Todos los seres humanos somos distintos, tenemos modelos mentales distintos y como si fuera poco pertenecemos a distintas culturas. En nuestro espacio laboral ocupamos roles bien disímiles unos de otros (incluso una persona que ocupa el mismo “puesto” de otra que se retiro de la empresa termina ejerciendo un roll bien distinto) y esta divergencia de roles se basa principalmente en que el alcance y tipos de decisiones tomadas son particulares.

Si todos estamos de acuerdo en lo antes mencionado entonces también lo estaremos en que la diferencia en la toma de decisiones requiere entonces de diferente información. Esto mismo es de lo que vamos a hablar en este post.

Según Henry Minztberg (Autor que recomiendo ampliamente si les interesa temas de estructuras organizacionales) en una empresa existen diferentes niveles jerárquicos (Cumbre estratégica, Línea media y núcleo operativo) y hay dos áreas de soporte que son Tecnoestructura (Dan soporte a funciones relacionadas directamente con la producción, ejemplo consultores de calidad) y Staff de Apoyo (dan soporte a cosas no relacionadas directamente con la actividad principal de la empresa, como puede ser el Comedor de la empresa). Dentro de esta estructura tenemos además las divisiones o áreas funcionales, que son aquellas que aún perteneciendo a distintos Departamento trabajan, de hecho, en conjunto.

Preguntarán porque tanta introducción a algo que no está relacionado directamente con Análisis Web? Bueno en realidad porque sí lo está, Análisis Web es mucho más que poner un tag. Según la Web Analytics Association, Análisis Web son los procesos de Captura, Procesamiento, Análisis y Reporte de información para tomar decisiones relacionadas a la optimización de usabilidad y resultados web. Si prestamos atención a la definición, todo el proceso (Captura, Procesamiento, Análisis y Reporte) debe ser óptimo ya que está en servicio de la toma de decisiones. Se dan cuenta la importancia que tiene la toma de decisiones? Tomar decisiones en tiempo y forma es todo, de hecho se dice que no hay peor decisión que la no tomada.

Imagino que ahora la cosa va tomando sentido. Si la toma de decisiones es tan importante, todos somos distintos y necesitamos diferente información para tomar nuestras decisiones, que sentido tiene que todos contemos con la misma información? Ninguno. Sin embargo en la mayoría de las empresas se usa mucho tener un reporte único mensual sobre el sitio (o los sitios) donde se reporta todo, o sea, todas las personas, de todas las áreas funcionales, de todos los departamentos acceden a los mismos 40 slides de presentación. Ahora sumemos que en Internet los ciclos son muy rápidos, quien va a ponerse a analizar en detalle los mismos 40 slides todos los meses? Yo creo que nadie. Primero porque si una persona debe perderse 4 horas para tratar de comprender la información es poco eficiente, Segundo porque al tercer mes de leer los mismos 40 slides la información se vuelve transparente para el lector y cada vez logra ver menos cosas en ella.

Entonces lo primero que tenemos que hacer es comprender que siempre va a ser necesario entender (con todo lo que esto significa) la necesidad del cliente (quien va a utilizar la información) antes que ponerse a buscar métricas. Tenemos que saber cual debe ser el conjunto de métricas resultantes antes de ponernos a analizar que cosas puede darnos o no la herramienta. Luego nos preocuparemos por conseguir la información. La mayoría de las veces los “no” los termina poniendo la gente y no la herramienta que, en definitiva, de una forma u otra nos permite obtener la información necesitada.

Luego hay que comprender que cada nivel jerárquico necesitará diferentes tipos de méticas (según el nivel de procesamiento).

En el siguiente gráfico podemos ver una pirámide donde tenemos 5 niveles de información. Hacia la cumbre de la pirámide las métricas ganan relevancia por si mismas, o sea, debido a su mayor nivel de procesamiento logran “explicarse por si solas” o sea, una persona que no está en contacto con el día a día del proyecto puede comprender como este está yendo.


Información de Internet

La base de la pirámide es información de Internet. O sea, información resultante de la interacción entre usuarios y sitios. No toda esta información es Capturada (el primer proceso dentro de la definición de Web Analytics según la WAA) por lo tanto el primer paso es determinar que cosas valen la pena medir. Más datos no solo que no mejoran la toma de decisiones, sino que la empeoran así como también inciden negativamente en los costos de captura y procesamiento.

Counts

Un escalón superior está la Información o Counts, es la información capturada que no tiene cruces con otras métricas. Los principales Counts en sitios web son Pageviews, Visits, Unique Visitors. En email Marketing los principales counts son sent (enviados), opens (Abiertos), bounces (Rebotados), clicks y forwards. En campañas de medios los principales counts son impresiones, clicks, conversions (ventas/registraciones). Y dentro de lo más nuevo, en las herramientas de SocialMedia Monitoring el count principal es la Opinión.

Los counts al ser métricas sin cruzamiento cuentan con menor relevancia. La menor relevancia no constituye debilidad de este tipo de métricas las cuales son óptimas para la toma de decisiones dentro del núcleo operativo, el cual ya cuenta de la relevancia necesaria para “darle sentido” a la métrica en si. Por ejemplo, para el CEO de una compañía tal vez 30 millones de pageviews en una sección particular del sitio no digan nada, pero para quien está a cargo del contenido o de la ejecución de las campañas para promocionar dicha sección es una métrica óptima.

Indicadores

Subiendo un escalón más nos encontramos con los indicadores. Los indicadores son básicamente métricas conformadas principalmente por el cruzamiento de dos counts, por ejemplo pv/visit (paginas vistas por visita). Esta métrica nos dice el promedio de paginas vistas por cada una de las visitas realizadas al sitio. Este tipo de métrica cuentan con más relevancia haciéndola útil para la toma de decisiones, tanto de una persona del núcleo operativo así como también para sus jefes directos (Línea Media). De este modo, dentro del área de contenidos de un sitio tanto el Jefe de Área o Gerente funcional de contenidos podría comprender si los contenidos de la semana anterior resultaron tan atractivos como los de la previa a esta.

KPI

Subiendo un nivel más en la pirámide encontramos los KPI’s o Key Performance Indicators (Indicadores clave de performance). Estos son las métricas con mayor relevancia dentro del nivel táctico, o sea personas directamente involucradas con el proyecto. Un gerente de área o gerente de proyecto/sitio podría usar este tipo de métricas como única fuente de información para tomar decisiones y en caso de detectar algún desvío alertar sobre el tema a los diferentes encargados de área o departamentos.

Algunos KPIs, como para dar algunos ejemplos representativos, son Stikiness y Freshness Factor. Stikiness determina que tan “pegajoso” es un sitio, o sea mide la capacidad de retención de un usuario que llegó al sitio, procesando para ello las métricas PV/Visit y Time Spent on visit (o sea, cuantas paginas visito y durante cuanto tiempo lo hizo). Por otro lado freshness factor se obtiene de dividir Visitas realizadas por los usuarios en un periodo dado sobre la actualización de contenidos en ese mismo periodo. De esta forma podemos saber si estamos produciendo la cantidad correcta de contenidos, o si por el contrario estamos produciendo más o menos.

KSI

Finalmente encontramos los KSI o Key Strategy Indicators. Estas son las métricas más relevantes dentro de un sistema de información. De hecho son optimas para personas de la cumbre estratégica quienes tienen generalmente poco tiempo para cada decisión y es probable que no puedan interiorizarse con cada uno de los proyectos para tomar una decisión. Los KSI son métricas que determinan el nivel de alcance del objetivo principal de la empresa y se basan en que el/los proyecto/s web están basados o vinculados en la misma estrategia global de la corporación (o sea, no lo toman como un canal de comunicación/comercialización aislado).

Algunos casos típicos de KSI son Churn Rate (que porcentaje de nuestros clients nos abandonan por mes), Periodo de Repago (en cuanto tiempo pagamos el costo de adquisición de un cliente Nuevo) y LTV o Life Time Value (cuando valor nos genera un cliente durante su vida como tal). Como podemos ver, todas esas métricas nos permiten saber la situación de la empresa sin conocer siquiera de que se trata el proyecto y tomar decisiones eficientes en cada uno de los casos.


En resumen, para alcanzar el éxito en cualquier proyecto de Análisis Web es necesario pensar en proveer la información necesaria a todos los distintos niveles de la organización.

Publicado por Juan Manuel Damia, Intellignos (GAAC), Argentina