Mide y Analiza: días previos a la compra

“-Aún tardaréis mucho en llegar aquí arriba?
-Si tanta prisa teneis podríais lanzarme una cuerda, una rama de árbol u otra cosa que me fuera de utilidad.
-Eso haré. Aquí arriba tengo una cuerda, pero no creo que aceptéis mi ayuda porque yo estoy esperando para mataros.
-Entonces no podremos trabar amistad.» La princesa prometida

La métrica “días previos a la compra” es una de esas métricas que se suelen mirar así, tal cual, en frío, sin paños calientes y claro, pues no sirve para mucho.

Esta métrica en principio muestra a nivel genérico cuántos días tardan nuestras visitas en hacer lo que queremos que hagan, suele tener algo que ver con realizar una compra ya que solamente aparece en sitios web que en Google Analytics han activado la opción de comercio electrónico:

Me gustaría resaltar que estamos hablando de una métrica basada en visitas, es decir, si de una visita a otra se borran las cookies, no se identificarán correctamente los días. Si una visita se produce desde un PC y la siguiente se cambia de dispositivo, tampoco. Lo dicho, no es la métrica más precisa del mundo, pero nos puede servir para profundizar en nuestra estrategia online.

Si comparamos nuestras fuentes de origen de tráfico a nivel de días que tardan en comprar los usuarios podremos determinar qué puede estar ocasionando esta conducta. Miremos a un ejemplo:

¿Por qué los usuarios que vienen de SEO tardan más en comprar que los usuarios que vienen de SEM? ¿Qué es lo que provoca que un usuario que visualiza nuestra campaña a través de un banner (campaña 1) tarde un solo día en comprar mientras que a los que vienen por un link en nuestros afiliados (campaña 3) les lleva más de tres a su gran mayoría?

¿Existe la posibilidad de que nuestras campañas no sean tan efectivas como podemos pensar en un primer momento?

Es el momento de indagar en cada fuente de origen. Salvo en la de Tráfico Directo, podemos sacar muchísima información de qué es lo que está funcionando, a nivel de keyword en el tráfico gratuito y pagado, a nivel de diseño/ubicación/copy del anuncio en nuestras campañas, o cualquiera que sea nuestra estrategia de venta.

Si profundizamos en la Campaña 1, podemos determinar qué parte de la campaña puede estar ralentizando sus números totales:

En este ejemplo podemos comprobar cómo los anuncios en los sites A y B no logran la compra en un primer momento… y ¿el vídeo? Casi la mitad de los compradores que han visto el vídeo necesitan al menos 4 visitas para decidirse a comprar…

Para optimizar nuestro sitio web y tomar decisiones sólidas es necesario cruzar las dos variables que determinan lo que nuestros clientes han hecho en el site: el volumen de compra conseguido por cada parte de la campaña por un lado y los días que han sido necesarios para lograrlo. ¿Tienen algo que ver?

Si los usuarios de los sitios A y B necesitan más de una visita para hacer realidad nuestros deseos (que compren), ¿podemos ofrecerles una landing page distinta para su segunda visita? Podemos utilizar estos datos para determinar cuántos días dejamos pasar entre una primera visita a nuestro sitio web del usuario y enviarle un mail, por ejemplo, dependiendo de los datos de los que disponemos al respecto.

También es interesante comprobar la tendencia en el tiempo en cada una de nuestras estrategias, ¿tardamos más días en vender en nuestras campañas actuales que en las anteriores? ¿Existe ahora más competitividad en nuestro sector que hace un mes? ¿Qué es lo que ha podido provocar un aumento o descenso en el tiempo de adquisición en una determinada fuente de origen? ¡Aprendamos de nuestros clientes!

Esta métrica nos ayuda, sobre todo, a conocer más al tipo de comprador en cada fuente de origen o campaña de publicidad. Así podremos adaptar nuestras llamadas a la acción en base a cada una de nuestras estrategias de captación. ¿Son impulsivos? ¿Necesitan una rama? ¿Una cuerda? 🙂