Análisis de páginas según su uso

Análisis de páginas según su uso

Cuando analizamos el funcionamiento de las distintas páginas que componen una web, necesitamos segmentarlas según el uso que nuestros visitantes hacen de ellas, para lo cual Google Analytics nos proporciona métricas de dos tipos de páginas en particular: las páginas de entrada, y las páginas de salida, que añadido al porcentaje de rebote puede ser una primera aproximación. Sin embargo la información en bruto tal y como la da Google Analytics no resulta demasiado práctica. En este artículo veremos cómo generar automáticamente un gráfico que clasifique un grupo de páginas en función de su uso, y nos permita de un solo vistazo hacer un análisis más rápido y eficaz. Índice del artículoCuatro tipos de páginaMétricas necesariasObtengamos los datosGenerar el gráfico de páginas más vistas Cuatro tipos de página En función de uso que haga un visitante de una página podemos clasificar esta en cuatro tipos: Rebotes: la visita llega a una página y la abandona sin interactuar con ella. Por lo tanto entra y sale por la misma página. En principio el mero dato de que un usuario rebote no nos dice nada si no le ponemos un contexto que dependerá del sector de la web, el cometido de la página concreta que se visita y el comportamiento en otras páginas de la misma web. Y eso por no hablar de posibles personalizaciones de la medida del rebote que podamos haber hecho. Por tanto ni el número de rebotes ni la tasa de rebote nos dicen nada por si solos. Páginas de entrada: una vez que hemos perdido casi toda la información de las keywords de búsqueda, gracias al not...
Cómo analizar vídeos con Google Analytics, Tag Manager y video.js

Cómo analizar vídeos con Google Analytics, Tag Manager y video.js

Cuando en una página web son un recurso importante, debemos analizar los vídeos a fondo, y no limitarnos a medir las veces que se da al play. La dificultad es que dependiendo de qué tecnología se haya utilizado en la web la forma de configurar Google Analytics para poder medirlos cambia de forma considerable. Video.js es un reproductor gratuito y de código libre, desarrollado por Brightcove, y con capacidad de reproducir vídeos en HTML5, lo que lo hace una buena alternativa para muchos proyectos. En 2013 LunaMetrics publicó el artículo How to Easily Track video.js in Google Analytics explicando cómo hacer un análisis muy completo de los videos reproducidos con video.js, incluyendo porcentajes de reproducción, búsquedas y errores, y publicaron un archivo javascript que se encarga de lanzar los eventos… en Google Analytics clásico. Por supuesto hoy en día ya debemos recurrir a Universal Analytics, con lo que ese archivo no serviría, pero además cada vez es más habitual usar Google Tag Manager para gestionar la implementación de eventos, por lo que hemos modificado el archivo de Lunametrics para hacer una versión actualizada y lista para usar con GTM. Índice del artículoInsertar el vídeo en la webIdentificar el vídeo para el análisis¿Qué hemos cambiado?Configurar Google Tag Manager¿Qué eventos se miden?¿Demasiados eventos?¿Y si hay más de un vídeo en la misma página?¡Cuidado con la versión de video.js!¿Y que obtenemos? Insertar el vídeo en la web Lo primero que necesitamos es una página web en la que se haya insertado un vídeo con video.js. El código fuente será algo parecido a esto: En el head <link href="http://vjs.zencdn.net/4.0/video-js.css" rel="stylesheet"> <script src="http://vjs.zencdn.net/4.0/video.js"></script> En...
Data Science: 7 cursos para convertirte en científico de datos

Data Science: 7 cursos para convertirte en científico de datos

Como comentábamos en el artículo Data Science: qué es y qué necesito para ser un científico de datos, se necesitan una serie de conocimientos para poder “ejercer” en este campo con unas mínimas garantías. Voy a hablar a continuación de aquellos cursos que conozco, bien porque me he informado personalmente, o bien por que los he hecho o estoy en ello. ¿De qué recursos disponemos? Existe un repositorio en Github con infinidad de información sobre esta disciplina, artículos y opiniones sobre Data Science, recursos formativos, blogs, cuentas de Facebook, algoritmos, etc. En cuanto a formación, actualmente existen numerosos cursos tanto presenciales como a distancia y muchos de ellos están recogidos en el repositorio de Github.  Evidentemente el primer filtro es el precio, a día de hoy un curso de Data Science presencial, en castellano y decente es bastante caro (aunque esto es subjetivo obviamente). Como he dicho voy a hablar de los que conozco. Curso presencial: UTAD. Su precio ronda los 7.000 euros y su duración es de 300 horas. Tenían (y tienen) uno de Big Data y se dieron cuenta que abarcaba demasiado y que tenían que tratar Data Science como una disciplina aparte. Uno de mis socios y yo estuvimos hablando con el director del master un par de horas y la impresión fue muy buena, nos expuso sus dificultades sin tapujos y qué conocimientos deberíamos tener para que no nos resultase frustrante su realización, vamos que no intentó vendernos ninguna moto. El temario es bastante completo y a priori parecen suficientes horas para cubrirlo. Se nos iba de precio, lo que no quiere decir que sea...
No, Google no exige que tu web sea responsive

No, Google no exige que tu web sea responsive

En las últimas semanas no hacen más que aparecer titulares un tanto sensacionalistas afirmando que “tu web desaparecerá de los resultados de búsqueda si no es responsive”. Pero es completamente falso. Y eso no quiere decir que no crea que hoy en día la mejor opción para una web es un diseño adaptativo o responsive, pues de ese modo una sola web está perfectamente adaptada a cualquier tamaño de pantalla, mientras que otras soluciones pasan por duplicar la infraestructura y hacer dos páginas, una para pantallas grandes y otra para pequeñas, dejándonos por medio, además, multitud de opciones intermedias. Pero a lo que vamos: ¿va a penalizar Google a las webs que no sean responsive? Pues si lo va a hacer no es eso lo que ha dicho. En realidad todo viene de una mala interpretación de un artículo publicado el día 26 de febrero en el Webmasters central blog. En este artículo Google informa de que a partir del día 21 de abril uno de los signos usados (entre cientos) para posicionar una página en los resultados de búsqueda, será si la web está (o no) adaptada para móviles. Y el artículo remite a una guía para desarrolladores, en la que se explica cómo adaptar una web para móviles. Si en esta guía nos vamos al apartado 3.3 vemos que Google nos dice, en titulares, que “La plantilla, el tema o el diseño para móviles debe ser consistente en todos los dispositivos (es decir, uso de diseño web adaptable)”, pero leyendo el texto, también encontramos que “Google recomienda (pero no requiere) utilizar diseño web adaptable antes que otros...
Data Science: qué es y qué necesito para ser un científico de datos

Data Science: qué es y qué necesito para ser un científico de datos

La ciencia de datos es la disciplina que se encarga de la extracción del conocimiento de los datos. La misión del científico de datos es la de extraer el conocimiento de los datos disponibles y transmitirlo a los líderes de las organizaciones para tomar las decisiones de negocio de forma más eficaz. Un científico de datos, en palabras de Anjul Bhambhri, vicepresidente de productos de Big Data en IBM, es “parte analista, parte artista”, es alguien curioso capaz de mirar los datos y las nuevas tendencias  del mercado y el negocio. Una curiosidad, ¿sabíais que el considerado mejor científico de datos del mundo es el español José Antonio Guerrero? Índice del artículo¿En qué se está usando Data Science?Donde Data Science y Big Data se separan¿Qué diferencia a un científico de datos de un analista de datos tradicional?¿Qué habilidades son recomendables que tenga un científico de datos?Habilidades científicasHabilidades “sociales”Habilidades de “negocio” ¿En qué se está usando Data Science? Más bien habría que decir en qué no se está usando. Actualmente en campos como la economía y las finanzas (modelos predictivos de bolsa, operaciones de alta frecuencia), la medicina (seguimiento y predicción de pandemias, estudios de prevalencia de enfermedades bajo distintas variables), las compañías de transportes (para optimizar rutas aéreas, terrestres, marítimas), compañías alimenticias (seguimiento de popularidad en redes sociales, trazabilidad de las ventas), telecomunicaciones (prevención del fraude, incremento del “rendimiento” de los clientes), retail (incremento de las ventas por conocimiento de hábitos de consumo), etc.  Las redes sociales, por ejemplo, son uno de los campos dónde más rápido está creciendo esta disciplina puesto que todas (casi todas) las compañías quieren y...