GOOGLE

ANALYTICS,
NUESTRO SOCIO
EN LA AVENTURA
Analítica Web
ANALÍTICA WEB. MÓDULO 3

1. ALGUNOS DE LOS FALLOS MÁS COMUNES EN ESTADÍSTICA

Y ANALÍTICA DIGITAL ....................................................................... 2

1. 1. Los promedios no siempre explican el comportamiento de tu usuario 2

1.2. Analizar KPI’s que realmente no son importantes para nuestro negocio . 3
1.3. La correlación no implica causalidad ............................................................... 5
1.4. Los sesgos cognitivos del analista y el equipo de marketing .................. 6

2. SACÁNDOLE JUGO A GOOGLE ANALYTICS, QUE NO TE

ENGAÑEN LOS DATOS ................................................................... 10

3. PRINCIPALES ERRORES DE INTERPRETACIÓN EN GOOGLE

ANALYTICS ...................................................................................... 11

3.1. No confundas entre las métricas y las dimensiones ............................... 11

3.2. Interpreta adecuadamente el Porcentaje de Rebote ............................ 13
3.3. Que no te engañe el “Tiempo en el sitio”................................................. 13
3.4. Analytics no es la verdad y nada más que la verdad ............................... 14
3.5. Tienes que tomarte el tiempo adecuado antes de sacar conclusiones
de los datos. .............................................................................................................. 15

4. BIBLIOGRAFÍA RECOMENDADA .......................................... 15

Afila tu mente para que analytics
no te engañe
Conviértete en un explorador experto

Hemos visto las principales métricas que nos ofrece Google Analytics e
incluso hemos conocido por encima a alguna de sus compañeras de viaje,
como Google Optimize.

Sin embargo Google Analytics tiene mucho más donde rascar y es por eso que
en éste descargable vas a encontrar algunos de los trucos que te van a
destacar, todavía más, como un explorador experto y con látigo.

En éste descargable vas a poder entender con un poco más de profundidad

cómo entender algunos datos y KPI’s en cada pestaña de Google Analytics,
teniendo en cuenta alguno de los fallos estadísticos más comunes y a que
debes de atenerte antes de dar por ciertos determinados datos.
ANALÍTICA WEB. MÓDULO 3

1. ALGUNOS DE
LOS FALLOS MÁS
COMUNES EN
ESTADÍSTICA Y
ANALÍTICA
DIGITAL
1. 1. LOS PROMEDIOS NO SIEMPRE EXPLICAN EL
COMPORTAMIENTO DE TU USUARIO

Cuando empieces a extraer datos de Analytics y te des cuenta de ciertos

comportamientos de tus usuarios, pronto empezarás a detectar patrones y
establecer promedios, sobre todo cuando empiezas a trabajar con grandes
cantidades de datos. Ten en cuenta, además, que Google Analytics comienza
a hacer promedios cuando empieza a tener demasiada información de visitas.

¿A qué nos referimos aquí? Bien. Imagínate que queremos analizar la forma
en la que los españoles beben vino, y llegamos a la conclusión de que se vende
tanta cantidad de vino como para dar de beber una copa de vino al día a cada
español.

Esto nos daría el promedio de una copa de vino al día por cada español. Pero,
¿realmente sería cierto? No, porque muchos españoles beben 4 copas de vino
al día, otros no beben nada, y otros lo que beben son cañas.

¿Cómo se puede aplicar esto a la analítica digital? Bien, imagínate que

detectamos que nuestro ticket medio de compra son 45€.

Esto nos puede ofrecer una pista sobre qué ofertas hacer, por ejemplo,
podemos poner gratis los gastos de envío a partir de 50€ para intentar que la

2
ANALÍTICA WEB. MÓDULO 3

gente se gaste un poquito más de lo que se suele gastar. Sin embargo,

¿realmente nos está aportando información acerca del comportamiento de
nuestros diferentes tipos de usuario?

Bien, no. Probablemente sea así, pero muy probablemente tengamos

usuarios que se gasten 20€ y otros 90€, e incluso seamos capaces de detectar
de dónde vienen y cómo son cada uno de ellos si tenemos la capacidad de
intentar buscar un poco más allá de los datos de promedio.

En analítica web tenemos siempre que preguntarnos un poco más acerca de

la veracidad de los datos de promedio o de los patrones de comportamiento,
para saber si de verdad están haciendo referencia a la mayoría de los usuarios
o bien estamos incluyendo diferentes tipos de usuario dentro del mismo saco.

imagen no propia, de “Escuela de Datos”

En esta imagen se detecta cómo tres gráficas de comportamiento tienen el

mismo promedio, sin embargo, son muy diferentes entre sí. De una forma
gráfica entendemos cómo con el mismo dato podemos estar analizando tres
patrones muy diferentes.

1.2. ANALIZAR KPI’S QUE REALMENTE NO SON IMPORTANTES

PARA NUESTRO NEGOCIO

Muchas veces, si nuestro rol como analista web es independiente de nuestro

papel como responsable de las acciones de marketing digital tendremos que
ejercer de auténticos policías de la información.

3
ANALÍTICA WEB. MÓDULO 3

No es extraño que un Community Manager, un responsable de SEO o la

persona que se encarga de la publicidad se enfoquen en mejorar KPI’s que
tienen que ver con demostrar su desempeño pero que no son realmente
importantes para el negocio.

El analista digital tiene que velar siempre porque se cumplan, siempre, los
objetivos del negocio por encima de justificar o no las estrategias de
marketing digital o de publicidad que se están llevando a cabo.

Un error muy común al evaluar la estrategia digital de las redes sociales (de
las más difíciles de justificar) es guiarnos única y exclusivamente por la
cantidad de RT’s o MeGusta que tienen los post en Linked In, Facebook,
Twitter o Google Plus. Parece que simplemente con que éste número sea alto,
estamos dando a entender que nuestro post en redes sociales ha sido un
éxito. Pero, ¿esto siempre es así? Pues no, o no exactamente.

Está claro que si un post se comparte muchas veces es porque es un post

mejor que los que se han compartido menos y nos va a dar visibilidad en las
redes sociales, pero tenemos que enfocarnos en ver si de verdad ése post nos
está trayendo el tráfico que necesitamos para convertirse en Leads dentro de
la web.

¿Qué aspectos tendríamos que comprobar en Este caso?

• Si realmente éste contenido se ha compartido, pero luego se ha visitado

realmente en la web. Es decir, puede que fuese un título muy atractivo o
una imagen muy divertida pero la gente no haya acabado por visitar la
web, aunque le ha hecho gracia el título, luego no ha ido a leerlo de verdad.
De forma que prácticamente no nos ha servido de nada (sólo para la
visibilidad de nuestras redes sociales).

4
ANALÍTICA WEB. MÓDULO 3

• Puede que estemos distribuyendo contenido que no es interesante para

conseguir followers fácilmente pero no encuentra realmente a nuestro
público objetivo. Pongamos un ejemplo: es muy fácil conseguir viralidad
con imágenes graciosas o frases hechas, pero es muy difícil crear
contenido que realmente le interese a los responsables de marketing de
las empresas o a los CEO’s de las compañías de más de 10 trabajadores. El
analista web tiene que identificar si el tráfico de redes sociales realmente
convierte dentro del embudo de conversión y generar leads, o es
simplemente una forma de ganar visibilidad en la red social para un
público que no nos interesa.

De la misma forma, el analista web tiene que determinar si las palabras clave
por las que está posicionando el responsable de SEO son realmente
importantes para el negocio y atraen el público que realmente necesitamos.

Puede que el responsable de posicionamiento en buscadores se haya

enfocado en palabras más fáciles de posicionar pero que no nos aportan valor
real dentro de nuestra página web.

1.3. LA CORRELACIÓN NO IMPLICA CAUSALIDAD

Fuente: Gaussianos.com

El hecho de que dos variables aumentan a la vez no significa que una sea
consecuencia de la otra. Parece muy sencillo, pero es muy equivocarnos en
éste aspecto, por ejemplo podemos equivocarnos y pensar que nuestro
aumento de tráfico en la web es consecuencia del aumento de visibilidad en
redes sociales, pero no darnos cuenta de que ambos aumentos tienen que ver
con que se ha hecho una campaña de publicidad, por ejemplo, o porque de

5
ANALÍTICA WEB. MÓDULO 3

repente hemos empezado a posicionar por una palabra clave realmente

importante.

No es nada raro encontrarnos en los medios de comunicación noticias de éste

estilo:

• Un estudio afirma que cuanto más A, más B.

• Un estudio afirma que quienes son A, tienen menos B.

Todas estas afirmaciones son formas de decir que A tiene que ver con B,
cuando muchas veces es una tercera variable la que está influyendo en los
comportamientos de ambas variables.

Como analistas digitales tenemos que tener siempre la sospecha detrás de

los parecidos entre variables antes de sacar conclusiones precipitadas, e
incluso tener en la cabeza que a veces la existencia de una correlación entre
dos variables es fruto de la mera casualidad (que no causalidad).

Esto también sucede en la forma contraria, es decir, probablemente nos

encontremos variables que no tienen correlación pero que sí son
consecuencia la una de la otra, por ejemplo porque la ausencia de una
provoque la existencia de la otra.

1.4. LOS SESGOS COGNITIVOS DEL ANALISTA Y EL EQUIPO

DE MARKETING

Uno de los principales motivos de error de todos los analistas es la forma en

la que vemos el mundo y cómo tenemos construida nuestra propia cabeza. Ya
te has dado cuenta de que la sospecha acerca de lo que te dicen los datos ha
de ser siempre una máxima, pero no sólo has de sospechar de eso sino de ti
mismo.

¡Te avisamos de que tenías que ser un explorador, y eso significa que nunca
tienes que estar seguro de lo que ves! Sobre todo, ten en cuenta estos sesgos
a la hora de realizar conclusiones acerca de los datos o establecer
recomendaciones sobre actuaciones, puede que estés sufriendo alguno de
ellos.

Vamos a ver algunos de los sesgos cognitivos más habituales que se suelen
dar no sólo en la analítica web sino en las propias estrategias de marketing en

6
ANALÍTICA WEB. MÓDULO 3

general y que te ayudarán a darte cuenta de si tú o tu equipo estáis sufriendo

alguno de ellos.

El efecto Dunning - Kruger

El efecto Dunning - Kruger es un curioso sesgo cognitivo que se estudió en la

Universidad de Cornell. Nos indica que los individuos con escasos
conocimientos y habilidades, tienen una falsa percepción de superioridad con
respecto a los demás y además tienen una falsa concepción de sus
habilidades, creen que son mejores de lo que realmente son.

¿Cuándo nos debe preocupar el efecto Dunning - Kruger? Bien, pues por
ejemplo cuando revisamos ciertas opiniones de clientes, antes de hacerles
caso realmente tenemos que verificar si son realmente nuestro público
objetivo y mantener la confianza en nuestro producto, o bien cuando estamos
evaluando los resultados de algún responsable de nuestra estrategia digital
que no esté convenientemente formado.

Generalización de inducción errónea

Pasa mucho cuando estamos tratando de identificar el comportamiento de

nuestro público objetivo. Mediante la falacia de la inducción errónea
suponemos que todos los individuos de un colectivo, grupo o clase tienen x
comportamientos en base a unos pocos que conocemos.

Suele ser muy común cuando describimos grupos que son contrarios a
nosotros o que no llegamos a comprender del todo, y pasa también en
analítica digital.

Por ejemplo, nuestro público objetivo son los padres y madres de niños de 2
años y nos damos cuenta de que 10 de esos usuarios dentro de nuestra web
se ven atraídos por ciertos colores y textos en nuestra web, así que pronto
identificamos que ese público objetivo en general y en concreto ha de
comportarse de la misma forma, pero no tiene por qué ser cierto.

Heurística de la disponibilidad

La heurística de la disponibilidad es una especie de atajo mental que

utilizamos para sacar conclusiones, mediante el cual pensamos que es más
probable que pase un suceso que estamos más acostumbrados a ver,
asociándolo a nuestros propios recuerdos.

7
ANALÍTICA WEB. MÓDULO 3

Pero el caso es que normalmente recordamos con más asiduidad los eventos
que nos son más comunes, y solemos desechar los que son eventuales de
nuestros recuerdos.

Por ejemplo, puede que asociemos que cierto aumento de visitas tiene que
ver con un aumento en la publicidad en cierto medio porque ha pasado
habitualmente, y porque no recordamos que en otras ocasiones se ha debido
a otros factores.

“Cuanto más accesible es un

suceso, será más frecuente y
probable; cuanto más viva es la
información, será más
convincente y fácil de recordar; y
cuanto más evidente resulta algo,
más causal parecerá.” Plous, 1993.
Muchos de los recuerdos que tenemos o mucho de lo que consideramos
habitual no es real, sino que proviene de medios externos, en especial de los
medios de comunicación de masas. Esto distorsiona lo que realmente es
evidente y real, por ejemplo, con respecto a las amenazas reales que existen
en nuestro entorno, y cosas que en realidad son extraordinarias o
espectaculares nos parecen habituales, sesgando nuestras conclusiones
acerca de los datos que obtenemos.

El sesgo de confirmación

Es uno de los sesgos más peligrosos, porque es el que se da más

habitualmente. Tendemos a analizar los datos de forma que siempre tienden
a confirmar lo que realmente queríamos que pasase.

Es realmente difícil aceptar que estábamos equivocados en nuestras

estrategias o en nuestras hipótesis, de forma que siempre vamos a tender a

8
ANALÍTICA WEB. MÓDULO 3

pensar que los datos confirman nuestros deseos antes que lo contrario, y es
que es realmente fácil interpretar los datos de la forma en que queremos
verlos.

Falacia arreglo de bulto, o sesgo conservador

No es ningún misterio que las personas solemos pensar que las cosas son
como siempre hemos creído antes que pensar que hay datos que niegan la
forma en la que vemos las cosas y que es conveniente que cambiemos la
estrategia.

Las personas, prácticamente siempre, tenemos tendencia a preferir que las

cosas sigan como están antes que pensar en cambiarlas, y esto nos confunde
a la hora de interpretar datos y analíticas.

Sesgo de la negatividad

Está científicamente comprobado que las personas damos más peso a las
cosas negativas que a las positivas. Es una herramienta del cerebro para
sobrevivir, nuestros antepasados tenían que estar siempre alerta ante un
entorno amenazante.

Y probablemente también tu cliente sea así, de forma que normalmente le

pesarán los datos negativos mucho más que los positivos.

Apofenía o Ilusión de Serie

Imagen Film. Una mente maravillosa

9
ANALÍTICA WEB. MÓDULO 3

Los seres humanos tenemos tendencia a ver patrones, conexiones y

tendencias en situaciones donde ni siquiera existen. Es algo que nos encanta
e incluso nos llega a otorgar algo de placer, así que tenemos que tener mucho
cuidado de ver patrones donde no los hay.

2. SACÁNDOLE
JUGO A GOOGLE
ANALYTICS, QUE
NO TE ENGAÑEN
LOS DATOS
Los fallos que hemos visto hasta ahora son muy comunes y seguramente
vayan a ser tus compañeros de viaje, como has visto vas a tener que estar
preguntándote todo el tiempo si lo que ves, es realmente lo que ves o te estás
engañando.

El hecho de contar con una mente especialmente afilada y desconfiada te

ayudará a ser un analista especialmente bueno, sobre todo si eres capaz de
dudar incluso de tus propias concepciones.

En este capítulo vamos a ver qué preguntarnos para sacar verdadera

información en cada uno de los paneles de Google Analytics para que los
datos te digan exactamente lo que necesitas saber.

10
ANALÍTICA WEB. MÓDULO 3

3. PRINCIPALES
ERRORES DE
INTERPRETACIÓN
EN GOOGLE
ANALYTICS
La forma en la que sacamos conclusiones de determinadas métricas puede
ser errónea en muchas ocasiones. Las más comunes vamos a verlas en este
apartado. ¿te atreves?

3.1. NO CONFUNDAS ENTRE LAS MÉTRICAS Y LAS

DIMENSIONES

Las dimensiones son atributos de los datos, por ejemplo, “Málaga” como
ciudad o una url como la dimensión de una “página”. Son atributos
cualitativos, que no hacen referencia a números.

Las métricas, por otra parte, son numéricas, cuantitativas. Por ejemplo, el
número de sesiones, el número de páginas vistas o el número de usuarios, en
Analytics encontramos siempre las dimensiones en filas, y las métricas en
columnas, como en este caso.

11
ANALÍTICA WEB. MÓDULO 3

DIMENSIÓN MÉTRICA MÉTRICA

CIUDAD SESIONES PÁGINAS / SESIÓN
Aranjuez 5000 3,74

Berlín 4000 4,55

Si quieres, puedes añadir en tu informe de Analytics una nueva dimensión o

dimensión secundaria.

DIMENSIÓN DIMENSIÓN MÉTRICA MÉTRICA

CIUDAD NAVEGADOR SESIONES PÁGINAS / SESIÓN
Aranjuez Chrome 3000 3,5

Aranjuez Firefox 2000 4,1

Berlín Chrome 2000 5,5

Berlín Safari 1000 2,5

Berlín Firefox 1000 4,7

Las dimensiones nos dirán la calidad real de las métricas. Por ejemplo puede
que tenga un número muy alto de visitas, pero que todas vengan de un país
en el que no vendo mis servicios, o sean de spam. En ese caso la métrica no
me estaría diciendo nada, serían visitas completamente inútiles y
probablemente no lo sabría a no ser que lo interprete con la dimensión
apropiada

Puede ser que tenga un número alto de visitas por página, y esto es
normalmente bueno, pero he de detectar si se trata de que tengo un sitio
realmente interesante o es porque es tan confuso que la gente no es capaz
de encontrar lo que está buscando.

12
ANALÍTICA WEB. MÓDULO 3

3.2. INTERPRETA ADECUADAMENTE EL PORCENTAJE DE

REBOTE

Google Analytics interpreta “rebote” como toda visita que abandona el sitio
sin realizar ninguna interacción que Analytics sea capaz de medir, esto
significa que probablemente haya hecho interacciones pero que Google
Analytics no haya sido capaz de medirlo.

Comprueba siempre que aquello que quieres que pase dentro de una Landing
Page específica es realmente susceptible de ser medido por Google Analytics,
y de no ser así, dale mucha menor importancia al porcentaje de rebote de la
que pueda tener en un principio.

3.3. QUE NO TE ENGAÑE EL “TIEMPO EN EL SITIO”

La forma en la que Google Analytics calcula el tiempo que el usuario está

navegando en nuestro sitio es calculando el tiempo que pasa desde la primera
interacción con el sitio hasta lo último que hace antes de salir.

Es decir, que todo el tiempo en el que el usuario está en la última página que
visita pero no está haciendo nada, no se contabiliza.

Imagen sacada de Reduser.com

En este caso tenemos un rebote típico. El usuario ha visitado la página y se ha

ido en 7 segundos, es decir, probablemente no le ha interesado nada lo que
ha visto.

13
ANALÍTICA WEB. MÓDULO 3

Imagen sacada de Reduser.com

Sin embargo, en éste caso el usuario ha visitado una página, probablemente

con un formato de “onepage” y ha estado más de 4 minutos en el sitio. Ha
estado leyendo e interesándose por el contenido pero no ha tenido ninguna
interacción. Sigo teniendo un porcentaje de rebote del 100% pero no es un
rebote como tal.

Por ello es muy importante que valore el porcentaje de rebote con respecto
al tiempo de estancia en la página y otra serie de métricas.

3.4. ANALYTICS NO ES LA VERDAD Y NADA MÁS QUE LA

VERDAD

“Los datos son sólo una pista de la

verdad final” Josh Smith
Existe cierto porcentaje de tus datos que va a estar contaminado por visitas
de robots y de tus propias visitas.

Por otra parte, muchas de las visitas que lleva la publicidad online no son
contabilizadas porque Google Analytics no ha tenido tiempo a contabilizar el
script dentro de la página del usuario.

Es importante que tengas en cuenta esto antes de realizar conclusiones

acerca de tus propias visitas.

14
ANALÍTICA WEB. MÓDULO 3

3.5. TIENES QUE TOMARTE EL TIEMPO ADECUADO ANTES

DE SACAR CONCLUSIONES DE LOS DATOS.

Es importante analizar cuál es el tiempo mínimo en el que has de comprobar

si una estrategia nueva está teniendo realmente éxito o no, lo mínimo es una
semana y lo recomendable al menos un mes.

4. BIBLIOGRAFÍA
RECOMENDADA
• http://www.certificaciongoogleanalytics.com/libro-google-analytics/

15
ANALÍTICA WEB. MÓDULO 3

16