Antes de arrancar, te presento a los compis:
- Álvaro Torres: tu podcaster y desarrollador web creativo de confianza
- José Gilarte: data scientist y apasionado de la IA
Y claro, nuestro invitado especial: Pablo Moratino.
Vamos al lío. ¿Listo/a?
Antes de nada, échale un ojo al PDF que ha compartido Pablo Moratinos
El mito de la intuición: ¿Por qué sólo los espabilados miden?
Todos hemos escuchado historias de negocios que se montaron “con olfato” y funcionaron. Pero… ¿cuántos negocios más se han pegado la leche por no mirar ni un solo dato? Lo típico:
“Si tu método de negocio es lanzarte a la piscina sin mirar el agua, este post es para ti”.
Muchísima, pero muchísima gente toma decisiones porque alguien les dijo que a fulanito X le funcionó una cosa, o porque lo leyeron en un post de otro país, o porque “todas las tiendas ponen un pop-up”, y tú te lo crees. Pero como diría Pablo, que algo fue bien para una tienda de pipas en Wisconsin no significa que funcione para tu tienda de tangas en Cuenca. Hay que medir.
¿Qué es realmente la analítica web?
Nos montamos una web y, después de instalar Analytics, creemos que tenemos el poder absoluto del dato… pero ojo, la analítica va mucho más allá. La analítica web es un proceso completo: medir, recoger, analizar e interpretar datos sobre los usuarios de tu web. Para qué, pues para:
- Entender cómo interactúa la gente con tu página (¿navegan como tú crees o hacen lo que les da la gana?)
- Detectar problemas o fricciones en la experiencia
- Tomar mejores decisiones de negocio basadas en datos REALES
“Puedes creer que tu web es una autopista, pero igual los visitantes se hacen su propio atajo por el césped”
¿De verdad la gente navega como tú piensas?
Muchas veces creemos que el usuario va a pasar de la Home al ‘Quiénes somos’, después a ‘Servicios’ y, finalmente, a ‘Contacto’. Spoiler: ¡NO!
Lo normal es que cada uno se busque su recorrido, y si le cuesta, lo mismo ni lo termina.
Moraleja: Lo que tú diseñas y cómo se usa la web pueden ser dos historias muy distintas.
Ejemplo real: diseñas una taza con orejas super guays, pero cuando bebes… ¡zas! Directo al oftalmólogo. Así de doloroso puede ser el choque entre la experiencia de usuario (UX) y lo que la interfaz (UI) dicta.
El ciclo de vida de un negocio digital según los datos
Esto del dato no es solo para arrancar o para “trastear”, sino que aplica a cada fase de tu negocio online:
- Reconocimiento/Marcha
¿Quién eres? ¿Existías antes de que te busquen? Aquí medimos usuarios, sesiones, tráfico nuevo. - Interés
¿Se quedan a mirar? ¿Cuánto tiempo? ¿Qué exploran? Nosotros miramos tiempo en la web, páginas vistas, recursos descargados. - Acción/Conversión
¿Hacen lo que quieres? ¿Piden presupuesto, compran, se suscriben? Aquí está el jugo: objetivos y conversiones. - Fidelización y recomendación
¿Vuelven? ¿Te recomiendan? Mira reviews, frequency de compra, descargas repetidas, uso de códigos descuento…
Diagrama del ciclo de vida circular de un negocio digital
Importante: ¡Esto nunca para! Cuando optimizas una fase, pasas a otra o abres nueva línea de negocio… y vuelta a empezar.
Componentes clave de la analítica web
Esto va de cinco bloques. Aquí te los dejamos mascaditos, que luego viene el detalle:
- Medición: herramientas y eventos, capturar datos
- Segmentación: grupos por comportamiento, fuente, tecnología…
- Contextualización: juntar datos cuantitativos y cualitativos, entender el “por qué”
- Modelado y atribución: repartir méritos y culpas a los canales que traen conversiones
- Automatización y activación: hacer que los datos trabajen por ti
1. Medición: Mucho más que instalar Analytics
Medir no es solo poner Analytics y mirar sesiones. Hay que pensar qué eventos te interesan y por qué.
Aquí va la lista de herramientas populares:
“El objetivo es alinear lo que tú quieres que el usuario haga con lo que el usuario realmente quiere hacer”
La North Star Metric (La Estrella del Norte de tu negocio)
¿Has oído hablar de la North Star Metric? Imagínate un punto donde lo que es bueno para tu usuario también es bueno para tu negocio. Esto va más allá de medir solo “compras” o “formularios enviados”.
Ejemplo: Clínica de fisioterapia
- Métrica obvia: Número de sesiones contratadas
- North Star real: Pacientes recuperados (lo que el cliente quiere y tú también: éxito del servicio, satisfacción, probabilidad de recomendación).
Esto requiere juntar datos de fuera y dentro del online (no todo se puede medir con Google Analytics).
Ilustración: Camino desde métrica básica hasta North Star Metric
“Una North Star Metric nunca la encontrarás lista en Analytics; te la tienes que currar, porque suele requerir datos específicos y a menudo offline”
¿Y los KPIs?
La North Star Metric está arriba del todo. Por debajo tienes Objetivos, y ahí sí: KPIs (indicadores clave de desempeño). El truco está en elegir bien los KPIs que apalancan tu North Star.
2. Segmentación: No todos los usuarios son iguales
¿Piensas que todos los que entran a tu web navegan igual, compran igual y buscan lo mismo? ¡Error! Hay que segmentar:
- Por fuente: Google, redes sociales, newsletter, tráfico directo…
- Por dispositivo: navega diferente el que va en móvil, tablet o PC
- Por intención: ¿Vino a curiosear o venía a comprar directo?
Esto te ayuda a adaptar experiencia, campañas y mensajes según cada tribu.
3. Contextualización: Mezclando lo cuantitativo y lo cualitativo
A veces el dato “duro” (número de clics, visitas, conversiones) no te dice por qué ocurre lo que ocurre. Por eso juntamos:
- Cuantitativo: Google Analytics, Matomo, Piwik…
- Cualitativo: mapas de calor, grabaciones de sesión, encuestas, NPS (Net Promoter Score).
“Es muy fácil ver que la gente compra, pero otra cosa es saber si vuelve porque no tiene más remedio… o porque le encantas.”
Reseñas y testimonios: ¡Oro puro!
Hoy por hoy, analizar reviews es más fácil gracias a la IA. Puedes descargar todas tus reseñas, lanzarlas a una inteligencia artificial y que te saque hasta el ánimo del cliente. Ya no es solo cuántas estrellas: la IA te dice palabras clave, emociones, y hasta descubre tendencias ocultas.
“Las reseñas son una herramienta de análisis cualitativo súper potente”
4. Modelado y atribución: ¿Quién se lleva el mérito (y la culpa) de tus conversiones?
Un usuario te conoce por el SEO, vuelve por un anuncio de remarketing, y finalmente entra directo para comprar. ¿A qué canal le apuntas esa venta?
Aquí entran los modelos de atribución:
- Último clic: todo el mérito para el canal que cerró la venta
- Primer clic: se lo lleva el primero que hizo que te conocieran
- Multipunto: reparte el mérito entre varios canales
- Modelos algorítmicos (Markov): los más avanzados, evalúan el peso real de cada contacto en el camino del cliente
“El modelo Markov es un flipe. Si te mola la analítica, échale un ojo: descubre cuáles son los puntos de contacto que realmente, si los quitas, se desploma tu conversión”
Google Analytics 4 y la atribución
GA4 lleva un modelo basado en datos que es como un Markov customizado “caja negra”. Eso sí, requiere tener bastantes conversiones para funcionar bien. De ahí la magia de combinar modelos.
5. Automatización y activación: Haz que los datos trabajen para ti
Medir y analizar está bien, pero lo que de verdad importa es activar esos datos. Pásalos a la acción:
- Tableros y cuadros de mando para que toda la plantilla entienda qué pasa
- Alertas automáticas cuando pasa “algo raro”: caídas, picos repentinos de tráfico
- Integraciones con herramientas como Segment o Customer Data Platforms: agrupa y analiza por usuario, personaliza mensajes
“Recopilar datos es caro. Si no los usas… sólo estás gastando dinero”
Caso práctico: Montamos una analítica web desde cero
Supón que tienes una clínica de fisioterapia (ejemplo de Pablo). ¿Por dónde empiezas?
- Define tu North Star Metric: pacientes recuperados
- Pon KPIs: número de sesiones completadas, formularios recibidos, repetición de clientes
- Instala herramientas básicas: Google Analytics 4, Hotjar para mapas de calor, encuestas NPS
- Segmenta los usuarios: ¿Llegan de Google? ¿Del boca-oreja? ¿Del Instagram del profe?
- Haz cuadros de mandos simples: revisa semanalmente, busca picos, caídas, tendencias
- Activa los datos: Si sale que la gente no repite, investiga. Si la mitad se queja por horarios, ¡cámbialos!
Citas y verdades para enmarcar
“Lo que no se define, no se puede medir. Lo que no se mide, no se puede mejorar. Lo que no se mejora, se degrada.”
— William Thompson (Lord Kelvin)
En digital, lo que no evoluciona, retrocede. Olvídate del mantra de los 90 de “si funciona, no lo toques”. Hay que medir, mejorar y volver a medir.
Consejos finales de Pablo Moratino
- No instales Analytics porque sí: piensa primero para qué y qué quieres medir.
- Ten claro tu North Star Metric pero aterriza KPIs accionables.
- No colecciones datos para guardarlos en el cajón: úsalos.
- Recuerda que la experiencia de usuario casi nunca sucede como has planeado.
- ¡Menos intuición y más datos!
Recursos para seguir profundizando
- Qué es una North Star Metric y cómo definirla (en inglés)
- Modelo de atribución Markov
- Guía oficial Google Analytics 4 para negocios
- Herramienta para análisis de sentimiento de reseñas
Preguntas frecuentes y consejos de los oyentes
- ¿Qué hago si ni siquiera sé lo que quiero medir?
Hazte esta pregunta: ¿Para qué existe tu web/app? A partir de ahí, ve bajando a objetivos y preguntas más concretas. - ¿Puedo medir si los clientes están contentos?
Sí: encuestas NPS, análisis de sentimiento en reseñas, grabaciones de usuario. - ¿Necesito ser un genio en datos?
¡Para nada! Empieza por lo básico y ve profundizando según avances.
