Análisis de contenido: Pages, Top Content, Most Request Pages


Las herramientas de Análisis nombran de muchas formas lo que en la mayoría de los casos viene a ser lo mismo: un listado, ordenado de forma descendente según el número de vistas (page views) o de visitas (visits), de las páginas del site.

Generalmente el listado comprende todas las páginas de la web que han registrado al menos una vista durante el período analizado. Por lo tanto, el término “Pages” es el más adecuado (lo utiliza GA, en la nueva versión de la herramienta).

En otras palabras: en el informe de contenido podemos encontrar cualquier página que haya sido vista en el período, no sólo las más vistas.

Los términos del tipo “Top Content” o “Most Request Pages”, se usan porque el listado se ordena de forma descendente, y vemos primero las 10 más vistas (por defecto). Pero pronto comprobaremos que hay páginas muy importantes, que no están dentro de las 10 primeras (ni siquiera dentro de las 100 primeras). Y un analista de verdad, siempre va más allá de las 10 primeras líneas de los informes…

Lo que difiere de una herramienta a otra, es la información que se da de las páginas que figuran en el listado, y las capacidades de filtrado segmentación y visualización de dicho listado.

Analytics, por ejemplo muestra por defecto la siguiente tabla:

 Analytics: Content Analysis

Todo informe de Analytcs está formado por “dimensiones” y por “métricas” (un concepto que se repite en otras herramientas) En este caso la dimensión es la página (Page) y, por defecto, el dato que nos da Analytics para reconocer una página es la URI (la URL, pero desprovista de la parte del dominio).

Por ejemplo:

www.misitio.com/contacto/contacto-ok

La URI es: /contacto/contacto-ok

Las métricas son las que vemos en las columnas siguientes:

Analytics: Metricas Contenido

Pageviews (Páginas vistas): hablando claro, es el número de veces que se ha “visto” o “cargado” la página en cuestión, durante el período analizado. La flecha que figura junto al encabezado indica que la tabla está ordenada por ese criterio (de mayor a menor).

Pero volvamos al concepto: si estoy navegando por una web, y paso tres veces por la home, esas tres veces estarán incluidas en la columna de Pageviews.

Unique Pageviews (Páginas vistas únicas): este concepto es un poco más complejo. Aquí se cuentan las visitas (o sesiones), en las que se ha visto una página. Es decir, si estoy navegando por un site, y paso tres veces por la home en la misma sesión, Analytics sólo contará una “Página vista única”.

Para ser más claro, supongamos que soy el único visitante del site en el período analizado, y que he visitado la web una sola vez en ese período. En mi navegación, he pasado tres veces por la home:

En la tabla tendré…

Pageviews: 3
Unique Pageviews: 1

Si en lugar de una, he visitado dos veces la web en el período, y en la segunda visita veo la home dos veces, entonces los números serán:

Pageviews: 5
Unique Pageviews: 2

Tanto Pageviews como Unique Pageviews nos dan una medida de la popularidad de las páginas. Sirven para detectar aquellas que tienen un gran peso en nuestro site. Si, por ejemplo, vemos que las 5 primeras tienen un elevado porcentaje de rebote, debemos revisar si, al mismo tiempo, son “principales páginas de entrada”. Si lo son, la optimización de las mismas afectará al porcentaje de rebote global del site.

Average Time on Page (tiempo medio en la página): la idea es bastante simple. Es el tiempo medio que pasan las visitas viendo una página (o con la página cargada), antes de pasar a otra página del site. Es la suma de los tiempos de permanencia en dicha página, dividida por el número de veces que la página se ha visto.

La frase “antes de pasar a otra página del site es importante”: si la página es la última que se ve, antes de abandonar el site, no se puede calcular el tiempo que se ha estado en ella, y se le asigna un tiempo igual a cero. Para entender esto, recomiendo la lectura del siguiente post:

–       Google Analytics: los rebotes y el tiempo en la página

El tiempo medio en una página se calcula quitando las veces en las que el tiempo es igual a cero.

¿Cómo debemos interpretar el dato? Depende… Si la web es de contenidos, como la de un periódico, el tiempo medio en la página nos dice, más o menos, si la gente se está leyendo o no un artículo en concreto.

Si la web se dedica al e-commerce, el análisis del tiempo medio en las páginas que forman el proceso de compra (carrito, check-out, revisión y confirmación, por ejemplo), nos dice en qué etapas debemos prestar atención. Si el tiempo medio en una página es alto (comparado con las páginas del resto del sitio), sería una buena idea realizar cambios con el objetivo de reducirlo.

En procesos de compra, mientras más tiempo necesiten los usuarios, menos conversiones se suelen obtener.

Tampoco es bueno un tiempo medio excesivamente bajo, entendiendo por ello un tiempo en el que normalmente es imposible acabar de interactuar con la página.

Los formularios de registro son un buen ejemplo: mucho tiempo puede significar que el formulario es demasiado complejo. Poco tiempo puede significar que la gente no lo completa, y lo abandona.

Sin embargo, todas estas suposiciones deben ser contrastadas con otras métricas que veremos más adelante, como los porcentajes de paso entre etapas de procesos.

Bounce Rate: he aquí el dato estrella. Todo site tiene sus propios KPIs. Pero si alguno puede describirse como “casi” general, ése es el Bounce Rate (Porcentaje de Rebote). Y decimos “casi” porque hay sites, como los blogs, en los que el porcentaje de rebote es normalmente alto: llego a un post desde una búsqueda, lo leo y me voy.

El Bounce Rate indica el porcentaje de visitas en las que sólo se ha visto una página del site, antes de abandonarlo.

Avinash Kaushik describe así el comportamiento: I came, I puked, I left: http://www.youtube.com/watch?v=ppgfjo6IIf4

En este caso, estamos viendo el porcentaje de rebote de cada página, en concreto, es decir, el porcentaje de veces que cada página ha sido la única que se ha visto del site… El dato es muy poderoso.

De un vistazo podemos encontrar las páginas que necesitan optimizarse para reducir, como ya hemos dicho, el porcentaje de rebote global.

¿Qué significa que una página tenga un 70% de rebote? Sencillamente, que de 100 usuarios que llegan a ella, sólo 30 se quedan en la web.

¿Cómo podemos utilizar el dato? De varias formas… Por ejemplo, si es la Home del site una de las páginas con porcentaje de rebote alto, debemos determinar varias cosas:

  1. ¿Es capaz la Home de convencer al usuario para que vea otras páginas del site? ¿Las llamadas a la acción son claras? ¿El fácil para el usuario entender qué ofrece el site, y que debe hacer tras llegar a ella?
  2. ¿Estamos atrayendo tráfico de calidad nuestro site? ¿La Home está posicionada en los buscadores por las palabras clave adecuadas?
  3. ¿La web funciona bien técnicamente? ¿La Home se carga normalmente? ¿Funciona bien en los principales navegadores y sistemas operativos?

Otras páginas requieren preguntas distintas. Si una de las páginas con rebote alto es la landing de una campaña, entonces debemos determinar, además de las cuestiones técnicas:

  1. Si dicha campaña está bien segmentada, y los receptores son los adecuados.
  2. Si la página ofrece lo que promete el anuncio.
  3. Si las llamadas a la acción son claras.

Estos son ejemplos, y ante cada situación debemos plantearnos las preguntas pertinentes, y descartar posibilidades hasta dar con la respuesta.

% Exit: otra idea simple, aunque a menudo mal entendida… % Exit indica el porcentaje de veces en las que una página en concreto ha sido la última que se ha visto antes de abandonar el site.

¿Qué pasa si una página tiene un porcentaje de salidas alto? De nuevo, depende…

La gente tiene que salir del site por algún sitio, tarde o temprano. Así que hay páginas que pueden tener un porcentaje de salidas elevado, sin que eso sea malo. Por ejemplo, al final de un proceso de compra.

Otra cosa muy distinta es que una de las etapas intermedias del proceso de compra tenga un porcentaje de salidas alto. En ese caso tenemos un problema.

En general, cualquier página que tenga llamadas a la acción, cuyo fin sea continuar con la navegación, debería tener un bajo porcentaje de salidas.

Las páginas que representan el final de un proceso, o cuya visualización suponga la consecución de un objetivo, pueden tener porcentajes de salida altos sin que eso suponga un, a priori, un problema.

Opciones de Filtrado

Como ya hemos mencionado, para los analistas es necesario ir mucho más allá de las 10 primeras líneas de un informe.

Evidentemente, si queremos priorizar acciones de optimización, es buena idea comenzar por las páginas que reciben más tráfico, e ir descendiendo en el listado a medida que vayamos trabajando sobre los contenidos principales.

Sin embargo, hay páginas de una elevadísima importancia que nunca estarán, como ya adelantamos, entre las “principales”.

Por ejemplo, todas las páginas que conforman un proceso de venta muy rara vez estarán entre las 10 primeras. Incluso nos atrevemos a decir que, de media, la página de agradecimiento de la compra (aquella que sólo se carga cuando el usuario ya ha pagado), apenas se ve en el 2% de las visitas (y menos).

Si alguna vez nos encontramos ante los datos de un site donde no se han definido objetivos (algo muy frecuente, por cierto) es posible calcular el porcentaje de conversiones viendo el número de vistas únicas (Unique Page Views), que ha tenido la página de final de un proceso en un período determinado, y dividiendo ese número por el total de visitas al site en el mismo período.

¿Pero cómo encontramos esa página, entre cientos, incluso miles? Pues mediante las opciones de filtrado.

Lo más sencillo es escribir directamente el nombre de la página (o una parte de él) en el cajetín de búsqueda, y pulsar la lupa.

Analytics: Opciones de filtrado

Sin embargo, la cosas no suelen ser tan fáciles. Muchas veces el nombre de una página incluye parámetros, o cadenas que comparten con otras páginas del site.

Por ejemplo, supongamos que en una web hay dos procesos: uno de reserva y otro de venta, que acaban en páginas que se llaman:

  1. /venta/agradecimiento.html
  2. /reserva/agradecimiento.html

Además, si un proceso se efectúa pero da error, la páginas que se cargan son:

  1. /venta/agradecimiento/error.html
  2. /reserva/agradecimiento/error.html

Supongamos que queremos saber el porcentaje de conversiones de ventas reales (no de reservas, ni de ventas con error, donde no se recibe dinero).

Si filtramos por “agradecimiento”, el resultado será todas las páginas que contengan ese término. Es decir, a , b, c y d. No nos sirve.

Si filtramos por “/venta/agradecimiento”, el resultado contendrá las opciones a y c. Tampoco nos sirve.

Podemos refinar, y filtrar por /venta/agradecimiento.html, y sólo obtendremos la opción a.

Sin embargo, hay ocasiones en que esto no es suficiente. Supongamos que en la URL se pasa un parámetro que identifica la venta, por ejemplo:

/venta/10001/agradecimento.html

¿Cómo podemos saber, entonces, el numero de veces que se ha cargado la página de agradecimiento de la venta, independientemente del identificador?

Si pongo “/venta/10001/agradecimento.html” en la caja del buscador solo obtendremos como resultado esa cadena.

Si le decimos que muestre las URLs que contienen venta o agradecimiento, con la expresión regular “(venta|agradecimiento)”, nos mostrará todas, pero también las de error…

Para eso existen los filtros avanzados, en lo que puedo decir, por ejemplo: “muéstrame todas las páginas que incluyen tal término, y que acaban de tal modo”.

En ese caso, para ver el porcentaje de conversiones de venta, puedo filtrar por:

Page –> Containing –> “venta”

And

Page –> Ends With –> “agradecimiento.html”

Así obtendremos el listado de todas las páginas de agradecimiento de la venta (sin error, que acaba en “error.html”), independientemente del identificador de la venta.

Esto es una forma de simplificar búsquedas complejas. Cuando estamos un poco “mas puestos”, podemos echar mano de expresiones regulares.

Por ejemplo, habríamos obtenido el mismo resultado si en el cajetín de búsqueda de la lupa hubiésemos puesto:

/venta/(.*)/agradecimiento.html

Aunque el listado nos muestra todas las URLs que contienen venta y que acaban en agradecimiento.html, el resumen de la tabla nos da los datos correspondientes al conjunto de páginas filtradas:

Analtycs: Opciones de filtrado en detalle

De esa forma podemos saber que la páginas de agradecimiento de la venta han registrado su conjunto 113.937 vistas únicas. Si el site ha registrado en ese período 1.000.000 de visitas, el porcentaje de conversiones ha sido de

(113.937/1.000.000)x100 = 11,4%

Un proceso similar se puede aplicar en la mayoría de herramientas, cuyas opciones de filtrado si no iguales, son similares. La mayoría opera perfectamente con RegEx.

Otra posible aplicación puede ser el cálculo del porcentaje de páginas en las que se ha estado más de un tiempo determinado. En este caso el criterio sería “Incluir –> Average Time on Page –> Greather than…” Es decir, el criterio de filtrado no es el nombre de la página (dimensión), si no una métrica, como el tiempo medio en la página.

NOTA

Este post es un extracto del material de la signatura de Reporting del posgrado de Analítica Web impartido por la Online Business School y la Universitat de Barcelona, en el que soy profesor. Si quieres más información sobre este posgrado, visita la página oficial.

Responder

Introduce tus datos o haz clic en un icono para iniciar sesión:

Logo de WordPress.com

Estás comentando usando tu cuenta de WordPress.com. Cerrar sesión / Cambiar )

Imagen de Twitter

Estás comentando usando tu cuenta de Twitter. Cerrar sesión / Cambiar )

Foto de Facebook

Estás comentando usando tu cuenta de Facebook. Cerrar sesión / Cambiar )

Google+ photo

Estás comentando usando tu cuenta de Google+. Cerrar sesión / Cambiar )

Conectando a %s

A %d blogueros les gusta esto: