Skip to content

Hacks

BLOG DE ANALÍTICA WEB Y ESTRATEGIA DE NEGOCIO

Trucos de Adobe Analytics: ver qué contenidos convierten a compra, normalizar valores y crear medias diarias

Volvemos con otro capítulo sobre las potencialidades de las métricas calculadas en Adobe Analytics. En este artículo vamos a centrarnos en 3 métricas calculadas avanzadas en las que utilizaremos las funcionalidades de modelos de atribución y fórmulas estadísticas.

Order Participation Rate

Adobe Analytics ofrece la posibilidad de modificar el modelo de atribución por defecto de todas las métricas. Existen 10 modelos de atribución diferentes que pueden aplicarse: Last Touch, First Touch, Linear, Participation, Same Touch, U Shaped, J Curve, Inverse J, Time Decay y Custom.

 

Para la métrica calculada en cuestión, utilizaremos el modelo de atribución “Participation”. Este modelo de atribución da crédito a cada punto de contacto que nos lleva a la conversión.

Para crear la métrica “Order Participation Rate” nos situamos en el constructor de métricas calculadas, arrastramos la métrica Compras y la dividimos entre Visitas. Después hacemos click en el símbolo de la rueda de Compras y marcamos la opción “use non-default attribution model” y seleccionamos el modelo “Participation”. 


Una vez modificado el modelo de atribución de la métrica de compras veremos la siguiente definición y sólo nos quedará modificar el formato a porcentaje y poner nombre y descripción a nuestra métrica calculada.


Esta métrica calculada resulta muy útil para dimensiones de contenido como “página” ya que nos permite ver la contribución de una determinada pieza de contenido a la conversión.

Podemos crear una tabla con la dimensión página, ordenada por la métrica visitas y colocar la métrica order participation rate para poder ver la contribución a la conversión de aquellas páginas más relevantes a nivel de tráfico:


Podemos utilizarla en cualquier dimensión de contenido, por ejemplo, si tenemos una clasificación que agrupa páginas en categorías de contenido más o menos granulares, utilizaremos esta métrica para optimizar dentro de cada sección qué contenidos contribuyen más a las ventas del site.

Z-score Visits/Orders

La función Z-score nos permite normalizar los valores de una variable calculando el número de desviaciones estándar de un valor con respecto a la media del resto de valores de la variable. Esta métrica es muy útil para destacar qué elementos de una dimensión están por encima de la media y cuáles por debajo.

En este caso, vamos a crear 2 métricas calculadas con la fórmula del z-score: Visitas y Compras

Para crear esta métrica calculada debemos ir al constructor de métricas calculadas y arrastrar la función Z-score a la parte central. Después añadir la métrica Visitas, definir formato decimal y nombrar la métrica en cuestión: 
Una vez creada la métrica Z-score Visits y Z-score Compras podemos utilizarla con aquellas dimensiones clave como por ejemplo los Canales de Tráfico:

Esta métrica nos permitirá ver rápidamente de forma normalizada que canales aportan más tráfico y/o impulsan los ingresos del site por encima y por debajo de la media. ¿Qué canales me aportan tráfico por encima de la media pero convierten por debajo?

Para este ejemplo de los canales, las métricas z-score están calculadas con el modelo de atribución por defecto Last Touch. Si nos interesa crear esta métrica z-score con otro modelo podemos hacerlo modificando el modelo de atribución de la métrica que nos interese y añadirla al constructor de métricas calculadas junto a la fórmula mencionada.

Su uso puede también ser muy interesante para analizar otras variables como los términos de búsqueda internos. ¿Qué búsquedas internas obtienen un z-score Compras por encima de la media? ¿Cuáles obtienen un rendimiento muy por debajo? 

Daily Visits/Orders

Imaginemos que queremos monitorizar el nivel diario de una determinada métrica, por ejemplo, nos gustaría comparar el nivel diario de visitas y compras que tuvimos un día concreto con la media de la semana pasada, el mes pasado o el año en curso.

Para este caso utilizaremos las funciones “Round” y “Approximate Count Distinct”. La función Approximate Count Distinct nos permite calcular el número de ítems para una determinada dimensión.

Nos situamos en el constructor de métricas calculadas, añadimos la métrica Visitas en la parte de descripción y posteriormente añadimos la función “Round”. Después, añadimos la función “Approximate Count Distinct” dentro del espacio metric y añadimos la dimensión temporal “Day”. Marcamos formato decimal y nombramos la métrica:


En este ejemplo vamos a comparar el volumen de Visitas y Compras diarias en Mobile del día de ayer con los que tuvimos la semana pasada, el mes actual y el año en curso:

Con estos datos podremos comparar de forma relativa cuan lejos o cerca se encuentra el volumen de una determinada métrica diaria de la media diaria de la semana pasada, el mes en curso o el año pasado.

Podemos crear la misma métrica con otra dimensión de tiempo de otra granularidad: por hora, por semana, por mes, etc.

¿Te han resultado útiles estas métricas calculadas avanzadas? ¿Cuáles más sueles utilizar?

Obtén más información sobre métricas avanzadas de adobe en el siguiente link: https://experienceleague.adobe.com/docs/analytics/components/calculated-metrics/cm-overview.html?lang=en

 

Artículos relacionados

¿Por qué un cliente necesita una plataforma de CDP ...

En un mundo cada vez más digitalizado, sabemos que las empresas intentan gestionar, retener, analizar y captar clientes o usuarios con herramientas de analítica o de CRM, entre ...

Configuración de propiedades en GA4

El final de Universal ya es una realidad, y quien no haya implementado ya GA4 en su plataforma digital tiene que ponerse las pilas. Si ya lo has hecho o lo vas a hacer en breve te ...

Adobe Summit 2023: Real Time CDP y la IA como grandes ...

Tras una larga pausa de 4 años (sí, 4 años) sin poder hacerse de forma presencial, el Adobe Summit regresó a Londres el 8 y 9 de junio. Enfoque en la experiencia del usuario y la ...

Adobe Experience Platform, Adobe Real-Time CDP e ...

Como partners de Adobe, en HIKE hemos seguido atentamente, un año más, el evento Adobe Summit 2023, celebrado en Las Vegas. El protagonismo ha sido, en esta ocasión, para Adobe ...

Trucos de Adobe Analytics: calcular el número de veces que ...

Es una pregunta habitual entre los responsables de negocio: ¿Cuántas interacciones (como por ejemplo visitas o páginas vistas) necesita un usuario en una página web para realizar ...

Descubre todas las novedades implementadas en el Analysis ...

El año 2022 llega a su fin y en HIKE queremos hacer un repaso de algunas nuevas funcionalidades que se han incorporado en Analysis Workspace en este último año. ¡Empezamos! ...

Adobe Experience Maker 2022

HIKE, como partner de Adobe, estuvo en el Adobe Experience Maker realizado el 16 de noviembre en Madrid. Un evento anual que reúne a partners, clientes y la gente de Adobe en un ...

HIKE se adhiere al programa Kit Digital para digitalizar ...

HIKE se adhiere al programa Kit Digital como agente digitalizador del programa de ayudas del Gobierno financiado por la Unión Europea a través de los fondos Next Generation EU, ...

Trucos de Adobe Analytics: métricas calculadas para cambiar ...

Una de las grandes ventajas de Adobe Analytics es la flexibilidad que ofrece para crear métricas calculadas utilizando métricas existentes, segmentos, rangos temporales y/o ...

Adobe Customer Journey Analytics, ¿qué aporta a Adobe ...

En un año atípico marcado por la imposibilidad de celebrase presencialmente, el Adobe Summit 2021, evento del año del marketing digital, se celebró online y de manera gratuita, ...

Newsletter

Tenemos una recopilación de noticias que seguro te puede interesar sobre Analítica, Martech, Cookies, etc.

Te puedes dar de baja en cualquier momento.Para más detalles puedes consultar nuestra Política de Privacidad.