Si sois nuestros lectores fieles del blog de Webanalytics.es, seguramente os habéis dado cuenta que últimamente apostamos fuerte por el tema de la Visualización de Datos con la Guía de Visualización de Datos que publicamos en diciembre y con una serie de posts de Gemma Vialcanet y Jaume Pérez. Esta vez os queremos proponer un ejercicio práctico. ¿Cómo y qué datos extraer de la herramienta de analítica web? y ¿Cómo representarlos en un gráfico?
Hemos decidido dar continuidad al artículo que escribimos hace tiempo sobre los Bubble Charts y Treemaps. Seguiremos con el ejemplo de fuentes de tráfico para daros pistas sobre cómo montar estos dos gráficos e incorporarlos en vuestro reporting o análisis. En ambos casos vamos a utilizar la herramienta RAW, cuyos autores pertenecen al laboratorio de investigación Density Design de la Universidad Politecnico di Milano. Es una herramienta gratuita y útil sobre todo a la hora de representar datos vectoriales. Nos gusta por su diseño y posibilidad de exportar los grafos en diferentes formatos (svg, png, json y html).
Treemap con Marketing Channels de SiteCatalyst
Empezamos por el gráfico treemap que sirve para ilustrar datos en forma de rectángulos y donde se aprovecha la superficie y el color de estos espacios (rectángulos) para mostrar datos.
¿Qué datos necesitamos?
En el ejemplo original que propusimos en el artículo mencionado anteriormente, hablábamos sobre el volumen de visitas y el ratio de conversión. Pero para no complicar las cosas vamos a optar por nivel de ingresos por fuente y su ratio de conversión. Estos datos son muy fácil de sacar desde Marketing Channels de SiteCatalyst:
Exportamos este informe en formato csv, copiamos los datos a RAW (con algunos cambios cosméticos para que los ingresos y los ratios estén identificados como “número” y no como “texto”):
Y al final nos queda la parte de mapping donde definimos qué campo corresponde a la jerarquía, al color y al tamaño de los rectángulos:
Se puede incluir más de una jerarquía en el treemap utilizando por ejemplo los valores de cada Marketing Channel (por palabra clave, url de referencia, nombre de campaña) y de esta manera “segmentando” aún más el gráfico.
El resultado final sería algo de este tipo:
Se podría generar dos gráficos, first touch channel y last touch channel, y hacer una comparativa entre ellos. Lo mismo podría replicarse para los Multi-channel funnels de Google Analytics analizando fuentes de primera interacción y las fuentes que asisten a la compra.
Bubble Chart con Google Analytics
En el ejemplo que incluimos en el artículo original hablábamos de un gráfico de burbujas que representaba las campañas según el nivel de ingresos, la frecuencia y la latencia.
Este ejercicio vamos a realizar con los datos de Google Analytics y os enseñaremos cómo encontrar los datos que necesitamos para montar dicho gráfico.
Primero necesitamos segmentos a nivel de usuario con primera fuente de tráfico igual a las campañas que queremos analizar. ¿Cómo montar estos segmentos? Poniendo en “Secuencias” la condición de este tipo:
Con estos segmentos ya podemos sacar el primero dato: ingresos que han generado los usuarios que hemos captado gracias a estas campañas.
La frecuencia definida como el número de veces que han vuelto a visitar mi site los usuarios que he impactado con la campaña es al final una métrica calculada. Cogemos el número de visitas del segmento que acabamos de crear y lo dividimos por el número de usuarios únicos. Por desgracia no es un número que nos da la herramienta por defecto 
Y sólo nos queda la latencia, que sí que es un datos complicado de sacar. La latencia sería la distancia media entre las visitas. Podemos saber si una campaña ha generado usuarios recurrentes o no, pero cuantas veces nos visitan y con qué periodicidad es una información aún más detallada. Daniel Rodríguez en su post Cómo medir la latencia entre visitas según Justin Cutroni nos explicó cómo medir esta métrica con las variables personalizadas, pero ¿qué hacer si no las tenemos implementadas? En Google Analytics podemos encontrar un informe que se llama “Días transcurridos desde la última visita” que forma parte de la pestaña “Frecuencia y visitas recientes”:
Aplicando el segmento de la campaña más la condición de usuarios recurrentes podemos sacar el promedio de distancia entre las visitas.
Con todos estos datos montamos un fichero (para algunas cosas se puede automatizar la extracción de datos con el Google Analytics Query Explorer), lo copiamos a RAW y hacemos el mapping de las variables. El resultado final podría ser algo de este tipo:
Una alternativa en este caso sería utilizar los gráficos de Google Drive. Incluso podemos montar motion charts para ver la evolución de las campañas en el tiempo. Es algo muy potente, pero requiere esfuerzo adicional.
¿Qué os parecen estos dos ejercicios? ¿Tenéis algún método de trabajo con las visualizaciones de datos que queréis compartir con nuestros lectores?