Una guía práctica de Análisis de comercio electrónico

Esta guía explica Análisis de comercio electrónico de forma práctica, con un enfoque en decisiones de analítica respetuosas con la privacidad.

La analítica de comercio electrónico es útil cuando conecta el comportamiento de la tienda con las decisiones de ingresos. Se vuelve ruidoso cuando cada clic, píxel y rasgo del cliente se recopila simplemente porque una herramienta puede recopilarlo.

Una tienda respetuosa con la privacidad aún puede responder preguntas importantes: de dónde vienen los compradores, qué productos atraen interés, dónde se interrumpe el pago, qué campañas dan resultados y qué páginas necesitan mejorar.

Las métricas que más importan

Tasa de conversión

La tasa de conversión es la proporción de visitantes o sesiones que completan una compra. Realice un seguimiento por fuente de tráfico, campaña, categoría de dispositivo, página de destino y categoría de producto.

No compares tasas de conversión sin contexto. El tráfico de búsqueda pagado con una fuerte intención de compra puede generar conversiones de manera muy diferente al tráfico de blogs. La conversión móvil puede ser menor porque los usuarios buscan en teléfonos y compran más tarde en computadoras de escritorio.

Ingresos por visitante

Los ingresos por visitante combinan la calidad del tráfico, la tasa de conversión y el valor del pedido. A menudo es más útil que la tasa de conversión por sí sola.

Fórmula:

revenue per visitor = total revenue / visitors

Si la tasa de conversión disminuye pero el valor promedio de los pedidos aumenta lo suficiente, los ingresos por visitante aún pueden mejorar. Esto ayuda a evitar optimizar solo para compras baratas.

Valor promedio del pedido

El valor promedio del pedido muestra cuánto gastan los clientes por transacción.

Fórmula:

average order value = revenue / orders

Utilice AOV para evaluar paquetes, umbrales de envío gratuito, recomendaciones de productos y comercialización. Cuidado con las campañas de descuentos: un descuento puede aumentar la conversión y reducir el margen.

Abandono del carrito y del pago

Seguimiento del embudo:

• Vista del producto
• Añadir al carrito
• Vista del carrito
• Inicio de pago
• Paso de envío
• Paso de pago
• Compra

Una tasa alta de abandono del carrito puede indicar costos de envío inesperados, creación forzada de cuentas, métodos de pago limitados, pago lento, mala experiencia de usuario móvil o problemas de confianza. No es necesario identificar al comprador individual para ver por dónde gotea el embudo.

Rendimiento del producto

Medida:

• Vistas detalladas del producto
• Tarifa Añadir al carrito
• Tasa de compra
• Ingresos
• Reembolsos o devoluciones, si están disponibles
• Términos de búsqueda que conducen a páginas de productos.

Por motivos de privacidad, evite enviar eventos a nivel de producto a plataformas publicitarias a menos que tenga un consentimiento válido y un motivo claro. La analítica agregada de la tienda suele ser suficiente para tomar decisiones de comercialización.

Métricas de adquisición

Los equipos de comercio electrónico a menudo gastan de más cuando confían en los paneles de control de las plataformas publicitarias sin una medición independiente.

Utilice UTM para cada campaña. La documentación del creador de URL de Google explica parámetros estándar como utm_source, utm_medium, utm_campaign, utm_id y utm_content (Google Analytics URL builder). Estos parámetros funcionan en análisis que priorizan la privacidad porque se pasan en la URL de destino.

Pista:

• Sesiones por fuente y campaña.
• Tasa de conversión por campaña
• Ingresos por campaña
• Ingresos por visitante por campaña
• Conversiones asistidas donde sus análisis las respalden
• Ingresos de clientes nuevos versus recurrentes, si su plataforma de comercio los proporciona

Para anuncios pagos, combine análisis con datos de gasto de la plataforma para estimar el retorno:

ROAS = attributed revenue / ad spend

No pretendas que la atribución sea perfecta. Las funciones de privacidad del navegador, el rechazo del consentimiento, las compras entre dispositivos y las compras retrasadas crean lagunas. Utilice la atribución como evidencia direccional, no como verdad absoluta.

Diseño de medición respetuoso con la privacidad

Una tienda no necesita realizar un seguimiento de los compradores en la web para mejorar las ventas.

Una configuración ajustada puede utilizar:

• Análisis de eventos y páginas propias
• Eventos agregados de productos y embudos.
• UTM para fuente de campaña
• ID de pedidos almacenados en el backend de comercio, no perfiles de análisis
• País o región en lugar de ubicación exacta
• Retención corta para eventos sin procesar.
• Píxeles de anuncios controlados por consentimiento solo cuando sea necesario

Evite:

• Envío de direcciones de correo electrónico o números de teléfono a análisis
• Grabación de sesiones de pago por defecto
• Cargando píxeles de retargeting antes del consentimiento.
• Almacenamiento de direcciones IP sin procesar por más tiempo del necesario
• Combinación de eventos analíticos con perfiles enriquecidos por corredores

La pila de análisis de comercio electrónico más sólida separa los datos de pedidos operativos de los datos de comportamiento del sitio web. La plataforma de su tienda necesita los datos del cliente para completar un pedido. El análisis de su sitio web normalmente no es así.

Cómo priorizar las mejoras

Utilice métricas para encontrar el problema de mayor apalancamiento:

• Altas vistas de productos, pocas adiciones al carrito: mejore la claridad de los precios, las imágenes, las reseñas, el tamaño o la disponibilidad.
• Alta adición al carrito, bajo inicio de pago: revise la experiencia del usuario del carrito, estimaciones de envío, distracciones de cupones y señales de confianza.
• Inicio de pago alto, compra baja: métodos de pago de prueba, errores de formulario, validación de direcciones y usabilidad móvil.
• Alto tráfico, bajos ingresos por visitante: revise la intención de la campaña y la coincidencia del mensaje de la página de destino.
• Alta conversión, bajo AOV: paquetes de prueba, umbrales y recomendaciones de productos.

Realice un cambio a la vez cuando sea posible y anote la fecha de lanzamiento en sus análisis.

Lista de verificación de eventos de comercio electrónico

Comience con un conjunto de eventos compacto: producto visto, carrito iniciado, pago iniciado, pago fallido, compra completada, cupón aplicado y reembolso solicitado. Utilice propiedades seguras como categoría de producto, rango de precios, moneda, campaña, clase de dispositivo y país.

No envíe nombres, correos electrónicos, direcciones exactas, detalles de pago, notas de pedido, URL de pago con tokens ni ID de pedido completos a análisis de sitios web. Mantenga la veracidad de los ingresos en la plataforma comercial y utilice análisis para explicar las tendencias de adquisición, contenido y embudo.

El resultado final

La analítica de comercio electrónico debería facilitar las decisiones sobre las tiendas. Céntrese en la conversión, los ingresos por visitante, el valor promedio de los pedidos, la caída del embudo, el rendimiento del producto y la calidad de la adquisición. Puede medir todo esto con un enfoque que priorice la privacidad, respete a los compradores y evite el seguimiento innecesario de terceros.

Un conjunto de eventos seguros para la privacidad

Una tienda práctica puede comenzar con un conjunto de eventos compacto: product_viewed, cart_started, checkout_started, payment_failed, purchase_completed, coupon_applied y refund_requested. Las propiedades útiles incluyen categoría de producto, banda de precios, moneda, campaña, clase de dispositivo y país. Evite enviar nombres, direcciones de correo electrónico, direcciones de envío exactas, números de teléfono, detalles de pago o notas de pedidos a análisis web.

Mantenga el sistema de pedidos como fuente confiable de ingresos. La analítica puede informar tendencias y canalizar el estado del embudo, pero los reembolsos, los impuestos, los descuentos, las comprobaciones de fraude y el estado de cumplimiento pertenecen a los sistemas comerciales o financieros. Esa separación reduce el riesgo de privacidad y también evita que los especialistas en marketing tomen decisiones a partir de cifras de ingresos incompletas.