Modulo Web Analytics. ClaseNº1. Prof. Gustavo Saientz. Fecha: 16-06-2010

  • 567 views
Uploaded on

Módulo: Web Analytics …

Módulo: Web Analytics
Clase Nº1
Prof. Gustavo Saientz
Fecha: 16-06-2010

More in: Technology
  • Full Name Full Name Comment goes here.
    Are you sure you want to
    Your message goes here
    Be the first to comment
No Downloads

Views

Total Views
567
On Slideshare
0
From Embeds
0
Number of Embeds
0

Actions

Shares
Downloads
39
Comments
0
Likes
1

Embeds 0

No embeds

Report content

Flagged as inappropriate Flag as inappropriate
Flag as inappropriate

Select your reason for flagging this presentation as inappropriate.

Cancel
    No notes for slide
  • KPI: Key performance indicators KSI: Key Success Indicators
  • Los 3 niveles de datos proporcionan
  • Resultan de combinar al menos 2 count. Ayudan a la toma de decisión a nivel operativo
  • Son “autoexplicativos” Gerentes de linea media y alta Explican como va la compañía
  • Russell Ackoff: Profesor y Teórico especializado en CAMBIO ORGANIZACIONAL
  • Toda empresa cuenta con un sistema de información
  • Toda empresa cuenta con un sistema de información
  • Los alumnos deben dar sus ejemplos.
  • ASP: Application Service Provider

Transcript

  • 1. Curso de Web Analytics Análisis del tráfico y comportamiento on-line 16 de Junio de 2010 Gustavo Saientz [email_address]
  • 2. INTRODUCCION A WEB ANALYTICS
  • 3. ¿POR QUÉ ES IMPORTANTE?
    • Contexto
  • 4. Internet es un medio masivo Google Confidential 3750M Ventas por eCommerce 2008 Población 40.9M Usuarios de Internet 20M Tiempo Online 32.4h 91% % Compradores Online Penetración de Internet 49%
  • 5. Es altamente medible y en tiempo real
  • 6. Internet refleja lo que sucede fuera de línea 37% 17% 20% 30% 67% de las búsquedas online son realizadas para informarse al respecto de una empresa, producto, servicio o slogan derivado de algún canal Offline.
  • 7. Internet refleja lo que sucede fuera de línea 67% de las búsquedas online son realizadas para informarse al respecto de una empresa, producto, servicio o slogan derivado de algún canal Offline.
  • 8. Estudia al universo completo de personas VS
  • 9. Internet es flexible
  • 10. ¿QUÉ ES WEB ANALYTICS?
    • Definiciones
  • 11. ¿50.000 Usuarios únicos?
  • 12. ¿1.000.000 Page Views?
  • 13. ¿50.000.000.000 Hits?
  • 14. ¿Qué NO es web analytics?
    • No son visitas a un sitio
    • NO es un software
    • NO es un conjunto de reportes
    • NO es una herramienta
    • NO es un sinónimo de “Google Analytics”
  • 15. ¿Qué es Web Analytics?
    • Se conoce como “Web Analytics” al conjunto de técnicas, metodologías y herramientas que permiten medir, analizar y entender el comportamiento de los usuarios en la web, con el propósito de introducir mejoras en nuestras estrategias que tiendan a maximizar el cumplimiento de los objetivos del negocio .
    Captura  Procesamiento  Análisis  Reporte de datos
  • 16. OBJETIVOS
    • Estrategia de implementación
  • 17. Definición de Objetivos
    • Definir objetivos propios del Negocio y NO de Tráfico Web.
    • Deben ser Medibles.
    • Puede definirse objetivos secundarios propios de Internet.
    • Ejemplos:
    • Incrementar las ventas
    • Generar una base de datos de prospectos
    • Generar Awareness de una nueva marca
    • Fidelizar al cliente con una determinada marca o producto
  • 18. INDICADORES
    • Estrategia de implementación
  • 19. KPI: Key Performance Indicators
    • DEFINICIÓN: Los indicadores clave de desempeño son métricas financieras o no financieras, utilizadas para cuantificar objetivos que reflejan el rendimiento de una organización. Estos indicadores son utilizados en inteligencia de negocio para asistir o ayudar al estado actual de un negocio a prescribir una línea de acción futura .
    Fuente: Wikipedia
  • 20. Elección de indicadores (KPI / KSI)
    • Se deberán definir indicadores clave para cada objetivo planteado.
    • Deben reflejar el éxito o fracaso del objetivo planteado.
    • Deben derivar en acciones concretas de optimización .
    • No utilizar indicadores que no respondan a una pregunta del negocio.
    • Ejemplos:
    • Incrementar las ventas  Cantidad de transacciones / Monto facturado
    • Generar base de datos de prospectos  Cantidad de personas registradas
    • Generar Awareness de una nueva marca  Indice de difusión
    • Fidelizar al cliente  Indice de fidelización
  • 21. NIVELES DE DATOS
    • Introducción a los Datos en Web Analytics
  • 22. Niveles de datos Nivel Operativo básico Nivel Operativo medio Nivel estratégico 3 niveles de datos que proporcionan información distintos perfiles en la organización
  • 23. Counts (conteo): poco procesamiento
    • Hits (no se usa más): Cada petición realizada al servidor Web, ya sea un archivo html, una imagen, un script, un archivo flash, etc.
    • Pageview (página vista): Cada página descargada desde el servidor web.
    • Visitas: Sesiones de navegación de un usuario que permanece por un determinado tiempo en el sitio.
    • Visitantes / Usuarios únicos Usuarios identificados unívocamente que visitan un sitio en una o varias sesiones diferentes.
    Nivel Operativo básico
  • 24. Counts (conteo): poco procesamiento
    • Transacciones
    • Pedidos
    • Registros
    • Búsquedas
    • Clicks
    • Impresiones
    • Vistas de videos
    • Etc.
    Nivel Operativo básico
  • 25. Indicadores: algo de procesamiento
    • Páginas por visita
    • Visitas por visitante
    • Tiempo de sesión
    • Tiempo por página
    • Búsquedas por visita
    • Etc.
    Nivel Operativo medio
  • 26. KPI: mayor procesamiento
    • Stikiness
    • Freshness factor
    • Success In Finding Employment After Graduation
    • Etc.
    Nivel estratégico
  • 27. FUENTES DE INFORMACIÓN
    • Adquisición de datos
  • 28. Pensamiento sistémico
    • Las 5 categorías de acuerdo a Russell Ackoff:
  • 29. Sistemas de información Un sistema de información (SI) es un conjunto de elementos orientados al tratamiento y administración de datos e información, organizados y listos para su posterior uso, generados para cubrir una necesidad (objetivo).
  • 30. Sistemas de información
    • Fuentes primarias de información:
    • Generadas por la empresa con un objetivo particular
    • Se conoce la metodología
    • Fuentes secundarias de información:
    • Generadas por terceros
    • Son útiles para la organización pero se desconoce su metodología.
  • 31. Ejemplos…
    • ¿Qué fuentes primarias de información conocen?
    • ¿Qué fuentes secundarias de información conocen?
  • 32. Posibles fuentes de información
    • Herramienta de Web Analytics
    • Sistema de Encuestas online
    • Plataforma de E-Mail Marketing
    • Ad-Server
    • CRM
    Ad Server E-Mail Marketing Web Data Survey Tool
  • 33. HERRAMIENTAS
    • Adquisicón de datos
  • 34. Herramientas de Web Analytics ¿Cómo capturar y procesar los datos necesarios para alcanzar la sabiduría ? Fuentes primarias (on-site): Fuentes secundarias (off-site):
  • 35. Tipos de herramientas Web Logs Web Server Logs Tags Web Server Herramienta Web Analytics Herramienta Web Analytics
  • 36. Procesamiento de Log Files
    • Ventajas:
      • El servidor SIEMPRE genera un Log file
      • Se capturan todas las transacciones realizadas (no solo PV)
      • Se puede mantener un histórico para ser procesado / analizado con cualquier herramienta
      • El método es independiente de las características del navegador/computadora/plataforma del usuario
  • 37. Procesamiento de Log Files
    • Desventajas:
      • El procesamiento de los logs puede demorar varias horas o días.
      • Generalmente se debe tener acceso “físico” al servidor para acceder al log.
      • No es posible capturar datos como resolución de pantalla, colores, plugins instalados, etc.
  • 38. Ejemplo de Log File 123.123.123.123 - - [26/Apr/2000:00:23:48 -0400] "GET /pics/wpaper.gif HTTP/1.0" 200 6248 "http://www.jafsoft.com/asctortf/" "Mozilla/4.05 (Macintosh; I; PPC)" 123.123.123.123 - - [26/Apr/2000:00:23:47 -0400] "GET /asctortf/ HTTP/1.0" 200 8130 "http://search.netscape.com/Computers/Data_Formats/Document/Text/RTF" "Mozilla/4.05 (Macintosh; I; PPC)" 123.123.123.123 - - [26/Apr/2000:00:23:48 -0400] "GET /pics/5star2000.gif HTTP/1.0" 200 4005 "http://www.jafsoft.com/asctortf/" "Mozilla/4.05 (Macintosh; I; PPC)" 123.123.123.123 - - [26/Apr/2000:00:23:50 -0400] "GET /pics/5star.gif HTTP/1.0" 200 1031 "http://www.jafsoft.com/asctortf/" "Mozilla/4.05 (Macintosh; I; PPC)" 123.123.123.123 - - [26/Apr/2000:00:23:51 -0400] "GET /pics/a2hlogo.jpg HTTP/1.0" 200 4282 "http://www.jafsoft.com/asctortf/" "Mozilla/4.05 (Macintosh; I; PPC)” 123.123.123.123 - - [26/Apr/2000:00:23:51 -0400] "GET /cgi-bin/newcount?jafsof3&width=4&font=digital&noshow HTTP/1.0" 200 36 "http://www.jafsoft.com/asctortf/" "Mozilla/4.05 (Macintosh; I; PPC)"
  • 39. Page Tagging
    • Ventajas:
      • Relativamente fácil de instalar
      • Permite ser utilizado mediante servicio hosteados externamente (modo ASP)
      • Permite medir “eventos” que no son ejecutados en el servidor (AJAX, Flash, etc)
  • 40. Page Tagging
    • Desventajas:
      • Si el usuario interrumpe la carga de la página, esta puede no ser contabilizada.
      • En sitios con varios dominios o sub-dominios, la implementación es mucho más compleja.
      • Si se cambia de herramienta, no se puede acceder a un histótico.
  • 41. Ejemplo de Tag (Yahoo Web Analytics)
  • 42. OTRAS HERRAMIENTAS
    • Adquisición de datos
  • 43. On exit survey
  • 44. On exit survey
  • 45. On exit survey Customer Driven Optimization
  • 46. E-Mail Marketing tools
  • 47. Checklist
    • Definición de objetivos
    • Elección de indicadores (KPI / KSI)
    • Adquisición de datos (herramientas)
    • ¿Y AHORA…?
  • 48. ANALISIS DE DATOS
    • Regla 10/90
  • 49. Regla 10 / 90 (Avinash Kaushik)
    • Cada 10 dólares que invertimos en herramientas, deberíamos invertir 90 en análisis de los datos (inteligencia).
  • 50. ACCIONAR SOBRE LAS METRICAS
    • Optimización de resultados
  • 51. Conversion Path
    • Es el camino que sigue un usuario para convertir el objetivo de su visita.
    • Generalmente consta de varios pasos y se representa con un embudo (o funnel).
    Objetivo 1 2 3 4 5 6
  • 52. Funnel / Conversion rates 10% 40% CTR: 1% Banner Micro conversiones 5% Impresiones: 1 millón Visitas: 10 mil Visitas: 1000 Visitas: 400 Ventas: 20 20 x $100 = $2.000 Conversión
  • 53. Funnel / Conversion rates 12% 45% CTR: 1.5% Banner 2 Micro conversiones 8% Impresiones: 1 millón Visitas: 15 mil Visitas: 1800 Visitas: 810 (x2) Ventas: 64 (x3) 64 x $100 = $6.400 (+320%) Conversión
  • 54. Experimentar
    • A/B Test
    • Experimentos multi-variable
    • Mix de medios
    • Comunicación
    • Estrategia de precios
    • Ofertas y promociones
    Medir siempre el resultado de los experimentos y pruebas
  • 55. Aprender y ejecutar
    • Buscar conclusiones relevantes al negocio
    • Aprender de lo bueno y de lo malo
    • Tomar acciones que puedan influir sobre los KPIs elegidos
    • Cada pequeño cambio puede hacer una gran diferencia
  • 56. EN RESUMEN…
    • Web Analytics
  • 57. Resumen
    • Web Analytics es acerca del Negocio y no del tráfico
    • Objetivos  Datos  Análisis  Conclusiones  Acciones
    • Hacer foco en el Análisis más que en la Herramienta
    • Incorporar la medición a la cultura de la organización
    • Hay que estar dispuesto a probar y equivocarse
    • El análisis web es un proceso de mejora continua
  • 58. ¡Gracias por su atención! ¿Preguntas? ¡Gracias por su atención!