La analítica web vista por Avinash Kaushik

'Analítica Web 2.0' es un libro muy enfocado en el contenido, la analítica web, pero a su vez muy amplio en su enfoque, un enfoque que aunque parte de la tecnología y las herramientas de medición, tiene muy en cuenta la gestión y el negocio que hay detrás.

El libro, bastante extenso, se compone de catorce capítulos.

Los dos primeros, 'El nuevo y reciente mundo de la analítica web 2.0' y 'La estrategia óptima para elegir su alma gemela en la analítica web' sirven para centrar la temática del libro.

En el siguiente, 'El extraordinario mundo del análisis del clickstream: la métrica' aborda quizá la parte más técnica y clásica de la analítica y del libro. En él se explican conceptos tan típicos de esta disciplina como la tasa de rebote, la tasa de conversión o la tasa de salida. Y, en la misma línea, aunque subiendo un poco la perspectiva hacia los informes en su conjunto, continúa el siguiente capítulo 'El extraordinario mundo del análisis del clickstream: soluciones prácticas'.

En el capítulo 5, 'La clave para alcanzar la gloria: medir el éxito' comienza ya a hablarnos de KPIs y a adoptar un enfoque algo más de negocio. Y sigue con ese enfoque más de gestión que técnico en los siguientes capítulos 'Resolver el enigma de la información cualitativa' muy centrado en la usabilidad y experiencia del usuario, 'Fallar con más rapidez: dar rienda suelta al poder de las pruebas y la experimentación' que aborda estrategias de prueba y experimentación y 'Análisis de la estrategia competitiva' con técnicas y herramientas para compararnos con la competencia.

En 'Analítica emergente: redes sociales, móviles y vídeos' aborda la problemática de estos nuevos medios en lo que analítica se refiere, y da algunos ideas y consejos para abordarla.

Hacia la parte final del libro, en los capítulos 'Soluciones óptimas para las trampas ocultas de la analítica web', y los dos titulados de la misma forma, 'Principios básicos para convertirse en un ninja del análisis', ataca ya los aspectos más avanzados e innovadores de la analítica web como son, por ejemplo, el seguimiento de campañas, la medición conjunta de la online y offline y la analítica multicanal.

Para finalizar, los dos últimos capítulos se centran en el profesional del análisis y, así en 'La carrera profesional de la analítica web' nos habla de las opciones, su evolución posible e incluso una estimación salarial, y en 'Los HIPPO, los ninjas y las masas: crear una cultura basada en los datos' abre un poco la perspectiva para aportar ideas más referentes a la cultura de empresa, al trato con directivos, a la obtención de presupuestos y otros aspectos similares importantes del ejercicio de la profesión.

'Analítica Web 2.0' es, a pesar del tono distendido e irónico que adopta el autor, un libro muy riguroso tanto en lo técnico como en su entendimiento del negocio y la gestión que acompaña a los indicadores generados por la propia analítica.

Sin duda, un libro imprescindible para los amantes de la analítica web o los profesionales de la misma.

Avinash Kaushik

(Fuente: Fuente: Ficha de autor en Planeta de Libros)

Avinash Kaushik es el mayor especialista mundial en la analítica web.

En el año 2009 recibió el premio Statistical Advocate of the Year que otorga la prestigiosa Asociación americana Americana de estadística Estadística. Sus libros han sido traducidos a más de veinte lenguas y dedica gran parte de su tiempo a dar conferencias por todo el globo.

Puedes saber más del autor en 'Occams' razor', su página personal, o seguirle en Twitter donde se presenta bajo el usuario @avinash

Ficha técnica:

TITULO: La analítica web 2.0

AUTOR: Avinash Kaushik

EDITORIAL: Gestión 2000

AÑO: 2011

ISBN: 978-84-9875-095-9

PAGINAS: 509

Artículos de este blog relacionados

• Fallos, cisnes e innovación evolutiva
• #macrotweet: Venta y relaciones
• Los critical few y la visión
• Lo bueno de no preocuparse por la historia
• Las métricas básicas de la analítica web
• #macrotweet: concepciones erróneas sobre el volumen de datos y la velocidad de respuesta
• La dualidad exactitud versus precisión
• La propuesta de Avinash Kaushik para KPIs y Cuadros de Mando
• El error del exceso de KPIs sin interpretación ni contexto
• #macrotweet: El cuadro de mando de una página
• Las preguntas clave de la analítica web y la orientación a negocio
• Home pages versus Landing pages. ¿Qué es lo que está cambiando?
• La paradoja de los datos y la humildad

Fallos, cisnes e innovación evolutiva

Es imposible no cometer fallos cuando se busca la innovación.

Es imposible no emprender caminos que finalmente no conducen a ninguna parte. Es inevitable experimentar decepciones.

El ser humano es imperfecto...y la innovación lo es aún más. No se puede planificar la innovación y no se puede prever la aparición de cisnes negros.

La innovación tiene un punto de atrevimiento y exploración, de riesgo y locura. Se ensayan nuevas ideas, nuevos procedimientos, nuevas vías. Y normalmente, esas ideas experimentan fallos, y más fallos...hasta que se acierta.

Por eso, la innovación precisa de riesgo y tolerancia al error.

Sin embargo, no debemos olvidar del todo una cierta racionalidad económica. Una organización no puede permitirse cometer constantemente grandes fallos. No lo soportarían sus cuentas.

Así que el enfoque adecuado parece ser correr constantemente riesgos y tolerar los fallos...pero esos riesgos deben ser moderados, monitorizados y gestionados. Y los fallos, aunque quizá frecuentes, no pueden ser muy grandes (al menos en lo que a repercusiones económicas se refiere).

Aunque en un ámbito algo diferente, Avinash Kaushik parece compartir esta idea cuando, a propósito de la web y su analítica, nos dice:

"El regalo más grande que le puede hacer la web es la capacidad de fallar más rápido y a un bajo coste."

Y en otro punto opina:

"En la web, las revoluciones casi siempre fallan; sin embargo la evolución funciona."

Kaushik nos habla de fallas, si...pero a bajo coste. Y nos habla de evolución refiriéndose a la web, precisamente a la web, un medio en que se innova a toda velocidad y que está constribuyendo a transformar nuestra sociedad.

Si eso ocurre en la web ¿por qué no en el resto de ámbitos de innovación?

Desterremos, pues, la aversión al riesgo y fomentemos la tolerancia al fallo. Pero no perdamos ni el rigor ni la lógica económica. Las innovaciones se sucederán, y su culminación, la disrupción, se podrá alcanzar como efecto aditivo de la innovación evolutiva o bien por imprevisibles toques de genialidad o intuición, por esos cisnes negros que de vez en cuando, inesperadamente, extienden sus alas majestuosas.

#macrotweet: Venta y relaciones

Rara vez se compran cosas, casi siempre se adquieren relaciones.

Avinask Kaushik

'Analítica Web 2.0'

Los critical few y la visión

Ya en dos artículos anteriores hemos abordado, de alguna manera, esta idea que parece ser un leit-motiv de Avinash Kaushik, el gurú de la analítica web.

Se trata, en cierto sentido, de la frugalidad de datos e indicadores, de la necesidad de mantenerlos en un número reducido y, eso si, hacerlos significativos, dotándolos de contexto, interpretación y acciones. 

Lo vimos a propósito de la llamada paradoja de las datos. Lo abordamos en más profundidad hablando acerca del fenómeno del exceso de KPIs sin información ni contexto y, de alguna manera, volvimos a ello a propósito de la propuesta de Avinash Kaushik para KPIs y Cuadros de Mando.

Aún así, no me resisto a consignar otra idea similar del mismo autor en el libro 'Analítica Web 2.0'. Ahora, nos exhorta a concentrarnos en muy pocos métricas, en muy pocos KPIs, en los que realmente importan, en los denominados, tomando el término prestado del mundo del Six Sigma, los 'critical few'.

Kaushik nos habla de la importancia de preguntarse por los dos o tres temas que realmente importan en nuestra web, en nuestro negocio o lo que sea. Ese puñado, y las metricas que los cuantifican, son los critical few...aquellos en los que debemos volcar nuestros mejores esfuerzos de medida y de gestión.

Así nos los menciona el autor:

"aprendí un principio importante que procede del mundo de Six Sigma/Process Excellence: concéntrese en los critical few y no en la mayoría que son insignificantes."

Para Kaushik, "la métrica critical few es tan importante porque proporciona a toda la organización un sentido de orientación y dirección."

Serían algo así como una misión y una visión...en forma de métricas.

Se trata de calidad y no cantidad, se trata de análisis y no meramente medida, se trata de conocimiento y no datos. Y se trata de una visión, sobre todo una visión...

Lo bueno de no preocuparse por la historia

"Lo bueno de no preocuparse por la historia"

Así reza un epígrafe del libro 'Analítica Web 2.0' de Avinash Kaushik y contiene una lección que, como ya hemos visto en más de una ocación comentando este mismo libro, partiendo del ámbito de la analítica web resulta, sin embargo, sabia y aplicable en otros entornos de la gestión.

Originalmente hace mención a la inutilidad de almacenar datos sobre clickstream y similares para hacer analítica web con muchos meses de perspectiva. Defiende el autor la relativa inutilidad de esta forma de actuar. Puesto que la web y el mercado digital evolucionan tan rápidamente, datos con una larga historia (y en este contexto, muchos meses ya son una larga historia) pueden no arrojar luz, pueden no ser relevantes.

Además, defiende el autor las ventajas de no preocuparse por la historia. Olvidarse de la historia permite no sentirse atado al pasado, hace centrarse en el presente y futuro, proporciona mayor libertad para romper con sistemas, datos y herramientas heredados y, finalmente, proporciona agilidad y la capacidad de moverse con mayor rapidez.

¿A que este último párrafo, leído por separado y de forma independiente, parece hablarnos de mucho más que analítica web? ¿A que nos trae reminiscencias de gestión ágil, de innovación, de valentía, de asumir riesgos? 

¿A que suena sensato o, al menos, e inspirador?

Las métricas básicas de la analítica web

No es éste un artículo de opinión sino, como de vez en cuando hago, más bien unos apuntes personales que, por si pueden servir a alguien, convierto en artículo del blog.

En este caso de trata de resumir las métricas más básicas, utilizadas en analítica web, todas ellas referidas al análisis del denominado clickstream, tal y como las selecciones y expone Avinash Kaushik en su libro 'Analítica Web 2.0'.

Ocho son, según este autor, las métricas cruciales:

• Visitas: refleja el hecho de que alguien ha visitado el sitio web y ha pasado un cierto tiempo en él. Técnicamente se corresponde con el concepto de sesión.
• Visitantes únicos: intenta identificar las personas diferentes que han visitado el sitio. Es, sin embargo, prácticamente imposible asegurar que se miden realmente personas diferentes. Existen cierto crterios y técnicas (dirección IP y navegador, uso de cookies, etc) que, sin poder asegurar la correspondencia exacta, sí parecen constituir buenas aproximaciones.
• Tiempo en la página: tiempo que el visitante pasa en una página durante una sesión.
• Tiempo en el sitio: tiempo que el visitante pasa en el sitio durante una sesión.
• Tasa de rebote (bounce rate): Intenta identificar en qué medida los visitantes se han interesado por el sitio o no (en realidad, la tasa mide cuántos NO se han interesado). Se mide como porcentaje de visitas que han permanecido en la página o el sitio menos de un umbral de tiempo determinado (por ejemplo, cinco segundos) o aquellos que sólo han visto una página en su visita.
• Tasa de salida (exit rate) : mide cuántos visitantes abandonan el sitio desde una página dada.
• Tasa de conversión (conversion rate): de especial interés para sitios dedicados al e-commerce o con unos objetivos de negocio concretos, pretende medir la tasa en que se consiguen esos objetivos, es decir, se realiza la conversión, por ejemplo, una venta. Se mide como un cociente entre un numerador que expresa el número de conversiones y un denominador que es el número de visitas o visitantes únicos.
• Compromiso (engagement): pretende una medida de hasta qué punto el vistante está comprometido con la marca o el sitio. Aunque existe un razonable consenso sobre el interés del concepto, no existe un algoritmo que claramente nos mida ese compromiso, por lo que en todo caso tendremos aproximaciones basadas en diferentes entendimientos de lo que significa 'compromiso' y diversos 'trucos' para medirlo.

Aunque estas métricas son básicas y gozan de una amplia aceptación y conocimiento, es importante conocer y reconocer que no existen algoritmos exactos y universalmente admitidos, aceptados e implementados para medirlas, por lo que diversas herramientas pueden arrojar resultados diferentes. 

Se impone, pues, un enfoque pragmático y posibilista en el uso de estas métricas. Es importante conocer el concepto que quieren medir y es necesario estar al tanto de sus limitaciones, pero también hay que saber que, aunque sin una auténtica exactitud, sí suelen proporcionar precisión es decir, suelen ser consistentes, si mantenemos los mismos criterios y herramientas y, por tanto, permiten observar tendencias, tomar decisiones y seguir los resultados de dichas decisiones (recordar el artículo 'La dualidad exactitud versus precisión'). En ese sentido, no son perfectas, pero sí útiles. 

Y, en el fondo, eso es lo que importa.

#macrotweet: concepciones erróneas sobre el volumen de datos y la velocidad de respuesta

Normalmente, nuestra mente se niega a aceptar  que capturar menos cantidad o volumen de información puede ser la mejor opción. [...] Rara vez aceptamos que una respuesta casi perfecta dada en 15 segundos, es mejor que una respuesta perfecta dada en 2 días.

Avinash Kaushik

'Analítica Web 2.0'

La dualidad exactitud versus precisión

Suena a lo mismo, ¿verdad?

¿Qué diferencia existe entre la exactitud y la precisión? En el lenguaje de la calle, seguramente no mucha.

Sin embargo, en un plazo muy breve, me he encontrado dos veces con esta distinción en dos ámbitos bastante diferentes, lo que me ha hecho fijarme más en ella y asignarle valor.

La primera ocurrencia pertenece al ámbito de la dirección de proyectos y se incluye en el PMBOK (Project Management Book of Knowledge) que recoge las mejores prácticas en dirección de proyectos del PMI (Project Management Institute) y se menciona a propósito de la gestión de la calidad.

La otra fuente es el libro 'Analítica Web 2.0' de Avinash Kaushik que hemos mencionado en los últimos artículos y que trata fundamentalmente de analítica web, pero que también incluye interesantes reflexiones sobre todo tipo de indicadores y cuadros de mando.

En ambos casos, la distinción es la misma, y se refiere a la toma de diferentes medidas del mismo fenómeno:

• Precisión (Precision): Implica que todas las medidas están agrupadas, con muy baja dispersión. En teoría el valor medido podría alejarse del real, pero las medidas son consistentes entre sí.
• Exactitud (Accuracy): Quiere decir que los valores se acercan más al real, al menos en su valor medio, pero puede existir más dispersión entre las medidas individuales.

La figura nos ayuda a entender mejor el concepto.

Ambos atributos son, por supuesto, deseables. Sin embargo, a la hora de tomar decisiones, Avinash Kaushik apuesta sin ambages por la precision.

¿Por qué?

Pues porque en el mundo de la analítica web existen pocas medidas completamente deterministas, claras y absolutamente reales, por lo que es más importante entender las tendencias y actuar sobre ellas que sobre los valores concretos.

En ese sentido, la coherencia que proporciona la precision es mucho más valiosa que la cercanía al valor real (pero con dispersión) que ofrece la exactitud.

Un consejo sin duda sabio, orientado a la decisión y que, probablemente, y como ya ha ocurrido en otras reflexiones de Avinash Kaushik reflejadas en este blog, sea aplicable a otro tipo de indicadores no procedentes del mundo de la analítica web.

La propuesta de Avinash Kaushik para KPIs y Cuadros de Mando

En el artículo anterior, 'El error del exceso de KPIs sin interpretación ni contexto', tras expresar alguna crítica acerca de la forma en que se suelen presentar KPIs y Cuadros de Mando, una forma en que abundan los indicadores pero existe poco contexto y poco soporte a la decisión, anunciábamos que en el siguiente artículo comentaríamos la propuesta de Avinash Kaushik para expresar indicadores y cuadros de mando. Y este es el artículo prometido.

En el libro 'Analítica Web 2.0', Avinash Kaushik nos propone, en un primer paso, un modelo de KPI que es el que se muestra en la siguiente figura:

Tras una cabecera en que se muestra por un lado el 'propietario de la métrica' (el responsable funcional del área medida) y el 'propietario de los datos' (el responsable de la medición y análisis), cada KPI tiene cuatro partes:

• Gráfico con escala numérica: en que se muestra el valor de la métrica, incluyendo su evolución y, eventualmente, una comparativa, por ejemplo, con el año anterior.
• Claves y tendencias: en que se proporcionan brevemente las conclusiones y tendencias que con esos datos y un cierto análisis se detectan.
• Impacto en la compañía: una líneas indicando el impacto que en la compañía tienen los actuales datos y tendencias.
• Acciones: una propuesta de acciones a llevar a cabo basado en lo anterior.

Esta forma de presentar los datos ofrece contexto, puesto que se ve la evolución del KPI y se acompaña de un análisis de situación y tendencias. Por otro lado facilita la decisión, puesto que se explicita el impacto en la compañía y se proponen actuaciones.

Sin embargo, Kaushik va más allá y propone, una vez que el cuadro de mando y, sobre todo, el equipo de análisis, se han ganado la confianza de los directivos, dar un paso adicional y comprimir aún más el cuadro de mando. El nuevo esquema que se propugna es el que se recoge en la siguiente figura:

Ahora se agrupan las métricas y, por cada una, se proporciona, únicamente, lo siguiente:

• La métrica en sí misma
• Las acciones recomendadas
• El resultado esperado con esas acciones

A esto se une, en la esquina superior derecha, un código semafórico que proporciona un impacto visual de la situación (un código que ya aparece en la versión anterior)..

Una propuesta, sin duda muy ejecutiva, pero que también precisa de una enorme confianza del directivo en el equipo de análisis y en su capacidad de proponer, aisladamente, o en colaboración con responsables funcionales, los mejores cursos de actuación.

No conviene olvidar que Kaushik se mueve en el mundo de la analítica web, donde, probablemente, los analistas tienen mas capacidad para entender los fenómenos y ofrecer soluciones pero, aún así, parecen unas lecciones y propuestas interesantes y exportables en buena medida a otros muchos indicadores y cuadros de mando más allá de la analítica web. Unas propuestas que pueden conducir a cuadros de mando más claros, más explicativos y más ejecutivos.

El error del exceso de KPIs sin interpretación ni contexto

Es un vicio extendido el saturar de información a la audiencia de informes, indicadores y cuadros de mando.

Se olvida, por una parte, que lo importante no son los datos en sí, sino su contexto, su significado, el conocimiento que deben transmitir, y las decisiones que deben posibilitar.

Se olvida, por otra, que los receptores de esos cuadros de mando, al menos los receptores más cualificados, son ejecutivos y altos directivos quienes, por una parte, no tienen probablemente el conocimiento técnico detallado como para entender todos los indicadores y, por otro, carecen también del tiempo suficiente para analizar farragosas series de indicadores y KPIs que no se encuentren en contexto, explicados, analizados y fáciles de entender. 

Lo que necesitarían estos ejecutivos son unos pocos, muy pocos, indicadores y KPIs fáciles de entender 'per se' y que, además, reflejen de forma muy concisa pero exacta una situación, posibilitando de esa manera la toma de decisiones.

Avinash Kaushik, quien en su libro 'Analitica Web 2.0' trasciende muchas veces el mundo de la mera analítica web para proporcionar ideas valiosas sobre indicadores y cuadros de mando en general, lo denuncia con las siguientes palabras.

"Los cuadros de mando dejan toda la interpretación al ejecutivo. Se trata de un defecto fatal porque la mayoría de los cuadros de mando son puntos de vista agrupados de un indicador KPI, pierden el matiz y el análisis que sólo un ninja del análisis puede hacer."

Este vicio de lo farragoso y poco ejecutivo es mucho más generalizado que el simple mal uso de cuadros de mando pero de momento centrémonos en este punto ya que Avinash Kaushik así nos lo sugiere, y recordemos la lección de la simplicidad y el contexto en los cuadros de mando, y adoptemos la voluntad de que sean breves, claros, explicativos y posibilitadores de una decisión ejecutiva informada.

En un próximo artículo veremos la propuesta de este autor para incluir eso KPIs rodeados de contexto, en una forma concisa pero significativa.

#macrotweet: El cuadro de mando de una página

Si su cuadro de mando no cabe en una página, entonces tiene un informe, no un cuadro de mando.

 Avinash Kaushik

'Analitica Web 2.0'

Las preguntas clave de la analítica web y la orientación a negocio

En la analítica web, como probablemente también en control de gestión o en cualquier otra disciplina que acabe dando como resultado unos indicadores, un cuadro de mando, un informe numérico o cualquier resultado similar, existe, creo, la tentación, o la falta de visión si se quiere, de centrarse mucho en los indicadores por sí mismos, en generar una jungla de números y mediciones que muchas veces no permiten entender realmente la realidad que se está midiendo ni tomar decisiones ejecutivas.

En ese sentido, me gusta mucho el enfoque que a su libro 'Analítica Web 2.0' da Avinash Kaushik, donde insiste mucho en simplificar y encontrar el verdadero sentido de los indicadores, que constituyan una verdadera herramienta, un auténtico vehículo para obtener conocimiento y tomar decisiones.

Su método, y su exposición, se estructuran en una serie de capas de cebolla en que se parte de lo más básico, técnico y orientado a datos, el análisis del clickstream, para acabar en el nivel más alto de comprensión profunda de los fenómenos (los insights).

Cada una de estas capas responde a una pregunta de alto nivel. El esquema es el que se recoge en la figura:

Se observan las siguientes capas:

• Clickstream: El nivel más básico de datos que nos informa de visitas, visitantes únicos, páginas vistas, etc. Pregunta que responde: 'El qué o cuál'.
• Análisis de múltiples resultados: Medición de cómo influyen las visitas en los resultados de la empresa (ingresos, costes o satisfacción de clientes). Pregunta que responde: 'El cuánto'.
• Experimentación y testing: Para pruebas en tiempo real y obtención de feedback real de clientes y usuarios. Pregunta que responde: 'El por qué'.
• Voz del cliente: Para entender el comportamiento del cliente y por qué realiza las acciones que realiza. Pregunta que responde, de nuevo: 'El por qué'.
• Inteligencia competitiva: Para compararnos con la competencia. Pregunta que responde: 'El qué más'.
• Insights: Para un entendimiento agudo y profundo de lo que está sucediendo. Pregunta que responde: 'Lo más relevante'.

El libro recorre todas estas capas, proponiendo técnicas, medidas y formas de actuar. 

Un planteamiento muy inteligente que, partiendo de los más técnico y detallado, llega a la mayor comprensión y orientación a negocio y resultados.

Excelente...y como para tomar ejemplo en muchas realidades de medición y gestión.

Home pages versus Landing pages. ¿Qué es lo que está cambiando?

Para mi propia cultura, y hasta cierto punto utilización, me encuentro leyendo 'Analítica Web 2.0' de Avinash Kaushik, el que creo es uno de los gurús de este mundo de la analítica web.

Descubro o entiendo conceptos que hasta ahora tenía algo borrosos y no puedo evitar la tentación de reflejar alguno en este blog.

Un razonamiento que no he querido pasar por alto, es el que realiza el autor acerca de la decreciente importancia de las páginas principales (las home pages) frente a las páginas a las que se llega a través de campañas de marketing, o SEO , o SEM...y que no tienen por qué coincidir (es más, típicamente no lo harán) con la página principal.

Razona el autor, si lo entiendo bien, que antiguamente la página principal se cuidaba mucho. Debía ser especialmente atractiva, completa y enlazar de la forma más clara posible con el resto de contenidos del sitio web, dado que era el punto de entrada, el lugar por donde llegaban los usuarios a nuestro sitio Web.

Pero ahora las cosas han cambiado. Por una parte, la enorme difusión de los buscadores, y el convertirse como una de las vías preferentes para llegar a páginas, hacen que el lugar de entrada de un usuario a nuestro sitio web pueda ser casi cualquier página del sitio.

Por otro lado, y realmente es más en esto en lo que se centra el autor, en el caso de lugares de e-Commerce, las campañas de marketing, las campañas online, dirigen al usuario hacia una páginas de entrada (landing pages) que, típicamente, no serán la página principal, sino una correspondiente al producto/servicio objeto de campaña o, incluso, una página especialmente diseñada para acoger los clicks procedentes de dicha campaña.

Añadiría que, aunque en menor medida, el uso de agregadores de contenidos, del protocolo RSS, también 'distraen la atención' hacia páginas secundarias, diferentes de la principal.

El caso es que, sea como fuere, el autor es taxativo y afirna:

"Las páginas de inicio (home) están muertas."

Sólo me queda la duda de si la creciente importancia de los medios sociales y de la marca personal, pueden ejercer un poco de contrapeso y, atraidos los usuarios por el prestigio de la persona, de la marca o del sitio web, recuperar una parte de la importancia de la página principal.

En cualquier caso, parece indudable que la página principal ha perdido mucho de su peso e importancia en el conjunto de un sitio web y que el diseño en cuanto a atractivo, usabilidad y potencial de conversión en resultados se hace más distribuido y más balanceado hacia las landing pages...unas landing pages, las más relevantes de las cuales haremos bien en identificar mediante las propias técnicas de analítica web para enfocar nuestros esfuerzos de optimización.

La paradoja de los datos y la humildad

Es ya conocida y casi manida la diferenciación entre datos e información y entre información y conocimiento.

Los datos son solo eso, datos. Son una base sobre la que construir...y una base cierta, pero por sí mismos no aportan nada. Cuando esos datos comienzan a tener significación, cuando dan una imagen comprensible, pasan a ser información. Y en su estadio superior la información se puede convertir en conocimiento, cuando esa información se puede ver en contexto, cuando permite una comprensión de fenómenos y una toma inteligente de decisiones.

Y para alcanzar el punto del conocimiento, e incluso de la información, la cantidad importa. Muy pocos datos es difícil que aporten información, pero un exceso de datos sin estructura nos inunda, nos supera, nos desborda e impide más que permite alcanzar el conocimiento.

Recuerdo vagamente una escena de una película de Tom Cruise, no soy capaz de dilucidar si 'Algunos hombres buenos', 'La tapadera' o alguna otra, en que cuando a 'los malos' se les requiere judicialmente información, la treta que inventan para no parecer no cooperadores, pero evitar aportar realmente la comprometedora información requerida, es enviar toneladas de documentos, montañas y montañas de datos, en la seguridad de que el joven abogado que representa Tom Cruise será incapaz de obtener la más mínima información real de esa montaña de datos.

Esta tensión, este necesario equilibrio en la cantidad de datos necesarios para llegar al conocimiento, es lo que Avinash Kaushik, un reconocido experto en analítica web, denomina la 'paradoja de los datos'. En sus propias palabras, extraidas de su libro 'Analítica Web 2.0':

"Esta es la paradoja de los datos: la falta de información significa que no se pueden tomar decisiones definitivas, pero incluso con una gran cantidad de datos, se sigue recibiendo un número infinitamente pequeño de insights."

La analítica web, una disciplina que, precisamente, debe obtener información y conocimiento a partir de una gran cantidad de datos poco estructurados, los procedentes principalmente de los logs de los servidores web, es un terreno excelente para entender, probablemente sufrir, esa dicotomía, esa paradoja de los datos.

Y, como nos dice Kaushik, esa dificultad para obtener conocimiento a partir de los datos, esa sensación de impotencia, son una gran vacuna contra la soberbia intelectual y tecnológica.

La paradoja de los datos es, en palabras de Avinash Kaushik, toda una lección de humildad.