Qué es, para qué sirve y cómo usar y aplicar la Analítica de Comportamiento en el Análisis de Datos
¿Qué es la Analítica de Comportamiento?
El análisis de comportamiento (behavioral analytics) es un área del análisis de datos que se centra en proporcionar información sobre las acciones de las personas.
Es una herramienta que revela las acciones que los usuarios realizan dentro de un producto digital. Registra los datos sin procesar del evento (como los clics en botones o visitas de páginas) en una línea de tiempo del comportamiento de cada usuario, también conocido como viaje o flujo del usuario (customer journey). Estos análisis de comportamiento establecen preferencias concretamente manifestadas de los usuarios y, por inferencia, qué ajustes se pueden hacer (optimizaciones) para que un producto se venda.

El Viaje del Cliente o Customer Journey proyecta en una línea de tiempo el comportamiento de cada usuario para después ser analizado.
¿En qué casos se usa principalmente la analítica comportamental?
El análisis de comportamiento se utiliza en el estudio de negocios de naturaleza digital como los videojuegos, las redes sociales y otras aplicaciones similares. Recientemente está tomando más protagonismo al usarse principalmente en el estudio de las tiendas online y las compras por Internet (E-commerce). El comercio electrónico ha introducido conceptos como los de visitas a páginas de captación (páginas de aterrizaje o “landing pages”), registros (opt-in) embudos de conversión (conversión funnels) y su optimización (CRO – Conversion Rate Optimization).
Con esos estudios se identifican oportunidades para las empresas con el fin de obtener resultados comerciales específicos.
¿Qué tipos de respuestas provee la analítica comportamental?
El análisis de comportamiento puede proporcionar datos a nivel de usuario y a nivel de uso, para que los equipos puedan responder preguntas como:
- ¿En qué hacen clic los usuarios dentro del producto?
- ¿Dónde se atascan los usuarios?
- ¿Cómo reaccionan los usuarios a los cambios de características?
- ¿Cuánto tardan los usuarios desde el primer clic en la conversión?
- ¿Cómo reaccionan los usuarios a los mensajes de marketing?
- ¿Qué anuncios son los más efectivos?
- ¿Puede el equipo empujar a los usuarios para que tengan más éxito?
¿Es sencillo hacer analítica comportamental?
Realizar análisis de comportamiento es más complicado que simplemente ejecutar informes en la herramienta de análisis, pues analizar datos genéricos no produce mágicamente respuestas a problemas no identificados. Primero se debe identificar lo que quieren lograr y escribir los caminos que esperan que los usuarios tomen. Solo con las expectativas preestablecidas pueden los equipos identificar si los usuarios se están desviando del camino ideal y redirigirlos.
¿Cómo se consigue manejar tantos datos?
Gracias al enorme crecimiento de los datos generados por las plataformas de comercio electrónico, los videojuegos en línea, las aplicaciones web y móviles, y el IoT (internet de las cosas), ingresan más datos de los usuarios que nunca y llegan rápidamente, lo que permite a las empresas analizar todo en tiempo real.
Todo.
Desde datos de tráfico, como la ruta de navegación, clics, interacciones en redes sociales, decisiones de compra y capacidad de respuesta de marketing hasta más métricas publicitarias como el tiempo de conversión de clics, así como comparaciones entre otras métricas como el valor monetario de un pedido y la cantidad de tiempo pasado en el sitio.
Estos puntos de datos se compilan y analizan para ver cuándo el usuario ingresó al sitio y compró un artículo u otros artículos que el usuario miró y / o compró.
¿Cómo funciona la analítica comportamental?
El análisis de comportamiento se basa en datos en bruto (raw, sin procesar). Se utilizan los volúmenes de datos en bruto que las personas (o usuarios) crean (dejan huella) mientras están en las redes sociales, en videojuegos o en aplicaciones móviles.
Estos datos se recopilan y analizan, y luego se utilizan como base para tomar ciertas decisiones, incluida la forma de determinar tendencias futuras o actividades comerciales como por ejemplo la colocación de anuncios u otras estrategias. El análisis de comportamiento a veces incluye datos demográficos y geográficos, pero va más allá al perfilar la actividad de un usuario incorporando actos de comportamiento con cualquier información adicional que esté disponible.
Desafíos del Análisis de Datos basado en el Comportamiento y Actos de los Usuarios
Existe una gran ambigüedad sobre la naturaleza de las ideas que produce.
Por ejemplo, los anunciantes en línea usan análisis de comportamiento para ayudarlos a adaptar la oferta correcta en el momento correcto. Esto a menudo se hace utilizando los datos demográficos del usuario, cualquier búsqueda anterior o información social, y un mercado de ubicación para colocar al usuario en un grupo más grande, a veces llamado cohorte o grupo demográfico. Luego, el usuario recibe anuncios u ofertas que coinciden con los anuncios y ofertas que tienen la mayor tasa de éxito con ese grupo.
La analítica conductual puede apoyar una serie de hipótesis diferentes, por lo que el proceso de eliminación proviene de la experimentación y la evaluación. Por lo general, las empresas buscan aumentar las conversiones, por lo que, si el cambio empeora, esa hipótesis puede descartarse a favor de un cambio diferente o ningún cambio.
¿Qué es un test A/B?
Esos procesos de experimentación y la evaluación son los llamados Test A/B. El análisis de comportamiento se usa con mayor frecuencia para alimentar las pruebas A / B en las que se efectúa un cambio cada vez.
A medida que la analítica del comportamiento se ha profundizado y la tecnología para probar múltiples cambios en tiempo real evoluciona, las empresas están mejorando mucho en la orientación a sus usuarios clientes.

Haciendo un sólo cambio a la vez, los Test A/B ayudan a optimizar las conversiones (como registros o ventas después de una combinación de actos de consumo).
Tipos de análisis de comportamiento
Como es de esperar, el análisis de comportamiento generalmente se emplea con el fin de impulsar las ventas, ya sea a través de la colocación de anuncios o productos sugeridos.
Comercio electrónico y venta minorista
Este tipo de análisis de datos ayuda a hacer recomendaciones de productos y tendencias de ventas futuras basadas en los gustos actualmente manifestados en el comportamiento de los consumidores.
Juegos en línea
Esto ayuda a predecir las tendencias de uso y las preferencias para futuras ofertas. A medida que las compañías de videojuegos se alejan de un producto en caja, usan análisis de comportamiento para apuntar a sus jugadores en ventas adicionales específicas en el juego. Las empresas de videojuegos utilizan el modelo freemium, donde permiten instalar el juego en la consola o teléfono móvil y después ofrecen al usuario opciones de pago para avanzar en el juego o usar características o accesorios no disponibles en la versión gratuita.
Desarrollo de Aplicaciones
Las empresas pueden descubrir cómo las personas usan una aplicación para pronosticar tendencias futuras. Al igual que con los análisis de juegos en línea, las compañías ofrecen actualizaciones dentro de la aplicación basadas en patrones de comportamiento.
Seguridad
Este tipo de análisis ayuda a detectar información comprometida al encontrar actividad inusual, y es empleado tanto por agencias gubernamentales como por empresas privadas en todo el mundo.
Análisis de cohortes (cohort analysis): Desglosa a los usuarios en grupos similares para obtener una mejor comprensión de su comportamiento.
Sugerencias
Con ejemplos como “los usuarios que compraron este artículo también compraron este otro”.
Contenido relevante (a medida)
Presentación de contenido relevante en una web o una aplicación (preferencias, grupos de usuarios, etc.) basado en el comportamiento del usuario.
La problemática de la Analítica Conductual
El problema principal concierne principalmente a los derechos de privacidad, pues los datos de los estudio de los comportamientos deben ser tratados para que no identifiquen a los usuarios (y queden anónimos).
Acumular en bases de datos los actos de grandes números de usuarios es delicado, pues hay datos (los que identifican a las personas) que son muy sensibles.
Algunas personas ven esto como intrusivo y demasiado informativo tanto para las compañías de datos como para el gobierno, aunque actualmente confían en este manejo, pues están de acuerdo con los términos cuando compran un artículo, usan una aplicación o navegan por una página web.
Ejemplos conocidos de Analítica Comportamental con Datos
Quizá el más conocido es el caso de Amazon.
Cuando un usuario registrado entra en Amazon, se le ofrece una página de inicio personalizada basada en datos demográficos, compras pasadas (actos), consultas de búsqueda y productos vistos utilizando análisis de comportamiento.
Y cada página de producto le muestra lo que la gente hizo igual después de ver esa página (qué más productos compraron, por ejemplo).
Este tesoro de datos es el verdadero poder detrás de Amazon.

Página de inicio personalizada de Amazon basada en estudios de análisis del comportamiento
¿Qué partes componen un análisis de comportamiento con datos?
Una solución de análisis de comportamiento incluiría:
- Captura en tiempo real de grandes volúmenes de datos de eventos sin procesar en todos los dispositivos y aplicaciones digitales relevantes utilizados durante las sesiones.
- Agregación automática de datos de eventos sin procesar en conjuntos de datos relevantes para acceso rápido, filtrado y análisis.
- Capacidad para consultar datos en un número ilimitado de formas, lo que permite a los usuarios hacer cualquier pregunta comercial.
- Amplia biblioteca de funciones de análisis incorporadas, como análisis de cohorte, ruta (caminos) y embudos.
- Una herramienta, ágil y de fácil manejo, de visualización.
Cómo preparar un estudio de analítica de comportamiento de datos
Seleccionar objetivos, KPI y métricas del negocio
Para determinar si los usuarios están alcanzando los objetivos correctos, como compras o conversiones, se deben seleccionar los KPI y las métricas que indican el progreso hacia esos objetivos.
Por ejemplo, si una app de deportes gana dinero a través de suscripciones mensuales, puede rastrear el crecimiento de suscriptores de pago cuando vaya a vencer el trimestre, ejecutar acciones de marketing y completar de nuevo la secuencia de incorporación.
Definir los viajes de usuario (customer journeys)
Por ejemplo, según el diseño del servicio o la aplicación, ¿cuáles son las rutas más comunes para que los usuarios alcancen sus objetivos? Si el producto ya se lanzó, se pueden usar los datos reales del usuario para responder esta pregunta. Si el producto es de prelanzamiento, se puede usar las simulaciones del flujo esperado o previsto (esto se suele reflejar en documentos llamados wireframes).
Todos los “viajes de los usuarios” deben terminar en algún tipo de resultado deseable para el negocio. Por ejemplo, un sitio web de comercio electrónico puede rastrear a un usuario desde su primera visita a la página hasta agregar un artículo a su carrito de compras para pagar porque ese flujo conduce a la compra.
Otro ejemplo puede ser una aplicación de música que puede rastrear a los usuarios mientras se mueven desde su página de inicio para reproducir una canción y, con suerte, comprar esa canción.
Crear un plan de seguimiento
Según el flujo de usuarios, los equipos pueden decidir qué eventos deberán rastrear dentro del producto digital o aplicación.
Puede ser tentador rastrear todo, pero esto es un error: demasiados datos pueden saturar los procesos de análisis y hacer que la información útil sea más difícil de encontrar. Debemos rastrear eventos buscando maximizar la utilidad de los resultados del análisis.
Algunos eventos contienen, dentro de ellos, múltiples propiedades. El evento para reproducir una canción dentro de una aplicación de música, por ejemplo, podría contener propiedades para el título, género y artista de la canción.
Para mantener organizados los eventos y las propiedades, las empresas suelen crear un plan de seguimiento en una tabla.
Esto actúa como un punto central que recopila todos los eventos y sirve como un mapa para implementar la herramienta de análisis.
Organizar la taxonomía de la analítica de comportamiento
Detrás de cada gran análisis de comportamiento del usuario hay una gran taxonomía de eventos: la forma en que se organiza esta colección de eventos y propiedades que se está utilizando para definir las acciones que las personas pueden realizar dentro de su producto. Piense en la taxonomía de eventos como la base de todos los análisis futuros que realizará con su plataforma de análisis.
Aquí es crucial acertar, pero todo análisis de datos dinámicos debe considerar el aprendizaje como parte fundamental del proceso.
Establecer un identificador único para los usuarios
La mayoría de los productos digitales actuales existen en múltiples plataformas (Web, Email, aplicaciones, interacción en red social, chat, teléfono, etc.) y esto dificulta el seguimiento de usuarios únicos.
Un solo usuario puede parecer que son varias personas a menos que se le asigne un identificador único, ya sea un correo electrónico o una cadena de caracteres, que persiste en todas las plataformas y dispositivos y conecta los puntos de contacto a lo largo de su viaje. Si nuestro enfoque analítico toma como elemento central al usuario, nos debemos asegurar de que la plataforma de análisis de comportamiento proporcione un identificador único que no cambie con el tiempo.
Implementar análisis y comenzar el seguimiento de eventos
Una vez que se completa el plan de seguimiento, se implementa software de análisis de datos de comportamiento y se usa un SDK (kit de desarrollo de software – software development kit) o API (interfaz de programación – application programming inteface) para integrarlo con los productos. Es entonces cuando asignamos un identificador único para los usuarios y configuramos las propiedades de los usuarios y eventos como se describe en el plan que hemos detallado.
No es raro que en la implementación descubramos eventos adicionales que queramos rastrear y no conocíamos antes. Esto no es un problema siempre que se actualice tanto el plan de seguimiento como el servicio de análisis.
Antes de que el sistema de seguimiento se active, los equipos deben usar dispositivos de prueba para verificar que el evento y el seguimiento del usuario se activan correctamente. Una vez que funcionan, estamos listos para comenzar a analizar.
¿Qué criterio debemos seguir para elegir una herramienta de análisis de comportamiento adecuada?
Las mejores soluciones de análisis de datos de comportamiento deben ser muy versátiles y compatibles con muchos sistemas, ofreciendo resultados rápidos.
Deben permitir integrar toda la gama productos digitales, desde aplicaciones de PC y móviles hasta servicios como Chat, CRM, Redes Sociales y soporte al cliente.
Deben tener interfaces amigables e intuitivas que permitan encontrar respuestas rápidamente, y brinden una amplia gama de funcionalidades.
Las herramientas de análisis de comportamiento del usuario deben tener:
- La capacidad de capturar automáticamente puntos de datos de usuarios y eventos.
- La capacidad de acceder a los datos de acceso en tiempo real y consultarlos de varias maneras.
- Informes pre-construidos, como embudos, cohortes y retención.
- Guías, notificaciones automáticas y recomendaciones.
- Un componente de visualización de datos.
Y como extras:
- Calcular la retención de usuarios a lo largo del tiempo
- Ejecutar experimentos y
- Medir el impacto de las nuevas versiones de funciones
Para mencionar algunas, especialmente hacemos mención de las siguientes, si bien una solución completa y adaptada a las necesidades de cada empresa deberá ser programada, al menos en parte:
Google Analytics & Google Tag Manager
Mencionamos Google Analytics (https://analytics.google.com/ ) y Google Tag Manager (https://tagmanager.google.com ) porque, aunque no sean herramienta en sí de Behavioral Analytics, sí permite la configuración de embudos de conversión y analítica de eventos, además de que son de uso gratuito.

Google Tag Manager es una herramienta muy poderosa para la captación de eventos de sitios web que podemos aplicar en el estudio de la analítica del comportamiento de un usuario en la web
Otras herramientas (comerciales)
- Indicative (https://www.indicative.com/ )
- Mixpanel (https://mixpanel.com/ )
- Kissmetrics (https://www.kissmetricshq.com/ )
- Amplitude (https://amplitude.com/ )
- Heap.io (https://heap.io )
En resumen
El análisis de comportamiento se utiliza para rastrear las preferencias de los usuarios y ofrecer o dirigir a ese usuario a contenido específico.
Principalmente se utiliza para atraer clientes potenciales a productos o anuncios específicos.
Algunos usuarios comentan que los sistemas establecidos para recopilar datos son perjudiciales e intrusivos, y les preocupa que todo lo que hacen sea rastreado y monitoreado.
Y como colofón final…
Programación de Eventos HTML con Javascript para Analítica de Comportamiento
Los eventos HTML son «cosas» que le suceden a los elementos HTML durante la navegación de páginas web. Cuando se usa el lenguaje JavaScript en páginas HTML, JavaScript puede «reaccionar» ante estos eventos. Para hacer analítica de comportamiento conviene conocer el lenguaje Javascript.
Eventos HTML controlados por Javascript
Un evento HTML puede ser algo que hace el navegador o algo que hace un usuario. Aquí hay algunos ejemplos de eventos HTML:
- Una página web HTML ha terminado de cargarse
- Un fichero que bajamos de Internet a nuestro PC
- Se cambió un campo de entrada en un formulario HTML
- Se hizo clic en un botón HTML
A menudo, cuando ocurren eventos, es posible que deseemos detectarlos y registrarlos en nuestro sistema de análisis. JavaScript nos permite ejecutar código cuando se detectan estos eventos y HTML permite agregar atributos de controlador y propiedades de eventos.
Para ello, consulte la guía oficial de Google Analytics sobre captura y envío de eventos aquí: https://developers.google.com/analytics/devguides/collection/gtagjs/events