Si te interesa el tema debes leer:

Site Centric + User Centric = ¿Sistema Híbrido? por  Adrián Segovia

Diferencias entre Google Analytics, Omniture vs. Comscore, Nielsen por Cristina Mataix

¿ Dos herramientas de analítica web devuelven datos diferentes? por Carlos M. Lebrón

Pamela Vásquez @pametrics

Licenciada de Administración de Empresas e Investigación y Técnicas de Mercado por la Universidad Autónoma de Madrid.Accesit Premio AEDEMO Mejor Licenciado de Investigación de Mercados promoción 2009.

Inició su carrera profesional  en 2007  como técnico de Investigación de Mercados y empezó su andadura en el mundo digital como  Market Research  Assistant & Insights en Yahoo!,  fue responsable de analítica web para Windows Live/Microsoft ,  Antena 3 Multimedia y actualmente es Client Service Analyst para comScore España.

Una vez calculado este porcentaje, deberíamos intentar determinar si existe algún patrón con algún tipo de afiliado en concreto o incluso en el programa en general. En el caso de detectar alguna tendencia que indique aumento de duplicidades, debemos calcular si nos sigue resultando rentable pagar dos veces esa conversión o si por el contrario debemos crear un sistema de anulaciones para los registros/ventas que se encuentren en esta circunstancia.

La casuística es muy amplia y solo he intentado lanzar algunas ideas que permitan comenzar a investigar sobre el retorno de la inversión en el  postview.

Como conclusión: no debes fiarte de tu instinto si puedes medir, medir y medir para basar tus decisiones en datos.

Ana Soplón @ana_sopli

“Las conversaciones en red hacen posible el surgimiento de nuevas y poderosas formas de organización social y de intercambio de conocimientos.” Manifiesto Cluetrain

Ana  estudió Ingeniería Técnica Industrial en la Universidad de Zaragoza.  Siempre fascinada por el Marketing, realizó un post grado en esta materia a través de la UOC (Universitat Oberta de Catalunya)  y acaba de completar un máster en  Web Analytics a través de la UBC (University of British Columbia).

Tras formar parte de varios departamentos de Línea Directa Aseguradora, ha pasado la mayor parte de su trayectoria profesional en Marketing,  y sobre todo en la parte online. Actualmente trabaja como analista web y responsable de redes de afiliación.