Analítica web

Técnicas de recogida de datos

Es evidente que existe la necesidad de conocer con la mayor precisión posible cómo es nuestra audiencia. En el vídeo «Making web analytics work for you» podrás aprender más.

Fuente: Making web analytics work for you by Digital Garage at https://www.youtube.com/watch?v=rBueIF2w3zs&t=4s. License by owner of copyright.

Existen tres grandes métodos de recogida de información:

1. Basado en el usuario (user-centric). Este método incluye entrevistas (EGM, AIMC), encuestas online y el uso de rastreadores como Nielsen NetRatings o comScore. Con el avance de la tecnología, se han añadido métodos de seguimiento más precisos, como el uso de cookies, dispositivos móviles y análisis de comportamiento en tiempo real.

2. Basado en la publicidad (ad-centric). Este método se enfoca en el análisis de archivos de registro publicitario, como los logs de adservers. Además, se han integrado plataformas DSP (Demand Side Platforms) que permiten una recogida y análisis más detallado de la publicidad digital.

3. Orientado al sitio web (site-centric). Este método incluye el registro de visitas y actividad del usuario dentro del sitio web. Numerosas herramientas permiten la captura y análisis en tiempo real, proporcionando una visión más precisa del comportamiento del usuario.

Todas las herramientas actualmente posicionadas en el mercado (Google Analytics, Adobe Analytics Omniture, AT Internet,  Freshmarketer,…) realizan mediciones similares. Algunas de las más habituales son las siguientes, aunque hay cientos  que podemos configurar:

• Sesiones. Es el periodo durante el cual un usuario interactúa con su sitio web, aplicación… Todos los datos de uso están asociados a una sesión. Normalmente, está configurada de 30 minutos.
• Usuarios. Usuarios que han abierto al menos una sesión en el periodo seleccionado, incluido tanto los usuarios nuevos como recurrentes (Navegadores únicos)
• Número de páginas vistas. Número total de páginas vistas, incluidas las repetidas.
• Páginas/sesión. Promedio de páginas que se ven en cada sesión, repetidas incluidas.
• Duración media de la sesión. Tiempo medio de la duración de una sesión.
• Porcentaje de rebote. Porcentaje de visitas a una sola página, donde el usuario ha abandonado el sitio en la página de entrada sin interactuar con ella.

Técnicas básicas de análisis

Una vez recolectados, a través de estas herramientas, los datos, es el momento de actuar una evaluación de los mismos con la finalidad de discutirlos y obtener conclusiones que permitan mejorar los procesos de posicionamiento.

Existen diferentes técnicas de análisis:

• Análisis de datos generales. Evaluación comparada de las páginas vistas, el tiempo dedicado a la navegación (global, por apartados, por contenidos, por autor del contenido, por tipo de contenido…) de procedencia e idioma del visitante, de lugar desde el que procede el acceso (directorio, buscador, otra web, etc.)…
• Evaluación de mapas de clics (clickmap) A través de una representación gráfica codificada por colores, se puede observar cuáles son las zonas principales donde hacen clic los usuarios. Algunas herramientas permiten mostrar, dentro del mapa, capas con análisis univariable o multivariable, como, por ejemplo, el ROI o el índice de conversión de cada clic. Mediante estos sistemas podemos tomar decisiones sobre aquellas zonas de la página de mayor valor, zonas confusas, etc.
• Testeo con doble página (A/B Testing) Se utiliza cuando se está trabajando en un rediseño del sitio, o se quieren probar distintas soluciones y comprobar, por ejemplo, los ratios de conversión o de abandono en función de la página que utiliza el internauta.
• Evaluación de rutas de navegación. Análisis de las rutas realizadas por los usuarios dentro de la web; los elementos que enlazan un recorrido… Se trata de un microanálisis de la “dieta” del usuario dentro de nuestro sitio.
• Análisis de cohortes. El análisis de cohortes permite agrupar a los usuarios que comparten una característica común dentro de un periodo de tiempo específico y analizar su comportamiento a lo largo del tiempo. Esto ayuda a entender mejor las tendencias y patrones de comportamiento, lo que ayuda a mejorar la retención de usuarios y la efectividad de las campañas de marketing.
• Análisis de embudos de conversión. Analizar el recorrido que realizan los usuarios desde que ingresan al sitio web hasta que completan una acción específica, como realizar una compra o registrarse ayuda a identificar puntos de fricción o de abandono, permitiendo optimizar cada etapa del proceso para mejorar las tasas de conversión.
• Análisis de segmentación de usuarios. Permite dividir a los usuarios en grupos basados en criterios específicos como demografía, comportamiento, fuente de tráfico, etc. Esta técnica facilita la personalización de la experiencia del usuario y el desarrollo de estrategias de marketing más efectivas.
• Análisis predictivo. A través de técnicas de machine learning y análisis de datos avanzados, el análisis predictivo puede anticipar futuros comportamientos de los usuarios, lo que permite tomar decisiones proactivas y personalizadas para mejorar la experiencia del usuario y aumentar la probabilidad de conversión.
• Heatmaps de desplazamiento (Scroll Heatmaps) Muestran cómo los usuarios se desplazan por una página, indicando cómo leen o interactúan con el contenido. Esto es útil para entender qué secciones de una página capturan más la atención y cuáles podrían necesitar ser optimizadas.
• Análisis de retención de usuarios. Esta técnica se centra en medir cuántos usuarios regresan al sitio web después de su visita inicial dentro de un periodo específico, lo que permite conocer la efectividad de las estrategias de fidelización.

En el análisis aplicaremos las métricas que resulten más útiles a la estrategia y a los objetivos que buscamos, y que pueden ser muy diferentes en función de nuestras finalidades. Por ejemplo, si lo que buscamos es mejorar la profundidad de indexación en los buscadores y sus resultados, nos interesará evaluar el número de impresiones (es decir, el número de veces que la URL ha aparecido en los resultados de búsqueda), los clics que se han realizado desde esos resultados, y la posición media que obtenemos en la página de resultados de Google.

El análisis de contenido es una técnica avanzada de analítica web especialmente útil en comunicación ya que permite identificar temas populares y analizar el desempeño de los artículos y contenidos publicados. Utilizando herramientas de analítica web, se pueden rastrear métricas clave como el número de visitas, el tiempo de permanencia en la página, y la tasa de rebote. Estas métricas ayudan a comprender cómo los lectores interactúan con el contenido, qué partes de los artículos captan más su atención, y cuáles podrían necesitar mejoras.

Por ejemplo, Google Analytics o su alternativa libre Matomo son herramientas ampliamente utilizada para este propósito. A través de estas se pueden obtener informes detallados sobre el comportamiento de los usuarios en sus sitios web. Los datos proporcionados incluyen el número de visitas a cada artículo, el tiempo promedio que los usuarios pasan en una página específica, y la tasa de rebote, que indica el porcentaje de usuarios que abandonan el sitio después de ver solo una página.

Otra herramienta útil es Chartbeat, que ofrece análisis en tiempo real sobre el rendimiento del contenido. Esta conocer cuántas personas están leyendo un artículo o un contenido en ese momento, cuánto tiempo pasan en cada párrafo, y desde qué fuentes llegan los visitantes. Esta información permiyte ajustar el contenido sobre la marcha y maximizar su impacto.

Además de rastrear estas métricas, es posible evaluar qué tipo de contenido genera más interacción y cuál tiene un mejor rendimiento en términos de engagement. Por ejemplo, los artículos de opinión, las noticias de última hora, o los reportajes de investigación pueden atraer diferentes niveles de interés y participación del público. El análisis del desempeño de estos tipos de contenido ayuda a los periodistas a decidir en qué áreas concentrarse más.

El uso de palabras clave es otro aspecto fundamental en el análisis de contenido. Herramientas como Ahrefs y SEMrush permiten identificar palabras clave relevantes que son populares entre la audiencia objetivo. Estas herramientas no solo muestran qué palabras clave están atrayendo más tráfico, sino también cómo se clasifican los artículos en los motores de búsqueda para esas palabras clave. Por ejemplo, si se descubre que los artículos que contienen la palabra clave «cambio climático» tienen un alto rendimiento, se pueden optimizar futuros artículos relacionados con esa palabra clave.

La correcta incorporación de palabras clave en el contenido, títulos, y meta descripciones es esencial para mejorar la visibilidad en los motores de búsqueda. Yoast SEO, es un conocido plugin para WordPress que ayuda a optimizar sus artículos para SEO. Proporciona recomendaciones sobre la densidad de palabras clave, la longitud del título, la estructura del contenido, y las meta descripciones. Por ejemplo, si un artículo sobre «tecnología verde» está optimizado con Yoast SEO, es más probable que aparezca en los primeros resultados de búsqueda cuando los usuarios busquen información sobre ese tema.

Un ejemplo práctico de aplicación de estas técnicas podría ser un artículo denominado «El impacto de la inteligencia artificial en el periodismo». Utilizando Google Analytics, se podría ver que el artículo tiene un alto tiempo de permanencia en la página, indicando que los lectores están interesados en el contenido. Sin embargo, tal vez la tasa de rebote sea alta, lo que sugeriría que los lectores no están explorando otros artículos en el sitio. Se podría entonces usar Ahrefs para identificar palabras clave relacionadas como «futuro del periodismo» o «IA en medios de comunicación» y optimizar el artículo y sus enlaces internos para intentar retener más a los lectores.

Las redes sociales juegan un papel crucial en la distribución y consumo de contenido en el mundo moderno, y su análisis se ha vuelto esencial en comunicación. A través de la monitozación y análisis del impacto social, se puede entender mejor cómo se comparte y discute el contenido en plataformas como Facebook, Twitter, Instagram o LinkedIn.

La monitorización del impacto social comienza con la recopilación de datos sobre cómo se distribuye y se interactúa con el contenido en las redes sociales. Herramientas como Hootsuite, Sprout Social, Metricool o Buffer facilitan este proceso al permiten programar publicaciones, monitorear menciones y hashtags, y analizar el engagement y alcance de las publicaciones.

Medición del retorno de inversión (ROI) en redes sociales

Evaluar el retorno de inversión (ROI) en redes sociales es fundamental para entender cómo las estrategias de social media contribuyen a los objetivos generales, como el tráfico que envía al sitio web y la conversión de lectores en suscriptores. El ROI en redes sociales se mide evaluando varios factores como los siguientes:

• Tráfico al sitio web. Google Analytics o Matomo pueden integrarse con las redes sociales para rastrear el tráfico proveniente de estas plataformas. De este modo se puede analizar cuántos visitantes llegan a su sitio web desde Facebook, Twitter, o LinkedIn, y qué contenido está generando más visitas.
• Engagement y conversiones. Estas  herramientas también proporcionan datos sobre el engagement, como likes, shares, comentarios y retweets. Además, es posible medir las conversiones, es decir, cuántos usuarios realizan una acción, como suscribirse a un boletín informativo o descargar un informe.
• Análisis de campañas. Las campañas en redes sociales pueden ser monitorizadas para ver cuál es su efectividad. Por ejemplo, si se lanza una campaña para promover un artículo en particular, se pueden usar las métricas de alcance y engagement para evaluar su éxito. Además, se puede analizar el impacto en términos de conversiones y tráfico web.

Ejemplo práctico

Un ejemplo práctico de cómo se pueden usar estas herramientas es el seguimiento y análisis de una serie de artículos sobre el cambio climático. Supongamos que se publica una serie de artículos sobre el cambio climático y se utiliza Hootsuite para programar y publicar contenido relacionado en Twitter, Facebook e Instagram. Al monitorear las menciones y hashtags específicos, se puede ver que los artículos están siendo ampliamente compartidos y comentados en Twitter.

Con Sprout Social se puede analizar el sentimiento de los tweets para ver si los comentarios son positivos, negativos o neutrales. Esto le da una idea clara de cómo el público percibe su contenido. Además, Metricool puede ayudar a identificar las mejores horas del día para publicar contenido sobre el cambio climático, basándose en los niveles de engagement previos.

Finalmente, al integrar Google Analytics o Matomo con estas herramientas de redes sociales, se pueden rastrear cuántos visitantes llegan al sitio web desde cada plataforma social y qué acciones realizan una vez que están en el sitio. Esto incluye la suscripción a boletines informativos, comentarios en los artículos y tiempo de permanencia en el sitio. Con estos datos, se puede ajustar su estrategia de contenido y de redes sociales para maximizar el alcance y el impacto de sus publicaciones.

La evaluación continua de las campañas en redes sociales permite  optimizar sus estrategias para maximizar la efectividad. Esto incluye probar diferentes tipos de contenido, como videos, infografías y artículos, y analizar cuál genera más interacción. Además, es crucial experimentar con distintos formatos de publicación y horarios para identificar las combinaciones más efectivas.