El tráfico de tu web estaba estable en 500 visitantes por semana. La semana pasada bajó a 350. Sabes qué pasó (menos visitantes). No tienes ni idea de por qué.
La analítica descriptiva te dice que el número cambió. La analítica diagnóstica es cómo descubres el motivo. Este artículo explica las técnicas para investigar qué causó el cambio y cómo evitar pistas falsas.
La analítica diagnóstica consiste en investigar por qué pasó algo. Describes el síntoma (el tráfico cayó un 30%) y trabajas hacia atrás para encontrar la causa.
Lo que lo hace difícil: casi todo puede parecer una causa si no tienes cuidado. Tu tasa de rebote subió la misma semana en que cayó el tráfico. ¿La tasa de rebote causó la caída, o ambas se movieron a la vez sin tener nada que ver? Cambió tu navegación. ¿Eso causó la caída, o las posiciones en Google cambiaron al mismo tiempo? La analítica diagnóstica consiste en responder esto con precisión, no en adivinar.
Cómo investigar como si resolvieras un misterio
El proceso diagnóstico funciona por pasos. Empieza por lo concreto y amplía después.
Paso 1: define el síntoma con precisión
No "el tráfico va mal". Algo como "el tráfico de búsqueda orgánica cayó un 35% entre el 15 y el 20 de enero en comparación con el mismo periodo del mes anterior".
La precisión importa. "El tráfico cayó" es vago. "El tráfico de búsqueda orgánica cayó un 35% en una ventana de cinco días" te dice exactamente qué investigar y reduce mucho las posibles causas. No intentas explicar todo el tráfico, solo la métrica concreta que se movió.
Paso 2: aísla lo que pudo causarlo
¿Qué cambió en torno al momento en que se movió tu métrica? Esta es tu lista de hipótesis.
¿Publicaste contenido nuevo? ¿Cambiaste los títulos de las páginas? ¿Actualizaste la estructura de tu web? ¿Hiciste una campaña de marketing? ¿Te mencionaron en otra web? ¿Hubo una actualización del algoritmo de Google? ¿Un competidor lanzó algo? ¿Cambiaste los ajustes de tu analítica?
Apunta todas las causas plausibles. No te preocupes si la lista es larga. Tu trabajo ahora es ir descartando posibilidades.
Paso 3: pon a prueba las hipótesis
Para cada hipótesis, pregúntate: si esta fuera la causa, ¿qué esperaría ver en los datos?
Digamos que tu hipótesis es "un competidor lanzó una campaña y nos quitó el tráfico de búsqueda". Si es cierto, esperarías ver: (a) algunas palabras clave por las que salías ahora posicionan a competidores, (b) tus posiciones bajaron justo para esas palabras clave, (c) la caída de tráfico se concentra solo en esas palabras clave, no en todo el tráfico de búsqueda.
Compruébalo. ¿Tus posiciones bajan de verdad para esas palabras clave? Si es así, es una prueba a favor de tu hipótesis. Si no, esa hipótesis es falsa: pasa a la siguiente.
El mismo proceso vale para las demás hipótesis. ¿Publicaste contenido nuevo? Si eso causó la caída de tráfico, ¿por qué el contenido nuevo reduciría el tráfico existente? No lo haría, salvo que el contenido nuevo esté quitando clics a tus páginas principales (ahora compiten por los mismos resultados de búsqueda). Si eso no ocurre, no es la causa.
Paso 4: busca causalidad, no solo correlación
Este paso atrapa a casi todos. Dos métricas pueden moverse juntas sin que una cause la otra.
Tu tasa de rebote subió la misma semana en que cayó el tráfico. Es una correlación: se movieron juntas. Pero correlación no es causalidad. La tasa de rebote no hizo caer el tráfico. Ambas pueden ser síntomas del mismo problema (quizá Google bajó tu web de posición; llegaron menos visitantes, y los que llegaron encontraron tu contenido menos relevante).
Para confirmar la causalidad, pregúntate: ¿hay un mecanismo lógico? Si la tasa de rebote causó la caída del tráfico, ¿cómo funcionaría eso? No funciona. La tasa de rebote es cómo se comportan los visitantes después de llegar. No puede afectar a cuántos visitantes llegan en primer lugar. Así que probablemente es correlación, no causalidad.
Paso 5: confirma con la explicación más simple
Ya has acotado las posibilidades. Tu tráfico cayó en la búsqueda orgánica en concreto. Tus posiciones bajaron. No hubo cambios nuevos en la web. Conclusión: Google cambió los resultados de búsqueda (actualización del algoritmo o cambio de posiciones). Esa es la explicación más simple.
La explicación más simple que encaja con los datos suele ser la correcta. No inventes teorías complicadas si una simple explica lo que ves.
Las técnicas que funcionan de verdad
La analítica diagnóstica usa técnicas concretas para investigar. Estas son las que importan a un dueño de web.
Análisis de desglose (segmenta tus datos)
En vez de mirar "todo el tráfico", desglósalo por fuente. ¿Cuánto vino de la búsqueda orgánica? ¿Cuánto de tráfico directo? ¿Cuánto de referidos?
Si el tráfico total cayó un 30% pero la búsqueda orgánica solo cayó un 10%, sabes que el problema está en otra parte. Al desglosar los números has acotado la investigación.
Con las páginas igual. Si el tráfico total bajó pero tus páginas principales en realidad suben, sabes que el problema son páginas menores que se hunden. Si tus páginas principales bajan, es otra cosa. El desglose te dice qué está roto en concreto.
Análisis de tendencias (compara periodos)
Mira la misma métrica en distintos periodos. Tu tráfico de este mes frente al del mes pasado y al del año pasado. ¿Cayó de golpe o poco a poco? ¿Cayó un día concreto o a lo largo de varios días?
Una caída brusca el 15 de marzo es distinta de un descenso gradual durante dos semanas. Una sugiere un evento (actualización de Google, cambio en la web, movimiento de un competidor). La otra sugiere una tendencia (bajada estacional, pérdida gradual de posiciones).
La forma de la tendencia te dice dónde investigar.
Detección de anomalías (detecta lo que es distinto)
Tu tráfico suele rondar los 500 visitantes al día. El jueves pasado fueron 650. El viernes, 300. Son anomalías: se salen de lo normal.
Las anomalías merecen investigación. ¿Qué pasó el jueves? Un pico sugiere algo positivo (alguien compartió algo en redes, una mención, buenas posiciones en Google). ¿Qué pasó el viernes? Un desplome sugiere algo negativo (un error en la web, algo que cambió).
Al detectar anomalías, sabes qué días investigar a fondo.
Análisis de cohortes (compara grupos)
Una cohorte es un grupo de visitantes que comparten algo (llegaron este mes, vinieron de Google, vieron una página concreta).
Digamos que tu tasa de conversión cayó. En vez de mirar solo las conversiones totales, compara cohortes. ¿Cayeron las conversiones de quienes vinieron de Google? ¿De los anuncios? ¿De los referidos? ¿Cayeron entre visitantes nuevos pero no entre los que repiten?
Al comparar cohortes ves que el problema se concentra en ciertas fuentes o tipos de visitante, una pista mucho mejor que una tendencia general.
Los errores que te llevan por pistas falsas
La analítica diagnóstica parece simple, pero hay formas habituales de equivocarse.
Confundir correlación con causalidad
Dos cosas se movieron juntas. Supones que una causó la otra. Casi siempre es un error.
Tu tasa de conversión y tu tasa de rebote subieron las dos. ¿Casualidad? Quizá. ¿Una tasa de rebote más alta causa una conversión más alta? No: la tasa de rebote y la conversión miden grupos de visitantes distintos. Esta correlación probablemente no significa nada.
Pregúntate siempre: ¿hay un mecanismo lógico? ¿Podría X causar de verdad Y?
Ignorar factores externos
Tus métricas cambiaron. Antes de culpar a tu web, pregúntate si cambió algo fuera de ella.
¿Lanzó Google una actualización del algoritmo? ¿Un competidor lanzó una campaña? ¿Hubo una gran noticia en tu sector? Si tu tráfico cayó la misma semana en que Google anunció una actualización principal, probablemente esa es la causa, no algo que hicieras tú.
Mira fuera de tu web antes de mirar dentro.
Complicar causas simples
Notas que el tráfico cayó. Investigas durante semanas y destapas problemas complejos. Luego descubres que la causa real era simple: tu web estuvo caída 2 horas un día.
Las causas simples son más comunes que las complejas. Comprueba primero lo obvio: ¿dio error tu web? ¿Borraste una página sin querer? ¿Cambiaste algo técnico? ¿Cambió mucho el tráfico de buscadores? Son fáciles de comprobar y suelen ser la respuesta.
Cambiar demasiadas cosas a la vez
Notaste un problema. Actualizaste tu página de inicio, cambiaste la navegación, actualizaste las páginas de producto y reescribiste los textos, todo en un día.
Ahora las conversiones cambiaron. ¿Qué cambio lo causó? ¿Todos? ¿Uno? ¿Ninguno, quizá es estacional? No puedes saberlo porque cambiaste demasiado de golpe.
Al diagnosticar problemas, cambia una cosa y mide el impacto antes de cambiar la siguiente.
Cuándo necesitas ayuda para diagnosticar
A veces la analítica diagnóstica es sencilla (hiciste un cambio, las métricas cambiaron, la conexión es obvia). A veces es compleja y confusa.
Cuando te atasques:
Habla con quienes conocen el contexto. Si tienes una tienda online y las conversiones cayeron, pregunta a tu procesador de pagos si hubo algún problema. Pregunta a tu equipo si cambió algo. Pregunta a tu desarrollador si hubo una actualización de la web. El analista de datos puede encontrar el patrón, pero el equipo aporta el contexto que resuelve el misterio.
Enfócate en el cambio más pequeño. No intentes diagnosticar todas las métricas a la vez. Elige la métrica que más importa y diagnostica esa. Cuando entiendes la causa de un cambio, las demás suelen aclararse.
Recuerda que algunos cambios son solo ruido. Tu tráfico sube y baja cada semana por variación aleatoria. No todo cambio necesita diagnóstico. Si tu promedio es de 500 visitantes y una semana tuviste 490, está dentro de la variación normal. No investigues cada microcambio: céntrate en las desviaciones significativas.
Preguntas frecuentes
¿Cuánto se tarda en diagnosticar por qué cambió una métrica?
A veces minutos (hiciste un cambio y ves el impacto). A veces horas, si tienes que revisar datos. A veces días, si la causa no está clara. Cuanto más concreto sea tu síntoma de partida, más rápido podrás diagnosticarlo. "El tráfico cayó el lunes" es más fácil de diagnosticar que "el tráfico lleva tres meses bajando poco a poco". Con el creador de webs de WEMASY puedes configurarlo directamente en tu web.
¿Y si no encuentro la causa?
Es posible que la causa sea externa y no se vea en tus datos (un cambio en el mercado, una tendencia estacional, una acción de un competidor). También es posible que el cambio sea solo variación aleatoria. Si has probado las hipótesis obvias y no has encontrado nada, acepta que a veces no se puede diagnosticar todo. Pasa a la siguiente oportunidad.
¿Puedo diagnosticar cosas con datos del pasado o necesito seguirlas en directo?
Puedes diagnosticar con datos del pasado si tu sistema de analítica registró esos datos. La analítica de WEMASY guarda datos históricos, así que puedes volver semanas o meses atrás e investigar. No necesitas datos en tiempo real para diagnosticar por qué pasó algo.
¿Hay forma de enterarme automáticamente cuando algo cambia?
Sí. La mayoría de las herramientas de analítica te dejan configurar alertas para cambios bruscos (el tráfico cae más de un 20%, bajan las conversiones, etc.). Esas alertas te avisan de que algo cambió para que lo diagnostiques. Pero el diagnóstico lo sigues haciendo tú: la alerta solo te dice que algo merece investigarse.
¿Debo arreglar los problemas según lo que dice el diagnóstico o probarlo primero?
Prueba primero, si puedes. Cuando creas saber la causa, haz un cambio pequeño y mide si la métrica mejora. Así confirmas que tu diagnóstico era correcto antes de invertir tiempo en una solución grande. Las pruebas pequeñas son más rápidas que depurar el problema equivocado.
¿En qué se diferencia la analítica diagnóstica de la inteligencia de negocio diagnóstica?
Son conceptos parecidos. Ambos consisten en investigar por qué pasó algo. En analítica miramos los datos para encontrar causas de fondo. En inteligencia de negocio también puedes mirar factores operativos, decisiones del equipo y condiciones de mercado. Para los dueños de webs, la analítica diagnóstica es la herramienta práctica que puedes usar directamente.