24 Ene 2018
Visualización de datos y protopersonas
Lectura: 8 mins.
|
Dificultad:

Visualización de datos para la definición e investigación de protopersonas

En los albores de cualquier proyecto estratégico casi siempre nos encontramos con la misma dificultad durante las primeras fases de definición de protopersonas: cómo dar forma y aprovechar los datos que ya tenemos para definir arquetipos lo más ajustados posibles.

Las herramientas de analítica son un diamante en bruto que nos sirven para allanar los primeros pasos de la conceptualización de personas, proporcionándonos información que nos ayude a definir estos arquetipos previos. Por otra parte, a través de herramientas de visualización de datos como Data Studio podemos validar las protopersonas definidas, organizando la información de tal manera que se convierta en un recurso más al que acudir cada vez que nos planteemos una nueva hipótesis.

¿Cómo le damos forma a esta primera fase?

1. Generamos un segmento en Analytics por cada protopersona a investigar

La segmentación en Google Analytics nos permite filtrar y agrupar los datos en base a las métricas y dimensiones concretas que necesitemos estudiar. El objetivo, como en cualquier fase de investigación, es encontrar respuestas a través de patrones consistentes.

Así que el primer paso es generar un segmento avanzado basado en los datos generales que sí sabemos (ej. localización/idioma/rango de edad/sexo), de manera que podamos estudiar el comportamiento real de cada tipología de usuario. Aunque no parezca un gran avance, a través de este filtro conseguimos reducir significativamente el volumen total de datos a examinar.

Una vez aplicamos los segmentos creados para cada arquetipo, podremos explorar datos más allá de lo obvio, buscando patrones que encajen con lo que sabemos (y que pueden provenir tanto de la analítica digital como de otros métodos de investigación aplicados).

¿Cómo sabemos si estos segmentos van por el buen camino?

En el libro referenciado más abajo, M. Beasley recomienda verificar los ratios de conversión de los segmentos creados. Los segmentos estarán justificados si el grupo de usuarios creado convierte por encima de la media.

A la hora de generar estos segmentos, tenemos que tener en cuenta en qué punto del proceso de investigación estamos. Cuanto menor sea el grado de definición de las personas y menos sepamos de ellas, menor debería ser también el nivel de ajuste de los segmentos (de manera que no perdamos pistas por el camino).

Resumiendo, el nivel de ajuste en los segmentos de Google Analytics no deberías ser excesivamente riguroso en esta fase, dado que será a posteriori, en Data Studio, donde aplicaremos los filtros más avanzados a medida que vayamos consiguiendo respuestas.

segmentos de analytics para protopersonas

En el ejemplo, el objetivo global es generar contenidos segmentados y de interés para nuestros usuarios, así que la investigación se enfocará principalmente en conocer su comportamiento en la sección del blog. En esta primera parte el segmento ha sido muy genérico (solo se han filtrado datos básicos sociodemográficos) para que en el paso siguiente podamos indagar y conocer más a fondo al usuario 1.

2. Organizamos la información en Data Studio

Siguiente paso en la investigación: toca generar un dashboard en Data Studio donde podamos plasmar todos los datos que nos interesa saber sobre la persona. Cuanto mayor sea la planificación de toda esta parte, más tiempo ahorraremos en las siguientes fases.

Para que este paso sea lo más eficiente posible, antes de ponernos manos a la obra deberíamos tener bien claros los objetivos de negocio, además de los problemas principales que queremos resolver durante el proyecto.

Dicho esto, utilizamos Data Studio (frente a solo investigar en Analytics), porque dependiendo de lo que queramos saber, podemos añadir también otras fuentes de datos externas que nos permitan conocer el comportamiento del usuario en otras plataformas y enriquecer así todo este proceso (ej. redes sociales, plataformas de newslettering, Google Search Console, etc.).

Herramientas como Data Studio, gracias a su capa visual y a la paginación de la propia herramienta, permiten adecuar el diseño del dashboard a las necesidades de cada caso (ej. podríamos agrupar toda la información referente a cada persona en la misma herramienta: su definición, customer journeys, mapas, etc. de manera que podamos acudir a una sola fuente de datos para agrupar toda la información).

2.1. Definimos qué datos queremos conocer y cómo los vamos a organizar

¿Qué tipo de datos podríamos incluir en esta planificación? Algunos ejemplos:

Comportamiento general

  • Dispositivos: ¿qué dispositivos utiliza y cuándo?
  • Keywords e intencionalidad de búsqueda
  • Tráfico social : ¿qué redes sociales utiliza?
  • Intereses: ¿qué le interesa?
  • Tipo de tráfico: ¿qué canales utiliza?
  • Etc.

Comportamiento onpage

  • Navegación: ¿hay patrones de navegación a lo largo de la semana?
  • Contenidos: ¿qué tipo de contenidos lee?
  • Búsquedas internas: ¿qué tipo de contenido busca dentro de la web?
  • Funnel: ¿en qué parte del embudo abandona?
  • Conversiones: ¿qué tipo de micro/macroconversiones realiza? ¿Cómo, cuándo y dónde?
  • Engagement general: rebote, tiempo en la web, recurrencia, páginas vistas, etc.
  • Etc.

Seleccionados los datos que queremos conocer en cada caso, estructuramos el dashboard para que visualmente estimule la “encontrabilidad” de respuestas (algún día tendremos un post sobre tipologías de gráficos, data storytelling y todos los vocablos rarunos relacionados con la visualización de datos 😀 ).

data studio- organizacion protopersona

2.2 Conectamos las fuentes de datos necesarias, ¡y a investigar!

Una vez planificado el Data Studio, conectamos todas las fuentes de datos necesarias y aplicamos todos los filtros y modificaciones requeridas para que se adecuen a la planificación previa.

Es importante no olvidarse de aplicar el segmento que hemos creado previamente en Analytics y aplicar los filtros oportunos en las fuentes externas.
segmento data studio

Tener todos los datos visualmente organizados nos tiene que servir para poder facilitar la investigación. Este tipo de paneles de información tienen que ser un recurso ágil al que podamos acudir recurrentemente para resolver algunas de las nuevas hipótesis que vayan surgiendo.

Protopersonas y analítica web

En el ejemplo hemos seleccionado algunos datos que nos interesa saber para conocer los intereses generales de la persona. Todos estos datos deberían servir para confirmar sospechas, generar nuevas preguntas y encontrar nuevos caminos de exploración.

Por ejemplo:

  • Por cuándo navega (entre semana) y desde dónde (principalmente desde escritorio), sabemos que Gari nos lee en el trabajo, probablemente buscando chuletas y consejos.
  • La gran mayoría del tráfico es orgánico y los artículos más leídos están estrictamente relacionados con optimización SEO y píldoras de analítica, así que vemos por dónde van los tiros.
  • Relacionado con lo anterior: por el tiempo en página (6 minutos), la tasa de rebote y el número de páginas por sesión, se aprecia que son visitas que llegan porque están buscando una información muy concreta, leen con atención y se van.
  • Hay poco de nivel de búsquedas internas, y las que hay tienen un componente técnico bastante bajo y con poca repetición, así que en principio esta sección no nos ayuda en exceso.

A partir de aquí y en función de la información más obvia, podemos ir construyendo una historia más sólida junto a nuevas hipótesis y datos que necesitemos investigar.

  • Ya tenemos claro que nos visita entre semana, ¿pero por la mañana o por la tarde? (Puede ser interesante para horas de publicación)
  • ¿A través de qué términos orgánicos llega? (Intencionalidad de búsqueda)
  • Ya sabemos cuáles son las páginas más leídas, ¿pero en cuáles se suscribe?
  • Y así, en bucle infinito 😀

3. Pulimos, probamos y reformulamos

Y como en toda optimización, después del análisis nunca llega la calma. Tras verificar datos, el siguiente paso será generar y validar nuevas hipótesis ajustando el Data Studio, hasta que poco a poco y en combinación con el resto de técnicas por las que hayamos optado consigamos definir arquetipos más exactos y útiles para esta primera fase de investigación.

La mejor ventaja de tener datos objetivos plasmados en un dashboard en tiempo real es que es un recurso siempre actualizado al que podemos acudir en cualquier momento para solucionar dudas o sospechas que vayan surgiendo a lo largo de cualquier otra fase del proyecto.


Referencias y enlaces interesantes