Además de encontrar un modelo de negocio sostenible, los editores actuales que operan en el ámbito digital se enfrentan a otro reto: medir adecuadamente el rendimiento de su contenido y comprender plenamente el comportamiento de su audiencia. Este es un problema real para todo tipo de publicaciones, independientemente de si se financian con publicidad o forman parte de la nueva generación que opera con un modelo de ingresos por lectores.
Antes, las cosas eran un poco más sencillas. Los editores podían medir el éxito de su negocio anotando y comparando el número de periódicos o revistas vendidos a lo largo del tiempo. Luego, podían estimar el tamaño de su público lector multiplicando el número de ejemplares vendidos por 2 o 2,5, lo que se considera el.. tasa media de transmisiónLa información sobre el éxito de circulación fue particularmente importante para los anunciantes que querían alguna prueba de valor antes de invertir en espacio publicitario.
Los editores de medios tradicionales aún confían en este tipo de cálculos porque, seamos sinceros, es lo mejor que hay.
Al entrar en la era digital, los editores descubrieron nuevas formas de monetizar su contenido. Sin embargo, también se encontraron en un terreno desconocido. Medir el rendimiento del contenido implicaba ahora usar herramientas de análisis y adquirir conocimientos de datos, lo que para muchos editores resultó ser un reto enorme. De ahí la falacia de confiar en métricas únicas.
Intentemos ver por qué métricas individuales como
- Páginas vistas
- Tiempo en la página y
- Visitantes que regresan
1. Páginas vistas
Las páginas vistas han sido fundamentales para medir el rendimiento de los anuncios y la popularidad de las páginas de producto en los sitios web de comercio electrónico. Esta métrica se popularizó inicialmente con Google Analytics , una de las herramientas de análisis más conocidas, diseñada principalmente para negocios de comercio electrónico.El problema con las páginas vistas:
Lamentablemente, a falta de algo mejor, las páginas vistas pronto fueron adoptadas como una métrica legítima para medir el rendimiento del contenido por muchas herramientas de análisis en el mercado. Así es como muchos editores han malinterpretado las páginas vistas: más páginas vistas equivalen a más visitantes y mayor interacción. Si un contenido genera muchas páginas vistas, es mejor que el resto de los artículos, ¿verdad? No precisamente. Abordaremos este problema sistemáticamente. Así han sido las páginas vistas definido dentro de Google Analytics: Una visita de página (o hit de seguimiento de página) es la carga (o recarga) de una página en un navegador. Las visitas de página son una métrica definida como el número total de páginas vistas. […] Si un usuario hace clic en "recargar" después de llegar a la página, se contabiliza como una visita de página adicional. Si un usuario navega a otra página y luego regresa a la página original, también se registra una segunda visita de página. También existe una métrica llamada Páginas Visitadas Únicas, que representa el número de sesiones durante las cuales una página se ha visto al menos una vez. Por lo tanto, si un usuario visita la página en cuestión, la abandona y vuelve a ella dentro de la misma sesión, GA contabilizará una página visitada única. Sin embargo, las páginas vistas son una métrica del navegador y no describen la naturaleza de la conexión ni el nivel de interacción de los visitantes con tu contenido. Ni de lejos. Una persona podría abrir un artículo y cerrarlo inmediatamente, o dejarlo abierto en una pestaña del navegador mientras hace otra cosa. El script de la herramienta de análisis lo registrará como una página vista de todas formas. Podríamos decir que el Un nombre más preciso para las páginas vistas sería Cargas de página, ya que esta métrica no muestra necesariamente la cantidad de personas que vieron la página, sino la cantidad de veces que la página se cargó en el navegador.Cómo intentan los editores dar sentido a las páginas vistas:
Los editores y los especialistas en marketing de contenidos pueden intentar comprender mejor esta métrica observando cómo se correlaciona con otras métricas individuales disponibles en GA y herramientas de análisis similares. Por ejemplo, analizarán la combinación de métricas individuales disponibles: páginas vistas, tiempo promedio en la página y tasa de rebote. Por lo tanto, la fórmula común para estimar el buen rendimiento de un artículo es la siguiente: Alto número de páginas vistas + Tiempo promedio en la página “bueno” + Tasa de rebote baja El tiempo ideal en la página sería el que se corresponde con el tiempo de lectura necesario para el artículo en cuestión. La velocidad promedio de lectura es de aproximadamente 265 palabras por minuto, por lo que los editores hacen un cálculo simple: si su artículo tiene 1500 palabras, una persona tardaría unos 5 minutos y medio en leerlo de principio a fin. Por supuesto, no todos los visitantes del sitio lo leerán completo, por lo que el tiempo promedio en la página será menor. La parte difícil para los editores es decidir ¿Qué hora sería aceptable? aquí, es decir, cuál es el “buen” tiempo promedio en la página. ¿El problema clave? Bueno, la forma en que se calcula el Tiempo Promedio en Página (TPP) en GA y herramientas similares puede confundir tus suposiciones (consulta el siguiente segmento "Tiempo en Página / Tiempo Promedio en Página"). Por definición, un rebote es una sesión de una sola página en tu sitio. La tasa de rebote es el porcentaje de visitas a una sola página. La tasa de rebote de una página se basa únicamente en las sesiones que comienzan con esa página. Así que los editores piensan: cuanto menor sea la tasa de rebote, mejor. En teoría, tienen razón, ya que esto indica que los usuarios estaban interesados en otro contenido publicado en su sitio web, es decir, decidieron explorar más. Pero la información sobre la forma en que realmente interactuaron con su contenido no está disponible en los informes estándar de GA. Se puede suponer que algunos de ellos permanecieron en su sitio web, pero eso es todo. En línea, puede encontrar información sobre la valores ideales de tasa de reboteNo superan el 40%, mientras que los valores promedio alcanzan el 55%. Sin embargo, debería establecer una referencia basada en su propio sitio web y no basarse en cifras y normas que funcionen para otros. Además, los valores de la tasa de rebote pueden ser muy engañosos si no se interpretan correctamente. El contexto también es importante: por ejemplo, si una página de contacto tiene una tasa de rebote alta, no significa que no aporte valor. Simplemente responde a una consulta específica para los usuarios, quienes luego no sienten la necesidad de seguir navegando.Cómo abordamos este problema:
A diferencia de las páginas vistas en GA y herramientas similares, en Content Insights hemos desarrolladométricas complejasNuestra solución de análisis tiene Artículo leído, que se centra en el comportamiento humano real, ya que tiene en cuenta el tiempo real que se pasa en la página, pero también la forma en que las personas interactúan con ella (por ejemplo, clics, selección de texto, desplazamientos, etc.). Además de las lecturas de artículos, CI también tiene Profundidad de lectura Como una métrica compleja que revela la profundidad con la que un visitante lee un contenido. Para mayor precisión, se basa en la combinación de varias métricas, una de ellas es el Tiempo de Atención. Además, también tenemos Profundidad de página que calcula el número promedio de páginas visitadas después de que un lector abre la página o artículo inicial.2. Tiempo en la página / Tiempo promedio en la página
Muchos editores miran Tiempo en la página y Tiempo promedio en la página Al intentar definir qué contenido podría considerarse atractivo, creen que cuanto más tiempo permanezcan los usuarios en una página, mayor será la probabilidad de que el contenido ofrecido sea atractivo. Sin embargo, después de comprender cómo se mide esta métrica, verá que no proporciona información confiable.El problema con la medición del tiempo en la página:
Google Analytics y herramientas de análisis similares miden estas métricas solo a nivel de navegador, lo que no dice nada sobre la forma en que las personas interactúan con el contenido. Cuando una persona abandona la página pero deja la pestaña abierta, Google Analytics y otras herramientas de análisis similares no pueden registrarlo. En lo que respecta a las analíticas, la persona nunca abandonó el sitio web. Además, Google Analytics no puede medir el tiempo que un usuario pasó en la última página de su visita. Además, si el visitante abandona el sitio después de ver solo una página (es decir, si la visita es un rebote), no se registrará ningún tiempo. Como puede ver, estos datos no reflejan adecuadamente el nivel de participación del lector con su contenido.Cómo intentan los editores dar sentido al tiempo promedio en la página:
Algunos editores implementan rastreadores de eventos, como la profundidad de desplazamiento, para obtener informes más precisos y garantizar que se mida el tiempo en la página incluso si la página rebota. Sin embargo, no es tan sencillo. Cuando se trata de confiar únicamente en la profundidad de desplazamiento, existe un problema subyacente con respecto a:- actividad real del usuario
- la ubicación del pliegue
- la longitud del artículo
Cómo abordamos este problema:
A diferencia de GA y herramientas de análisis similares, Content Insights mide Tiempo de atención, que es el tiempo real que un usuario pasa en la página consumiendo contenido. No considera el tiempo de inactividad, es decir, el tiempo que una persona no está activa en la página o está fuera de ella. Por lo tanto, lo que se obtiene con esta métrica es el tiempo real de interacción. Nuestra solución de análisis se basa en un algoritmo complejo llamado Indicador de rendimiento de contenido (IPC). El IPC siempre se presenta en forma de número, de 1 a 1000, siendo 500 la línea de base (también conocida como “norma”) para el sitio web, la sección, el tema, el autor o el artículo observado. El CPI considera decenas de métricas de rendimiento de contenido diferentes y examina sus relaciones. Además, las pondera de forma diferente según tres modelos de comportamiento: exposición, compromiso, y lealtadAsí pues, hemos desarrollado tres IPC que miden estos comportamientos: IPC de exposición, IPC de compromiso, y IPC de fidelización. En el contexto del compromiso, tenemos IPC de compromiso Esto se calcula midiendo la lectura atenta y el recorrido del lector dentro del sitio o dominio. Ofrece una forma mucho más avanzada y precisa de medir la interacción en comparación con simplemente examinar el tiempo en la página, que es una métrica única dentro de GA y herramientas de análisis similares.3. Visitantes que regresan
Para entender qué son los visitantes recurrentes, debemos examinar brevemente la forma en que Google Analytics y la mayoría de las herramientas de análisis actuales rastrean a los usuarios. La primera vez que un determinado dispositivo (computadora de escritorio, tableta, dispositivo móvil) o navegador (Chrome, Firefox, Internet Explorer) carga el contenido de su sitio web, el código de seguimiento de Google Analytics le asigna una identificación única y aleatoria llamada identificación del cliente y luego la envía al servidor de GA El ID único se contabiliza como un nuevo usuario único en GA. Cada vez que se detecta un nuevo ID, GA contabiliza un nuevo usuario. Si el usuario elimina las cookies del navegador, el ID se elimina y se restablece. Teniendo esto en mente, una Visitante que regresa es el unico que utiliza el mismo dispositivo o navegador como antes para acceder al sitio web e iniciar una nueva sesión, sin borrar las cookiesPor lo tanto, si Google Analytics detecta el ID de cliente existente en una nueva sesión, lo ve como un visitante que regresa.El problema con los visitantes que regresan:
El problema con el cálculo de visitantes recurrentes es obvio: las herramientas de análisis Podría considerarse al mismo visitante que regresó al sitio web como nuevo Simplemente porque cambiaron de dispositivo o navegador, o borraron sus cookies. No hay mucho que se pueda hacer al respecto, ya que su ID de cliente cambia de esta manera. No es posible rastrear a los usuarios en diferentes navegadores y dispositivos. Además, Google Analytics podría contabilizar al mismo visitante como nuevo y recurrente si regresa dentro de un período determinado. Esto significa que puede haber una superposición entre visitantes nuevos y recurrentes, lo que provoca discrepancias en los datos. Además, el mismo usuario podría contabilizarse dos veces para la misma fuente o medio. Sin embargo, aquí hay un problema mucho más grande: Muchos editores han aceptado los visitantes recurrentes como una métrica que indica el número de lectores leales, lo cual es una falacia lógica. Los visitantes recurrentes indican la cantidad de personas que visitaron su sitio web anteriormente y luego regresaron. Sin embargo, este informe no indica nada sobre:- Qué tan bueno es su contenido para atraer visitantes
- El comportamiento humano real (cómo interactúan las personas con su contenido)
- La frecuencia y actualidad de sus visitas
- Independientemente de si esos visitantes son realmente leales a su publicación o simplemente fisgones ocasionales que estuvieron en su sitio web antes (es decir, ¿estos visitantes han formado un hábito real de visitar su publicación o simplemente se han topado con su sitio web más de una vez durante un período de tiempo determinado por razones XY?)
