En el mundo del marketing digital, entender cómo interactúan los usuarios con nuestro sitio web o aplicación es fundamental. El tiempo de interacción es una métrica que, en términos simples, representa el compromiso y el nivel de consumo de información por parte de los usuarios. Tradicionalmente se ha visto como un indicador clave para medir el éxito de una estrategia digital. Sin embargo, con la llegada de Google Analytics 4 (GA4), esta métrica ha evolucionado significativamente.

GA4 nos ofrece su propia perspectiva sobre cómo medir y analizar el tiempo de interacción. No es tan sencillo como lo fue antes; ahora contamos con herramientas y métricas más precisas que nos permiten obtener insights más profundos sobre el comportamiento de los usuarios. En última instancia, esto nos ayuda a tomar decisiones más informadas y a optimizar nuestras estrategias de marketing.

En este artículo, exploraremos en detalle cómo GA4 redefine la medición del tiempo de interacción. Veremos cómo se diferencia del antiguo Google Analytics Universal (GAU), qué nuevas métricas y oportunidades nos ofrece, y cómo podemos aprovechar al máximo estas herramientas para mejorar nuestros análisis y estrategias.

La evolución de la medición: De UA/GAU a GA4

Antes de sumergirnos en las nuevas métricas de GA4, es crucial entender cómo se medía el tiempo de interacción en Google Analytics Universal y por qué era necesario un cambio. En GAU, el tiempo de interacción se basaba en las marcas de tiempo (timestamps) de las páginas vistas y los eventos. Básicamente, se calculaba el tiempo transcurrido entre un evento y el siguiente. Aunque esto parecía suficiente, tenía limitaciones significativas.

• La medición solo consideraba hasta el último evento o página vista de la sesión. Si un usuario no realizaba más acciones después de cargar una página, el tiempo adicional que pasaba en el sitio no se registraba.
• No se podía determinar si un usuario que rebotaba había pasado tiempo leyendo el contenido o si había abandonado inmediatamente.
• La falta de eventos automáticos para acciones como el scroll impedía una medición más precisa del compromiso del usuario.

Es tentador pensar que estos datos eran suficientes, pero en la mayoría de los casos, llevaban a interpretaciones erróneas. Por ejemplo, un usuario podía pasar varios minutos leyendo un artículo sin generar ningún evento adicional, y GAU lo contabilizaba como un rebote. Esto daba la impresión de que el contenido no era atractivo, cuando en realidad el usuario estaba comprometido.

Con GA4, Google dio un paso en la dirección correcta al introducir una forma más precisa y efectiva de medir el tiempo de interacción. Ahora, se considera el tiempo que un usuario mantiene la página en primer plano o la aplicación activa, independientemente de si genera eventos adicionales. Esto nos ofrece un estándar del mercado más confiable y una métrica en la que los profesionales pueden confiar.

Cómo GA4 mide el tiempo de interacción

GA4 introduce el concepto de «User Engagement» o «Tiempo de interacción del usuario», que captura el tiempo que un usuario tiene la página web en foco o la aplicación en primer plano. Esto significa que, incluso si el usuario no realiza ninguna acción, el tiempo de interacción se registra siempre que la página esté activa y en primer plano.

• Cuando un usuario inicia una nueva sesión, GA4 comienza a registrar el tiempo de interacción en milisegundos.
• El tiempo se envía a Analytics cuando el usuario cambia de pestaña, minimiza el navegador, navega a otra página o la aplicación se cierra.
• Este tiempo se agrega al siguiente evento recopilado en el parámetro engagement_time_msec.

   

Para ilustrar cómo funciona esto en la práctica, consideremos el siguiente ejemplo:

Un usuario aterriza en la página de inicio de tu sitio web y pasa 30 segundos leyendo el contenido sin realizar ninguna interacción adicional. Luego, navega a una segunda página y pasa otros 20 segundos antes de cerrar el navegador. En GAU, solo se habría registrado el tiempo hasta el último evento, posiblemente subestimando el compromiso real del usuario. En GA4, se registra todo el tiempo que la página estuvo en foco, proporcionando una imagen más precisa del consumo de contenido.

Este método ofrece una visión más precisa del compromiso del usuario. Como puedes ver, ya no dependemos únicamente de eventos activos para medir el tiempo de interacción. Ahora, incluso si un usuario está leyendo un artículo sin interactuar, ese tiempo se contabiliza, dando una imagen más realista del consumo de información y del compromiso con el sitio.

Métricas y oportunidades en GA4 para analizar los tiempos de interacción

GA4 nos proporciona una serie de métricas y herramientas que permiten un análisis más profundo del tiempo de interacción. Sin embargo, lo cierto es que  la información puede ser algo confusa debido a las diferencias entre los sistemas de reporting disponibles: Informes Estándar, Exploraciones y BigQuery. Si no conoces estos 3 sistemas, en este mismo post tienes una explicación de los 3 sistemas de reporting de GA4.

Cada uno de estos sistemas, maneja las métricas de tiempo de manera distinta, y es crucial entender estas diferencias para aprovechar al máximo las capacidades de GA4.

Sistemas de reporting en GA4

• Informes Estándar: Son los informes predefinidos que ofrece GA4. Aunque son útiles para obtener una visión general, tienen limitaciones en cuanto a la personalización y el detalle de las métricas de tiempo.
• Exploraciones: Permiten un análisis más granular y personalizado. Aquí podemos cruzar datos y ver detalles que no están disponibles en los informes estándar, aunque también presentan algunas limitaciones como la desaparición de métricas de usuario.
• BigQuery: Es la herramienta más potente para análisis avanzados. Ofrece acceso a todos los datos sin limitaciones, pero requiere conocimientos de SQL y no calcula las métricas automáticamente.

   

Es importante destacar que en cada uno de estos sistemas, los datos de tiempo cambian y entran en juego conceptos como las sesiones con interacción.

>> Una sesión con interacción es aquella en la que el usuario ha pasado al menos 10 segundos en la página, ha visto más de una página o ha realizado una conversión. Muchas de las métricas se calculan basándose en este criterio. Puedes leer más sobre las sesiones con interacción en nuestro post.  El motivo por el que muchas métricas solo tienen en cuenta este tipo de sesiones es que hasta que esto no sucede GA4 no empieza a medir el tiempo transcurrido y por lo tanto añadir sesiones sin interacción supone bajar la media de tiempo con usuarios que realmente no han estado navegando por tu web o app.

Métricas de tiempo en los Informes Estándar

En los Informes Estándar, disponemos principalmente de tres métricas relacionadas con el tiempo:

• Tiempo de interacción medio por usuario activo: Calculado como el total de tiempo de interacción dividido entre los usuarios activos. Nos muestra cuánto tiempo, en promedio, un usuario activo interactúa con nuestro sitio o aplicación. Por ejemplo, si tienes un total de 10,000 segundos de interacción y 1,000 usuarios activos, el tiempo medio sería de 10 segundos por usuario.

  Nota importante: Los usuarios activos se diferencian del total de usuarios en que tan solo contemplan usuarios que tengan al menos una sesión con interacción en su historial. Así que esta es una métrica que evita las sesiones sin interacción.

• Tiempo de interacción medio por sesión: Es el total de tiempo de interacción dividido entre el número total de sesiones. Sin embargo, ten en cuenta que aquí se consideran todas las sesiones, incluso las que no tuvieron interacción.

  (Si, su nombre es exactametne igual al anterior, pero el anterior tenía en cuenta solo sesiones con interacción y este las tiene en cuenta todas)

• Duración de la sesión: Calculada como el total de tiempo de interacción dividido entre las sesiones con interacción. Por ejemplo, si tienes 8.000 segundos de interacción y 800 sesiones normales y 500 de esas sesiones son con interacción, la duración media sería de 16 segundos por sesión (8.000 / 500 porque las sesiones sin interacción no se usan).

Cuidado con esto: las nomenclaturas pueden ser confusas y es importante entender qué está midiendo cada métrica para evitar interpretaciones erróneas. Por ejemplo, dos métricas pueden tener nombres similares pero considerar diferentes tipos de sesiones o usuarios. Es normal que al ir a elegir una métrica te resulte confuso encontrar «TIempo de interacción medio por sesión» y «Duración de la sesión». Además ambas están clasificadas en grupos distintos lo cual lo hace más caótico aun. En la práctica mucha gente escoge la primera que ve sin pensarlo bien. Tu ya no, ahora ya sabes qué diferencia hay entre ellas.

Métricas de tiempo en las Exploraciones

Las Exploraciones nos ofrecen más flexibilidad y algunas métricas adicionales, pero a cambio perdemos el tiempo de Interacción medio por usuario activo.

• Tiempo de interacción medio por sesión: Igual que en los informes estándar.
• Duración de la sesión: Igual que en los informes estándar.
• Expansiones por parte de usuarios: A pesar del nombre poco intuitivo, esta métrica representa el tiempo total de interacción, solo que aplicado evento a evento. Al sumar el tiempo de interacción de todos los eventos, obtenemos la duración total de la sesión. Por ejemplo, si un usuario realiza varias acciones y cada una tiene un tiempo de expansión asociado, al sumarlos obtenemos el tiempo total que el usuario ha estado interactuando. Esta métrica también nos permite ir a observar minuciosamente el tiempo de eventos concretos hasta el siguiente.

  

• Tiempo transcurrido desde la última solicitud de página: Mide el tiempo que ha pasado desde que se cargó la página hasta que se produjo un evento específico. Es útil para analizar la velocidad y la experiencia del usuario. Por ejemplo, podemos ver cuánto tiempo pasa desde que se carga la página hasta que el usuario hace clic en un botón.

  

Estas métricas nos permiten un análisis más detallado y personalizado del comportamiento del usuario, enfocándonos en eventos específicos y tiempos precisos.

Métricas de tiempo en BigQuery

En BigQuery, tenemos acceso a todos los datos en bruto, lo que nos permite calcular prácticamente cualquier métrica que necesitemos. Algunos campos clave incluyen:

• Parámetro engagement_time_msec: Es el dato base que usa GA4 para calcular la métrica de Expansiones del usuario. Si la usas podrás sacar tiempos muy parecidos a los que te da GA4, pero a cambio de complicar mucho las queries (Debes sacarlo de un parámetror y asignarlo a su evento anterior).
• event_timestamp: Marca de tiempo exacta en que ocurrió el evento, en microsegundos desde el 1 de enero de 1970. Por ejemplo, 1625097600000000. Resulta la forma más cómoda de trabajar en bigquery (midiendo el tiempo entre un timestap y otro), pero si lo usas perderás ese plus que te da GA4 de solo medir el tiempo cuando el usuario realmente tiene abierta la página, con lo que te quedarán tiempos mucho más grandes.
• event_previous_timestamp: Marca de tiempo del evento anterior, útil para calcular tiempos entre eventos. Restando este valor del event_timestamp obtenemos el tiempo transcurrido entre ambos eventos.
• user_first_engagement: Indica el primer evento de interacción del usuario. Nos ayuda a entender cuánto tiempo ha pasado desde la primera interacción hasta eventos posteriores.
• event_offset: Diferencia en milisegundos cuando los eventos se envían en lotes. Es útil para ajustar los tiempos cuando los eventos se han registrado pero no se han enviado inmediatamente.

Con estos datos, podemos realizar análisis avanzados, aunque requiere conocimientos técnicos y experiencia en SQL. Por ejemplo, podríamos calcular el tiempo promedio que los usuarios tardan en completar una conversión desde su primera visita.

Tipos de análisis que podemos realizar con las métricas de tiempo de interacción

Ahora que entendemos las métricas disponibles, es momento de explorar los diferentes tipos de análisis que podemos realizar en GA4 para aprovechar al máximo el tiempo de interacción.

Visión macro

En esta sección, utilizamos las métricas globales para obtener una visión general del comportamiento de los usuarios en nuestro sitio o aplicación. Estas métricas nos ayudan a entender tendencias generales y a identificar áreas que requieren atención.

Por ejemplo, podemos analizar el tiempo de interacción medio por usuario activo para evaluar el nivel de compromiso general. Si este tiempo es alto, es una señal significativa de que los usuarios encuentran valioso nuestro contenido.

También podemos desglosar estos datos utilizando dimensiones de usuario o sesión:

• Por dispositivo: Comparar el tiempo de interacción entre usuarios de móviles, tabletas y ordenadores. Por ejemplo, podríamos descubrir que los usuarios de escritorio pasan más tiempo interactuando con el sitio que los usuarios móviles, lo que podría indicar una mejor experiencia en escritorio o la necesidad de optimizar para móvil.
• Por fuente de tráfico: Evaluar cómo diferentes campañas o canales afectan el tiempo de interacción. Si los usuarios provenientes de una campaña específica muestran un tiempo de interacción mayor, podríamos inferir que esa campaña está atrayendo tráfico más cualificado.
• Por ubicación geográfica: Identificar mercados con mayor o menor compromiso. Si en ciertos países el tiempo de interacción es bajo, podríamos investigar si hay barreras lingüísticas o culturales que debamos abordar.

Esto nos permite tomar decisiones estratégicas, como enfocar recursos en dispositivos o canales que generan más compromiso.

Análisis de procesos del usuario

Aquí entra en juego el uso de embudos para medir tiempos entre pasos específicos en el recorrido del usuario. A diferencia de los análisis a nivel sesión, en GA4 estos embudos se analizan a nivel usuario, lo que significa que podemos ver cuánto tiempo tardan los usuarios en pasar de un paso a otro, incluso si esto lleva días o semanas.

El informe de embudos de GA4 (dentro del área de explorador) no solo te permite definir pasos concretos para ver que porcenajes de usuarios caen en cada paso. Además tiene una opción mágica que te permite activar la visualización de tiempo entre pasos:

Cuando activamos esta opción podemos empezar a usar este infome como un medidor de tiempos. Solo tenemos que detallarle 2 pasos y veremos cuanto tiempo tarda un Usuario (importante recordar que hablmaos de usuarios y por eso podemos ver tiempos de más de 1 día) en pasar de un paso al siguiente.

Esto es especialmente útil para entender procesos de maduración o consideración, como:

• Ecommerce: Tiempo desde que un usuario ve un producto hasta que realiza una compra. Por ejemplo, si notamos que el tiempo promedio es de 3 días, podemos planificar acciones de remarketing en ese intervalo.
• Hoteles: Ventanas de reserva donde podemos analizar cuánto tiempo pasa desde que el usuario busca disponibilidad hasta que reserva. Si descubrimos que en promedio tardan 7 días, podemos enviar ofertas o recordatorios para incentivar la reserva.
• Servicios: Tiempo desde que un usuario muestra interés hasta que contrata un servicio. En servicios profesionales, el tiempo de maduración puede ser aún mayor, y entender este tiempo nos permite mantenernos en contacto con el usuario en los momentos clave.

Con esta información, podemos crear estrategias de remarketing o ajustar nuestras comunicaciones para acortar el tiempo de decisión y aumentar las conversiones.

Ejemplo en Ecommerce:

Supongamos que, en promedio, los usuarios tardan tres días en pasar de ver un producto a comprarlo. Podemos aprovechar este dato para:

• Enviar correos electrónicos personalizados al segundo día, recordando al usuario el producto visto.
• Ofrecer descuentos o promociones limitadas en el tiempo para incentivar la compra.
• Implementar campañas de remarketing en redes sociales enfocadas en esos usuarios indecisos.

Ejemplo en Servicios:

Imagina que ofreces servicios de consultoría y observas que los usuarios tardan alrededor de dos semanas desde que visitan la página de servicios hasta que solicitan una consulta. Con esta información, podrías:

• Crear contenido adicional, como casos de estudio o testimonios, que se envíe automáticamente a los usuarios durante ese período de maduración.
• Programar seguimientos personalizados a través de email marketing para resolver posibles dudas.
• Ofrecer una consulta gratuita si el usuario no ha avanzado después de cierto tiempo.

Uso de activadores de audiencia

Un aspecto avanzado es utilizar activadores de audiencia para generar eventos cuando un usuario entra en una audiencia específica. Esto nos permite medir cuánto tiempo tarda un usuario en pasar de una audiencia a otra, proporcionando una visión más estratégica.

Por ejemplo, podemos crear:

• Audiencia A: Usuarios que han leído su primer artículo.
• Audiencia B: Usuarios que se convierten en «grandes lectores» tras leer varios artículos o pasar cierto tiempo en el sitio.

Al configurar activadores que generan eventos cuando un usuario entra en estas audiencias, podemos medir el tiempo promedio que tarda en evolucionar de la Audiencia A a la B. Esto es invaluable para entender el ciclo de vida del usuario y optimizar nuestras estrategias de contenido y engagement.

Configuración de activadores de audiencia en GA4

1. Definir las Audiencias: En GA4, ve a la sección de Audiencias y crea las audiencias basadas en el comportamiento que deseas.

2. Crear Activadores de Audiencia: Al crear la audiencia, activa la opción de «Crear un evento cuando un usuario califique para esta audiencia».

3. Analizar en Exploraciones: Utiliza estos eventos en la exploración de embudos para medir el tiempo entre la entrada a diferentes audiencias.

Esto te permitirá visualizar cuánto tiempo necesitan los usuarios para evolucionar en su nivel de compromiso y ajustar tus estrategias en consecuencia.

Análisis de tiempos al detalle (análisis micro)

Para obtener un nivel de detalle aún mayor, podemos utilizar la métrica de Expansiones por parte de usuarios y seleccionar eventos específicos que nos interesen. Esto nos permite analizar tiempos precisos entre interacciones concretas.

Además, con BigQuery, tenemos la flexibilidad de calcular casi cualquier métrica, siempre que tengamos eventos que marquen el inicio y el fin del proceso que queremos medir.

Sin embargo, en muchos casos, lo más práctico es crear eventos personalizados que nos ayuden a medir el tiempo exacto entre dos interacciones del usuario. Esto se logra configurando eventos en Google Tag Manager (GTM) que envían parámetros personalizados a GA4.

Implementación de eventos personalizados con GTM

Para medir el tiempo entre dos puntos específicos, podemos crear un evento llamado process_time que incluye los parámetros time_msec y process_name. Esto nos permite medir múltiples procesos a la vez y diferenciarlos fácilmente en GA4.

JavaScript:

Inicio del proceso (por ejemplo, cuando el usuario hace clic en «Comenzar Registro»):

// En un evento de GTM que se dispara al inicio del proceso
<script>
  window.processStartTime = new Date().getTime();
</script>

Fin del proceso (por ejemplo, cuando el usuario completa el registro):

// En un evento de GTM que se dispara al finalizar el proceso
<script>
  (function() {
    var processEndTime = new Date().getTime();
    var processTime = processEndTime - window.processStartTime;

    window.dataLayer = window.dataLayer || [];
    window.dataLayer.push({
      'event': 'process_time',
      'time_msec': processTime,
      'process_name': 'registro_usuario',
      'event_type': 'registro'
    });
  })();
</script>

Configuración en Google Tag Manager

1. Crear Variables de Datos: En GTM, crea variables para `time_msec`, `process_name` y `event_type` que capturen los valores del DataLayer.

2. Crear la Etiqueta de GA4: Configura una etiqueta de evento GA4 con el nombre `process_time` y asigna los parámetros personalizados utilizando las variables que creaste.

3. Configurar los Activadores: Crea activadores que se disparen en los momentos adecuados, como cuando el evento `process_time` es enviado al DataLayer.

Este enfoque nos permite medir de manera precisa y flexible el tiempo que los usuarios tardan en completar acciones específicas, y ajustar nuestras estrategias en consecuencia.

Ejemplo práctico en BigQuery

Con los datos exportados a BigQuery, podemos realizar análisis detallados. Por ejemplo, para calcular el tiempo promedio entre dos eventos específicos:

WITH user_events AS (
  SELECT
    user_pseudo_id,
    event_timestamp,
    event_name,
    LEAD(event_timestamp) OVER (PARTITION BY user_pseudo_id ORDER BY event_timestamp) AS next_event_timestamp,
    LEAD(event_name) OVER (PARTITION BY user_pseudo_id ORDER BY event_timestamp) AS next_event_name
  FROM
    `proyecto.dataset.ga4_events_*`
)

SELECT
  event_name AS Evento_Inicial,
  next_event_name AS Evento_Final,
  AVG((next_event_timestamp - event_timestamp)/1000000) AS Tiempo_Entre_Eventos_MS
FROM
  user_events
WHERE
  event_name = 'inicio_proceso' AND next_event_name = 'fin_proceso'
GROUP BY
  Evento_Inicial, Evento_Final;

Este script calcula el tiempo promedio en milisegundos entre el evento `inicio_proceso` y `fin_proceso` para cada usuario. Esto es especialmente útil para analizar procesos donde no hemos podido implementar mediciones personalizadas con GTM.

Conclusión

El tiempo de interacción en GA4 es una herramienta poderosa que nos permite entender mejor el compromiso y el comportamiento de los usuarios. Con las nuevas métricas y métodos de medición, tenemos la oportunidad de obtener insights más precisos y accionables.

Es cierto que la transición de GAU a GA4 puede presentar desafíos, especialmente con la complejidad de las métricas y sistemas de reporting. Sin embargo, dar una oportunidad a estas nuevas herramientas y familiarizarnos con ellas es un paso en la dirección correcta para mejorar nuestras estrategias de marketing.

En última instancia, al aprovechar al máximo el tiempo de interacción en GA4, podemos ofrecer experiencias más relevantes y satisfactorias a nuestros usuarios, lo que se traduce en mayores conversiones y éxito para nuestro negocio. Dales una oportunidad a estas métricas y no las relegues; es cierto que esto hará que tus análisis sean más complejos, pero también serán más precisos y útiles.