Si en nuestro proyecto estamos realizando una campaña de tipo VOC, analizando los datos recogidos con iPerceptions como eventos desde Google Analytics podemos combinar los resultados de la encuesta de satisfacción con el análisis clickstream y las posibilidades de extraer información valiosa son muy interesantes.
Algunas son muy evidentes, como por ejemplo conocer las búsquedas internas realizadas y el rebote de aquellos usuarios que dicen haber conseguido su objetivo en la encuesta. En este caso si el usuario busca y después confirma que ha cumplido su objetivo, podemos extrapolar un dato de cumplimiento de objetivos muy certero.
Por otra parte podemos conocer el porcentaje de conversión de los usuarios con distintos propósitos de visita lo que nos ayudaría a identificar para que objetivos funciona mejor nuestro sitio.
También podríamos relacionar esa ratio de conversión con el grado de satisfacción para comprobar en qué grado le afecta.
Un dato simple pero muy útil sería el de comparar el rebote de los usuarios satisfechos con el de los insatisfechos, para tener una referencia de las cifras que debemos considerar relevantes respecto esta métrica en el resto de análisis del sitio.
Podríamos comprobar cuales son las búsquedas realizadas por los usuarios que se han manifestado insatisfechos y no han cumplido su tarea. Esto nos ayudaría a identificar carencias en el contenido o en el funcionamiento del buscador.
Otro dato interesante sería el de conocer la cantidad de páginas vistas/sesión que consumen aquellos que reconocen haber cumplido su propósito y compararlo con el de los que no lo cumplen. Esto nos ayudaría a reconocer algún problema en la arquitectura de la información.
En este mismo sentido nos ayudaría conocer la duración de la sesión de los que cumplen su tarea frente a la de los que no la cumplen, para ver si existen diferencias relevantes.
Por ejemplo, un % alto de usuarios con una duración de sesión alta, que no completan su tarea, con un número de páginas vistas superior a la media y una grado de satisfacción bajo puede indicar que la estructura de la web no es lógica para ese objetivo, pero si el grado de satisfacción es alto puede significar que el usuario se distrae con otros CTAs menos relevantes para la tarea inicial.
Un dato valioso sería el de segmentar los datos de las encuestas solo para las nuevo usuarios del sitio y comprobar si se presentan diferencias respecto a la experiencia de los usuarios que ya lo conocían anteriormente en el cumplimiento de las tareas.
Respecto a los abandonos, podríamos conocer cuáles son las páginas de salida de los usuarios que no han completado su tarea para identificar páginas que se convierten en callejones sin salida para el usuario.
Podemos aplicar segmentos avanzados y llegar a saber qué páginas visitaron los que han contestado a la encuesta y entender cómo siguieron exactamente el embudo de conversión los casos recogidos. Esto puede ayudarnos a optimizarlo descubriendo sus puntos débiles.
También podríamos ver si existe alguna relación entre el grado satisfacción del usuario, el medio del que proviene la visita y el cumplimiento del objetivo, segmentando los resultados de la encuesta en función del medio.
Un aspecto muy interesante sería el de cruzar los datos de la encuesta para test a/b valorados desde analytics, y poder tener en cuenta como criterio de éxito no solo el índice de conversiones o el rebote, por ejemplo, sino descubrir directamente como afectan las versiones a la experiencia del usuario.
Como vemos, las posibilidades son infinitas, tan solo limitadas por las necesidades reales del proyecto, recuerda intentar mantenerlo siempre simple u que aporte información que podamos traducir en decisiones.
