Веб-аналитика

Веб-аналитика — это измерение, сбор , анализ и составление отчетов веб- данных для понимания и оптимизации использования Интернета . Веб-аналитика — это не просто процесс измерения веб-трафика , ее можно использовать как инструмент для исследования бизнеса и рынка , а также оценки и повышения эффективности веб-сайта . Приложения веб-аналитики также могут помочь компаниям измерить результаты традиционных в печатных или радиовещательных СМИ рекламных кампаний . С его помощью можно оценить, как изменится посещаемость сайта после запуска новой рекламной кампании. Веб-аналитика предоставляет информацию о количестве посетителей веб-сайта и количестве просмотров страниц или создает профили поведения пользователей. Это помогает оценить тенденции трафика и популярности, что полезно для исследования рынка.

Основные этапы процесса веб-аналитики

Основные этапы процесса веб-аналитики

Большинство процессов веб-аналитики сводятся к четырем основным этапам или шагам: которые:

• Сбор данных : Этот этап представляет собой сбор основных, элементарных данных. Обычно эти данные представляют собой количество вещей. Целью этого этапа является сбор данных.
• Обработка данных в метрики . На этом этапе обычно подсчитываются и преобразуются в коэффициенты, хотя некоторые подсчеты все же могут быть. Цель этого этапа — получить данные и преобразовать их в информацию, в частности в метрики.
• Разработка KPI. На этом этапе основное внимание уделяется использованию коэффициентов (и показателей) и дополнению их бизнес-стратегиями, называемыми ключевыми показателями эффективности (KPI). Во многих случаях ключевые показатели эффективности связаны с аспектами конверсии, но не всегда. Это зависит от организации.
• Формулирование онлайн-стратегии. Этот этап касается онлайн-целей, задач и стандартов для организации или бизнеса. Эти стратегии обычно связаны с получением прибыли , экономией денег или увеличением доли рынка .

Еще одна важная функция, разработанная аналитиками для оптимизации веб-сайтов, — это эксперименты:

• Эксперименты и тестирование. A/B-тестирование — это контролируемый эксперимент с двумя вариантами, проводимый в онлайн-режиме, например в веб-разработке .

Целью A/B-тестирования является выявление и предложение изменений веб-страниц, которые увеличивают или максимизируют эффект интересующего статистически проверенного результата.

Каждый этап влияет или может влиять (т. е. стимулирует) этап, предшествующий или следующий за ним. Таким образом, иногда данные, доступные для сбора, влияют на онлайн-стратегию. В других случаях онлайн-стратегия влияет на собранные данные.

Категории веб-аналитики

Существует как минимум две категории веб-аналитики: внешняя и локальная веб-аналитика.

• Внешняя веб-аналитика относится к веб-измерениям и анализу независимо от того, владеет ли человек веб-сайтом или поддерживает его. Он включает в себя измерение потенциальной аудитории веб-сайта (возможностей), доли голоса (видимость) и шума (комментариев), происходящего в Интернете в целом.
• Веб-аналитика на сайте , более распространенная из двух, измеряет поведение посетителя на конкретном веб-сайте . Сюда входят его драйверы и преобразования; например, степень, в которой различные целевые страницы связаны с онлайн-покупками. Веб-аналитика на месте измеряет производительность конкретного веб-сайта в коммерческом контексте. Эти данные обычно сравниваются с ключевыми показателями эффективности и используются для улучшения веб-сайта или маркетинговой кампании реакции аудитории . Google Analytics и Adobe Analytics — наиболее широко используемые службы веб-аналитики на сайтах; хотя появляются новые инструменты, которые предоставляют дополнительные уровни информации, включая тепловые карты и воспроизведение сеанса .

инструменты веб-аналитики, такие как Google Analytics, позволяющие научиться отслеживать, анализировать и выводить данные при разработке более эффективных стратегий кампании. В прошлом веб-аналитика использовалась для измерения количества посетителей на сайте. Однако это значение стало размытым, главным образом потому, что поставщики производят инструменты, охватывающие обе категории. Многие поставщики предоставляют для веб-аналитики программное обеспечение и услуги на месте . Существует два основных технических способа сбора данных. Первый и традиционный метод — анализ файлов журналов сервера — считывает файлы журналов , в которых веб-сервер записывает запросы файлов браузерами. Второй метод, маркировка страниц , использует встроенный в веб-страницу JavaScript для отправки запросов изображений на сторонний аналитический сервер всякий раз, когда веб-страница отображается в веб-браузере или, если необходимо, при щелчке мыши. Оба собирают данные, которые можно обрабатывать для создания отчетов о веб-трафике.

Веб-аналитика на сайте

В рамках веб-аналитики не существует общепринятых определений, поскольку отраслевые организации уже некоторое время пытаются согласовать определения, которые будут полезными и окончательными, то есть показатели в инструментах и ​​продуктах разных компаний могут иметь разные способы измерения, подсчета, в результате одно и то же имя метрики может представлять разное значение данных. Основными организациями, внесшими вклад в эту область, были IAB (Бюро интерактивной рекламы), JICWEBS (Объединенный отраслевой комитет по веб-стандартам в Великобритании и Ирландии) и DAA (Ассоциация цифровой аналитики), официально известная как WAA. (Ассоциация веб-аналитики, США). Однако многие термины используются одинаково в разных основных аналитических инструментах, поэтому следующий список, основанный на этих соглашениях, может стать полезной отправной точкой:

• Показатель отказов  — процент посещений одной страницы без каких-либо других взаимодействий (кликов) на этой странице. Другими словами, одиночный клик в конкретном сеансе называется отказом. Высокий показатель отказов может указывать на то, что контент или пользовательский опыт нуждаются в улучшении.
• Путь кликов — хронологическая последовательность просмотров страниц за посещение или сеанс. Анализ этого пути предоставляет информацию о целях сеанса пользователя и целях пользователя.
• Хит — запрос файла с веб-сервера. Доступно только при анализе журнала. Количество посещений веб-сайта часто приводится для подтверждения его популярности, но это число крайне вводит в заблуждение и существенно переоценивает популярность. Одна веб-страница обычно состоит из нескольких (часто десятков) отдельных файлов, каждый из которых считается обращением при загрузке страницы, поэтому количество обращений на самом деле является произвольным числом, которое лучше отражает сложность отдельных страниц на веб-сайте. веб-сайт, чем фактическая популярность веб-сайта. Общее количество посещений или просмотров страниц дает более реалистичную и точную оценку популярности.
• Просмотр страницы (просмотр страницы) — запрос файла или иногда событие, такое как щелчок мыши, которое определяется как страница в настройке инструмента веб-аналитики. Обычно количество просмотров страниц превышает количество посещений и посетителей (уникальных посетителей). Случай запуска сценария при разметке страниц. При анализе журнала просмотр одной страницы может привести к нескольким обращениям, поскольку все ресурсы, необходимые для просмотра страницы (изображения, файлы .js и .css), также запрашиваются с веб-сервера. «Обновление» той же веб-страницы может быть засчитано как еще один просмотр страницы. Например, в момент времени: 16:07 пользователь просмотрел страницу А, через 2 секунды пользователь нажимает кнопку «обновить» в браузере, количество просмотров страницы А тогда равно 2.
• Посетитель/уникальный посетитель/уникальный пользователь — уникально идентифицированный клиент, который генерирует просмотры страниц или обращения в течение определенного периода времени (например, дня, недели или месяца). Клиент с уникальной идентификацией обычно представляет собой комбинацию компьютера (например, настольного компьютера на работе) и браузера (Firefox на этом компьютере). Идентификация обычно осуществляется с помощью постоянного файла cookie, который размещается на компьютере кодом страницы сайта. Более старый метод, используемый при анализе файла журнала, представляет собой уникальную комбинацию IP-адреса компьютера и информации об агенте пользователя (браузере), предоставляемой веб-серверу браузером. «Посетитель» — это не то же самое, что человек, сидящий за компьютером во время посещения, поскольку отдельный человек может использовать разные компьютеры или на одном компьютере использовать разные браузеры и будет рассматриваться как разные посетитель в любых обстоятельствах. Все чаще, но все же довольно редко, посетители однозначно идентифицируются с помощью Flash LSO ( локальных общих объектов ), которые менее восприимчивы к обеспечению конфиденциальности.
• Посещение/сеанс . Посещение или сеанс определяется как серия запросов страниц или, в случае тегов, запросов изображений от одного и того же клиента с уникальной идентификацией. Обычно количество Посещений превышает количество Посетителей (Уникальных посетителей). Уникальный клиент обычно идентифицируется по IP-адресу или уникальному идентификатору, который помещается в файл cookie браузера. Посещение считается завершенным, если в течение некоторого количества прошедших минут не было зарегистрировано ни одного запроса. Ограничение в 30 минут («тайм-аут») используется многими аналитическими инструментами, но в некоторых инструментах (например, Google Analytics) его можно изменить на другое количество минут. Сборщики аналитических данных и инструменты анализа не имеют надежного способа узнать, просматривал ли посетитель другие сайты между просмотрами страниц; Посещение считается одним посещением, если события (просмотры страниц, клики и т. д. записываемые данные) происходят с интервалом не более 30 минут. Посещение может состоять из просмотра одной страницы или тысяч. Уникальный сеанс посещения также можно продлить, если время между загрузками страниц указывает на то, что посетитель просматривал страницы непрерывно.
• Активное время/время взаимодействия — среднее количество времени, которое посетители тратят на фактическое взаимодействие с содержимым веб-страницы, исходя из движений мыши, щелчков, наведения курсора мыши и прокрутки. В отличие от продолжительности сеанса и продолжительности/времени просмотра страницы на странице, этот показатель может точно измерить продолжительность взаимодействия при конечном просмотре страницы, но он недоступен во многих инструментах аналитики или методах сбора данных.
• Средняя глубина страницы/просмотры страниц за средний сеанс . Глубина страницы – это приблизительный «размер» среднего посещения, рассчитываемый путем деления общего количества просмотров страниц на общее количество посещений.
• Средняя продолжительность просмотра страницы — среднее количество времени, которое посетители проводят на средней странице сайта.
• Клик - «относится к одному случаю, когда пользователь переходит по гиперссылке с одной страницы сайта на другую».
• Событие — дискретное действие или класс действий, происходящих на веб-сайте. Просмотр страницы — это тип события. События также инкапсулируют клики, отправку форм, события нажатия клавиш и другие действия пользователя на стороне клиента.
• Коэффициент выхода/% выхода — статистика, применяемая к отдельной странице, а не к веб-сайту. Процент посещений, на которых была просмотрена страница, последняя из которых была просмотрена за посещение.
• Сегментация данных . Инструменты веб-аналитики позволяют сегментировать данные, что означает разбиение данных на более мелкие подмножества на основе таких критериев, как демографические данные, местоположение или поведение. Это обеспечивает более глубокое понимание различных сегментов аудитории.
• Первое посещение/первая сессия — (в некоторых инструментах также называется «Абсолютно уникальный посетитель») Посещение однозначно идентифицированного клиента, который теоретически не совершал никаких предыдущих посещений. Поскольку единственный способ узнать, посещал ли клиент с уникальной идентификацией сайт ранее, — это наличие постоянного файла cookie или с помощью цифрового отпечатка пальца , полученного при предыдущем посещении, метка «Первое посещение» не является надежной, если файлы cookie сайта были удалены с момента их предыдущего визита.
• Частота/сеанс на уникальность . Частота показывает, как часто посетители заходят на веб-сайт за определенный период времени. Он рассчитывается путем деления общего количества сеансов (или посещений) на общее количество уникальных посетителей за определенный период времени, например месяц или год. Иногда его используют как синоним термина «лояльность».
• Показ . Наиболее распространенное определение показа — это появление рекламы на просмотренной странице. Реклама может отображаться на просматриваемой странице ниже области, фактически отображаемой на экране, поэтому большинство показателей показов не обязательно означают, что реклама была доступна для просмотра.
• Новый посетитель — посетитель, который ранее не посещал сайт. Это определение создает определенную путаницу (см. распространенные путаницы ниже) и иногда заменяется анализом первых посещений.
• Время просмотра страницы/время видимости страницы/продолжительность просмотра страницы — время нахождения отдельной страницы (или блога, рекламного баннера) на экране, измеряемое как рассчитанная разница между временем запроса этой страницы и временем следующего. записанный запрос. Если следующего записанного запроса нет, то время просмотра этого экземпляра этой страницы не включается в отчеты.
• Повторный посетитель — посетитель, который совершил хотя бы один предыдущий визит. Период между последним и текущим посещением называется давностью посещения и измеряется в днях.
• Повторный посетитель — уникальный посетитель, активность которого заключалась в посещении сайта в течение отчетного периода, и когда уникальный посетитель посетил сайт до отчетного периода. Физическое лицо учитывается только один раз за отчетный период.
• Продолжительность сеанса/продолжительность посещения . Среднее количество времени, которое посетители проводят на сайте при каждом посещении. Он рассчитывается как сумма продолжительности всех сеансов, деленная на общее количество сеансов. Эта метрика может быть усложнена тем, что аналитические программы не могут измерить продолжительность конечного просмотра страницы.
• Посещение одной страницы/одиночное посещение — посещение, при котором просматривается только одна страница (это не «отказ»).
• Наложение сайта  — это метод создания отчетов, при котором статистика (клики) или горячие точки накладываются по физическому местоположению на визуальный снимок веб-страницы.
• Рейтинг кликов  — это соотношение пользователей, которые нажимают на определенную ссылку, к общему числу пользователей, просматривающих страницу, электронное письмо или рекламу. Он обычно используется для измерения успеха рекламной кампании в Интернете для конкретного веб-сайта, а также эффективности кампаний по электронной почте. Другое широко известное определение рейтинга кликов (CTR) — это общее количество кликов, разделенное на общее количество показов, поскольку показатель рейтинга кликов предназначен для измерения соотношения кликов и показов, а не количества пользователей (которые нажали на ссылку). и увидел).

Выездная веб-аналитика

См. также: Исследование ключевых слов и Таргетированная реклама.

Внешняя веб-аналитика основана на анализе открытых данных, изучении социальных сетей и доле голоса в веб-ресурсах. Обычно его используют, чтобы понять, как продвигать сайт, путем определения ключевых слов, отмеченных на этом сайте, либо из социальных сетей, либо с других веб-сайтов.

Источники данных веб-аналитики

Основная цель веб-аналитики — сбор и анализ данных, связанных с веб-трафиком и моделями использования. Данные в основном поступают из четырех источников:

1. Данные прямого HTTP-запроса : напрямую поступают из сообщений HTTP-запроса ( заголовков HTTP-запросов ).
2. Данные сетевого уровня и данные, генерируемые сервером, связанные с HTTP-запросами: не являются частью HTTP-запроса, но необходимы для успешной передачи запроса — например, IP-адрес запрашивающей стороны.
3. Данные уровня приложения, отправляемые с помощью HTTP-запросов: генерируются и обрабатываются программами уровня приложения (такими как JavaScript , PHP и ASP.Net ), включая сеансы и ссылки. Обычно они фиксируются внутренними журналами, а не общедоступными службами веб-аналитики.
4. Внешние данные: могут быть объединены с данными на сайте, чтобы дополнить описанные выше данные о поведении веб-сайта и интерпретировать использование Интернета. Например, IP-адреса обычно связаны с географическими регионами и поставщиками интернет-услуг, показателями открытия электронной почты и рейтингом кликов , данными кампании прямой почтовой рассылки, продажами, историей потенциальных клиентов или другими типами данных по мере необходимости.

Анализ файла журнала веб-сервера

Веб-серверы записывают некоторые из своих транзакций в файл журнала. Вскоре выяснилось, что эти файлы журналов могут быть прочитаны программой для получения данных о популярности веб-сайта. Так возникло программное обеспечение для анализа веб-журналов .

В начале 1990-х годов статистика веб-сайта состояла в основном из подсчета количества клиентских запросов (или обращений ), сделанных к веб-серверу. Изначально это был разумный метод, поскольку каждый веб-сайт часто состоял из одного HTML-файла. Однако с появлением изображений в HTML и веб-сайтов, состоящих из нескольких файлов HTML, этот подсчет стал менее полезным. Первый настоящий коммерческий анализатор журналов был выпущен компанией IPRO в 1994 году.

Две единицы измерения были введены в середине 1990-х годов для более точного измерения объема человеческой активности на веб-серверах. Это были просмотры страниц и посещения (или сеансы ). Просмотр страницы определялся как запрос к веб-серверу страницы, а не изображения, а посещение определялось как последовательность запросов от клиента с уникальной идентификацией, срок действия которых истекал после определенного периода бездействия, обычно 30 минут. .

Появление поисковых пауков и роботов в конце 1990-х годов, а также веб-прокси и динамически назначаемых IP-адресов крупным компаниям и интернет-провайдерам затруднило идентификацию уникальных посетителей веб-сайта. Анализаторы журналов ответили, отслеживая посещения с помощью файлов cookie и игнорируя запросы известных пауков.

Широкое использование веб-кешей также представляло проблему для анализа файлов журналов. Если человек повторно посещает страницу, второй запрос часто будет получен из кеша браузера, поэтому веб-сервер не получит никакого запроса. Это означает, что путь человека по сайту потерян. Кэширование можно отключить путем настройки веб-сервера, но это может привести к снижению производительности посетителя и увеличению нагрузки на серверы.

Маркировка страниц

Обеспокоенность по поводу точности анализа файлов журналов при наличии кэширования и желание иметь возможность выполнять веб-аналитику в качестве аутсорсинговой услуги привели к использованию второго метода сбора данных — маркировки страниц или « веб-маяков ».

В середине 1990-х годов веб-счетчики были широко распространены — это были изображения, включенные в веб-страницу, которые показывали, сколько раз изображение было запрошено, что представляло собой оценку количества посещений этой страницы. В конце 1990-х годов эта концепция развилась и стала включать небольшое невидимое изображение вместо видимого и с помощью JavaScript передавать вместе с запросом изображения определенную информацию о странице и посетителе. Затем эта информация может быть обработана удаленно компанией веб-аналитики и сгенерирована обширная статистика.

Служба веб-аналитики также управляет процессом назначения пользователю файла cookie, который может однозначно идентифицировать его во время посещения и при последующих посещениях. Уровень принятия файлов cookie значительно различается на разных веб-сайтах и ​​может повлиять на качество собираемых и сообщаемых данных.

Сбор данных веб-сайта с использованием стороннего сервера сбора данных (или даже собственного сервера сбора данных) требует дополнительного поиска DNS на компьютере пользователя для определения IP-адреса сервера сбора данных. Иногда задержки в завершении успешных или неудачных поисков DNS могут привести к тому, что данные не будут собраны.

С ростом популярности Ajax -решений альтернативой использованию невидимого изображения является реализация обратного вызова сервера с отрендеренной страницы. В этом случае, когда страница отображается в веб-браузере, фрагмент кода JavaScript будет возвращаться на сервер и передавать информацию о клиенте, которая затем может быть агрегирована компанией, занимающейся веб-аналитикой.

Анализ файла журнала и разметка страниц

Как программы анализа файлов журналов, так и решения для разметки страниц легко доступны компаниям, желающим проводить веб-аналитику. В некоторых случаях одна и та же компания веб-аналитики предлагает оба подхода. Тогда возникает вопрос, какой метод следует выбрать компании. У каждого подхода есть преимущества и недостатки.

Преимущества анализа файлов журналов

Основные преимущества анализа файла журнала перед маркировкой страниц заключаются в следующем:

• Веб-сервер обычно уже создает файлы журналов, поэтому необработанные данные уже доступны. Никаких изменений на сайте не требуется.
• Данные находятся на серверах компании и имеют стандартный, а не проприетарный формат. Это позволяет компании легко переключаться между программами позже, использовать несколько разных программ и анализировать исторические данные с помощью новой программы.
• Файлы журналов содержат информацию о посещениях роботов поисковых систем, которые обычно исключаются из инструментов аналитики с использованием тегов JavaScript. (Некоторые поисковые системы могут даже не выполнять JavaScript на странице.) Хотя об этом не следует сообщать как о человеческой деятельности, это полезная информация для поисковой оптимизации .
• Файлы журналов не требуют дополнительных поисков DNS или медленного запуска TCP . Таким образом, отсутствуют вызовы внешнего сервера, которые могут замедлить скорость загрузки страниц или привести к неучтенным просмотрам страниц.
• Веб-сервер надежно записывает каждую выполняемую им транзакцию, например, предоставление PDF-документов и контента, созданного с помощью сценариев, и не зависит от взаимодействия браузеров посетителей.

Преимущества тегов страниц

Основные преимущества маркировки страниц перед анализом файла журнала заключаются в следующем:

• Подсчет активируется открытием страницы (при условии, что веб-клиент запускает скрипты тегов), а не запросом ее у сервера. Если страница кэширована, она не будет учитываться при анализе журнала на сервере. Кэшированные страницы могут составлять до трети всех просмотров страниц, что может негативно повлиять на многие показатели сайта.
• Данные собираются с помощью компонента («тега») на странице, обычно написанного на JavaScript. Обычно он используется в сочетании с серверным языком сценариев (например, PHP ) для управления им и (обычно) его хранения в базе данных.
• Скрипт может иметь доступ к дополнительной информации о веб-клиенте или о пользователе, не передаваемой в запросе, например, размерам экрана посетителей и цене приобретенных ими товаров.
• Маркировка страниц может сообщать о событиях, которые не требуют запроса к веб-серверу, таких как взаимодействие в Flash -фильмах, частичное заполнение формы, события мыши, такие как onClick, onMouseOver, onFocus, onBlur и т. д.
• Служба маркировки страниц управляет процессом назначения файлов cookie посетителям; при анализе файла журнала сервер должен быть настроен для этого.
• Маркировка страниц доступна компаниям, у которых нет доступа к своим веб-серверам.
• В последнее время тегирование страниц стало стандартом в веб-аналитике.

Экономические факторы

Анализ файлов журналов почти всегда выполняется собственными силами. Маркировка страниц может выполняться собственными силами, но чаще всего она предоставляется как сторонняя услуга. Экономическая разница между этими двумя моделями также может иметь значение для компании, решающей, какую из них приобрести.

• Анализ файлов журналов обычно предполагает разовую покупку программного обеспечения; однако некоторые поставщики вводят максимальное количество просмотров страниц в год, что требует дополнительных затрат на обработку дополнительной информации. Помимо коммерческих предложений, несколько инструментов анализа файлов журналов с открытым исходным кодом доступны бесплатно.
• Для анализа файла журнала необходимо хранить и архивировать данные, которые часто быстро растут. Хотя стоимость аппаратного обеспечения для этого минимальна, накладные расходы ИТ-отдела могут быть значительными.
• Для анализа файлов журналов необходимо поддерживать программное обеспечение, включая обновления и исправления безопасности.
• Поставщики сложных тегов страниц взимают ежемесячную плату в зависимости от объема, то есть количества собранных просмотров страниц за месяц.

Какое решение дешевле внедрить, зависит от объема технических знаний внутри компании, выбранного поставщика, объема активности на веб-сайтах, глубины и типа искомой информации, а также количества отдельных веб-сайтов, нуждающихся в статистике.

Независимо от используемого решения поставщика или метода сбора данных, стоимость анализа и интерпретации веб-посетителей также должна быть включена. То есть стоимость превращения необработанных данных в полезную информацию. Это может быть использование сторонних консультантов, найм опытного веб-аналитика или обучение подходящего штатного специалиста. анализ затрат и выгод Затем можно провести . Например, какое увеличение доходов или экономию средств можно получить, анализируя данные веб-посетителей?

Гибридные методы

Некоторые компании производят решения, которые собирают данные как с помощью файлов журналов, так и с помощью тегов страниц, и могут анализировать оба типа. Используя гибридный метод, они стремятся получить более точную статистику, чем любой метод по отдельности.

Геолокация посетителей

С помощью IP-геолокации можно отслеживать местоположение посетителей. Используя базу данных геолокации IP или API, посетители могут определять свое местоположение на уровне города, региона или страны.

IP Intelligence или Internet Protocol (IP) Intelligence — это технология, которая отображает Интернет и классифицирует IP-адреса по таким параметрам, как географическое местоположение (страна, регион, штат, город и почтовый индекс), тип подключения, поставщик интернет-услуг (ISP), информация о прокси и многое другое. Первое поколение IP Intelligence называлось технологией геотаргетинга или геолокации . Эта информация используется предприятиями для сегментации онлайн-аудитории в таких приложениях, как онлайн-реклама , поведенческий таргетинг , локализация контента (или локализация веб-сайта ), управление цифровыми правами , персонализация , обнаружение онлайн-мошенничества, локализованный поиск, расширенная аналитика, глобальное управление трафиком и контентом. распределение.

Нажмите аналитику

Анализ пути кликов со ссылочными страницами слева, а также стрелками и прямоугольниками разной толщины и ширины, обозначающими количество движений.

Аналитика кликов , также известная как Clickstream, представляет собой особый тип веб-аналитики, который уделяет особое внимание кликам .

Обычно аналитика кликов фокусируется на аналитике на сайте. Редактор веб-сайта использует аналитику кликов, чтобы определить эффективность своего конкретного сайта с учетом того, куда нажимают пользователи.

Кроме того, анализ кликов может осуществляться в реальном или «нереальном» времени, в зависимости от типа искомой информации. Как правило, редакторы первых полос новостных сайтов с высокой посещаемостью хотят отслеживать свои страницы в режиме реального времени, чтобы оптимизировать контент. Редакторы, дизайнеры и другие заинтересованные лица могут анализировать клики в более широком временном интервале, чтобы помочь им оценить работу авторов, элементы дизайна или рекламу и т. д.

Данные о кликах можно собирать как минимум двумя способами. В идеале щелчок «регистрируется», когда он происходит, и этот метод требует некоторой функциональности, которая собирает соответствующую информацию при возникновении события. В качестве альтернативы можно предположить, что просмотр страницы является результатом щелчка, и, следовательно, зарегистрировать смоделированный щелчок, который привел к этому просмотру страницы.

Аналитика жизненного цикла клиента

См. также: Управление жизненным циклом клиентов.

Аналитика жизненного цикла клиента — это подход к измерению, ориентированный на посетителей. Просмотры страниц, клики и другие события (например, вызовы API, доступ к сторонним сервисам и т. д.) привязываются к отдельному посетителю, а не сохраняются как отдельные точки данных. Аналитика жизненного цикла клиентов пытается объединить все точки данных в маркетинговую воронку , которая может дать представление о поведении посетителей и оптимизации веб-сайта . Общие показатели, используемые в аналитике жизненного цикла клиента, включают стоимость привлечения клиента (CAC), пожизненную ценность клиента (CLV), уровень оттока клиентов и оценку удовлетворенности клиентов .

Другие методы

Иногда используются другие методы сбора данных. Анализ пакетов собирает данные путем анализа сетевого трафика, проходящего между веб-сервером и внешним миром. Обнаружение пакетов не требует внесения изменений в веб-страницы или веб-серверы. Также возможна интеграция веб-аналитики в само программное обеспечение веб-сервера. Оба эти метода утверждают, что предоставляют более качественные данные в реальном времени, чем другие методы.

Распространенные источники путаницы в веб-аналитике

Проблема с отелем

Проблема с отелем обычно является первой проблемой, с которой сталкивается пользователь веб-аналитики. Проблема в том, что количество уникальных посетителей за каждый день месяца не равно количеству уникальных посетителей за этот месяц. Неопытному пользователю это кажется проблемой любого аналитического программного обеспечения, которое он использует. На самом деле это простое свойство определений метрики.

Чтобы представить ситуацию, можно представить себе отель. В отеле два номера (номер А и номер Б).

	День 01	День 02	День 03	Общий
Комната А	Джон	Джон	Отметка	2 уникальных пользователя
Комната Б	Отметка	Энн	Энн	2 уникальных пользователя
Общий	2	2	2	?

Как видно из таблицы, в отеле ежедневно в течение трех дней присутствуют два уникальных пользователя. Таким образом, сумма итогов по дням равна шести.

За этот период в каждой комнате было два уникальных пользователя. Таким образом, сумма сумм по комнатам равна четырем.

На самом деле за это время в отеле побывало всего три посетителя. Проблема в том, что человек, который остается в комнате на две ночи, будет учтен дважды, если его учитывать один раз в день, но он будет учтен только один раз, если смотреть на общую сумму за период. Любое программное обеспечение для веб-аналитики правильно суммирует их за выбранный период времени, что приводит к проблеме, когда пользователь пытается сравнить итоговые суммы.

Отравление аналитикой

По мере развития Интернета распространение автоматизированного трафика ботов становится все более серьезной проблемой для надежности веб-аналитики. Когда боты перемещаются по Интернету, они отображают веб-документы аналогично обычным пользователям и в результате могут случайно активировать тот же код, который веб-аналитика использует для подсчета трафика. В совокупности это случайное срабатывание событий веб-аналитики влияет на интерпретируемость данных и выводы, сделанные на основе этих данных. IPM предоставила доказательство того, как Google Analytics , а также его конкуренты, легко активируются с помощью общих стратегий развертывания ботов.

Проблемы со сторонними файлами cookie

См. Также: Веб-отслеживание § Профилактика.

Исторически сложилось так, что поставщики аналитических решений для разметки страниц использовали сторонние файлы cookie, отправленные из домена поставщика, а не из домена просматриваемого веб-сайта. Сторонние файлы cookie могут обрабатывать посетителей, которые пересекают несколько несвязанных доменов на сайте компании, поскольку файлы cookie всегда обрабатываются серверами поставщика.

Однако сторонние файлы cookie в принципе позволяют отслеживать отдельного пользователя на сайтах разных компаний, позволяя поставщику аналитики сопоставлять активность пользователя на сайтах, где он предоставил личную информацию, с его активностью на других сайтах, где он считал себя анонимным. Хотя компании, занимающиеся веб-аналитикой, отрицают это, другие компании, например компании, предоставляющие баннерную рекламу, сделали это. Поэтому проблемы конфиденциальности в отношении файлов cookie привели к тому, что заметное меньшинство пользователей заблокировало или удалило сторонние файлы cookie. В 2005 году некоторые отчеты показали, что около 28% пользователей Интернета блокировали сторонние файлы cookie, а 22% удаляли их хотя бы раз в месяц. Большинство поставщиков решений для разметки страниц теперь перешли к предоставлению как минимум возможности использования собственных файлов cookie (файлов cookie, назначенных из субдомена клиента).

Другая проблема — удаление файлов cookie. Когда веб-аналитика зависит от файлов cookie для идентификации уникальных посетителей, статистика зависит от постоянных файлов cookie для хранения уникального идентификатора посетителя. Когда пользователи удаляют файлы cookie, они обычно удаляют как собственные, так и сторонние файлы cookie. Если это будет сделано между взаимодействиями с сайтом, то в следующей точке взаимодействия пользователь будет отображаться как посетитель, впервые посетивший его. Без постоянного и уникального идентификатора посетителя конверсии, анализ потока кликов и другие показатели, зависящие от активности уникального посетителя с течением времени, не могут быть точными.

Файлы cookie используются, поскольку IP-адреса не всегда уникальны для пользователей и могут использоваться большими группами или прокси-серверами. В некоторых случаях IP-адрес объединяется с пользовательским агентом, чтобы более точно идентифицировать посетителя, если файлы cookie недоступны. Однако это лишь частично решает проблему, поскольку часто пользователи за прокси-сервером имеют один и тот же пользовательский агент. Другие методы однозначной идентификации пользователя технически сложны и могут ограничить отслеживаемую аудиторию или могут быть сочтены подозрительными. Файлы cookie достигают наименьшего общего знаменателя без использования технологий, которые считаются шпионским ПО , а включение/активность файлов cookie приводит к проблемам безопасности.

Методы безопасной аналитики (измерения)

Сбор информации третьими лицами регулируется любыми сетевыми ограничениями и применяемыми мерами безопасности. Страны, поставщики услуг и частные сети могут предотвратить передачу данных о посещениях сайта третьим лицам. Все методы, описанные выше (и некоторые другие методы, не упомянутые здесь, например, выборка), имеют центральную проблему: уязвимость к манипуляциям (как инфляции, так и дефляции). Это означает, что эти методы являются неточными и небезопасными (в любой разумной модели безопасности). Данному вопросу посвящено несколько работ, но на сегодняшний день решения, предложенные в этих статьях, остаются теоретическими.

См. также

• Список программного обеспечения для веб-аналитики
• Мобильная веб-аналитика
• Онлайн видеоаналитика
• Постклик-маркетинг
• Сессия (веб-аналитика)
• Программное обеспечение для анализа веб-журналов
• Веб-майнинг
• Веб-производительность
• Веб-трафик

Библиография

• Клифтон, Брайан (2010) Расширенные веб-показатели с помощью Google Analytics, 2-е издание, Sybex (мягкая обложка).
• Мортенсен, Деннис Р. (2009). Yahoo! Веб-аналитика: отслеживание, отчетность и анализ для получения информации на основе данных . Индианаполис, Индиана: Уайли. ISBN  978-0470424247 .
• Фаррис П., Бендл Н.Т., Пфайфер П.Е. Рейбштейн, Д.Д. (2009) Ключевые показатели маркетинга. Более 50 показателей, которые должен знать каждый менеджер, Прентис Холл , Лондон.
• Плаза, Беатрис (18 сентября 2009 г.). «Мониторинг эффективности источников веб-трафика с помощью Google Analytics: эксперимент с временными рядами». Судебное разбирательство АСЛИБ . 61 (5): 474–482. дои : 10.1108/00012530910989625 .
• Арикан, Акин (2008) Многоканальный маркетинг. Метрики и методы достижения успеха в Интернете и в автономном режиме. Сайбекс.
• Таллис, Том и Альберт, Билл (2008) Измерение пользовательского опыта. Сбор, анализ и представление показателей юзабилити. Морган Кауфманн , Elsevier , Берлингтон, Массачусетс.
• Кошик, Авинаш (2009). Веб-аналитика 2.0:: Искусство онлайн-отчетности и наука клиентоориентированности . Сайбекс. ISBN  9780470529393 .
• Кошик, Авинаш; Рэйбоулд, Дэйв (2007). Веб-аналитика: час в день . Индианаполис, Индиана: Уайли. ISBN  9780470130650 .
• Брэдли Н. (2007) Маркетинговые исследования. Инструменты и методы. Издательство Оксфордского университета , Оксфорд.
• Состре, Педро и Леклер, Дженнифер (2007) Веб-аналитика для чайников. Уайли .
• Берби, Джейсон и Атчисон, Шейн (2007). Действенная веб-аналитика: использование данных для принятия разумных бизнес-решений.
• Дэвис, Дж. (2006) «Маркетинговые показатели: как создать действительно работающие планы ответственного маркетинга» John Wiley & Sons (Азия).
• Петерсон Эрик Т. (2005) Хаки по измерению веб-сайтов. Электронная книга О'Рейли .

• Чжэн Дж. Г. и Пельцвергер С. (2015) Обзор веб-аналитики , В книге: Энциклопедия информационных наук и технологий, третье издание, Издатель: IGI Global, Редакторы: Мехди Хосров-Пур