- ¿Qué páginas de mi sitio o aplicación generan la mayor cantidad de vistas?
- ¿Qué páginas de destino tienen el mejor rendimiento o generan más conversiones?
- ¿Qué buscan los usuarios en mi sitio o aplicación?, ¿cómo podría mejorar la navegación o el contenido del sitio?
- ¿Qué rendimiento tienen mis páginas de destino a lo largo del tiempo?, ¿los usuarios llegan a las diversas páginas en la misma proporción?
- ¿Cómo avanzan los usuarios en el embudo de compra?
- ¿Cuál es el progreso de los usuarios en los niveles de mi juego?
- ¿Qué fue lo que llevó a un usuario a agregar un producto al carrito?
- ¿Por qué quitaron mi aplicación los usuarios?
- ¿Hay intersecciones interesantes entre varios segmentos de mis datos?
- ¿Se comportan de manera diferente los usuarios según cuándo visitaron mi sitio por primera vez?
- ¿Cuáles son las fuentes de la referencia que generan los usuarios más valiosos?
¿Qué páginas de mi sitio o aplicación generan la mayor cantidad de vistas?
En Universal Analytics, es común ver el informe Páginas detallado con la dimensión "Ruta de la página" y métricas como "Vistas de página", "Vistas de página únicas" y "Porcentaje de rebote", entre otras. En las propiedades Google Analytics 4, el informe de páginas tiene un aspecto diferente, pero aun así le permite recrear fácilmente lo que busca como una exploración en Explorar.
En primer lugar, tendrá que habilitar una dimensión adicional. Hágalo usando el ícono + para agregar dimensiones en el panel Configuración de la pestaña (Tab Settings) en Explorar. Específicamente, agregará la dimensión "Ruta de la página + cadena de consulta" (Page path + query string). Si también deseas revisar tus datos por título de la página (en UA, el informe Páginas muestra "Ruta de la página"), puedes habilitar una dimensión adicional: "Título de la página y nombre de pantalla" (Page title and screen name).
A continuación tendrá que agregar la métrica "Vistas" (Views) para poder incorporarla en su exploración. Para ello, haga clic en el ícono + en la sección Métricas (Metrics) del panel Variables y busque la métrica "Vistas" para agregarla.
Para crear la exploración de páginas, necesitarás quitar las dimensiones y métricas predeterminadas de la configuración de filas y columnas y agregar "Ruta de la página + cadena de consulta" (Page path + query string) como dimensión de fila y "Vistas" (Views) como métrica de columna. Con fines de comparación, también puedes agregar "Usuarios activos" (Active users) como métrica de columna para tener una idea general de la popularidad de cada página por cantidad de usuarios únicos.
En el caso de Google Merchandise Store, si quitas la página principal (/) y la página del carrito, podrás ver rápidamente que las páginas de productos más populares son las secciones de liquidación (Clearance) y ropa para hombres (Apparel/Mens) del sitio web.
¿Qué páginas de destino tienen el mejor rendimiento o generan más conversiones?
Si sabe a qué lugar de su sitio web o aplicación llegan primero los usuarios, podrá optimizar la experiencia del usuario y sus iniciativas de marketing. En Universal Analytics, esos datos se muestran en el informe predefinido de la IU de informes. No obstante, en las propiedades Google Analytics 4, ese informe no existe aún. Por ello, podemos recrear dichos datos como una exploración desde cero en Explorar.
Para crear esta exploración, necesitarás utilizar algunos elementos importantes: la dimensión "Página de destino + cadena de consulta" (Landing page + query string) y las métricas relevantes, como "Vistas", "Sesiones" y "Usuarios". Utilice el ícono + para habilitar las dimensiones y métricas adicionales:
Una vez que tengas estas dimensiones y métricas disponibles, podrás comenzar a agregar la dimensión "Página de destino + cadena de consulta" (Landing page + query string) como una fila y las métricas relevantes, como "Vistas" (Views), "Sesiones" (Sessions) y "Usuarios activos" (Active users), como valores. Esto te permitirá explorar tus páginas de destino en función de estas métricas.
Si también agregas la métrica "Compras" (Purchases), podrás ver qué páginas de destino vieron los usuarios cuando realizaron una compra:
Ahora puedes consultar qué páginas de destino vieron los usuarios cuando realizaron una compra y comparar los totales generales para comprender mejor la eficacia de esas páginas.
¿Qué buscan los usuarios en mi sitio o aplicación?, ¿cómo podría mejorar la navegación o el contenido del sitio?
Otro informe común que puede crear en Explorar para una exploración es Búsquedas en el sitio. Para hacerlo, tiene que seguir dos pasos.
Primero, debe tener habilitado el evento de medición mejorada o uno personalizado para recopilar sus datos de búsquedas en el sitio. Si utiliza la medición mejorada, este evento se denominará "view_search_results". A continuación tendrá que asegurarse de haber habilitado el parámetro "search_term" como dimensión personalizada en su propiedad. Cuando lo haga, estará disponible para usarlo en Explorar.
Una vez que tenga disponibles los datos necesarios, podrá crear su exploración. Para ello, deberá seguir un par de pasos. Primero, tendrá que habilitar la dimensión "search_term" para poder usarla en su exploración:
Cuando esté habilitada, podrá agregarla a su exploración en el parámetro de configuración "Filas". A continuación verás un resultado similar al siguiente:
Dado que analiza todos los eventos, esta exploración muestra muchos valores que indican (no establecido). Para reducir el ruido, necesitará crear un filtro, específicamente "Nombre del evento" coincide exactamente con "view_search_results" (Event name exactly matches view_search_results), a fin de que solo se muestren los datos de ese evento:
Una vez que aplique el filtro, verá una exploración actualizada que le mostrará la cantidad de búsquedas de cada término enumerado, es decir, una exploración de términos de búsqueda en el sitio:
Saber lo que buscan los usuarios en su sitio web es un excelente punto de partida para optimizar su contenido a fin de aumentar la participación y la satisfacción de los usuarios. Por ejemplo, si observas un aumento repentino en un término de búsqueda específico, puede que te interese agregar más contenido relacionado con ese término para ayudar a los usuarios de tu sitio a encontrar más fácilmente lo que buscan o simplemente para responder sus preguntas.
¿Qué rendimiento tienen mis páginas de destino a lo largo del tiempo?, ¿los usuarios llegan a las diversas páginas en la misma proporción?
Cada exploración le permite utilizar varias opciones de visualización. Una que podría resultarte útil es el gráfico de líneas, con el que puedes analizar la tendencia de los datos a lo largo del tiempo. Si quieres consultar cuál es la tendencia de tus páginas de destino en el tiempo, basta con que hagas clic en una de las 6 opciones de visualización del panel Configuración (Settings) para cambiar el tipo de visualización.
Si elige el gráfico de líneas como tipo de visualización, se creará un gráfico con la tendencia de las 10 páginas de destino principales a lo largo del tiempo.
Si colocas el cursor sobre el gráfico, podrás ver los datos correspondientes a cada día.
También podrás consultar los datos de las anomalías, que se destacan con un círculo vacío. Solo tiene que colocar el cursor sobre un círculo vacío para que se muestre la información de la anomalía. En el siguiente ejemplo, según los datos recopilados anteriormente, Google Analytics preveía que alrededor de 1,000 usuarios activos visitarían la página principal el 2 de febrero, pero la cantidad observada de usuarios activos fue de 2,200, lo que representa un 116% más de lo esperado.
Los embudos son una herramienta excelente para visualizar fácilmente el progreso de los usuarios en una serie de pasos que usted imagina que llevan a cabo. Los casos de uso comunes de un embudo podrían ser un flujo de comportamiento de compra o confirmación de la compra para empresas de comercio electrónico. Si eres un desarrollador de juegos, es posible que quieras ver el progreso de los usuarios en los diferentes niveles de tu juego. Veamos ejemplos específicos de cada caso.
¿Cómo avanzan los usuarios en el embudo de compra?
Para el comportamiento de compra, es posible que desee analizar cómo los diferentes segmentos de usuarios avanzan en un embudo de ese tipo para ver un artículo, agregarlo al carrito y hacer la compra. Para comenzar, puede crear este embudo desde cero o usar una de las plantillas prácticas que están disponibles en la cuenta de demostración de Google Merchandise Store de GA4. Para elegir esta última opción, vaya a Exploraciones, desplácese hacia abajo y seleccione "Shopping Behavior Funnel" de la lista de exploraciones que indican "Demo".
Esta exploración se abrirá como de solo lectura, pero puede hacer clic en "Hacer una copia" (Make a copy) en la esquina superior derecha a fin de copiar esta exploración de demostración y pasar a ser su propietario. Una vez que tenga una copia, podrá editarla y adaptarla como mejor le convenga.
Google Merchandise Store vende artículos de marca de Google, y 2 categorías de artículos populares en el sitio son los de marca de Android y los de marca de YouTube. La comparación de estas 2 categorías de artículos podría ser útil para comprender el comportamiento de compra. Para ello, es conveniente que crees dos segmentos nuevos, uno para cada categoría. En este caso, puede crear un segmento con una condición que incluya el evento "select_item", configurado con el parámetro "item_name" contiene "Android" o "YouTube".
Esos segmentos mostrarán los usuarios que avanzaron en el embudo de comportamiento de compra, es decir, que al menos hicieron clic en un producto de marca de Android o de YouTube. Un punto interesante es que, al parecer, la probabilidad de comprar algo resultó ser casi 2 veces mayor en los usuarios que al menos hicieron clic en un producto de marca de Android que en aquellos que interactuaron con uno de marca de YouTube. Obsérvese que esto no significa que compraron un producto de marca, sino que hicieron clic en él. Si solo le interesara consultar las compras de artículos de marca específicos, tendría que utilizar el evento purchase como se muestra a continuación:
Una vez que haya aplicado esos segmentos, su comparación del embudo de comportamiento de compra tendrá el siguiente aspecto:
Una nueva función de los embudos en GA4 es la capacidad de observar la tendencia del embudo en cuestión en el tiempo. Para ello, cambie el tipo de visualización a "Embudo con tendencias a través del tiempo" (Trended funnel) en el panel Configuración de la pestaña (Tab Settings). Se abrirá una vista del embudo con tendencias a través del tiempo que mostrará todos los pasos correspondientes. Puedes desplazarte sobre esos pasos para revisar la cantidad diaria de cada paso y segmento.
También puede ver la tendencia de un solo paso a la vez para visualizar más fácilmente los cambios a lo largo del tiempo. En este ejemplo, puedes ver que el 10 de marzo hubo un aumento repentino en las compras que no era evidente en la vista anterior de los datos. Curiosamente, la diferencia en las compras de los usuarios que vieron artículos de Android y de YouTube parece ocurrir casi por completo después de ese aumento repentino, lo que indica que es posible que haya habido un cambio en el diseño del sitio web o en las iniciativas de marketing que dio lugar a que los productos de Android se destacaran más a partir de ese momento.
¿Cuál es el progreso de los usuarios en los niveles de mi juego?
Esta es una pregunta común que podría tener un desarrollador en cuanto a su juego o aplicación, y un embudo le permitirá analizar la cuestión.
Primero, tendrá que crear los pasos específicos del progreso en cada nivel. En este ejemplo, puedes usar el evento "level_up" y crear 5 pasos para 5 niveles en la cuenta de demostración Flood-It! de GA4.
Una vez aplicados estos pasos, podrá ver el progreso de los usuarios en cada nivel del juego.
Al parecer, los usuarios que pasan el nivel 1 tienen más probabilidades de seguir jugando. Esta información podría ayudarlo a realizar pruebas A/B de situaciones en las que les presenta a los usuarios sugerencias o métodos para completar el nivel 1, con lo que podría reducir la deserción.
Si consulta la tendencia del embudo anterior a lo largo del tiempo, también notará un aumento en todos los pasos alrededor del 19 de marzo en adelante, lo que indica que algo podría haber cambiado en cuanto a la promoción o visibilidad del juego en ese momento.
Además, puedes segmentar ese embudo para revisar si diferentes canales de adquisición impactan en el progreso general en los niveles. En este ejemplo, puede analizar la adquisición generada por Tráfico directo (Direct traffic) y Tráfico pagado (Paid traffic). Como puede ver, los usuarios que se adquirieron mediante campañas pagadas permanecen más tiempo (porcentajes de abandono más bajos) que aquellos adquiridos de forma directa, lo que indica que su publicidad pagada podría estar funcionando según lo previsto.
Otra función muy útil de la Exploración de embudo es que le permite crear un segmento o un público desde el punto de abandono. En el siguiente ejemplo, notará que el porcentaje de abandono comienza a aumentar aproximadamente en el nivel 4. Así, es posible que desee crear un segmento de los usuarios que abandonaron en el nivel 4 (es decir, que no llegaron al nivel 5) y usarlo como público para ampliar su alcance o enviar una notificación push a fin de alentar a los usuarios a volver al juego para terminar el nivel y seguir avanzando.
Para crear ese segmento, haga clic con el botón derecho en el paso que le interesa y elija la opción correspondiente. El segmento que le convendrá utilizar aquí también tendrá que incluir criterios de exclusión para el nivel 5 de modo que pueda estar seguro de que la segmentación abarque al público adecuado.
Por último, otra cosa que tal vez quiera agregar a su exploración de embudo es la nueva métrica "Tiempo transcurrido" (Elapsed time). Para hacerlo, active el botón "Mostrar tiempo transcurrido" (Show elapsed time) en el panel de configuración. De esta forma se agregará a la tabla una nueva columna para esa métrica:
Ver el tiempo promedio que se tarda en avanzar de un paso a otro puede ser un excelente indicador del éxito del cliente o, en este caso, de qué tan fácil o difícil es progresar en un nivel. También podría ser una buena oportunidad para crear un público al cual desea llegar, ya sea mediante una notificación push o un mensaje de remarketing. Por ejemplo, como puede ver, los usuarios tardan en promedio 3 h y 53 min en completar el nivel 2. En este caso, podría crear un público relacionado con el abandono haciendo clic con el botón derecho y eligiendo la opción correspondiente:
En particular, podría aprovechar ese público como una excelente manera de motivar a los usuarios con el fin de evitar su deserción de la aplicación o el juego.
En Explorar de GA4, una función nueva y de gran utilidad es la Exploración de la ruta. Ahora, puedes elegir un evento o una página/pantalla en particular y trazar la ruta anterior o posterior a un punto de referencia para consultar de qué manera avanzan los usuarios en tu sitio o aplicación. Poder comprender el flujo de usuarios de un sitio era una solicitud de función que estaba pendiente desde hace mucho tiempo, pero ya está disponible en GA4 para que puedas crear nuevas exploraciones de la ruta.
¿Qué fue lo que llevó a un usuario a agregar un producto al carrito?
Esta es una pregunta relevante para muchos sitios de comercio electrónico y ahora se puede aclarar mediante una investigación con la función de trazado de ruta anterior a un punto de referencia.
Para comenzar, abra una nueva exploración de la ruta y seleccione "Volver a empezar" en la esquina superior derecha. A continuación podrá seleccionar el punto de finalización. Luego elija "Nombre del evento" (Event name).
En el menú desplegable, tendrá que elegir el evento para el que desea trazar la ruta anterior al punto de referencia. En este caso, como quieres revisar qué fue lo que llevó a los usuarios a agregar un producto al carrito, deberás elegir "add_to_cart". Si no ves el nombre del evento que te interesa, selecciona "Cargar más" o usa la barra de búsqueda en la parte superior para encontrarlo.
La exploración se cargará con un par de pasos ya propagados en función del nombre del evento. Si, por el contrario, desea trazar la ruta por nombre de la página, puede hacer el cambio en el paso específico. En el siguiente ejemplo, se hizo un cambio a "Título de la página y clase de pantalla" (Page title and screen class) y se puede observar que una cantidad aceptable de usuarios agregaron productos al carrito desde la página Sale. Para fundamentar tu estrategia de marketing, es posible que quieras investigar más a fondo esa página para saber si los usuarios demostraron un mayor interés en determinados artículos.
¿Por qué quitaron mi aplicación los usuarios?
Para los desarrolladores de aplicaciones, una gran preocupación es la deserción (es decir, los usuarios que quitan la aplicación). Trazar una ruta hacia atrás puede ser un recurso de gran utilidad para descubrir qué llevó a los clientes a desertar de una aplicación. Para comenzar, en la parte superior de una exploración de la ruta, tendrá que seleccionar el botón "Volver a empezar" para crear una nueva ruta hacia atrás. A continuación tendrá que elegir el nombre del evento "app_remove" en primer lugar.
Si trazas una ruta hacia atrás un par de pasos, empezarás a observar actividades que podrían haber dado lugar a la deserción. En este caso, puedes ver que aproximadamente el 13% de la deserción corresponde a usuarios que habían visto una impresión de anuncios en alguno de los 2 pasos anteriores al momento de quitar la aplicación. Este es un porcentaje bastante alto que te indica que tal vez tendrías que optimizar la forma en que muestras anuncios para reducir el impacto negativo en los usuarios y, por ende, reducir la deserción.
¿Hay intersecciones interesantes entre varios segmentos de mis datos?
La técnica de superposición de segmentos es una excelente manera de visualizar fácilmente cómo interactúan distintos segmentos de usuarios. Por ejemplo, podría visualizar la superposición de usuarios de computadoras de escritorio y usuarios de dispositivos móviles que se suscribieron al boletín informativo de un sitio. Esto podría servirle para ver más fácilmente de dónde provienen la mayoría de los registros en el boletín informativo, en lugar de desglosar la exploración en una tabla para obtener esa información.
Para aprovechar esta técnica, primero tendrá que agregar al panel de variables los segmentos que desea analizar. Haga clic en el ícono + para agregar segmentos nuevos (esta acción abrirá el Creador de segmentos).
Para crear el evento de registro en el boletín informativo, seleccione un segmento de eventos y elija el evento adecuado que quiere usar para filtrar la información (en este caso, "sign_up").
Una vez que haya creado los segmentos que desea visualizar, tendrá que aplicarlos haciendo doble clic en ellos para que se agreguen al panel Configuración de la pestaña (Tab Settings). Puede agregar hasta 3 segmentos a la vez para visualizar su superposición mediante un diagrama de Venn.
En este ejemplo, se agregaron los segmentos "Tráfico de computadoras de escritorio" (Desktop traffic), "Tráfico de dispositivos móviles" (Mobile traffic) y "Registro en el boletín informativo" (Newsletter Signup) para mostrar de dónde provienen la mayoría de los registros en el boletín informativo.
Como puedes observar en el diagrama de Venn y la fila 6 de la tabla que se muestra abajo, la gran mayoría de los registros en el boletín informativo provienen de usuarios de computadoras de escritorio. Esto podría indicar que la experiencia en dispositivos móviles no se ajusta a ese objetivo o que tal vez hay algún problema de UX que impide que los usuarios puedan registrarse fácilmente en el boletín informativo. Esta es una conclusión que tal vez sea conveniente analizar con los equipos de desarrollo y UX de su empresa.
Una función muy útil de la técnica de superposición de segmentos es la posibilidad de crear un nuevo segmento a partir de una superposición. Por ejemplo, si desea crear un nuevo segmento que incluya el tráfico de computadoras de escritorio y los registros en el boletín informativo, puede hacer clic con el botón derecho en la porción visual de los datos que le interesan, ya sea en el diagrama de Venn o en la tabla, y seleccionar la opción para crear un segmento.
Esa acción abrirá el Creador de segmentos con las condiciones preseleccionadas según el conjunto de segmentos que haya elegido. También se asignará el nombre descriptivo de las condiciones combinadas como nombre del segmento, pero podrá cambiarlo si lo desea.
Además, podrá marcar la casilla en la esquina superior derecha para crear un público a partir de esa superposición, lo que le permitirá compartirlo con otros productos de Google Marketing Platform, como Google Ads, a fin de aumentar su alcance.
¿Se comportan de manera diferente los usuarios según cuándo visitaron mi sitio por primera vez?
La Exploración de cohorte es una herramienta útil que le permite comprender el comportamiento de los distintos grupos de usuarios de su sitio en función de cuándo y cómo se agregan a una cohorte. Cambiar la métrica o el cálculo de lo que está analizando en una exploración de cohorte puede resultarle de mayor utilidad.
En Explorar, cuando abras una nueva exploración de cohorte por primera vez, notarás una exploración generada con los siguientes parámetros de configuración: first_touch como valor de inclusión en la cohorte (es decir, cómo entró un usuario en la cohorte, lo que en este caso se establece en la primera vez que visitó el sitio o la aplicación); cualquier evento como valor de los criterios de retorno (lo que significa que el usuario volvió al sitio o la aplicación y realizó cualquier acción); usuarios activos como métrica, y un cálculo establecido en el tipo estándar. Esto da como resultado una exploración de cohorte básica que le muestra cuántos usuarios vuelve a atraer a su sitio cada semana en el transcurso de 5 semanas, además de si esto varía según el momento en que ingresaron en su sitio o aplicación por primera vez.
Si cambia el tipo de métrica de esta exploración de "Suma" a "Por usuario de la cohorte" (Per cohort user), podrá tener una idea de los porcentajes de retorno por semana. Es probable que esto le parezca más útil que la suma de esta vista particular, ya que le presenta una idea aproximada de cómo se compara cada cohorte en lo que respecta a los usuarios recurrentes.
En el caso de un sitio de comercio electrónico, también podría resultarte útil cambiar el valor de la métrica Usuarios activos a la métrica "Ingresos por compras" (Purchase revenue) para ver no solo los usuarios, sino también el valor de los ingresos que genera cada cohorte. Puede consultar esto como con la suma de la cohorte o bien por usuario de la cohorte. En el siguiente ejemplo, puedes ver que las 2 primeras cohortes generaron muy pocos ingresos cada semana, pero que estos comienzan a aumentar a partir de la tercera cohorte.
Si cambias el tipo de cálculo de Estándar a Acumulativo (Cumulative), observarás el impacto general de cada cohorte en los ingresos de la empresa.
En este ejemplo, los datos sugieren que, alrededor de la semana del 7 de marzo en adelante, es probable que haya habido un aumento en las iniciativas de marketing con el fin de que Google Merchandise Store atraiga los usuarios con más probabilidades de realizar una conversión.
¿Cuáles son las fuentes de la referencia que generan los usuarios más valiosos?
Conocer esta información puede ayudarlo a informar a su equipo de marketing qué fuentes de la referencia podrían adoptar como socios. En este caso, el valor indica que los usuarios tienen menos probabilidades de desertar, ofrecen ingresos previstos más altos desde el principio y tienen un LTV histórico mayor.
Para crear esta exploración, primero tendrá que incorporar las métricas y dimensiones necesarias a fin de explorar aspectos como la deserción, el LTV y los ingresos desde el principio. Para ello, se utilizan la fuente y el medio como dimensiones y, con el ícono + de la sección de métricas del panel de variables, se agregan algunas métricas adicionales desde la sección "Ciclo de vida del usuario" (User lifetime).
Una vez que apliques esas dimensiones y métricas, notarás que muchas filas no muestran valores para la probabilidad de deserción, ya que los usuarios correspondientes no reúnen los requisitos del modelado de predicción de la deserción. Por eso puede crear un filtro en el que la probabilidad de deserción sea mayor que 0 para excluir a todos los usuarios que no tengan calculada una probabilidad al respecto. A continuación podrá consultar una exploración clara como la siguiente:
Luego, podrás ordenar tus datos por probabilidad de deserción y revisar si existe alguna campaña con una cantidad considerable de usuarios y una deserción prevista que sea baja. Es probable que esas campañas generen usuarios con un mayor nivel de participación que aquellas que tienen un valor previsto de deserción más alto.
De manera similar, puede observar las compras previstas, el LTV histórico y la participación predictiva para identificar el valor de los usuarios adquiridos que van más allá de una única sesión.
En este caso, en la siguiente captura de pantalla, hay algunas filas de referencias de Google Merchandise Store que son ajenas a Google y que incluyen una cantidad baja de usuarios, pero con una probabilidad baja de deserción, una duración mayor de la participación, una cantidad de transacciones más alta y un buen LTV promedio. Estas referencias parecen indicar un valor óptimo para la tienda, por lo que nuestra recomendación es que el equipo de marketing adopte dichas fuentes de la referencia con el fin de mantener una relación más fructífera.