El marketing digital es la promoción de productos o marcas a través de canales electrónicos, y su gran ventaja frente al marketing tradicional es que se puede medir. Con la analítica adecuada, un negocio de eCommerce muchas veces puede rastrear el gasto en marketing hasta una venta específica, y conocer los datos demográficos, el momento, el dispositivo y la fuente detrás de ella. Ninguna investigación de mercado offline, por costosa que sea, ofrece ese nivel de detalle. El problema es que los datos no valen nada hasta que se convierten en decisiones, y la mayoría de las tiendas recopilan mucho más de lo que aprovechan.
Lo básico: las métricas no son información útil
La analítica son solo números hasta que les das contexto. Las métricas se convierten en información útil solo cuando las usas para retener clientes, conseguir nuevos o aumentar los ingresos; la pregunta siempre es "¿qué cambiamos por este número?", no "¿qué es este número?". El primer paso es simplemente tener acceso a información confiable, porque ese acceso es lo que te permite responder al comportamiento real de los clientes en lugar de adivinar: lanzar un producto cuando los datos de demanda lo indican, dirigir una oferta a un segmento o corregir un paso donde ves que la gente se va.
Las métricas clave de eCommerce que vale la pena vigilar
- Tasa de conversión: el porcentaje de visitantes que completan una compra; el número con más poder de palanca en la tienda.
- Valor promedio del pedido: lo que vale el pedido típico; la palanca que mueven las estrategias de paquetes y de venta adicional.
- Abandono del carrito y del pago: dónde se están escapando los compradores decididos, normalmente la recuperación de ingresos más rápida disponible.
- Ingresos por visitante: la conversión y el valor del pedido combinados en un solo número honesto de eficiencia.
- Fuentes de tráfico y su calidad: no solo de dónde vienen los visitantes, sino qué fuentes realmente convierten.
- Comportamiento de clientes nuevos vs. recurrentes: la adquisición y la retención son problemas distintos, y la misma métrica esconde ambos a menos que los separes.
Embudos: donde las métricas se convierten en analítica
La forma más clara de hacer que los datos sean accionables es modelar el recorrido de compra como un embudo y observar dónde abandona la gente. Un recorrido representativo se ve así: un seguidor ve una publicación en redes sociales, toca para ir al perfil o al enlace, llega a una página de producto, ve un producto específico, lo agrega al carrito, inicia el pago e ingresa sus datos de pago. En cada uno de esos pasos un porcentaje de personas se va. Cuantificar esa caída, paso a paso, es precisamente donde las métricas en bruto se convierten en analítica, porque la caída individual más grande suele ser lo que más retorno da corregir, y no puedes verla sin el embudo. Una tienda que sabe que pierde a la mayoría de los compradores entre el carrito y el pago tiene una información mucho más útil que una que solo sabe que su tasa de conversión general es "baja".
Cómo configurar correctamente la analítica de eCommerce
La mayoría de las tiendas pueden montar una analítica de eCommerce capaz sin infraestructura personalizada, pero "instalada" y "bien configurada" son estados muy distintos, y esa brecha es donde la mayoría de los programas de analítica fallan sin hacer ruido. El seguimiento de eCommerce mejorado tiene que configurarse para que realmente se capturen las impresiones de producto, los productos agregados al carrito, los pasos del pago y las compras; una instalación por defecto que solo mide páginas vistas no mide casi nada de lo que importa para una tienda. El seguimiento de conversiones y eventos debe verificarse con transacciones de prueba antes de que alguien confíe en un informe, porque actuar con un seguimiento roto es peor que no tener ninguno. Y los datos deben depurarse de duplicados y atribuirse con sensatez para que la misma venta no se cuente dos veces en distintos canales, lo que de otro modo premiaría al canal que casualmente se activa al final. Si la implementación requiere trabajo de etiquetado o de capa de datos más allá de lo que dominas, vale la pena recurrir a un desarrollador o a un equipo de marketing en lugar de reportar números en los que no puedes confiar.
Atribución: la parte que la mayoría de las tiendas hacen mal
La decisión de analítica con más consecuencias que toma un negocio de eCommerce es cómo atribuye el crédito de una venta, y la mayoría de las tiendas nunca la toman de forma deliberada: aceptan un modelo por defecto y luego toman decisiones de presupuesto sobre un modelo que no han examinado. Esto importa porque el modelo de atribución decide qué marketing parecen premiar los datos, y premiar lo equivocado reparte mal el gasto durante años sin que nadie lo note. Un modelo de último clic, el predeterminado más común, le da todo el crédito al último contacto antes de la compra, lo que sobrevalora sistemáticamente la búsqueda de marca y el retargeting (canales que captan una demanda ya creada) e infravalora sistemáticamente los canales de descubrimiento (contenido, redes sociales, orgánico) que crearon esa demanda en primer lugar. Un negocio que juzga cada canal por el último clic seguirá quitándoles presupuesto justamente a los canales que llenan la parte superior de su embudo y se preguntará por qué se estanca el crecimiento. La solución no es un modelo perfecto, que no existe, sino uno honesto: mira las conversiones asistidas junto con el último clic, entiende qué canales inician los recorridos y cuáles los cierran, y juzga los canales de descubrimiento por su papel de inicio y no por una métrica de cierre que nunca debían ganar. Una tienda que entiende su propia atribución toma decisiones de presupuesto bastante mejores que una con más datos y un modelo por defecto que nunca cuestionó, porque más datos interpretados con el modelo equivocado solo producen errores seguros de sí mismos más rápido.
Del panel a la decisión
El objetivo de todo esto no es el panel; es el cambio que el panel justifica. Un ritmo práctico es revisar un conjunto pequeño de métricas principales con una frecuencia fija, aislar la fuga más grande del embudo, formular una hipótesis sobre su causa, probar un cambio y medir si la fuga se redujo. Ese ciclo (medir, priorizar, formular hipótesis, probar, volver a medir) es lo que separa la analítica que hace crecer un negocio de la analítica que solo produce informes que nadie usa. Un panel precioso que no cambia ninguna decisión es un costo, no un activo.
En 1Digital® les creamos a nuestros clientes de SEO un panel consolidado que integra Google Analytics y los datos de eCommerce junto con otras herramientas en una sola interfaz, precisamente para que los datos impulsen acciones en lugar de quedarse sin leer. Si necesitas ayuda para instrumentar tu tienda correctamente o para convertir tu analítica actual en una rutina de decisiones, habla con el equipo de marketing digital de 1Digital® Agency.
Una última advertencia que vale la pena interiorizar: más métricas no significan más información útil, y un panel saturado suele ser señal de un programa sin enfoque y no de uno sofisticado. Las tiendas que más aprovechan la analítica suelen vigilar un conjunto deliberadamente pequeño de números que acordaron que realmente impulsan decisiones, e ignoran la larga lista de métricas que son interesantes pero nunca cambian una acción. Cada métrica de un panel que nadie usa es un pequeño impuesto continuo a la atención y un lugar donde puede esconderse la señal que importa. La disciplina de elegir qué no medir es tan valiosa como la medición misma, porque la analítica solo justifica su costo cuando cambia lo que hace el negocio, y un informe enfocado que impulsa tres decisiones por trimestre vale más que uno exhaustivo que no impulsa ninguna.