Abstract
Objetivos
Aumentar el conocimiento acerca del comportamiento de los usuarios en el proceso de compra
El revenue funnel, es un estudio que genera un embudo de comportamiento del usuario durante la compra, indicando en qué pasos se produce la mayor pérdida potencial de ingresos. Veremos un ejemplo de embudo de ventas.
Identificar oportunidades de mejora en aquellas páginas donde se producía la pérdida de ingresos
Gracias a este embudo, se pueden identificar aquellas tipologías de página que "pierden" ingresos y por tanto, focalizar los esfuerzos de optimización
Proponer acciones de mejora para minimizar la pérdida de ingresos
Además de identificar las páginas con pérdida de ingresos, queríamos proponer acciones para maximizar los ingresos generados
Aproximación
Utilizamos los datos de BigQuery para generar el revenue funnel
Gracias a que en BigQuery se guardan las sesiones de cada usuario a nivel individual, pudimos construir el revenue funnel e identificar en qué partes de la navegación del usuario se estaba produciendo la mayor pérdida de ingresos
Seleccionar los hoteles con mayor margen de mejora
Una vez construido el revenue funnel e identificados los pasos "problemáticos", seleccionamos aquellos hoteles con mayor potencial de mejora, para realizar un análisis en detalle del comportamiento
Analizar en detalle la navegación del usuario, para identificar las causas de la pérdida y proponer mejoras
Analizamos en profundidad los datos de los hoteles seleccionados, con el fin de encontrar las causas de la pérdidas de usuarios (e ingresos). Una vez realizado el análisis, propusimos cambios y acciones para solucionar los problemas encontrados y maximizar la generación de ingresos.
Resultados
Listado de acciones y cambios a realizar e identificación de segmentos sobre los que realizar dichas acciones
Tras realizar el análisis, identificamos varios segmentos causantes de la pérdida de ingresos sobre los que se debería actuar. A continuación, realizamos un listado de acciones a realizar en la página para mejorar los ratios de conversión, y aumentar así los ingresos.
Necesidad
Meliá es líder mundial en complejos hoteleros, y con gran presencia en los mercados de Sudamérica y el Caribe. Actualmente, cuenta con más de 370 hoteles abiertos o en proceso de apertura en más de 41 países.
Cómo parte de su estrategia continua de mejora del sitio, querían conocer qué partes del sitio "atacar" para mejorar la generación de ingresos. Además de las partes del sitio a mejorar, el análisis debía complementarse con la identificación del grupo o grupos de usuarios que tenían mayor potencial de mejora.
Por último, se nos pidió que en base al análisis, propusieramos un listado de acciones a realizar sobre el sitio con el fin de mejorar su rendimiento.
Reto
El reto principal del proyecto consistió, por un lado, en la explotación del dato proveniente de BigQuery sobre el comportamiento del usuario. A partir de estos datos, se construyó el
revenue funnel o embudo de ingresos. Este embudo, relaciona la navegación del usuario durante una compra con los ingresos potenciales en cada uno de los pasos de dicha navegación. Esto permite identificar dónde se produce la mayor caída o pérdida de ingresos.
Otro de los retos del proyecto, era la identificación de las zonas de la página a mejorar y por supuesto, los segmentos de usuario sobre los que se debía actuar.
Finalmente, el último aspecto clave del proyecto, fue la realización de un listado con propuestas de cambios y acciones con las que mejorar el rendimiento del embudo y por tanto, del sitio. Estos cambios, obviamente tenían en cuenta todo lo aprendido durante el análisis.
Solución
Cómo se ha explicado en puntos anteriores, la solución aplicada pasó por explotar la información de la navegación del usuario a nivel individual. Esta información se obtuvo gracias a la vinculación de Google Analytics con BigQuery, que permite explotar el dato a nivel usuario.
Con los datos de navegación de cada usuario y sus sesiones, se construyó lo que llamamos el
revenue funnel. Este embudo, establece una serie de pasos que deben realizarse hasta completar una compra como son: Llegar al sitio, examinar un detalle de producto (hotel en este caso), añadir el hotel al carrito, comenzar el checkout y finalmente, realizar la compra.
Para cada uno de estos pasos, se calcula los ingresos potenciales de los usuarios que se encuentran en el mismo. Esto nos permite identificar en qué transición se produce la mayor pérdida de ingresos y, consecuentemente, identificar qué tipología de páginas deben mejorarse.
Además, gracias a que la implementación de Melia proporciona mucha información sobre el usuario y tipologías de los hoteles, pudimos segmentar el estudio para identificar aquellos hoteles con un potencial mayor de mejora y, dentro de estos, el segmento de usuarios en los que focalizarnos.
Finalmente, gracias a todos los datos recogidos y el análisis hecho, pudimos realizar un listado de mejoras a aplicar. Estas mejoras estaban orientadas tanto a la tipología de hoteles como de usuarios identificados, y su fin era el de mejorar los ratios de conversión entre las distintas etapas de la navegación y por tanto, aumentar la generación de ingresos.
Resultados
Gracias a la elaboración del
revenue funnel pudimos:
- Identificar áreas del sitio donde se producía una mayor pérdida de ingresos
- Focalizar el análisis de datos en esas zonas, identificando hoteles con mayor potencial de mejora y segmentos de usuarios sobre los que aplicar mejoras.
- Ofrecer un listado de cambios y acciones a realizar para mejorar el rendimiento del sitio y aumentar los ingresos
Otros casos de estudio
Audience Score, improving remarketing conversion
Tracking offline transactions with Google Analytics
Cuadro de mando para monitorizar el uso de la intranet
