Ayer mientras tomaba café con @Nansky, ella es analista habamos
sobre los distintos post sobre cómo tratar el not provided. Aquí explico lo que
opino, aunque me gustaría que vosotros comentarais como lo haríais y a ver si
sacamos más conclusiones.
Por un lado, está en cómo asignamos el reparto a términos de
marca y no marca. Realmente con un tanto por ciento es válido, si suponemos
durante este período un X visitas que
llegan con términos de marca de un total
de visitas T, entonces T- X son términos genéricos, calculamos porcentajes del
total y asumimos las misma distribución para los not provided que para el resto
de valores, (lo cual puede ser un error, pero menos da una piedra).
Como apuntan en el blog de Ani Lopez, una media (medida de centralización) sin una
medida de distribución puede ser errónea
(el típico ejemplo de si yo me como dos pasteles, tú ninguno, la media nos dice
que cada uno nos hemos comido uno) aunque en este caso salvo cosas puntuales me
parece acertado.
Luego he leído el blog de Lakil está más
desarrollado hay algo que no me convence, el primer método que propone es la
intuición, vemos las landings a las que se distribuye los not provided y en
función de la optimización podríamos hacernos una idea.
Según explica en su blog,
podríamos ver que palabras generan tráfico y a esas palabras, en función
de su peso (número de veces) asignarles parte del not provided de forma
proporcional. Pero esto, ¿realmente sirve?
Este modelo puede ser bueno, si no existe long tail ¿ y si tenemos que el 40% del tráfico de
nuestra web es long tail, y distribuimos las palabras clave en función de las
repeticiones? pues puede que al long tail no llegue nada de la cantidad de
palabras not provided y ese long tail,
sería bastante representativo. Asignaríamos el long tail donde no corresponde.
Asimismo, siempre hablamos de conversiones, y aquí el tema puede
ser más complejo, si el 60% de las conversiones viene por long tail, cosas que
puede ocurrir, dado que suelen ser búsquedas más específicas ¿asignamos las
conversiones a?
Creo que quizás el enfoque más acertado de momento, sea
tratarlo como una métrica nueva, como si se tratara del tráfico directo, como comenta Sergio Simarro. Ver tasas de rebote, tiempo de permanencia,
etc y actuar en consecuencia.
De todas formas si representa el 10-15% del tráfico y
tenemos suficiente tráfico quizás, una muestra del 85% sea representativa y
tengamos información suficiente, asimismo, si tenemos en cuenta la asignación
de tráfico igualmente distribuido, podremos ver si las acciones SEO están
teniendo su efecto en un período de tiempo en un aumento del tráfico no de
marca, como apuntaba al principio de este post.
Y me surgen dudas, sobre cómo podríamos sacar perfiles de
usuarios en función del not provided, porque ahí perdemos el long tail, que es
lo que más información puede darnos, la solución cuesta dinero, concordancia
amplia en adwords y ver que ocurre...
