The News Hub: lecciones de montar un medio colaborativo
En diciembre de 2014 conté cómo empezamos a montar The News Hub, un periódico colaborativo y móvil impulsado por William, y por qué tiramos el plan inicial para simplificar. La…
Publicación pasada · vseo.es · 10 de febrero de 2015
Analítica para medios: datos distintos para cada equipo
De qué hablaba este artículo
El post recoge mi ponencia en SES London (10 de febrero de 2015) sobre cómo usar analítica en medios de comunicación: cada equipo (producción, adquisición y estrategia) necesita datos distintos y los informes únicos generan ruido. Sigue siendo relevante porque el principio, dar a cada persona el dato que necesita en la herramienta que ya usa, es la base de cualquier sistema de growth actual.
Los datos de un medio solo tienen sentido si cada equipo recibe el que necesita para su trabajo. Lo defendí el 10 de febrero de 2015 en SES London, mi primera ponencia en Reino Unido y la primera en inglés. Hablé desde mi puesto de Online Acquisition Manager en HELLO! y desde mi experiencia en medios desde 2009. Este post resume las ideas centrales de aquella charla.
#seslon #usinganalytics My first conference in #london. Foto publicada por Javier Ortiz (@vseo_es) el 10 de febrero de 2015.
Reconozco que estaba nervioso. En otras ponencias, como la del Congreso SEOPRO, iba a disfrutar y a compartir con compañeros. Aquí era el español que no hace bromas y suelta una presentación que hay que seguir para entenderla. Pero creo que hay que combatir lo que da miedo, y era un reto interesante.
Mis presentaciones no son autoconclusivas. No me gusta repetir en voz alta lo que pone en la diapositiva, así que uso gráficos y comunico de forma visual. El inconveniente es que, sin mí, las diapositivas son imágenes sin contexto. Por eso publico aquí mis notas previas, que ensayé primero en español, en varias entregas para que no se conviertan en un ladrillo.
Las diapositivas están en SlideShare: SES 2015 Using analytics to make sense of your data.
¿Por qué la analítica de un medio digital es distinta a la de otros negocios?
Porque los medios tienen problemas y oportunidades propios: contenido perecedero, audiencias que llegan por buscadores y redes, y equipos con objetivos muy diferentes. He trabajado en medios desde 2009. He vivido el boom de Google News, Google Freshness, Editor’s Choice y el impacto de las redes sociales en el consumo de audiencia. En el día a día he trabajado con periodistas, con equipos de marketing y con equipos de estrategia.
En 25 minutos no se puede cubrir todo. Mi objetivo era mostrar los problemas y oportunidades que tienen los medios en torno a los datos.
¿Qué datos necesita cada equipo de un medio y para quién son?
Cada equipo necesita datos distintos, así que la primera pregunta siempre es qué datos y para quién. Los datos no son realidades estáticas: son herramientas para que cada uno haga su trabajo. Uno de los primeros errores en un medio, y el primero que se corrige, es hacer informes independientes para cada persona sin pensar en su objetivo.
Yo dividía el consumo de datos en tres familias: producción (quienes escriben), adquisición (quienes promocionan) y planificación o estrategia (quienes gestionan). En la presentación usé un color por área: azul para producción, naranja para adquisición y verde para management. Cada área quiere datos para cosas diferentes, y el mapa siguiente muestra los temas que requieren análisis y el valor de cada uno.
Un ejemplo con usuarios: 5.000 personas en una noticia no dicen si es buena o mala. Si tienes 4 millones en la home, son pocas. En cambio, si una noticia en primera posición tiene un 15 % más de clics que el promedio de esa zona, es una noticia con interés y afecta al comportamiento.
Que una noticia se comparta mucho en redes puede deberse a una campaña o a la foto. Que genere un registro en el 2 % de quienes la ven es interesante como comportamiento. Agregado por autor o sección, se contabiliza como objetivo de captación, y eso es lo que necesita un manager. En resumen: o das a cada uno la información que necesita, o le das ruido.
¿Por qué las vanity metrics no sirven para dirigir un medio?
Cómo ha cambiado esto hoy
Hoy Google Analytics 4 ha sustituido a Universal Analytics, que dejó de procesar datos estándar el 1 de julio de 2023. El modelo de medición pasó de sesiones y páginas vistas a eventos, lo que facilita medir scroll, tiempo de lectura o uso de módulos sin configuraciones especiales. La tasa de rebote clásica fue reemplazada por la de interacción. Además, las cookies de terceros y el consentimiento limitan lo que se puede medir, así que las cifras ya no son tan completas como entonces.
Porque usuarios y páginas vistas no dicen si el negocio va bien o mal ni si genera ingresos. Los medios nos definimos con esas vanity metrics, pero los datos solo tienen sentido cuando se comparan con una referencia. Para estructurar la charla usé las dimensiones de la analítica de Avinash Kaushik. Proponen comparar con datos externos, escuchar al usuario, fusionar fuentes de datos o ver qué ocurre en la página.
¿Qué quiere saber cada equipo de una misma noticia?
Cada equipo mira una parte distinta de la misma noticia. Para ejemplificarlo partí de la unidad mínima de contenido, la noticia, y fui subiendo hacia los informes. Elegí una noticia de HOLA, un medio que en Reino Unido no conocen, como ejemplo de noticia cualquiera: módulos de apoyo, widgets y publicidad.
Un periodista (azul) quiere saber si su titular es bueno, lo que se puede medir con tests A/B y tráfico desde la home. También quiere saber si la noticia ha gustado: si la gente pasa más de un minuto, llega al final, usa los módulos o ve una o veinte fotos de la galería. En resumen, cómo funciona su contenido.
Una persona de adquisición (naranja) se interesa sobre todo por lo que ocurre alrededor. Esa zona queda fuera de la noticia y representa todas las acciones hasta llegar al sitio. Tiene que conocer UX, arquitectura de la información y las tripas del sitio, aunque para eso hay charlas más específicas.
Una persona de estrategia (verde) pensará en publicidad, en el autor y probablemente en los tags. El autor importa porque todos somos un centro de coste: portales como HELLO! tienen equipos en EE. UU., Canadá y Reino Unido, y el contenido de un país puede traer tráfico a otro, con lo que cambian los centros de coste y de beneficio. Los tags son la unidad mínima que podemos mapear con el adserver, y en algún punto hay que establecer ese punto intermedio.
Cómo ha cambiado esto hoy
Los tests A/B de titulares que mencionaba siguen vigentes, pero hoy se hacen con herramientas específicas del CMS o en el edge, y el tráfico desde la home ya no es el único contexto relevante. Buena parte de la audiencia llega ahora por Google Discover, redes, newsletters y asistentes de IA, así que la analítica de un medio debe cubrir muchos más puntos de entrada que en 2015.
¿Cómo se le dan datos útiles a los periodistas?
La mejor forma es llevar los datos al CMS, la herramienta que ya usan. Para producción miramos las dimensiones de interés: páginas por visita, tiempo de permanencia y tasa de rebote, es decir, la voz del usuario. En HELLO! Celebrity news hay mucho volumen y mucho engagement en galerías, mientras que los blogs funcionan bien en volumen pero interactúan menos. Cada tipo de contenido tiene su valor. Podemos trabajarlo de forma agregada, pero en el día a día lo más eficaz es incluir los datos en las herramientas que usa la gente, por ejemplo mediante terminales o paneles.
En la charla, una persona de AOL me confirmó que lo habían hecho en el HuffPost y que estaba funcionando muy bien.
En mi experiencia, la mejor forma de dar a los periodistas lo que necesitan es ofrecer datos en el CMS: áreas de la página que indiquen si una noticia funciona o no, y estadísticas en cada pieza.
¿Cómo se mide el engagement en publicaciones digitales y revistas?
Hay que medir dentro de la revista, porque en muchos casos no hay forma de llevar esos datos al CMS. Es un caso especial: con el retroceso de la publicidad en internet, cada vez más sitios trabajan versiones digitales de sus publicaciones. Allí producción y consumo ocurren en entornos distintos.
Otro punto distinto es el modelo de consumo: el usuario ha pagado por el contenido. Se podrían tratar los enlaces internos como campañas y atribuir la venta al redactor, pero en la charla me centré en el consumo.
Aquí aparece el ejemplo de volumen frente a engagement. Una noticia en primera posición tendrá más lectores que una en la última página, porque no todo el mundo termina la revista. El resultado es una curva de gente que empieza y gente que termina, más una segunda o tercera línea que marca cómo ha funcionado la pieza: quienes han estado un minuto o dos, las páginas donde han hecho algo, han girado el iPad o han hecho clic, o donde el contenido ha tenido un interés especial.
Este informe no es el más cómodo de leer. Como dije antes, el objetivo es llevarlo al CMS.
En algunos casos es más fácil sacarlo al índice de la revista. Ahí se ven las historias vistas: en verde, alto interés según un estándar acordado; en amarillo, bajo interés; en rojo, reducido. Se tienen en cuenta los giros del dispositivo y los clics. Cualquier redactor que haya creado el contenido lo leerá, y ese es el objetivo: que la información se use.
La charla continuaba con estos temas:
- Equipos de adquisición
- Equipos de management
- Tácticas de posicionamiento en comScore
- Tácticas de crecimiento de audiencia
Cómo lo haría ahora
Un CDP para un solo lenguaje de datos
El error que describía en 2015, informes distintos para cada equipo, hoy se resuelve con un dato único por persona. Montaría una CDP, idealmente compuesta sobre el data warehouse (con herramientas como Segment, RudderStack, Hightouch o Census), que unifique eventos de lectura, registros, suscripciones y consentimiento. Desde ahí, cada equipo consume una vista distinta del mismo dato: producción ve el rendimiento del contenido, adquisición ve cohortes por canal y estrategia ve valor por audiencia. Así se acaba con los números que no cuadran entre departamentos.
Métricas de negocio por encima de vanity metrics
Sustituiría usuarios y páginas vistas por métricas ligadas al negocio: registros por cada mil visitas, conversión a suscripción, retención a 30 días e ingresos por lector. Cada mejora se validaría con un experimento y un grupo de control, no con una comparación antes y después. Y la referencia, como pedía Avinash Kaushik, sería interna (cohortes, zonas de la home) y externa (benchmarks del sector). Sin comparación, un dato sigue sin significar nada.
Datos de contenido dentro del CMS
Mantengo la idea de llevar los datos al CMS, pero hoy la haría casi en tiempo real. Un panel dentro del editor mostraría interés por pieza, titulares en prueba y rendimiento frente a la media de su zona. Los tests de titulares se pueden ejecutar en el edge, por ejemplo con Cloudflare Workers, sin parpadeo y sin tocar el código del medio. Un agente de IA, con supervisión humana, puede proponer variantes de titular y resumir cada mañana qué funcionó y por qué. La decisión final sigue siendo del periodista.
Interés por contenido y personalización con control
Las señales de interés que usábamos en la revista digital (permanencia, giros, clics) hoy alimentan la personalización. Con la CDP se pueden recomendar piezas o formatos según intención y comportamiento previo, y ofrecer registro o suscripción en el momento adecuado. Lo imprescindible es mantener un grupo de control para medir el incremento real frente a un recorrido sin personalizar. Si no hay incremento medible, no hay motivo para mantener la complejidad.
FAQ
Preguntas frecuentes
¿Por qué un medio digital no debería tener un único informe de analítica para todos?
Porque cada equipo toma decisiones distintas. Producción necesita saber si un titular o una pieza funciona, adquisición mide lo que ocurre antes de llegar al sitio y estrategia mira ingresos, autores y tags. Un informe único mezcla todo y genera ruido. Lo eficaz es una misma fuente de datos con vistas adaptadas a cada objetivo.
¿Cómo se mide si una noticia funciona más allá de las visitas?
Se compara con una referencia, no se mira el número aislado. Por ejemplo, el porcentaje de clics frente a la media de su posición en la home, el tiempo de lectura, si se llega al final, el uso de módulos o galerías y los registros generados. Un volumen alto sin comparación no dice si la pieza es buena.
¿Cómo se le da información de audiencia a los periodistas?
Lo más eficaz es integrarla en el CMS que ya usan, con indicadores simples en cada noticia: si funciona, cómo se compara con su zona y qué titular rinde mejor. Así no dependen de informes aparte. En publicaciones digitales o revistas, un índice con colores por nivel de interés cumple la misma función.
¿Quieres aplicar esto a tu negocio hoy?
Cuéntame dónde estás y vemos cómo encaja en tu estrategia de crecimiento.