Con la llegada de la API de Google Analytics, muchos me habéis preguntado para qué sirve una API en una herramienta de analítica web.
Una API, de manera breve, te permite realizar consultas a tu herramienta de analítica web y obtener los datos en un formato que automáticamente puede ser incorporado en otras aplicaciones.
Por ejemplo, para un sitio web de venta de vuelos, podríamos mostrar en la home del sitio web los vuelos más vendidos en los últimos 10 minutos. Esto lo haríamos accediendo a la API de la herramienta de analítica web, solicitándole los vuelos más vendidos, y creando un proceso que incoporara esta información de manera automática en la home de nuestro sitio web.
Pero no sólo existen API para extraer datos. También a API nos puede servir para alimentar a nuestra herramienta de analítica web con datos de otras aplicaciones. En este campo, yo conozco la API de Omniture, y como ejemplo de su utilidad voy a resumir un excelente artículo publicado por Adam Greco en el blog de Omniture.
Adam nos explica cómo resolvió el siguiente problema:
“Seguimiento de la actividad en Twitter sobre la empresa Comcast”
Para ello, Adam buscó una solución que combina la API de Twitter con la API de Omniture. En pocas palabras, Adam metió la información de Twitter directamente en Omniture, logrando lo siguiente.
Menciones de la empresa Comcast en Twitter
Podéis ver en el gráfico una evolución de las menciones a “Comcast” en Twitter, comparado con las menciones del mes anterior.
También podéis ver la función de “alertas”: para no tener que consultar siempre este informe, podemos configurar una alerta que nos avise si las menciones de nuestra empresa en Twitter varian en un 20%, por ejemplo.
¿Quién twittea sobre mi?
En este caso, hemos ido un poco más a fondo, y no sólo miramos cuántas menciones tenemos en Twitter, sino quién está realizando estas menciones.
Ahora podríamos clasificar a los usuarios en diversos grupos (por ejemplo, bloggers influyentes, clientes y competidores) y segmentar las menciones que tenemos en Twitter según el tipo de usuario que las realiza.
Si tenemos una subida de bloggers influyentes hablando de nosotros en Twitter, ¡más vale que averiguemos si es por algo positivo o negativo de nuestra marca!
Análisis del texto de los tweets
Finalmente, todavía vamos más en profunidad y analizamos el mismísimo texto de los tweets.
¿Para qué sirve? Por ejemplo, como nos comenta Adam, esto sirve para ver de qué productos de nuestra marca se está hablando más.
En el ejemplo, hemos filtrado todos los tweets sobre el producto TIVO de Comcast.
De este modo, podemos programar una alarma para que nos avise cada vez que nuestro producto TIVO se mencione más de X veces en la última hora, día, semana,…
En resumen
Integrar datos de varias aplicaciones siempre hace nuestros análisis más ricos, porque incorpora contexto para el análisis.
Por ejemplo, en el cuadro de mando de tráfico, no es suficiente con reportar datos de visitas y usuarios únicos. Hay que incorporar datos de lectores RSS y de menciones en Twitter.
¿Qué pasa si el tráfico ha sido estable, pero las menciones en Twitter han crecido un 200%? ¿Es positivo o negativo? ¿Estamos capitalizando la web social?
Si la web es social, nuestros análisis deben tener en cuenta métricas que suceden más allá de las fronteras de nuestro sitio web. De lo contrario, nuestros análisis están sesgados, limitados a lo que sucede en nuestra casa.
Una manera de conseguir análisis más ricos es mediante el uso de las API. No es sencillo de implementar, pero es tremendamente útil y fácil de utilizar para el responsable de marketing.
