A esquema es algo que las plataformas de procesamiento de datos como Google Analytics se aplican a los datos de visitas sin procesar que provienen de la fuente de datos (generalmente un sitio internet). El aspecto más seen del esquema de Google Analytics es cómo agrupa o puntadaslos datos arbitrarios de nivel de acceso que provienen del sitio internet en datos discretos sesionesy estos en realidad están agrupados en otro grupo agregado: usuarios.
Pero esto ya lo sabes. Estás mirando métricas como sesiones, tasa de rebote, tasa de conversión, y las estás usando o variaciones de ellas como KPI en tus paneles y todo eso. ¿Bien?
Eche un vistazo al grupo de métricas a continuación:
Estas son algunas de las métricas que la gente utiliza para asignar significado al flujo de datos que llega desde el sitio internet. Lo que pasa con estas métricas es que son muy sesionizado. Dependen por completo de un esquema arbitrario, que muchos no logran comprender o incluso cuestionar. Cambiar la definición de sesión aunque sea un poco, y cada una de estas métricas tendrá un valor diferente.
Y aquí radica el problema al que ahora llamo Conspiración del esquema. Lo sé, lo sé, es un poco dramático. Pero las implicaciones también son dramáticas.
Cuando utiliza Google Analytics o cualquier plataforma de procesamiento de datos que aplique esquemas, se está suscribiendo al esquema impuesto por la plataforma. No tienes nada que decir al respecto. En GA, puede realizar cambios menores en la definición de una sesión, utilizando herramientas como Tiempo de espera de la sesión y Lista de exclusión de referenciaspero el hecho es que el esquema de sesiones en Google Analytics sigue siendo common, genérico y completamente arbitrario; Tres cualidades que no deberían existir al utilizar datos para optimizar el crecimiento empresarial.
En Google Analytics, una sesión se puede definir aproximadamente como una experiencia de navegación ininterrumpida, que caduca después de 30 minutos de inactividad. Entonces ingresas a un sitio internet, haces cosas allí y 30 minutos después de la última interacción la sesión expira. Naturalmente, es más complejo que esto, pero como descripción aproximada esto debería ser suficiente.
Lectura adicional: Cómo se outline una sesión en Analytics
Ahora pregúntese esto: ¿cómo refleja esto todo lo que sucede en el mundo actual? En realidad no, ¿verdad? ¿No debería el concepto de sesión ¿Se basará en algo menos efímero que una secuencia completamente arbitraria de visitas al sitio internet, combinada con un extraño e inexplicable tiempo de espera de 30 minutos?
Es posible que no vea la relevancia de nada de esto y que esté completamente satisfecho con el concepto de sesión de Google Analytics y, por supuesto, tiene derecho a ello.
Pero considere la tasa de conversión, por ejemplo. La tasa de conversión es la proporción de sesiones con conversión a todas las sesiones. Sesiones, sesiones, sesiones. Si utiliza la tasa de conversión como KPI, debe darse cuenta de que está optimizando en función de una métrica completamente ficticia.
Piénselo así. Es posible que necesites 14 sesiones para realizar la conversión al comprar un barco nuevo. Es posible que solo necesite 6 sesiones para realizar la conversión al comprar una computadora nueva. Pero al ultimate, sigues siendo solo un usuario que realizó la conversión, independientemente del número de sesiones necesarias para hacerlo. La clave aquí es que tenías un singular intención: comprar un barco o una computadora nueva. Este intención Abarcó varias sesiones, destacando aún más la desconexión entre las sesiones y el comportamiento.
Creo que esto es realmente muy problemático. Las empresas optimizan contra una métrica que es muy superficial y efímera, y completamente ajena a la intención del visitante. No debería estar interesado en la cantidad de sesiones que se convirtieron, debería estar interesado en aumentar la cantidad de clientes que tiene, comprendiendo la intención y convirtiéndola en una compra.
Ahora bien, soy lo suficientemente cínico como para ver la justificación de esta sesión arbitraria: la granularidad de la atribución. Es por eso que un cambio en la fuente de la campaña inicia una nueva sesión, incluso si la sesión aún no ha expirado. Sus canales publicitarios necesitan la atribución para lograr conversiones exitosas, por lo que esta lógica de sesión se ha perfeccionado para brindar un número grande, agradable y amplio para sus métricas de adquisición.
No me malinterpretes, creo que es valioso ver todos los canales que convirtieron a un usuario no convertido en un nuevo cliente. Pero la realidad es que sesiones No conviertas, los usuarios lo hacen. La atribución también debe equilibrarse entre los puntos de contacto que me llevaron a cumplir alguna intención que tenía. Seguir un anuncio inicia una nueva sesión en el sitio internet, pero mi intención puede ser la misma que antes. Es posible que el anuncio haya hecho que la intención fuera más específica, más específica, pero sigo siendo un único usuario en el camino hacia la conversión.
incógnita
El boletín a fuego lento
Suscríbete al Boletín a fuego lento para recibir las últimas noticias y contenido de Simo Ahava en su bandeja de entrada de correo electrónico.
Superar el problema precise
No tienes suerte si quieres aplicar tu propio esquema a tus datos de Google Analytics. Aunque Google Analytics Premium cuenta con datos de nivel de acierto a través de BigQuerytodavía está sesionizado. Las tablas de datos unen los datos de nivel de visita en sesiones antes de que pueda acceder a los datos. Creo que esto es una gran mierda.
(ACTUALIZAR: consulte el comentario de Carmen Mardiros y el comentario de Pedro Ávila en los comentarios de este artículo para conocer soluciones alternativas para obtener datos de nivel de acierto a través de API y BigQuery).
Entiendo por qué la interfaz de usuario muestra un conjunto de datos sesionizados, ya que aplicar su propio esquema de sesionización complejo requeriría una asombrosa cantidad de potencia de procesamiento. Pero ¿por qué no proporcionar datos sin procesar a través de la API?
Entonces, no hay nada que puedas hacer con el esquema de GA. Así es como es. Ni siquiera puedes ver los datos adecuados a nivel de usuario, ya que también están sesionizados. Considere el siguiente segmento personalizado:
Parece que debería mostrar datos de todos los usuarios que realizaron conversiones en algún momento del pasado, ¿verdad? Bien. Y mal.
El segmento anterior me muestra una cohorte de usuarios que se han convertido durante el período de tiempo seleccionado. Pero eso no es lo que debería interesarme. Debería poder segmentar entre visitantes convertidos y no convertidos, ¡sin importar el período de tiempo!
No, una dimensión personalizada con alcance de usuario tampoco ayudará, ya que si estoy mirando un período de tiempo antes de que el usuario realizara la conversión, me mostrará que el usuario no realizó una conversión.
Cosas como esta me vuelven loca. Si tuviera acceso a datos sin procesar, a nivel de hit, y si pudiera construir mi propio esquema de unión sobre eso, podría adaptar los aspectos de procesamiento y generación de informes de GA a mi voluntad, mejorando la calidad de los datos para mi negocio solo. ¡Eso es lo que deberían mostrar mis paneles! ¡Eso es lo que debería impulsar mi negocio!
Pensamientos finales
Entonces, ¿qué es un esquema perfecto? No existe tal cosa. Así como cada negocio es diferente, cada esquema debería serlo también.
De manera óptima, el esquema debería ser un ser vivo, en constante cambio, porque sus visitantes son seres vivos, en constante cambio. Un esquema inteligente reflejaría esto, tal vez incluso aprendiendo de forma autónoma a lo largo del camino.
De manera óptima, el esquema no estaría satisfecho solo con los datos de su sitio internet. Sus visitantes son multidimensionales, por lo que el esquema también debería serlo.
De manera óptima, el esquema le permitiría optimizar según métricas que sean relevantes para su negocio y solo para su negocio. Sus visitantes son su negocio, por lo que el esquema también debe optimizarse en función de los visitantes.
Finalmente, el esquema utilizado por Google Analytics es perfectamente bien. Simplemente no lo interpretes como algo que no es. La sesionización de Google Analytics no no reflejar el mundo actual, la métrica de la tasa de conversión debe no ser un indicador del estado de su negocio, y las métricas completamente sesionadas como la tasa de rebote, la duración de la sesión, and so on. nunca utilizarse únicamente como KPI.
Usar una métrica única, sesionizada y defectuosa como KPI es como contar sólo el remate de un chiste.
Lectura adicional: Avinash Kaushik – Excelente consejo analítico n.º 26: ¡Cada métrica crítica debe tener una mejor amiga!
Existen herramientas que cierran la brecha entre Enterprise Intelligence y análisis internet. Le permiten crear interpretaciones de sus datos sin procesar de la forma que elija. Sin embargo, requiere esfuerzo. Un esquema personalizado requiere que comprenda el comportamiento de su audiencia en un nivel completamente nuevo.
Lectura adicional: Análisis de quitanieves
¿Estás de acuerdo conmigo? ¿O crees que estoy haciendo montañas con un grano de area? No estoy abogando por una revolución en el funcionamiento de estas herramientas, pero sí estoy haciendo una fuerte campaña a favor del pensamiento crítico.
Por lo tanto, la próxima vez que utilice la métrica de tasa de conversión de Google Analytics para cualquier cosa, haga una pausa por un segundo y piense en lo que esta métrica significa para su negocio. Intente pensar en una frase como: “El aumento que estamos viendo en la tasa de conversión significa que nuestro negocio es…” y luego termine con lo que significa el cambio en la tasa de conversión para su negocio.
Puede que le resulte bastante difícil.