Todos los que trabajamos en el ámbito de la analítica digital sabemos que la conservación adecuada del histórico de datos es fundamental para comprender tendencias, patrones y cambios a lo largo del tiempo. Por este motivo, debemos tomarnos muy en serio el anuncio de Google de que Universal Analytics dejará de ser accesible el 1 de julio de 2024.
A partir de esta fecha, todos los datos que no hayamos exportado o migrado a otra plataforma desaparecerán para siempre y perderemos ese valioso histórico que puede ayudarnos a tomar muchas decisiones estratégicas.
Repasemos fechas
El 1 de julio de 2023 empezaron a dejar de recoger datos todas las propiedades de Universal Analytics estándar. Pero estos datos siguen estando accesibles… por poco tiempo.
Google ha dado la fecha de lo que era la crónica de una muerte anunciada: a partir del 1 de julio de este mismo año no se podrá acceder a ninguna propiedad de UA ni a su API y todos los datos serán eliminados. Y por si nos queda alguna duda de si esta vez cumplirá con las fechas anunciadas, nos lo dejan bien claro en la documentación oficial:
Si bien la retirada de las propiedades estándar tardó semanas en completarse, la retirada total de Universal Analytics solo tardará una semana en completarse.
Vamos, que no esperemos un tiempo de prórroga, porque esta vez parece que no va a ocurrir.
Por qué necesitas tu histórico de Universal Analytics
¿Es tan importante mi histórico? Sí, sin duda alguna.
Conservar y acceder a datos históricos de Universal Analytics no solo es importante para comprender el pasado, sino también para informar decisiones estratégicas y planificar el futuro de manera efectiva.
Tener la opción de seguir consultando nuestros datos anteriores a 2023 nos permite:
- Comprender el rendimiento del sitio web: los datos históricos de Universal Analytics contienen información crucial sobre el tráfico, tasas de rebote, tasas de conversión y otros indicadores clave de rendimiento del sitio web, permitiendo una evaluación exhaustiva de su desempeño a lo largo del tiempo.
- Comparar la rentabilidad de campañas de marketing pasadas: podemos cotejar el rendimiento de campañas de marketing anteriores, identificar estrategias exitosas y replicarlas en futuras campañas, lo que contribuye a mejorar la eficacia y el retorno de la inversión (ROI), a optimizar el presupuesto de marketing y a asignar recursos de manera eficaz.
- Analizar patrones estacionales: los datos históricos ayudan a comprender patrones estacionales y tendencias recurrentes, lo que permite aprovechar los picos de temporada alta y ajustar las estrategias durante los períodos más lentos para optimizar los resultados.
- Evaluar el impacto de cambios en el sitio web: al conservar datos históricos, es posible evaluar cómo los cambios en el diseño, la estructura o el contenido del sitio web han afectado el rendimiento a lo largo del tiempo, lo que proporciona información valiosa para la toma de decisiones futuras.
- Planificar el crecimiento futuro: mediante el análisis de patrones y tendencias en los datos históricos, es posible identificar oportunidades para expandir la audiencia, dirigirse a nuevos mercados o desarrollar nuevas estrategias para impulsar el crecimiento del negocio a largo plazo.
Cómo puedo conservar mi histórico de datos de Universal Analytics
Vamos a explorar tres métodos para conservar los datos de UA, con diferentes grados de detalle, de dificultad y de presupuesto invertido.
La elección de uno u otro dependerá en gran medida de la granularidad y la profundidad de los datos requeridos para el análisis, así como del volumen de datos involucrado y de cómo se pretende explotar esa información en el futuro.
1. Descarga manual de informes
El método más sencillo para conservar el histórico de UA es la descarga directa de los informes desde la propia herramienta.
Para hacerlo, seguiremos los siguientes pasos:
- Escoger qué informes vamos a descargar.
- En cada uno de los informes, elegir el rango de fechas y la granularidad temporal.
- Solo se exportarán las filas que se muestren, así que es necesario ampliar al número de filas de que disponga el informe (hasta un máximo de 5.000).
- Y por último, exportamos los datos en el formato más adecuado para su tratamiento posterior (generalmente, Hojas de cálculo de Google, Excel o CSV).
Ventajas
La gran ventaja de este método, además de que es totalmente gratuito, es que no requiere de grandes conocimientos técnicos.
Inconvenientes
Cada informe, como hemos visto, está restringido a 5.000 filas.
Además, podemos usar solo dos dimensiones a la hora de analizar los datos. Si usamos informes personalizados, sí podremos utilizar más dimensiones, pero es probable que nos encontremos con muestreo.
2. Con el complemento de Hojas de Cálculo de Analytics
En este caso, utilizaremos el complemento de Hojas de cálculo de Google Analytics, lo que nos permitirá automatizar en cierta manera la exportación de los datos de diferentes vistas.
Pasos a seguir:
2. Os recomendamos utilizar esta plantilla que nos proporciona Google.
3. Añadimos, en la fila 3, el ID de la vista cuyos datos queremos extraer. En las filas 4 y 5 actualizamos las fechas y en las filas 6 y 7, las métricas y dimensiones que queremos obtener.
4. Además, podemos añadir un nuevo informe si queremos datos no incluidos en la plantilla.
5. Por último, ejecutamos los informes:
Ventajas
Como la solución anterior, este método no requiere de inversión en herramientas de pago. Además, es más rápida y consumirá menos tiempo de trabajo, pudiendo extraer los datos de varias vistas con mayor facilidad.
Inconvenientes
Nos encontramos con el límite de 10 millones de celdas de Google Sheets (para vistas con muchos datos puede ser un problema).
Además, igual que en el primer método, el uso posterior de los datos estará limitado por la falta de acceso a la información en bruto y a que debes combinar las métricas y dimensiones disponibles en una única consulta.
3. Exportación de los datos a BigQuery
El último método que os proponemos es exportar los datos a través de la API de Google Analytics. Para ello, necesitaremos un desarrollo a medida o utilizar uno de los conectores disponibles en el mercado (el más conocido es Supermetrics).
De esta manera, podremos extraer los datos directamente a BigQuery, con mayor profundidad y granularidad de los datos.
Los conectores suelen ofrecer ventajas como la partición de los datos para evitar el muestreo, la posibilidad de crear fácilmente informes personalizados o dimensiones avanzadas no disponibles en los informes nativos.
Ventajas
Como hemos comentado anteriormente, la principal ventaja de este método es que obtendremos muchos más datos que con los anteriores, por lo que es altamente recomendable para organizaciones con un volumen de información grande.
Inconvenientes
El precio de los conectores no suele ser económico.
En conclusión, la conservación del histórico de datos en Universal Analytics es fundamental para comprender el rendimiento pasado y futuro de un sitio web. Cada uno de los métodos que hemos analizado tiene ventajas y limitaciones, y la elección del enfoque adecuado dependerá de las necesidades específicas de cada caso. Desde la disponibilidad de datos en bruto hasta la flexibilidad en el análisis, es crucial considerar diversos factores al tomar decisiones sobre la conservación de datos.
Si necesitas ayuda para conservar tu histórico de Universal Analytics, en aditu podemos ayudarte a escoger el método más adecuado para tu organización, y a exportar y visualizar la información de UA.
