OCTOBOARD
Español
PRECIO
RECURSOS
SESIÓN
PRUEBA
PRUEBA
Español

Métricas, Dimensiones y Conjuntos de datos

Métricas, Dimensiones y Conjuntos de datos

Conjuntos de datos de PPC y Google Analytics

Cada vez que te conectas a una fuente de datos de Google Analytics o Publicidad Pagada, tienes acceso a muchos conjuntos de datos predefinidos compuestos por métricas y dimensiones.

Los conjuntos de datos son grupos de métricas y dimensiones compatibles que puedes utilizar para crear Flujos de Datos Estándar y Personalizados.

No es posible tener solo un superconjunto de datos que combine todas las métricas y dimensiones. Esto se debe a que las interfaces de datos programáticas (APIs) no nos permiten recuperar todas las combinaciones de dimensiones y métricas en una sola consulta. Por lo general, solo es posible recuperar un subconjunto limitado de dimensiones y métricas compatibles.

La siguiente imagen muestra los conjuntos de datos de Bing Ads (se está creando un Flujo de Datos Personalizado basado en uno de ellos):

Adding custom data stream

En ese ejemplo anterior, hay 3 conjuntos de datos cada uno con un subconjunto de dimensiones y métricas compatibles:

  • Campaña, dimensiones del dispositivo
  • Campaña, Grupo de Anuncios
  • Campaña, Anuncio de Grupo de Anuncios

El complemento de Análisis de Datos de Octoboard PPC ofrece una colección de conjuntos de datos para todas las integraciones que admitimos. Cuando creas un Flujo de Datos, siempre lo basas en un conjunto de datos y "heredas" sus métricas y dimensiones.

Los conjuntos de datos no se pueden modificar, pero puedes crear Flujos de Datos. Una vez que creas un Flujo de Datos basado en un conjunto de datos seleccionado, puedes anular su lógica predeterminada (reglas) para calcular métricas y dimensiones.

Los conjuntos de datos son importantes porque te ayudan a agrupar métricas y dimensiones compatibles. También son útiles cuando creas una nueva métrica basada en un campo de datos existente. Por ejemplo, al crear una nueva métrica de CPC en un flujo de datos personalizado, puedes basarla en la fórmula estándar de Costo Por Clic almacenada en el conjunto de datos predeterminado.

El proceso de creación de nuevas métricas y dimensiones se explica aquí

Métricas de Análisis de PPC

Las métricas de datos son campos de datos numéricos obtenidos a través de interfaces programáticas (API). Por lo general, representan valores de tiempo y fecha, números o datos financieros. Cada fuente de datos, como Google Ads, Bing Ads y otros, tiene diferentes métricas, pero se pueden esperar las siguientes métricas en todas las plataformas de PPC:

  • Impresiones
  • Clics
  • Costo
  • CTR
  • CPC
  • CPM

Aquí están en un flujo de datos predeterminado de la fuente de datos de Bing Ads:

Bing ads metrics

Octoboard te permite editar cualquier regla de cualquier métrica en el complemento de Análisis de Datos de PPC. Haz clic en el ícono EDITAR junto a la métrica y se te presentará una interfaz que te permitirá cambiar la definición de la métrica. Aquí puedes ver la definición de la métrica de Tasa de clics (CTR) de Bing Ads:

Editing ctr metric

Para obtener más información sobre cómo modificar métricas existentes en conjuntos de datos de Análisis de PPC, consulta este tutorial

Las plataformas de PPC como Bing Ads tienen docenas de métricas, pero como las métricas comunes se pueden encontrar en todas las plataformas, se mapean automáticamente por Octoboard en el conjunto de datos combinado de múltiples canales.

Octoboard utiliza conjuntos de datos para mapear métricas de PPC compatibles de diferentes fuentes de datos al conjunto de datos combinado de múltiples canales (Data Stream) común.

El complemento de análisis de datos de PPC garantiza, por ejemplo, que los valores de gasto en anuncios de Facebook Ads, Google Ads, LinkedIn Ads terminen en el campo de Costo del flujo de datos de múltiples canales. Dado que este flujo siempre es creado por Octoboard, siempre recopila automáticamente datos de todas las plataformas de PPC conectadas para crear una vista interplataforma del gasto en publicidad.

La siguiente imagen muestra el gasto en anuncios por país en todos los canales de publicidad pagada conectados.

Multi channel ad spend

Para obtener más información sobre cómo se asignan las métricas al flujo de datos de varios canales, consulte este tutorial.

Dimensiones de análisis de PPC

Las dimensiones son valores de datos basados en texto, como País, Campaña o Grupo de anuncios, que se utilizan para agregar datos y ofrecer capacidades de análisis potentes y desgloses de datos.

Aquí hay un ejemplo de Google Analytics y métricas de PPC desglosadas por País y Canal de PPC:

Data analytics dimensions

Se puede modificar cada definición de dimensión. Aquí hay un ejemplo de la definición de dimensión de la Campaña de Bing Ads. En este caso, simplemente utiliza un valor de origen de datos del campo Bing Ads.Campaign.

Bing ads campaign dimension

Similar a las métricas, las plataformas de PPC como Bing Ads tienen docenas de dimensiones pero dado que las dimensiones comunes se pueden encontrar en todas las plataformas, Octoboard las mapea automáticamente en el conjunto de datos combinado de múltiples canales.

Estas son las principales dimensiones comunes que se utilizan para construir desgloses globales de PPC en diferentes fuentes de datos y cuentas:

Multi channel dimensions

Al utilizar dimensiones comunes, como País o Campaña, Octoboard intentará combinar los datos de Sesiones de Google Analytics con métricas estándar de PPC. El siguiente widget muestra métricas de Google Analytics (Sesiones) y plataformas de Publicidad Pagada (Transacciones, Impresiones, Clics, Costo) desglosadas por Mercados (País) y Canales de Marketing (Canal).

Multi channel metrics

Valores para las dimensiones comunes en el Multi-Channel DataStream se mapean desde conjuntos de datos de PPC y Google Analytics. Aquí hay un ejemplo de la dimensión País en el Combined DataStream que utiliza campos de País en conjuntos de datos de PPC de Google Analytics, Google Ads y Facebook Ads.

Mapping country dimension

Para obtener más información sobre cómo se mapean las dimensiones en el Multi-Channel Data Stream, por favor consulte este tutorial