Datos de terceros en Google Analytics

Es obvio que la analítica digital es un medio para obtener respuestas basadas en datos a preguntas digitales. Esto se debe a que se realiza un seguimiento y se analiza cada carga de página, impresión, clic y vista de video. Pero, ¿qué pasa con la relación entre las plataformas digitales y el entorno fuera del mundo digital? Por ejemplo, ¿qué efecto tiene el clima en sus clientes? ¿O el tipo de cambio? ¿O el resultado del partido de fútbol de anoche?

Es importante identificar el potencial de vincular los datos internos de una empresa con los datos proporcionados por terceros. Las organizaciones que utilizan datos de terceros e integran con éxito una amplia gama de datos externos en sus operaciones pueden superar a otras empresas al desbloquear mejoras en la productividad y la gestión de riesgos. La crisis de COVID-19 proporciona un ejemplo perfecto de cuán relevantes pueden ser los datos externos. La pandemia ha interrumpido todo, desde el comportamiento del consumidor hasta las cadenas de suministro, aumentando la imprevisibilidad empresarial, lo que dificulta el uso de datos pasados ​​para predecir el comportamiento futuro. Las empresas solo pueden llegar hasta cierto punto con sus propios datos internos y pueden beneficiarse del uso de fuentes externas para guiarlas.

Desafortunadamente, estos datos no están fácilmente disponibles dentro de las herramientas de análisis digital estándar. Es por eso que hemos compilado esta publicación de blog, en la que examinamos qué datos se pueden agregar a GA, cómo se pueden usar estos datos para responder preguntas comerciales y cómo se pueden usar estas respuestas para mejorar su negocio.

¿Qué datos puede agregar a Google Analytics?

Las fuentes de datos externas ofrecen un inmenso potencial, sin embargo, también presentan varios desafíos prácticos. Por ejemplo, el simple hecho de obtener una comprensión básica de lo que está disponible requiere un esfuerzo considerable. Dado que existe una amplia gama de fuentes de datos disponibles, y estas pueden informar las decisiones comerciales de diversas maneras, es importante tener una definición clara del problema comercial para generar valor.

El primer paso al agregar datos de terceros es examinar detenidamente su negocio y considerar qué factores ambientales tienen más probabilidades de afectarlo. No tiene sentido agregar resultados deportivos a una pequeña tienda en línea que ofrece iluminación a medida, ya que es muy poco probable que estén correlacionados con el negocio.

El segundo paso que debemos abordar es la fuente de los datos. La clave de nuestra implementación es que los datos deben estar disponibles a través de una API. Una API es un medio de comunicación con otro servicio que tiene los datos que buscamos.

No vamos a entrar en los tecnicismos aquí, pero hay muchas API que ofrecen el tipo de datos que podrían interesarnos. Algunas de ellas son gratuitas, otras son gratuitas hasta cierto número de llamadas, mientras que a otros se les paga exclusivamente por los servicios. Antes de comenzar a buscar para agregar datos, es importante encontrar la API que utilizará.

¿Cuáles son los riesgos del uso de datos de terceros en Google Analytics?

El GDPR (Reglamento general de protección de datos) ha ampliado el alcance de la responsabilidad en lo que respecta a la protección de datos y la privacidad, lo que significa que ahora se requiere ser significativamente más cuidadoso con las implicaciones de los incidentes de seguridad causados ​​por los proveedores de servicios. A lo largo del proceso de búsqueda y uso de datos externos, las empresas deben tener en cuenta las preocupaciones sobre la privacidad.

• Confirme que los proveedores externos cumplan con GPDR.
• Defina claramente todas las áreas y actividades en las que se aplica el RGPD, y haga que los proveedores externos acepten y proporcionen garantías contractuales firmadas de que sus procesos cumplen con los requisitos del Reglamento.

¿Cuál es el estado de los datos de terceros en GA4?

Google Analytics 4 se está implementando al comienzo de una nueva era de recopilación de datos en línea. Durante los próximos años, el acceso de las empresas a los datos de terceros sobre los clientes seguirá reduciéndose. En respuesta, los equipos de marketing deberán desarrollar nuevas estrategias de conversión para adaptarse a una Internet sin cookies.

Las herramientas de seguimiento en línea deberán evitar la disminución de datos de terceros; afortunadamente, GA4 tiene una integración con BigQuery que permite una mayor flexibilidad al unir datos de análisis con fuentes de datos externas. Esto puede aumentar los gastos generales técnicos, pero mejorará la disponibilidad de datos importantes.

¿Qué preguntas puedes responder con estos datos?

El uso de datos externos tiene el potencial de cambiar las reglas del juego en una variedad de negocios y sectores. Una vez que haya acumulado suficientes datos en su cuenta de Google Analytics, podrá investigar la correlación entre estos datos de terceros y las métricas digitales tradicionales, como transacciones y visitas a páginas.

Para mostrar cómo se podría usar esto, hemos incluido un ejemplo de la tienda de ropa en línea ficticia "E-Clothing":

A continuación se muestra un informe que combina datos meteorológicos de terceros y la categoría de producto "calcetines". Esto nos permite responder a la pregunta, "¿en qué clima es más probable que las personas compren calcetines?".

Como podemos ver en este informe, la tasa de conversión (medida como el porcentaje de vistas detalladas que resultan en una compra) es más alta cuando llueve. Aquí es también cuando se venden más calcetines. La segunda tasa de conversión más alta es cuando llueve poco y la tercera más alta cuando está nublado. Esto sugiere que la gente está más inclinada a comprar calcetines cuando hace mal tiempo.

A continuación se muestra otro informe que muestra la categoría de producto "trajes de baño" junto con la misma dimensión meteorológica del informe anterior.

Aquí podemos ver un comportamiento que contrasta con el comportamiento de los "calcetines". A diferencia de los calcetines, los trajes de baño tienen las tasas de conversión más altas cuando el clima está despejado.

Finalmente, veremos un ejemplo en el que los datos de terceros en forma de resultados deportivos se combinan con datos de productos. En este ejemplo, usamos los resultados de fútbol para todos los partidos que involucran al Arsenal, más específicamente la diferencia de goles, y lo comparamos con las ventas de productos del Arsenal.

Esto nos permite responder a la pregunta de "¿las ventas de mercancías están relacionadas con los resultados del equipo?".

El resultado que más destaca en la tabla anterior es la primera fila, donde el Arsenal ganó por tres goles. Las vistas de la mercancía del Arsenal directamente después de este juego vieron, con mucho, la tasa de conversión más alta y representaron una gran parte de las compras totales.

Con más datos que siguen el mismo patrón, podemos concluir fácilmente que la tasa de conversión de la mercancía del equipo está correlacionada con el desempeño de ese equipo.

La pandemia de Covid-19 ha cambiado el comportamiento de los consumidores de muchas formas. Un sector que ha experimentado graves trastornos es la industria de servicios. Muchos restaurantes lanzaron plataformas de pedidos en línea para sus sitios web, expandieron sus asociaciones de entrega de terceros y / o crearon carriles para autoservicio. Pero con la naturaleza cíclica de la gravedad de la pandemia, puede ser difícil lograr el equilibrio de lo que responderán los consumidores en la publicidad.

Un ejemplo de cómo los datos de terceros podrían ayudar a esto sería modificar qué ofertas (entrega y recogida frente a cenar en el restaurante) son publicidad. Por supuesto, cuanto mayor sea la tasa de infección, más deben centrarse en las opciones de entrega y recolección de contacto con bajo nivel. Por el contrario, si las tasas de infección son más bajas, pueden volver a centrarse en sus opciones para cenar. Al comparar la tasa de infección histórica con su proporción real de comidas a domicilio y ventas de comida para llevar, pueden ver con mayor precisión a qué tasas se sienten seguros sus clientes para cenar y cuándo deben ceñirse a la publicidad de sus opciones de recogida o entrega.

¿Qué puedes hacer con estas respuestas?

Estos datos pueden ayudar a minimizar los riesgos y agregar valor a la empresa; sin embargo, requiere una combinación de resolución de problemas, trabajo estructurado y ejecución enfocada.

Adapta tu estrategia publicitaria

Una de las aplicaciones más lógicas de estos datos es la optimización de campañas publicitarias. Dado el rendimiento de la categoría "calcetines" y la categoría "trajes de baño" en el ejemplo anterior, podríamos ajustar fácilmente nuestra publicidad para estas categorías según el clima. En condiciones de lluvia o mal tiempo, podríamos aumentar las ofertas para nuestra campaña de "calcetines" y, al mismo tiempo, disminuir las ofertas para nuestras campañas de "trajes de baño". También podríamos reasignar el presupuesto para que el presupuesto que normalmente se asigna a los trajes de baño se traslade a los calcetines. Luego, cuando el clima esté despejado, podríamos revertir el proceso y asignar todo el presupuesto de calcetines a trajes de baño y reajustar las ofertas.

Del mismo modo, dada la correlación entre los resultados deportivos y la mercancía del equipo, podríamos destinar una mayor parte de nuestro presupuesto publicitario a la mercadería del equipo para los equipos que recientemente han registrado victorias convincentes.

Estas optimizaciones se pueden realizar manualmente, pero en la mayoría de los casos deben realizarse mediante programación. De cualquier manera, incluir estos nuevos factores en nuestras optimizaciones puede ayudarnos a lograr un mayor retorno de la inversión en publicidad.

Ajuste el contenido de su sitio web

Además de la publicidad PPC, estos datos también se pueden utilizar para personalizar el contenido de su sitio web. Al hacer uso de las mismas API de las que se recopilan los datos, podemos cambiar qué productos se muestran en la página de inicio de E-Clothing, según las condiciones climáticas actuales.

Próximos pasos

¡Todo lo que queda es que usted y su equipo hagan una lluvia de ideas sobre qué factores externos tienen más probabilidades de afectar su rendimiento en línea, encontrar una API que le permita acceder a estos datos y comenzar a rastrear!