Аналитика Интернет проектов (стр. 2 )

Размер всех счетчиков в данных примерах 88x31 пиксель. Системы статистики предоставляют возможность установки счетчиков с большими размерами, на которых показывается расширенная статистика. Некоторые системы статистики предоставляют возможность установки счетчиков меньших размеров, и иной формы, например квадратной.

Цвет счетчика может быть разным. На точность статистики это не влияет.

Многие владельцы сайтов ставят сразу несколько иконок разных счетчиков.

Далеко не все знают, какую информацию можно извлечь из статистики сайта, кроме цифр посещаемости и, иногда, источников посетителей. Однако, современные системы статистики предоставляют куда больше возможностей для подсчета, обработки и анализа данных посещаемости. Их даже стали по-другому называть: «инструменты веб-аналитики»! Сейчас большинство успешных коммерческих сайтов уделяет огромное внимание сбору и анализу статистических данных. В частности, крупнейший международный онлайн-магазин создал целый культ аналитики. Один из первых сотрудников Amazon Джеймс Маркус рассказывает:

«Прошло время неточных приближений и фокус-групп, анекдотичных подгонов и дыма, поднимающегося из отдела маркетинга. Такая компания, как Amazon, могла записать каждый шаг посетителя, каждый клик и движение мышкой, и делала это. По мере того, как данные сваливались в виртуальные кучи, холмы и горные массивы, вы могли сделать самые разные выводы об этом неизведанном создании — потребителе. В этом смысле, Amazon был не просто магазином, но и колоссальным хранилищем фактов. Все, что нам было нужно — подключить к этим фактам правильные формулы.»

Передовые российские онлайн-ритейлеры тоже успели осознать важность анализа статистики: например, в ***** есть аналитический отдел, который занимается анализом и оптимизацией ключевых показателей сайта. Ничего удивительного: как только речь заходит об эффективности, без аналитики не обойтись

Благодаря результатам анализа статистики сайта можно увеличить прибыль, выбрать правильное направление развития или найти новые источники клиентов. В тот момент, когда начинающий веб-бизнесмен радуется окончанию разработки сайта, опытный маркетолог только начинает настоящую работу: анализ, оптимизацию, тестирование, снова анализ… Ещё бы: анализ поведения пользователей на сайте позволяет «выжать» из рекламного бюджета больше, ещё больше, увеличив главный показатель работы сайта: прибыльность, или возврат инвестиций.

Роста прибыли можно добиться за счет нескольких факторов. Если не вдаваться в психологию принятия решения, то любой онлайн-продавец должен решить три задачи для того, чтобы его бизнес был успешен:

·  Привлечение пользователей на сайт (реклама)

·  Конвертация пользователей в клиентов (продажа)

·  Удержание пользователей (повторные продажи).

Классическая, все объясняющая,

популярнейшая, графическая иллюстрация привлечения, конвертации и удержания пользователей

Эти задачи (см. картинку выше) чаще всего отображаются в виде воронки. Аналогия популярная, но не совсем верная: если в обычной воронке ничего не теряется, то сужение воронки продаж символизирует «утечку» пользователей по мере того, как они проходят по ней. Лишь небольшая доля пользователей становится клиентами. Задача веб-аналитики заключается в поиске возможностей:

·  уменьшения стоимости привлечения посетителя в воронку и повышения его релевантности.

·  «расширения» воронки — повышение процента конвертации пользователей в клиенте.

Итогом и будет уменьшение стоимости клиента! Как же этого добиться?

Проведем поэтапную декомпозицию деятельности веб-аналитика, не разделяя теоретические и практические вопросы, последовательно по стадиям его (аналитика) профессионального роста. Условно выделим три таких стадии и разобьем лекционный материал на три соответствующие части.

·  «Начинающий пользователь». Понимание основных цифр, отличие «уников» от «просмотров страниц», знание понятия «реферрер».

·  «Продвинутый пользователь». Умение выделять проблемные страницы и переходы на сайте, «качественные» и «некачественные» источники трафика.

·  «Профессионал». Оптимизация бизнеса и принятие решений с помощью данных аналитики. Проведение тестирования, подсчет ROI для каждого источника трафика, е-мерчендайзинг. Умение просчитать достоверность выборки данных.

1.2. Сбор данных

Перед тем, как анализировать данные статистики, нужно понимать, как они были собраны, какие из них могут быть неточными, и почему. Сервер в интернете получает от браузера пользователя запросы и отдает данные. На каждый просмотр страницы сервер получает один запрос (на тело страницы), а затем несколько дополнительных (картинки, скрипты, таблицы стилей и другие дополнительные данные для отображения страницы). Скрипты на странице также могут генерировать запросы к серверу — в том числе, к отдельному серверу статистики.

Веб-сервер связывает запросы одного и того же пользователя с помощью сессий. Когда к серверу обращается новый пользователь, он создает новый идентификатор сессии, который пользователь сообщает серверу при каждой новой загрузке страницы. Обычно идентификатор сессии передается на сервер из cookie — файла переменных, который браузер может сохранить для конкретного сайта. Что же сервер может узнать о пользователе?

Прежде всего, его ip-адрес. Он обычно используется лишь для одной цели: узнать регион, из которого пользователь выходит в интернет. Большинство провайдеров настроены таким образом, что у каждого пользователя адреса все время меняются. К тому же, многие выходят из сети с единственным внешним адресом. Таким образом, одинаковые адреса вовсе не говорят о том, что с них работает один и тот же пользователь, и наоборот.

Адрес страницы, которую посещает пользователь.

Адрес страницы, с которой пользователь перешел на текущую, или «реферер». Эти данные оказываются очень полезными. Если пользователь, например, пришел с поисковика, то в предыдущем адресе сохранен запрос, который он ввел в поисковик.

Точное время запроса.

“Позывные” браузера пользователя — его строку идентификации. По ней можно понять, какие браузеры популярны среди пользователей, а также отличить запрос от поискового робота.

Cookie — данные, которые сервер ранее “попросил” браузер запомнить. Cookie могут быть постоянными (сохраненными на определенный период времени) и сессионными (уничтожаемыми после закрытия браузера). Они содержат произвольные наборы переменных и значений.

Переменные, которые передает браузер.

Есть три основных вида систем статистики. Одна, “пассивная”, основана на анализе серверных логов — записей о запросах, совершенных на сервер. При каждом обращении пользователя к серверу тот пишет в журнал событий набор данных об этом запросе. Обычно такой журнал ведется сервером для своих нужд, поэтому лишней нагрузки из-за сбора статистики не возникает, и ни один запрос не остается неучтенным. Однако для того, чтобы получить все необходимые данные, стандартной конфигурации сервера недостаточно.

Второй тип систем сбора статистики добавляет на страницу, показываемую пользователем, дополнительный код, который осуществляет запрос к системе статистики. Когда интернет был еще молодой и браузеры были несовершенными, для этого использовались картинки: чтобы отобразить картинку на странице, браузеры делали запрос на сервер статистики. Этот сервер делал запись уже в свой журнал, а потом отображал картинку с цифрами — именно с тех пор пошла рунетовская традиция “вешать счетчики” размером 88х31. Этот способ почти всем хуже первого, и использовался только потому, что у владельцев сайтов не было доступа к журналам своего сервера. Когда браузеры повсеместно научились выполнять скрипты (мини-программы) Javascript, внешние счетчики значительно «поумнели». Помимо стандартного запроса, Javascript смог передавать в систему статистики множество новых данных: разрешение и цветность экрана, параметры операционной системы. Они вновь получили доступ к рефереру и смогли ставить cookie от имени посещаемого сайта, что упростило отслеживание сессий пользователя. Самым популярным “навороченным” счетчиком такого рода является Google Analytics!

У внешнего счетчика на JS тоже есть недостатки:— с его помощью невозможно отследить закачки файлов с сайта, — он записывает лишь переходы на страницы, загруженные полностью (т. к. иначе код не успеет исполниться),— он требует современного браузера и разрешения на работу скриптов,— он не работает на мобильных браузерах (кроме Opera Mini и современных смартфонов),— чтобы записывать параметры внутренней “кухни”, вроде данных учетной записи пользователя, все эти данные нужно перегонять в код счетчика, что обычно небезопасно, трудно и в результате бессмысленно. Представьте себе, что речь идет о сайте знакомств, каждый из пользователей которого имеет анкету с кучей параметров. Чтобы проанализировать поведение пользователей с разными параметрами анкет, нужно связать анкеты с запросами.

В таких сложных случаях разработчики сайтов сами разрабатывают систему записи статистики, в которую добавляют все возможности, которые им нужны. Преимущества такой системы — ее бесконечная гибкость. Из этого вытекает и главный недостаток: необходимость писать для такой системы средства анализа данных вручную. Так что разработчики, нужды которых удовлетворяются готовыми системами, стараются пользоваться именно ими

Системы сбора статистики

Первое и самое важное, что нужно запомнить при работе со статистическими данными из интернета: точные и полные данные чаще всего добыть очень сложно. Будем уточнять неточности по мере перечисления метрик. Ключевым навыком аналитика является умение отличить важные ограничения от неважных.

Например, системы внешней статистики на основе Javascript не будут работать у пользователей с очень старыми браузерами или отключенными ради безопасности скриптами. В большинстве случаев это приемлемо: доля таких пользователей невелика (меньше процента). Однако, если вы собираете данные по корпоративному интранету в компании, которая отключает JS у своих сотрудников, или хотите измерить долю пользователей с отключенными скриптами, этот метод уже не годится.

Общие ограничения систем сбора статистики:

Невозможно отследить, кто сидит за компьютером. Можно лишь различить браузеры.

Невозможно точно определить регион — лишь попробовать угадать на основе IP пользователя (хотя он может выходить в сеть через удаленный Proxy, VPN и т. д). Например, все пользователи мобильного интернета через Opera Mini записывались системами статистики в регион “Норвегия”, поскольку запросы проходили через адаптирующий сервер в этой стране.

Невозможно узнать пользователя, если он пришел с другого компьютера и не ввел пароль на сайт.

Невозможно определить, откуда пришел пользователь, если фаерволл фильтрует поле реферера, или же он нажал на ссылку в почте, аське, перепечатал ее из рекламы и т. д.

Невозможно определить, совершил ли пользователь транзакцию, если он решил на определенном этапе продолжить ее в оффлайне (позвонить в магазин, например). Эта проблема значительнее других влияет на грамотный расчет качества интернет-магазинов и требует дополнительных мер в оффлайне L.

Стандартные, популярные системы чаще всего используют второй метод. Больше всего мы будем говорить о Google Analytics, и в следующей части курса рассмотрим основные метрики, доступные его пользователям.

1.3. Базовые метрики

Рассмотрим метрики — те величины, которые считает любая система статистики. Начнем с прямых метрик — тех, которые можно посчитать легко и без применения формул.

Просмотры страниц (Pageviews). Самый очевидный, простой и незатейливый счетчик считает количество загрузок тела страницы в браузер пользователя. Несмотря на его простоту, здесь уже есть несколько ограничений:

JS-счетчики посчитают загрузку только тогда, когда браузер пользователя позволяет выполнить Javascript и страница успела загрузиться целиком. Анализаторы логов посчитают также загрузки файлов, но для отделения загрузок страниц от загрузок дополнительных файлов могут потребоваться дополнительные настройки.

JS-счетчики не посчитают загрузку страниц поисковым роботом, индексирующим сайт. Анализаторы логов посчитают и такие заходы, но опять же могут не отличить их от заходов обычного пользователя.

Посетители (уникальные посетители, пользователи, охват, visitors, reach)

Система статистики анализирует все записанные ей просмотры страниц и пытается определить, какие из них были произведены из одного браузера. Суммируя количество разных браузеров за промежуток времени, она подсчитывает “число уникальных посетителей”, подразумевая, что одним браузером пользуется один пользователь.

JS-счетчики определяют “уникальность” посетителя, оставляя в его браузере cookie с уникальным числом во время первого визита. Все визиты этого пользователя будут теперь объединены этим идентификатором. Так же поступают и продвинутые анализаторы логов.

Собственные системы статистики могут измерять не только число уникальных посетителей, но и заходы зарегистрированных пользователей (вводивших свое имя и пароль для данного сайта). Не надо путать эти две метрики.

Важно понимать, что охват нельзя суммировать: если сегодня у вас 2000 уникальных посетителей, а завтра будет 3000, то, не зная, сколько из них пришло повторно, нельзя сосчитать суммарный охват — он может быть от 3000 до 5000 пользователей. Зато система статистики, помня уникальный код каждого пользователя и просмотра страницы, может сообщить вам эту информацию для каждого интервала времени.

Google Analytics устанавливает для отслеживания уникальных посетителей cookie с названием __utma со сроком действия 2 года.

Визиты (сессии, посещения)

Каждый уникальный пользователь может совершить один или несколько визитов на сайт. Визит — это несколько просмотров сайта в пределах ограниченного интервала времени. Например, Google Analytics считает одним визитом просмотры страниц, между которыми прошло меньше получаса, и браузер не был закрыт. Если пользователь открыл страницу сайта и ушел на час обедать, а потом нажал ссылку на “контакты”, это будет уже два визита.

Google Analytics устанавливает для отслеживания визитов два cookie, давая браузеру разные установки на их удаление:__utmb удаляется через 30 минут после его установки. Google Analytics обновляет эту cookie при каждом новом открытии страницы, и если не находит его — засчитывает открытие нового визита.

__utmc удаляется при закрытии браузера. Если этого cookie нет, начинается новый визит.

***** считает визитом просмотры страницы с интервалом не более 15 минут.

География.

Сравнивая IP-адрес пользователя с имеющейся в распоряжении базой данных географической привязки, система статистики присваивает каждому пользователю регион. Исходя из этого, несложно посчитать распределение посетителей сайта по регионам. Google Analytics даже изображает сравнительную активность пользователей из разных регионов на карте:

Браузеры.

Исходя из присланной браузером в запросе строки идентификации, сервер определяет, какой браузер стоит у клиента, является ли он поисковым роботом. В зависимости от специфики сайта и его аудитории, эта статистика может вовсе не совпадать со средней по рунету. Из-за этого и возникают «шокирующие» графики, отображающие огромный перевес альтернативных браузеров — они считали не весь интернет, а лишь определенные сайты.

Источники перехода.

Браузер сообщает серверу, с какой страницы пользователь нажал на ссылку, чтобы очутиться на текущей странице. Эта информация используется для сегментации, анализа источников трафика и множества других целей.

Из адреса страницы можно извлечь дополнительную информацию: например, ключевое слово, которое ввел пользователь в Яндексе, после чего увидел ссылку на ваш сайт. Иногда это выглядит смешно, но применения у этих данных весьма серьезны.

Страницы на визит. Простейшая производная метрика — среднее число страниц, открываемых пользователем в пределах одного визита. Для многих видов сайта этот параметр определяет заинтересованность аудитории… но не будем забегать слишком вперед!

Отказы

Еще один критерий качества сайта и аудитории — “отказы” (bounce rate). Это количество посетителей (обычно в процентах от общего числа), которые посетили только одну страницу на сайте.

Время на сайте. Часто измеряемая метрика — время, которое пользователь провел на сайте. Однако, поскольку все распространенные системы статистики регистрируют только время открытия страницы, измерить время, проведенное пользователем на последней из открытых страниц, невозможно. Поэтому не получается и замерить среднее время просмотра для тех, кто не продвинулся дальше первой страницы.

Сейчас приобретают популярность JS-системы, фиксирующие не только загрузки страницы, но и каждое действие пользователя на сайте, даже движения мыши (Например, отечественная система Webvisor). Они легко справляются с этой задачей.

Также невозможно оценить, какую часть времени пользователь действительно наблюдал страницу, а какую она была открыта в фоновом режиме, в соседнем окне и так далее.

Особые действия

Для того, чтобы обработать действия пользователей, не связанные с загрузкой новых страниц (подгрузка с помощью AJAX, просмотр видео на странице, пребывание на ней некоторое время и т. д.), требуются дополнительные усилия.

Google Analytics позволяет элементам страницы вызывать особую функцию _trackEvent() для того, чтобы внести в систему статистики запись о таком особом событии.

Далее мы поговорим уже о более сложных метриках, сегментации и принятии решений с помощью данных статистики, а пока, если вы не знакомы с данными LiveInternet по сайтам рунета, вы можете исследовать эти данные по адресу www. *****/stat/ru. Здесь суммируются описанные выше метрики для всех сайтов, использующих счетчик *****, и можно сходу наблюдать довольно интересные тенденции. Внизу каждой страницы есть краткое описание считаемых метрик, которое помогает ориентироваться в них.

1.4. От статистики к аналитике

Перед тем, как перейти к описанию метрик и технологий анализа, еще раз напомним о том, зачем мы тратим на это своё время. Заниматься исследованием поведения аудитории имеет смысл только тогда, когда вы хотели бы, чтобы она вела себя определенным образом. Так что:

Перед работой с данными необходимо определить цели, которые вы преследуете на сайте.

Цели должны быть измеримы.

Для коммерческого сайта цели должны быть максимально близки к получению прибыли.

Истинная цель маркетинговых мероприятий в Интернете находится вне Интернета.

Почему мы вновь заговорили о целеполагании? Во-первых, это важнее всего, а во-вторых, для тех целей, достижение которых мы можем отследить через систему статистики, снятие данных может быть автоматизировано. В таких системах аналитики для электронной коммерции, как Google Analytics и Яндекс. Метрика, есть способ регистрировать достижение целей и даже рассчитывать прибыль, которую компания получает от их достижения.

Обычно цель задается адресом страницы, которую посещает пользователь. К примеру, для интернет-магазина целью может быть “оформление заказа”, а соответствующей страницей — информация о том, что заказ принят. Можно задавать и несколько целей и привязывать их достижение к рекламным кампаниям в контекстной рекламе, что даст возможность напрямую оценить стоимость привлеченного покупателя (стоимость клика по рекламе поделить на долю кликнувших, которые затем купили товар).

Если вы продаете товары через Интернет, то Google Analytics способен учитывать прибыль с каждой транзакции. Для этого нужно включить в Analytics раздел “Электронная торговля” и заставить ваш сайт передавать в код скрипта данные о прибыли. Такая учетная система обеспечит вас очень интересными данными — для контекстной рекламы, например, это будет прибыльность каждого рекламного объявления.

Если ваш сайт — простая визитка, а цель — продажи товара или услуги, то, конечно, никакая статистика не позволит вам определить достижение этой цели. В таких случаях необходимо:

Отслеживать, сколько клиентов пришло к вам с сайта, одним из неточных способов.

Отслеживать достижение “самых близких к продаже” целей — например, просмотра прайс-листа.

“Оффлайновые” компоненты анализа неизбежны для всех магазинов, заказ в которых не оканчивается электронной транзакцией. Проводить такой учет следует постоянно: иначе легко упустить изменения, которые сильно повлияют на прибыльность.

Другой важной настраиваемой метрикой является учет запросов к внутренней поисковой системе. Например, Google Analytics позволяет отслеживать такие запросы и составлять по ним статистику.

Запросы к поиску на сайте — это хороший источник информации о том, чего не хватает пользователям, в каких местах сайта затруднена навигация и как откорректировать результаты поиска вручную, чтобы требуемые пользователю результаты располагались выше. “Правильная” система поиска практически всегда содержит дополнительные “вручную дописанные” ссылки — вот, к примеру, страница поиска на :

В выборе таких ссылок помогает именно анализ внутреннего поиска.

Имея полный комплект данных статистики и настроенный учет целей, можно переходить от “статистической” части напрямую к аналитической: попытаться воспользоваться полученными данными для того, чтобы принять решения о коррекции рекламной кампании, внешнего вида страниц сайта или ассортимента товаров. Аналитическая работа в целом состоит из трех этапов:

·  получить данные;

·  сделать выводы о том, почему данные выглядят именно так;

·  предложить изменения, которые улучшили бы ситуацию.

Однако, тут нас поджидают сложности. Одной из главных проблем при анализе данных интернет-статистики, как и в других областях маркетинга, является некорректное определение причинно-следственных связей. Предположим, что данные аналитики говорят о том, что определенный товар просматривается чаще, а покупается — реже. Совсем неопытный маркетолог предположит, что “в интернете такая аудитория”, чуть более продвинутый аналитик сразу изложит несколько возможных причин:

·  текст одного рекламного объявления более привлекателен и создает завышенные ожидания у аудитории

·  ресурсы, на которых публикуется реклама, имеют специфическую аудиторию

·  страницы с описанием товаров неравнозначны по качеству

·  сами товары имеют различный уровень конвертации

и т. д.

Скорее всего, разные результаты являются следствием сразу нескольких причин, а вот каких именно — предстоит узнать из более тщательного анализа. Помочь в определении истинных причинно-следственных связей может сегментация данных и тестирование. О них пойдет речь далее.

1.5. Сегментация. Разделяй и думай

Продолжим наше путешествие в мир веб-аналитики. В прошлой части мы вплотную занялись анализом статистики и получением информации из собираемых данных. Оказалось, что мы можем отследить поведение пользователя, но не причины этого поведения. А для того, чтобы стимулировать желательные поступки и предотвращать нежелательные, нужно знать именно причину этих поступков.

Каким же образом опытные аналитики “залезают в голову” пользователю, имея лишь усредненные данные по сайту? Никакой магии. Они проводят процедуры, которые разбирают эти авгиевы конюшни:

·  — Сегментируют данные: разделяют всех пользователей на группы исходя из определенных критериев и рассматривают поведение не всех пользователей, а каждой из этих групп в отдельности.

·  — Строят предположения и проверяют их: выискивают вероятные объяснения для сложившейся ситуации и пытаются повлиять на ситуацию исходя из этих предположений, наблюдая за результатом.

Сегментация данных

«Не сегментировать данные

— это преступление

против человечности.»

(Авинаш Кошик)

Усреднение — это то, чего нужно бояться больше всего. Можно, конечно, суммировать статистику от пользователей, пришедших с рекламных объявлений, со статистикой от случайных посетителей; складывать посещения изо всех городов и стран; рассматривать «среднюю температуру по больнице, включая морг», как в популярном анекдоте. Однако, в таком случае полезных данных вы получите минимум, и выводы, которые вы из них сделаете, скорее всего, будут неправильными.

Перед началом работы забудьте, пожалуйста, всё, что вы знаете о своих пользователях. Вам предстоит анализировать беспристрастные данные статистики, и две вещи могут помешать вам: попытки использовать свои собственные суждения о пользователях и желание создать «усредненный портрет» для всей вашей аудитории. Все наоборот: чем больше разных портретов, разных групп вы увидите, тем больше вы узнаете о том, как угодить каждой из этих групп.

Сегментация возможна по любым параметрам, которые система веб-аналитики запоминает при показе страницы. Например:

По региону

— По адресам сайтов, с которых пришел пользователь

— Для тех, кто увидел ваш сайт в поисковике — по запросу, который помог ему найти его

— Для тех, кто пришел с рекламного объявления — по объявлениям и рекламным площадкам

— По первой увиденной пользователем странице

— По техническим возможностям компьютера и интернет-соединения пользователя

— По тому, приходил ли пользователь на ваш сайт ранее

— По действиям пользователя на сайте.

Рассмотрим модельный пример того, как работает сегментация.

Пусть мы — владельцы интернет-магазина, и нас волнует, каким образом можно увеличить его прибыльность. Заходим на Google Analytics и видим следующую картину:

Это усредненные данные по всем пользователям. Они могут представлять интерес только в динамике — их колебания являются сигналом о том, что ситуация поменялась и надо провести дополнительное расследование. Но настоящие откровения ждут нас дальше, в глубине, там, где данные сегментированы по всем возможным параметрам.

Зайдем, например, в раздел «Содержание». В нём удобно пользоваться пунктом «Содержание по заголовкам», так как в списке сразу же понятно (если на сайте корректные теги title), о какой странице идёт речь:

Мы только что сегментировали посещения по страницам, которые открывали пользователи. Здесь интересного уже больше. Мы можем увидеть:

— Какие страницы посещают чаще всего (Просмотры страниц)

— На каких чаще всего задерживаются (Средняя длительность просмотра страницы)

— Сколько процентов посетителей, начавших просмотр сайта с этой страницы, не перешли на другую, а сразу закрыли сайт (Показатель отказов)

— Сколько процентов посетителей закончили просмотр сайта на этой странице (% выходов).

Обратите внимание, что точность подсчета параметра зависит от количества собранных данных. Например, показав страницу 10 раз и получив 2 отказа, мы не можем с точностью утверждать, что показатель отказов составляет 20%: собрав больше статистики, мы сможем уточнить результат, и реальная цифра сможет отказаться как 10%, так и 30%. В качестве первого приближения можно считать, что колебания значения составляют плюс-минус корень из измеряемой величины. Так что, например, колебания посещаемости от 90 до 110 пользователей не говорят о системном изменении величины. Системные изменения иногда видны на глазок, но на это не стоит полагаться; для точных измерений, поскольку обычные системы статистики не позволяют строить линии тренда, можно либо загрузить статистику в Excel, либо брать большие интервалы измерений.

С этим связана одна проблема, которая мешает пользоваться Google Analytics: при попытке отсортировать страницы по показателям наверх выходят самые непопулярные:

Понятно, почему это происходит, но эти данные бесполезны: у них нулевая точность. В зависимости от количества страниц, ключевых слов или других сегментов бороться с этим можно по-разному, метод лучший - , экспортировать таблицу с сортировкой по убыванию показов в Excel, затем отрезать от нее «длинный хвост» и сортировать по другим полям.

Понятно, зачем это нужно: особый интерес представляют те сегменты, для которых один из этих параметров необычен: заметно больше или меньше значения для остальных сегментов. Обычно это происходит по следующим причинам:

— Отличие в трафике: пользователи, которые представляют данный сегмент, отличаются от других. Например, для интернет-магазина, работающего только на Москву, посетители из Екатеринбурга будут нецелевыми, и для них будет больше отказов, меньше достижения целей и ниже глубина просмотра.

— Отличия в качестве страниц. Если страница прячет от пользователя свое содержимое и не помогает ему понять, что можно сделать на сайте, не убеждает его в том, что нужно идти дальше, пользователь с большей вероятностью будет потерян для сайта. На западе persuasion design — целая дисциплина, но об этом позже.

— То, о чем многие забывают, пытаясь упростить модель взаимодействия пользователя с сайтом — соответствие целей пользователя, зашедшего на страницу, и содержания страницы. Типичной ошибкой подобного рода является использование главной страницы сайта в качестве входной (landing page) для рекламных кампаний. Кликнув по рекламному объявлению, сулящему скидку на определенный товар, пользователь может оказаться на главной странице большого магазина. В этом случае велика вероятность того, что он не захочет или не сможет найти то, что уже ожидал увидеть. Подобная ошибка происходит и тогда, когда в попытках заманить больше посетителей рекламодатель пишет на баннере «скидка 25%!», а на входной странице сайта «забывает» о своем предложении.

Рассуждая в этих трех категориях, можно создавать гипотезы и проверять их, увеличивая важные для сайта показатели.

1.6 Особенности применения результатов аналитического исследования

Самый авторитетный в мире, на сегодняшний день, веб-аналитик Авинаш Кошик уделяет в своем блоге значительное внимание темам, связанным с организацией аналитической и оптимизационной работы. Как убедить начальство в важности аналитики? А главное — как заставить компанию использовать полученные данные?

То, что в них содержится важная для бизнеса информация, вроде бы не вызывает сомнений, но даже если руководство согласно с этим, оно обычно игнорирует выводы аналитика. В результате измерения на сайте не сопровождаются анализом изменений показателей, сам сайт делается “на глазок начальника”, а статистика используется только для рисования красивых графиков и общих оценок вроде посещаемости за месяц. А. Кошик называет это HiPPO, или “МСаВС” — мнение самых высокооплачиваемых сотрудников. С учетом того, что мнение на счет сайта есть у каждого сотрудника, аналитику приходится весьма нелегко.

В этой ситуации начинает работать психология.

Очень легко сделать ошибку, например, настояв на проведении экспериментальных измерений, получить изменения в худшую сторону и остановиться на этом, убоявшись разочарования начальства. Повредят и излишняя прямота (не стоит начинать с обвинений в адрес директора, настоявшего на изменениях, которые привели к проблеме) и, конечно, вранье (если эксперимент ослабил показатели сайта, худшее, что можно сделать, — это фальсифицировать результаты!). Рассказы о компаниях, ориентированных на аналитику (вроде Amazon) тоже не помогут ситуации. Обычный ответ в таком случае — “вы же понимаете, у нас все по-другому...”. Нужно начинать с самых ярких и безотказных шагов. Конечно, все намного проще, если начальник — ваш союзник, или вы сами себе директор. В любом случае, сложности в пути — не причина останавливаться на середине.

Перед сбором данных, следует составить план. Во главе его ставим цели, преследуемые сайтом. При этом ориентироваться надо не на то, что декларируется создателями сайта или руководством компании, а то, что пользователи в реальности могут увидеть на сайте. Если декларируется цель “информировать пользователей о новых продуктах”, а на сайте информация о них появляется с полугодовой задержкой, цель можно смело вычеркивать. Однако, не перетрудитесь: пока можно смело перечислять цели.

Следующий шаг — выбрать численные показатели оценки достижения целей и создать цепочку от требований бизнеса к измеряемым показателям сайта.

Например, для интернет-магазина цепочка может быть такой:

Для сайта социальной сети целью может стать “больше зарегистрированных пользователей”, а соответствующими метриками — трафик и процент зарегистрировавшихся пользователей.

Создание таких цепочек очень важно. Они нужны для двух целей: во-первых, вы сможете выделить важные метрики, которые предстоит измерять, а во-вторых, сразу устанавливаете их связь с целями Большого начальства. Теперь вы сможете разговаривать на его языке!

Из за большого объема этот материал размещен на нескольких страницах: 1 2 3 4 5 6