Como algunos ya sabéis últimamente estoy algo inmerso en algunos pequeños proyectos. Uno de ellos es savemoney.es.

No es más que un buscador de los mejores precios de Amazon. Es decir, tú buscas algo que quieres comprar en Amazon y te devuelve el precio de lo que buscas en los diferentes amazon del mundo ( mas gastos de envío) y tú decides dónde lo compras. Por que la compra, la haces en AMAZON.

Analizar una web así tiene su gracia ya que, al contrario que un ecommerce clásico, la venta se realiza fuera de la web. Es más la venta la realiza Amazon. Por eso no vale con mirar sólo Google Analytics y hay que integrar otros datos, como los pedidos y ventas que se hacen en Amazon.

Vamos por partes.

Lo primero ¿De cuántas fuentes tenemos datos?

• De redes sociales( fb/tw/g+) y enlaces en foros y otras webs: los datos  que recogemos son los clásicos de seguidores, universo, etc y además el número de publicaciones y su contenido ¿por qué el contenido? por que tenemos varios tipos de contenido, contenido de conversación y contenido de promoción. Con ésta división podemos saber que tipo de contenido nos es mas útil para conseguir una venta o para generar buzz. Otra información valiosa es el producto que publicamos. Nos interesa saber si  hay relación causa efecto entre lo que se publica y lo que se compra después ( además del tiempo que tarda esto en ocurrir). La cookie de afiliado de Amazon dura 30 días y cualquier compra que hagan los usuarios que tengan dicha cookie computará en nuestro registro, independientemente de que lo anunciemos o no. De aquí es interesante saber bastantes cosas ¿no crees?
• De la propia web savemoney.es. Aquí es donde recogemos la información «extra» de redes sociales. En ADQUISICIÓN además de la procedencia de fuente y medio ( obviamente modificada a nuestras necesidades) tenemos información del producto y categoría. Además tenemos marcadas todas las salidas a amazon por país, de forma que sabemos toda la trayectoria de los usuarios, de dónde vienen, si se quedan y por dónde salen ( o hacia dónde van) y también tenemos parte de la trayectoria de las categorías y productos. De un producto sabemos si se anunció o no por nosotros, si provocó el aterrizaje en savemoney.es y hacia qué país estamos encaminando la venta. Algunas KPI interesantes que sacamos son, por ejemplo el % de potenciales compradores (salidas amazon/ entradas savemoney.es) o, combinando con los datos de productos sacamos la afinidad de categoría de cada amazon ( que categoría provoca mas salidas a cada amazon) y, uno que me gusta a mi bastante, % de investigación, que no es ni mas ni menos la cantidad de salidas a los diferentes amazon que necesita un usuario… imagínate si los combinamos con otras métricas…
• Por último también sacamos datos de AMAZON, los datos que ofrece amazon son los pedidos y las ventas, así como el % de comisión que corresponde por producto y afiliado. Con esto cerramos el círculo ya que nos da la información de las ventas efectivas y podremos tener la trayectoria de producto completa, es decir sabemos qué vendemos y cuándo lo vendemos y podemos construir un embudo parecido al del «comercio electrónico mejorado» de analytics (impresiones de producto-vistas-ventas). Es en este momento cuando podemos sacar las KPI mas completas y construir nuestro dashboard parecido al de ecommerce clásico.

Por supuesto esto no es lo único que sacamos, también hacemos seguimiento en tiempo real, comparando con días anteriores, o comprobando la eficacia instantánea de los diferentes enlaces para, por ejemplo, no publicar enlaces que no provocan salidas a amazon o en lugares donde al final lo que provocamos es un rebote.

Para visualizar los datos no hemos utilizado ninguna herramienta, sacamos los datos de las diferentes apis y lo juntamos todo al modo «big data DIY»…

En fin espero que os sea ilustrativo el ejemplo de cómo todo es analizable y no hay que quedarse sólo con Google analytics.

Ahora os estaréis preguntando… ¿pero esto de los afiliados da para comer? pues mira, de momento NO, pero si para beber 😉