Levante la mano si es un maniático sobre la supervisión del tráfico de su blog.

¿Levantó la mano? La mía es, también. Reviso el tráfico todos los días, a veces varias veces al día. La mayoría de las veces, es genial estar tan en malas hierbas: si noto una caída repentina en las visitas a la página, puedo reaccionar rápidamente.

Otras veces, es mucho más útil alejar la imagen. Con una vista de pájaro, puede ver patrones que son realmente importantes, como qué tan rápido ha estado creciendo su blog. Dependiendo de esa respuesta, puede mejorar el personal de su equipo, luchar por el presupuesto y asignar recursos.

Una forma de averiguar qué tan rápido está creciendo es realizar un análisis de regresión de su tráfico mensual. (Incluso si no ha tenido una clase de matemáticas en años, prometo que será bastante indolora.)

En esta publicación, explicaremos qué es un análisis de regresión, cuando puede usar un análisis de regresión múltiple, y cómo saber qué le está diciendo su análisis de regresión. (Aunque el ejemplo que utilizamos es para el crecimiento del blog específicamente, puede ejecutar un análisis de regresión en muchas de las métricas que tiene en su negocio también)

Mientras tengas solo una variable independiente (por ejemplo, tiempo), una variable dependiente (por ejemplo, tráfico de blog) y un tamaño de muestra bastante grande, los análisis de regresión pueden informarle mucho sobre el crecimiento del tráfico de su blog.

Para determinar la relación entre dos variables, encontraremos la línea más adecuada para un conjunto de datos. Esta línea que mejor se ajusta representa la dirección general a la que van los datos. Para comprender qué tan rápido está creciendo su tráfico, necesita conocer los componentes de un análisis de regresión.

La anatomía de un análisis de regresión

Hay tres cosas diferentes que necesita saber sobre una regresión para analizarla adecuadamente. Esto es lo que parece a modo de referencia:

 Análisis de regresión lineal del crecimiento mensual del tráfico de blogs

1. Diagrama de dispersión

Para ejecutar un análisis de regresión, primero debemos trazar nuestros puntos de datos, y la mejor manera de mostrar los datos es a través de un diagrama de dispersión. El eje X es la variable independiente, y el eje Y es la variable dependiente.

2. Línea Best-fit

Ya hemos cubierto lo que realmente significa una línea de ajuste óptimo, pero también debe saber qué tipos de líneas debe buscar. Hay tres tipos principales de líneas que debe investigar:

Lineal

Esta es una línea recta, significa que está creciendo constantemente. Estás progresando al mismo ritmo con el tiempo. Aquí se muestra cómo se ve esa línea:

 Gráfico de líneas azules que representa un análisis de regresión lineal

Exponencial

Esta es una línea que se curva hacia arriba muy rápidamente y no se aplana – usted ' están progresando a un ritmo cada vez más rápido a lo largo del tiempo. Aquí se muestra cómo se ve esa línea:

 Línea de tendencia roja curva que representa un análisis de regresión exponencial

Logarítmica

Esta es una línea curva que se aplana con el tiempo; básicamente, usted está progresando en una velocidad más lenta y más lenta a lo largo del tiempo, y potencialmente alcanzar un "límite máximo" donde no esperaría crecer mucho más. Aquí se muestra cómo se ve esa línea:

 Línea azul curva que representa un análisis de regresión logarítmico

Hay más tipos de líneas que estas, pero estas son las más importantes para que usted sepa.

3. R²

R², o R cuadrado, es un número entre 0 y 1 que le indica qué tan bien la línea se ajusta al conjunto de datos. Cuanto más cerca de 1, mejor se ajusta la línea al conjunto de datos, y para sacar conclusiones de correlación de estos gráficos, quiere estar bastante cerca de 1. Entonces, con un R² de 0.98, puede decir que el 98% de la varianza en Y se explica por la varianza en X.

Análisis de regresión múltiple

Sin embargo, los análisis de regresión no solo comparan dos variables entre sí. Si tiene más de una variable independiente (o "predictor") que afecte sus datos, le conviene ver si cada uno de ellos influye de forma individual en la tendencia que está viendo. Para hacer esto, necesitaría ejecutar un análisis de regresión múltiple.

Un análisis de regresión múltiple ayuda a determinar si un conjunto de variables dependientes tiene una influencia en el rendimiento de algo. Piense en ello como en los análisis de regresión lineal múltiple, donde desea probar la regresión individual de dos o más variables independientes en la misma variable dependiente. Por ejemplo …

  • En un análisis de regresión lineal su eje Y = tráfico de blog y su eje X = tiempo.
  • En un análisis de regresión múltiple Y = tráfico de blogs, X¹ = tiempo, X² = publicidad pagada y X³ = artículos de noticias.

Cómo interpretar análisis de regresión múltiple

En el primer ejemplo anterior, simplemente querría ver si el tiempo tiene algo que ver con el crecimiento del tráfico de tu blog. En el segundo ejemplo, querría ver si el tiempo, las promociones de artículos pagados y los artículos de noticias ayudaron a aumentar el tráfico de su blog.

Entonces, al analizar el crecimiento del blog, comenzaría con una prueba de regresión lineal en Excel entre Y y X¹. Su valor Y puede ser todo el tráfico excluyendo el tráfico de X² (promociones pagas) y X³ (artículos de noticias). Luego, ejecute una prueba de regresión para encontrar su R², luego otra con tráfico que incluya X² y otra con tráfico que incluya X³.

 Gráfico de diagrama de dispersión que muestra análisis de regresión múltiple

Considere nuestra regresión original gráfico de análisis al comienzo de este artículo. Ahora vea esto justo arriba de este párrafo, con tramas adicionales. El círculo rojo de la izquierda podría ser tráfico de promociones de artículos pagados, mientras que el círculo de la derecha podría ser tráfico de noticias

Cualquiera de estas variables independientes puede cambiar el valor R² de su línea de tendencia, y de repente hay una regresión exponencial entre sus artículos de noticias y el tráfico total de su blog.

Para averiguar cómo está tendiendo tu tráfico, básicamente necesitas ejecutar un análisis de regresión usando cada una de las tres líneas mencionadas anteriormente, y luego comparar sus valores R². El que tiene el R² más alto es el que mejor se ajusta a sus datos.

Advertencia : Es posible que ninguno de ellos tenga un R² alto o que el R² más alto no sea tan cercano a 1 – – eso significa que sus datos no se ajustan a ninguna de estas líneas excepcionalmente bien. En esos casos, debe reunir más datos y luego volver a ejecutar el análisis de regresión.

Aquí se explica cómo puede ejecutar un análisis de regresión en Excel.

1. Exporte sus datos a Excel.

En nuestro ejemplo, cargaremos números de tráfico de blog en Excel. (Los clientes de HubSpot pueden encontrar esta información en su informe Fuentes y asegúrese de seleccionar el subdominio de su blog en el menú desplegable superior antes de exportarlo.)

Una vez que obtenga la exportación abierta en Excel, asegúrese de eliminar toda la demás información además de la fila de cada mes y la fila para el tráfico. Los clientes de HubSpot pueden encontrar toda la información que necesita en la pestaña "Visitas"

 Botón para exportar la vista actual de sus datos desde HubSpot

2. Grafique los datos usando la función de diagrama de dispersión.

Después de haber localizado su archivo exportado, sus datos se abrirán en una nueva hoja de cálculo de Excel. Organice sus datos de la forma que desee en cada celda. Al analizar el tráfico del blog a lo largo del tiempo, por ejemplo, tiene sentido que "Tiempo" tome el eje X y "Tráfico" para tomar el eje Y. Así que dedicaremos dos filas separadas en Excel para estas métricas.

 Botón sobre una hoja de cálculo de Excel en blanco donde puede insertar un gráfico de Diagrama de dispersión

3. Abra sus opciones de línea de tendencia.

En la parte superior de la navegación, seleccione ' Disposición de gráficos '> ' Línea de tendencia .' Esto abrirá un menú desplegable de opciones para los tipos de línea de tendencia. Estos incluyen:

  • Lineal.
  • Exponencial.
  • Pronóstico lineal.
  • Promedio móvil de dos períodos.

También puede seleccionar 'Opciones de línea de tendencia', donde puede establecer preferencias adicionales para la línea de tendencia que desee para usar.

 Menú desplegable en Excel con el botón Opciones de línea de tendencia resaltado

4. Elija el tipo de línea de tendencia que desea probar.

En "Tipo", seleccione el estilo de línea que desea usar en su análisis de regresión. Para nuestra prueba de tráfico de blog, utilizaremos lineal, como se muestra en la captura de pantalla siguiente.

 La flecha apuntaba a la línea de tendencia lineal en una ventana de opciones de línea de tendencia

5. Encuentra tu valor R².

¿Recuerdas qué R² es? Este número entre 0 y 1 indica cuánto su línea de tendencia realmente se adapta a la forma de su diagrama de dispersión. Seleccione ' Opciones ,' luego ' Visualice el valor R-cuadrado en el Gráfico .' R² aparecerá junto a tu línea. Después de que haya terminado, haga clic en 'Aceptar'.

 Casilla marcada para mostrar el valor R-cuadrado en el gráfico en Excel

6. Registre R² en su hoja de cálculo.

En las celdas a la izquierda de su gráfico, registre el valor R² que se mostró al final de la línea de tendencia de su diagrama de dispersión.

Planifique ejecutar más de un análisis de regresión, cada uno con diferentes líneas de tendencia, luego registrando cada uno de sus valores R² en sus propias celdas en su hoja de cálculo original, como se muestra a continuación. Esto le permitirá determinar qué tipo de línea de tendencia mejor explica la forma de su diagrama de dispersión. El tipo de línea con el R² más cercano al número 1 es la línea de tendencia que mejor se ajusta.

 Valor R-cuadrado registrado en una celda en Excel

7. Elimine su línea de tendencia.

Haga clic en la línea, luego presione "eliminar" en su teclado. Es hora de ver si una línea de tendencia diferente respalda más su tendencia de datos.

8. Ejecute nuevamente los pasos 4 a 7 utilizando nuevos tipos de líneas de tendencia.

Repita los pasos 4 a 7 para líneas exponenciales y logarítmicas. Cuantas más líneas de tendencia encuentre valores R², más exacto será su análisis de regresión. Desea estar absolutamente seguro del tipo de tendencia que muestran sus datos, y detenerse después de un análisis de regresión lineal a menudo no es suficiente para extraer conclusiones.

 Ventana de opciones de línea de tendencia en Excel [19659010] 9. Compare los valores de R². El que esté más cerca de 1 es el que mejor se ajusta.

Si eres lineal, estás creciendo a un ritmo constante. Si eres exponencial, estás creciendo a un ritmo creciente. Si usted es logarítmico, su crecimiento se está desacelerando.

Es posible que ninguno de ellos encaje bien: consulte la advertencia anterior para obtener más información al respecto.

En nuestro ejemplo, regresión exponencial es la mejor opción porque tiene el R² más alto, en 0.896, y todos están relativamente cerca de 1. (Haga clic en la imagen a continuación para agrandarlo). Esto significa que la línea exponencial es la más adecuada para el crecimiento de su blog, y dado que es aumentando exponencialmente, ha estado creciendo rápidamente.

 Análisis de regresión con una línea de tendencia en un diagrama de dispersión en Excel

¡Eso es todo, amigos! Por ahora, debe tener una idea de qué tan rápido está creciendo su blog. Recuerde, esto es solamente una indicación de su crecimiento pasado. En el futuro, puede suceder cualquier cosa que desvíe el tráfico.

Créditos de las imágenes: Math is Fun SOS Math

 demo gratuita de hubspot analytics "src =" //no-cache.hubspot.com/cta/default/53/2f02d8fe-c9b0-4078-a3ae-5831c892fbd0.png



Source link