3 funcionalidades de Google Analytics para Product Managers

Como algunos de los que leeis el blog ya sabréis, mi experiencia como PM viene precedida de mi experiencia en el mundo digital como SEO. Uno de los puntos fuertes que debe tener un buen SEO es la analítica dado que los datos que obtengamos de las herramientas nos permitirán identificar errores, encontrar oportunidades, optimizar y un sinfín de posibilidades más. Además, una de las herramientas más utilizadas es Google Analytics y por ello he pensado que sería interesante escribir un artículo sobre dicha herramienta, pero enfocada a product managers.

Lo primero que debemos saber de Google Analytics, es que al igual que la mayoría de herramientas de medición, con ella obtendremos datos de qué está ocurriendo en el site, app, SaaS o lo que sea, pero que no obtendremos una explicación de los mismos ni mucho menos, las soluciones. Por eso, es muy importante después de recibir los datos, tratarlos y estudiarlos para sacar las conclusiones pertinentes.

Por ejemplo, la herramienta puede darnos el dato de un incremento sustancial del porcentaje de rebote en una landing pero somos nosotros los que debemos averiguar por qué ha ocurrido: ¿hemos hecho cambios? ¿ha aumentado el tiempo de carga? ¿Hemos añadido un pop-up de suscripción?

Es muy importante guardar siempre una parte de nuestro tiempo para medir y analizar los datos porque no podremos mejorar aquello que no podemos medir.

Algunos de los aspectos que me parecen más interesante analizar sobre Google Analytics para product managers son:

Qué son y cómo funcionan los Funnels en Google Analytics

Raramente encontramos usuarios que va un site para realizar una acción aislada. Me encuentro este tipo de comportamientos, por ejemplo, en algunas webs que he realizado para SEO y cuyo objetivo es atacar un nicho. Los usuarios que llegan a estas webs suelen hacerlo a través de una consulta que realizan en Google para resolver un problema. Una vez llegan a la landing, leen y se van.

visualizacion analytics funnelSin embargo, en tiendas online, diarios, aplicaciones móviles, SaaS y demás, los usuarios suelen venir y realizar varias acciones en una sola visita. En los Funnels, tenemos una acción o evento clave que es el que queremos que realice el usuario. Todos los pasos que realiza antes de realizar dicha acción son los diferentes pasos del embudo, que pueden ser definidos para identificar en qué paso del funnel ocurren problemas.

Por ejemplo, en el funnel que vemos a la izquierda (ecommerce) podemos ver que tan solo el 39% de las personas que añaden algo al carro, realizan la siguiente acción, escribir los datos de facturación y envío. Es decir, hemos perdido un 60% de personas en ese paso mientras que el resto de pasos, tiene un pérdida del 20% o menos. Quizá sería interesante analizar por qué ocurre y qué podemos hacer para mejorar ese dato.

Qué es el Behavior Flow

A veces tenemos en la cabeza cual creemos que es el customer journey de nuestros usuarios. Lo hemos definido y analizado cientos de veces y eso casi se convierte en una verdad absoluta. Para ello, es interesante echarle un vistazo al comportamiento del usuario en la web a través del behavior flow. Esta gráfica nos muestra cómo se mueven los usuarios por nuestro site, es decir, nos dan una visión del customer journey real y podemos segmentarlo para ver diferentes tipos de usuarios.

Por ejemplo, sería interesante analizar el customer journey de los usuarios que terminan realizando la compra con el de los que no lo hacen y ver en qué difiere. Por ejemplo, imagina que el 80% de los usuarios que realizan una compra en una tienda online, hacen click en el botón de leer las opiniones sobre el producto. Mientras que la mayoría de los que no terminan comprando, no lo hacen. Quizá sería interesante, incluir las opiniones dentro de la página de producto, ya desplegadas y visibles.

flujo de comportamiento analytics

Qué son y cómo funcionan los Cohots en Analytics

El objetivo principal del análisis de cohortes es realizar un análisis comparativo para ver cómo cambia el comportamiento de los usuarios a lo largo del tiempo o para medir el valor de un usuario a lo largo del tiempo. Es un poco complicado de explicar pero veamos si soy capaz.

Empecemos con esta gráfica en la que estamos midiendo las sesiones por usuario semanalmente. Se trata de una web con muy poquitos datos.

analisis cohortes

Estamos analizando un total de 72 usuarios en 6 semanas. En la primera semana (del 10 al 16 de junio) estamos analizando 5 usuarios y tenemos una media de sesiones de 1,03 por usuario. Esos 5 usuarios, no han vuelto por la web en la semana siguiente (sem1) y en el resto de semanas podemos ver que han tenido una media de 0,40 la segunda semana, 0,20 la tercera, 0,20 la quinta y 0,20 la sexta. Dado que la muestra es muy pequeña, estos datos probablemente no signifiquen nada, pero imaginemos que estamos hablando de una muestra de usuarios mucho mayor y que en lugar de sesiones estamos analizando conversiones. Podríamos ver cuanto tarda en volver a comprar un usuario después de hacer la compra de la semana 0. De este modo, sabiendo cómo se comporta el usuario, podemos realizar acciones específicas.

Caso práctico. Imaginemos que tenemos un ecommerce de venta de productos de papelería para empresa. Y que estamos analizando las compras de cajas de 5 paquetes de folios. Si sabemos que de media, los usuarios vuelven a comprar papel cada 2 meses, podríamos incentivar la compra para que lo hagan antes a través de un descuento.

Algunos artículos sobre cohortes que sin interesantes:

  • http://www.alfonsovillar.com/es/analisis-cohortes/
  • https://www.doofinder.com/es/blog/analitica-web-e-commerce

María Leal

Con más de 8 años de experiencia en SEO, he decidido dar un paso en mi carrera hacia el product management. Esta web es el lugar donde compartiré mis experiencias sobre libros, productos y artículos interesantes.

Deja un comentario

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

Pin It on Pinterest