Actualizate ya a la Etiqueta global de Google Ads

Dani Robledillo

¿Por qué hemos de implementar la etiqueta global?

Safari anunció en Junio que a finales de este mes se va a implementar el sistema Intelligent Tracking Prevention 2.0 (ITP). ITP es una característica de privacidad que en esta nueva versión va a actuar sobre las cookies para proteger la privacidad del usuario.

En la versión anterior de ITP, las cookies de terceros se mantenían en el sistema por 24 horas por lo que aún era posible medir ciertas conversiones si no llegaban a pasar 24 horas.

En esta versión 2.0, la característica de las 24 horas ha sido eliminada y ya no se van a guardar cookies de terceros. Esto implica que todas las conversiones que se utilizaban con este tipo de cookies van a dejar de funcionar.

Este cambio es un paso hacia la prevención de cualquier intrusión en la privacidad de los clientes y les permite saber cómo y cuándo se les hace un seguimiento.

En lo que respecta a Google Ads, la solución es utilizar cookies propias en el sitio web y para ello necesita implementar la etiqueta global en el sitio.

Ventajas que nos ofrece la nueva etiqueta

Se adapta a cambios: Mejor equipadas para manejar cambios en el ecosistema de medición. Aprovecha las últimas prestaciones e integraciones en cuanto estén disponibles.

Correcta medición de conversiones: Cambios en el comportamiento del usuario y las preferencias en el navegador han hecho difícil el medir conversiones correctamente usando cookies de terceros. Las etiquetas globales de sitio permiten tener una medición correcta usando cookies propias.

Fácil integración: La etiqueta global del sitio y Google tag manager proveen una experiencia mejorada de etiquetación y habilitan una integración rápida y sencilla con Google Ads, Floodlight en Search Ads 360, Display y Video 360, Campaign Manager, y Google Analytics.

¿Cómo realizar el cambio?

Si aún no has actualizado tu etiqueta del sitio web, aquí te indicamos cómo realizar el cambio de manera sencilla.

Hay dos formas de integrar una etiqueta de conversión. A través de código o mediante el uso de Google Tag Manager.

Mediante código

En este caso vamos a tener que insertar 2 etiquetas, una es la etiqueta global y la otra la que va a medir las conversiones.

La etiqueta global deberemos incluirla entre las etiquetas <head></head> de todas las páginas del sitio web.

<!-- Global site tag (gtag.js) - Google Ads: XXXXXX-->

<script async src="https://www.googletagmanager.com/gtag/js?id=AW-XXXXXX"></script>

<script>

  window.dataLayer = window.dataLayer || [];

  function gtag(){dataLayer.push(arguments);}

  gtag('js', new Date());

  gtag('config', 'AW-XXXXXX');

</script>

Una vez incluida esta etiqueta, deberemos incluir la etiqueta de conversión en el momento de realizar la conversión. Esta etiqueta deberá incluirse entre las etiquetas <head></head> y debajo de la etiqueta global que acabamos de incluir.

<!-- Event snippet for conversion page -->

<script>

  gtag('event', 'conversion', {'send_to': 'AW-XXXXXX/XXXXXXXX-XXXX'});

</script>

Mediante Google Tag Manager

Si hacemos uso de Google Tag Manager la integración es más sencilla, primero deberemos incluir la etiqueta de conversión en el momento de la conversión, como se hacía anteriormente. Simplemente le debemos indicar el ID y Etiqueta de conversión.

Una vez tengamos la conversión creada, debemos agregar la etiqueta de Vinculación de conversiones. Esta etiqueta no necesita ser configurada, simplemente la integramos en todas las páginas y listo.

Si no sabes como se utiliza Google Tag Manager y quieres empezar a usarlo, aquí te explicamos su funcionamiento.

Bonus: Unir etiqueta global de Google Analytics con Google Ads

Si tienes la etiqueta global que proporciona Google Analytics insertada mediante código, es necesario que la modifiques para integrar también el funcionamiento de Google Ads y así evitar duplicar el código de la etiqueta global.

La etiqueta global que proporciona analytics es practicamente identica a la de Google Ads, solamente debemos indicarle a esa etiqueta que también sea utilizada para una cuenta específica de Google Ads.

Esta es la etiqueta que proporciona Google Analytics.

<!-- Global site tag (gtag.js) - Google Analytics --> 

<script async src="https://www.googletagmanager.com/gtag/js?id=GA_TRACKING_ID"></script>

 <script>   window.dataLayer = window.dataLayer || []; function gtag(){dataLayer.push(arguments);} gtag('js', new Date()); gtag('config', 'GA_TRACKING_ID'); </script>

Lo que debemos hacer es incluir el siguiente fragmento de código a esta etiqueta:

gtag('config','AW-CONVERSION_ID');

Por lo que la etiqueta final debería quedar de la siguiente manera.

<!-- Global site tag (gtag.js) - Google Analytics --> <script async src="https://www.googletagmanager.com/gtag/js?id=GA_TRACKING_ID"></script> 
<script>   window.dataLayer = window.dataLayer || []; function gtag(){dataLayer.push(arguments);} 
gtag('js', new Date()); gtag('config', 'GA_TRACKING_ID'); gtag('config','AW-CONVERSION_ID');
  </script>

Es posible que con el tiempo estas medidas sean adoptadas por navegadores o aplicaciones basadas en webkit, ya que webkit es el motor del navegador de safari y el que ha desarrollado el sistema ITP.

Desde Viva, te recomendamos que si no tienes ya actualizada tu etiqueta de Google Ads, lo hagas lo antes posible.

Table of Contents

5 formulas útiles para tu spreadsheet

Dani Robledillo

Función ArrayFormula

Con esta función vamos a conseguir que los resultados devueltos de una función, sean convertidos a un array o matriz. Si por ejemplo tenemos una columna que es el resultado de una operación entre otra dos, añadimos esta función en la primera celda y el resultado se aplicará para todo el rango que seleccionemos.

=arrayformula(A2:A6/B2:B6)

En este ejemplo vamos a realizar una división entre dos columnas, solo hará falta realizar la división en una celda y automáticamente el resultado se expandirá por toda la columna.

Es muy útil para utilizar con diferentes funciones, podemos realizar un vlookup una única vez y que se replique en toda la columna evitando así tener que estar periódicamente expandiendo la función.

Función Vlookup

Esta función es de sobras conocida. Nos permite realizar una búsqueda de un dato mediante dos índices de diferentes fuentes, y en caso de coincidir, obtener el valor que buscábamos.

En este ejemplo nuestros índices serán las fechas y cuando estos coinciden, obtendremos el valor numérico asociado a esa fecha.

=Vlookup(A2:A; D2:E; 2; FALSE)

En el primer parámetro de la función (A2:A), indicamos el índice de la primera fuente de datos.

En el segundo parámetro (D2:E), indicamos el rango de la fuente que queramos obtener los datos donde la primera columna será el índice, en este caso el índice corresponde a la columna D.

En el tercer parámetro indicamos el número de la columna del dato que queremos obtener. En nuestro caso corresponde al número dos, ya que el número 1 corresponde a la columna D, el 2 a la E y así sucesivamente.

En el último parámetro indicamos si la fuente de datos donde vamos a obtener información está ordenada o no. Si le indicamos que está ordenada y no encuentra el valor del índice, entonces nos devolverá el resultado más próximo al índice que le corresponde. Por el contrario si le indicamos que no está ordenado y no encuentra un resultado, nos devolverá un error.

Función Query

Esta función se asemeja a lo que puede ser una consulta SQL. Nos va a permitir realizar una consulta a un conjunto de columnas y manipular los datos devueltos. Esta función es muy útil para fusionar diferentes fuentes de datos.

Como ejemplo tenemos dos fuentes de datos. En una hoja tenemos datos de adwords y en la otra tenemos datos de bing ads. Lo que vamos a hacer es fusionar estas dos fuentes de datos mediante la función query.

=QUERY({'Hoja 1'!A:C;'Hoja 2'!A:C}; "select Col1, Col2, sum(Col3) where Col2 is not null group by Col1, Col2"; -1)

En el primer parámetro seleccionamos las fuentes de datos, en nuestro caso hemos seleccionado las dos fuentes de datos que tenemos.

En el segundo parámetro indicamos la query, tener conocimientos de SQL hará mas fácil entender este apartado. Lo que hemos indicado es que seleccione las 3 columnas de datos y que las agrupe por las dos primeras columnas.

Como tenemos dos fuentes de datos, indicamos las columnas con el tag Colx (la x indica el número de columna). Si solo tuviéramos una fuente de datos podemos indicar las columnas por letra (A, B, C..).

En el último parámetro indicamos la cabecera que vamos a querer. Si indicamos un -1 tomará por defecto las cabeceras de las fuentes. En la fórmula solo he indicado el label de la tercera columna que es el coste, las demás columnas las tomará automáticamente de las cabeceras de los datos.

Función Regexmatch

Con esta función, vamos a poder saber si existe un texto determinado dentro de una celda. Funciona mediante expresiones regulares por lo que convierte a esta función en una herramienta muy potente.

=REGEXMATCH(A:A; ".*Fb|Face.*")

Esta función sólo tiene dos parámetros, en el primero indicamos la celda en al que vamos a buscar y en el segundo indicamos la expresión regular.

En este caso estoy viendo que en la columna A exista el valor Fb o Face.

Esta función resulta muy útil cuando queremos hacer condicionales junto a la función IF. Podemos ver si en una celda existe un texto, y en caso de ser verdadero realizar una acción diferente.

=IF(REGEXMATCH(A:A; ".*Fb|Face.*");"Es Facebook";"No es Facebook")

Utilizando el ejemplo anterior, vemos que con un IF ya podemos indicar el resultado

Funciones de Fecha

Si tenemos una fuente de datos diaria, vamos a poder crear fácilmente una columna que indique el mes, semana o año para poder filtrar después por estas columnas.

En el caso de querer obtener el año y el mes, tenemos una fórmula muy sencilla que nos va a permitir realizar dicha acción.

=TEXT(A:A; "YYYYMM")

Con la función text podemos cambiar el formato del resultado, por lo que en el primer parámetro indicamos la celda con la fecha, y en el segundo el formato que queremos obtener.

Para el caso de obtener el año y la semana, tenemos la siguiente fórmula.

=YEAR(A:A)&WEEKNUM(A:A; 21)

En este caso nos encontramos con la función YEAR que nos va a indicar el año de una fecha y con la función weeknum que nos va a indicar la semana de una fecha.

En el segundo parámetro de weeknum indicamos el tipo de semana con el formato para España. Para ello debemos obtener las semanas en ISO 8601/European. Esto se consigue utilizando el numero 21 en la función.

Table of Contents

Importar costes en Google Analytics

Dani Robledillo

Esta nueva función nos permite tener una visión general de todas nuestras campañas desde una única plataforma como es Google Analytics. Además, también podemos importar las impresiones y los clics de dichas campañas. Todos estos datos se agrupan por la dimensión fuente/medio. Así, vamos a ver paso a paso cómo se pueden importar costes en Google Analytics.

Obtener el esquema

Para empezar importando los costes, necesitamos obtener la plantilla que nos va a proporcionar Google Analytics, en la que vamos a añadir los datos para posteriormente subirlos y así poder visualizarlos.

Para ello nos dirigimos a la cuenta de Google Analytics y vamos a Administrar – Importación de Datos. Una vez en esta vista, hacemos clic en Crear.

En este apartado debemos indicar qué tipo de datos queremos importar. En este caso vamos a seleccionar la última opción que se denomina Datos de costes.

Al hacer clic en continuar, debemos indicar un nombre para poder identificarlo posteriormente y además seleccionar la vista en la que vamos a querer ver la información.

En el último paso debemos indicar que métricas queremos importar. Obligatoriamente deberemos indicar la fecha, el medio y la fuente. Como métricas debemos indicar una como mínimo, que pueden ser clics, coste o impresiones.

Además vamos a poder indicar más de 10 métricas para seleccionar de manera opcional.

Por último, debemos indicar qué comportamiento vamos a querer utilizar tras la importación de los datos. Tenemos dos opciones:

- Suma: Marcada por defecto, en el caso de encontrar datos con la misma fecha y fuente, sumará los datos.

Sobrescribir: En el caso de encontrar datos con la misma fecha y fuente, reemplazará los datos nuevos por los antiguos.

Una vez finalizado debemos obtener el esquema donde indicaremos los datos que queramos importar.

Para ello veremos dos botones al finalizar:

- Obtener el esquema: Al pulsar este botón, se abrirá un modal donde nos indicará las cabeceras necesarias para incluir en un fichero CSV, o bien podremos descargar directamente la plantilla.

Obtener un ID (para la API): Esta opción nos proporcionará un identificador para poder utilizarlo con la API de Analytics. En este post podéis encontrar la información para hacer uso de esta opción.

Escribiendo los datos

Para subir los datos, debemos subirlos en un fichero CSV delimitado por comas. La opción más cómoda es escribir los datos en un Excel o en un Spreadsheet de Google y posteriormente transformarlo a CSV.

Lo que debemos hacer es indicar en la primera fila las cabeceras del tipo de dato que queremos indicar.

Los datos deberían quedar como en la foto siguiente:

Una vez hemos indicado los datos correctamente, debemos exportarlo como un fichero CSV separado por comas. En mi caso utilizo Google Spreadsheets ya que con Microsoft Excel he tenido varios problemas a la hora de importar el fichero.

Importando los costes

Para importar el fichero que hemos generado con los datos de costes, debemos acceder al menú de importación de datos de Google Analytics y en el tipo de importación que acabamos de crear, hacer clic en Administrar subidas.

Dentro de este apartado debemos hacer clic en el botón de subir archivo y seleccionar el CSV que hemos creado anteriormente.

Analytics revisará el fichero y si encuentra algún error nos lo indicará. En caso de estar todo correcto empezará a importar los datos.

Los datos tardan varias horas hasta que los podamos visualizarlos.

Visualizando los costes

Para visualizar los datos vamos a crear un informe personalizado que contenga las métricas que hemos subido en el fichero.

Para ello vamos al apartado de personalización de Analytics y dentro vamos a Informes personalizados.

Haciendo clic en nuevo informe personalizado veremos un apartado donde indicar un título y seleccionar las métricas y dimensiones que vamos a querer ver en el informe. Además vamos a poder aplicar filtros a los datos indicados.

Por último le debemos indicar la vista de la que vamos a querer ver los datos.

En mi caso, he seleccionado Fuente/Medio como dimensión y Coste, Clics e Impresiones como métricas.

Ahora ya tenemos una tabla donde vamos a poder ver todos los costes de nuestras fuentes de marketing.

Table of Contents

Orbiter: una manera rápida de revisar Shopping

Toni Fernández

Los profesionales de PPC somos responsables del desarrollo de estrategias eficientes de publicidad digital y de ofrecer resultados optimizados. Es fundamental saber cómo funcionaron las campañas de Google AdWords el año pasado y qué se puede hacer de manera diferente este año para mejorar.

Con todos los informes disponibles, debería ser fácil, pero uno de los problemas de la plataforma de AdWords es que no ofrece insights de una manera sencilla y agregada. Por el contrario la herramienta Orbiter de smarter ecommerce está enfocada a ayudar a analistas y gestores de cuentas de Google Shopping a resolver este problema.

Normalmente los datos no están disponibles de una manera rápida, sino que están descentralizados, son de difícil acceso o son difíciles de comprender de manera integral. Orbiter trabaja en torno a Google Shopping y Adwords, lo que le permite tener una visión global de los KPIs de AdWords, recopilar información y tomar decisiones basadas en datos de una manera visual, sin tanto esfuerzo. Algunas de las cosas que se pueden hacer con Orbiter son:

Ver el rendimiento anual de las campañas en un mapa de calor estacional.
Identificar rápidamente los logros estratégicos y las áreas de mejora según categorías de producto y marcas.
Resaltar las tendencias emergentes de las marcas incluidas en una tienda online.
Interactuar con datos de una manera sencilla para aprender.

El problema del Big Data

Existe una gran desconexión entre la forma en que la información está disponible para los account managers y la capacidad de nuestros cerebros para procesar dicha información. Los humanos no evolucionamos para entender fácilmente hojas de cálculo de excel de 1000 o más filas. La información de las campañas se puede dispersar a través de múltiples pantallas o tablas, anidadas jerárquicamente, cortadas por períodos de tiempo, o todo lo anterior junto. Esta realidad hace que sea muy difícil o incluso imposible obtener una imagen coherente y unificada de lo que los datos nos pueden decir a lo largo del año.

No obstante, nuestros cerebros si que están adaptados para analizar de una manera más eficiente los datos desde un punto de vista visual, con una alta capacidad de detección de patrones y una alta sensibilidad a los cambios de color, contraste, tamaño y forma. Las visualizaciones de datos de Orbiter se adaptan a las fortalezas humanas al ofrecer visualizaciones muy útiles de KPIs críticos. Esto aumenta la comprensión de las campañas al ofrecer datos de una manera visual y producir una perspectiva digerible de toda la información existente.

Mapa de calor estacional de Orbiter

Esta funcionalidad permite ver qué categorías en cuanto a costes en Google Shopping han generado más volumen de ingresos, en qué semana fueron más eficientes o cuando fueron más altas las inversiones. Por ejemplo, se podrán analizar los esfuerzos en épocas específicas de Black Friday o Navidades, para cada una de las marcas. Esto se puede hacer con los Heatmaps estacionales de Orbiter’s Shopping.

El mapa de calor estacional ofrece una visión general anual del rendimiento de la marca o categoría en función de las semanas. Esto ayuda a detectar tendencias, estacionalidades y el impacto de las actividades de marketing a lo largo del año.

Es bastante potente: puede mostrar datos del retorno de la inversión publicitaria (ROAS), los costes o las conversiones, pudiendo compararse a nivel global (cuenta) o comparar por fila (marca o categoría). Esto significa, por ejemplo, que se pueden revisar los costes a nivel global para ver todos los datos de las de las celdas ponderadas entre sí y luego «ampliar» al cambiar la asignación de nivel de fila y comparar la rentabilidad o el volumen de ventas de cada marca.

También se pueden clasificar las filas por coste, conversión o valor de conversión. Asimismo existe un gráfico de barras suplementario que muestra el costo acumulado y el valor de conversión de cada fila para todo el año para simplificar el análisis.

Truco: haciendo click en cualquier celda para ver el rendimiento anual de Google Shopping Trends para esa marca en el país de destino.

Gráfica de Google Trends en mapas de calor

Árboles de Performance de Shopping y de búsqueda de Orbiter

El mapa de calor estacional es ideal para una perspectiva anual o trimestral. Por su parte, el árbol de performance o Shopping Performance Treemap PPC de Orbiter puede ayudar a revisar el estado de la cuenta de manera semanal, revisar los niveles de calidad para cada grupo de anuncios de campañas de búsqueda, el ROAS para cada tipo de producto y marcas en Google Shopping, etc.

Las visualizaciones de árbol se utilizan para aplanar las estructuras de datos jerárquicos en visualizaciones sencillas. La representación en forma de árboles ofrece numerosas ventajas inmediatas a los account managers y analistas de datos: la estructura organizada muestra los datos de toda la campaña. El diseño es perfecto para una vista global o granular, ya que Orbiter extrae los datos y los traduce en una cuadrícula organizada, basada en un esquema intuitivo de pequeño a grande, de rojo a verde.

En el caso de los datos de Google Shopping, las dos dimensiones, tamaño y color representan el costo y el rendimiento, respectivamente. El rendimiento aquí es la medición del ROAS de una marca individual frente a su ROAS objetivo durante los últimos 30 días. Esto significa que se pueden detectar y priorizar fácilmente los ganadores y perdedores de gasto publicitario con un solo vistazo.

Los datos son un segundo idioma para los especialistas en marketing de hoy, pero según Google, el 61% de los responsables de toma de decisiones luchan por integrar los datos correctamente. Esto no se debe a la falta de datos: en todo caso, los gestores de PPC están sobrecargados por los informes y KPIs. Orbiter nace para combinar los KPIs en visualizaciones interactivas fácilmente digeribles.

Esta herramienta es ideal para identificar estrategias ganadoras y perdedoras, detectar tendencias, encontrar nuevas correlaciones e incluso compartir los éxitos de AdWords con los responsables que toman desiciones con menos conocimiento de las plataformas. Lo mejor de todo es que esta herramienta es accesible a todo el mundo y de forma gratuita.

Table of Contents

Mediciones avanzadas en Google Analytics

Dani Robledillo

Eventos Personalizados

Los eventos son interacciones de una página web o una carga de pantalla. Las descargas, los clics en botones, las reproducciones de vídeo son todos ejemplos de acciones que un usuario puede realizar en una web y podemos tomarlas como eventos.

Existen dos formas de implementar esta característica.

A través de Tag Manager o a través de código mediante la librería de anaytics.js

Tag Manager

Implementar eventos través de Tag Manager es el método mas simple, lo más complicado es generar el trigger o activador necesario para poder medir el evento que queramos medir.

Primero debemos generar el activador, dependiendo de cómo este construida nuestra web podemos simplemente atacar a la clase html del botón mediante la variable Click Classes de Tag Manager.

Para poder utilizar estas variables ya predefinidas en Tag manager, deberemos acceder al menú de variables y en la configuración activar las variables que nosotros queramos.

Una vez activada la variable Click Classes debemos averiguar qué clase html tiene el botón que vamos a medir. Es recomendable tener cierto conocimiento sobre programación para poder encontrar el elemento que deseamos en el código HTML.

Para ello vamos a la web e inspeccionamos elemento con el botón derecho del ratón y localizamos el botón.

Ahora vamos a copiar una clase que sepamos que no se repite más en la web (al no ser que queramos medir todos los botones con una clase) para utilizarla en el activador.

Ya de vuelta en el activador le decimos que sea de tipo Clic en todos los elementos y que la variable Click Classes contiene la clase que hemos copiado anteriormente.

Ya solo nos queda realizar el evento en Analytics, generamos una nueva etiqueta de tipo Universal Analytics y le indicamos que el tipo de seguimiento va a ser de tipo Evento.

En los parámetros de los eventos podemos indicar el nombre que nosotros queramos para posteriormente identificarlo en Analytics. En este caso solo le he indicado categoría y la acción porque con esa información ya voy a poder reconocerlo fácilmente. Después le aplicamos la configuración de analytics y el activador creado anteriormente y ya lo tenemos todo listo.

Después de publicar o entrar en modo prueba, si hacemos clic al botón que hemos indicado y vamos a Analytics en la parte de eventos en tiempo real, veremos cómo registra un nuevo evento.

Si nos fijamos vemos que en categoría de evento y en la acción, aparece el nombre que le hemos indicado y así con los 4 parámetros que podemos configurar.

Esta información podremos visualizarla unas horas después en el menú de Analytics de Comportamiento – Eventos

Mediante código

Para implementar eventos directamente a través de código, debemos tener implementado el script de analytics.js.

Ya con el código implementado deberemos hacer que cuando el botón sea clicado se ejecute el siguiente código:

ga('send', { hitType: 'event', eventCategory: 'Categoria', eventAction: 'Accion', eventLabel: 'Etiqueta', eventValue: 'Valor' });

Una vez implementado ya podremos ver su funcionamiento en Analytics como está explicado anteriormente.

Para más información puedes consultar este enlace donde indican el completo funcionamiento.

Métricas y dimensiones personalizadas

Las dimensiones y métricas personalizadas son como las dimensiones y métricas predeterminadas de la cuenta de Analytics, salvo que las creas tu mismo. Se pueden utilizar para recopilar y analizar los datos de los que Analytics no realiza un seguimiento automáticamente.

Como punto negativo hay que indicar que tenemos un límite de dimensiones y métricas, vamos a poder crear 20 dimensiones y 20 métricas.

Para poder empezar a trabajar con estas métricas personalizadas, lo primero que debemos hacer es crear las métricas y dimensiones directamente desde analytics. Esta configuración la podemos realizar desde el panel de administración – Definiciones personalizadas

Creando Dimensiones Personalizadas

Desde el menú de Dimensiones Personalizadas seleccionamos el botón para crear una nueva dimensión.

En las dimensiones simplemente debemos indicar el nombre de la dimensión y el ámbito que deseemos. Es necesario tener conocimiento sobre como actúa cada ámbito:

Producto: El valor se aplica al producto para el que se ha configurado (solo comercio electrónico mejorado).
Hit: El valor se aplica al hit único para el que se ha establecido.
Sesión: El valor se aplica a todos los hits de una sesión.
Usuario: El valor se aplica a todos los hits en las sesiones actuales y futuras, hasta que cambie el valor o hasta que la dimensión personalizada pase a estar inactiva.

Para más información acerca de los ámbitos, en este enlace se puede consular su funcionamiento.

Una vez lo tenemos seleccionado, simplemente aceptamos. Ahora lo importante es fijarse en el índice que Analytics le asigna a cada dimensión creada, ya que gracias a este índice vamos a enviarle valores posteriormente.

Creando Métricas Personalizadas

Las métricas se crean de la misma manera que las dimensiones, accedemos al menú de métricas personalizadas y creamos una nueva métrica. A diferencia de las dimensiones aquí podemos asignar un valor máximo y uno mínimo. Ahora guardamos y veremos cómo se ha guardado la métrica con un índice proporcionado por Analytics.

Utilizando las métricas y dimensiones a través de Tag Manager

Para poder enviar valores desde Tag Manager a las métricas y dimensiones que se han creado en Analytics debemos utilizar la etiqueta de Universal Analytics que ya tenemos creada y desde la configuración indicar los valores a enviar. Tambien podemos utilizar las etiquetas de Eventos de Analytics para mandar información de métricas y dimensiones.

Para ello vamos a la etiqueta de Universal Analytics y en el desplegable de más opciones veremos Dimensiones personalizadas y Métricas personalizadas. En este apartado deberemos indicarle el índice y el valor que queramos.

También podemos utilizar la capa de datos (dataLayer) para obtener información dinámica desde la web y enviarla a las métricas y dimensiones.

Utilizando las métricas y dimensiones a través de Código

Para enviar información a métricas y dimensiones personalizadas directamente a través de código, debemos tener implementado el script de analytics.js.

Una vez tenemos el script implementado simplemente deberemos indicarle al código de analytics.js que se envíen datos de las métricas y dimensiones. El código que se debe utilizar es el siguiente:
ga('set', { 'dimension1': 'Valor', 'metric1': 'Valor' });
Para más información se puede consular la documentación

Visualizar los datos

Para visualizar las métricas y dimensiones, podemos crear un informe personalizado donde implementemos nuestras métricas y dimensiones. Para ello vamos al menú de Personalización – Informes personalizados y creamos un nuevo informe con las métricas y dimensiones que nosotros queramos.

En el ejemplo que se muestra a continuación muestro variables de todas las acciones que los usuarios han podido realizar en el formulario dimensionados por un identificador de sesión.

Table of Contents

Analiza tus datos con Power BI

Dani Robledillo

Funcionamiento de Power BI

Power BI puede trabajar vía web o mediante su aplicación para escritorio. Lo recomendable es trabajar mediante la versión de escritorio ya que va a ser más fluida y potente que la versión online, de todas formas vamos a ver como funciona Power BI y sus características mas destacables.

Fuentes de Datos

Como todas las herramientas de datos, lo más importante es la facilidad con la que podamos añadir fuentes de datos de distintos servicios. Power BI cuenta con multitud de servicios de los que podremos obtener datos registrándonos en dicho servicio.

Actualmente cuenta con mas de 70 conectores de los que podemos obtener datos. Están divididos por grupos:

Ficheros: Podemos importar datos desde ficheros Excel, CSV, JSON, XML….
Bases de datos: Tenemos una amplia seleccion de bases de datos, desde SQL hasta BigQuery de Google, pasando por Oracle o IBM….
Azure: Tenemos conexión directa con el servicio de Microsoft Azure.
Servicios Online: En este apartado encontramos servicios como Google Analytics, Facebook, Mailchimp, Salesforce…
Otros: Aquí vamos a poder conectarlos entro otros servicios, a URLS web que ofrezcan datos en formatos como CSV, o al sistema de active directory…

Como punto negativo diré que actualmente no permite la conexión directa con las plataformas como Adwords, Facebook ads o Bing ads, pero la posibilidad de importar datos desde ficheros externos como Excel nos da posibilidad de tener esos datos agregados.

Trabajando con Power BI desktop

Como ya he dicho, lo más cómodo es trabajar con esta versión para generar nuestros informes de datos y posteriormente compartir estos informes a la plataforma web para poder visualizarlo en cualquier dispositivo.

Cuando abrimos Power BI por primera vez, veremos muchas opciones pero es un menú bastante intuitivo y es fácil empezar a manejarse dentro de la aplicación.

Lo primero que deberemos hacer es importar datos desde algún tipo de servicio, y una vez importados los datos ya podemos generar el informe con las gráficas y tablas que nosotros queramos.

Si estamos perdidos en cuanto al diseño también podemos descargar plantillas de la comunidad fácilmente desde el menú de navegación.

Cuando ya tengamos el informe listo, es hora de publicarlo y subirlo a nuestra cuenta de Power BI.

Si ahora accedes a tu área de trabajo desde tu cuenta via web, aparecerá el informe recién creado y podrás visualizarlo, editarlo o compartirlo con otras cuentas para que puedan visualizarlo.

Explorando el área de trabajo

Cuando accedemos vía web a Power BI entramos a nuestro área de trabajo, en este espacio podemos gestionar distintos elementos:

Paneles: Los paneles son informes pero de una sola página, se suele utilizar para visualizar un resumen concreto de los datos.
Informes: Un informe es lo que hemos visto que puede realizarse desde la aplicación de power bi para desktop. Este informe representa información sobre un conjunto de datos.
Libros: Aquí se verán reflejados los ficheros en formato Excel que hayan sido cargados dentro de power bi, como si fuera un Excel online. Si se importa un fichero Excel se visualizara como un libro en el que poder editar el fichero, por el contrario, si se suben los datos del fichero, se agregara como un conjunto de datos.
Conjuntos de datos: Un conjunto de datos agrupa información de uno o diferentes fuentes (servicios, archivos o bases de datos). Estos datos son los que se utilizan para luego visualizarlos en un informe o un panel.

Ventajas que ofrece Power BI

Multitud de opciones para representar los datos: Tenemos más de 20 tipos de gráficos y tablas disponibles para poder representar de la mejor manera posible nuestros datos.

Posibilidad de importar datos externos: Nos ofrece la posibilidad de importar datos desde ficheros CSV, JSON, EXCEL además de bases de datos SQL, IMB DB, incluso BigQuery de Google.

Centralizar datos: Una gran posibilidad que ofrece es la de poder fusionar datos de diferentes servicios y de esa forma poder representar en una tabla el resumen de todos los servicios de datos que queramos visualizar. ¡Hasta podemos crear relaciones entre datos como si se tratara de una base de datos!

Una comunidad detrás: Existe una buena comunidad que puede resolver dudas y problemas que tengamos, además del soporte de Microsoft.

Responsive: Power BI permite visualizar los informes tanto en escritorio como en móviles y tablets.

Tiempo Real: Power BI se actualiza constantemente para ofrecer los datos en tiempo real.

Versión gratuita: Tenemos la posibilidad de usar Power BI gratis sin tener grandes restricciones en comparación a las versiones de pago. Aquí puedes ver las diferencias entre las versiones

La sencillez y su potencia a la hora de representar datos convierte a Power BI en una herramienta a tener en cuenta a la hora de querer analizar datos para tomar decisiones sobre nuestro negocio.

Table of Contents

Pon un Dashboard a tu Ecommerce

Dani Robledillo

La cantidad de datos que de un solo vistazo se pueden analizar es los más importante en un dashboard. Se ahorra tiempo al no tener que estar recopilando y unificando datos para analizarlos posteriormente. En un dashboard pasamos directamente a analizar nuestro negocio.

Herramientas online para nuestro Ecommerce

Probablemente tengamos nuestro ecommerce creado sobre un CMS (Magento, Prestashop, WooCommerce…). Estas herramientas incluyen dashboard internos que nos muestran el estado de nuestro negocio en relación a los datos de nuestros productos, clientes y ventas.

Depende del grado de complejidad o de usabilidad del dashboard que queramos deberemos pagar más o menos por un módulo que nos de esa información.

Pero seguramente tengamos incorporado a nuestro ecommerce Google Analytics, que nos da mucha más información sobre el funcionamiento de nuestra web. Aquí es donde podemos estar utilizando la propia herramienta de Google Analytics como un dashboard, ya que podemos ver toda la información en tablas o gráficos.

Pero si además estamos utilizando otro tipo de servicios como Google Adwords o Facebook Ads, podemos tener la información de todas las plataformas en un único dashboard donde poder ver fácilmente la información que nos resulte útil de un vistazo, evitando tener que acceder a cada plataforma e ir buscando la información más relevante para nuestro negocio.

Hay muchas herramientas que realizan esa tarea, en este blog ya os hemos hablado sobre Google Data Studio que es la propia herramienta de Google.

Pero podemos querer más potencial en nuestro dashboard y utilizar aplicaciones más aptas a lo que buscamos.

Hay que tener en cuenta que debemos tener configuradas todas las cuentas correctamente para que los datos indicados en el dashboard sean lo más exactos posibles.

Creando nuestro dashboard

Una vez decidido qué vamos a analizar, llega el momento de seleccionar nuestras métricas o KIPS más importantes. Son los datos con los que trabajaremos en nuestro dashboard para crear gráficos que nos aporten una información sobre el estado del negocio.

Una buena manera de visualizar el estado del negocio es generando gráficas que nos indiquen la tendencia que van tomando nuestras métricas mas importantes.

Depende de lo que queramos observar, deberemos añadir unas métricas u otras. Si queremos estudiar el comportamiento de nuestra web, deberemos añadir información sobre el comportamiento de nuestros productos más vendidos, el ticket promedio, tasa de conversión por dispositivo o la tasa de abandono del carrito.

Si por el contrario queremos ver información de nuestras campañas SEM deberemos añadir información sobre el ROAS (gasto/ingresos), las campañas que mejor funcionan o lo que estoy pagando por cada conversión que realiza un anuncio.

En el caso de ver un informe sobre el estado de nuestra marca deberemos ver métricas relacionadas a nuestras redes sociales, como el número de seguidores y likes generados por nuestras publicaciones. Así como analizar a qué hora va a funcionar mejor una publicación.

Por eso es importante saber que vamos a querer analizar desde un principio para ver que aplicación deberemos utilizar.

También debemos marcarnos unos objetivos y así hacernos una idea de cómo va la tendencia del negocio y si los podemos alcanzar o no.

Una buena representación visual es muy importante, generar gráficos con sentido y que visualmente nos digan si estamos bien o mal. Utilizar el sistema del semáforo que nos indica por colores lo bueno y lo malo es una buena práctica.

Dashboards de ejemplo

Vamos a ver un ejemplo de un dashboard enfocado a cuentas de SEM para un Ecommerce.

En este caso tenemos un dasbhoard creado en Google Data Studio vinculado con Google Adwords.

Lo principal es poder seleccionar un periodo de fechas determinado y si queremos ver información sobre una campaña en concreto, debemos tener un selector. Si tuviéramos Facebook o Bing, sería óptimo tener un selector de plataformas de SEM para tenerlo todo en una misma página.

En todo negocio, lo más importante es ver cuánto estamos ganando y sobre todo, lo que estamos gastando para generar esos ingresos. Por ello, vamos a enfocar las gráficas que nos indiquen tendencia a esos parámetros.

Si tenemos un buen histórico, podemos hacer una comparación con periodos anteriores, para ver si estamos mejorando o no.

Es muy recomendable añadir un buen título a las gráficas que nos indique que estamos viendo.

En la última parte vemos tablas con datos por meses, aunque parezca algo más tosco es información que vamos a querer consultar, pero de esta manera vemos cómo va evolucionando mes a mes la cuenta.

En este otro caso vamos a ver un dashboard orientado a métricas de UX (Experiencia de usuario).

Lo que nos interesa en este caso es ver que hace el usuario y, gracias a las métricas, ver qué hacer para qué los usuarios se sientan lo mas a gusto posible a la hora de comprar y así mejorar la tasa de conversión.

Este dashboard es algo más gráfico que el anterior ya que representa de una mejor manera lo que vamos a querer analizar.

En este caso la información de los usuarios en los diferentes dispositivos resulta muy relevante, ya que por ejemplo, un ecommerce no va a funcionar de igual manera en móvil que en sobremesa.

Table of Contents

Enlazar Microsoft Excel con Google Spreadsheets

Dani Robledillo

¿Y por qué no hacerlo directamente en Excel?

Podemos encontrarnos con el caso de tener un Script para Adwords que nos automatice un reporte de nuestras cuentas y se exporte a un Spreadsheet de Google Drive. Por lo que si queremos automatizarlo en Excel no podríamos, a menos que lo enlacemos con el Spreadsheet.

Pasos a realizar

1. Publicar nuestro Google Spreadsheet

Lo primero que debemos hacer es publicar en la web nuestro Spreadsheet. Esto genera una URL que permite acceder a los datos en distintos formatos. Hay diferentes formatos de datos a los que podemos acceder (csv, tsv, xlsx…).

Para comenzar vamos a ir a nuestro Spreadsheet en Google Drive, en el menú superior accedemos a Archivo – Publicar en la web.

En el menú que nos aparecerá debemos elegir qué pestañas queremos publicar y en qué formato.

Antes de publicar debemos acceder a la configuración de la publicación y marcar la casilla que actualiza automáticamente cualquier cambio realizado en nuestro fichero.

Una vez lo tenemos todo seleccionado es hora de publicar.

Una vez publiquemos nos aparecerá una URL que es la que nos va a hacer falta.

Cuando publicamos, estamos publicando en todos los formatos aunque hayamos seleccionado uno, lo único que diferencia a cada formato en la URL es el parámetro output. Para ver otros formatos simplemente seleccionamos el formato que queramos y la URL se actualizará.

Formato web: https://docs.google.com/spreadsheets/d/e/xxxxxxx/pubhtml
Csv: https://docs.google.com/spreadsheets/d/e/xxxxxxx/pub?output=csv
Tsv: https://docs.google.com/spreadsheets/d/e/xxxxxxx/pub?output=tsv
Pdf: https://docs.google.com/spreadsheets/d/e/xxxxxxx/pub?output=pdf
Xlsx: https://docs.google.com/spreadsheets/d/e/xxxxxxx/pub?output=xlsx
Ods: https://docs.google.com/spreadsheets/d/e/xxxxxxx/pub?output=ods

Si queremos detener la publicación deberemos acceder a la configuración y hacer clic en Detener Publicación.

2. Enlazar Excel

La manera para enlazar Excel depende del sistema operativo que se utilice ya que la versión de Excel para Mac no tiene las mismas funciones.

2.1 Enlazar para Windows

Vamos a ver el método utilizado para enlazar nuestro Spreadsheet con Microsoft Excel, en este caso la versión utilizada es Excel 2010 pero no hay problemas con las demás versiones.

Lo primero que debemos hacer es copiar la URL de publicación de nuestro Spreadsheet. La URL pública debe ser con el formato .tsv

Ya con la URL, lo que debemos hacer es crear un nuevo documento de Excel y una vez creado nos dirigimos a la pestaña Datos. En esa pestaña nos fijamos en que las primeras opciones que nos ofrece son conexiones a diferentes fuentes de datos. Debemos pulsar sobre la opción “Desde texto”.

Se nos abrirá un explorador de ficheros, pero lo que debemos hacer es pegar la URL en la barra del archivo y pulsar en abrir.

Tras esperar unos segundos se nos abrirá un asistente de configuración de los datos que vamos a importar. En el primer paso debemos indicar en el origen del archivo que es el formato UTF-8.

En los siguientes pasos no hace falta cambiar nada, llegamos a finalizar y nos pide que le digamos en qué celda queremos importar los datos. Seleccionamos la celda que queremos y voila! Ya tenemos nuestros datos importados y vinculados.

Vincular Excel Windows — Vincular Windows

2.2 Enlazar con Mac OS

Para la versión de Excel para Mac, el método es algo diferente, pero igual de efectivo.

El formato de la URL de Google Spreadsheet debe ser .tsv. A diferencia de Windows, aquí debemos crear previamente un fichero .txt.

Para crear el fichero .txt recomiendo el programa Sublime Text que es un editor de texto donde podemos ver las líneas que contiene.

En ese fichero deberemos copiar la URL seguido de dos líneas en blanco, es decir, pegar la URL y pulsar Enter dos veces. El porqué de las líneas en blanco es desconocido, pero de otra manera no funciona el proceso.

Ya con nuestro fichero llamado conexión.txt (mientras la extensión sea .txt da igual como se llame) nos vamos al fichero Excel donde queramos realizar el enlazamiento.

Dentro de Excel, vamos al menú Datos – Importar datos externos – Ejecutar consulta guardada… (se encuentra en la parte superior de la pantalla).

Vincular Mac - Importar — Vincular Mac – Importar

Ahora nos pide seleccionar un fichero, seleccionamos nuestro conexion.txt y hacemos clic sobre Obtener Datos. Una vez hayamos seleccionado nuestro fichero nos pedirá indicarle en que celdas importarlos.

Vincular Mac - Rango — Vincular Mac – Rango

Una vez seleccionado el rango donde queremos importar nuestros datos deberemos esperar unos segundos a que cargue los datos y… ¡listo! Ya tenemos nuestros datos importados.

Vincular Mac - Resultado — Vincular Mac – Resultado

3. Actualizar datos

La idea de este proceso es que los datos estén siempre actualizados sin tener que repetirlo cada vez que la fuente de datos se modifique, para actualizar los datos simplemente hay que decirle a Excel que refresque la fuente de datos.

En Windows para actualizar sin que nos de problemas deberemos ir a propiedades de la conexión y deshabilitar la casilla que pide el fichero al actualizar.

Para ello vamos a la pestaña datos de Excel, y seleccionamos la opción Actualizar Todo. Al cabo de unos segundos los datos estarán actualizados.

Si se realiza un cambio en el Spreadsheet de Google y vais directamente a Excel y al actualizar no hay ningún cambio, se debe a que el Spreadsheet tarda aproximadamente 5 minutos en actualizar la publicación. Pero existe un truco y es cerrar y volver a abrir el Spreadsheet (o refrescar la página) y ya se habrán guardado los cambios en la publicación.

También podéis activar la opción de que los datos se actualicen automáticamente cada X tiempo o al abrir el fichero desde las propiedades de la conexión.

De esta forma ya podemos vincular nuestros Spreadsheets de Google y trabajar con esos datos directamente en Excel, lo que nos ahorra tiempo a la hora de trabajar con los datos.

Table of Contents

Data Layer: por qué es importante para tu web

Dani Robledillo

¿No sabes qué es Data Layer? En este artículo te contamos todo lo que debes saber sobre la “capa de datos”, qué tipos hay y qué pasos debes seguir para implementarlo en tu sitio web y extraer toda la información valiosa. Sigue leyendo.

Quizás te interese: Tips profesionales de Google Ads

¿Qué es un Data Layer?

El Data Layer o capa de datos por su traducción es una estructura de datos (trozo de código) que idealmente contiene toda la información que se desea almacenar, procesar y compartir entre una página web (o cualquier otro contexto digital) a otras aplicaciones que estén enlazadas con la misma.

En el contexto de Google, es una estructura que le envía a Google Tag Manager cierta información de nuestra web que de otra forma no podría obtener. En ese sentido Tag Manager utiliza Data Layer para almacenar, procesar y pasar datos entre la página web y la solución de administración de etiqueta.

Es decir, un Data Layer es una capa de datos que sirve como conexión entre nuestra web y Google Tag Manager.

¿Para quién son útiles los Data Layers?

Tal como apunta el desarrollador Simo Ahava en su blog, Data Layer es, y debería ser, una solución empleada por distintos profesionales de los entornos digitales, encargados de marcar los objetivos comerciales que se satisfacen con los métodos de recolección de datos y analítica:

Especialistas en marketing
Analistas
Ejecutivos
Diseñadores web y UX
Otros profesionales de la comunicación digital

¿Qué tipos de Data Layer hay?

Podemos diferenciar dos tipos de Data Layer según su funcionamiento:

Estático

La forma en la que los datos son guardados se realiza estáticamente, es decir, los valores del Data Layer son siempre fijos. Si por ejemplo el valor de una transacción va a ser siempre la misma, añadimos el valor manualmente.

<script> dataLayer = [{ 'pagina': 'inicio', 'navegador': 'chrome' }]; </script>

Dinámico

Esta es la forma más común, consiste en guardar los datos dentro del Data Layer de manera dinámica. Por ejemplo, podríamos usar el mismo Data Layer para todos nuestros productos, pero cada variable seria dinámica en función del producto que estemos viendo.

<script> dataLayer = [{ 'pagina': <?php echo $pagina_actual ?>, 'navegador': <?php echo $navegador_usuario ?> }]; </script>

El ejemplo anterior está pensado para variables en PHP donde cada variable es diferente en cada página que visitemos.

Si vemos el código fuente en el momento de visitar una de nuestras páginas, veremos un data Layer con el aspecto del primer ejemplo pero con diferentes valores.

Estructura de un Data Layer

Un Data Layer no es más que un objeto de JavaScript, con la diferencia de que Tag Manager lo puede reconocer y trabajar con él.

Es importante recalcar que el Data Layer debe estar incluido siempre ENCIMA de nuestro código de Tag Manager.

Este es un ejemplo de un Data Layer básico:

<script> dataLayer = [{ 'pagina': 'pagina_actual', 'navegador': 'navegador_usuario' }]; </script>  //Aquí iría nuestro código de Tag Manager 

El ejemplo indicado simplemente guarda variables, pero no lanza eventos para poder usarlos en determinados momentos, para ello hay que hacer uso de la función push.

Podemos tener un Data Layer generado con valores estáticos y hacer uso de la función push para reenviarlo con valores diferentes.

<script> dataLayer =[]; //Inicializo el data Layer dataLayer.push({ 'pagina': 'inicio', 'navegador': 'chrome', 'event': 'paginaVista' }); </script> //Aquí iría nuestro código de Tag Manager 

En el ejemplo anterior, Tag manager reconocerá un evento nuevo llamado “paginaVista” y de esa forma podrá actuar cuando ese evento se dispare.

Para saber más: Aprende sobre las nuevas plantillas de Google Tag Manager

En la documentación de Google Developers podéis encontrar más información acerca de la estructura de la capa de datos.

¿Cómo implementamos un DataLayer?

Para poder implementar nuestro DataLayer necesitamos incluirlo directamente en el código, por lo que necesitaremos ciertos conocimientos a la hora de desarrollarlo.

Si tenemos una web construida sin CMS, la implementación será algo más complicada pero mucho más personalizable y con un control total. Por el contrario, si disponemos de un CMS (wordpress, prestashop…) deberemos aplicar módulos que lo incluyan.

El único problema de utilizarlo en un CMS es que los módulos que utilicemos añadirán la capa pero no será modificable por lo que si queremos añadir más información deberemos entrar al código de la web.

La mayoría de módulos se centran en Data Layers para Enhanced Ecommerce, por lo que nos resuelve de manera rápida y eficaz la configuración de nuestro Enhanced Ecommerce.

Si no disponemos de un CMS, la implementación será más compleja pero también más personalizable y nos permitirá un mayor control

Si no disponemos de CMS, deberemos incluirlo manualmente en el código, aunque pueda parecer complicado, una vez lo tenemos bien configurado vamos a disponer de toda la información que queramos de nuestra web dentro de Tag Manager.

En la web de desarrolladores de Google nos explican cómo configurar Tag Manager con Data Layer para realizar la configuración de Enhanced Ecommerce.

Una vez tengamos nuestro data Layer implementado, deberemos obtener la información dentro de nuestro Tag manager. Para ello, hay que crear variables de capa de datos:

En el paso siguiente deberemos indicar el nombre de la variable de nuestro data Layer.

Y así, acabamos de crear una variable en Tag Manager que contiene la variable página de nuestro Data Layer.

Ahora, para utilizar esta variable, simplemente deberemos llamar a la variable entre corchetes dentro de los tags que queramos implementar.

En nuestro caso sería: {{Ejemplo Data Layer Value}}

¿Qué puedo hacer con la información que envía a Tag Manager?

Con un Data Layer y Google Tag Manager vamos a poder utilizar toda la información extra que recibimos y aplicarla a diferentes Tags.

La configuración por excelencia que deberíamos implementar es el comercio mejorado de Google Analytics (Enhanced Ecommerce).

Vamos a ver el funcionamiento del evento ProductView para Analytics Enhanced Ecommerce:

El usuario accede a diferentes productos dentro de nuestra web.
En cada web de producto que visita tenemos una capa que contiene información del producto visitado (nombre, precio, descuento…).
Google Tag Manager recibe la información y genera un evento para Google Analytics con la información del producto visitado en cada momento.
En Google Analytics podemos observar todos los productos visitados en nuestra web.

Este es un ejemplo de lo que podríamos hacer, también podemos ver que productos se añaden al carrito o se eliminan, qué productos ha comprado cada usuario, etc. Con la capa de datos, todos los eCommerces pueden elegir los datos que necesitan para que sus tecnologías funcionen. Si falta algo, simplemente agrégalo al Data Layer.

Beneficios de implementar una capa de datos

Como hemos visto a lo largo de este artículo, las posibilidades que nos ofrece el DataLayer son múltiples.

La capa de datos, tiene todo para administrar los datos de manera eficaz y eficiente. Estas son sus ventajas:

Permite integraciones con tecnologías de terceros
Te ayuda a recopilar mejor información, de forma más consistente y con mayor consistencia de datos
Los valores (etiquetas) se gestionan de forma centralizada, lo que facilita los cambios
Prepara tu web para futuras integraciones tecnológicas

Es muy importante tener todos los datos de tu negocio centralizados. De este modo, podrás tomar mejores decisiones, ya que estas estarán basadas en analíticas y no en suposiciones.

Si necesitas ayuda para configurar Data Layer, no dudes en ponerte en contacto con nosotros. Si quieres saber más sobre cómo configurar tu analítica web, puedes echar un vistazo a este post.

Table of Contents

Aprende sobre Google Tag Manager

Dani Robledillo

Google Tag Manager (GTM) o el administrador de etiquetas de Google es una herramienta de gran utilidad para gestionar etiquetas de servicios web, ya que simplifica la gestión de todas las etiquetas que están en una página web. Para utilizarlo, simplemente hay que tener una cuenta en Google Tag Manager e insertar su código en nuestra web.

Google Tag Manager está muy extendido por diferentes motivos: es gratuito y es de Google, por lo que la gente sabe que hay una gran compañía detrás y va a tener el soporte necesario.

¿Qué es Google Tag Manager?

Google Tag Manager es un sistema de gestión de etiquetas, nos permite mediante un script poder añadir y gestionar las etiquetas de diferentes sitios como Google Ads o Analytics de una forma mucho más visual y simple.

Cuando hablamos de etiquetas nos referimos a partes de código que diferentes sistemas nos piden instalar en nuestro sitio. Mediante GTM podemos añadir y quitar estos códigos de una forma sencilla sin necesidad de conocer aspectos de programación.

Dentro de Google Tag Manager tenemos contenedores, que son nuestros clientes o diferentes páginas web que podemos gestionar.

También se puede utilizar en aplicaciones móviles, pudiendo modificar sus etiquetas sin volver a publicar la app en la Store de Apple o en Google Play.

Aunque la interfaz parezca un poco liosa al principio, enseguida nos familiarizaremos a ella y no supondrá una gran dificultad utilizarla. Teniendo en cuenta el beneficio de su uso, aprender a utilizar esta herramienta debe ser visto con buenos ojos.

La interfaz podemos dividirla en 6 grupos:

Descripción General (Overview ): Como su nombre indica, esta página nos mostrara información genérica sobre nuestro contenedor.
Etiquetas (Tags): Aquí se crean las etiquetas que vamos a añadir a nuestro sitio web.
Activadores (Triggers): Para que una etiqueta se ejecute en una página web cuando ocurra alguna acción tenemos que crear triggers o lanzadores. Estos triggers van asociados a las etiquetas y son los que le dicen a Tag Manager en que momento debe usarse una etiqueta.
Variables: Aquí podemos activar o desactivar las variables por defecto de Google Tag Manager o podemos añadir nuevas variables. Como ejemplo de variable tenemos la URL del sitio web en el que estamos para poder indicarle a Tag Manager donde queremos ejecutar una etiqueta.
Carpetas (Folders): Todos los elementos anteriores podemos agruparlos por carpetas para tener una mejor organización.
Plantillas (Templates): Las plantillas permiten poder implementar etiquetas que no aparecen integradas por defecto en Google Tag Manager. Si quieres aprender a usar estas plantillas tienes más información en nuestro post sobre las plantillas en Google Tag Manager.

¿Cómo funciona la ejecución de las etiquetas?

Ahora que ya sabemos de qué elementos se compone Google Tag Manager vamos a ver cuál es la funcionalidad de una etiqueta.

Vamos a ver como aplicaríamos una etiqueta de conversión en Google Ads. Estos son los pasos que deberíamos seguir si queremos que la conversión se ejecute en una página de «Gracias».

Activar las variables que vamos a necesitar, en nuestro caso queremos que se ejecute en una página cuya URL contiene «gracias». Por lo tanto, activamos la variable Page URL. Esta variable contiene la URL del sitio web en el que se encontrarían los usuarios.
Generar el trigger correspondiente. Debemos generar un trigger de tipo “Página vista” e indicarle que se ejecute cuando la variable Page URL contenga «gracias».
Crear el tag que vamos a utilizar. Creamos un tag de conversión de Google Ads, indicando la información que queramos enviar a esa etiqueta. Si tuviéramos información dinámica, la mejor manera de obtener dicha información sería a través de un DataLayer, pero eso es algo que comentaremos en otro post. Ya con la información, solo nos falta agregarle el trigger que hemos creado anteriormente.
Utilizar el modo previsualización que nos ofrece la herramienta. Esta es una forma fácil y segura de comprobar que la etiqueta que hemos creado funciona como estábamos esperando.
Por ultimo, debemos publicar. Todos los cambios que realizamos en Google Tag Manager no se activan hasta que no publicamos los cambios.

¿Cómo configurar Tag Manager?

Más que configurar, cuando usemos Google Tag Manager debemos ser ordenados a la hora de crear cualquier etiqueta, activador o variable, ya que en un futuro es posible que no nos acordemos de que etiquetas implementamos y necesitamos saberlo para poder realizar modificaciones.

Aquí os dejo mis recomendaciones para tener el contenedor de GTM los más limpio y organizado posible:

Organizar etiquetas

Indicar todos los nombres de etiquetas, variables o triggers de una forma ordenada y que describa lo que acabamos de hacer de una forma sencilla. Si por ejemplo tenemos 5 eventos de Google Analytics, el nombre de estas etiquetas podría ser: «Google Analytics – Evento – {Nombre evento, como Clics CTA}».

Organizar carpetas

Usar las opciones de Carpetas que nos ofrece la herramienta. En el menú de Carpetas vamos a poder crear carpetas y meter todas las etiquetas, triggers y variables en ellas. Podemos crear una carpeta por cada servicio del que tengamos etiquetas como por ejemplo Google Ads, Google Analytics, Bing, etc. Aquí lo más complicado puede ser organizar los triggers si usamos uno para varias etiquetas, para ello recomiendo agruparlos por tipo de función (si son triggers de url o de variables).

Organizar publicaciones

Cuando publiquemos un cambio, indicar un nombre descriptivo y si es posible hacer una breve descripción de los cambios que hemos realizado y por qué. Esto es muy útil para poder ver la evolución con el tiempo de los cambios aplicados. Si entra una persona nueva a ver la cuenta de GTM y le damos esa información va a poder entender más rápidamente lo que se ha ido haciendo. Además, si queremos volver a una versión anterior vamos a poder saber fácilmente que contiene esa versión.

¿Qué es el modo debug o modo previsualización?

Cuando tenemos cambios que vamos a aplicar, es importante utilizar el modo previsualización. Esta práctica es altamente recomendable, ya que nos ahorrará tiempo y dolores de cabeza ante posibles errores.

Para poder utilizar este modo simplemente lo activamos con un clic desde Google Tag Manager y acto seguido abrimos en el mismo navegador la página web en la que hemos activado el modo previsualización.

Al cargar la web, veremos en la parte de abajo una caja con información de Google Tag Manager. En esta caja podemos ver si nuestras etiquetas están “saltando” o, por el contrario, no están funcionando como nosotros deseamos.

Esta herramienta es muy útil a la hora de comprobar fallos y poder subsanarlos. Una vez todo este correcto, ¡ya podemos publicar los cambios!

Te puede interesar este artículo: Aprende sobre las nuevas plantillas de Google Tag Manager

Diferencia entre usar o no Google Tag Manager

Sin Google Tag Manager, añadir etiquetas ya sean de Google Ads o Google Analytics, puede ser una tarea algo complicada. Sobre todo si no tenemos conocimientos de programación, ya que implementar las etiquetas manualmente es algo más costoso, como ya comente en mi post anterior. Por ello, tener una herramienta que gestiona etiquetas nos permite una mejor organización, ahorro de tiempo, mayor independencia y mayor sencillez en nuestro código web.

Table of Contents