¿Qué es y para qué sirve gtag.js?
Escrito por abaco
4 abril, 2018
Global Site Tag es una librería (un conjunto de variables, funciones y programas de javascript que podemos cargar en nuestro sitio) diseñada para utilizar toda la suite de Google y tercero. Además, simplifica el etiquetado, intercambio y análisis entre diferentes productos.
Gtag.js hace que los procesos sean mucho más fáciles, ya que mantiene los tags de diferentes productos en un solo lugar del código sin hacer cuentas adicionales ni modificar la configuración en ninguna interfaz independiente. También simplifica la instalación, acelerando la implementación de los productos y, además, nos da la oportunidad de enviar información a diferentes herramientas de Google y de terceros. Esto lo hace una sola vez, en lugar de solicitar diferentes etiquetados.
A continuación veremos que el código de gtag.js luce mucho más compacto que el código de analytics.js.
Código default de Google Analytics:
<!– Google Analytics –>
<script>
(function(i,s,o,g,r,a,m){i[‘GoogleAnalyticsObject’]=r;i[r]=i[r]||function(){
(i[r].q=i[r].q||[]).push(arguments)},i[r].l=1*new Date();a=s.createElement(o),
m=s.getElementsByTagName(o)[0];a.async=1;a.src=g;m.parentNode.insertBefore(a,m)
})(window,document,’script’,’https://www.google-analytics.com/analytics.js’,’ga‘);
ga(‘create’, ‘UA-XXXXXXXX-X’, ‘auto’);
ga(‘send’, ‘pageview’);
</script>
<!– End Google Analytics –>
Código gtag.js:
<!– Global Site Tag (gtag.js) – Google Analytics –>
<script async src=»https://www.googletagmanager.com/gtag/js?id=GA_TRACKING_ID«></script>
<script>
window.dataLayer = window.dataLayer || [];
function gtag(){dataLayer.push(arguments)};
gtag(‘js’, new Date());
gtag(‘config’, ‘GA_TRACKING_ID’);
</script>
Con respecto a la migración hacia gtag.js existen diferentes opiniones, ya que según las características del sitio en cuestión podría ser más complejo o más fácil llevarlo a cabo.
Aunque Google nos asegura que los datos no se verán afectados en caso que decidamos cambiar hacia gtag, es importante tener un plan de migración y hacer un análisis profundo que nos permita elegir el camino más sencillo y efectivo para el equipo.
Para la configuración de diversas herramientas en una misma página, gtag.js nos facilita la implementación de igual manera y, por ejemplo, si quisiéramos usar Analytics y AdWords, sólo se deberá agregar en la sección de ‘config’ dentro del mismo código:
gtag(‘config’, ‘UA-12345-6’);
gtag(‘config’, ‘AW-123456789’);
Otro escenario sería la configuración de un tag para conversiones con diferentes cookies, en dicho caso, el código se vería de la siguiente manera:
gtag(‘config’, ‘AW-GOOGLE_CONVERSION_ID_1’, {conversion_cookie_prefix: aw_prefix});
gtag(‘config’, ‘AW-GOOGLE_CONVERSION_ID_2’, {conversion_cookie_prefix: aw_prefix});
gtag(‘config’, ‘AW-GOOGLE_CONVERSION_ID_3’, {conversion_cookie_prefix: aw_prefix});
Para más ejemplos y ayuda acerca de la implementación de gtag.js podemos encontrar información en: https://developers.google.com/
Experto consultado,
Data Collector.
Fuentes:
https://www.lunametrics.com/blog/2017/12/12/what-is-gtag-google-analytics
https://developers.google.com/analytics/devguides/collection/gtagjs/
https://developers.google.com/analytics/devguides/collection/gtagjs/migration
Une, simplifica y enriquece los datos de tus herramientas analíticas a través de Tealium.
Escrito por abaco
13 marzo, 2018
En el mundo de la analítica digital hay diversas tareas que te pueden pedir tus clientes o algún compañero de trabajo. Por ejemplo, en algún momento has intentado establecer el cruce de información entre dos herramientas de analítica diferente, como combinar la información de un CRM y Analytics. También es posible que hayas querido cruzar la información del CRM con tus audiencias en las herramientas publicitarias o saber en la herramienta analítica directamente cuántas personas han completado el proceso offline, es decir, cuántos leads terminaron convirtiendo y aprovechar esa audiencia, como en las ventas de auto o inscritos a escuelas donde el proceso final es físico.
Entonces ¿por qué debemos configurar cada una de las herramientas con la misma audiencia en diferentes administradores de campañas cuando podrías hacerlo solamente una vez y de ahí alimentar todas las necesarias?
Seguramente te ha pasado alguno de los casos anteriores y lo más probable es que hayas tenido que cruzar tablas de excel para completarlo y muchas horas de esfuerzo (o cuéntanos de qué manera lo solucionaste). Lo peor es que lo tienes que repetir cada mes. Existen varias opciones en el mercado que te ayudarían a solucionar específicamente cada uno de los problemas. La herramienta que nosotros utilizamos, y uno de nuestros partners, es Tealium, una herramienta que nos permite integrar todos los datos sin necesidad de tener varias herramientas (y por lo mismo más costos).
Tealium Universal Data Hub
Tealium es una empresa fundada en el 2008, que se ha dedicado a crear soluciones que te ayuden a unir la información, transformarla y enviarla a más de 1000 herramientas tecnológicas (information hubs), con más de 10 patentes y oficinas en San Diego.
Se concentra en 4 soluciones:
- IQ
- AudienceStream
- DataAccess
- EventStream
Las cuatro herramientas conforman la solución de Tealium Universal Data Hub
Tealium IQ
La herramienta original que hizo nacer a Tealium: Tealium IQ, es un administrador de etiquetas. Esto nos permite, como en otras soluciones de Google y Adobe, centralizar los códigos generales y específicos en la misma plataforma.
Esta herramienta te ayuda a generar un gobierno de datos al generar y controlar la información que se coloca en tu sitio de manera estructurada. Además, puedes manejar diferentes ambientes de trabajo como Dev, QA y Producción para hacer prueba de los datos antes de que ensucies tus bases con pruebas.
Tealium AudienceStream
Esta solución no es un analytics como lo conocemos generalmente, tampoco es un DSP. AudienceStream es un hub omnicanal que une la potencia de segmentación de clientes con una ingeniería de acciones.
La función de AudienceStream dentro del universal data hub es centralizar la información de diferentes servicios como: analytics, publishers, DSPs y más. Busca relaciones de los datos de acuerdo a los conocimientos de la persona que vaya a configurar la información y posteriormente enriquecer los perfiles para asignarlos al tipo de cliente que puede ser, en otras palabras, donde sabemos que un fanático de los deportes también puede ser fanático de la cocina y posiblemente un potencial comprador de parrillas para la carne asada que quizás se ubica en Monterrey.
El AudienceStream tiene como objetivo mostrar el comportamiento de los usuarios en tiempo real, hacer operaciones, localizar llaves (elementos que conectan tablas de datos distintas) y generar esos segmentos de clientes u objetivos específicos que necesite tu empresa para generar una solución robusta que puedas mandar a herramientas como Facebook y Google DoubleClick.
Lo más sorprendente es cuando se encuentran dos registros diferentes, resulta que son la misma persona y hace una mezcla de los dos perfiles en uno solo. Esto lo hace en lugar de eliminar, duplicar o suplantar el perfil, lo que ayuda a enriquecer tus datos.
Tealium DataAccess
Entrando en cuestiones técnicas, tu equipo de TI suele utilizar un data warehouse o un data lake. Si no sabes de esto, pongamos los conceptos anteriores como el lugar donde vas a guardar tus datos y consumirlos.
Tealium DataAccess es un almacén de datos en Amazon Web Services tipo RedShift o S3 (para los amantes de la tecnología) en tiempo real para que estos datos puedan ser consumidos por los sistemas internos o externos de la empresa que no sea una de las herramientas que sirve en sus integraciones Tealium.
Tealium EventStream
El más nuevo de los servicios de Tealium, EventStream es una forma sencilla de hacer recolección de datos y enviarla para móviles, el internet de las cosas y dispositivos conectados en un solo hub, ligero y robusto.
Esta introducción a Tealium es algo técnica, pero esperamos te sirva para comprender un poco mejor la función y potencia de las bases de datos y el cruce entre ellos.
Si te gustó el artículo no te olvides de comentarlo y hacernos saber si quieres más artículos sobre Digital Analytics y Data Collection.
Experto consultado:
Director en Efectividad e Innovación
RegEx Look up tables en Google Analytics
Escrito por abaco
6 febrero, 2018
Look up tables con expresiones regulares de Google Analytics.
Te decimos qué son, cómo funcionan y para qué se utilizan las tablas de expresiones regulares en Google Analytics, también conocidas como RegEx lookup tables.
Expresiones Regulares
Las expresiones regulares, también conocidas como “Regex”, son una secuencia de caracteres que forman un patrón de búsqueda que es utilizado para buscar patrones muy específicos. Gracias a esto podemos encontrar grandes porciones y/o combinaciones de caracteres que nos permiten capturar datos que sean familiares. Por ejemplo: todas las URL’s que contengan una carpeta “/blog/”; o si sabemos que un cupón empieza siempre con un decimal y sigue de una letra de la “A” a la “C”, las expresiones regulares nos permitirán identificar este patrón y realizar una acción.
Por lo general, las expresiones regulares se apoyan de símbolos como lo son: puntos, signos de admiración, barra inversa, corchetes, paréntesis, etcétera, cada uno con funciones determinadas.
(Puedes descargar un cheat sheet de RegEx aquí: https://goo.gl/Hqb9hg )
En Google Analytics podemos hacer uso de las expresiones regulares por medio de tablas de búsqueda (RegEx Table). Con éstas podemos crear filtros, metas y encontrar resultados muy específicos.
Podemos crear un filtro con la función de excluir la IP propia y, así, evitar contar en nuestras estadísticas de tráfico en GA las visitas de la empresa misma. También podríamos filtrar las visitas de dos sitios, como por ejemplo: www.testA.com|www.testB.com
Nota:
Es importante destacar que una expresión regular en GA puede o no tener caracteres. Ejemplo de expresiones regulares para GA son:
- category
- <meta(.|\n|\r)+?;[?]>
- /c[ae]r/
Lookup Tables
De forma técnica una lookup table es una estructura conformada por un vector que sustituye una rutina por medio de una matriz simple y nos ayuda a ahorrar tiempos de procesamiento validando valores de entrada.
En español regular para no-programadores, es un conjunto de valores con una tarea asignada, por ejemplo:
[insertar tabla]
En Google Tag Manager podemos utilizar Lookup Tables cuando queremos asignar una meta a diferentes valores, si tenemos múltiples cuentas, o múltiples contenedores de propiedad, o diferentes tipos de archivo a los cuales asignarles un evento. Esto va a optimizar el uso de la herramienta.
Dentro de las definiciones de Lookup Tables podemos utilizar Expresiones Regulares. Por ejemplo:
- \/product \/
- [^a1b2c3]
- colou?r
Con esto vamos a poder sacar aún más provecho a la herramienta, optimizando los filtros que se apliquen en cada definición, sin embargo, es importante asegurarse de que las RegEx utilizadas funcionen como esperamos e incluyan o excluyan la información que se desea, en otras palabras, tenemos que asegurarnos que la expresión regular que utilizamos sólo corresponda a la información que queremos capturar.
(Para hacerte la vida más fácil puedes probar las expresiones regulares aquí)
Especialista consultado,
Data Collector
Fuentes:
https://www.simoahava.com/analytics/the-regex-table-variable-in-google-tag-manager/
http://www.lunametrics.com/regex-book/Regular-Expressions-Google-Analytics.pdf
https://regex101.com/
Checkout Funnel en Google Analytics
Escrito por Ábaco
7 diciembre, 2017
¿Tienes un E-commerce? Así, bien cool, excelente, un montón de productos, tráfico, y todo parece resultar bien… pero… por alguna razón no llegan a la compra, y quisieras saber ¿por qué rayos no? Lo que necesitas es el reporte de Checkout Funnel que te indicará en qué parte están abandonando, y si te pones las pilas, puedes ver qué productos añaden más y cuál es el método de pago favorito.
Este reporte requiere Enhanced E-commerce habilitado en Google Analytics, aquí tenemos un artículo con la buenas prácticas.
En el proceso de compra del comercio mejorado de Google existen 10 pasos y uno de los más importantes es el checkout. Ésta suele ser una de las cosas más fáciles de configurar, y los informes que proporciona Google con estos datos pueden ser realmente valiosos para ayudarnos a encontrar problemas y oportunidades con su embudo de finalización de compra.
La configuración del embudo Checkout Behavior Analysis es un proceso de dos etapas; Nombrar los pasos de salida dentro de la interfaz de Google Analytics; luego colocará el código apropiado en las páginas individuales dentro del embudo.
Al habilitar la opción de E-commerce mejorado en Analytics, se habilitará el informe de Embudo de pago dentro de los informes de comercio electrónico. En algunos casos, es posible que deseemos retrasar la configuración del seguimiento de todas las demás acciones de compra en todo el sitio si descubrimos que los usuarios se retiran en el embudo de finalización de la compra. Es decir si se salen en el momento de Check-out.
La implementación vía GTM
Antes de empezar, existen tres elementos principales que se deben agregar a cada página web (en el siguiente orden):
- La declaración de la variable dataLayer -> en la sección <head>
- La parte javascript del código -> en la sección <head> también.
- La parte noscript del código -> inmediatamente después de la etiqueta de apertura
Se debe de configurar un tag en Google Tag Manager que habilite la opción de recolectar información del enhanced E-commerce.
Después, dentro del código de nuestra página, en la sección del checkout se debe de colocar el siguiente código:
| dataLayer.push({ «event»:»EEcheckout», «ecommerce»: { «checkout»: { «actionField»: {«step»:1,»option»:»Free delivery» }, «products»: [{ «id»:»98adsh», «name»:»Converse T-Shirt», «price»:»12.50″, «brand»:»Converse», «category»:»Men/Clothing/T-Shirts», «variant»:»red», «position»:0, //it could prove insightful to send the product position within the cart in the checkout process, although not mandatory «quantity»:2 }, { «id»:»m3g45″, «name»:»Boss Pants», «price»:»38.00″, «brand»:»Boss», «category»:»Men/Clothing/Pants», «variant»:»blue», «position»:1, «quantity»:1 }] } } }); |
Hay que considerar que el objeto actionField: se asignará al primer paso que configuremos como opción de pago en GA («Página del carrito» en nuestro caso). También podría considerarse la página Cart como un paso en el proceso de pago. Otro elemento que puede ser útil es la opción de pago.
Podemos rastrear facturación, entrega, opciones de pago, etcétera. Es un poco laborioso porque es posible que no se tengan estos detalles antes de que el usuario envíe el formulario de pago o antes de ir al siguiente paso. Por lo tanto, se puede enviar un evento que se produce cuando el usuario realiza la acción (ir al siguiente paso o accionar el botón Enviar pedido).
En Google Analytics los reportes de Checkout Behavior se verán de la siguiente manera:
Esto nos indicará en qué paso los usuarios salen más; otra de las ventajas es que podemos aplicar uno o varios segmentos en este reporte, lo cual nos ayudará a obtener un mejor panorama del comportamiento de nuestros usuarios durante el proceso del checkout.
Para más información visitar: https://developers.google.com/tag-manager/enhanced-ecommerce
Especialista consultado,
Buenas prácticas de GTM para Enhanced E-commerce
Escrito por Ábaco
17 agosto, 2017
¿Estás pensando en implementar Google Tag Manager(GTM) para medir tu negocio en línea? Antes de empezar te recomendamos leer esta guía que te será de mucha utilidad para saber la mejor manera de proceder con la implementación antes de que le llames al equipo de IT.
Introducción
Las siguientes buenas prácticas son resultado de la recopilación y los retos que nos encontramos constantemente, para llevar a cabo la implementación de Google Tag Manager (GTM) con nuestros clientes, y queremos que puedas hacer uso más eficaz de la herramienta y de una manera má sencilla durante la implementación.
Por supuesto te recomendamos adherirte a estas prácticas para que la implementación y la administración de etiquetas sea óptima.
Buenas prácticas
Lo primero que debes hacer es elegir un modelo de medición (and stick with it!), para asegurarnos de no generar etiquetas adicionales que envíen información extra y que complique el proceso de análisis cambiando la data. Puede que esto te haya sonado complicado, simplificando: elige un modelo de atribución y quédate con él
Implementación de etiquetas (TAGS)
Para la implementación de las etiquetas que se van a medir se puede realizar mediante GTM y agregando una capa de datos (Data Layers) directamente en el sitio:
- Por GTM: tiene la ventaja de que no hay necesidad de modificar el código del sitio, sin embargo si hay cambios en la página (como un rediseño o una nueva esstructura, cambio de productos, etc.) puede resultar en la necesidad de cambiar los tags en GTM o perder la información.
- Por DataLayers: esto implica incluir código extra al sitio, sin embargo, normalmente previene que los tags queden obsoletos con los cambios del sitio, ya que fijamos el valor en el código no lo extraemos del contenido.
En general nosotros recomendamos via DataLayer, porque normalmente los sitios cambian constantemente y tener el código presente te permite trasladarlo fácilmente y conservar la transmisión de datos.
Nomenclatura
Usar la nomenclatura correctamente se vuelve necesario cuando tenemos que administrar una cuenta de considerable tamaño, o sea, con muchos tags, triggers (disparadores de eventos) y variables. Entonces tenemos que nombrar todo para poder ubicarlo correctamente, para este fin te recomendamos:
Tags y variables:
| Proveedor | Tipo | Descripción |
| GA (Google Analytics) | DLV(DataLayer Value) | Login |
Triggers
| Tipo | Descripción |
| CE(Custom Event) | Intento login |
Esta nomenclatura se recomienda para que todos los miembros del equipo puedan dar seguimiento de la implementación y la administración de la cuenta, cambiando los valores de DLV por los que corresponden que puede ser el nombre del producto, el precio u otro y la descripción, en este caso estamos midiendo los logins sin modificar las etiquetas, sólo estamos enviando el valor de las etiquetas.
Para los disparadores podemos medir eventos como el intento de login, es decir cuando la etiqueta esté siendo disparada y genera un evento.
Filtros
Usar los filtros en Google Analytics nos sirve para limitar o modificar los datos de una vista. Son muy útiles y los usos más comunes de los filtros son:
- Excluir tráfico de direcciones IP (como la propia).
- Incluir datos de subdominios específicos.
- Convertir URL de páginas dinámicas en cadenas de texto legibles para los reportes (transformar “pageId=2” en “Página 2 listado blog”).
Los filtros que se deben usar regularmente son:
- FIltro “Full URL”, cuando queremos que nos muestre una direccion como misitio.com/carpeta/archivo
- Filtro de eliminación de cardinales (la última diagonal). Para evitar que la plataforma lea diferente la URL’s “https://a.com/” y “https://a.com”
Comercio Electrónico Mejorado
El comercio electrónico mejorado (o Enhanced Ecommerce) es una característica de analytics que nos da la habilidad de poder analizar el comportamiento de los usuarios y su interacción con los productos a través de la compra, por si sólo podríamos escribir un libro entero de ello, y sí, estamos en constante trabajo para poder brindarte información al respecto pero para poder empezar te recomendamos ampliamente leer la documentación de desarrollo oficial de Google.
Para aprovechar al máximo esta característica es necesario tenerla bien coordinada con GTM, ya que cada producto, artículo, servicio, etc., envía información a Analytics por medio de los DataLayers y este a su vez la interpreta y con E.Ecommerce nos ayuda a visualizar la información de manera comprensible y útil.
Las buenas prácticas para la interacción entre GTM y GA EE que hemos recopilado para ti son principalmente:
- Mandar un máximo de 15 elementos en cada DataLayer, aunque dependerá considerablemente de la cantidad de información que se envía, la observación en que después de 15 se corre mayor riesgo de la interrupción en la transmisión de la información y por supuesto una mala lectura de la data.
- En caso de necesitar enviar algún dato pero no lo tenemos lo mejor es NO enviar el dato vacío, para casos numéricos colocar ‘0’ y para alfanuméricos un “N/A” como valor del DataLayer (DLV), para que los informes de GA sean más exactos y no haya un problema midiendo los campos vacíos.
- Corroborar que durante todo el recorrido de comercio electrónico, los datos de cada producto o promoción no cambien de tag, nombre, valor, etc.
Conclusión y referencias
Esperamos que encuentres esta guía súper útil y queremos saber tu opinión, envíanos tus comentarios y si crees que esta guía le puede ser útil a alguien no olvides compartir.
Share the love 😉
Te dejamos la bibliografía que usamos para complementar esta guía:
Guía para Ecommerce mejorado
Escrito por Ábaco
1 agosto, 2017
Todo dueño, operador o marketeer que esté mínimamente interesado en un E-commerce debe saber que optimizarlo y medir los resultados va más allá de la ganancia que estás generando al final del día. Debemos ir más allá, como en qué parte del proceso de venta se están yendo nuestros usuarios, de cuánto es el ticket promedio, qué marca o producto se vende mejor, etc. Estos insights nos ayudan a tomar decisiones mucho más enfocadas y que construyen mejores resultados.
Nos dedicamos a ayudar a nuestros clientes a mejorar constantemente, los ayudamos a tomar decisiones más y mejor informadas sobre la dirección a tomar en cada momento importante de su marca. La única manera en la que podemos hacer esto es con mediciones apropiadas, haciendo un análisis correcto de los datos y por supuesto, teniendo los datos correctos.
Hoy nos enfocamos a E-commerce y, con nuestros aliados de Neo Consulting en Perú, trabajamos en una guía para optimizar la medición de sitios E-commerce para que ayudarte a dar un salto en el mundo digital.
Descargar Guía de Enhanced Ecommerce
Si te fue útil ¡Déjanos saber en los comentarios y comparte el contenido a quién creas que le pueda servir!
