El documento habla sobre cómo las empresas pueden mejorar la medición de la conversión de sus leads online utilizando datos y análisis. Explica que al integrar y analizar diferentes datos como simulaciones, perfiles de usuarios y comportamientos en el sitio, se pueden identificar patrones que ayuden a segmentar audiencias y mejorar las estrategias de marketing y ventas. También recomienda establecer objetivos y métricas claras para medir el impacto de estas iniciativas.

1. Midiendo mejor la
conversión de nuestros
leads onlineRichard Johnson Hurtado
Director Metriplica America
richard@metriplica.com | www.metriplica.com
UX & el Big Data
¿Por dónde comenzar?
UX Nights Vol. XXVI Big Data y
Experiencia de Usuario

2. 05
Richard Johnson Hurtado
Director Metriplica America
10+ años de Consultor en Analítica Digital
Profesor Master Analítica Web &
Multidispositivo OBS
Award of Achievement in Digital Analytics
University of British Columbia
Ingeniero Comercial, Universidad Santa
María. Chile
Fundador Web Analytics Wednesday Mexico
#wawmx
Co-autor del podcast “AnalíticaGeek” con
Veronica Traynor
https://soundcloud.com/analiticageek
Twitter:
@rjohnsonh
Linkedin:
https://mx.linkedin.com/in/rjohnsonh

3. 05
¿Por qué el Data Analysis puede ser
tan relevante para el UX?

4. 05

6. +

7. USAURIO
“Animal opinante, que se dice ser el usuario típico pero que
piensa que las cosas han sido y serán como en la prehistoria… de
la era digital”

8. USAURIO
● Es el que pide una renovación del sitio web sólo porque el actual ya está
feo.
● Es el que pide crear una App, porque toda nuestra competencia ya tiene
una.
● Es el que viéndose a sí mismo, comenta “hay que hacer esto, porque es
lo que yo hago”.
● Es el que evalúa el desempeño del nuevo sitio en base a la opinión de sus
otros amigos expertos.

9. 05
Datos
Insights
Resultados

10. Big Data
Más barato
Mayor
volumen
Más
variabilidad

11. 05Detectando y descubriendo patrones en datos que antes
desconocíamos
Coeficiente de Correlación
Descubriendo patrones y relaciones entre variables

12. 05Detectando y descubriendo patrones en datos que antes
desconocíamos

13. 05Detectando y descubriendo patrones en datos que antes
desconocíamos
Coeficiente de Correlación
Descubriendo patrones y relaciones entre variables
Enhanced Ecommerce
http://bit.ly/1PBalbJ

14. 05
Correlación: 0.994751
Detectando y descubriendo patrones en datos que antes
desconocíamos

15. 05
Ventas del iPhone
vs
Número de personas que murieron cayéndose por las escaleras
http://tylervigen.com/view_correlation?id=28669
Correlación: 0.994751
Pero con la precaución de que las estadísticas pueden
mentirnos

16. 05
Correlación: 0.987492

17. Correlación: 0.987492
Muertes en una cirugía
vs
Visitas a Disneyland
http://tylervigen.com/view_correlation?id=29704

18. Correlación: 0.987492
Muertes en una cirugía
vs
Visitas a Disneyland
http://tylervigen.com/view_correlation?id=29704

19. 05
Correlación no implica Causalidad
… quizás solo “Casualidad”

20. Ciclos de Mejora Continua

21. Enriqueciendo nuestros datos con más calidad
Tipos de Datos relacionados
a la simulación/contratación:
• Marca
• Modelo
• Año
• Plan
• Medio de Pago
• Periodicidad del Pago
Tipos de Datos relacionados
al cliente:
• Cliente / No Cliente
• Género
• Rango de Edad

22. 12Capturar información clave de las simulaciones que nos permita
perfilar mejor a nuestros usuarios

23. 15Capturar información clave de las simulaciones que nos permita
perfilar mejor a nuestros usuarios

24. Representación de un funnel horizontal
segmentado por atributos del negocio
17Capturar información clave de las simulaciones que nos permita
perfilar mejor a nuestros usuarios

25. 18Y aprovechar estos atributos para persuadir a quienes no están
seguros: Remarketing

26. 19Y aprovechar estos atributos para persuadir a quienes no están
seguros: Remarketing

27. 07
Usuario ingresa a la Landing
Usuario reproduce video
Usuario envía formulario
Usuario descarga PDF
Sin menospreciar el “Little Data”... o la investigación uno a uno

28. 0
8
Sin menospreciar el “Little Data”... o la investigación uno a uno

29. Complementando la medición con otras herramientas:
Heatmaps, Session Recording

30. ¿Y como comenzar a sacarle el
máximo provecho a nuestro little
Big Data?

31. 1. Reconociendo e identificando los datos que hoy tenemos

32. 2. Uniendo e integrando silos… creando inteligencia

33. 3. Analizando la data y generando hipótesis

34. 4. Probando una y otra vez, hasta aprender patrones de mejora

35. 5. Reconociendo que nuestros usuarios son distintos
Audience Score de usuarios
Calificándolos según sus características y patrón de comportamiento, para
priorizar nuestras acciones con aquellos más valiosos al negocio

36. Y finalmente… con una Estrategia de Medición clara
MacroObjetivos
MicroObjetivos
KPI
Meta
Responsable
KPI
Meta
Responsable
MicroObjetivos KPI
Meta
Responsable

37. Midiendo mejor la
conversión de nuestros
leads online
Gracias
Richard Johnson Hurtado
Director Metriplica America
richard@metriplica.com | www.metriplica.com