En el mundo de la analítica digital, desarrollar un plan de medición sólido es imprescindible para obtener datos claros, fáciles de interpretar y que reflejen los objetivos de la empresa. Sin embargo, a menudo nos encontramos con zonas o herramientas dentro de nuestras webs o apps que requieren un análisis más profundo para entender su funcionamiento y cómo podemos mejorarlas. Estas áreas, que llamaremos «silos», no siempre encajan a la perfección dentro del plan de medición global.
Incluirlas sin más puede llevarnos a saturar nuestro plan con datos y dimensiones irrelevantes, dificultando el análisis y la obtención de información útil. Es como si intentáramos comprender el funcionamiento de un reloj analizando cada pieza por separado, sin tener en cuenta cómo interactúan entre sí. Necesitamos una estrategia que nos permita estudiar estas áreas de forma independiente, pero sin perder la visión global del conjunto.
Imagina que tienes una tienda online con un buscador avanzado que permite a los usuarios filtrar productos por múltiples criterios, comparar características y guardar sus preferencias. Este buscador es crucial para la experiencia de usuario y para las conversiones, pero su complejidad puede dificultar su análisis dentro del plan de medición general. Si simplemente medimos las páginas vistas o los clics en los botones, no obtendremos información suficiente sobre cómo los usuarios interactúan con el buscador y cómo podemos mejorarlo. Aquí es donde entra en juego la estrategia de medición por silos.
El concepto de silo de análisis
Un silo de análisis, en el contexto de la medición web o de apps, se refiere a una sección, herramienta o componente específico que se analiza de manera independiente, como si fuera un «mundo» aparte dentro de un sistema más amplio. Es como si creáramos una pequeña burbuja alrededor de esa área específica, con sus propias reglas, objetivos y métricas.
Ejemplos de componentes de tu web o app que podrían ser silos:
- Un buscador avanzado con múltiples funcionalidades (autocompletado, filtros, ordenación, etc.)
- Un mapa interactivo en una web inmobiliaria que permite a los usuarios filtrar propiedades, visualizar su ubicación y obtener información detallada.
- Un configurador de productos complejo que permite a los usuarios personalizar un producto a su gusto, con diferentes opciones, colores y características.
- Un proceso de checkout con múltiples pasos que incluye la selección de métodos de envío, opciones de pago y la introducción de datos personales.
- Un área privada de usuario con diferentes secciones, como la gestión de pedidos, la configuración del perfil o el acceso a contenido exclusivo.
Cada silo tiene sus propias interacciones, objetivos y métricas que deben ser medidas y analizadas para comprender su rendimiento y cómo contribuye al éxito global del negocio. Por ejemplo, en el caso del buscador avanzado, podríamos medir la cantidad de búsquedas realizadas, los filtros más utilizados, el tiempo que los usuarios dedican a la búsqueda o la tasa de conversión de las búsquedas en compras.
La gracia del silo no está tanto en qué mides, algo que en analítica siempre vas a tener que definir, sino en separar totalmente esta medición del resto de la plataforma. Puedes por ejemplo tener un ecommerce con sus complejos funnels, con sus listas de productos y fichas, pero al enfrentarte al medir su one-page checkout afrontarlo como silo sin preocuparte del resto. O desarrollar tus flujos en tu hotelera, pero enfrentarte al mapa de puntos de interés sin lidiar con dimensiones globales ni eventos dedicados a las fichas de hotel.
¿Cuándo un silo merece un tratamiento especial en mis mediciones?
No todos los elementos de una web o app requieren un análisis por silos. Incluso dría que la mayoría no lo merecen. Implementar esta estrategia implica un esfuerzo adicional, por lo que es importante determinar si realmente vale la pena. Debes darte cuenta de que no se trata de medirlo todo, sino de medir lo que realmente importa, o más concretamente, lo que vas a usar para mejorar tu negocio.
Ventajas de la medición por silos:
- Medición a medida: Permite definir eventos y parámetros específicos para cada silo, adaptando la medición a sus particularidades. Esto nos da la flexibilidad de capturar la información que realmente necesitamos, sin limitarnos a las métricas estándar de GA4.
- Focalización: Facilita la creación de informes e interpretación de datos al centrarse únicamente en la información relevante para el silo. Al aislar el comportamiento del silo, podemos obtener una visión más clara de su funcionamiento y detectar áreas de mejora.
- Claridad y orden: Mantiene los datos del silo separados del análisis global, evitando la saturación de información y facilitando la comprensión. Esto es especialmente útil cuando el silo genera una gran cantidad de datos que podrían dificultar el análisis general.
- Sencillez: El análisis por silos es fácil de entender e implementar, incluso para usuarios sin conocimientos avanzados de analítica. La lógica es simple: definir el silo, identificar las interacciones clave y configurar los eventos correspondientes.
Inconvenientes de la medición por silos:
- Complejidad: Aumenta la complejidad del plan de medición al requerir la configuración de eventos y parámetros adicionales. Es importante planificar cuidadosamente la implementación para evitar errores y asegurar la coherencia con el plan de medición global.
- Consumo de recursos: Puede consumir recursos de GA4, especialmente si se utilizan dimensiones personalizadas. Es importante tener en cuenta las limitaciones de GA4 y optimizar la configuración para evitar problemas de rendimiento.
- Afectación a la calidad de los datos (a veces): Si no se implementa correctamente, puede afectar la calidad de los datos en GA4, aumentando el muestreo o la cardinalidad. Es crucial seguir las mejores prácticas de GA4 y evitar la creación de eventos o dimensiones innecesarias.
- Duplicación de eventos: Es posible que algunos eventos se dupliquen, ya que el silo puede generar sus propios eventos además de los eventos estándar de la web o app. Esto puede aumentar el coste en GA4 360, donde se paga por evento. Es importante evaluar si la duplicación de eventos está justificada por el valor que aporta el análisis del silo.
Comparando la importancia del silo con el coste de su creación
Para decidir si un silo merece un tratamiento especial, es fundamental comparar su importancia con el esfuerzo que implica su implementación y las posibles consecuencias en la medición global. No se trata solo de si el silo es «complejo», sino de si su análisis nos aporta información valiosa que justifique el esfuerzo.
Factores a considerar:
- Impacto en los objetivos de negocio: ¿Cómo contribuye el silo a los objetivos de la empresa? ¿Es crucial para el éxito del negocio? Si el silo tiene un impacto directo en las conversiones, la fidelización de clientes o la generación de leads, su análisis es prioritario.
- Esfuerzo de implementación: ¿Cuánto tiempo y recursos se necesitan para configurar la medición del silo? Es importante evaluar la complejidad del silo, la cantidad de eventos y parámetros necesarios y la disponibilidad de recursos técnicos.
- Posible afectación en el total de eventos: ¿Cuántos eventos adicionales se generarán? ¿Cómo afectará esto al coste y al rendimiento de GA4? Es importante ser conscientes del impacto en el volumen de datos y optimizar la configuración para minimizarlo.
Si el impacto del silo en los objetivos del negocio es significativo y el esfuerzo de implementación es razonable, la medición por silos puede ser una estrategia muy beneficiosa.
Cómo medir cada silo
Una vez que hemos decidido implementar la medición por silos, es necesario definir una estrategia para recopilar y analizar los datos de cada uno de ellos.
Colección de eventos únicos
Para asegurar una medición precisa y evitar interferencias con el análisis global, es fundamental crear una colección de eventos propios para cada silo. Esto nos permitirá aislar su comportamiento y analizarlo de forma independiente, como si fuera una entidad separada dentro de la web o app.
Imagina que queremos analizar el comportamiento de los usuarios en un «configurador de productos». Si utilizamos los mismos eventos que para el resto de la web, como «page_view» o «click», la información del configurador se mezclará con la del resto de la web, dificultando su análisis. Al crear eventos específicos para el configurador, como «configurator_start», «configurator_select_option» o «configurator_complete», podemos aislar su comportamiento y obtener una visión más clara y sencilla de cómo los usuarios interactúan con él.
El prefijo del silo
Para identificar rápidamente los eventos del silo y facilitar el filtrado de la información, es recomendable utilizar un prefijo único en el nombre de cada evento. El prefijo actúa como una etiqueta que nos indica a qué silo pertenece cada evento.
Ejemplos de prefijos (pero puedes usar los tuyos):
search_
: para eventos relacionados con un buscador.list_
: para eventos relacionados con una lista de elementos (productos, artículos, etc.).builder_
: para eventos relacionados con un configurador o creador de elementos.recommender_
: para eventos relacionados con un sistema de recomendaciones.backend_
: para eventos relacionados con acciones en el backend de la aplicación.privatearea_
: para eventos relacionados con el área privada de usuario.checkout_
: para eventos relacionados con el proceso de compra.
Al utilizar prefijos, podemos filtrar fácilmente los eventos del silo en GA4 y crear informes específicos. Por ejemplo, si queremos ver todos los eventos relacionados con el buscador, podemos filtrar por el prefijo «search_» y ya saldrán todos los eventos del silo «search».
Eventos e interacciones a medir
La elección de los eventos dependerá de las características de cada silo y de los objetivos de la medición. Aquí deberías preocuparte por contemplar todas las interacciones relevantes para obtener una visión completa del comportamiento del usuario. No se trata solo de medir las acciones principales, sino también las interacciones intermedias que nos ayudan a comprender el proceso completo.
A continuación, se presenta una lista de posibles eventos genéricos que pueden servir como punto de partida:
- open: El usuario accede al silo. Este evento marca el inicio de la interacción del usuario con el silo.
- view: El usuario visualiza un elemento o sección dentro del silo. Este evento nos indica qué partes del silo son más populares o llaman más la atención de los usuarios.
- search: El usuario realiza una búsqueda dentro del silo. Este evento es crucial para analizar el uso de buscadores y comprender las necesidades de los usuarios.
- filter: El usuario aplica un filtro. Este evento nos ayuda a comprender cómo los usuarios refinan sus búsquedas y qué criterios son más importantes para ellos.
- paginate: El usuario navega por diferentes páginas dentro del silo. Este evento nos indica si los usuarios exploran el contenido del silo o se quedan en la primera página.
- select: El usuario selecciona un elemento. Este evento nos indica qué elementos del silo son más relevantes para los usuarios.
- submit: El usuario envía un formulario o realiza una acción que requiere confirmación. Este evento nos indica si los usuarios completan las acciones deseadas dentro del silo.
- success: La acción del usuario se completa con éxito. Este evento nos indica la tasa de éxito de las acciones dentro del silo.
- fail: La acción del usuario falla. Este evento nos ayuda a identificar posibles errores o problemas de usabilidad dentro del silo.
- step: El usuario avanza a un paso específico dentro de un proceso. Este evento nos permite seguir el progreso de los usuarios a través de un proceso con varios pasos.
- close: El usuario sale del silo. Este evento marca el final de la interacción del usuario con el silo.
Es importante recordar que esta lista es solo una sugerencia. Cada silo tendrá sus propias interacciones específicas que deben ser medidas. Por ejemplo, en un silo de «reproductor de vídeo» podríamos añadir eventos como «play», «pause», «stop» o «seek».
Parámetros de dimensiones
Para enriquecer el análisis y poder segmentar los eventos del silo, es recomendable incorporar parámetros de dimensiones. Las dimensiones nos permiten clasificar los eventos y analizar el comportamiento de los usuarios en diferentes grupos.
Os recomendaría no utilizar más de tres dimensiones por silo para evitar la saturación y mantener la eficiencia. Es importante elegir dimensiones que sean relevantes para el análisis del silo y que nos permitan obtener información útil.
Intenta que las dimensiones sean globales y transversales al silo, es decir, que todos los eventos del silo compartan los mismos parámetros. Esto nos permite crear informes coherentes y comparar el comportamiento de los usuarios en diferentes eventos.
Un parámetro especialmente útil es `{prefijosilo}_type`, que permite clasificar los eventos según su tipología. Por ejemplo, en un silo de «formulario de contacto», podríamos utilizar el parámetro `contact_type` para distinguir entre diferentes tipos de formularios (consulta general, solicitud de presupuesto, etc.).
Para más información sobre dimensiones y parámetros, puedes consultar este post de nuestro blog: Definir eventos y parámetros en GA4
Parámetros no procesados (el modo avanzado)
En ocasiones, es necesario recopilar información muy detallada que no se utilizará para segmentar los informes en GA4, pero que puede ser útil para análisis más profundos en BigQuery. Estos parámetros, que en IKAUE llamamos «no procesados», no se configuran como dimensiones en GA4, pero se almacenan en BigQuery para su posterior análisis.
Los parámetros no procesados nos permiten capturar información adicional que podría ser relevante para el análisis del silo, pero que no queremos utilizar para segmentar los informes en GA4. Por ejemplo, en un silo de «buscador de productos», podríamos capturar el texto completo de la búsqueda y los refinamientos previos como un parámetro no procesado. O el total de complejos filtros que se han aplicado. Esto nos permitiría analizar las palabras clave utilizadas por los usuarios en BigQuery y los sistemas de filtrado usados, sin saturar la configuración de dimensiones en GA4.
Si esto de los parámetros no procesados te suena a chino o simplemente para más información sobre parámetros no procesados, puedes consultar este enlace de nuestro blog: Parámetros no procesados en GA4: Potencia tu BigQuery sin límites
¿Silos con Ítems o productos?
En la práctica, te encontrarás con ocasiones en las que una parte de la medición de tu silo sea los detalles de producto que estos silos muestran. Por ejemplo, un ecommerce no solo muestra productos en sus listados y fichas, sino que estos suelen aparecer alrededor de toda la web. Cuando creemos la medición de un recomendador de productos o un configurador, aparecerán en él items concretos que el Silo debería contemplar.
Si te sucede esto lo primero que debes descartar es usar tus eventos de silo para medir estos ítems. Sería ideal que GA4 soportase esta funcionalidad, pero no lo hace. Cuando yo lance el evento «search_result» este no puede contener Ítems. No se trata solo de que GA4 no lo soporte, es que de hacerlo ni siquiera se guardarían en BigQuery.
En esos casos lo que hacemos es usar el evento de «view_item_list», el que es el más abierto de los eventos de ítem/ecommerce de GA4. Este evento no suele mirarse por separado al analizar y además se puede acompañar de los parámetros: «item_
Imagina una web de formación donde existe un recomendador complejo sobre qué estudiar que te ofrece varios cursos. Cuando acabes tu proceso y se te muestren los cursos se lanzará el evento de silo recommender_success, pero para poder guardar los propios cursos que se han recomendado lanzaríamos además el evento «view_item_list» con los valores:
- item_list_id: recommender_success (usamos como id el propio nombre de evento del silo para identidicar que esos productos se han impresio gracias al silo)
- item_list_name: «recomendador/flujo-1/resultados-recomendados» (o algo así), una verión más humana y detallada de lo que se muestra.
Aplicaciones prácticas recomendadas
Una vez implementada la medición por silos, podemos aprovechar sus ventajas para obtener información valiosa sobre el comportamiento de los usuarios.
Cómo crear los informes
GA4 permite crear informes personalizados utilizando las métricas de total de eventos, sesiones y usuarios. Al tratarse de un «count distinct» por evento o dimensión, podemos contar sesiones únicas y usuarios únicos en cada fila del informe.
Por ejemplo, si creamos un informe con los eventos del silo y la métrica «sesiones», veremos el número de sesiones en las que se ha producido cada evento. Esto nos permite analizar la frecuencia con la que los usuarios interactúan con el silo y qué eventos son más populares.
Nombre de evento | Total eventos | Sesiones | Total de usuarios |
---|---|---|---|
map_open | 1513 | 1205 | 801 |
map_view | 2943 | 1183 | 774 |
map_click | 1664 | 601 | 498 |
map_zoom | 503 | 460 | 352 |
map_detail | 602 | 260 | 153 |
map_success | 121 | 108 | 89 |
Para profundizar en el análisis de sesiones en GA4 y por qué solo añadiéndolas al informe ya puedes analizar eventos únicos por sesión, puedes consultar este post de nuestro blog: Análisis de sesiones en GA4
Crear informes por silos en la biblioteca y en Explorador
Podemos crear informes específicos para cada silo en la biblioteca de GA4 o en la herramienta Explorador. Para ello, podemos filtrar los eventos por el prefijo del silo y crear un informe para cada dimensión.
Ejemplo:
Si tenemos un silo de «buscador de productos» con el prefijo «search_», podemos crear un informe en la biblioteca que muestre los eventos «search_open», «search_view» y «search_submit», filtrados por la dimensión «search_type» (tipo de búsqueda).
Crear KPIs en base a los eventos «_open» y «_view»
Los eventos `_open` y `_view` nos permiten calcular la tasa de uso del silo y la frecuencia con la que los usuarios interactúan con él.
Ejemplo:
En un silo de «buscador de vuelos» (search_
), podemos calcular el porcentaje de sesiones que utilizan el buscador (search_open
) y la cantidad de búsquedas que realizan los usuarios (search_view
). Esto nos permite evaluar la popularidad del buscador y la frecuencia con la que los usuarios lo utilizan. Además, podemos analizar la relación entre ambos eventos para determinar si los usuarios que abren el buscador realizan búsquedas o simplemente lo abandonan.
Transformar los eventos «_success» en eventos clave
Al marcar los eventos `_success` como eventos clave, podemos calcular la tasa de conversión del silo a nivel de sesión y usuario.
Ejemplo:
En un silo de «formulario de contacto» (contact_
), podemos marcar el evento contact_success
como evento clave para calcular el porcentaje de usuarios que envían el formulario correctamente. Esto nos permite medir la efectividad del formulario y detectar posibles problemas de usabilidad. Además, podemos analizar la tasa de conversión por diferentes dimensiones, como el tipo de formulario o la fuente de tráfico, para identificar áreas de mejora.
Analizar varios silos a la vez transversalmente gracias a la coincidencia en los finales de evento
Aunque más rebuscada esta posibilidad también puede ser muy útil. Si has sido sistemático a la hora de crear silos (lo has pensado un poco y no has creado los eventos sin ton ni son) verás que muchas interacciones coinciden en sus nombres. Esto te permite hacer un análisis transversal filtrando tus eventos por el final del nombre de evento y no por el principio.
Ejemplo sencillo: podrías filtrar en GA4 tus eventos por «termina por», «_open». Esto te diría cuantas veces eentran las sesiones o los usuarios en cada silo y verías la importancia de cada silo por separado. Claro que para eso todos tus silos tendrán que tener definido el evento «_open».
Medir el impacto de usar distintas partes del silo contra los macroobjetivos reales de la web
Para analizar cómo el uso del silo influye en los objetivos de la web, podemos utilizar segmentos a nivel de sesión y usuario.
Ejemplo:
En un silo de «carrito de compra» (cart_
), podemos crear dos segmentos: uno que incluya el evento cart_open
y otro que no. Comparando el comportamiento de ambos segmentos en relación a las compras completadas, podemos determinar el impacto del uso del carrito en las conversiones. Si observamos que los usuarios que utilizan el carrito tienen una tasa de conversión mayor, podemos concluir que el carrito facilita el proceso de compra y que debemos optimizar su diseño y usabilidad para maximizar su efectividad.
Generar audiencias sobre el silo
GA4 permite crear audiencias basadas en el comportamiento de los usuarios en el silo. Esto nos permite segmentar a los usuarios y crear campañas de marketing personalizadas.
Ejemplos de audiencias:
- Usuarios que usan el silo (
search_open
). - Usuarios que tienen éxito en el silo (
map_success
). - Usuarios que fallan en el silo (
login_fail
).
Podemos utilizar estas audiencias para crear campañas de remarketing, enviar notificaciones push o personalizar el contenido de la web o app. Por ejemplo, podemos crear una campaña de email marketing dirigida a los usuarios que han abandonado el carrito de compra (cart_abandon
) para incentivarles a completar la compra.
Generar informes de recorridos por el silo
El informe de exploración de rutas en GA4 nos permite visualizar el recorrido típico de los usuarios dentro del silo. Para ello, podemos utilizar el evento `_open` como punto de partida.
Ejemplo:
En un silo de «creador de personajes» (builder_
), podemos analizar las rutas que siguen los usuarios desde que acceden al creador (builder_open
) hasta que guardan su personaje (builder_save
). Esto nos permite identificar los pasos más comunes, los puntos de abandono y las áreas que necesitan mejoras. Por ejemplo, si observamos que muchos usuarios abandonan el proceso en el paso de selección de accesorios, podemos investigar si existe algún problema de usabilidad o si la selección de accesorios es demasiado compleja.
Entender tu silo por las dimensiones clave del mismo
Las dimensiones del silo, junto con otras dimensiones de GA4 como canales, países o dispositivos, nos permiten segmentar el análisis y obtener una visión más profunda del comportamiento de los usuarios.
Ejemplo:
En un silo de «filtro de productos» (filter_
), podemos analizar el uso de los filtros por categoría de producto (filter_type
), país o dispositivo. Esto nos permite comprender cómo los usuarios de diferentes países o dispositivos utilizan los filtros y adaptar la interfaz a sus necesidades. Por ejemplo, si observamos que los usuarios de dispositivos móviles utilizan menos los filtros, podemos simplificar la interfaz o destacar los filtros más importantes.
Conclusión
La estrategia de medición por silos en GA4 nos permite abordar el microanálisis de forma efectiva, enfocándonos en las áreas clave de nuestras aplicaciones, herramientas y procesos. Al crear mediciones a medida para cada silo, podemos obtener información valiosa sobre su rendimiento, identificar áreas de mejora y optimizar su contribución al éxito global del negocio.
Te invitamos a probar esta estrategia en tu propia web o app y a explorar las posibilidades que ofrece. Si necesitas ayuda o quieres que exploremos juntos las mejores opciones para tu negocio, no dudes en ponerte en contacto con Ikaue.9
Un comentario
Muy buen Enfoque. Felicidades