Masterclass en el máster de marketing digital de la Universidad de Salamanca (USAL) en el año 2021

1. We are sales | We are leads | We are data driven

2. Analítica web
Emilio Rodríguez García
Director SEO & Analítica en Smartup

3. Índice ● Contexto inicial
● Stack tecnológico
● Plan de medición
● Retos / proyectos

4. Contexto
inicial

5. ¿Qué tienen en común?
40 372 K 17 M
0,0000000001 % 0,00014 % 0,4 %

6. La analítica es una herramienta de
negocio para convertir los datos en
conocimiento

7. Tipos de análisis
Descriptivo Diagnóstico Predictivo Prescriptivo
¿Qué ha
pasado?
¿Por qué ha
pasado?
¿Qué
sucederá?
¿Qué tengo
que hacer?
Accionamos los datos

8. Fases de la medición
Captación Consideración Compra Fidelización
Tráfico por canal
Suscriptores de la
newsletter
Usuarios que crean
una cuenta
...
Tiempo en página
Rutas de navegación
más usadas
Rendimiento de
campañas internas
...
Productos/servicios
comprados
Métodos de pago
usados
Cupones descuento
...
Frecuencia para
volver a comprar
Clientes que valoran
los productos
...
Análisis
(descriptivo, diagnóstico, predictivo, prescriptivo)

9. Evolución
Informes separados
25%
Acceso a múltiples
fuentes e información
histórica
Datos históricos con datos
offline y datos en tiempo real.
Obtenemos conclusiones de
negocio.
75% 99%
INFORMES
DATA
WAREHOUSE
BUSINESS
INTELLIGENCE

10. Smartup War room

11. Zeus

12. IE WOW Room

13. Stack
tecnológico

14. GTM
Google Tag Manager es un sistema de gestión
de etiquetas que le permite actualizar su sitio
web o aplicación móvil de forma rápida y
sencilla.

15. Google Analytics
Otras plataformas
Firebase (Analytics)
Otras plataformas
Código personalizado
Código personalizado

16. Contenedor
Página web AMP
Páginas web que hagan
uso del framework
AMP de Google
Cualquier página web
(independiente del
framework o tecnología)
Aplicación Móvil
(SDK de Firebase)
Android
iOS
Tipos de contenedor
PWA

17. Beneficios GTM
Podemos solucionar un fallo
ortográfico en tiempo real para todos
los usuarios de una app sin tener que
esperar a sacar una nueva versión y
que todo el mundo se la descargue.
Experiencia de usuario

18. Stack tecnológico - GTM
Cuenta
GTM
Contenedor web
GTM-XXXXXX
V3 (live)
Google Analytics (Universal)
Espacio de
trabajo
por defecto
V2
V1
Espacio de trabajo personalizado
Contenedor Mobile
GTM-XXXXXX
V3 (live)
Espacio de
trabajo
por defecto
Google Analytics (4)
Firebase

19. GTM > Buenas prácticas
● Si ya existe el contenedor, usar nomenclatura específica para diferenciar nuestras etiquetas ([SU])
● Usar siempre un esquema de nomenclatura ([SU] - TAG - Acción / [SU] - TRIGGER - Acción)
● Tener un acceso específico con nuestro email (subidas de versión / problema Universidad)
● Incluir comentarios en las subidas a producción
● Usar expresiones regulares, constantes y variables

20. GTM > Buenas prácticas (expresiones regulares)

21. GA
Google Analytics es una herramienta de analítica web
que agrupa el tráfico según la audiencia, la adquisición,
el comportamiento y las conversiones que se llevan a
cabo en el sitio web.

22. Stack tecnológico - GA
Google
Analytics
Cuenta 1
Vista 1
Propiedad 1
UA-XXXXX-X
Vista 2
Vista 3
Propiedad 2
UA-XXXXX-X
Cuenta 2 Vistas...
Propiedades ...
Vistas ...
Objetivos

23. GA > Buenas prácticas
● Crear siempre una vista para nosotros
● Disponer de un fichero externo donde reflejar la situación actual y todos los cambios que vamos
acometiendo
● Crear alertas para conocer cualquier posible problema

24. ¿Problemas?

25. ¿Problemas?

26. ¿Problemas?

27. ¿Problemas?

28. ¿GA360? ¿De quién son los datos?
¿quién es el propietario de las
implementaciones?

29. Plan de
medición

30. Plan de medición I
Captación Consideración Compra Fidelización
Preguntas de negocio
KPI /
Métricas
KPI /
Métricas
KPI /
Métricas
KPI /
Métricas
Plataforma de
analítica web
Plataforma de
analítica web
Plataforma de
analítica web
Plataforma de
analítica web

31. ¿Es fácil montar un plan de
medición?

32. Plan de medición II
Captación Consideración Compra Fidelización
Preguntas de negocio

33. Si tuviera 9 horas para talar un
árbol, emplearía 6 en
afilar el hacha.

34. Plan de medición III

35. No Plan, No party.

36. Plan de medición > Vistas
Recomendamos crear, al menos, las siguientes vistas:
● 000 - Raw data (por defecto): Toda la información, sin alterar. No aplicar nada.
● 001 - Pruebas: Aquí probaremos todas las configuraciones antes de pasarlas a producción.
● 002 - Producción: Tendrá los filtros y objetivos. Será con la que trabajemos.
Si algo ocurre, tendremos siempre los
datos originales

37. Plan de medición > Objetivos
Recomendamos crear los siguientes objetivos:
● Macro objetivos: venta o reserva.
● Micro objetivos: descarga pdf, suscripción newsletter, búsquedas internas, registro usuario,
formularios de contacto, etc.

38. Plan de medición > Segmentos
Los segmentos avanzados nos permiten acceder a análisis de un subconjunto de información de forma
rápida. Por ejemplo:
● Usuarios nuevos
● Usuarios recurrentes
● Tráfico orgánico
● Tráfico de pago
● Tráfico que ha convertido
● Tráfico que ha pasado por una determinada sección
● ...

39. Plan de medición > Informes personalizados
Analytics dispone de una serie de informes
estándar, pero si necesitamos mayor profundidad o
filtrar/personalizar tendremos que hacer esos
ajustes de forma constante.
Un informe personalizado nos permitirá preparar
únicamente la información que el cliente necesita
en su día a día, facilitando el acceso a los datos y la
rapidez.

40. ¿Quién será el receptor de los datos?

41. Plan de medición > Tareas
Vamos listando las tareas asociadas al plan de medición, tanto las que caen en nuestro tejado como las
del cliente. De esta forma tenemos un cronograma claro de todo lo que se ha llevado a cabo.

42. Plan de medición > Testear implementación
Existen varias formas de asegurarnos que nuestra implementación de Google Analytics recoge datos de
forma correcta:
● Tag Assistant
● GA Debugger
● GA - Informe de tiempo real
● Charles Proxy (tutorial de uso)
Es importante aprender a utilizar la depuración en Analytics.

43. Plan de medición > Testear implementación

44. Coppel y la
conversión

45. Problema
Quieren optimizar la conversión y tienen problemas para ubicar correctamente las
fuentes y campañas que convierten.

46. Reto
Configurar adecuadamente la medición multicanal, crear un modelo de atribución
adaptado a sus procesos de trabajo y llevar a cabo acciones para mejorar la
conversión (CRO)

47. Es más rápido convertir el tráfico
existente que captar nuevo.

48. Paso 1 - Crear una nueva
agrupación de canales
Tras analizar el comportamiento de las
ventas y acciones digitales que llevan a
cabo, proponemos una nueva clasificación
del tráfico de Analytics en base a los
canales de captación.

49. Paso 2 - Analizar el impacto de cada canal en la
conversión
Para poder determinar el mejor modelo de atribución debemos analizar los datos

50. Paso 3 - Incorporar los datos de gasto para conocer el
ROI real
Necesitamos tener una visión real de lo que está sucediendo

51. Paso 4 - Crear métrica personalizada para obtener los
ingresos reales
Ingresos reales = ingresos - gastos de envío - impuestos

52. Paso 5 - Importar devoluciones para conocer la
situación real de ventas
Necesitamos tener una visión real de lo que está sucediendo

53. Paso 6 - Establecer el mejor modelo de atribución

54. Paso 7 - Estrategias de CRO
Analizamos el margen de beneficio de cada descuento y nos aseguramos de que no
se devalúan los productos.

55. El riesgo de los descuentos

56. Trucos - Estrategias de CRO
Utilizamos un buen contraste de colores

57. Trucos - Estrategias de CRO
Analizamos cada banner interno para que todos los elementos estén alineados y
apoyen la conversión.

58. Ternium y análisis de
usuarios

59. Problema
Tienen varias webs y aplicaciones que usan los clientes y no son capaces de analizar
todo el proceso de forma conjunta. Se analiza de forma individual por cada aplicación.

60. Reto
Necesitamos conectar la información que tenemos de los clientes (intranet) con la que
tenemos de su comportamiento en la web (extranet).

61. Paso 1 - Identificar cada aplicación y su sistema de
medición
El cliente cuenta con el siguiente ecosistema digital:
1. Página web 1 (Analytics)
2. Página web 2 (Analytics)
3. Intranet 1 bajo el mismo dominio (Analytics)
4. Intranet 2 bajo otro dominio

62. Paso 2 - Configurar todas las plataformas para medir de
la misma forma
COOKIE
Usaremos las cookies para
compartir la información de un
usuario a través de todas las
aplicaciones:
Visitante
ID usuario ya existe Nuevo
Obtiene última fecha Crea ID usuario
Crea sesión
< 30 minutos > 30 minutos
Recupera sesión Crea sesión
La sesión termina por:
● 30 minutos de inactividad
● Al finalizar el día (00:00)
● Acceder por un canal distinto

63. Paso 3 - Cambiar el nombre a la cookie oficial para evitar
que se sobreescriba

64. Paso 4 - Conectar las páginas web a través del ClientId
Debemos utilizar el ClientID de la cookie y pasarlo a través de los diferentes enlaces entre dominios. De
esta forma haremos el seguimiento multidominio
ga(function(tracker) {
var clientId = tracker.get('clientId');
});
<a href="https://nuevodominio.com/?clientId=XXXXXX">otro.com</a>
ga('create', 'UA-XXXXX-Y', 'auto', {
'clientId': getClientIdFromUrl()
});

65. Paso 5 - Conectar las intranets/CRM a través del UserId
Si en lugar de enlazar páginas queremos enlazar usuarios a través de los diferentes dispositivos con los
que se acceden a nuestra web, necesitaremos el UserID. Tenemos que programarlo nosotros con el login.
ClientID UserID
¿Qué identifica? Instancia anónima de un navegador o
dispositivo
Un usuario concreto de nuestro sitio
¿Cómo se genera? De forma aleatoria por Analytics Lo programamos nosotros al hacer login
Objetivo Facilita análisis multidominio Facilita análisis multidispositivo
No podemos usar datos de carácter personal

66. Paso 5 - Conectar las intranets a través del userId (y con
el CRM)

67. Nestlé y el proceso de
compra

68. Problema
El proceso de compra de una cafetera ocurre todo en la misma página. Sólo se
saben los usuarios que entraron en la página y los que compraron pero no se tiene
información de cómo han interactuado con el proceso de compra.

69. Reto
Necesitamos generar un proceso de compra virtual que permita analizar el
comportamiento de los usuarios en cada punto de contacto.

70. Paso 1 - Identificar fases del proceso de compra
El proceso de compra se compone de los siguientes pasos:
1. Tipo de cafetera a la que se quiere optar
2. Elegir 5 cajas de cápsulas a recibir como regalo
3. Elegir color de la cafetera
4. Pagar el pedido

71. Paso 2 - Etiquetar cada paso
Utilizaremos la capa de datos para enviar información desde la web hacia GTM y
después hacia GA.

72. Paso 3 - Insertar los códigos
Incluimos los códigos Javascript para enviar el comportamiento del usuario a la capa
de datos y configuramos GTM para recoger dicha información.
<script type="text/JavaScript">
window.dataLayer = window.dataLayer || [];
dataLayer.push {(
'event': 'godinez_paso1',
'valor': '[tipo de selección: Buena onda, Tucutrú o Influencer]'
)}
</script>

73. Paso 4 - Validar la
implementación en
GA
Desde GA validamos que los
datos se están generando y
recogiendo de forma correcta

74. Paso 5 - Montar
funnel virtual
Desde GA validamos que los
datos se están generando y
recogiendo de forma correcta

75. IE y la política de
cookies

76. Problema
Existe un proceso de medición en curso que implica 4 herramientas (GTM, GA,
Hubspot y CRM interno), múltiples equipos internos y proveedores externos que tienen
que cumplir con la “Ley de Cookies”.

77. Reto
Tenemos que auditar todo el proceso de medición, centralizar el proceso en un único
sitio y hacer que cumpla con la directiva europea de medición a través de cookies sin
perder ni condicionar la analítica en curso.
8 contenedores / 736 etiquetas / 253 activadores / 25 personas / 15 proveedores

78. Paso 1 - Auditar y centralizar todo en
GTM
Creamos varios contenedores para la arquitectura de
medición:
1. Separamos la parte de publicidad de la web normal
2. Creamos un contenedor para agencias externas
3. Creamos dos contenedores para pruebas
4. Creamos un contenedor para sistemas

79. Paso 2 - Identificar y asociar tipos de cookies a
códigos existentes
Por cada código presente en la web, se identifica el tipo de cookie que está usando
y se clasifican por asociación.
1. Performance cookies (Google Analytics)
2. Functional cookies (Hubspot y otros portales)
3. Social media cookies (Twitter, Facebook, LinkedIn, etc)
4. Targeting cookies (Facebook Ads, Linkedin Ads, Bing Ads, Google Ads)

80. Paso 3 - Modificar disparadores para que salten en
función de la que ha aceptado el usuario
Cada código, en función de la cookie que
genera, tendrá un disparador específico que
dependerá de lo que haya seleccionado el
usuario.

81. Sesión
Q&A

82. Muchas
Gracias
Emilio Rodriguez
Director SEO Smartup
erodriguez@smartup.es