Siempre digo que la analítica web no es sino estadística aplicada. En efecto, el analista web debe tener una mínima base teórica para sacar conclusiones útiles y válidas.

Hoy vi un artículo de Antonio Ortiz (Error 500) que me inspiró a escribir esta nota, y expone el siguiente ejemplo:

"Si pensamos en una caja con dos bolas rojas y dos negras de la que extraemos dos bolas, la posibilidad de que estas sean del mismo color es mucho mayor que si sacamos diez bolas de una caja en la que hay diez rojas y diez negras. Las muestras pequeñas son las más proclives a presentar casos extremos y por eso hay que desconfiar de todos los estudios que hayan mirado muy pocos casos y las encuestas diminutas."

En la analítica web, muchas veces se extraen conclusiones sobre muestras insuficientes

Digamos que si una landing page recibió 100.000 usuarios únicos y observamos que un 40% de ellos hizo clic en el botón "A" y el 60% en el botón "B", esta conclusión tiene mucho más peso que si se la hace sobre una base de 10 o 100 usuarios.

Y si empezamos a desagregar datos filtrando por criterios, por ej: de qué países son esos usuarios, qué mensaje vieron, en qué medio se mostraron los anuncios que generaron esas visitas, etc, etc, se reducen más y más los tamaños muestrales aplicables a esos datos filtrados, lo que hace que las conclusiones derivadas tengan un mayor sesgo o margen de error.

Como dije en una nota anterior, en analítica web tenemos demasiada información disponible: variables, mediciones, conteos, kpis, tasas/porcentajes.... pero hay que tener en cuenta el volumen de datos que tenemos en cada situación o contexto, para asegurarnos de que nuestras conclusiones puedan tener la mayor solidez posible.

 

En DDW compartimos lo que sabemos. Con nuestros servicios te enseñamos a utilizar los medios online para promocionar tu empresa de manera efectiva y eficiente. Y si lo prefieres, nos ocupamos de diseñar y ejecutar tu plan de marketing online.