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 capaces de entender los problemas que se les están mostrando y menos aún cómo 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 esta es la razón por la cual el embudo en sí es solo el principio. Una vez empezamos a ver cómo se comportan los usuarios en el mismo, llega la hora de analizar cada uno de sus pasos.

¿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 el 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 aún no los conozcan, aquí va un ejemplo: imaginemos un proceso de compra en el que el usuario tiene que realizar siempre los siguientes pasos para poder realizarla:

1. Añadir un elemento al carrito
2. Previsualizar carrito
3. Indicar datos personales
4. Indicar datos de envío
5. Confirmar la compra
6. y realizar el pago

Nuestro objetivo es solo contabilizar cuántos pagos se han realizado. Sin embargo, nuestro embudo de conversión querrá saber qué sucede en cada uno de los pasos anteriores, entendiendo que cuanto más se avance en los distintos pasos de la conversión y cuantos más obstáculos 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 comprenderlo:

• Cuántas páginas vistas, visitas o usuarios llegaron a ese paso.
• Cuántos pasan de un paso al siguiente.
• Hacia qué páginas fuera del embudo van los usuarios (puntos de fuga).
• Desde qué páginas llegan a distintos pasos del embudo (puntos de entrada).
• Cómo 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, vueltas 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 Universal 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 analítica 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 “enamorar” a todos los ejecutivos, así como sacar conclusiones (descabelladas o no) muy rápidamente.

Un embudo en Google Analytics para una web de hoteles:

En los embudos de Analytics se nos destacan cuatro informaciones sobre cada paso:

1. Usuarios que llegan al paso (que no visitas, ni páginas vistas).
2. Porcentaje de usuarios que alguna vez pasaron al siguiente paso (que no visitas, ni páginas vistas).
3. Primera página de entrada del usuario en el embudo.
4. Y última página de salida del embudo (si es que no cumplió objetivo o siguió al siguiente paso).

Sin duda, para lo poco que cuesta sacar la información, ésta 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 Universal Analytics tiende a usar visitas).
2. Los valores sobre cuántos usuarios pasan al siguiente paso o a 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 el 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 especiales 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, Google Analytics nos mostrará por dónde entró el usuario y hasta donde llegó del embudo, por lo que no tiene otra forma de mostrarnos un usuario que empieza, que por en medio se va y luego termina. Si mostrase esto último, 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 se autorrellenan en ocasiones.

Con todos estos problemas, es evidente que los embudos de Analytics son herramientas valiosas (aunque los “critique”, lo cierto es que los empleamos diariamente por una razón), pero por sí solos no son suficientes para llevar a cabo un análisis exhaustivo de lo que realmente ocurre en el embudo. Necesitamos profundizar más para obtener una comprensión completa.

¿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 super directivos 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 conversión. 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 cómo 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»: ¿De verdad esta afirmación te parece suficiente?
• «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? Disculpa, pero no tiene una línea que diga «salidas a causa de la solicitud de 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 pueden 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 qué sucede en nuestras páginas, qué elementos de persuasión funcionan y qué tipos de usuarios son los que realmente ofrecen más dificultades para convertir. Con estos tres análisis realizados sí que podremos realizar afirmaciones fundamentadas en datos. Veamos pues cómo realizar este tipo de análisis…

1. 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 qué hacen los usuarios en los mismos. Aquí las herramientas a usar pueden ser varias, todas destinadas a entender cómo interacciona el usuario con nuestro paso.

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

Una opción que nos permitirá saber desde dónde entran a este paso y a dónde 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 dónde sale cada tipo de tráfico.

1.2. Seguimiento de recursos de navegación usados en el paso.

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 cuáles de estos recursos les interesan más a los usuarios: qué botones usan más, qué menús les llaman la atención, etc.

1.3. Uso de mapas para detalles concretos.

Para medir al detalle algunos pasos complejos puede resultar muy útil usar mapas de clics, scroll, etc. El mapa de clic de Google Analytics (analítica de página) es un buen punto de partida, sobre todo si activamos el código de enlaces mejorado para diferenciar mejor nuestros enlaces.

Por otro lado, si lo que queremos es profundizar aún más e ir al 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.

1.4. Uso de implementaciones avanzadas sobre los forms.

Por último, si lo que realmente necesitas es saber cómo interactúan realmente los usuarios con tus formularios, lo puedes conocer a través de implementaciones avanzadas en estos.

Aquí son válidas 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.

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 bien, creerás que «tal» elemento no se ve. Con estos análisis tendrás certeza de todo lo que realmente hacen tus usuarios y lo que no hacen.

2. Influencias en el proceso de decisión.

Otro nivel de análisis es conocer realmente cómo 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:

2.1. 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 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.

2.2. 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 tres 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 estar en la categoría de «análisis cualitativo» les falta el toque personal del usuario real.
• La otra opción, la reina del cualitativo, es usar encuestas web. En este caso no solo para catalogar a los usuarios, sino provocándolas en usuarios que hayan 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.

• Además de estas herramientas, siempre podemos recurrir al análisis cualitativo manual, ya sea mediante la implementación de encuestas directamente en el sitio web o, si ya contamos con el correo electrónico o número de teléfono del usuario en el momento del abandono, contactándolos posteriormente para invitarlos a participar en la encuesta.

Estas 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 aún). Sin embargo, a cambio, ofrecen resultados de una calidad excepcional. Estos resultados no solo tienen la capacidad de validar hipótesis, sacándonos del ámbito de las opiniones, sino que también proporcionan feedback real de los usuarios, que puede convertirse incluso en insights para nuestro negocio.

3. 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. Por otro lado, 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.

3.1. 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 de 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 (con visitas y no con usuarios).

Opción 2: Con segmentos basados en página vista

Aún más potente, sobre todo si estamos acostumbrados a trabajar con la API de Google Analytics, 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.

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

3.2. Observar la caída y no en 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 cómo 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 lo cierto es que no es la mejor forma de visualizar a nuestros usuarios ya que, al estar basada en volúmenes nos hace creer que las caídas en los primeros pasos son más importantes que en los últimos. Por ello, en el análisis de embudos lo importante es la caída y no el volumen de visitas.

Por ejemplo, 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.

Es interesante ver dónde está realmente el problema, ¿verdad?

3.3. Examinar 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 cierta 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 caída en un paso concreto (el que estamos examinando) nos lleve a una conclusión. El ejemplo más sencillo sería ver cómo 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:

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.

3.4. Examinar 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 sobre todo con las dimensiones de adquisición de tráfico (campañas, keywords, landings, etc.) nos pueden dejar claro cómo afectan las campañas al paso por los embudos y realmente de qué 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:

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 de dimensiones nos cuesta entenderlas con este tipo de visualizaciones.

En estos casos ni siquiera un informe por la métrica de caída en el paso va a ayudarnos. Lo que tenemos que entender es que lo que buscamos con esta información es visualizar cómo cambia la distribución de dimensiones en cada paso (para poder ver cómo unas se comen a otras a medida que avanza el embudo). Para ello, la visualización idónea es mediante un gráfico de barras porcentuales y no absolutas:

Este gráfico nos permite ver mucho mejor cómo 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 trabajándolos correctamente. Sin embargo, si no vienen acompañados de un análisis correcto, su uso es peligroso: abre demasiadas puertas a la opinión que ya es de por sí demasiado habitual 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.