Análisis de Segmentos de Sesión y ARPU
Esta guía explica cómo crear segmentos de sesión en Google Analytics 4 para comparar el impacto de Fashion.AI en las métricas de conversión y ARPU (Average Revenue Per User).
Descripción General
Crear segmentos de sesión permite comparar el comportamiento y el rendimiento entre usuarios que interactuaron con recomendaciones de Fashion.AI y aquellos que no, permitiendo medir el impacto real de la herramienta en las conversiones y el carrito.
Métricas Principales
- ARPU (Average Revenue Per User): Ingresos promedio por usuario
- Tasa de Conversión: Porcentaje de sesiones que resultan en compra
- Add to Cart Rate: Porcentaje de sesiones con adición al carrito
- Tasa de Cliques: Porcentaje de visualizaciones que generan clics
Estructura de Segmentos
Vamos a crear 4 segmentos para análisis comparativo:
- Purchase CON Fashion.AI: Sesiones con compra E interacción con Fashion.AI
- Purchase SIN Fashion.AI: Sesiones con compra PERO sin interacción con Fashion.AI
- Add to Cart CON Fashion.AI: Sesiones con add to cart E interacción con Fashion.AI
- Add to Cart SIN Fashion.AI: Sesiones con add to cart PERO sin interacción con Fashion.AI
Creando los Segmentos
Segmento 1: Purchase CON Fashion.AI
Este segmento identifica usuarios que realizaron una compra E interactuaron con Fashion.AI.
Paso a Paso
-
Acceda a Google Analytics 4
- Vaya a Explorar > Crear una exploración en blanco
-
Crear el Segmento
- En la pestaña Variables, haga clic en + junto a Segmentos
- Seleccione Crear un segmento personalizado
- Elija Segmento de sesión
-
Configurar las Condiciones
- Nombre:
Purchase CON Fashion.AI - Agregue un grupo de condiciones con operador Y entre los grupos:
Grupo 1: Tuvo Purchase
purchaseGrupo 2: Interactuó con Fashion.AI
fashionai_click - Nombre:
-
Guardar el Segmento
- Haga clic en Guardar y aplicar
Segmento 2: Purchase SIN Fashion.AI
Este segmento identifica usuarios que realizaron una compra PERO NO interactuaron con Fashion.AI.
Paso a Paso
-
Crear Nuevo Segmento
- En la pestaña Variables, haga clic en + junto a Segmentos
- Seleccione Crear un segmento personalizado
- Elija Segmento de sesión
-
Configurar las Condiciones
- Nombre:
Purchase SIN Fashion.AI - Agregue un grupo de condiciones con operador Y entre los grupos:
Grupo 1: Tuvo Purchase
purchaseGrupo 2: NO Interactuó con Fashion.AI, haga clic en "Agregar Grupo de Exclusión"
fashionai_click - Nombre:
-
Guardar el Segmento
- Haga clic en Guardar y aplicar
Segmento 3: Add to Cart CON Fashion.AI
Este segmento identifica usuarios que agregaron al carrito E interactuaron con Fashion.AI.
Paso a Paso
-
Crear Nuevo Segmento
- En la pestaña Variables, haga clic en + junto a Segmentos
- Seleccione Crear un segmento personalizado
- Elija Segmento de sesión
-
Configurar las Condiciones
- Nombre:
Add to Cart CON Fashion.AI - Agregue un grupo de condiciones con operador Y entre los grupos:
Grupo 1: Tuvo Add to Cart
add_to_cartGrupo 2: Interactuó con Fashion.AI (use operador O entre las condiciones a continuación)
fashionai_addtocart (productos similares y vitrinas)
O
fashionai_addtocart_shopthelook (botón de compre el look en la página de producto) - Nombre:
-
Guardar el Segmento
- Haga clic en Guardar y aplicar
Segmento 4: Add to Cart SIN Fashion.AI
Este segmento identifica usuarios que agregaron al carrito PERO NO interactuaron con Fashion.AI.
Paso a Paso
-
Crear Nuevo Segmento
- En la pestaña Variables, haga clic en + junto a Segmentos
- Seleccione Crear un segmento personalizado
- Elija Segmento de sesión
-
Configurar las Condiciones
- Nombre:
Add to Cart SIN Fashion.AI - Agregue un grupo de condiciones con operador Y entre los grupos:
Grupo 1: Tuvo Add to Cart
add_to_cartGrupo 2: NO Interactuó con Fashion.AI, haga clic en "Agregar Grupo de Exclusión"
Nombre del evento | no coincide exactamente | fashionai_addtocart
O
Nombre del evento | no coincide exactamente | fashionai_addtocart_shopthelook - Nombre:
-
Guardar el Segmento
- Haga clic en Guardar y aplicar
Configurando el Análisis Comparativo
Agregar Métricas
En la sección Métricas de su exploración, agregue:
- Sesiones: Métrica estándar
- Usuarios activos: Para calcular ARPU
- Transacciones: Número de compras
- Ingresos: Ingresos totales
- Eventos add_to_cart: Total de adiciones al carrito
- Tasa de conversión: Porcentaje de conversión
Agregar Dimensiones
En la sección Dimensiones, agregue:
- Nombre del segmento: Para comparar los segmentos
- Fecha: Para análisis temporal
- Origen de la sesión: Para análisis de canal
Crear Tabla de Comparación
-
Configurar la Tabla
- Formato: Tabla
- Filas: Nombre del segmento
- Valores: Todas las métricas agregadas
-
Agregar Columna Calculada para ARPU
- Haga clic en Métricas > Agregar métrica calculada
- Nombre:
ARPU (Average Revenue Per User) - Fórmula:
Ingresos / Usuarios activos - Formato: Moneda
-
Agregar Columna Calculada para Tasa de Add to Cart
- Haga clic en Métricas > Agregar métrica calculada
- Nombre:
Tasa de Add to Cart - Fórmula:
Eventos add_to_cart / Sesiones - Formato: Porcentual
-
Agregar Columna Calculada para Tasa de Cliques (CTR)
- Haga clic en Métricas > Agregar métrica calculada
- Nombre:
CTR Fashion.AI (%) - Fórmula:
Eventos fashionai_click / Eventos fashionai_view - Formato: Porcentual
- Importante: Esta métrica muestra cuántos usuarios que vieron las recomendaciones realmente hicieron clic
-
Agregar Columna Calculada para View Rate
- Haga clic en Métricas > Agregar métrica calculada
- Nombre:
View Rate (%) - Fórmula:
Eventos fashionai_view / Sesiones - Formato: Porcentual
- Importante: Esta métrica muestra qué porcentaje de usuarios se desplazaron hasta ver las recomendaciones
Interpretando los Resultados
Análisis 1: Comparación de Purchase
Compare los segmentos Purchase CON Fashion.AI vs Purchase SIN Fashion.AI
| Métrica | Purchase CON Fashion.AI | Purchase SIN Fashion.AI | Diferencia |
|---|---|---|---|
| Sesiones | 5.000 | 8.000 | - |
| Usuarios | 4.200 | 6.500 | - |
| Transacciones | 5.000 | 8.000 | - |
| Ingresos | $ 125.000 | $ 120.000 | - |
| ARPU | $ 29,76 | $ 18,46 | +61% |
| Ticket Promedio | $ 25,00 | $ 15,00 | +67% |
Insights Esperados:
- Usuarios que compran después de interactuar con Fashion.AI tienden a tener un ARPU mayor
- El ticket promedio superior indica que las recomendaciones influyen en el valor de la compra, sugiriendo piezas que el cliente realmente comprará
Análisis 2: Comparación de Add to Cart
Compare los segmentos Add to Cart CON Fashion.AI vs Add to Cart SIN Fashion.AI
| Métrica | Add to Cart CON Fashion.AI | Add to Cart SIN Fashion.AI | Diferencia |
|---|---|---|---|
| Sesiones | 12.000 | 25.000 | - |
| Usuarios | 10.000 | 20.000 | - |
| Add to Cart | 15.000 | 30.000 | - |
| Transacciones | 3.600 | 5.000 | - |
| Tasa de Conversión | 30% | 20% | +50% |
| Elementos por Sesión | 1,25 | 1,20 | +4% |
Insights Esperados:
- Usuarios que agregan al carrito con Fashion.AI convierten más
- La mayor tasa de conversión indica mejor calidad de las recomendaciones
- Fashion.AI aumenta la intención de compra
Análisis 4: Enganche con Recomendaciones (View vs Click)
Este análisis es crucial ya que las recomendaciones generalmente están al final de la página.
Importante: El evento
fashionai_viewsolo se dispara cuando las recomendaciones están visibles en el viewport (scroll tracking), no cuando solo se cargan en la página. Esto significa que este evento ya mide cuántos usuarios realmente vieron las recomendaciones.
Dashboards e Informes
Dashboard 1: Descripción General de Purchase
- ARPU: Purchase CON vs SIN Fashion.AI
- Volumen de transacciones por segmento
- Ticket promedio comparativo
- Ingresos totales por segmento
Dashboard 2: Análisis de Add to Cart
- Tasa de add to cart: CON vs SIN Fashion.AI
- Tasa de conversión de carrito a compra
- Elementos promedio por carrito
- Abandono de carrito comparativo
Dashboard 3: Embudo de Conversión
Visualización del embudo completo:
Sesiones
↓
Visualizaciones Fashion.AI
↓
Clics Fashion.AI
↓
Add to Cart
↓
Purchase
Con métricas de conversión en cada etapa para ambos grupos.
Preguntas? Consulte la documentación de Google Analytics 4 o Google Tag Manager.