Tienes 50 métricas en tu panel de analítica. Las revisas cada día. Y no tienes ni idea de cuáles importan. Esta es la trampa en la que cae la mayoría de los dueños de webs: medirlo todo y no entender nada. Este artículo explica cómo separar las métricas que revelan la verdad de las que solo impresionan.
¿Qué hace que merezca la pena medir una métrica?
Merece la pena medir una métrica si te dice algo sobre si tu negocio avanza en la dirección correcta. No si estás ocupado, sino si tu trabajo funciona.
La mayoría de las métricas no pasan esta prueba. Miden actividad, no impacto. Muestran que algo ocurrió, no si importó.
Una métrica tiene calidad si cumple tres condiciones: es relevante para tus objetivos, es accionable (puedes hacer algo al respecto) y lleva a mejores decisiones.
El problema de medir demasiadas cosas
Medirlo todo parece progreso. Tienes muchísimos datos. Pero los datos sin foco son ruido. Cuantas más métricas mides, más probable es que actúes por una coincidencia en lugar de por la verdad.
Si mides 50 métricas y haces 10 experimentos al mes, verás que el 10 por ciento de tus métricas se mueve por pura casualidad. Unas subirán y otras bajarán. Si solo miras las que se movieron a favor, te convences de que el experimento funcionó cuando solo fue azar.
Por eso los mejores sistemas de medición son mínimos. Elige unas pocas métricas que importen. Síguelas con obsesión. Ignora el resto.
Métricas relevantes frente a métricas de vanidad
Una métrica relevante te dice si avanzas hacia tu objetivo. Si tu objetivo es aumentar los suscriptores de email, la tasa de suscripción es relevante. El tráfico no. Puedes tener el triple de tráfico y las mismas suscripciones. El tráfico por sí solo es vanidad.
Una métrica de vanidad queda bien, pero no predice el éxito del negocio. Páginas vistas, tiempo en el sitio, seguidores en redes sociales. Todas pueden subir mientras las conversiones se quedan planas. Estás ocupado, pero no ganando.
La prueba es simple: ¿esta métrica te diría algo que necesitas saber? Si la respuesta es no, es vanidad.
Métricas accionables frente a descriptivas
Una métrica descriptiva te dice qué pasó. La tasa de interacción es del 35 por ciento. Es un hecho. Pero ¿qué haces con él?
Una métrica accionable te dice qué cambiar. Señala una acción o una decisión concretas. «La tasa de interacción en móvil es del 18%, pero en ordenador es del 52%» es accionable. Ahora sabes que debes centrarte en la experiencia móvil.
Las mejores métricas son a la vez descriptivas y accionables. Te dicen cuál es la situación actual y apuntan hacia soluciones.
Cómo construir un marco de medición
Empieza por tu objetivo de negocio. ¿Qué necesitas que ocurra de verdad? ¿Más ventas? ¿Más suscriptores de email? ¿Más usuarios con interacción?
Retrocede desde ese objetivo. ¿Qué comportamientos llevan a ese resultado? ¿Qué métricas miden esos comportamientos?
En el nivel más alto tienes tu métrica estrella. Una métrica que representa el éxito. Para una tienda online, puede ser el ingreso. Para un SaaS, puede ser el ingreso recurrente mensual o la retención de clientes.
Por debajo tienes las métricas facilitadoras. Son comportamientos que predicen la métrica estrella. En una tienda online: la tasa de conversión, el valor medio del pedido, la tasa de clientes que repiten. Estas facilitan el ingreso.
Por debajo tienes las métricas de diagnóstico. Te ayudan a entender por qué se mueven las métricas facilitadoras. Para la tasa de conversión, puedes medir la tasa de formularios completados, la velocidad de página y la tasa de rebote.
Esta jerarquía te mantiene centrado. Cada métrica se vincula con la de arriba y, en última instancia, con tu métrica estrella.
Preguntas frecuentes
Mido 30 métricas, pero mi jefe sigue preguntando «¿vamos ganando?». ¿Qué me falta?
Te falta una métrica estrella. Una métrica que defina ganar. Si tu jefe no sabe qué cifra mirar primero, tienes demasiadas métricas. Elige una métrica que responda a «¿está creciendo el negocio?». Todo lo demás apoya esa respuesta. Con el creador de webs de WEMASY, puedes configurarlo directamente en tu web.
El tráfico se triplicó, pero las conversiones siguen igual. ¿En qué métrica confío?
Confía en la tasa de conversión, no en el tráfico. La tasa de conversión te dice la calidad. Si las conversiones se quedaron planas con el triple de tráfico, algo falla. La calidad de tu tráfico bajó, la experiencia de tu página de destino empeoró o tu oferta no encaja con el tráfico. El tráfico es fácil de inflar. Las conversiones son difíciles de inflar.
Cambié mi estrategia de contenido y tres métricas se movieron en direcciones distintas. ¿Cómo sé si funcionó?
Busca coherencia. Si tu métrica estrella se movió en la dirección correcta, la estrategia funcionó aunque otras métricas se movieran distinto. Si las páginas por sesión bajaron, pero el tiempo de interacción subió, los lectores van más a fondo en menos páginas. Eso sigue siendo un avance en interacción.
Mis métricas van bien de un mes a otro, pero mi intuición dice que algo falla. ¿Me fío de las métricas o de mi intuición?
Tu intuición está detectando ruido. Comparar de un mes a otro es muy poco tiempo. Mira las tendencias a 90 días. Puede que tus métricas suban este mes, pero lleven tres meses bajando. Comprueba también si un solo cliente o una sola campaña distorsiona las cifras. La intuición suele detectar anomalías en los datos antes que el análisis.
Cumplimos todos nuestros indicadores de interacción, pero los ingresos bajaron. Las métricas nos mienten.
Las métricas no mienten. Son las métricas equivocadas. La interacción no predice tus ingresos. Tienes que relacionar tus métricas con los resultados reales. Revisa tus indicadores de interacción hacia atrás desde el valor de vida del cliente. Si la interacción no se correlaciona con ese valor, no es el indicador adelantado adecuado.
¿Cómo demuestro a mi equipo que una métrica importa sin esperar meses para ver resultados?
Correlaciónala con el rendimiento pasado. Retrocede seis meses. Muestra que cuando la métrica estaba alta, los resultados eran buenos, y cuando estaba baja, eran malos. Esa correlación histórica demuestra que la métrica importa. No tienes que esperar meses, solo analizar los datos que ya tienes.