Analizar tus campañas en Twitter te ayudará a mejorar tu comunicación. Existen varias herramientas para hacerlo de manera automatizada, pero a veces es preferible analizarlos datos personalmente para extraer más aprendizajes e información útil para las siguientes campañas.
En este artículo vamos a explicar cómo hacerlo por tres vías:
- Mide el impacto con analíticas web
- Analiza tu campaña con herramientas comerciales
- Captura los datos y haz un análisis avanzado
Mide el impacto con analíticas web
Si el objetivo de tu campaña es conseguir visitas para una web, es básico medirlo con Google Analytics (también puedes usar una alternativa de software libre que es más respetuosa con los datos personales: Matomo). Este es el dato más fiable para evaluar tus resultados. Puedes consultar el número de visitantes en el momento de la campaña y las fuentes de tráfico, para ver si provienen de redes sociales. También tenemos la opción de añadir códigos de seguimiento a las URLs que vayamos a utilizar. Esta opción es muy interesante si vamos a llevar a cabo varias tácticas digitales y medir por separado el tráfico que genera cada una, aunque dirijan a la misma página web.
Ejemplo:
https://www.example.com/?utm_source=correos-verano&utm_medium=correo&utm_campaign=rebajas-verano
Esta técnica tiene el inconveniente de que la URL resultante de añadir los códigos de seguimiento es larga y extraña. Si tu dominio es parte de la imagen de tu campaña, debes priorizar conservarlo. Para evitar este inconveniente, podemos usar acortadores de URLs (tipo bit.ly) o generar subdominios de nuestro dominio y redirigirlos a los enlaces con códigos. Tendremos que consultar con nuestro proveedor web cómo modificar las DNS para hacer estas redirecciones.
Analiza tu campaña con herramientas comerciales
Si disponemos de algo de presupuesto, podemos valorar pagar alguna de las siguientes herramientas:
Con estas herramientas podremos facilitar las palabras clave o hashtags de nuestra campaña y generar fácilmente informes. Por simplicidad/precio recomendamos Twitter Binder. Si te interesan este tipo de herramientas, puedes consultar esta entrada.
Captura los datos y realiza un análisis avanzado
Si tu pasión son los datos, te manejas bien con Excel y quieres exprimir al máximo la actividad que generas en Twitter, te animamos a que hagas un análisis a tu medida. Podrás descubrir muchas más claves y superar las vanity metrics que tanto nos confunden: hay datos mucho más relevantes que ser quien tenga más followers o ver números crecer hacia el infinito. Aprender a realizar este análisis te llevará algo de tiempo, pero las herramientas que aquí facilitamos se han mantenido gratuitas y estables durante bastantes años para realizar análisis ágiles de tamaño pequeño a grande, si te organizas bien.
En primer lugar tendremos que capturar los datos con TAGS. Es una sencilla herramienta que almacena en tu Google Drive los tuits que mencionen las palabras clave de tu campaña. Estos son los pasos que debes seguir:
Te recomendamos que configures la captura de tuits antes de lanzar la campaña o en los tres días siguientes. Para evitar problemas, descarga el Excel antes de alcanzar los 50.000 tuits.
Las posibilidades de análisis cuando disponemos los tuits en un excel son muchas. Estas son algunas de preguntas que podrás responder:
- ¿Cuáles son las palabras más frecuentes?
- ¿Qué impacto hemos tenido?
- ¿En qué momento se han generado más tuits?
- ¿Quién ha participado en la campaña? ¿Quién tiene más seguidores?
- ¿Cuáles son los tuits más retuiteados?
- ¿Qué usuarios han participado en anteriores campañas? ¿Cuáles son nuevos?
¿Cuáles son las palabras más frecuentes?
Tomaremos los datos en la columna “text”. Para tener un listado de palabras, podemos usar herramientas online como Countwordsfree.com. Para hacer una nube de palabras, Nubedepalabras.es es una herramienta sencilla.
¿Qué impacto hemos tenido?
Podemos sacar métricas básicas para evaluar nuestra campaña:
- Número total de tuits: Es igual al número de filas de la pestaña “Archive”
- Número de retuits: Tendremos que hacer un filtro en la columna “text” para quedarnos con los tuits que comiencen por “RT”.
- Número de replies: Filtramos las filas que tengan contenido en la columna “in_reply_to_screen_name”
- Usuarios activos: Copiamos la columna “from user” a otra pestaña, eliminamos duplicados y apuntamos el número de filas total.
- Impresiones potenciales: Es la suma total de todos los followers por cada tuit. Vamos a la columna “user_followers_count” y apuntamos la suma
Aprendizajes y aplicaciones posibles: Puedes calcular estás métricas u otras que evalúen mejor si conseguiste tus objetivos específicos. Podemos comparar estás métricas con campañas anteriores para tener una referencia más certera y que los números cobren más sentido.
¿En qué momento se han generado más tuits?
Para visualizar una línea de tiempo que refleje la actividad necesitamos generar una tabla dinámica (Pivot Table), colocar el filas la columna “time” y en valores “from_user” con una fórmula de recuento. Agrupa los datos por días.
Aprendizajes y aplicaciones posibles: Tras identificar los picos de actividad podrás analizar los mensajes de cada uno y reconstruir la secuencia de eventos relevantes para entender cómo se ha desarrollado la acción. Además, conocerás cuál es el horario de más actividad o receptividad en tu comunidad, y podrás programar tus próximas acciones en sintonía.
¿Quién ha participado en la campaña? ¿Quién tiene más seguidores?
Aquí usaremos la columna “user_followers_count” para ordenar los usuarios de forma ascendente. Podemos tomar esta lista de usuarios, pasarla a un archivo de texto (extensión: txt) y subirla a Audiense Connect para analizarlo. Por ejemplo, podremos obtener nubes de palabras de las bios de los usuarios o seguir más fácilmente a los usuarios que nos interesen.
Aprendizajes y aplicaciones posibles: Las cuentas que participan en nuestras campañas son nuestra comunidad más afín, las alianzas que podemos cuidar y fortalecer. Podemos escribirles para agradecerles, crear una lista (privada) con todas ellas y acordarnos de avisarles por mensaje privado las próximas veces que lancemos campañas o tengamos algo importante que comunicar. Si son muchas, podemos quedarnos solo con las que tengan más seguidores para maximizar esfuerzos.
¿Cuáles son los tuits más retuiteados?
Tendremos que hacer una tabla dinámica donde colocaremos la columna “text” en filas y la columna “from_user” en valores. Usamos una operación de recuento y ordenamos de forma ascendente.
Aprendizajes y aplicaciones posibles: Hacer un análisis cualitativo para entender que dicen los tuits con mayor impacto nos puede dar importantes claves para crear las siguientes campañas. Si sabemos qué contenidos fueron más virales, quiénes los publicaron y cuáles fueron sus características, podemos intentar replicar esas estrategias.
¿Qué usuarios han participado en anteriores campañas?
Cuando analicemos varas de nuestras campañas, podemos comparar varias capturas de tuits. Tomamos las columnas “from_user” de ambas capturas y las comparamos con la fórmula CONTAR.SI. En la tabla de la imagen vemos marcados con un 1 los nombres de usuario que participaron en la “Campaña 2” que también participaron en la “Campaña 1”.
Aprendizajes y aplicaciones posibles: Quienes participan frecuentemente son nuestras alianzas más valiosas. Además, podemos analizar las cuentas nuevas para entender quiénes son y plantear estrategias en próximas campañas para involucrar a sus comunidades.
Para terminar…
Hemos abordado cómo responder a estas seis preguntas para darte unas nociones básicas. Esperamos que a través de ellas puedas realizar tus propios análisis y plantearte nuevas preguntas. Revisa los datos que hay en cada columna para descubrir nuevas posibilidades. Quizás estés interesado en el lugar de los usuarios (Columna: “user location”) o la aplicación que usan para publicar en Twitter (Columna: “source”). Esta última determina mucho el uso que hacen de Twitter los usuarios o los bots. Si tu campaña supera los 5.000 tuits, quizás quieras iniciarte en el análisis de grafos y realizar una red de retuits a partir de estos datos. Explicaremos en otro post cómo procesar de forma sencilla los datos para este tipo de análisis, el cual resulta muy útil para analizar comunidades y dinámicas de comunicación.
En este enlace te mostramos un ejemplo de cómo se pueden presentar estos datos con una herramienta de visualización, Infogram.
