Data Studio para Ecommerce

En este artículo comparto un Data Studio para  ecommerce centrado en el análisis de ventas que se enfoca sobre todo en el abandono de carritos. El objetivo es que puedas configurar este informe según tus necesidades, solo tienes que acceder al siguiente enlace y cambiar el origen de datos conectándolo con tu Google Analytics. Eso sí, para que funcione, vas a necesitar un Analytics con datos de comercio electrónico mejorado.

El análisis de ventas en un ecommerce puede ser tan simple como complicado, todo va a depender de lo que quieras medir y del tiempo que le dediques.

He dividido mi Data Studio para ecommerce en diferentes secciones que puedes utilizar -o no- dependiendo de lo que te interese. En este artículo te explico qué puedes analizar con cada una de ellas.

Filtros aplicables

Una de las mejores opciones que tienes a la hora de tomar decisiones es dividir toda la información. De ahí que usar filtros ayude muchísimo a entender un dato global. ¡Vamos a ver para qué sirve cada uno de ellos!

• Selección de un período: Para analizar diferentes rangos temporales, normalmente, Data Studio siempre se configura con datos de 28 días. Escoger largos periodos no suele ser recomendable, es mejor usar rangos temporales pequeños comparados con el periodo anterior o contra las mismas fechas en el año anterior.
• Medio: Canal por el que llega el usuario.
• Ciudad: Es muy divertido ver diferentes comportamientos por ciudades. Lo más interesante de este filtro son las ciudades en los que no sueles aparecer, ya que puedes enfocar tu estrategia de marketing hacia estas.
• Fase de compra: Esto da para otro artículo al completo. Para comprender las fases de compras Analytics (que por ende Data Studio tiene muy bien marcadas) debes de invertir mucho tiempo y esfuerzo. Muchas veces dan problemas y perdemos ventas por el simple hecho de preocuparnos por una fase de compra concreta.
• Producto: Para analizar un solo producto.
• SKU: Si tienes varios productos con el mismo SKU o código identificador de producto.
• Tipo de usuario: Para el análisis de usuarios con y sin retorno al dominio. De esta forma, se puede ver si necesitas hacer estrategias para que el usuario vuelva o si tienes las ventas en la primera entrada.
• Días hasta realizar la transacción: Un dato muy interesante para ver cuánto tiempo tarda un mismo usuario en decidirse a realizar la compra. Generalmente, a más días, menos posibilidades de venta; a no ser que tengas el mejor precio.

Hay mil opciones más, aunque estas son las más normales cuando queremos analizar procesos de compra. Puedes usar una o varias a la vez.

Para modificar un filtro o incluir nuevos solo tienes que pulsar en «Añadir un control» y luego configurar el «campo de control», que es por lo que se filtra toda la información, y después la «métrica», que da como resultado un parámetro.

Una recomendación para el uso de filtros es poner todas las métricas con el mismo valor, de forma que tengas una visión completa.

Informe sobre ventas y evolución

Los rangos temporales no solo se usan para ver cuando se vende más, también hay que usarlos para ver por qué se vende menos, si conoces tu modelo de negocio tendrás muchas respuestas a esta pregunta. Algo que me parece muy interesante es descubrir cuáles son los días de más ventas y sobre qué productos y medios, de forma que se intente replicar la misma acción en otros usuarios.

Al mismo tiempo este informe te permite averiguar qué es lo que pasa con los días que no se vende, ya que a lo mejor lo que sucede es que el servidor te la está jugando porque se está haciendo una copia de seguridad (por ejemplo) o que tus campañas publicitarias han gastado el presupuesto; todo utilizar estos datos.

Dentro de todos los parámetros que se pueden medir en una línea de tiempo para los ecommerce hay que averiguar:

• Compras únicas: Para ver cuáles son los comportamientos de usuarios.
• Ingresos: Que es lo que a todos nos interesa.
• Precio medio: Para ver si se aumenta el «ticket medio», lo que puede hacer que con menos ventas tengas un mayor beneficio. No todo es vender más, se trata de ganar dinero con el menor esfuerzo posible.
• Cantidad: Cantidad de productos.

Crear o modificar este gráfico es tan fácil como pulsar en «añadir un gráfico» y luego trabajar con con «dimensión» y «métricas» para que formen los datos. En el caso de los gráficos temporales es casi una necesidad usar la dimensión de fecha.

Informe sobre carritos abandonados

Nada me duele más que un carrito abandonado, debemos de pensar muy bien qué es lo que pasa en la estrategia de marketing para que una persona llegue a tu web, decida invertir su tiempo en agregar al carrito tus productos y finalmente decida no comprar. Hay mil cosas que puede hacer que esto pase, entre las más habituales puedes encontrarte:

• El cotilla: Es el que se dedica a ver «qué pasa si compro todo esto» pero realmente no tiene ninguna intención de comprar.
• Falta de soporte: El usuario no sabe lo que está comprando es correcto. «¡Pongan un chat por favor!
• Cantidad por encima de las expectativas: El precio total de lo que el cliente quiere supera su capacidad económica.
• Procesos de compra complejos: En muchos ecommerce es realmente complicado hacer una compra. Encontramos desde webs que te obligan a dar mil datos antes de comprar (poneros siempre en el papel de una persona mayor desde el teléfono metiendo datos) hasta sorpresas al final de la compra donde te meten un plus por pagar por PayPal, o un sobre coste por el envío.

Los usuarios quieren comprar sin sorpresas y complicaciones.

En el siguiente informe por fechas podemos ver que los usuarios introducen productos pero que también los sacan (no les interesan) y los abandonan (un desastre).

Los datos que se visualizan en la gráfica de esta parte de mi Data Studio para ecommerce son:

• Número de unidades agregadas al carrito: Unidades de productos que los usuarios tienen intención de comprar.
• Número de unidades retiradas del carrito: Unidades de productos que por algún motivo no les interesan al cliente.
• Número de veces que el producto que ha retirado del carrito: Acciones de retirada.
• Número de veces que el producto se ha agregado al carrito: Acciones de inclusión de productos.
• Porcentaje carrito/detalle: Efectividad del carro por fechas, si vemos subidas o bajadas siempre hay que tener en cuenta las rebajas.

Como siempre, solo hay que usar un gráfico e incluir la dimensión y las métricas. Si os dais cuenta, este gráfico es diferente al anterior. Con esto quiero decir que no hace falta que se utilice la dimensión de fecha. Es más, se puede y se debe probar a modificar la dimensión por productos y parámetros del usuario como la edad. Otra opción un poco más compleja a la hora de entender la información es colocar una segunda dimensión.

Lo más importante es definir qué es lo que pasa para que un usuario abandone un carrito. Es algo que hay que evitar y se puede hacerlo de mil formas diferentes. Todas son buenas si logran que el cliente se marche sin una compra. Si mezclamos esta información con la de los «procesos de compra«, podemos sacar conclusiones muy interesantes.

Informe sobre las categorías de venta

¿Sabes si tus productos se veden desde la página de inicio, desde la de ofertas o directamente desde la categoría? Pues aquí tienes una respuesta.

Mucha gente tiene una tienda online pero también muchos no saben qué categoría de su ecommerce es la que más vende (o deja de vender). Esto pasa sobre todo cuando tienes el mismo producto en varias pero hay una forma muy fácil de averiguar qué y desde dónde se vende algo si tenemos bien configurado nuestro Analytics con «comercio electrónico mejorado».

Lo más divertido de esta gráfica es que puedes tomar decisiones directas en la estrategia de marketing sobre categorías de productos, lo que te puede dar mucho potencial.

Los elementos de esta gráfica en la tabla principal son:

• Categoría de producto (comercio electrónico mejorado): Gracias al comercio electrónico mejorado Data Studio puede «saber» la categoría a la que pertenece un producto.
• Cantidad: Cantidad de productos.
• Ingresos del producto: Para ver el total de ventas de una categoría.

Los elementos de esta gráfica en modo comparativo son:

• Ingresos: Total de ventas.
• Ingresos de productos por compra: Media de ingresos de productos por compra
• Ingresos del producto: Para ver el total de ventas
• Ingresos por usuario: Ingresos por usuario para ver el coste de adquisición.

Imagina que dentro de tu ecommerce tienes un producto estrella que no vendes, la solución puede ser tan simple como mejorar el enlazado interno hacia el producto en categorías de productos relacionados o de la misma categoría. Otra opción puede ser incluir dicho producto en las páginas de mayor venta o mayor tráfico. También se pueden ser hacer descuentos específicos sobre lo que nos interese vender en ciertas secciones… Todo se puede hacer si sabes cuál es el problema.

Como en la ocasión anterior, solo debemos de poner la «dimensión» de Categoría de producto (comercio electrónico mejorado) y las métricas de cantidad e ingresos.

Pero, como siempre, la clave es jugar un poco con los datos, por ejemplo, esta misma tabla la podemos combinar con «número de unidades agregadas al carrito» y «número de unidades retiradas del carrito» y a todo esto darle un poco más de información viendo en la misma tabla los datos comparativos con el periodo anterior. Esto que nos dejaría un resultado como el de la imagen inferior, donde podemos ver cosas como que haciendo que los usuarios suban solo un 17,3% más de productos de una categoría y evitando un 19,4% la retirada, podemos aumentar la facturación de esta un 36,4%, lo que no está nada mal. Pero también vemos que subiendo el 38,2 el número de productos y bajando un 13,3 la retirada podemos aumentar las ventas un 311,7%, lo que está mejor que bien.

Con estos datos, piensa si merece la pena mejorar la usabilidad y velocidad de carga de una categoría de producto concreta. Si tiramos de más datos y los combinamos con el tipo de dispositivo, también podemos ver que aunque tengamos categorías de productos que están ganando en ventas, realmente es una verdad a medias; ya que se puede averiguar que desde los dispositivos smartphone se podrían haber conseguido más ventas, mirad la siguiente imagen.

También es divertido ver con números la cuestión de «mi web no vende desde tablets, solo desde teléfonos o pc´s» pues, como podemos ver en la siguiente gráfica, no es que no se venda, lo que pasa es que no le vendes; usuarios con intención de compra si que ha habido pero no se sienten cómodos, como se puede ver.

Lo bueno que tiene usar Data Studio para ecommerce es que hay cientos de variables para analizar, pero de momento paro en este sentido.

Informe sobre ventas por localización

Al igual que antes comentaba la importancia de ver una estrategia por dispositivo, es sumamente importante analizarla por localización. Ya que con estos datos podemos ver si tenemos tráfico y ventas en una determinada ciudad.

Aquí podemos averiguar dos cosas importantes: En qué ciudad hay más interés por nuestros productos y cómo se comporta el usuario en función de la localización.

En la tabla podemos ver:

• Transacción: Transacciones producidas.
• Días hasta realizar la transacción: Como se puede ver en la imagen, en este ecommerce tenemos una media de 39 días y subiendo desde que el usuario entra hasta realizar la transacción. Aunque parezca mucho (que lo es), realmente todo depende de dos cosas, si es un producto de alto valor económico y si el usuario interpreta que hay opciones de posibles rebajas tanto en tu ecommerce como en el de la competencia. Muchas veces, cuando se acercan por ejemplo las rebajas, los días para realizar una transacción aumentan.
• Transacciones por usuario: Transacciones que se hacen entre el número de usuarios.
• Sesiones para la transacción: Número de veces que el usuario accede a la web antes de la venta, este es un valor que va muy influenciado por el número de días; ya que el usuario lo puede dejar en pantalla en su dispositivo hasta que decida realizar la compra.

En este apartado de localización tenemos el impedimento de que Google no nos va a dar todos los datos por privacidad de los usuarios. Pero con los datos que sí tenemos podemos ver cosas muy graciosas, tales como que si filtramos solo los datos ofrecidos de Madrid, podemos ver que su comportamiento es completamente diferente, por ejemplo, cambia el número de días o el número de sesiones a realizar hasta alcanzar la venta.

Una aclaración antes de seguir hablando de esto, en SEO puedes tener una muy buena posición en una localización y no aparecer en Google en otra; lo que evidentemente impide lograr una venta. Y dicho esto, lo interesante es tener el dato de cuáles son las palabras que generan una venta y hacer una análisis de en qué localizaciones está y no posicionado; es más que posible que en las localizaciones donde no tengamos ventas, no estemos posicionados.

Conclusiones

Te aconsejo que te hagas tu propio Data Studio para ecommerce con el que puedas evaluar las necesidades de tu ecommerce pero, si quieres, puedes utilizar el mismo que he hecho pulsando en el siguiente enlace en el encontrarás un Data Studio con la cuenta de demostración de Google, solo tienes que vincular tu cuenta de analytics para poder utilizar estos datos en tu ecommerce. Lo único que no vas a poder ver directamente en este enlace es el «Informe sobre carritos abandonados» ya que esta cuenta de demostración de Google no tiene la ecommerce mejorado.

https://datastudio.google.com/reporting/c3109093-8841-4e05-a1f3-60ff8f8359c4 

Si quieres que analicemos tus datos solo tienes que decirlo.

Un ejemplo de como lo deberías de visualizar.