Cómo detectar, analizar e interpretar el tráfico directo en Google Analytics

El tráfico directo en Google Analytics es un iceberg en toda regla: podemos ver fácilmente su superficie, pero a poco que indagamos podemos descubrir todo un continente de datos sumergidos. Y ahí reside la temática de nuestro post de hoy: suelen ser datos muy importantes en la adquisición de tráfico de un negocio.

Cualquiera con un sitio web y un mínimo de inquietud analítica ha indagado en los reportes de tráfico, para ver cómo el canal directo suele posicionarse en el top 3 de orígenes de tráfico y conversiones. Si esta inquietud no ha nacido de forma natural, normalmente suele manifestarse en el momento en el que comenzamos a invertir en paid media. Lo lógico es querer analizar y comparar el rendimiento de todos los canales cuando el PPC irrumpe en el funnel de ventas. Y aquí viene la sorpresa: el tráfico directo consigue un nivel de conversiones muy parecido o superior al del paid media (dramatización).

En nuestra experiencia, este descubrimiento suele provocar 2 reacciones:

–          El clásico “dejo de invertir porque Analytics dice que no me sale rentable”

–          El rebelde “esto no puede ser. Tengo que investigar”.

A todos los rebeldes que hoy estáis aquí, felicidades: este es el camino correcto. En este artículo os vamos a enseñar a detectar, analizar e interpretar el temido tráfico directo para que toméis las decisiones correctas con los datos de vuestro negocio.

¿Qué es el tráfico directo? Investigando el (direct) / (none)

El tráfico directo es la métrica que incluye a los usuarios que han visitado nuestro sitio web desde la barra del navegador (poniendo directamente la URL) y a los que han accedido desde marcadores de favoritos. En principio, se supone que estos usuarios conforman el grueso de lo que llamaríamos tráfico directo puro. Sin embargo, no es lo único que encontraremos aquí.

Dentro del grueso del directo, encontramos el llamado (direct) / (none). Esta métrica significa que Google Analytics asigna el canal directo como fuente, pero no es capaz de asignar un medio específico. Dicho de otra forma: el tráfico directo es el cajón basura de la analítica, en el que encontraremos cualquier hit que Google no sea capaz de catalogar. Y he aquí el problema: hay muchos ejemplos en los que esto nos va a pasar.

Seguramente os preguntáis: ¿cuál es el porcentaje normal de tráfico directo respecto al de otros canales? Pues bien, es cierto que según nuestra experiencia “lo natural” suele estar entre un 15% y un 20% del total. Sin embargo, creemos que esto tan solo debe ser un indicador, ya que “lo natural” dependiendo de la tipología de proyecto y otros factores puede ser menor o exponencialmente mayor.

Por lo tanto, más que preocuparnos por el porcentaje, es más correcto buscar dentro del canal pistas sobre posibles incidencias.

Cómo detectar un problema con el tráfico directo

Dicen que lo más difícil en la vida es reconocer que tienes un problema. Pues bien, tenemos noticias para ti: tienes un problema. De hecho, lo raro es que no tuvieras ninguno relacionado, ya que hay demasiadas variables para que parte de nuestros datos no se vayan por el sumidero del tráfico directo.

Aquí la pregunta no es si tenemos un problema: es cuan grande es.

“Derechitos a GA4. Universal queda en el pasado”

Abre el reporte de Adquisición, Fuente / Medio (Universal Analytics),  o Adquisición, Adquisición de tráfico (GA4) y disponte a localizar cualquiera de los sospechosos habituales:

–          Incidencias de volumen en directo de más del 15/20% sobre el total (tráfico o conversiones)

–          Bajada de volumen en un canal habitual, acompañado de una subida en directo

–          Url poco factibles por su longitud o dificultad (dimensión página de destino)

–          Páginas de destino transaccionales (carritos, checkout, thank you page…)

–          Páginas de destino internas (intranet, navegación por interfaz…)

–          Páginas de destino correspondientes a buscadores internos, filtros…

Esta es una muestra de los indicadores más habituales para detectar problemas dentro de direct / none. Sin embargo, dependiendo del tipo de negocio / proyecto esta lista puede crecer enormemente. Lo ideal es que analices esta fuente de datos con los 5 sentidos buscando incoherencias que luego puedas analizar. Porque una cosa es detectar un problema, y otra cosa es saber cuál es su origen…

Casos habituales de tráfico que suele absorber el directo

Como ya os hemos comentado, este canal es una suerte de cajón desastre de la analítica, en el que se puede encontrar de todo. Lo cierto es que mirar aquí dentro debe ser un ejercicio de paciencia y mente abierta. Por eso y obviando los casos más estrambóticos, os hemos preparado una lista de lo que nos gusta llamar la “Champions League” del directo.

Estos campeones son, sin ninguna duda, los protagonistas habituales de esta dimensión. Y al igual que en la citada competición, los hemos ordenado por su puesto en la competición regular:

1. Mala implementación del faldón de cookies
2. Sesiones caducadas
3. Acciones desde canales de consideración (social media, social ads…)
4. UTM mal configuradas
5. Mala implementación del código de Analytics
6. Mala implementación de pasarelas de pago
7. Mala implementación del AMP
8. Acciones que realiza nuestro equipo (pedidos realizados por atención al cliente,…)
9. Clics desde medios offline (PDF´s, Words…)
10. Clics desde un sitio no seguro (http) hasta uno seguro (https)
11. Clics desde url acortadas sin etiquetas
12. Dark social: (Whatsapp, Telegram, Messenger, Slack, Trello…)
13. Hits provocados por bots
14. Tráfico cross-domain (ej: multitiendas con distintos idiomas o países)

Esta lista podría extenderse hasta el infinito si contamos los pequeños casos aislados, por lo que no vamos a extenderla mucho más. Por otra parte, ya que están en el podio, vamos a explicaros las razones que coronan a los 3 primeros casos.

Mala implementación del faldón de cookies

Parece tan obvio que algunos pensaréis que es imposible que esta sea la razón número uno. ¿Nuestro veredicto? Ojalá fuera así.

Tras ver cientos de proyectos web, hemos llegado a la conclusión de que no se presta la suficiente atención a la aplicación de la Ley de Protección de Datos. Sí, dar un tratamiento transparente y sostenible a los datos es obligatorio, pero ya que lo hacemos… ¿y si lo hacemos bien?

Seguramente estéis pensando en el típico caso de un faldón de cookies bugeado, que bloquea todas / parcialmente las cookies o incluso en el clásico faldón que recarga la página tras aceptar. No vamos a tratar lo obvio. Vamos a casos más “rebuscados”:

Por ejemplo, pensemos en una web con un problema de directo y un faldón que aparentemente está bien implementado. Tras analizar un poco, nos damos cuenta de que el faldón tarda en saltar unos segundos en la home, pero en el siguiente clic aparece instantáneamente (probablemente por mala implementación o una optimización pobre de la carga del sitio). Este pequeño detalle es, seguramente, el culpable de que tengas un flujo de datos mal catalogado.

Os aseguramos que el consent mode es una mina de problemas para la analítica. No vamos a analizar uno a uno los casos porque nos vamos del tema principal. Sin embargo, os invitamos encarecidamente a revisar vuestras implementaciones. ¡Seguro que os encontráis una sorpresa!

Sesiones caducadas

La verdad es que tras años de analítica web ya tendríamos que tener claro cómo funcionan las sesiones web. Hagamos un resumen rápido:

–          Usuario: todo aquel navegador o dispositivo usado por una persona para acceder a un sitio web.

–          Sesión: periodo de tiempo durante el cual los usuarios interactúan con el sitio web teniendo una inactividad de menos de 30 minutos (por defecto).

¿Queda entonces claro que un usuario puede realizar distintas sesiones? Vamos a extrapolarlo a nuestro problema con el directo.

Seguramente muchos de vosotros habréis aplicado la dimensión de página de destino a este canal. Lo primero que habréis visto es que hay un número importante de landings que no deberían pertenecer a este canal: landings con url´s extremadamente largas, páginas de login o páginas de carrito (las preferidas de los admin de ecommerce). Pues bien, en un 95% de los casos (salvo incidencias) los hits que encontramos se producen por sesiones caducadas ante un paso importante en el funnel.

Ejemplo: estamos paseando por la calle, vemos un anuncio sobre un producto interesante, entramos en la web y nos convence la oferta, añadimos al carrito y… lo dejamos ahí hasta que lleguemos a casa y nos lo pensemos. Obviamente, cuando llegamos a casa (horas después) y seguimos donde estábamos, iniciamos una nueva sesión que irá derechita al tráfico directo. ¿Es este canal el origen de la sesión? Sí, técnicamente. Sin embargo, el dato que nos interesa a nosotros es que este usuario entró hace horas a través de un anuncio.

Existen maneras de filtrar estos datos para reducir el impacto de este suceso, aunque lo cierto es que es inevitable que se nos cuele en cierta medida. El mejor acercamiento es ser consciente del origen y buscar soluciones personalizadas (como aumentar el tiempo máximo de sesión, en los casos en los que sea lógico).

Acciones desde canales de consideración

La medalla de bronce del tráfico directo no desmerece para nada el mérito del protagonista: el tráfico proveniente de redes sociales o social ads. Cualquier gestor de data o de paid media sabe que si utilizamos Google Analytics para análisis de datos es inevitable que parte del tráfico de Facebook, Instagram, Tiktok, etc; se vaya derechito a directo.

Existen distintos motivos para ello, pero hay 2 que están intrínsecamente vinculados y destacan sobre todos:

1.   Analytics es una propiedad de Google y el tráfico de estos canales viene de la competencia. ¿Para qué voy a facilitar su lectura?
2.   Una cosa es el tráfico desde el navegador (por píxel) y otra el tráfico desde aplicaciones de terceros. Analytics siempre ha tenido problemas analizando el tráfico estas últimas. Lo cierto es que un correcto etiquetado de UTM reduce mucho este problema, pero no siempre podemos controlar esta dimensión, por lo que es muy fácil que se vaya a directo.

Seguro que muchos estáis pensando en la atribución de conversiones y cómo Google se atribuye la mayoría de las que llegan desde canales de consideración. No vamos a entrar en eso, porque da para post completo… en vez de eso, vamos a daros una buena noticia.

Una de las grandes ventajas de GA4 es que facilita la lectura de datos que tienen su origen en aplicaciones (ojo, facilitar no es solucionar). Un ejemplo sería la API de conversiones de Facebook, fácilmente configurable desde Google Tag Manager.

Sin embargo, de momento recomendamos prudencia ya que tanto GA4 como estas soluciones son relativamente nuevas y probablemente no solucionen todos los problemas. Sin embargo, ¿qué pierdes por ir implementándolas?

Menciones a tener en cuenta

Como os hemos contado previamente, no vamos a analizar uno a uno todos los casos habituales. Sin embargo, finalizamos este punto mencionando al clásico “no excluir las IP´s internas” (sobre todo las de miembros del equipo que gestionan pedidos) o el típico “no dejo de complicar innecesariamente la arquitectura web y luego no hay quien la entienda”.

Lo cierto es que esta lista puede alargarse ad infinitum, por lo que debemos tener un mind set vigilante para detectar incidencias personalizadas según nuestro proyecto.

¿Tienes algún ejemplo que merezca entrar en nuestra Liga de Campeones del directo? ¡Cuéntanoslo!

Tips para analizar el tráfico directo

Ya conocemos a los sospechosos habituales. ¿Nos centramos en cómo desenmascararlos?

Lo primero que tenemos que aclarar es que nuestro objetivo no es eliminar el tráfico directo indefinido, sino controlarlo y entenderlo. Intentar reducir a 0 la incidencia es, literalmente, como ponerle puertas al campo: hay tantas variables que no podemos controlar que es una pérdida de tiempo obsesionarse con esto.

Dicho esto, aquí os dejamos una lista de métodos que podéis utilizar para analizar el tráfico directo:

Desarrolla una mentalidad crítica y recelosa ante los datos

Si estás pensando que este post es ruido y que tú conoces una forma mejor de afrontar el tráfico directo… ¡felicidades! ¡te queremos en nuestro equipo!

La manera número 1 de interpretar este canal y cualquier segmento de datos es cuestionar absolutamente todo: el origen, el tracking, la atribución de eventos, el cross device, la asistencia de otros canales… en definitiva, la veracidad de los datos.

A la hora de analizar datos en un sitio web nunca podemos hablar de verdades absolutas, puesto que muy pocas veces estamos en un entorno 100% controlado. Normalmente estamos inmersos en un ecosistema en el que estamos expuestos a fuentes externas y en el que dependemos de implementaciones que no suelen depender de nosotros. Siendo así, ¿cómo podemos estar seguros de que lo que estamos analizando es real?

No nos malinterpretéis: esto no quiere decir que todos los datos sean humo. Más bien nos referimos a que debemos desarrollar un espíritu crítico que nos permita separar lo valioso de las interferencias.

Se acabó aceptar el clásico argumento de “es que nuestra marca es muy potente y por eso tenemos mucho directo”.

Extrapola datos. ¡Usa una regla de 3!

Efectivamente, no hace falta un cálculo excesivamente complejo para hacernos una idea de lo que está pasando en nuestro tráfico directo. La idea es la siguiente:

Si tenemos claros los porcentajes de tráfico y negocio que pertenecen a cada canal (excluyendo el directo) durante un periodo de tiempo razonable y estable, podemos extrapolar estos porcentajes al total de directo. El tráfico restante a este cálculo será, aproximadamente, el porcentaje real de este canal.

Vamos con un ejemplo:

Analytics / nuestra herramienta de analítica de confianza nos dice que durante este periodo google / cpc ha aportado un 20% del tráfico, facebook / cpc un 5%, el tráfico orgánico un 40%, email marketing un 3%. Si no hay nada raro dentro de nuestro tráfico directo (nada más raro que el propio canal), ¿no es inteligente pensar que probablemente este reparto se mantenga también en este caso? La respuesta es un sí rotundo… con peros.

Ej: Si 20.000 visitantes únicos son el 100% del tráfico atribuido a Directo, entonces:

20% google / cpc = 4000 visitantes
5% facebook / cpc = 1000 visitantes
40% google / organic = 8000 visitantes
5% email / newsletter = 1000 visitantes
30 otras fuentes + directo puro = 6000 visitantes

Tras haber estudiado decenas de casos similares con herramientas avanzadas de atribución, hemos podido comprobar que efectivamente la mayoría de los casos coinciden con el reparto porcentual. No obstante, aquí entran en juego las incidencias y vicisitudes de cada sitio / negocio online. Cosas como tener mal configurado Analytics, los píxeles de paid media, el faldón de cookies, un mal uso de las utm, etc; pueden hacer que haya canales con un mayor peso de lo habitual. Por lo tanto, este truco solo nos valdrá si nuestros datos son relativamente estables.

¿Y tú? ¿te fías de tus datos?

Bien por las reglas de 3 para tráfico. ¿Y las conversiones?

Si estáis leyendo este artículo seguro que habéis vivido el drama de encontrar 327 conversiones de venta atribuidas a directo, mientras que vuestros canales de paid se hunden en la miseria. Pues bien, el anterior truco es totalmente válido para las conversiones. Sin embargo, para no abandonar la senda del método científico, necesitamos que la muestra sea suficientemente representativa. Todos nuestros respetos a los analistas que quieran probar con 30 conversiones entre 7 canales, pero esto no funciona así.

Si en el caso del tráfico no os hemos dicho un periodo concreto, es porque obtener una muestra relevante es relativamente sencillo. En cambio, para que funcione este caso el periodo debe incluir volumen, estabilidad y cierta lógica dentro del flujo de negocio. Por ello lo lógico es no trabajar menos de un trimestre, un periodo en el que en la mayoría de los casos tendremos cubiertos los 3 puntos.

Sí, negocios con volúmenes altos puede reducir esta cantidad y nuevos negocios o con poco volumen pueden llevarla incluso al año completo. El objetivo aquí es reducir el impacto de factores como la casualidad, la estacionalidad y las incidencias. ¿Puedes asegurar esto con relativa confianza? ¡Felicidades! Puedes repartir tus 327 conversiones.

*Truco final: pongamos que no te fías de tu medición de conversiones / eventos. ¿Tienes disponibles las tasas de conversión de tus canales por separado? (la tasa en Google Ads, Facebook, email…). Usa este truco sobre el tráfico, aplica las tasas de conversión… et voilà! Obtendrás las conversiones estimadas de cada canal dentro de directo. Eso sí, ten en cuenta que al haber medido por separado, no será tan efectivo que tratarlo todo como un único funnel…

¡CRUZA DATOS! Fuentes propias y alternativas a Analytics

Sí, sabemos lo que estáis pensando: no todos los negocios se lo pueden permitir (o se lo quieren permitir), aunque no entender la atribución del tráfico suele salir mucho más caro que pagar una herramienta especializada.

En ese sentido tenemos que deciros que Google Analytics no es, ni debe ser nuestra única vara de medir. Al quedarnos en el ecosistema de Google literalmente estamos incumpliendo el primer punto de esta lista. Por ello, lo primero que debemos hacer a la hora de afrontar un análisis de datos, sobre todo cuando el directo es el protagonista, es cruzar datos de otras fuentes / plataformas.

El ejemplo más claro son nuestros datos internos. Pongamos el caso de una tienda online, de la que Analytics nos cuenta que hemos generado 1000 ventas en el último mes: una cuarta parte de estas atribuidas a directo, otra a orgánico, otra a paid y el resto repartido en otros canales.

Mirando en nuestros datos internos, vemos que de esas 1000 ventas, 800 son de nuevos clientes. Teniendo en cuenta que la tasa de repetición de compra no debe ser excesivamente alta… ¿es lógico que una cuarta parte de los clientes se haya generado en directo? Más teniendo en cuenta que la mayoría deben ser nuevos, ya que es muy difícil que este sea el único canal con recurrencia.

Hay muchas maneras de encarar una metodología para cruzar datos. Nuestra recomendación es, sin duda, que contéis con Analytics + nuestra propia data + una segunda herramienta de análisis (y si lo sazonamos con un Data Studio, mejor que mejor). Si además esta herramienta utiliza un método de análisis o atribución diferente al de Analytics, nos aseguramos que al cruzar conseguiremos un diferencial que nos acercará a “la verdad”.

En ese sentido, lo cierto es que existen muchas alternativas a Analytics, cada una con sus pros y sus contras. Por poneros un ejemplo de probada eficiencia y por quedarnos en casa (¡desarrolladores españoles!), una solución sería Seal Metrics. Esta herramienta de analítica no solo ofrece un vistazo alternativo a nuestro tráfico, sino que apuesta por un modelo cookieless y 100% privacy first (algo a lo que deberíamos estar más que acostumbrados desde hace tiempo).

De por sí, el modelo nos parece lo suficientemente distinto a lo presentado por Google como para considerarlo clave para el cruce de datos. Si a eso le sumamos las potentes herramientas de Seal Metrics para analizar la incidencia entre canales dentro del funnel, nos queda una herramienta ideal para profundizar en nuestros datos.

Si esto no os parece suficiente, hay otros ejemplos a los que podemos acudir. Incluso tenemos algunas opciones gratuitas y de calidad como Yandex Metrica. Esta herramienta no solo es un complemento excelente a Analytics con herramientas específicas para analizar el tráfico directo, sino que es una opción casi obligatoria si queremos suavizar el paso de Universal Analytics a Analytics 4.

¿Hay más opciones? Hay decenas de opciones viables y cada una va a aportar una perspectiva diferente que te ayudará a entender tu data.

En analítica web, igual que en la vida: cuanto más azúcar, ¡más dulce!

Identifica el comportamiento de los usuarios de cada canal

Va, admite que no usas los segmentos de Analytics o que al menos no les estás sacando provecho.

Este es un truco que se basa en el concepto que hemos tratado en el punto 1: utilizar la información cualificada para encontrar patrones en otro canal. O lo que es lo mismo: si yo sé que estadísticamente, la gente que entra, por ejemplo, a través de una campaña de paid media con volumen alto suele comportarse de una manera concreta, ¿no es lógico pensar que pueda encontrarlos en el mar de directo?

Al igual que el aceite y el agua, el tráfico directo puro es extremadamente fácil de excluir de la ecuación. Hablamos de usuarios que nos conocen muy bien, así que por lo tanto:

• Entran a páginas populares como la home, una categoría, un producto / artículo o incluso su panel de usuario.
•  Saben a lo que van, por lo que su porcentaje de rebote es muy bajo
•  Por lo tanto, el tiempo de estancia en web suele ser alto
• Los usuarios suelen ser casi siempre los mismos que visitan varias veces el sitio. Por lo tanto el conteo de Usuarios nuevos suele ser bajo, comparado con el de sesiones.

Siguiendo esta lógica, todo dato dentro de directo que se salga de esta regla debe ser tratado con, como mínimo, sospecha.

Obvio decir que Analytics tiene una potente herramienta para crear segmentos de usuarios (y ojo que nuestra compañera Verónica es una crack en el tema). Si trabajamos nuestro tráfico como es debido y separamos a usuarios por comportamiento o intereses, nos quedarán unas bonitas listas con las que podremos saber más de nuestro tráfico directo.

Utiliza la dimensión “Primera fuente / medio del usuario” en GA4

Algún día tendremos el debate sobre si Analytics 4 es “mejor” que Universal. De momento, una de las supuestas mejoras es que GA4 pone el foco en usuario / eventos, por encima del “sesióncentrismo” de Universal. En principio, esto viene a facilitar el trackeo de actividad de usuarios a través de las distintas sesiones. Algo que debería servirnos en este caso, ¿no?

Todo esto cristaliza en métricas que nos ayudan a separar las sesiones de un mismo usuario, tales como “Primera fuente / medio del usuario”, una opción tan básica e importante que no nos explicamos cómo no estaba presente en Universal.

Tal cuál indica su nombre, esta dimensión nos permite filtrar el tráfico directo con el origen del tráfico en su primera sesión. Gracias a esto podemos pescar dentro del temido direct / none y ver qué usuarios vienen de otros canales de adquisición.

¿Es esta métrica la panacea a todos los problemas del directo? Nada más lejos de la realidad. Por lo que hemos podido comprobar en muchos proyectos, GA4 no es capaz de asociar la mayoría de hits a una sesión anterior del usuario. Por lo tanto, esta dimensión solo nos servirá para excavar un poco más en la data.

Recordemos que Analytics 4 es una herramienta todavía en desarrollo. Puede que poco a poco mejore estas funcionalidades… o quizá no. Mientras tanto, ¿quieres conocer otras diferencias entre Universal Analytics y Google Analytics 4?

Y eso es todo sobre el tráfico directo… ¿o no?

Si habéis llegado hasta aquí, ya deberíais ser unos campeones del directo. Pero nos queda recordaros que, nada más lejos de la realidad. Son tantas las variables que pueden definir cada caso que os animamos a usar este artículo como una guía hacia el camino correcto.

La llega de GA4 , el apagón de Cookies, cambios en las leyes de privacidad, actualización de los modelos de atribución y miles de noticias van a cambiar el paradigma de la analítica digital en un futuro próximo. Así que, sabiendo esto:

¿Vas a conformarte con lo que te hemos contado o vas a dominar tus datos? Puedes dar el paso… o también puedes contactar con una agencia experta en el tráfico directo. ¿Conoces alguna?