Tengo que confesar que me encanta trastear con mi blog cuando quiero probar un plugin nuevo, saber cómo queda una nueva plantilla o ver alguna mejora de Google Analytics. Es cierto que hemos pasado muchas cosas juntos (pérdida de código GA, malware, plantillas desastrosas….) pero ya sabéis eso que dice de «lo que no te mata, te hace más fuerte». Pues no soy la única a la que gusta experimentar en sus propias… bitácoras.

Esta mañana leía un interesante post de Justin Cutroni donde hacía un resumen de los cambios que hizo en su blog para mejorar la medición. Toda una repensada a la forma de medir cómo los usuarios interactuan con el contenido de su blog. Por si alguno no conoce a Justin Cutroni todavía, además de tener un blog muy interesante que no debe faltar en vuestro lector de RSS, trabaja como Analytics Advocate en Google donde impulsa la estrategia de contenidos, ayuda en la mejora de producto a través de los comentarios de los usuarios y evangeliza sobre los productos de analítica de Google.

Volviendo a lo que nos interesa: las métricas del blog. Es por (casi) todos sabido que una tasa de rebote del 70% para un blog es  aceptable, sin embargo conociendo cómo mide GA el tiempo en el sitio y la tasa de rebote, también aceptamos que se pierde información por el camino. Por eso, con el objetivo de entender mejor el comportamiento de los usuarios, lo que plantea Justin Cutroni es un seguimiento avanzado del contenido: cuántas personas hacen scroll, cuándo una persona comienza a hacer scroll, cuándo una persona alcanza el final del artículo y cuándo llega hasta el final de la página. En resumidas cuentas, a través del seguimiento de eventos, medir estas 4 acciones:

• Article load: Measure how many times the article loads in a browser. Basically another count of pageviews. This will provide context to the other events that we track.
• Start Reading: Track when a visitor starts scrolling down the page. This will be triggered after a visitor scrolls 150 pixels down the page. This value can be customized. I’m also tracking how much time it takes to start scrolling.
• Content Bottom: Track when a visitor reaches the end of the article content. And track how much time it took between the scroll start and getting to the bottom of the content.
• Page Bottom: Track when the visitor reached the botton of the page and how long it took.

Pero ¿qué es lo que ha mejorado la medición de su blog? Por un lado observa que la tasa de rebote se ha reducido, pasando de ser más de un 70% a menos de un 25% de tasa rebote, al mismo tiempo que el tiempo medio en el site ha aumentado de 01:40 a 09:34. Este cambio se debe principalmente a que se ha introducido más información acerca del comportamiento del lector en la página, por lo que GA cuanta con puntos de referencia con los que calcular el tiempo en el site. (¿Cómo calcula GA el tiempo en el site?)

Pero este cambio no sólo afecta al tiempo en el site y la tasa de rebote, si no que gracias a estos cambios obtenemos un conocimiento más exacto de cuánto tiempo leen nuestros contenidos: el número de visitas y paginas vistas se reduce para la duración de entre 0-10 segundos, mientras que aumentan para duraciones superiores. También podemos visualizar qué han hecho nuestros visitantes una vez han llegado a nuestro contenido a través del Event Flow: cuántos han leído sólo el post, cuántos han leído post y comentarios, cuántos se han ido sin hacer scroll…

Concluyendo…

Personalmente, no sé si serán las métricas definitivas que necesita tu blog (o el mío), pero creo que el planteamiento que realiza Cutroni (& Co) permite una medición más adecuada dados los patrones de lectura en los blogs. Me explico, por lo general (que siempre hay excepciones) cuando llegamos a un post, lo leemos y nos vamos del blog, ya sea porque enlazamos con un post recomendado en dicho post, porque hemos leído la información que nos interesaba y nos vamos o porque es un lector habitual y ya conoce los post anteriores.

+ Info | Serie de 3 post de Justin Cutroni

Rethinking Blog Metrics

Advanced Content Tracking with Google Analytics: Part 1  & Part 2

Imagen Cabecera | HeavyWeightGeek