Facebook Analytics: todo lo que debes saber

Verónica

Las ventajas de realizar el seguimiento de nuestras campañas en Facebook a través del píxel son claras. Desde las infinitas posibilidades de creación de audiencias hasta la medición del retorno de la inversión, pasando por la optimización basada en conversiones. Pero poco se oye sobre Facebook Analytics.

Si se configura el tracking a través del píxel se concede acceso inmediato a la interfaz homónima de Google Analytics en Facebook. Para recopilar todos los datos con consistencia y veracidad, es recomendable configurar el píxel en todas las páginas de la web, de forma que podamos recopilar información de la navegación de todos los usuarios.

Te puede interesar: Tips profesionales de 30’’ sobre Facebook Ads

Facebook Analytics nos da otro punto de vista sobre nuestros datos, y la comparativa con aquellos de otras plataformas de analítica web puede resultar un buen ejercicio dentro de nuestra estrategia digital.

En este post vamos a aprender cómo usar correctamente esta herramienta.

Facebook Analytics: qué es y cómo funciona

Facebook Analytics es la herramienta de Facebook que recopila y analiza las métricas relacionadas con las publicaciones y la audiencia, y más. Gracias a ella, se pueden obtener datos muy relevantes para el negocio: embudos de ventas, datos sobre conversiones, perfiles de usuarios más detallados, etc.

Esta plataforma puede agrupar varias páginas de Facebook, píxeles y aplicaciones para dar una imagen completa de las interacciones del usuario a lo largo del tiempo.

Facebook Analytics permite obtener datos relevantes para el negocio más allá de lo que pasa en tu página

La herramienta de analíticas de Facebook convierte los datos que adquiere en informes perspicaces con información procesable en función de la cual puede optimizar y mejorar su estrategia de marketing de Facebook.

A grandes rasgos, puede parecer una herramienta más de análisis pero, como veremos a continuación, Facebook Analytics hace mucho más que solo medir y rastrear el rendimiento de sus páginas comerciales en esta red social.

Cómo funciona la herramienta de Analítica de Facebook

Aunque Facebook Analytics es una herramienta gratuita, está diseñada para trabajar sobre los Anuncios de Facebook Ads, que requieren una inversión por parte del negocio.

Para poder entrar en Facebook Analytics lo único que necesitas es tener instalado el Píxel de Facebook instalado. Más adelante te explicamos cómo acceder y qué vas a encontrar.

Facebook Omni-Channel Analytics

Para obtener datos fiables lo ideal es que se utilice Facebook Analytics desde un enfoque omni-channel, integrando todas estas plataformas.

Para ello, deberemos configurar un Grupo Orígenes de Eventos en Business Manager.

Así podremos ver las estadísticas de la aplicación, el píxel de Facebook, el conjunto de eventos fuera de Internet (mediante la importación de datos) y la página de Facebook de nuestro negocio (todavía en versión beta).

Cómo llegar hasta la interfaz de analíticas de Facebook

Si tienes varias cuentas puedes acceder a Facebook Ads Analytics desde tu Business Manager, tal como se muestra en la imagen siguiente.

Una vez allí, en el menú de la izquierda podrás seleccionar la cuenta que quieras revisar.

Elementos que vas a encontrar dentro de Facebook Analytics

Estos son los insights que podrás encontrar dentro de la herramienta:

1. Descripción

En la descripción nos encontramos con la evolución de usuarios de la página y de Messenger.

Un resumen gráfico del perfil sociodemográfico resulta de utilidad para conocer a nuestro público y también vemos gráficas sobre la actividad de la página.

Si se han configurado los eventos necesarios a través del píxel, podremos ver también la evolución de los ingresos de nuestro negocio.

Usuarios en Facebook a través de Facebook Analytics

2. Paneles

Similar al módulo de Dashboards de Google Analytics, la sección de paneles nos permite añadir gráficos que consideremos relevantes para tener un análisis personalizado de nuestra información de un sólo vistazo.

3. Actividad

En este módulo de las Analíticas de Facebook es donde registramos todo lo relacionado con la actividad de nuestra página y/o píxel:

Usuarios activos

Superposición: muy interesante este informe que equivale al de Embudos Multicanal en Google Analytics.

Aquí podemos ver los usuarios que interactúan con el negocio en más de un canal.

Ingresos

Resumen de los datos de comercio electrónico, cesta media, repetición, etc.

Embudos

Aquí podemos generar un embudo de conversión para identificar las salidas en cada paso del proceso y optimizar esos puntos.

Retención

Un análisis de cohortes para valorar el porcentaje de retención de los usuarios tras la realización de un evento.

Grupos

Se trata también de un análisis de cohortes pero en este caso personalizado en función de los parámetros que nos interese valorar.

Desgloses

Nos permite contrastar datos en función de diferentes variables como canal, fuente, idioma, etc., para ver los resultados desglosados.

Percentiles

Proporcionan información práctica sobre los percentiles en función de visitas a la página y compras.

Eventos

Tabla de datos con las estadísticas de todos los eventos configurados a través del píxel.

Depuración de eventos

Listado de todos los eventos registrados con la posibilidad de realizar filtros sobre la información.

4. Personas

Análisis exhaustivo de los usuarios de la web, aplicación y página de Facebook, con insights muy útiles para mejorar las campañas publicitarias y conocer a fondo el target del negocio.

Para saber más: Bajada de rendimiento ¿Están tus audiencias de Facebook Ads quemadas?

Destacados

Resumen del perfil sociodemográfico de todos los usuarios con los datos más relevantes.

Datos demográficos

En esta sección encontramos, además, datos muy interesantes como los cargos ocupados por los usuarios, el nivel de formación y la situación sentimental.

Toda esta información nos puede servir para conocer mejor a nuestro público y personalizar, todavía más, nuestras campañas.

Me gusta de la página

Aquí podemos ver las páginas que gustan a nuestro público, qué relevancia tienen y qué porcentaje de los usuarios las siguen. Esto puede ser de gran ayuda a la hora de definir intereses para nuestras campañas.

Tecnología

Versión del dispositivo, modelo, sistema operativo… detalles sobre la tecnología más utilizada por los usuarios para interactuar con el negocio.

Hogar/Compra

Muestra información referente a los ingresos y el gasto de los hogares de tu público.

Toda esta información que ofrece Facebook Analytics sobre los perfiles de tus usuarios que puede ser muy valiosa a la hora de optimizar tus campañas de Facebook Ads

5. Configuración

Finalmente, en la configuración podemos crear un grupo de orígenes de eventos en Business Manager para ver las estadísticas de todas las propiedades: aplicación, píxel de Facebook, conjunto de eventos fuera de Internet y página.

Sobre los Segmentos en Facebook Analytics

Facebook Analytics nos permite segmentar la información que vemos en los diferentes módulos en función de diferentes variables:

Eventos que estamos trackeando
Datos demográficos
Dispositivo y fuente de descarga (por ejemplo, tráfico procedente de una campaña publicitaria)

Además, nos permite combinar diferentes condiciones.

Facebook Analytics Vs. Google Analytics

Aunque no tiene sentido (todavía) decantarse por una u otra interfaz, ya que la información ofrecida varía bastante, queda claro que Facebook Analytics nos ofrece la posibilidad de analizar en conjunto las interacciones con la red social y los resultados a nivel web.

Más allá de esto, la interfaz nos permite conocer páginas que les gustan a nuestros usuarios, un perfil sociodemográfico un poco más detallado con su situación sentimental o su profesión e incluso, en un futuro próximo, su nivel de ingresos.

Una información extremadamente relevante a la hora de definir audiencias para nuestras campañas de Facebook.

Table of Contents

Es hora de adoptar nuevas prioridades de medición

Amparo Domingo

Una de las mayores aportaciones del marketing digital es, sin duda, la capacidad de medición de resultados. Durante mucho tiempo, esta tarea ha sido sencilla, dado que las acciones se desarrollaban en un único canal y era en él en el que se valoraban los resultados.

Sin embargo, la llegada del móvil ha cambiado en poco tiempo todo esto. Ahora el proceso de compra se complica, pasa por distintos canales, dispositivos y plataformas, en definitiva, el customer journey ya no es lineal. El móvil forma parte de nuestro día a día y es necesario un cambio de mentalidad a la hora de “trackear” y medir los resultados de cualquier campaña o acción online.

El desarrollo hacia un mundo multicanal obliga a plantearnos nuevas estrategias de medición y KPI’s con los que priorizar el valor del cliente a largo plazo o Customer Lifetime Value.

Hay 3 cambios de concepción fundamentales a la hora de llevar a cabo estas estrategias:

Piensa en los clientes, no en los clics. Las ventas individuales son excelentes, pero el verdadero valor radica en entender lo que vale un cliente individual o grupo de clientes.
Conecta las métricas entre los diferentes canales a los resultados. Conectar la información de plataformas como Adwords con los resultados del negocio como beneficios, ingresos, etc., es fundamental.
Experimenta a la hora de invertir recursos en nuevas estrategias, ya que la velocidad de cambio en los hábitos de compra va por delante de la teoría.

Objetivos SMART (Specific, Measurable, Achievable, Realistic, Timely)

Los objetivos poco claros o fluctuantes pueden ser los principales causantes del fracaso de una estrategia o campaña publicitaria. Definir correctamente los objetivos será fundamental en la consecución del éxito. Pero, ¿cuáles son los KPI’s adecuados? ¿valen los mismos para todos los anunciantes? Obviamente la respuesta es NO.

Cada tipo de objetivo debe implicar una selección diferente de KPI’s, puesto que no todas las campañas van dirigidas al mismo tipo de cliente. Algunas campañas están diseñadas para dirigirse a usuarios que están listos para comprar, mientras que otros están diseñados para dirigirse a usuarios que nunca han oído hablar de los negocios de su cliente antes.

Así pues, una manera de definir los KPI’s adecuados para analizar los resultados de las campañas, en función del valor del cliente, es a través del funnel o embudo de marketing.

La parte superior del embudo representa a un usuario que desconoce el negocio y la parte inferior del embudo representa a un usuario que ha convertido. Por lo tanto, un usuario en la parte alta del embudo es menos probable que convierta que un usuario en la parte baja del embudo, y por tanto, cada una de las partes del embudo de marketing, corresponde normalmente a un tipo de campaña PPC con diferentes objetivos: búsqueda de marca, búsqueda genérica, remarketing agresivo, remarketing suave y visualización. Vamos a ver a través de cada sección del embudo, qué KPI’s se deben valorar.

Usuario en la parte alta del embudo

En este caso, el usuario no conoce el negocio del cliente, ni está interesado especialmente en el producto que ofrece. Las campañas adecuadas para descubrir la marca son las de Display, ya que son un primer punto de contacto con el usuario incluso antes de que se genere una búsqueda. Por esto mismo, es poco probable que el usuario convierta en una primera visita, por lo que los KPI’s más importantes están relacionados con el comportamiento del usuario al interactuar con la campaña, y una vez ha aterrizado en la propia web:

Impresiones
Clics
CTR
Porcentaje de rebote
Promedio Duración de la sesión
Páginas por sesión

Usuario en la parte media del embudo

El usuario ya es consciente de la existencia de la marca y puede estar buscando activamente temas relacionados con el producto que se ofrece para informarse. En este caso, las campañas adecuadas para dirigirnos a este usuario son campañas de búsquedas genéricas (sin marca) y de remarketing suave. Las métricas adecuadas para este tipo de campañas son:

Conversiones
Porcentaje de conversión
CPA (coste por adquisición)
Volumen de conversiones asistidas

Usuario en la parte baja del embudo

El usuario conoce perfectamente la marca y suele hacer búsquedas específicas de marca. Es un usuario orientado totalmente a la conversión. En este caso, las campañas que haremos son campañas de marca que capten el 100% de la cuota de impresiones de búsqueda y campañas de remarketing agresivo, con call to action directos a usuarios que ya han visitado la web pero no han acabado convirtiendo con anterioridad, o que ya han superado el tiempo medio de recurrencia en las compras. Estas campañas suelen tener tasas muy altas de conversión, por lo que los KPI’s adecuados serán:

Volumen de conversión
Tasa de conversión
Promedio de retorno del usuario
CPA
ROAS (si comercio electrónico)

Cada usuario pasa por al menos un estadio del embudo de marketing por lo que, como decíamos al principio, no hay que valorar cada acción por separado, sino como parte de una estrategia global en la que trataremos de que el mismo usuario pase por los diferentes estadios, y debemos impactarle en el momento adecuado y empujarle hacia la parte baja del embudo para que convierta. Comprender este viaje del usuario (customer journey) a través del embudo no es más que comprender el valor global del cliente en su totalidad, es decir, comprender el Customer Lifetime Value.

Cómo medir el Customer Lifetime Value

Es hora de dejar de mirar las métricas de forma aislada y empezar a tener una visión más holística del cliente para determinar qué clientes son los más valiosos y como influirán a largo plazo. En primer lugar, es importante determinar cuál es el porcentaje de abandono de clientes en un periodo determinado de tiempo:

Porcentaje de abandono = (Clientes al inicio – Clientes al final) / Clientes al inicio

Por ejemplo, si nuestra empresa tiene 100 clientes al inicio del mes y 90 al final, la tasa de abandono o rotación mensual es:

Porcentaje de abandono = (100-90) / 100, es decir, un 10%

Ahora sí, el CLV se calcula multiplicando el ingreso promedio mensual por cliente y el margen bruto por cliente, dividido entre la tasa de abandono mensual de clientes.

CLV = (Promedio ingresos mensual por cliente * Margen bruto por cliente) / Porcentaje de abandono de clientes

Por tanto, si por cada cliente se obtienen 100€/mes con un margen bruto del 15% y una tasa de abandono del 10%, podríamos calcular el Lifetime Value:

CLV: (100€ * 15%) / 10%

CLV= 150€

En resumen, conociendo estas cifras podemos segmentar nuestra base de datos de clientes para priorizar qué acciones de marketing debemos realizar para fidelizarlos con la marca y sus productos.

Table of Contents

Google Attribution para anunciantes

Toni Fernández

Hace unos días, Google presentó una variedad de nuevas innovaciones para los anuncios, Analytics y Doubleclick en su evento anual de Google Marketing Next. Uno de los temas más importantes sobre los que se habló fue el «machine learning» y los modelos de atribución (Google Attribution), algo que está en boca de todos los profesionales de PPC y de los anunciantes.

Según Google, la tecnología de aprendizaje automático es fundamental para ayudar a los vendedores a analizar innumerables señales en tiempo real y llegar a los consumidores con anuncios más útiles en los momentos más adecuados.

Nueva herramienta de atribución de Google – Google Attribution

La atribución es complicada para los anunciantes y para las agencias. Un modelo de atribución es un conjunto de reglas que determinan cómo se asigna el peso de las ventas y conversiones a los diferentes puntos de contacto o touch-points en la ruta de conversión. Es imprescindible para los anunciantes entender cómo cada uno de estos canales se relacionan entre sí y se apoyan mutuamente durante el customer journey.

Los puntos de contacto pueden darse desde el correo electrónico, redes sociales, SEO y PPC, e históricamente ha sido muy difícil atribuir las ventas a esfuerzos de publicidad específicos. Asimismo, el entorno multidispositivo hace que sea muy complejo entender el customer journey sin rupturas.

Google Attribution es un producto nuevo que pretende cerrar la brecha en los informes de marketing e indicar a los anunciantes cómo atribuir cada conversión a cada venta. Por primera vez, Google Attribution hace posible que cada eCommerce mida el impacto de su marketing en los dispositivos y en todos los canales, todo ello en un solo lugar y sin coste adicional.

Dada la complejidad actual de los procesos de compra, un negocio podría tener una docena de interacciones con una sola persona: en display, vídeo, búsqueda, social y en su sitio web o app. Todos estos momentos se producen en múltiples dispositivos, haciéndolos aún más difícil de medir.
Los vendedores han estado tratando de descifrar la atribución durante años, pero ninguna de las soluciones disponibles ha sido suficiente.

Para empezar, la mayoría de las herramientas de atribución son difíciles de configurar. También es bastante común perder la pista de los clientes cuando se mueven entre los dispositivos y, finalmente, la mayoría de estos modelos no están integrados con las plataformas de anuncios, lo que hace casi imposible tomar cualquier tipo de decisión en relación con la asignación de presupuestos.

Cada plataforma de publicidad ve la película de una manera totalmente diferente, y casi siempre se otorga el máximo peso posible de las conversiones con las que tienen algún tipo de relación, aunque sea ínfima.

Aunque la muerte del modelo de atribución del último clic se está anunciando desde hace mucho tiempo, muchos anunciantes siguen utilizando la atribución del modelo de último clic, sobre todo porque todo el proceso es demasiado difícil de coordinar con precisión y es el más cercano al momento de compra. Con Google Attribution parece que ahora los anunciantes podrán finalmente entender cómo cada uno de sus esfuerzos de marketing trabaja de manera coordinada junto con el resto.

Las integraciones con AdWords, Google Analytics y DoubleClick Search facilitarán la agregación de datos de todos sus canales de marketing. El resultado final será una vista completa del rendimiento de los canales.

Google Attribution también facilitará el cambio a la atribución basada en datos. La atribución basada en datos es uno de los modelos recientes introducidos para ayudar a los anunciantes a obtener una mejor comprensión de la atribución. A diferencia de los modelos basados en reglas, la asignación basada en datos utiliza el machine learning para evaluar todas las rutas de conversión y no conversión en su cuenta e identifica el crédito adecuado para cada interacción.

El modelo considera, entre otros, el número de interacciones con los anuncios, el orden de exposición de los anuncios, las diferentes creatividades de los anuncios y otros factores para determinar qué palabras clave y clics son los más efectivos para llegar a los resultados.

Este es el intento de Google para construir una herramienta de medición fina de atribución que pueda aplicarse a las campañas y comenzar inmediatamente a proporcionar datos accionables. En otras palabras, el modelo basado en datos examina todos los clics de los anuncios de búsqueda y luego compara las rutas de clics de los clientes que convierten, frente a la ruta de clics de los clientes que no lo hacen.

El modelo identifica los patrones de clics que conducen a las conversiones y luego básicamente se superponen a sus campañas y le indican cuán valiosas son sus campañas basadas en esta amplia gama de comportamientos de búsqueda.

La importancia del modelo de atribución basado en datos de Google

Google siempre ha tenido problemas para realizar el seguimiento a través de todos los dispositivos, ya que la gente normalmente no se registra en Google. Facebook es mucho mejor en la atribución porque tienen inicio de sesión único (SSO). El inicio de sesión único es la clave para poder llegar a los usuarios en lugar de poder llegar a las cookies. Hay una gran diferencia entre la orientación basada en cookies y la orientación basada en el usuario.

Google siempre ha estado relacionado con la orientación basada en cookies porque todas sus herramientas de publicidad están vinculadas a las búsquedas, palabras clave o navegadores basándose siempre en la información de estas.

Supongamos la siguiente situación: un anunciante coloca un código de AdWords en su sitio web. Ana, una potencial clienta va a su sitio web y navega por la sección de zapatos de tacón. Los anunciantes pueden utilizar estos datos para orientar a Ana. No obstante, un gran problema reside en que ese ordenador lo puede usar su hermano por ejemplo, y debido a que Google no siempre es capaz de realizar un seguimiento del usuario basado en un SSO, se atasca en la orientación del navegador pero que puede no ser la persona que lo está empleando en otro momento diferente.

Así que Google mostrará al hermano de Ana los mismos anuncios de zapatos de tacón (aunque no esté interesado en esos productos). Esto se debe a que el comportamiento de navegación de Ana es la única información que Google tiene para analizar.

Considerando que, debido a la función de inicio de sesión de Facebook, la plataforma puede dirigirse a Ana y a su hermano por separado, esto permite a los anunciantes dirigirse a los individuos en lugar de dirigirse a los navegadores basados en datos de cookies.

Google anunció hace tiempo que están consiguiendo mejoras desde el punto de vista de inicio único. Si has iniciado sesión en Google (por ejemplo, a través de tu cuenta de Gmail de trabajo) en tu ordenador y en tu teléfono, eres un buen objetivo para los anunciantes de Google. Sin embargo, si no has iniciado sesión en Google en varios dispositivos (por ejemplo, en el trabajo usas Chrome pero en casa usas Firefox), es difícil rastrear tu comportamiento.

Con el modelo de atribución de datos basada en machine learning, Google está intentando realizar un seguimiento de conversiones a través de múltiples puntos de contacto y dispositivos. Si todo es como dicen, ahora podremos hacer un mejor trabajo para tener una visión holística de nuestras campañas y cómo funcionan juntas.

Con el modelo basado en datos y el aprendizaje automático, Google está tratando de determinar cuáles de esos puntos de contacto fueron los más valiosos y distribuirá las conversiones de una manera que asigne el valor adecuado a cada uno.

Esta nueva funcionalidad es la forma que Google tiene de decir que su tan empleado last-click model no es tan realista y que se debe empezar a emplear Google Atribution. No obstante, se requerirá tiempo para que el modelo de aprendizaje de la máquina tenga suficientes datos.

Incluso sería posible que se note una caída en las conversiones al principio, porque Google está intentando redistribuir el peso entre campañas y extraer datos históricos.

Todavía no hay una fecha concreta para la apertura de este servicio y aún menos para países que normalmente Google deja para una segunda fase, como España, Argentina, México o Colombia. Parece ser que falta poco para ello y es posible que a finales de año esté abierta a un número amplio de anunciantes, aunque no hay nada confirmado.

Table of Contents

Cómo usar Tablas Dinámicas para el análisis de datos de Adwords

Oana Matei

La mayoría de las plataformas de PPC exportan los datos a Excel, por lo que los tipos de análisis que los mánager de cuentas pueden hacer con las tablas dinámicas son numerosos.

Con las tablas dinámicas, los especialistas de PPC pueden:

Resumir los datos en formatos fáciles de manejar
Comparar rápidamente subconjuntos de datos
Revelar patrones y relaciones en los datos
Hacer un análisis rápido y crear información procesable

Los informes de tabla dinámica son una manera poderosa de resumir, analizar, explorar y presentar tus datos en un informe. En este artículo te vamos a mostrar cómo crear tablas dinámicas y cómo ordenar, filtrar, resumir, calcular y analizar tus datos de tabla dinámica.

Los siguientes ejemplos están diseñados para servir como ideas para ayudar a cualquier administrador de cuentas PPC a analizar los datos existentes para encontrar soluciones digitales innovadoras y alcanzar los objetivos de empresa.

Ejemplos de Tablas Dinámicas para el análisis de datos de Adwords

Tablas dinámicas para el análisis de datos por día de la semana y hora

Los ajustes de pujas se han convertido en una parte muy importante en cualquier estrategia de optimización. Descubrir el día y la hora concretos en que tu público objetivo convierte más, te permitirá aumentar el rendimiento de tus cuentas de manera exponencial.

Para descargarte los datos de rendimiento por hora y día de la semana de Adwords:

Haz clic en la pestaña Dimensiones de Adwords
Selecciona Tiempo>Hora del día en el menú desplegable Ver
Asegúrate de que el intervalo de fechas seleccionado tenga suficientes datos relevantes
Asegúrate de incluir la columna Conversiones (o Tasa de Conversión), en función de lo que desees medir
Descarga el informe a Excel e incluye el segmento Día de la semana
Selecciona los datos y crea una tabla dinámica. Elimina los Totales
Inserta la Hora del día en el campo de Row Lables, el Día de la semana en el campo Column Labels, y las Conversiones (o Tasa de Conversión) en el campo de Valores.

¡Y voilà! Para visualizar mejor los datos en su tabla dinámica, utilice el formato condicional. Este informe le permitirá saber cuáles son las mejores horas para aumentar o disminuir sus pujas y optimizar el rendimiento de tus campañas de Adwords.

Tabla dinámica para el análisis de datos por hora

Tablas dinámicas para el análisis de datos de nivel de calidad de la cuenta

¿Alguna vez has tenido la sensación de que tu cuenta de Adwords tiene problemas de nivel de calidad pero no has tenido ni idea de dónde empezar a optimizar? Si la respuesta a esta pregunta es «sí», entonces debes calcular el nivel de calidad ponderado a nivel de campaña o de grupo de anuncios en función de las impresiones.

Como consejo profesional, elimina el tráfico de los partners de búsqueda de tu análisis porque genera muchas impresiones con un CTR menor. Además, el rendimiento de los partners de búsqueda no está incluido en el cálculo del nivel de calidad de Adwords.

Descarga los datos de palabras clave de AdWords en Excel, con el segmento de Red con partners de búsqueda
Elimina todas, excepto estas columnas: Palabra clave, Campaña, Grupo de anuncios, Impresiones, Coste y Nivel de calidad
Crea una columna adicional: Impresiones * QS
Crea una tabla dinámica basada en estos datos
Utiliza estas filas de la tabla dinámica: campaña, grupo de anuncios
Utiliza estos valores de tabla dinámica: impresiones, costes
Crea un campo calculado de tabla dinámica y utilice esta fórmula: Impresiones * QS / Impresiones
Ordena la tabla dinámica por impresiones

Al seguir los pasos anteriores, tu tabla dinámica debería tener el siguiente aspecto:

Tabla dinámica para el análisis de datos de nivel de calidad

Ahora puedes centrarte en tus campañas de gran volumen (coste) con una nota de calidad baja y empezar a optimizar.

Tablas dinámicas para el análisis de datos por ubicación

Los informes geográficos disponibles en la pestaña de dimensiones de AdWords ofrecen un vistazo sobre cómo están funcionando tus campañas en diferentes regiones geográficas. De forma predeterminada, tu informe mostrará datos de país/territorio, pero para muchas cuentas es importante ver los datos de región, área metropolitana y ciudad para optimizar las ubicaciones que rinden mejor y aplicar los ajustes de pujas adecuados.

Para descargar los datos de ubicación de tus campañas de Adwords:

Haz clic en la columna Dimensiones de Adwords
Desde el menú despegable Ver selecciona Ubicaciones del usuario
Elige las columnas que te puedan interesar: Clics, Coste, Conversiones (o Tasa de Conversión), Ingresos
Descarga los datos en Excel y crea la tabla dinámica. Utiliza como filas las ubicaciones.

Tabla dinámica para el análisis de datos de ubicación

Finalmente, tenemos un informe agregado de rendimiento por ciudades (en nuestro caso), con totales para clics, coste, número de ventas e ingresos. Ahora, podemos analizar dónde estamos ganando dinero y, lo que es más importante, dónde estamos perdiendo dinero. A primera vista destaca Albacete que gasta muy poco, pero es la quinta ubicación en términos de ingresos, y también Sevilla que tiene un ROAS negativo – en ambos casos se tendrán que aplicar multiplicadores de pujas específicos para optimizar la inversión.

Conclusiones

Las tablas dinámicas son una herramienta básica para cualquier profesional SEM, ya que permiten combinar, comparar y analizar grandes volúmenes de datos en tablas de información interactivas, fáciles de entender y trabajar. Hay muchas más maneras de ver los datos de PPC con una tabla dinámica dependiendo de los objetivos de cada cuenta, el presupuesto y el tamaño. Los ejemplos de este artículo son más generales, con el objetivo de mostrar casos de uso amplio, pero las posibilidades de uso y análisis son inacabables.

Table of Contents

Google Data Studio como herramienta de reporte

Dani Robledillo

¿Qué es Google Data Studio?

Google Data Studio es una herramienta gratuita de reporting que todavía se encuentra en fase de desarrollo pero, a pesar de no estar en su versión final, es una herramienta realmente útil y fácil de utilizar.

Poco a poco se está dando a conocer y, sin duda, va a ser una de las herramientas a tener en cuenta en un futuro muy cercano.

Características principales

Vamos a ver las características principales de esta herramienta para tener una idea general sobre ella y lo que nos puede llegar a ofrecer.

Facilidad de uso: Es una herramienta realmente amigable con el usuario, lo que permite aprender a usarla rápidamente.
Gratuita: La herramienta es totalmente gratuita, lo que lo convierte en una ventaja y hace que la tengamos muy en cuenta.
Reportes ilimitados: Al principio solo se permitía tener un máximo de 5 reportes por cuenta, pero se eliminó esta restricción y ahora podemos realizar los reportes que queramos.
Comunidad de usuarios activa: Google Data Studio contiene una comunidad de usuarios activos en su foro que nos puede ser de gran ayuda si tenemos dudas o queremos ayudarnos unos a otros.
Reportes en tiempo real: La herramienta permite ver resultados en tiempo real o poder trabajar en el reporte simultáneamente con otra persona.
Copiar reportes con facilidad: Google Data Studio nos permite copiar los reportes, con los que podemos hacer una plantilla y replicarla a nuestros clientes con un simple clic.

Conexiones a las fuentes de datos

Una de las características más importantes de Google Data Studio es su facilidad para añadir fuentes de datos. Con un simple clic podemos seleccionar la cuenta que deseemos y rápidamente importar los datos a nuestro reporte.

Entre sus fuentes de datos encontramos Google Adwords, Google Analytics, diferentes conexiones a bases de datos o Google Spreadsheets entre otras.

Una vez agregada una fuente de datos, podemos crear nuestras propias métricas personalizadas en base a cálculos y fórmulas que nos proporciona dicha herramienta.

Para utilizar las métricas personalizadas y las funciones, podemos encontrar páginas de ayuda con toda la información necesaria.

Al ser un reporte en tiempo real no tenemos que preocuparnos por tener los datos actualizados, simplemente importamos la fuente de datos con las métricas y dimensiones deseadas.

¿Y podemos integrar diferentes fuentes de datos?

Google Data Studio permite integrar fuentes de datos a través de Google Spreadsheets, pero también de bases de datos como MySQL o BigQuery, lo que nos permite importar fuentes de datos que no pertenezcan a Google.

Herramientas de visualización

Para iniciarnos rápidamente con Google Data Studio, este nos proporciona diferentes plantillas con las que podemos empezar e ir adaptando a nuestro gusto.

Vamos a hacer un repaso rápido sobre las herramientas que Google Data Studio nos proporciona para visualizar los datos:

Nos permite agregar de manera sencilla gráficos, tablas, filtros y herramientas de diseño para generar un reporte en pocos minutos y con un buen resultado.
Agregar métricas y dimensiones.
Agregar filtros sobre dimensiones y métricas.
Comparar con un periodo anterior o el año precedente.
Indicar un rango de fechas personalizado o automático.
Cambiar colores, estilo de gráficos, tipo de fuente, etc.
Dividir el contenido del reporte por grupos, pudiendo agregar fuentes de datos y filtros. Hay diferentes niveles en estos grupos:
- Nivel principal o nivel de reporte: Este agrupa todo el reporte y su contenido.
- Nivel de página: Este grupo actúa sobre el contenido de la página en la que nos encontremos.
- Nivel de elementos: Este grupo lo podemos definir nosotros mismos, pudiendo agrupar los elementos que mejor nos convenga en cada caso.

Limitaciones

Por desgracia no todo puede ser perfecto y nos encontramos con ciertas limitaciones que debemos tener en cuenta a la hora de utilizar esta herramienta. Pero no hay que venirse abajo, hay que recordar que Google Data Studio se encuentra en fase de desarrollo y con el tiempo se van a ir agregando funcionalidades.

Estas son algunas de las limitaciones que tenemos a día de hoy:

Diferentes fuentes en una tabla: Si queremos incluir en una misma tabla datos de diferentes fuentes de datos, no vamos a poder. De momento la plataforma no soporta fusionar diferentes fuentes de datos
Selección de fechas limitado: Otra limitación con la que nos encontramos está en el rango de fechas a seleccionar. No vamos a poder fijar el reporte en el día de hoy, independientemente de que día sea.
Fila con datos totales: Si tenemos una tabla de datos, no podemos obtener el total de esos datos automáticamente en una nueva fila.

Esto son solo algunos ejemplos de las limitaciones con las que nos vamos a encontrar, cuanto más profundicemos en la herramienta más limitaciones vamos a ir encontrándonos.

Compartir los reportes

Todos los reportes y fuentes de datos que agreguemos a nuestro Google Data Studio, se guardaran en nuestro Google Drive, de forma que compartir un reporte se realiza de forma muy parecida a un fichero en Google Drive.

Una vez compartimos el reporte, simplemente le enviamos la URL a la persona a la que le hemos compartido el reporte y podrá visualizarlo y editarlo libremente.

La única restricción que tenemos si no somos dueños del reporte es que no podremos modificar la fuente de datos o agregar una nueva fuente de datos.

Conclusión

Aunque Google Data Studio se encuentra en desarrollo, ya podemos ver el potencial que puede llegar a alcanzar. En poco tiempo puede convertirse en una herramienta muy utilizada para analizar los datos, sobre todo porque es gratuita, lo que es un valor añadido a la hora de decidir en qué sistema realizar un reporte.

Por otro lado, la facilidad para poder compartir el reporte con nuestros clientes y poder agregar las fuentes de datos hace que sea una herramienta muy versátil.

¡Mantente al día de todas las novedades que se van publicando sobre la herramienta!

Table of Contents