Nota:

Lukas Oldenburg, director de analíticas y localización de Siroop, en Zurich, ha contribuido a este artículo.

Nota:

¿Tiene preguntas sobre Adobe Analytics? Pregunte a la comunidad

Si el análisis de su tienda en línea se detiene con el pedido, quiere decir que se queda corto. Algunos grupos de productos, como el de Moda, suelen tener altas tasas de devoluciones, por lo que mirar los reembolsos puede darle una visión diferente de su tienda y del rendimiento de marketing

¿Qué son los reembolsos?

Los reembolsos son pedidos que fueron total o parcialmente reembolsados, ya sea que el cliente haya devuelto uno o todos los productos de un pedido (devoluciones) o que el pedido haya sido cancelado (cancelaciones) debido a fraude, incapacidad para entregar el producto, cambio de opinión por parte del cliente, rechazo por parte del banco u otras razones.

Implementación del seguimiento de reembolsos

En primer lugar, necesita una exportación desde su sistema de tienda con todos los ID de pedido (también llamados ID de transacción), los mismos ID de producto que utiliza en sus herramientas de Analytics, el precio de compra por producto, los ingresos reembolsados y, si desea distinguir entre Cancelaciones y Devoluciones, el motivo del reembolso. A continuación le mostramos un ejemplo de cómo podría verse tal exportación:

1

Antes de importarlos a la herramienta de Analytics, asegúrese importar únicamente los ID de pedido que las herramientas de Analytics pudieron rastrear, ya que los bloqueadores de publicidad suelen bloquear algunas solicitudes de Analytics. 

1. Rastree las compras en su sitio con las variables estándar de comercio electrónico (s.products, s.purchaseID, el evento "compra") MÁS s.transactionID (contiene el ID de pedido que identifica el mismo en sus importaciones de reembolsos, normalmente el mismo que s.purchaseID).

2. Pídale al servicio de atención al cliente que active el registro de ID de transacción. La operación tarda entre uno y dos días. Le permite vincular cualquier acción en línea rastreada con s.transactionID a cualquier otra acción fuera del sitio (por ejemplo, un reembolso, una compra en una tienda física después de un posible cliente en línea, aperturas de cuentas bancarias aprobadas después de formularios de posibles clientes potenciales en línea, etc.). Más adelante veremos en detalle lo que esto significa.

Después de la activación, debería ver este texto en su pantalla de inicio de Fuentes de datos (vaya a Administración -> Fuentes de datos):

2

3. Cree una Fuente de datos genérica (ID de transacción). Consulte la guía sobre Fuentes de datos, especificaciones sobre fuentes de datos de ID de transacción aquí. Teóricamente, puede importar cualquier métrica y dimensión que desee. El único campo obligatorio es el propio ID de transacción. Aunque sea muy flexible, requiere que primero piense qué es exactamente lo que necesita y en qué formato debería estar. En nuestro caso, las plantillas que creamos para importar son más o menos como las que se muestran a continuación:

3

Las primeras tres filas se pueden descargar después de pasar por el Asistente de creación para fuentes de datos, las filas siguientes, las cuales contienen los datos, las tiene que rellenar usted. 

Fecha: momento en el ocurrió la operación (en formato MM/DD/AAAA)

Motivo del reembolso: cancelación o devolución SKU de producto: identificador único de producto

Reembolso de ingresos: suma total reembolsada para este producto (no la suma por producto)

Pedidos reembolsados: cuenta siempre que un pedido tenga, al menos, un producto devuelto o cancelado de modo que se pueda tener las métrica Pedidos reembolsados en Analytics. No se reporta ningún dato de producto (cantidad de producto o ingresos) para esta métrica porque eso los contaría dos veces (puede ver que las filas donde se cuentan los pedidos reembolsados solo tienen rellenas las columnas Fecha, ID de transacción y Pedidos reembolsados). No es necesario tener esta métrica. Solo queríamos algo que nos permitiera obtener una métrica que nos dijera rápidamente qué porcentaje de los pedidos se ve afectado por los reembolsos. Una de las razones es que las cantidades de producto, por sí solas, pueden resultar más difíciles de interpretar, ya que está estrechamente relacionadas con la forma en que los productos suelen comprarse: por ejemplo, son pocas las ocasiones en que la gene compra una sola cerveza, ya que suelen comprar una caja de 20 o 24 botellas (por lo tanto, la cantidad es 24). Pero la gente raramente compra 24 iPhones a la vez. De este modo, “Pedidos reembolsados” 'normaliza' un poco este efecto, pero, así, no se puede desglosar por dimensiones basadas en el producto, como el nombre del producto, la categoría o la marca.

Unidades reembolsadas: cantidad reembolsada por ID de pedido de producto: ID de transacción (obligatorio)

Análisis de reembolsos

En Adobe Analytics, los reembolsos se cuentan como si hubieran ocurrido al mismo tiempo que el pedido. Puede que suene contradictorio, pero es una gran ventaja en cuanto a la presentación de informes.

En primer lugar, puede analizar los pedidos y los reembolsos en el mismo intervalo de tiempo, incluso si los reembolsos se produjeron más tarde. Puede correlacionar cualquier dato de la sesión de pedido (por ejemplo, datos de visitantes o datos de campaña) con datos de reembolso, por ejemplo, para analizar los tipos de reembolso por canal de marketing. 

En segundo lugar, todos los reembolsos se atribuyen a la fuente de tráfico “(directa)/(ninguna)”, aunque, como puede ver en la siguiente captura de pantalla, el ID de transacción 0004-3244 fue referido, en realidad, por "google/cpc" (AdWords). Así que si tanto el tiempo de reembolso como el de la transacción están en el rango de tiempo analizado, obtiene dos filas por ID de transacción: una para el reembolso y otra para el pedido. Además, los Refunds no aparecerán en ningún informe basado en fuentes de tráfico, tampoco aparecerán en informes segmentados, etc. 

En Adobe Analytics, podemos utilizar las métricas de reembolso como cualquier otra y desglosarlas por cualquier dimensión o segmento. Por ejemplo, aquí vemos las tasas de reembolso por origen de campaña y vemos que, para un día determinado y un origen de campaña determinados, la tasa de reembolso de los clientes que vuelven (clientes con al menos 2 pedidos) era superior a la de los de los clientes nuevos. Tal vez son los reembolsos gratuitos que se ofrecen los que hacen que la gente compre (y vuelva) de nuevo. 

5

Al analizar las campañas de marketing, es posible que se quede corto si no tiene en cuenta los reembolsos. Crear un "ROAS incl. Refunds" (ROAS = (Return on Ad Spend)) métrica que se basa no solo en los ingresos, sino en los ingresos tras los reembolsos, por lo que muestra lo que efectivamente permaneció en sus bolsillos después de todo. Vea las dos últimas columnas en la siguiente captura de pantalla:

6

En Adobe Analytics es fácil diferenciar entre devoluciones y cancelaciones. Debido a que importamos el motivo del reembolso como una dimensión, podemos crear métricas calculadas basadas en el valor de esta dimensión. Ejemplo: cómo crear la tasa de retorno:

1. Creación de un segmento basado en impacto para impactos por retorno con una sola condición: Motivo del reembolso equals “return”

1

No se preocupe si la vista previa de datos en la parte superior derecha dice 0, porque es realmente correcto, ya que los retornos no ocurrieron en ninguna visita en línea ni generaron una vista de página.

2. Luego cree la métrica calculada (en nuestro ejemplo, la tasa de retorno en términos de ingresos). Aquí, toma el segmento que acaba de crear, coloca el evento de éxito de ingresos reembolsados ​​(métrica personalizada) de su importación de datos dentro de ese segmento y divide el rendimiento por ingresos:

2

Esto permite algo que es muy útil para un mercado: en lugar de solo mirar las tasas de devolución, podemos mirar las tasas de devolución y cancelación de los comerciantes individuales. De esta manera, podemos identificar a los comerciantes que a menudo cancelan pedidos (algunos pueden decir que sí al principio para obtener la mayor cantidad posible de pedidos y luego cancelarlos), y llegar a aquellos que se encuentran con una alta tasa de devolución (porque podríamos estar atrayéndolos a los clientes equivocados):

3

Recursos adicionales

Esta obra está autorizada con arreglo a la licencia de Reconocimiento-NoComercial-CompartirIgual 3.0 Unported de Creative Commons.  Los términos de Creative Commons no cubren las publicaciones en Twitter™ y Facebook.

Avisos legales   |   Política de privacidad en línea