Web Analytics o Analista digital o analítica Web
Haciendo una búsqueda en tres bases de datos científicas internacionales aparecen muy pocos artículos relacionados con esta materia en español, utilizando los términos analítica web o analista digital. Si se realiza la búsqueda en inglés, título: Web Analytics, en Scopus hay registrados 0 artículos, en Web os Science 412 en acceso abierto y en Science Direct, Research articles 1,431 artículos encontrados.
En esta redacción se utilizará como fuente de documentación o bibliografía los registrados en el área de Communication, siendo un total de 58 + 156 resultados en una de las bases de datos científicas (con el título exacto Web Anaytics, artículo de investigación y open access). Se ha consultado los artículos científicos registrados en Web of Science con mayor número de citas.
En la consultoría de palabras claves, basándose en la plataforma Sumresh
Fuente: https://es.semrush.com/info/web%20analytics (página web consultada 4 agosto 2019)
A través de Internet se define la analítica Web como la forma de “medición, procesamiento, análisis y reporte del tráfico de internet para entende y optimizar el uso de un sitio web”, según Collado Ramos, Diego, desarrollador de websites (https://miriadax.net/web/analitica-web-5-edicion-/) Fuente consultada 4 agosto 2019. Se trata de optimizar nuestra web para captar más clientes, mejorar las acciones de marketing e identificar a nuestra audiencia tanto como para mejorar nuestros resultados o como para prevenir problemas. Se pueden unir datos unos con otros en un exceso de información, creando perlas de información (también llamadas”insights”). Sus conceptos son la medida (información de interés), métricas (comparación de medidas como por ejemplo, saber cuántos usuarios han llegado a nuestra web y se han ido) y los KPIs (Key Performance indicator: indicadores clave de desempeño o rendimiento), según Pinilla Pérez, Jorge. Puede haber una relación causalidad y correlacional y además, la finalidad es concluir con un Request For Proposal o requerimiento de propuestas y vienen indicados en un plan de marketing previo siguiendo el método SMART (Specific, Measurable, Altainable, Relevant y Time-bound).
Una herramienta para conocer los links internos dentro de la propia web, por ejemplo, podría ser INTERLINKING. En este vídeo hay una pequeña explicación ( 7 minutos) de cómo funciona.
Os dejo un ejemplo de KPI de las Redes Sociales como la calidad de interacción de DivulgaGadici. En Facebook desde el 17 agosto 2017 al 7 de agosto 2019 obtuvo un total de 240 me gustas/ 98 publicaciones x 100 = 244,89 % y con el porcentaje de engagement (número y cantidad de lo unido que está una comunidad con respecto a una marca) de 760/418 = 181,81 %.
Para la medición web se suele utilizar Google Analytics porque «nos ofrece una enorme cantidad de información valiosa para nuestro negocio de forma completamente gratuita» y porque «es de Google, uno de los socios a los que más nos interesa contentar en nuestra aventura digital» Pinilla Pérez, Jorge Analítica Web 5º edición Página web consultada 4 agosto 2019. Se usará una cuenta de Google, gmail, para ello.
En un artículo de la base de datos científica Web of Science, los investigadores se pusieron como objetivo «explorar la viabilidad de medir el impacto social y la atención pública a los artículos académicos mediante el análisis de los rumores en las redes sociales, explorar la dinámica, el contenido y el momento de los tweets en relación con la publicación de un artículo académico, y explorar si estas métricas son lo suficientemente sensibles y específicas como para predecir artículos altamente citados» realizado por Eysenbach, G (2011: 1). Ha obtenido 530 citas computando todas las bases de datos científicas. «Las citas son la base de métricas como el índice h y sus derivados, que se utilizan para evaluar la productividad y el impacto de los investigadores individuales, o el factor de impacto, que se utiliza para evaluar el impacto científico de las revistas» (2011:1). En este artículo, este autor utiliza la base de datos Twitter para su investigación, utilizando nuevas formas de métrica aprobadas por Journal of Medical Internet Research (JMIR) y comparando con las citas de los artículos de Scopus y Google Scholar entre el 24 de julio de 2008 y el 20 de noviembre de 2011. «Las revistas de la Biblioteca Pública de Ciencias (PLoS) ponen a disposición algunas métricas de impacto a nivel de artículo, que los académicos han comenzado a analizar , pero PLoS solo recientemente ha comenzado a contar tweets» (2011:2). Llama una cita en un tweet (mencionando la URL de un artículo de revista) una «tweetation«. Comenta que existen formas de medida en la web 2.0 como son Mendeley y CiteULike. Estas métricas de infodemiología (altmetrics) se puede utilizar para evaluar conceptos como popularidad, zumbido, impacto social o captación de nueva información. «Una medida estándar del factor twimpact para un artículo en Twitter es el número absoluto y acumulativo de tweetations que un artículo recibe el día 7 después de la publicación» (métrica tw7, 2011:4).
otro artículo comenta con herramientas de medición que «El marco CituPulse admite la creación de servicios de ciudad inteligente por medio de un sistema distribuido para descubrimiento semántico, análisis de datos e interpretación (casi) en tiempo real datos de Internet de las cosas y flujos de datos de redes sociales. Las ciudades siempre han enfrentado una demanda de sus ciudadanos para brindar servicios que respalden una calidad de vida mejorada de servicios» Dan Puiu, Payam Barnaaghi y otros (2016:1). Entre los objetivos que se fijan en el análisis de datos es crear un módulo de soporte de decisiones y programación de respuestas (ASP). En este artículo se puede aprender sobre ejemplos de otras ciudades como Dinamarca, Chicago, San Francisco o Singapur que ha implantado sensores para detectar la aglomeración de tráfico mediante GPS integrados en los taxis. Suelen utilizar los ecosistemas de IoT y varios dispositivos sensoriales para recopilar datos continuos de las ciudades y/o los supertrees que recopilan datos ambientales como la lluvia, la calidad del aire o la temperatura. También, los soportes de nivel API se usan para las aplicaciones de ciudades inteligentes en el marco de CituPulse. Estos datos se vuelcan en contenedores de datos según los autores Dan Puiu, Payam Barnaaghi y otros (2016). Artículo con un número de citas de 54 en la base de datos Web of Science.
Las economías en transición de Europa del Este presentan oportunidades tienen una gran cantidad de consumidores jóvenes expertos en tecnología. «Analizando la analogía de la “CARRERA IDITAROD” desarrollamos tres “diseños de Sled DogTeam” diferentes para las características y tecnologías del mercado para tres países de Europa del Este, a saber, Eslovaquia, Bulgaria y Albania. Las diez características del mercado incluidas en nuestra investigación son: división de la conectividad digital, poder económico, tipo de demanda, leyes de privacidad, demografía y condiciones competitivas, actitud hacia la tecnología, madurez institucional, responsabilidad social corporativa y corrupción» (Dureen Jayarama, Ajay K. Manraib, Lalita A. Manraib, 2015:118). Trata sobre cómo las nuevas tecnologías intervienen en el marketing y después de esta investigación se sacan valores standars para los vendedores. Cubren las redes sociales, videos en línea, aplicaciones móviles, blogs, comunicados de prensa y el marketing viral (2015). Un estudio de Hieronimus y Kullmann, 2013 concluye que «en el análisis de 100 grandes minoristas europeos de cadenas múltiples identificó que los factores de éxito para el marketing en línea son similares a los del marketing tradicional (fuera de línea)» (2015:130). Este artículo ha sido citado 20 veces en todas las bases de datos.
Eun-Ju Lee 1 y Edson C. Tandoc Jr. escriben un artículo sobre la interacción de los consumidores de noticias en red. Ha sido citado 17 veces contando todas las bases de datos. «Este ensayo revisa la investigación cada vez mayor sobre cómo la audiencia se alimenta de nuevo en línea, una forma híbrida de comunicación interpersonal y masiva, altera varias etapas de la producción de noticias e influye en la forma en que las personas seleccionan, procesan y dan sentido a la Noticias» (2019:1). «Definimos audi comentarios en línea como reacciones de los usuarios de noticias a las noticias, comunicadas a través de varios Plataformas basadas en Internet, como sitios web de noticias, agregadores de noticias sociales y noticias páginas de redes sociales de organizaciones o usuarios individuales» (2019:437). «Los comentarios de los usuarios han estado en el centro de atención de los académicos de comunicación, en parte porque representan una forma híbrida de comunicación masiva e interpersonal» (2019:445). Por este motivo, se han creado nuevas roles como las redes sociales monitor encargado de monitorear e involucrar a las redes sociales en contenido viral examinando la selección de temas, colocación de historias y rendimiento evaluación. «Sin embargo, sigue siendo relativamente desconocido lo que motiva a las personas a iniciar y participar comentarios en línea y noticias compartidas» (2019:442), llamado periodismo participativo. Este artículo ha sido citado 17 veces en todas las bases de datos.
Fuentes:
Analítica Web 5º edición. Miriada X.
Dan Puiu, Payam Barnaghi y otros. CityPulse: Large Scale Data Analytics Framework for Smart Cities, 2016. Digital Object Identifier 10.1109/ACCESS.2016.2541999 Revista IEEE ACCESS Indexada en Science Citation Index Expanded, Scopus (= +3.5), Copendex, INSPEC, DOAJ.
Eysenbach, G. Can Tweets Predict Citations? Metrics of Social Impact Based on Twitter and Correlation with Traditional Metrics of Scientific Impact 2011 DOI: 10.2196/jmir.2012 Revista JOURNAL OF MEDICAL INTERNET RESEARCH Indexada en Science Citation Index Expanded, Scopus (= +1), ASSIA, Applied Science & Technology Source,Biotechnology Research Abstracts, CINAHL, Computer & Applied Sciences, EMBASE, Library, Information Science & Technology Abstracts (LISTA), MEDLINE, Communication & Mass Media Index, Information Science and Technology Abstracts, Library and Information Science Abstracts, Psycinfo, Social services abstracts, DOAJ. Se puede consultar el artículo en Can Tweets Predict Citations?
Dureen Jayarama, Ajay K. Manraib, Lalita A. Manraib Effective use of marketing technology in Eastern Europe: Web
analytics, social media, customer analytics, digital campaigns and mobile applications 2015 Revista Journal of Economics, Finance and Administrative Science Indexada en Scopus, Academic Search Premier, Fuente Academica Plus, International Bibliography of Social Sciences, Business Source Premier, Business Source Elite, EconLit, DOAJ.
Eun-Ju Lee 1 y Edson C. Tandoc Jr. When News Meets the Audience: How Audience Feedback Online Affects News Production and Consumption 2019 Revista Human Communication Research doi:10.1111/hcre.12123 Indexada en Scopus, Social Sciences Citation Index (= +1), Academic Search Premier, FRANCIS, Periodicals Index Online , Business Source Premier, Education Abstracts, Gender Studies Database, Business Source Elite, ComAbstracts, Communication & Mass Media Index, EBSCO Education Source, Linguistics & Language Behavior Abstracts, MLA – Modern Language Association Database, Psycinfo, Social services abstracts, Sociological abstracts.
¿Quieres participar? Escríbeme!
Gadici, libro de soci@ para escribir en el portal
Pon tus datos y mándalo al email info@divulgagadici.org
En unos días, contactaré contigo.
divulgagadici 