¿Quienes eran y que necesitaban ?
Uno de nuestros clientes en Australia tenía interés en conocer como era el desempeño de su sitio Web, en donde se vendían en línea productos para niños y del hogar. Adicionalmente deseaban poder mantener contacto directo con su audiencia para responder preguntas típicas acerca de calidad de los productos, descuentos y procedimientos de entrega, que aunque estaban respondidas y actualizadas en la pagina de Preguntas Frecuentes, siempre los clientes llamaban para asegurarse de la información.

Que hicimos y encontramos...
Para ello les recomendamos el uso de Asistencia en Vivo, operado localmente por ellos, para poder asistir a su audiencia en tiempo real. Adicionalmente se les recomendó el servicio de Web Data & Intelligence para captura de datos de visitantes para su posterior tratamiento estadístico. En vista de que antes de utilizar los servicios de Web Data  no poseían data histórica ni los raws logs del servidor, fue necesario establecer un tiempo de acumulación de data para luego proceder a los análisis.

Después de un lapso de 6 meses, empezamos a procesar la data y obtuvimos resultados sorprendentes. Los servicios de Asistencia en Vivo que tenía la empresa estaban sujetos a un operador que hacia horario de oficina de 9am. a 12m. y de 1:30pm. a 5pm. de lunes a viernes. Los registros de actividad del operador se contrastaron con las visitas que tuvo el sitio en sus diferentes páginas y se logro obtener el siguiente patrón: una curva de distribución de visitas con dos picos. El primer máximo (y el mayor de los dos) se lograba alrededor de la 1pm. con una gran densidad entre las 12 y 2pm. Luego el segundo máximo (el menor de los dos) se lograba alrededor de las 9pm. con una gran densidad entre las 8 y 10pm.

El cruce de los registros de actividad del operador con el registro de tráfico indicaron que la presencia del operador en las horas de mayor tráfico era casi nula, por lo tanto existía una sub-utilización del servicio en los momentos de mayor visitas al sitio. Por otra parte entre las 9 y 12 am., cuando el operador estaba en línea, la actividad en el sitio era muy baja, muchas de las preguntas eran de otros países y que revestían muy poco valor desde el punto de vista de ventas, ya que la empresa no vendía fuera del país. También se encontró que los clientes que respondían a la publicidad en línea proveniente de Google y Overture, visitaban el sitio en el pico nocturno.

Que recomendamos...
Se le recomendó a la empresa, que cambiara los horarios de atención en el servicio de Asistencia en Vivo al siguiente: de 11:30am. a 2:30pm. y luego de 7:00pm. a 10:30pm., para así maximizar el uso del servicio, especialmente en las horas de mayor tráfico en el sitio. Las horas intermedias podían ser atendidas vía mensajes fuera de línea ya que el volúmen de tráfico era muy bajo en comparación con los picos. Adicionalmente se sugirió que se establecieran actividades promocionales para los días martes, que eran días de muy bajas ventas, aunque desde el punto de vista de tráfico no eran bajos.

También se sugirió agregar a las páginas de los productos, los productos para cross-selling y adicionalmente se crearon enlaces pre-determinados con los productos que el operador empujaba a la página donde se encontraba el cliente durante su visita. Después de un trabajo de ingeniería de datos (data mining) se creo un procedimiento estándar para empujar páginas y que dependían de factores como: tiempo en el sitio, página visitada, secuencia de páginas visitadas y clima (ésta es una variable que requiere un documento completo para poder explicar su presencia en el procedimiento, pero de forma resumida se podía establecer una relación directa entre ventas en línea y clima, resultaba que para este tipo de empresa, producto y servicios la gente prefería comprar en línea en días de lluvia, el cual se anticipaba a través del pronóstico del tiempo)

Después de 12 semanas de observación, se obtuvieron los siguientes resultados: Las ventas en línea aumentaron de $42,000 a $78,000 por mes, lográndose un mayor número de ventas en las horas nocturnas. Se mejoró el valor de las ventas promedios en el turno del día, aunque el número de ventas no creció demasiado, el monto por venta sí, gracias al cross-selling

Posteriormente, después de analizar mensualmente la data, se recomendó mantener el programa de publicidad en el motor Google y se detuvo en Overture, la audiencia Overture no dio el mismo resultado que Google aún cuando se utilizaron los mismos contenidos. Se recomendó también actualizar con mayor frecuencia la página de ofertas por el alto tráfico que lograba (segunda después del index) y cambiar el enlace que tenía la página con contenido de canciones infantiles, por su escaso tráfico, de su  posición privilegiada en la página principal hacia una posición de menor importancia. Se hicieron actualizaciones al diseño de los tags de las paáinas para mejorar su ubicación dentro de las búsquedas, por palabras clave, en los principales motores, llegando a colocarse dentro de los 20 primeros en Yahoo, Google Y NINEMSN.

Cosas curiosas que se encontraron en el Log del operador de "Asistencia en Vivo":
- La pregunta más curiosa: "¿Cuantos pliegues tiene el papel higiénico que ustedes venden ?"
- La venta más grande: $800 que logro el operador a través de cross-selling
- La pregunta más obvia: "¿Es verdad que ustedes entregan al día siguiente como dice su FAQ ?"
- La pregunta típica: "¿Ya salió mi pedido ?" (ordenó una hora antes)
- La pregunta de atención al cliente: "Al pedido le falto un producto que me facturaron" (se le envió por email un archivo PDF de la factura mostrando que esa línea faltante fue facturada con valor cero)
- Venta que se logró a un cliente en su primera visita: $30 en efectivo (el mínimo era $50, pero el operador ofreció esa concesión al cliente, en vista de ser su primera compra y adicionalmente tenía dudas en usar el servicio). 
Gracias a los resultados obtenidos por Web Intelligence se podía entrenar al operador para tomar decisiones de este tipo, en este caso específico el operador podía tomar la decisión de hacer la concesión al cliente ya que previamente se determinó que dependiendo del tiempo de navegación que tiene un visitante en el sitio se puede convertir en cliente (se encontró que para este sitio Web a mayor tiempo de navegación existía una mayor probabilidad de que el visitante pudiese comprar). El resultado fue un cliente leal, contabilizándose mas de 12 compras subsiguientes. Su segunda compra fue de $104.