Программа по формированию навыков безопасного поведения на дорогах и улицах «Добрая дорога детства» 2
Скачать 1.49 Mb.
|
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. Liveinternet.ru 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.liveinternet.ru/stat/ru. Здесь суммируются описанные выше метрики для всех сайтов, использующих счетчик Li.ru, 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 Microsoft.com:  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:
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:
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:
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. |
