Do not speak Spanish? Read this post in English.

Lunes, 13 d enero d 2014.

Analisis avanzado de Embudos de conversión

Creo que hay pocos analistas webs y profesionales del marketing online en general que no estén totalmente enamorados de los embudos de conversión. Pocas herramientas son tan claras y efectivas a la hora de mejorar nuestras conversiones en la web. Las visitas llegan a nuestra web, entran en el embudo y, poco a poco, van perdiéndose a medida que avanzan por el mismo hasta que consiguen el objetivo. Sí, los embudos de conversión son geniales para detectar problemas de conversión y mejor aún: solucionarlos.

Pero la realidad es que los embudos de conversión no son herramientas que hagan magia. Muchas personas los usan, sí, pero una vez los tenemos definidos y configurados pocos son los que son capaces de entender los problemas que se les están mostrando y menos aún como solucionarlos. Tendemos a buscar la solución fácil, quedarnos con el dato que nos aparece en pantalla y sacar conclusiones que una gran cantidad de veces tienen mucho más de suposición que de análisis real de los datos. Y esto es porque el embudo en sí es solo el principio, una vez empezamos a ver como se comportan los usuarios en el mismo llega la hora de analizar cada uno de sus pasos.

embudo-distribución-de-medios

Qué es realmente un embudo de conversión

También conocidos como Funnels (por su nombre en inglés) los embudos no son otra cosa que una correlación de datos que recogemos durante un proceso de conversión. Este proceso en páginas web acaba siempre siendo una correlación de páginas vistas o acciones que sabemos que se van a producir para poder llegar a una conversión concreta. Así estos embudos son en análisis de lo que hace el usuario antes de conseguir una conversión, lo cual nos permite evaluar el estado de salud de ese mismo proceso.

Para los pocos que aun no los conozcan un ejemplo. Imaginemos un proceso de compra en el que el usuario tiene que realizar siempre los siguientes pasos para poder realizar su compra:

  • Añadir un elemento al carrito
  • Previsualizar carrito
  • Indicar datos personales
  • Indicar datos de envío
  • Confirmar la compra
  • y realizar el pago

Nuestro objetivo es solo contabilizar cuantos pagos se han realizado, sin embargo nuestro embudo de conversión querrá saber que sucede en cada uno los pasos anteriores entendiendo que cuanto más se avance en los distintos pasos de la conversión y cuantos más obstaculos quitemos a este camino más usuarios terminarán realizando la compra.

Así pues en un embudo de conversión hablamos siempre de PASOS como elementos de los que extraemos información y sobre cada paso queremos extraer distintas informaciones que nos ayudarán a comprender ese paso:

  • Cuantas páginas visitas, visitas o usuarios llegaron a ese paso
  • Cuantos pasan de un paso al siguiente
  • Hacia que páginas fuera del embudo van los usuarios (puntos de fuga)
  • Desde que páginas llegan a distintos pasos del embudo (puntos de entrada)
  • Como son todos estos valores para distintos segmentos del tráfico (medios, móviles, tipos de visita, etc)
  • Y otras métricas que puedan interesarnos (tiempo en cada paso, acciones dentro de un paso, vuelas atrás, etc.)

Si lo pensamos bien, la cantidad de datos que podemos querer saber de cada paso es enorme y en cada proyecto puede ser muy distinta. Hay unos estándares básicos a observar como pueden ser usuarios y puntos de fuga pero sin duda eso no es todo lo que podemos querer saber de un embudo...

Los embudos de Google Analytics apenas nos sirven para analizar nuestros pasos

Google Analytics ha sido uno de los promotores de los embudos de conversión más grandes que han existido. Es la herramienta de analitica web reina y en ella crear un embudo es tremendamente fácil. Además sus gráficos de embudos son de los informes más atractivos que nos permiten ver... enamoran a todos los ejecutivos y nos permiten sacar conclusiones (descabelladas o no) muy rápidamente.

Un embudo en Google Analytics para una web de hoteles:

embudo-hotel-google-analytics

En los embudos de analytics (tan bonitos ellos con todo ese verde y rojo) se nos destacan cuatro informaciones sobre cada paso:

  • Usuarios que llegan al paso (que no visitas ni páginas vistas)
  • Porcentaje de usuurios que alguna vez pasaron al siguiente paso (que no visitas ni páginas vistas)
  • Primera página de entrada del usuario en el embudo
  • Y ultima página de salida del embudo (si es que no cumplió objetivo o siguió al siguiente paso)

Si duda, para lo poco que cuesta sacar la información esta resulta muy relevante. Pero como os decía esto no es un análisis del embudo... podemos ver pasos a los que a los usuarios les cuesta llegar y detectar puntos de fuga pero no realizar un análisis real de la problemática de nuestros embudos.

Los problemas de los embudos de Google Analytics son muchos y bastante graves:

  • 1. Se basan siempre en usuarios, una métrica que seguramente no será la que usemos en otros informes (el resto de G.A. tiende a usar visitas) y solo puede trabajar con usuarios y nada más
  • 2. Los valores sobre cuantos usuarios pasan al siguiente paso o la página de fuga son muy relativos debido a este mismo foco en los usuarios: Podríamos tener un usuario que ha entrado 10 veces en el embudo, que 9 de esas veces saliese por páginas distintas y en la décima convirtiese y el embudo de Google Analytics nos mostraría un usuario que ha pasado por todos los pasos sin provocar puntos de fuga (pues nos muestra le valor máximo alcanzado por usuario y no la actividad real en las páginas
  • 3. Los embudos no pueden segmentarse ni analizarse. En los embudos tenemos la información tal cual nos viene dada y no podemos trabajar con ella. Nada de segmentos, nada de examinar otras métricas, nada de trabajar la información... Son tan raros que ni siquiera podemos sacarla vía API para trabajarla.
  • 4. La contabilización de pasos, a veces es errática. En embudos sin pasos obligatorios, cuando un usuario entra en el primer paso y llega a un paso superior o convierte el embudo se autocompleta aunque el usuario no haya cumplido los pasos intermedios. Esto es porque como contabiliza usuarios totales Gooogle Analytics nos mostrará por donde entró el usuario y hasta donde llegó del embudo por lo que no tiene otra forma de mostraros un usuario que empieza, por en medio se va y luego termina (si lo mostrase veríamos dos usuarios: uno que entra y se va y otro que convierte directamente lo cual tampoco sería correcto pues duplicaría usuarios). Por este motivo a veces en embudos con pasos imposibles podemos ver como estos a veces se autorrellenan

Con todos estos problemas esta claro que los Embudos de Analytics están muy bien (porque lo están, me gusta criticar pero realmente los usamos cada día por algún motivo) pero no son suficientes para hacer un análisis serio de lo que sucede en el embudo... Necesitamos saber más...

Qué pasa cuando no investigas más tus embudos

El problema de quedarse en los embudos de Google Analytics está en que tanto nosotros como los superdirectivos que deciden sobre la web tendemos a disfrazar las suposiciones de conclusiones. Seamos claros: con un análisis tan básico como el que se nos muestra no sabemos gran cosa del proceso de coversión. Sí, podemos detectar puntos de fuga y cerrarlos. Sí, podemos saber que cierto paso o formulario son el problema por el que los usuarios no acaban de convertir. Pero a partir de ahí todo son suposiciones...

  • "Los usuarios no pasan del carrito porque no entienden como hacerlo y el botón está muy escondido": ¿Necesitabas un embudo para ver eso? ¿No será que ya lo habías visto y ahora te apoyas en el embudo para decirlo?
  • "La mayor pérdida de tráfico es en el momento del pago, eso serán usuarios que solo querían ver el precio del producto": Em... y te quedas tan ancho con esta afirmación ¿no?
  • "Los usuarios caen justo cuando les pedimos el DNI, así que el DNI es el problema". Claro, porque eso es lo que dice el embudo ¿no? tiene una línea que dice: "salidas por ver que les pidieron DNI".

Y así mil casos... No digo que detectar los problemas con embudos de Google Analytics no sea una buena idea, tampoco que la intuición y las buenas prácticas no sean un pilar muy necesario en la usabilidad de las webs... Sólo destaco que en multitud de negocios se realizan acciones justificadas en datos que realmente no existen o no se han tomado.

Qué queremos analizar realmente en un embudo para sacar conclusiones

Existen tres focos principales que podemos querer aplicar al analizar en un embudo y que nos alertarán sobre posibles problemas de forma mucho más concreta.

  • El análisis de la página que conforma el paso: Qué hacen los usuarios en dicha página
  • La influencia que puede tener en el proceso de decisión del usuario los distintos elementos que les mostramos
  • Y el análisis del embudo para distintas tipologías de tráfico

Bajo estos prismas podremos realmente saber que sucede en nuestras páginas, que elementos de persuasión funcionan y que tipos de usuarios son los que realmente ofrecen más dificultades para convertir. Con estos tres análisis realizados si que podremos realizar afirmaciones fundamentadas en datos. Veamos pues como realizar este tipo de análisis...

Análisis de las páginas de los pasos

Para los pasos que queramos examinar (es decir, aquellos en los que detectamos posibilidades de mejora en el embudo sencillo) es necesario poder saber que hacen los usuarios en los mismos.

Aquí las herramientas a usar pueden ser varias, todas destinadas a entender como interacciona el usuario con nuestro paso.

  • Seguimiento del flujo de páginas seguidas por los usuarios en este paso.

    Una opción que nos permitirá saber desde donde entran a este paso y a donde van tras el mismo. Esta información podemos apoyarla también en los propios datos del embudo aunque siempre será más rica si la sacamos a nivel de páginas vistas donde podremos acceder además a otras dimensiones de página como tiempo en la página o número de abandonos y usar segmentos para ver exactamente por donde sale cada tipo de tráfico.

  • Si las opciones que damos al usuario para continuar son muy complejas podemos simplificarlas con un seguimiento de recursos de navegación usados en el paso

    Esto nos permitirá conocer cuales son los recursos de navegación que más interesan a los usuarios: que botones usan, que menús les llaman la atención, etc.

  • Para medir al detalle algunos pasos complejos puede resultar muy útil medir mapas de clicks, scroll, etc.

    El mapa de click de Google Analytics (analitica de página) es un buen punto de partida, sobretodo si activamos el código de enlaces mejorado para diferenciar mejor nuestros enlaces. Pero para profundizar aun más y mejorar el detalle de lo que sucede en nuestra página podemos usar distintas herramientas especializadas como CrazyEgg, ClickDensity, instalar en tu servidor tu propia versión de ClickHeat o (si quieres ver vídeos completos de comportamiento) usar el espectacular MouseFlow donde puedes perder días enteros pero aprender mucho de tus visitas

    heatmap

  • Por último, con implementaciones avanzadas sobre tus formularios puedes entender realmente como se usan por los usuarios

    Aquí son validas desde implementaciones a medida de analytics (eventos o páginas vistas virtuales) a herramientas especializadas como ClickTale o Formisimo que llevan a otro nivel el análisis de formularios.

    formisimo

Con toda esta información en tu mano podrás asegurar que realmente sabes lo que hacen los usuarios en tus pasos del embudo. Ya no te quedarás en que X usuarios salen por el menú principal o en que te parece que "tal" elemento no se ve sino que tendrás acceso a todo lo que realmente hacen tus usuarios y lo que no hacen.

Influencias en el proceso de decisión

Otro nivel de análisis es conocer realmente como influyen distintas informaciones, elementos o simplemente sensaciones en el abandono del paso. Aquí entramos de lleno en el terreno del CRO (Conversión Rate Optimization) donde cada vez hay más técnicas de análisis entre las que destacan 2 por encima de todas las demás:

  • El Testing (A/B o multivariante)

    Una herramienta fundamental para avalar suposiciones. Basándonos en los datos del embudo, el análisis del paso y en nuestro conocimiento sobre el usuario y la web en general se generan hipótesis pero en lugar de llevarlas a cabo se intentan corroborar a base de distintos tests que demuestren que realmente las hipótesis son válidas para nuestro tráfico.

    Para realizar estos tests podemos usar las implementaciones de A/B testing de Google Analytics o su versión para hacer A/B testing con javascript (sin varias URLs) u optar por herramientas más dedicadas y menos técnicas como Optimizely o VisualWebsiteOptimizer.

    visualwebsiteoptimizer

  • El Análisis Cualitativo

    Donde se sale del cajón de los datos automáticos para pasar a preguntar directamente a usuarios sobre sus opiniones, experiencias y satisfacción.

    Este análisis en embudos podemos realizarlo de dos formas. Por un lado podemos contratar una batería de respuestas genéricas con opciones como el conocido "Five seconds Test" de usabilityhub o incluso automatizadas con Feng GUI. Opciones que a pesar de están en la categoría de cualitativo les falta el toque personal del usuario real.

    La otra opción, la reina del cualitativo, es usar encuestas web. En este caso ya no solo para catalogar a los usuarios sino provocándolas en usuarios que han abandonado el proceso de nuestro embudo y preguntándoles directamente por sus motivaciones. Aquí algunas opciones son más genéricas como Usabilla y otras van mucho más al grano como iPerceptions (antiguo 4Q) o Qualaroo.

    quaraloo

    Además de estas herramientas siempre podemos tirar por el análisis cualitativo manual:

    • O provocando la encuesta nosotros mismos programándola en la web
    • o, si en el paso de abandono ya disponíamos del email o teléfono del usuario, contactando con el más adelante para proponerle la encuesta

Ambas opciones son un trabajo lento y requieren un volumen de visitas grande para poder obtener resultados (lo que en algunas webs lo hace más lento aun). A cambio recibimos unos resultados de una calidad asombrasa: tanto por su capacidad de validar hipótesis que nos saquen el mundo de las opiniones como para recibir feedback real de los usuarios que termine incluso convirtiéndose en insights para nuestro negocio.

Análisis de tipologías de tráfico en el embudo

Esta parte, más cercana a los datos de Analytics a los que una mayor cantidad de gente está acostumbrada, no suele realizarse por las limitaciones de los propios embudos de Google Analytics. Y resulta bastante curioso... Por un lado nos esforzamos en crear nuestros segmentos e informes personalizados a medida de nuestro negocio y por otro, cuando nos encontramos con los embudos, nos conformamos con lo que nos viene dado. La solución a nuestros problemas es muy simple: queremos embudos, pero no tal y como nos los ofrece Google Analytics.

¿Cómo conseguir embudos en Google Analytics más versátiles?

Existen dos formas de conseguir estos embudos fuera de la interfaz de embudos de objetivos que nos ofrece analytics. Ambas son muy similares y nos permitirán salvar el problema principal de los embudos: el trabajo con otras métricas aparte de los usuarios y la segmentación del tráfico que examinamos.

  • Opción 1: Objetivos de paso.

    Se trata simplemente crear un objetivo para cada paso del embudo en lugar de intentar resumir todo el embudo en un único paso. De esta forma, al crear luego un informe personalizado usando los distintos objetivos (paso 1, paso 2, paso 3, etc.) como métricas a observar veremos el propio embudo pero en horizontal y tendremos ya la capacidad de segmentarlo al trabajar este con visitas y no con usuarios.

    embudo informe personalizado

  • Opción 2: Con segmentos basados en página vista

    Aún más potente, sobretodo si estamos acostumbrados a trabajar con la API de Google Analytic es ir sacando dato a dato mediante los segmentos de Google Analytics. La potencia de sacar cada dato uno a uno es que entonces ya se nos abre todo el abanico de dimensiones y métricas de Google Analytics permitiéndonos acceder a cualquier dato: visitas, usuarios, medios y landings de entrada, dispositivos, resoluciones de pantalla, etc.

    embudo-con-la-api

Una vez disponemos de esta tipología de embudos ya podemos trabajar nuestros datos para comprender mejor como caen los usuarios de un paso a otro.

En en análisis de embudos lo importante es la caída y no el volumen de visitas

Cuando realizamos este análisis es muy común (por costumbre) intentar visualizar nuestros pasos del embudo en un formato de volumen lo que daría como resultado el gráfico que os mostraba antes como ejemplo. Es un gráfico muy mono y que realmente nos muestra como las visitas se van perdiendo a medida que avanzan por el embudo. Sin duda en una primera aproximación se entiende mejor que otras visualizaciones de los datos pero no es la mejor forma para visualizar a nuestros usuarios pues al estar basada en volúmenes nos hace creer que las caidas en los primeros pasos son más importantes que en los últimos.

Viendo el gráfico anterior podríamos decir que el problema de este embudo está en el paso de búsqueda a visualización de producto... Sin embargo cuando empezamos a trabajar con porcentajes de caída, vemos resultados muy distintos.

embudo-con-la-api-por-porcentaje-de-caida

Interesante ver donde está realmente el problema, ¿verdad?

Examinando nuestros embudos por segmentos

El trabajo de verdad en este tipo de análisis comienza cuando empezamos a visualizar nuestros embudos filtrados por distintos segmentos significativos, es decir, segmentos en donde sepamos que la experiencia de usuario o la intención de compra cambia. Algunos ejemplos clásicos de estos segmentos serían:

  • Tráfico con compra ya realizada anteriormente
  • Nuevas visitas o visitas recurrentes
  • Distintos posibles diseños (por dispositivo móvil o por resolución de pantalla en diseños responsive)
  • Tráfico de cieta tipología o de campañas (branding, producto, interés genéricos, etc.)
  • Landings de entrada (o agrupaciones de estas landings)
  • Otros criterios de comportamiento (vio x página, usó X recurso, etc.)

Al final, debemos buscar aquellos segmentos en los que un cambio de porcentaje de caida en un paso concreto (el que estamos examinando) nos lleve a una conclusión. El ejemplo más sencillo sería ver como reacciona el embudo ante tráfico móvil vs de escritorio para averiguar si alguno de los dos diseños es el causante del problema en dicho paso.

Como antes el análisis por volúmenes globales no nos servirá de mucho, siendo mucho más adecuado examinar los embudos segmentados por sus porcentajes de caída en cada paso. Como os decía, versiones móviles y de escritorio suelen demostrar problemas en pasos distintos:

embudos-segmentados-porcentaje-de-caida

Realizando este trabajo con gran cantidad de segmentos podemos llegar a entender mucho más sobre nuestras caídas entre pasos. Sumar a esta información un análisis de página o de la intención de compra también segmentado por los mismos criterios puede darnos conclusiones valiosísimas y evitarnos muchos errores futuros.

Examinando los valores de dimensión en nuestros embudos

Otra forma de trabajar es mostrar embudos ya divididos por alguna dimensión. En el informe personalizado, creado con objetivos veíamos esta posibilidad. Trabajar con estos datos puede ser menos ilustrativo a nivel de cambios en las páginas pero sobretodo con las dimensiones de adquisición de tráfico (campañas, keywords, landings, etc.) nos pueden dejar claro como afectan las campañas al paso por los embudos y realmente de que calidad es el tráfico que estamos trayendo, más allá incluso de si convierte o no convierte.

Este trabajo suele hacerse sobre el propio embudo, segmentándolo directamente en su visualización...

embudos-por-medios

Pero como antes, esta no es la opción adecuada pues pone el foco sobre los volúmenes totales del segmento y como mucho nos permite intuir los cambios en el tráfico de una de las dimensiones (la que queda pegada al eje vertical), el resto nos cuesta entenderlas con este tipo de visualizaciones. En estos casos ni siquiera un informe por la metrica de caída en el paso va a ayudarnos. Lo que tenemos que entender es que lo que buscamos con esta información es visualizar como cambia la distribución de dimensiones en cada paso (para poder ver como unas se comen a otras a medida que avanza el embudo) y para ello la visualización idónea es mediante un gráfico de barras porcentuales y no absolutas:

embudo-distribución-de-medios

Lo cual nos permite ver mucho mejor como se comportan las distintas dimensiones en los pasos.

Conclusión

Como comentaba al principio del post, los embudos de conversión son una herramienta fascinante y con una gran cantidad de aplicaciones. Podemos llegar a mejorar mucho nuestros resultados trabajandolos correctametne. Sin embargo, si no vienen acompañados de un análisis correcto su uso es peligroso: abre demasiadas puertas a la opinática que ya es de por si demasiado grande en la mayor parte de las empresas. Tendámonos un cable a nosotros mismos y mejoremos la calidad de nuestros embudos: mejoremos la información que tenemos sobre cada uno de sus pasos y démosle inteligencia a nuestros análisis. Creer que el mundo de los embudos de conversión se reduce a los simples embudos de objetivos de Google Analytics es un gran error que nos va a hacer perder muchas oportunidades de negocio.

Temas Relacionados: analitica web

Autor:

6 Comentarios para “Analisis avanzado de Embudos de conversión”

  1. julia vargas dice:

    Muy interesante y completo. Esta información la estaba buscando desde hace tiempo. El embudo es una parte fundamental para planificar el analisis de la web. Sobre todo si se busca maximizar las conversaciones.

  2. Nerea dice:

    Gracias Iñaki por la aportación. La opción 2 me viene de perlas porque estoy analizando una cuenta en la que sólo tengo acceso de lectura. Y como no puedo crear objetivos tengo que buscar otras vías para analizar procesos.
    Sólo una pregunta, ¿hay alguna métrica que nos dé el mismo dato que nos daría el numero de "consecuciones de objetivos"? o en este caso tendríamos que basarnos, en visitas o visitantes únicos...
    Un saludo!

    • ikhuerta dice:

      Buenas Nerea, si que lo hay :)

      Si lanzas una consulta con la api e indicas en ella la misma expresión regular que usuarias para definir tu objetivo pero en este caso como segmento dinámico basado en ga:pagepath ya tienes el mismo dato en el valor de visitas 😉

      esto es porque tanto segmentos como objetivos se calculan a nivel de visita así que en realidad es practicamente la misma operación

  3. Nerea dice:

    Muchas gracias!! Había hecho alguna prueba. Y utilizando segmentos, el dato que me salía en visitas era parecido al de los objetivos, pero no exacto. Pero después de que me lo confirmaras lo he vuelto a mirar y me estaba dando distinto por el muestreo... :-(
    Con periodos mas cortos me da igual! Oeoeoeoeoeoeoe....

  4. Cristian dice:

    Muy avanzado el tema, pero lo guardo en favoritos ya que estoy estudiando sobre marketing y el tema de funnels es vital para estudiar porque se convierte y por que no. Gracias.

  5. Iñaki, un 10 una vez más! Se sale.

Anímate y deja tu comentario

Esto son experimentos, no preguntes ;) prueba metadescription Prueba title