Después de ver qué fases componen la metodología CRO, vamos a abordar la primera de ellas, la de Análisis. Como sabes, dicha fase está subdividida en dos partes: el análisis cuantitativo y el análisis cualitativo. En este capítulo veremos exclusivamente lo relacionado con el Análisis Cuantitativo.
El análisis cuantitativo en CRO es un proceso que implica la recopilación, medición y análisis de datos para identificar patrones, tendencias e ineficiencias que influyen en el rendimiento de un sitio web en términos de conversión.
Este tipo de análisis se enfoca en datos concretos y medibles, que responden a los “QUÉs” de nuestra investigación: ¿Qué canal es el que mayor conversión registra? ¿Qué perfil de usuario es el que peor convierte? ¿En qué dispositivo se registran más consecuciones de objetivo?, etc.
Su función principal es localizar puntos de mejora dentro del embudo de conversión, que muestra el recorrido que los usuarios siguen desde que ingresan al sitio web hasta que completan la acción deseada (por ejemplo, una compra o el envío de un formulario).
Además de hablarnos de datos numéricos, también debemos saber que la información obtenida con este tipo de análisis cuantitativo es objetiva. Es decir, que si nuestra herramienta de análisis nos dice que hemos obtenido 50 conversiones más que el mes pasado desde el medio “organic”, esto es un dato objetivo que, inicialmente, no se podría interpretar de diferente forma.
La herramienta más extendida y estandarizada para realizar un análisis cuantitativo en CRO es Google Analytics 4.
Actualmente, es utilizada por numerosos profesionales en el sector del marketing digital por su versatilidad, cantidad de conexiones con otras herramientas y su versión gratuita (con limitaciones muy laxas para medianas y pequeñas empresas).
Sin embargo, otras soluciones como Adobe Analytics, Piwik o Matomo también son herramientas con muchas referencias positivas.
Aunque la solución de Adobe cuenta con una potencialidad enorme, su precio sí es más elevado que el resto.
La característica principal de Piwik y Matomo es que son herramientas de medición “cookieless”, esto significa que funcionan sin cookies de terceros, cumpliendo así con la privacidad del usuario y las normativas RGPD actuales. De esta forma, ofrecen datos más fiables que las herramientas que funcionan con cookies, ya que algunas, como GA4 modelizan los datos que no pueden recabar.
Otras herramientas que tal vez encajen con tu modelo de negocio (y también son cookieless) son: Seal Metrics, Plausible Analytics, Fathom Analytics, Simple Analytics y Twipla.
Sin embargo, los datos cuantitativos no solo se extraen de herramientas externas como las que acabamos de ver, también podemos extraer datos de mucho valor sobre los “qué” de nuestro proyecto a partir de:
No cometas el error de obviar estas fuentes porque también te darán una pila de información muy valiosa y, en ocasiones, más certera que las iniciales.
Sea cual sea la herramienta que escojas, lo importante es que esté correctamente configurada para recoger todos los KPIs y métricas clave establecidos a nivel negocio durante las fases anteriores del proceso. Aquí puedes ver cómo hacer la configuración inicial de GA4.
Una vez tengamos todos los “fallos” de conversión identificados, deberemos anotarlos en un backlog para poder tener un registro que nos servirá para posteriores fases del proceso de optimización.
Como ya se ha apuntado anteriormente, uno de los objetivos del análisis cuantitativo es detectar las posibles ineficiencias que existan en el proyecto.
Para ello consultaremos todos los informes que puedan darnos información sobre nuestro porcentaje de conversión. En Google Analytics 4 por ejemplo, estos informes son:
Asimismo, si tenemos un e-commerce, también tendremos que comprobar informes relacionados con ventas o ingresos. En Google Analytics 4, estos informes son:
Y por último, también deberemos echar un vistazo al embudo de conversión en el que se refleje el “camino” o proceso que sigue el usuario hasta realizar la acción que el negocio desea. En GA4, estos informes son:
En todos estos informes, deberemos detectar aquellos porcentajes de conversión que presenten anomalías; es decir, que sean más bajos que la media o presenten disminuciones puntuales.
Una vez detectados esos puntos de mejora, deberemos segmentar dichos informes para tener mayor granularidad de los datos.
En este sentido, la segmentación es un componente crucial del análisis cuantitativo, ya que permite desglosar los datos por variables como la fuente de tráfico, dispositivo, geolocalización, navegador, sistema operativo, etc. Dicha segmentación ayuda a identificar patrones y diferencias en el comportamiento de los usuarios.
Con todos nuestros informes segmentados podremos, finalmente, dar respuesta a esos “QUÉs” de nuestro proyecto y saber, por ejemplo:
A la hora de abordar un análisis cuantitativo de nuestro proyecto es absolutamente necesario que conozcamos todas las características de nuestra herramienta, ya que, dependiendo de cuál sea su protocolo de medición o funcionalidades, podríamos estar leyendo los datos de forma errónea.
Por este motivo, hay que tener en cuenta todas las limitaciones, entre las que destacan:
Escrito por:
María Sánchez
Responsable CRO y UX en Webpositer Agency y Profesora de Webpositer Academy.
Revisado por:
CEO de Webpositer Group, SEO de Webpositer Agency y Profesor de Webpositer Academy.
Copyright® 2024. Todos los derechos reservados.