Analytics: la comparación entre períodos

Cuando estamos analizando los resultados de determinadas acciones sobre un site, es muy útil efectuar una comparación con el período inmediatamente anterior. Supongamos que hemos mejorado todos los metas de nuestra web, y queremos ver si el tráfico proveniente de los motores de búsqueda (y por ende las visitas), ha aumentado.

Hay sitios web que presentan claros patrones en las visitas. El siguiente ejemplo muestra un mes normal para un sitio real:

En este caso en concreto, es fácil ver que las visitas decaen los fines de semana, y aumentan los lunes. El descenso a lo largo de la semana, salvo alguna excepción cuya razón debe determinarse como parte de nuestro trabajo de análisis, es paulatino.

En otros websites el patrón puede ser distinto, incluso inverso: las visitas aumentan los fines de semana, y decaen durante los días laborales. Da lo mismo si el patrón es A o B, lo importante es que si existe, la comparación entre períodos que hace Analytics por defecto es visualmente confusa.

Aquí hemos comparado un mes cualquiera con el anterior, con el simple proceso de seleccionar el período deseado, y marcar el check de «comparar con datos anteriores».

Analytics, entonces, compara los períodos de manera que ambos coincidan en número de días, y de forma que los días comparados estén muy cercanos numéricamente hablando. Por ejemplo, si seleccionamos noviembre de 2010 (30 días), y lo comparamos con octubre de 2010 (31 días), Analytics compara el 1 de noviembre con el 2 de octubre, el 2 de noviembre con el 3 de octubre, etc… El problema es que en un caso como el que se muestra en los gráficos, comparar el 1 de noviembre (lunes), con el 2 de octubre (sábado), es como comparar melones con manzanas.

Si lo que nos interesa es conocer los datos generales del cambio entre un período y el otro, no hace falta tocar nada. Los números, en este caso, son los siguientes:

Importante: éstos números son los que representan el cambio real entre un mes y el otro, y son los que debemos considerar de cara al análisis de los resultados de las acciones de mejora de un site, sobre todo si son mejoras globales, como puede ser, por ejemplo, el rellenado correcto de los metas (es sorprendente la cantidad de sites cuyos metas son deficientes).

Sin embargo, si queremos observar el resultado de ciertas acciones puntuales, como una campaña en Adwords, o una campaña de e-mail, puede resultar visualmente útil «ajustar» los períodos, de manera que coincidan los días: lunes con lunes, martes con martes, etc…

En el gráfico superior estamos comparando el período que va del 1 al 30 de noviembre de 2010, con el que va desde el 27 de septiembre de 2010, al 26 de octubre de 2010. No hace falta ser un experto para darse cuenta de que algo pasó a mediados del mes octubre (en verde) que rompió la tendencia natural.

Un rápido vistazo al detalle de esos días nos da la respuesta: el martes 12 de octubre fue fiesta, y las visitas bajan los días de fiesta. Nada anormal, en el fondo, para este sitio.

Más interesante es el salto que dan las visitas a finales de noviembre (en azul).

¿Qué pasó ese día? ¿Se lanzó una campaña de e-mail que fue capaz de duplicar las visitas «normales»? ¿La empresa responsable del sitio lanzó un producto nuevo?¿Se comenzó a emitir un anuncio por televisión?¿Se publicó una noticia relacionada con la empresa?

Cualquiera de estas cosas puede hacer que un sitio reciba un número de visitas que rompa el patrón normal. Si miramos de nuevo el gráfico original, el de la comparación por defecto, vemos que dicha ruptura no se nota tanto. Queda diluida (y las cosas entran por los ojos, sobre todo por los ojos de los jefes a los que tenemos que presentar los datos):

Pero cuidado: si manipulamos las fechas de comparación para casar un patrón con otro, debemos ser conscientes de que los datos generales pueden variar enormemente:

Nótese que las visitas de la comparación original, por defecto, han crecido más de un 20% con respecto a las del período anterior. Aquí en cambio el aumento apenas supera el 3%. Por lo tanto, esto que hemos hecho sirve para detactar tendencias, y la ruptura de las mismas, ocasionadas por acciones puntuales. Nos sirve para poder decir que lo que ha sucedido, sea lo que sea, ha «duplicado» o «triplicado» las visitas en un día en el que, por lo general, rondan las x mil. No debe usarse para ofrecer datos globales.