Curso de Web Analytics Análisis del tráfico y comportamiento on-line 16 de Junio de 2010 Gustavo Saientz [email_address]
INTRODUCCION A WEB ANALYTICS
¿POR QUÉ ES IMPORTANTE? <ul><li>Contexto </li></ul>
Internet es un medio masivo Google Confidential 3750M Ventas por eCommerce 2008 Población 40.9M Usuarios de Internet 20M T...
Es altamente medible y en tiempo real
Internet refleja lo que sucede fuera de línea 37% 17% 20% 30% 67% de las búsquedas online son realizadas para informarse a...
Internet refleja lo que sucede fuera de línea 67% de las búsquedas online son realizadas para informarse al respecto de un...
Estudia al universo completo de personas VS
Internet es flexible
¿QUÉ ES WEB ANALYTICS? <ul><li>Definiciones </li></ul>
¿50.000 Usuarios únicos?
¿1.000.000 Page Views?
¿50.000.000.000 Hits?
¿Qué NO es web analytics? <ul><li>No son visitas a un sitio </li></ul><ul><li>NO es un software </li></ul><ul><li>NO es un...
¿Qué es Web Analytics? <ul><li>Se conoce como “Web Analytics” al  conjunto de técnicas, metodologías y herramientas   que ...
OBJETIVOS <ul><li>Estrategia de implementación </li></ul>
Definición de Objetivos <ul><li>Definir objetivos propios  del Negocio   y  NO de Tráfico  Web. </li></ul><ul><li>Deben se...
INDICADORES <ul><li>Estrategia de implementación </li></ul>
KPI: Key Performance Indicators <ul><li>DEFINICIÓN:  Los indicadores clave de desempeño son  métricas  financieras o no fi...
Elección de indicadores (KPI / KSI) <ul><li>Se deberán definir indicadores clave para  cada objetivo  planteado. </li></ul...
NIVELES DE DATOS <ul><li>Introducción a los Datos en Web Analytics </li></ul>
Niveles de datos Nivel Operativo básico Nivel Operativo medio Nivel estratégico 3 niveles de datos que proporcionan inform...
Counts (conteo): poco procesamiento <ul><li>Hits (no se usa más):  Cada petición realizada al servidor Web, ya sea un arch...
Counts (conteo): poco procesamiento <ul><li>Transacciones </li></ul><ul><li>Pedidos </li></ul><ul><li>Registros </li></ul>...
Indicadores: algo de procesamiento <ul><li>Páginas por visita </li></ul><ul><li>Visitas por visitante </li></ul><ul><li>Ti...
KPI: mayor procesamiento <ul><li>Stikiness </li></ul><ul><li>Freshness factor </li></ul><ul><li>Success In Finding Employm...
FUENTES DE INFORMACIÓN <ul><li>Adquisición de datos </li></ul>
Pensamiento sistémico <ul><li>Las 5 categorías de acuerdo a Russell Ackoff: </li></ul>
Sistemas de información Un sistema de información (SI) es un conjunto de elementos orientados al tratamiento y administrac...
Sistemas de información <ul><li>Fuentes  primarias  de información: </li></ul><ul><li>Generadas por la empresa con un obje...
Ejemplos… <ul><li>¿Qué fuentes primarias de información conocen? </li></ul><ul><li>¿Qué fuentes secundarias de información...
Posibles fuentes de información <ul><li>Herramienta de Web Analytics </li></ul><ul><li>Sistema de Encuestas online </li></...
HERRAMIENTAS <ul><li>Adquisicón de datos </li></ul>
Herramientas de Web Analytics ¿Cómo capturar y procesar los datos necesarios para alcanzar la  sabiduría ? Fuentes primari...
Tipos de herramientas Web Logs Web Server Logs    Tags Web Server Herramienta Web Analytics Herramienta Web Analytics
Procesamiento de Log Files <ul><li>Ventajas: </li></ul><ul><ul><li>El servidor SIEMPRE genera un Log file </li></ul></ul><...
Procesamiento de Log Files <ul><li>Desventajas: </li></ul><ul><ul><li>El procesamiento de los logs puede demorar varias ho...
Ejemplo de Log File 123.123.123.123 - - [26/Apr/2000:00:23:48 -0400] &quot;GET /pics/wpaper.gif HTTP/1.0&quot; 200 6248 &q...
Page Tagging <ul><li>Ventajas: </li></ul><ul><ul><li>Relativamente fácil de instalar </li></ul></ul><ul><ul><li>Permite se...
Page Tagging <ul><li>Desventajas: </li></ul><ul><ul><li>Si el usuario interrumpe la carga de la página, esta puede no ser ...
Ejemplo de Tag (Yahoo Web Analytics)
OTRAS HERRAMIENTAS <ul><li>Adquisición de datos </li></ul>
On exit survey
On exit survey
On exit survey Customer Driven Optimization
E-Mail Marketing tools
Checklist <ul><li>Definición de objetivos </li></ul><ul><li>Elección de indicadores (KPI / KSI) </li></ul><ul><li>Adquisic...
ANALISIS DE DATOS <ul><li>Regla 10/90 </li></ul>
Regla 10 / 90 (Avinash Kaushik) <ul><li>Cada 10 dólares que invertimos en herramientas, deberíamos invertir 90 en análisis...
ACCIONAR SOBRE LAS METRICAS <ul><li>Optimización de resultados </li></ul>
Conversion Path <ul><li>Es el camino que sigue un usuario para convertir el objetivo de su visita.  </li></ul><ul><li>Gene...
Funnel / Conversion rates 10% 40% CTR: 1% Banner Micro conversiones 5% Impresiones: 1 millón Visitas:  10 mil Visitas:  10...
Funnel / Conversion rates 12% 45% CTR: 1.5% Banner 2 Micro conversiones 8% Impresiones: 1 millón Visitas:  15 mil Visitas:...
Experimentar <ul><li>A/B Test </li></ul><ul><li>Experimentos multi-variable </li></ul><ul><li>Mix de medios </li></ul><ul>...
Aprender y ejecutar <ul><li>Buscar conclusiones  relevantes al negocio </li></ul><ul><li>Aprender de  lo bueno  y de  lo m...
EN RESUMEN… <ul><li>Web Analytics </li></ul>
Resumen <ul><li>Web Analytics  es acerca del  Negocio  y no del tráfico </li></ul><ul><li>Objetivos     Datos     Anális...
¡Gracias por su atención! ¿Preguntas? ¡Gracias por su atención!
Upcoming SlideShare
Loading in …5
×

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

880 views

Published on

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

Published in: Technology
0 Comments
1 Like
Statistics
Notes
  • Be the first to comment

No Downloads
Views
Total views
880
On SlideShare
0
From Embeds
0
Number of Embeds
2
Actions
Shares
0
Downloads
43
Comments
0
Likes
1
Embeds 0
No embeds

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

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

    ×