Analizar los perfiles de usuarios con Google Analytics

Publicado en Eventos el 03 de febrero de 2009 por .

El pasado post “como interpretar un incremento de audiencia con Google Analytics” era el primero de una serie de artículos sobre Análisis y Optimización web usando Google Analytics.

En el post anterior veíamos como en una web de nueva creación observábamos que la audiencia crecía de forma gradual y la conclusión era engañosa: sabíamos pero no lo estabamos haciendo todo bien. Una de las conclusiones a la que llegamos es que para entender como se comportan los usuarios, tenemos que aprender a segmentarlos según sus acciones o sus intenciones y eso es de lo que hoy venimos a hablar. No segmentaremos a los usuarios, porque esto google analytics no puede hacerlo, segmentaremos las visitas para hacer una agrupación de los distintos tipos de usuarios según el comportamiento de éstos en las visitas.

Seguimos utilizando una web cuyo objetivo tiene ayudar a la gente a irse a otro país. A la hora de empezar una segmentación por tipología de usuario hay que dedicar una larga sesión de brainstorming sobre como definir al usuario y las acciones que puede realizar, de forma que la segmentación tome datos correctos.
No se pueden pensar los tipos de usuarios en 5 minutos, es importante estudiarlos y saber que acciones pueden realizar y como las vamos a medir y después interpretar.

Podríamos clasificarlos por su status, por sus intenciones, por su situación geográfica y un sin fin de razones. Voy a empezar por realizar preguntas básicas. Sin definir aún mi segmento. Haciendo preguntas obtendremos respuestas que nos ayudaran a perfilar los perfiles de usuarios que tenemos y como los queremos analizar para mejorar la conversión.

Pongamos como ejemplo que los usuarios se quieren ir a vivir a Londres. Nos preguntaríamos…

¿Qué cosas pueden querer hacer en londres?

  • vivir en londres
  • visitar londres

Dado que la web no está orientada a la gente que quiere visitar londres, esta clasificación de los usuarios queda obsoleta. Así que tendremos que subsegmentar dentro de los usuarios que quieren vivir en londres.

Podríamos segmentar entre los que:

  • quieren vivir en londres
  • los que viven en londres

Pero para esto la verdad no necesitamos más que realizar una segmentación por país de usuario y automáticamente ya tenemos a los dos usuarios localizados. Y esta segmentación es en definitiva demasiado inoperante.

Este no es el objetivo. Estos criterios nos pueden servir quizás como sub-segmento, pero lo importante es medir la intención del usuario en este caso:

  • usuarios que quieren estudiar en londres
  • usuarios que quieren trabajar en londres

Realmento esto para este tipo de web me va a servir poco. Porque seguro que de los usuarios que quieren estudiar, también los habrá que quieran trabajar y al revés. Así que la separación entre tipos de usuario no será del todo real.

Pero, ¿qué tal si en lugar de segmentar tipos de usuario en este caso, segmento por “intenciones de usuarios” sólo capturando su “intención primaria al llegar a mi site”?

¿Y qué segmentos de usuarios utilizaríamos?

  • Usuarios que vienen a la web a buscar empleo en Londres
  • Usuarios que vienen a la web a estudiar en londres
  • Usuarios que vienen a la web a buscar alojamiento en londres

A mi me parece una genial idea. ¿Porqué?

Porqué podré clasificar a los usuarios según sus intenciones a la hora de entrar en el site. ¿Solaparía usuarios? No. ¿Porqué? Porqué solo capturo su intención al entrar a la web, por lo tanto, segmento puro y duro su intención. Si además de buscar empleo luego busca alojamiento, me servirá para también entender cual es la pauta que utiliza cada usuario a la hora de comportarse cuando llega al extranjero.

  • ¿Primero busca alojamiento?
  • ¿Primero busca empleo?
  • ¿Contrata el curso de inglés antes de llegar al extranjero o despues?
  • ¿Qué contenido es más importante?
  • ¿Cuál convierte más según cada tipo de usuario?
  • ¿Desde que canal me convierten más?

¿Que parámetros utilizaría para clasificar así las intenciones de los usuarios?

Normalmente para crear segmentar por tipologías de usuarios deberíamos utilizar la utm_SetVar, pero en el caso de Ning no tenemos acceso al código (en mi caso) y por lo tanto, no puedo hacerlo así.

La solución es crear un segmento avanzado, pero ojo, esto será segmentar por visitas de usuarios. Lo que haremos será crear segmentos avanzados, que por ejemplo (en el caso de un tipo de usuario que busca empleo) sean la suma de las siguientes condiciones:

  • Palabras clave de entrada: relacionadas con cada intención del usuario. Ejemplo: – usuario que busca trabajo con keywords=trabajo, trabajos, empleo, curro o
  • Fuente de origen que indiquen que la intención del usuario es buscar empleo. Un ejemplo sería añadirle la condición de source=jobisjob.co.uk (una página de empleo en uk) o
  • Las entradas al site a través de una landing page de temática de trabajo. Ejemplo: Landing page=foro de trabajo o página de clasificados de trabajo.

Repetiríamos el proceso para definir las intenciones de los usuarios que quieren buscar trabajo o los que por ejemplo buscan alojamiento.

Primeras conclusiones de la segmentación

Dicho y hecho. Ya tenemos la primera segmentación y ya tenemos los primeros datos sobre la mesa. La mayoría de usuarios que entran en la web, su intención inicial es buscar trabajo, mientras que el resto quiere buscar alojamiento y algunos quieren buscar información para estudiar fuera.

¿Me quedo tan pancho? Nooo! ¿Qué aprendimos en el primer capítulo? A saber desglosar cifras generales. Las cifras generales solo son tendencias. Ahora hay que entender estas tendencias.

  • ¿Que tenga más visitas de usuarios que buscan trabajo, significa que sean visitas de calidad?
  • ¿Cuantas de éstas visitas acaban en bounce rate (abandono)?
  • ¿Y cuantas me generan visitas nuevas diarias?

¿Y el ratio de conversión de cada segmento?

Pues el ratio de conversión de cada segmento es prácticamente proporcional al ratio de visitas que atraen. Entendemos por conversión al número de usuarios que registra que acaba registrándose cada tipo de usuario, al número de mensajes que un usuario postea o comenta y al número de anuncios que acaban generando un contacto para el anunciante.

Y podríamos seguir segmentando la conversión de los usuarios por tipología según la conversión que realizan:

  • registrarse
  • dejar mensajes en el foro
  • generar contactos para anunciantes
  • enviar mensajes entre usuarios

Medimos por tipos de usuarios para…

Pues para saber de cada perfil de usuario cosas como:

  • La calidad que nos aporta cada tráfico: las visitas por tipos de usuarios por bounce rate + % nuevas + su conversión diaria.
  • La rentabilidad de los origenes de tráfico (campañas, keywords, grupos de anuncios, newsletters) ¿Cuales nos convierten más? Claramente para saber rentabilizar nuestras campañas y
  • La cantidad de contenido que consume cada tipo de usuario en páginas vistas y tiempo de navegación y si tuviera un modelo de negocio de adsense podría saber el que más me aporta a mis ganancias según las páginas que ve, gracias a la integración de adsense y analytics.
  • Qué contenido le gusta más y que contenido echa de menos (a través de la concordancia entre la búsqueda inicial y la búsqueda interna o exit rates), para mejorar el contenido que no les gusta y crear nuevo contenido según las necesidades del usuario.
  • ¿Que otro tipo de contenido consume un usuario asignado a una intención? Para entender si hay interacciones entre distintos tipos de usuarios. Y entender su comportamiento por lógica y adecuar nuestros contenidos a ellos, si los que buscan trabajo luego buscan también alojamiento, hacerle el tránsito de una sección a otra de forma más sencilla.
  • ¿A qué horas del día viene a buscar esa información? Si los usuarios que vienen a una hora del día más que a otra, a buscar información de empleo, estaría bien por ejemplo, generar contenido referente a ofertas de trabajo o envíos de push a las horas en las cuales ese tipo de usuario se nos conecta. Por ejemplo la gráfica siguiente nos indica esta pauta…

Vemos claramente que la mayoría de usuarios entre la 1pm y las 5pm es cuando vienen más a buscar empleo. O sea que estaría bien que a partir de la 1pm tuviésemos ofertas publicadas de empleo y/o que los envíos referentes a empleo se enviaran a partir de esta hora.

Dado que a un país europeo podemos tener personas “europeas” y “personas-no-europeas” interesadas en la búsqueda de empleo, sería conveniente segmentar por estos dos criterios para entender por ejemplo se conectan más los usuarios de fuera de europa, y tomar nota también del diferente tipo de contenido que consumen y a las horas que se conectan y el lenguaje que utilizan para conectarse.

Animaría y casi “obligaría” a todo el mundo a jugar con la búsqueda interna y eso no toca para este capítulo, pero la búsqueda interna aplicada a segmentos de usuarios nos puede decir muchas cosas:

En que partes del site los usuarios no tienen más remedio que utilizar el buscador interno, porque no se aclaran o no entienden la navegación o no encuentran lo que buscan.

Aquí tenéis un mapa surrealista al parecer, pero que nos indica las tendencias de búsqueda interna según la tipología de usuarios. Muy interesante. Además de aprender a estructura mejor contenido y navegación, aprenderemos a utilizar el lenguaje del usuario para encontrar nuestros productos y a crear productos nuevos cuando veamos que lo que buscan no lo tenemos y por tanto casi obligamos al usuario a abandonarnos y encontrar lo que busca en nuestra competencia.

Otros tipos de usuarios
Esto podría no acabarse aquí. ¿Sólo tengo éstos tipos de usuario? Podríamos hacer otras segmentaciones de usuarios. Por ejemplo:

  • usuario diferente (ya tiene casa, colegio y trabajo o no necesita ninguno de los tres)
  • usuario academia (publica cursos de ingles) -
  • usuario empresa (publica puestos laborales) -
  • usuario casero (quien publica ofertas de alquiler) y medir la efiencia, el engagement y la rentabilidad de adquisición de cada una de las campañas que nos atraen a este tipo de usuarios.

Todas estas combinaciones y segmentaciones valdrían. De hecho, en este caso sería muy importante saber diferencia todo esto e incorporar estos tipos de usuario en la distribución general de los tipos de usuario. Sobretodo sería importante incorporar a los usuarios “casero”, “empresa” y “academia” a los usuarios “buscan empleo”, “buscan alojamiento”, “buscan estudiar fuera”. No lo hemos hecho hasta el momento, porque todas la web es muy nueva, y las ofertas laborales, las de cursos y las de alojamiento se insertan manualmente. Cosa que ya nos indica una acción comercial clarísima a ejecutar.

Podría incluso realizar otra segmentación, por el grado de participación de los usuarios:

  • usuario pasivo (el que solo lee y no participa) -
  • usuario forero (el que participa en el foro) -
  • usuario “chatero” (el que se pasa el día en el chat) -
  • el usuario friendly (el que se pasa el día mandando mensajitos privados) y combinaciones sucedanias de estos

Si es que esto me ayudara a medir el engagement real de los usuarios, cosa importante en la red social. También importante que perfil de usuario me ayuda más a ganar más dinero por ejemplo en adsense (si es que lo tuviera), para así generar contenidos identificados con el perfil “ganador” para captar más usuarios de ese perfil y optimizar mis ingresos.

Conclusión
Este análisis vale para cualquier negocio. La importancia de segmentar por tipo de usuario es vital. Nos ayuda a :

  • conocer nuestro cliente. Es el que responde al perfil de usuario que busca trabajo. Tengo que crear más contenido, posicionarlo, trabajar las landing pages que le dan acceso al site e intentar seguir mejorando la conversión. Tengo que crear claramente contenido para los usuarios que buscan estudiar fuera (porque no lo tengo de momento y el abandono es grande y la conversión menor). Tengo que mejorar también la conversión del usuario que busca alojamiento. Y tengo que realizar acciones comerciales para atrear al usuario empresa-academia-casero.
  • nos ayuda a entener el valor que aporta cada cliente. El usuario trabajo me aporta buena conversión, consume páginas y potencialmente el clic en anuncios de adsense puede tener un precio por clic alto.
  • el como estamos llegando a él, a través de que canales, es lo que vamos a tener que trabajar en el siguiente capítulo: estudio de kewyords y posicionamiento…
  • como lo estamos rentabilizando: en conversiones….lo veremos más adelante.
  • como el cliente valora la oferta de nuestros productos: su satisfacción es directamente proporcional a su engagement, y eso lo valoraremoso cuando tengamos más tráfico
  • y lo mucho que nos queda para satisfacerle, crear engagement con él, o sea que acciones haremos para que esté tan feliz que se convierta en el altavoz de nuestra red social…
  • Lo importante es dominar toda la información a nuestro alcance y saberla utilizar, identificar a nuestros potenciales clientes y saberles entregar lo que buscan: el objetivo es saber revertir esto en ventas, o sea, ayudar al usuario a comprar.

En el pasado artículo dijimos que el primer paso era definir a los tipos de usuarios que conforman a nuestra web. El siguiente era realizar un estudio de palabras clave para empezar a captar más tráfico. Ahora que sabemos cuales son nuestros segmentos, sabemos a quien nos dirijimos y ahora toca sacar todos nuestros recursos para llegar hacia él. En el próximo artículo más.

Lectura recomendada:  “como interpretar un incremento de audiencia con Google Analytics

Nota: para los que no puedan esperar al próximo capítulo recordarles que realizamos cursos de formación en google analytics continuamente por 99 euros. El próximo es este míercoles 4 feb en Barcelona (26 feb en Madrid), con un curso básico sobre Analytics y el siguiente es el viernes 6 de febrero en barcelona (26 feb e madrid), acerca de Optimizar seo y sem con Google Analytics (en el que se incluye el como configurar ecommerce).

Sobre Ferriol Egea

Ferriol Egea es un experto analista en la optimización de negocios online. Ahora es director de marketing online de la Lavanguardia.com

Puedes encontrar a Ferriol en:



5 Comentarios en Analizar los perfiles de usuarios con Google Analytics

  1. pere rovira

    es increíble el partido que le sacas a google analytics, ferriol. me pregunto cuántas empresas realizan este tipo de análisis.

    por cierto, para próximas entregas, estaría bien que compartieras con nosotros algunas mejoras que hayas realizado en la web gracias a tus análisis. así veremos mejor cómo se traslada todo este análisis en acciones concretas.

    excelentes artículos, cada día te superas, un placer trabajar contigo y leerte!

  2. Edu Barredo

    Tendrías que dar estos análisis en varias dosis… Voy a tener que releerme el artículo un par de veces mas… :)

    Me quito el sombrero Ferriol!

  3. Iñaki

    Pedazo de post Ferriol!!!

    Me ha encantado el ejemplo de cómo sacarle partido al cruce de los segmentos y la hora del día a la que vienen a buscar una determinada cosa.

    Me voy corriendo a leer la 3ª entrega…

    slds,

  4. penny auctions reviews

    This blog was… how ԁo you saу it?
    Relеvant!! Fіnаlly I havе founԁ sοmething thаt helρed me.
    Mаny thаnks!

  5. avisos clasificados huaraz

    clientes como su ayudé mí. Bueno trabajo.

2 Trackbacks For This Post

  1. En la analítica como en la vida no sólo valen las apariencias | WebAnalytics.ES Says:

    [...] por hacer. Muy práctico para ver que los números positivos no nos han de hacer bajar la guardia. Analizar los perfiles de usuarios con Google Analytics Sobre la misma red social anterior, análisis de la calidad del tráfico con GA. La clave [...]

  2. Segmentando usuarios web: Ejercicio práctico » OPTIMUZ - Marketing on-line y desarrollo web Says:

    [...] Ejemplo práctio de cómo segmentar a los usuarios de nuestra web. [...]

Deja un comentario

Tu dirección de correo electrónico no será publicada. Los campos necesarios están marcados *

Puedes usar las siguientes etiquetas y atributos HTML: <a href="" title=""> <abbr title=""> <acronym title=""> <b> <blockquote cite=""> <cite> <code> <del datetime=""> <em> <i> <q cite=""> <strike> <strong>