Программа по формированию навыков безопасного поведения на дорогах и улицах «Добрая дорога детства» 2
Скачать 1.49 Mb.
|
5.2. Полезные интернет- ресурсы (дополнительная литература) Ольга Данишевская http://dewpoint.by/blog/?p=274 Ольга Данишевская http://dewpoint.by/blog/?p=233 Блог Романа Зыкова http://kpis.ru/webanalytics_tools/ «Анализируй это. Ч.1-Ч.6» http://habrahabr.ru/blogs/eCommerce/79290/ http://www.ladymaksima.com/ http://www.seoded.ru/ http://ru-webanalytics.blogspot.com/ http://skobelev.ru/ http://pro-analytics.ru/ http://b2blogger.com/ l http://btsmarketing.com/wp-content/uploads/2010/03/Web-analytics_byBTSmarketing.pdf http://websole.ru/veb-analitika/ Интернет-сайты основных программных продуктов www.google.com/analytics www.google.com/intl/ru/analytics/ esignformasters.info/.../google-analytics-advanced-use www.google-analytics.ru/ 6. Материально-техническое обеспечение дисциплины. Для обеспечения данной дисциплины необходимы: 1. оборудованные аудитории – компьютерный класс (специальная мебель, локальная сеть с безлимитным выходом в интернет и организационные средства); 2. технические средства обучения: компьютер, принтер, проектор, звуковые колонки, доска. 7. Содержание текущего и промежуточного контроля 7.1. Текущий контроль Текущий контроль по курсу “интернет-аналитика” реализуется в форме контрольных заданий и вопросов по темам, в процессе осуществления анализа и разрешения проблемных ситуаций, проведения деловых игр, выполнения тестовых заданий, обсуждения актуальных аспектов дисциплины. Контрольные работы не предусмотрены. 7.2. Промежуточный контроль Промежуточный контроль реализуется в форме экзамена в 10 семестре. Программа составлена в соответствии с Государственным образовательным стандартом высшего профессионального образования по направлению подготовки 080507.65 – “Менеджмент организации”. Программу составили: Лысенко Л.Г. к.т.н., доцент Программа одобрена и утверждена на заседании кафедры Протокол № от 2011 г. Заведующий кафедрой: ____________ Министерство культуры Российской Федерации Алтайский филиал федерального государственного образовательного учреждения высшего профессионального образования “МОСКОВСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ КУЛЬТУРЫ И ИСКУССТВ” Кафедра прикладной информатики Учебно-методический комплекс дисциплины Интернет – аналитика Специальность: 080801.65 – «Прикладная информатика в менеджменте» КОНСПЕКТ ЛЕКЦИЙ ТЕОРЕТИЧЕСКОГО КУРСА Специальность: 080801.65 – «Прикладная информатика в менеджменте» Ведущий лектор, к.т.н., доцент Лысенко Л.Г. Барнаул 2010 КРАТКИЙ КОНСПЕКТ ЛЕКЦИЙ по дисциплине “ Веб-аналитика” 1. О предмете «Интернет-аналитика» (веб-аналитика) 1.1. Вступление Счетчики посещаемости знакомы всем пользователям интернета уже много лет. Приведем основные сведения о том, что означают цифры на популярных счетчиках посещаемости сайта.
Примечание:
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 Amazon.com 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 Ozon.ru 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:
  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:
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.
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 . 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. |
