Optimics » Webová analytika http://www.optimics.cz měření a optimalizace webu Fri, 03 Feb 2012 16:14:57 +0000 en hourly 1 http://wordpress.org/?v=3.3.1 Co je zákaznická analytika? http://www.optimics.cz/c/co-je-zakaznicka-analytika http://www.optimics.cz/c/co-je-zakaznicka-analytika#comments Mon, 28 Nov 2011 20:49:52 +0000 Jiří Brázda http://www.optimics.cz/?p=3084 Pokud se chystáte na Web Analytics Wednesday, určitě jste zaznamenali, že nebudeme mluvit o webové analytice, ale o zákaznické analytice. Bude to tak trošku historická událost, protože termín zákaznická analytika (v angličtině customer analytics) se v ČR dosud nepoužíval. Nejde nám ale o samoúčelné zavedení nového buzzwordu. Vždyť webová analytika si teprve v letošním roce dokázala vydobýt a pevně obhájit své místo pod sluncem marketingového budgetu, tak proč si komplikovat situaci?

Jednoduše proto, že webová analytika ve své podstatě naráží na omezení, která limitují její přínos pouze na jediný kanál, tj. web. Je sice skutečně pravda, že díky webové analytice můžete identifikovat příležitosti pro zlepšení webových metrik jako je konverzní poměr. Teprve ale když se postavíte jako pěšák v první linii proti majitelům a ředitelům firem, abyste jim prodali webovou analytiku, a když si smočíte ruce v mnoha různých analytických projektech, dojdete po čase k závěru, že konverzní poměr může, ale také vůbec nemusí korelovat s obratem a ziskem firmy.

Problém je tím komplikovanější, že data o obratu a zisku firmy jsou v drtivé většině případů zcela oddělena od webových dat a v marketingové praxi se také bohužel běžně nepoužívá mechanismus tzv. kontrolovaného experimentu, díky kterému lze odlišit skutečnou kauzalitu od pouhé korelace. Jinak řečeno, bez kontrolovaného experimentu nelze nikdy zcela správně vyčíslit vliv změny na webu na obrat či zisk firmy.

Zákaznická analytika v tomto digitalizovaném světě se neobejde bez webové analytiky, ale navazuje tam, kde digitální svět končí. Primárně zkoumá vývoj chování individuálních zákazníků v čase a v interakci s produkty, kampaněmi a prodejními a servisními kanály firmy. Nejdůležitější metrikou je hodnota zákazníka, což v jednoduchosti může být suma hodnoty všech předešlých nákupů, ale lépe suma čisté marže všech předešlých nákupů a všech očekávaných budoucích nákupů. Na základě těchto vztahů pak zákaznická analytika definuje behaviorální segmenty.
Zákaznická analytika
Je důležité zmínit, že tato behaviorální segmentace se zásadně liší od tradiční demografické a lifestylové segmentace, jejímž výstupem jsou spíše persony, nebo-li profily typických zákazníků, které jsou v čase v podstatě neměnné. Naproti tomu behaviorální segmentace rozděluje zákazníky do skupin na základě jejich chování.

Příkladem může být jednoduchý segment zákazníků, kteří nenakoupili déle než 1 rok. Tím, že je tento segment zákazníků definovaný vzhledem k jejich chování v čase, budou do něj s postupem času přibývat noví zákazníci, kteří nenakupují, a naopak z něj zmizí zákazníci, kteří se probudí a znovu nakoupí – a to vše s ohledem na okamžik, vzhledem ke kterému je formule „déle než 1 rok“ vztažena.

Ale zpět k rozdílu mezi webovou a zákaznickou analytikou. Webová analytika pracuje s daty všech, tj. zejména anonymních návštěvníků webu a obvykle vede k úpravám webu, jejichž cílem je zlepšit obecně uživatelskou zkušenost bez ohledu na to, zda se jedná o nové či stávající zákazníky a zvýšit tak celkovou obchodní výkonnost webu.

Zákaznická analytika pracuje naopak pouze s daty stávajících zákazníků, ke kterým existují identifikační a kontaktní údaje a kompletní historie jejich transakcí. Zákaznickou analytiku lze proto využít jak pro direct marketing, tj. přímé oslovení konkrétního segmentu zákazníků emailem, dopisem, telefonátem apod., tak pro celkové vyhodnocení ziskovosti firmy a to i včetně forecastu do budoucna. Cílem zákaznické analytiky je vždy zvyšovat hodnotu zákazníků.

V dalších dílech tohoto seriálu o zákaznické analytice se pokusím vysvětlit všechny důležité koncepty zákaznické analytiky a ukázat vám konkrétní příklady z praxe. Pokud vás nějaké téma zajímá více do hloubky, pište prosím do komentářů. 

Již tuto středu 30.11. se také koná další Web Analytics Wednesday. Společně s Radkem Hrachovcem, Tomášem Jindříškem, se mnou a dalšími účastníky můžete diskutovat na téma loajality, konverze a retence v online retailu. Více informací o programu a odkaz na bezplatnou registraci najdete na webu Web Analytics Wednesday.

Komentáře

]]> Pokud se chystáte na Web Analytics Wednesday, určitě jste zaznamenali, že nebudeme mluvit o webové analytice, ale o zákaznické analytice. Bude to tak trošku historická událost, protože termín zákaznická analytika (v angličtině customer analytics) se v ČR dosud nepoužíval. Nejde nám ale o samoúčelné zavedení nového buzzwordu. Vždyť webová analytika si teprve v letošním roce dokázala vydobýt a pevně obhájit své místo pod sluncem marketingového budgetu, tak proč si komplikovat situaci?

Jednoduše proto, že webová analytika ve své podstatě naráží na omezení, která limitují její přínos pouze na jediný kanál, tj. web. Je sice skutečně pravda, že díky webové analytice můžete identifikovat příležitosti pro zlepšení webových metrik jako je konverzní poměr. Teprve ale když se postavíte jako pěšák v první linii proti majitelům a ředitelům firem, abyste jim prodali webovou analytiku, a když si smočíte ruce v mnoha různých analytických projektech, dojdete po čase k závěru, že konverzní poměr může, ale také vůbec nemusí korelovat s obratem a ziskem firmy.

Problém je tím komplikovanější, že data o obratu a zisku firmy jsou v drtivé většině případů zcela oddělena od webových dat a v marketingové praxi se také bohužel běžně nepoužívá mechanismus tzv. kontrolovaného experimentu, díky kterému lze odlišit skutečnou kauzalitu od pouhé korelace. Jinak řečeno, bez kontrolovaného experimentu nelze nikdy zcela správně vyčíslit vliv změny na webu na obrat či zisk firmy.

Zákaznická analytika v tomto digitalizovaném světě se neobejde bez webové analytiky, ale navazuje tam, kde digitální svět končí. Primárně zkoumá vývoj chování individuálních zákazníků v čase a v interakci s produkty, kampaněmi a prodejními a servisními kanály firmy. Nejdůležitější metrikou je hodnota zákazníka, což v jednoduchosti může být suma hodnoty všech předešlých nákupů, ale lépe suma čisté marže všech předešlých nákupů a všech očekávaných budoucích nákupů. Na základě těchto vztahů pak zákaznická analytika definuje behaviorální segmenty.
Zákaznická analytika
Je důležité zmínit, že tato behaviorální segmentace se zásadně liší od tradiční demografické a lifestylové segmentace, jejímž výstupem jsou spíše persony, nebo-li profily typických zákazníků, které jsou v čase v podstatě neměnné. Naproti tomu behaviorální segmentace rozděluje zákazníky do skupin na základě jejich chování.

Příkladem může být jednoduchý segment zákazníků, kteří nenakoupili déle než 1 rok. Tím, že je tento segment zákazníků definovaný vzhledem k jejich chování v čase, budou do něj s postupem času přibývat noví zákazníci, kteří nenakupují, a naopak z něj zmizí zákazníci, kteří se probudí a znovu nakoupí – a to vše s ohledem na okamžik, vzhledem ke kterému je formule „déle než 1 rok“ vztažena.

Ale zpět k rozdílu mezi webovou a zákaznickou analytikou. Webová analytika pracuje s daty všech, tj. zejména anonymních návštěvníků webu a obvykle vede k úpravám webu, jejichž cílem je zlepšit obecně uživatelskou zkušenost bez ohledu na to, zda se jedná o nové či stávající zákazníky a zvýšit tak celkovou obchodní výkonnost webu.

Zákaznická analytika pracuje naopak pouze s daty stávajících zákazníků, ke kterým existují identifikační a kontaktní údaje a kompletní historie jejich transakcí. Zákaznickou analytiku lze proto využít jak pro direct marketing, tj. přímé oslovení konkrétního segmentu zákazníků emailem, dopisem, telefonátem apod., tak pro celkové vyhodnocení ziskovosti firmy a to i včetně forecastu do budoucna. Cílem zákaznické analytiky je vždy zvyšovat hodnotu zákazníků.

V dalších dílech tohoto seriálu o zákaznické analytice se pokusím vysvětlit všechny důležité koncepty zákaznické analytiky a ukázat vám konkrétní příklady z praxe. Pokud vás nějaké téma zajímá více do hloubky, pište prosím do komentářů. 

Již tuto středu 30.11. se také koná další Web Analytics Wednesday. Společně s Radkem Hrachovcem, Tomášem Jindříškem, se mnou a dalšími účastníky můžete diskutovat na téma loajality, konverze a retence v online retailu. Více informací o programu a odkaz na bezplatnou registraci najdete na webu Web Analytics Wednesday.

]]> http://www.optimics.cz/c/co-je-zakaznicka-analytika/feed 0 Google Analytics: VAŠE data řídíme MY http://www.optimics.cz/c/google-analytics-vase-data-ridime-my http://www.optimics.cz/c/google-analytics-vase-data-ridime-my#comments Thu, 18 Aug 2011 10:03:46 +0000 Martin Snížek http://www.optimics.cz/?p=2642 Minulý týden tým Google Analytics ohlásil změnu v metodice sbírání dat:

  1. Když uživatel přijde během otevřené session z nového zdroje návštěvnosti, začne se počítat nová návštěva – dříve stále pokračovala ta původní. Příkladem může být situace, kdy uživatel dělá rešerši ve vyhledávači, položí např. 10 dotazů na dané téma (cca během hodiny) a při nich si dvakrát či třikrát proklikne inzerát Adwords vedoucí na váš web. Dříve by se jednalo o jednu návštěvu, nyní to budou tři.
  2. Když uživatel zavře okno prohlížeče s vaším webem, poté ho zase hned otevře a jde na váš web, bude stále pokračovat původní návštěva – dříve se návštěva s uzavřením prohlížeče vždy ukončila.

Můžeme diskutovat o tom, jestli se jedná o změny k lepšímu a jestli nám pomohou lépe pochopit návštěvníky na webu. Mně osobně to přijde jako zlepšení, ale to není tak podstatné.

Podstatné je, že tato úprava metodiky změní vaše čísla bez toho, aby se cokoliv změnilo na webu nebo v kampaních. Uvidíte změny v metrikách Visits, Pages/Visits, Avg. Time on Site a dalších. Razance změn závisí jen na tom, jak moc používáte trackování kampaní, na chování vašich návštěvníků a na nastavení Google Analytics.

U webu malé firmy budou možná chvíli rádi, že jim stoupla návštěvnost, než si uvědomí, že se jedná jen o změnu metodiky (případně toto vůbec nezjistí a budou se domnívat, že jsou nyní úspěšnější).

Umíte si ale představit, co způsobí tato změna v prostředí větších firem, kde existuje reporting a jeho součástí jsou i data z Google Analytics? Odpovědní lidé se budou ptát, co způsobilo změnu čísel a chudák analytik bude v potu tváře vysvětlovat, že nástroj prostě změnil metodiku, a že nyní bude v reportech cca o 20 % vyšší návštěvnost (například) – už napořád. Vlastně ale ne, přesněji řečeno do příští změny v metodice (u které nemůžeme ovlivnit obsah ani čas).

Nedej bože, jestli v reportingu jsou i forecasty (předpovědi) metrik na měsíce či týdny, na základě dat z minulého roku a např. investic do médií v roce aktuálním. Ty se teď můžou vyhodit. Výsledek je, že webová data v reportingu dostanou nálepku nespolehlivá, což by se nám, lidem od webové analytiky, nemělo zamlouvat.

Google Analytics sice neustále procházejí inovacemi, získávají nové funkce a jejich vývojový tým je otevřený a přátelský, ale je třeba si uvědomit, kde je místo Analytics ve strategii Googlu – co odůvodňuje jejich ohromné náklady a žádné přímé příjmy. Cíle Googlu u Google Analytics jsou dva:

  1. Mít zdarma co nejvíce detailních dat o různých webech a firmách
  2. Podporovat zvyšování obratu Adwords

Všimněte si, že mezi těmito cíly není „poskytovat přesná objektivní data“ nebo „sloužit dobře zákazníkům“ – tím neříkám, že by to Google Analytics nedělaly, ale jaksi to není to hlavní.

Říkám často klientům, když se mě ptají na benefity placených analytických nástrojů, také toto: máte jistotu, že data se budou sbírat i zítra a pozítří, že se tak děje podle SLA a podle jasně popsaných standardů. Google oznámil změnu metodiky poprvé v den, kdy ji změnil. Kdyby podobnou změnu metodiky chystal poskytovatel placeného řešení (např. Omniture), tak:

  1. První ohlášení by bylo nejspíše půl roku až rok dopředu.
  2. Byla by nejspíše možnost svojí volbou zůstat u staré metodiky ještě po dalších X let.
  3. Vše včetně možných konsekvencí a opatření proti nim by se vysvětlilo na přednáškách a v článcích.

Takovýto přístup potřebují firmy, které webová data berou vážně. Ačkoliv ani placené nástroje nejsou ve svém vývoji pokaždé bez ztráty květinky, vždy u nich platí, že se snaží v první řadě o spokojenost zákazníka a že jsou nezávislé na inzertních penězích. Ani jedno dnes u Google Analytics není a bude to podle mě čím dál větší problém.

PS: Pokud jsou vám sympatické pokročilé nástroje webové analytiky, možná pro vás máme práci.

Související články:

Komentáře

Související články:]]> Minulý týden tým Google Analytics ohlásil změnu v metodice sbírání dat:

  1. Když uživatel přijde během otevřené session z nového zdroje návštěvnosti, začne se počítat nová návštěva – dříve stále pokračovala ta původní. Příkladem může být situace, kdy uživatel dělá rešerši ve vyhledávači, položí např. 10 dotazů na dané téma (cca během hodiny) a při nich si dvakrát či třikrát proklikne inzerát Adwords vedoucí na váš web. Dříve by se jednalo o jednu návštěvu, nyní to budou tři.
  2. Když uživatel zavře okno prohlížeče s vaším webem, poté ho zase hned otevře a jde na váš web, bude stále pokračovat původní návštěva – dříve se návštěva s uzavřením prohlížeče vždy ukončila.

Můžeme diskutovat o tom, jestli se jedná o změny k lepšímu a jestli nám pomohou lépe pochopit návštěvníky na webu. Mně osobně to přijde jako zlepšení, ale to není tak podstatné.

Podstatné je, že tato úprava metodiky změní vaše čísla bez toho, aby se cokoliv změnilo na webu nebo v kampaních. Uvidíte změny v metrikách Visits, Pages/Visits, Avg. Time on Site a dalších. Razance změn závisí jen na tom, jak moc používáte trackování kampaní, na chování vašich návštěvníků a na nastavení Google Analytics.

U webu malé firmy budou možná chvíli rádi, že jim stoupla návštěvnost, než si uvědomí, že se jedná jen o změnu metodiky (případně toto vůbec nezjistí a budou se domnívat, že jsou nyní úspěšnější).

Umíte si ale představit, co způsobí tato změna v prostředí větších firem, kde existuje reporting a jeho součástí jsou i data z Google Analytics? Odpovědní lidé se budou ptát, co způsobilo změnu čísel a chudák analytik bude v potu tváře vysvětlovat, že nástroj prostě změnil metodiku, a že nyní bude v reportech cca o 20 % vyšší návštěvnost (například) – už napořád. Vlastně ale ne, přesněji řečeno do příští změny v metodice (u které nemůžeme ovlivnit obsah ani čas).

Nedej bože, jestli v reportingu jsou i forecasty (předpovědi) metrik na měsíce či týdny, na základě dat z minulého roku a např. investic do médií v roce aktuálním. Ty se teď můžou vyhodit. Výsledek je, že webová data v reportingu dostanou nálepku nespolehlivá, což by se nám, lidem od webové analytiky, nemělo zamlouvat.

Google Analytics sice neustále procházejí inovacemi, získávají nové funkce a jejich vývojový tým je otevřený a přátelský, ale je třeba si uvědomit, kde je místo Analytics ve strategii Googlu – co odůvodňuje jejich ohromné náklady a žádné přímé příjmy. Cíle Googlu u Google Analytics jsou dva:

  1. Mít zdarma co nejvíce detailních dat o různých webech a firmách
  2. Podporovat zvyšování obratu Adwords

Všimněte si, že mezi těmito cíly není „poskytovat přesná objektivní data“ nebo „sloužit dobře zákazníkům“ – tím neříkám, že by to Google Analytics nedělaly, ale jaksi to není to hlavní.

Říkám často klientům, když se mě ptají na benefity placených analytických nástrojů, také toto: máte jistotu, že data se budou sbírat i zítra a pozítří, že se tak děje podle SLA a podle jasně popsaných standardů. Google oznámil změnu metodiky poprvé v den, kdy ji změnil. Kdyby podobnou změnu metodiky chystal poskytovatel placeného řešení (např. Omniture), tak:

  1. První ohlášení by bylo nejspíše půl roku až rok dopředu.
  2. Byla by nejspíše možnost svojí volbou zůstat u staré metodiky ještě po dalších X let.
  3. Vše včetně možných konsekvencí a opatření proti nim by se vysvětlilo na přednáškách a v článcích.

Takovýto přístup potřebují firmy, které webová data berou vážně. Ačkoliv ani placené nástroje nejsou ve svém vývoji pokaždé bez ztráty květinky, vždy u nich platí, že se snaží v první řadě o spokojenost zákazníka a že jsou nezávislé na inzertních penězích. Ani jedno dnes u Google Analytics není a bude to podle mě čím dál větší problém.

PS: Pokud jsou vám sympatické pokročilé nástroje webové analytiky, možná pro vás máme práci.

Související články:

]]> http://www.optimics.cz/c/google-analytics-vase-data-ridime-my/feed 7 Hledáme další analytiky do našeho týmu http://www.optimics.cz/c/hledame-dalsi-analytiky-do-naseho-tymu http://www.optimics.cz/c/hledame-dalsi-analytiky-do-naseho-tymu#comments Fri, 17 Jun 2011 14:33:18 +0000 Jiří Brázda http://www.optimics.cz/?p=2312 Jen úplný nováček, který se zcela náhodou ocitl na tomto webu, zřejmě ještě neslyšel o tom, co je analytika a jak je to perspektivní obor pro business napříč všemi jeho funkcemi. A tím pádem i perspektivní pro vlastní kariéru.

Práce, půda, kapitál? Zapomeňte! Data is the new soil.

Pokud ale přece jen váháte, a na VŠ vás učili něco jiného, podívejte se na 5 vybraných indikátorů o stále rostoucím významu dat a analytiky.

  1. Stoletá IBM už dávno není výrobcem počítačů, v posledních čtyřech letech investovala více než 14 miliard dolarů do akvizic v oblasti analytického softwaru (Cognos, SPSS, Unica, Netezza a další)
  2. Hal Varian, Google Chief Economist, v roce 2008 prohlásil: I keep saying that the sexy job in the next 10 years will be statisticians
  3. Reid Hoffman, zakladatel LinkedIn, doplňuje: Web 3.0 Will Be About Data
  4. Porovnejte trendy počtu vyhledávání výrazů analytics, seo, adwords a social media a trendy počtu volných míst
  5. Internet je jedna velká pokladnice plná dat, prostřednictvím které lze zmapovat celý svět
  6. (pokud máte nějaký jiný oblíbený odkaz/citát spojený s analytikou, přidejte klidně do komentářů)

My tyto trendy sledujeme a vnímáme potřeby firem přesně v tom duchu, který popisuje Hal Varian. Naši klienti mají data, ale potřebují technologie a lidi, kteří jim pomůžou těmto datům porozumět a vytěžit z nich konkurenční výhodu. IBM, SAS, Accenture nebo Google, Facebook, Twitter a mnoho dalších to vidí úplně stejně. Nad daty dokonce vznikají zcela nové obchodní modely, datová tržiště a datové agregátory.

Cílem Optimics je vybudovat prvotřídní know-how a specializaci v analytice se zaměřením na online marketing a prodej. Neustále hledáme příležitosti, abychom v praxi u klientů mohli aplikovat to, o čem přednáší ti nejlepší konzultanti na konferencích ve Spojených státech a dobrá zpráva je, že se nám to daří stále víc a víc. Pokud tedy věříte významu analytiky a chtěli byste se stát součástí této úspěšné vize, máme právě teď pro vás zajímavou nabídku. Pojďte pracovat s námi.

PS. A přijďte také 29.6. na další Web Analytics Wednesday. Můžete si udělat lepší představu o tom, kdo jsme a co děláme. Zároveň si můžete poslechnout zajímavé prezentace analytiků z iDNES a O2.

Související články:

Komentáře

Související články:]]> Jen úplný nováček, který se zcela náhodou ocitl na tomto webu, zřejmě ještě neslyšel o tom, co je analytika a jak je to perspektivní obor pro business napříč všemi jeho funkcemi. A tím pádem i perspektivní pro vlastní kariéru.

Práce, půda, kapitál? Zapomeňte! Data is the new soil.

Pokud ale přece jen váháte, a na VŠ vás učili něco jiného, podívejte se na 5 vybraných indikátorů o stále rostoucím významu dat a analytiky.

  1. Stoletá IBM už dávno není výrobcem počítačů, v posledních čtyřech letech investovala více než 14 miliard dolarů do akvizic v oblasti analytického softwaru (Cognos, SPSS, Unica, Netezza a další)
  2. Hal Varian, Google Chief Economist, v roce 2008 prohlásil: I keep saying that the sexy job in the next 10 years will be statisticians
  3. Reid Hoffman, zakladatel LinkedIn, doplňuje: Web 3.0 Will Be About Data
  4. Porovnejte trendy počtu vyhledávání výrazů analytics, seo, adwords a social media a trendy počtu volných míst
  5. Internet je jedna velká pokladnice plná dat, prostřednictvím které lze zmapovat celý svět
  6. (pokud máte nějaký jiný oblíbený odkaz/citát spojený s analytikou, přidejte klidně do komentářů)

My tyto trendy sledujeme a vnímáme potřeby firem přesně v tom duchu, který popisuje Hal Varian. Naši klienti mají data, ale potřebují technologie a lidi, kteří jim pomůžou těmto datům porozumět a vytěžit z nich konkurenční výhodu. IBM, SAS, Accenture nebo Google, Facebook, Twitter a mnoho dalších to vidí úplně stejně. Nad daty dokonce vznikají zcela nové obchodní modely, datová tržiště a datové agregátory.

Cílem Optimics je vybudovat prvotřídní know-how a specializaci v analytice se zaměřením na online marketing a prodej. Neustále hledáme příležitosti, abychom v praxi u klientů mohli aplikovat to, o čem přednáší ti nejlepší konzultanti na konferencích ve Spojených státech a dobrá zpráva je, že se nám to daří stále víc a víc. Pokud tedy věříte významu analytiky a chtěli byste se stát součástí této úspěšné vize, máme právě teď pro vás zajímavou nabídku. Pojďte pracovat s námi.

PS. A přijďte také 29.6. na další Web Analytics Wednesday. Můžete si udělat lepší představu o tom, kdo jsme a co děláme. Zároveň si můžete poslechnout zajímavé prezentace analytiků z iDNES a O2.

Související články:

]]> http://www.optimics.cz/c/hledame-dalsi-analytiky-do-naseho-tymu/feed 0 Poznejte lépe své návštěvníky pomocí vlastních pokročilých segmentů v GA http://www.optimics.cz/c/vlastni-pokrocile-segmenty-ga http://www.optimics.cz/c/vlastni-pokrocile-segmenty-ga#comments Mon, 01 Nov 2010 07:00:22 +0000 Oldřich Kejík http://www.optimics.cz/?p=1570 V minulém díle našeho miniseriálu o pokročilém využití Google Analytics jsem vám ukázal segmentaci dat pomocí výchozích segmentů. Nyní vám představím některé z vlastních segmentů a vysvětlím, jak vám mohou pomoci k bližšímu pochopení návštěvníků vašeho webu a jak je připravíte.

K nastavení vlastních segmentů se dostanete následujícím postupem.

  1. V pravé horní části aplikace Google Analytics zvolte Advanced Segments – All visits (Pokročilé segmenty – Všechny návštěvy).
  2. Klikněte na Create a new advanced segment (Vytvořit nový rozšířený segment).
  3. Dále pokračujte výběrem z levého menu dle konkrétního požadavku. Níže uvedené příklady navazují na tyto body.
Nastavení vlastních segmentů

Nekonvertující návštěvníci – klíč ke zlepšení webu

Ve výchozím nastavení je definován segment návštěvníků, kteří provedli konverzi. Pozorovat ale můžeme i chování těch návštěvníků, kteří ke konverzi nedošli. Zjistíme tak, kudy se na webu tito návštěvníci pohybují a proč nedošli k požadovanému cíli. Díky získaným údajům tak lze poznat a odstranit slabá místa webu a zvýšit počet skutečných zákazníků.

Segment připravíte následovně:

  1. V levé nabídce vyberte Metrics (Metriky) – Goals (Cíle) hodnotu Total Goal Completions (Celkový počet dokončení pro cíl) a přeneste ji do vyznačeného pole vpravo.
  2. Položku Condition (Podmínka) změňte na hodnotu Equal to (Rovná se) a do položky Value (Hodnota) uveďte nulu.
  3. Segment nezapomeňte pojmenovat, uložit a aplikovat na data v reportu.
Nastavení segmentu nekonvertujících návštěvníků

Návštěvníci z konkrétní landing page – poznejte úspěšnost vašich kampaní

Pokud využíváte reklamních kampaní (nemusí jít čistě jen o PPC), jistě je necílíte pouze na úvodní stránku svého webu, ale spíše na stránky, které se dané reklamy týkají nejvíce. U nás bychom reklamu s klíčovým slovem „optimalizace webu“ nevedli na homepage, ale na stránku Optimalizace webu. Mnohdy se návštěvník z takové reklamy chová jinak než běžný návštěvník, který přišel na úvodní stránku, a hledá jiné informace.

Jak vysegmentovat tyto návštěvníky?

  1. V levé nabídce vyberte Dimension (Dimenze) – Content (Obsah) hodnotu Landing Page (Vstupní stránka) a přeneste ji do vyznačeného pole vpravo.
  2. Položku Condition (Podmínka) ponechte na hodnotě Matches exactly (Shoduje se přesně s) a do položky Value (Hodnota) uveďte adresu dané landing page, například /sleva.html.
  3. Nakonec segment pojmenujte, uložte a aplikujte v reportu.
Nastavení segmentu návštěvníků z konkrétní landing page

Návštěvníci ze zbožových vyhledávačů

Pro e-shopy jsou zajímavým zdrojem návštěvníků a zejména zákazníků zbožové vyhledávače, jako jsou Zboží.cz, Heuréka.cz a další srovnávače. Návštěvníci z těchto portálů jsou již rozhodnuti o konkrétním zboží, ale hledají obchod, kde jej nakoupí. Postup e-shopem tak může být odlišný od ostatních návštěvníků. Vytříděním těchto návštěvníků můžete zjistit požadavky právě této skupiny potenciálních zákazníků.

Segment vytvoříte takto:

  1. V levé nabídce vyberte Dimension (Dimenze) – Traffic Sources (Zdroje návštěvnosti) hodnotu Source (Zdroj) a přeneste ji do vyznačeného pole vpravo.
  2. Položku Condition (Podmínka) změňte na hodnotu Matches regular expression (Shoduje se s běžným výrazem) a do položky Value (Hodnota) uveďte adresy požadovaných zbožových portálů v následujícím tvaru: zbozi\.cz|heu­reka\.cz|hledej­ceny\.cz|srov­name\.cz.
  3. Segment pojmenujte, uložte a zobrazte v reportu.
Nastavení segmentu návštěvníků ze zbožových portálů

Návštěvníci ze sociálních sítí

Sociální sítě jsou dnes velmi populární, a tak vás jistě zajímá, kolik návštěvníků přišlo na váš web třeba z Facebooku a o co se na stránkách zajímali. Postup je shodný s tvorbou segmentu návštěvníků ze zbožových portálů, pouze změníte URL adresy daných portálů. V případě sociálních sítí tak můžete uvést například facebook|lide|lin­kedin|linkuj|twit­ter.

Na jaké reporty se u našich segmentů zaměřit?

Nastavení segmentů samo o sobě samozřejmě nestačí k lepšímu pochopení návštěvníků vašeho webu, je potřeba se podívat hlouběji do jednotlivých reportů. Pro inspiraci uvádím několik příkladů.

  • V segmentu nekonvertujících návštěvníků můžete z reportu Top Content (Nejnavštěvovanější stránky) zjistit, že některá z podpůrných stránek má vysokou návštěvnost, ale přitom není na webu dostatečně k nalezení. To značí, že pro zákazníky je informace na dané stránce velmi důležitá a zaslouží si v rámci webu zvýraznění.
  • Pokud máte u nekonvertujících návštěvníků mnoho shlédnutých stránek na návštěvu (např. 10 a více) nebo času stráveného na webu, značí to, že mnoho vašich návštěvníků web zaujme, zabývají se s ním, ale nejsou ještě tak daleko ve svém nákupním rozhodování, aby udělali konverzi – a vy o ně možná kvůli tomu přijdete. Zamyslete se nad tím, jestli nedoplnit na web menší konverzní cíle, např. registrace do newsletteru nebo zanechání kontaktu pro zpětné zavolání. Umožní vám to alespoň něco z této skupiny návštěvníků získat, a později z některých z nich udělat zákazníky.
  • Pro segment návštěvníků ze sociálních sítí lze také využít report Top Content (Nejnavštěvovanější stránky). Zjistíte z něho téma, o které mají tito návštěvníci největší zájem, což můžete využít při tvorbě dalšího obsahu s cílem získání odkazů ze sociálních sítí.

Komentáře

]]> V minulém díle našeho miniseriálu o pokročilém využití Google Analytics jsem vám ukázal segmentaci dat pomocí výchozích segmentů. Nyní vám představím některé z vlastních segmentů a vysvětlím, jak vám mohou pomoci k bližšímu pochopení návštěvníků vašeho webu a jak je připravíte.

K nastavení vlastních segmentů se dostanete následujícím postupem.

  1. V pravé horní části aplikace Google Analytics zvolte Advanced Segments – All visits (Pokročilé segmenty – Všechny návštěvy).
  2. Klikněte na Create a new advanced segment (Vytvořit nový rozšířený segment).
  3. Dále pokračujte výběrem z levého menu dle konkrétního požadavku. Níže uvedené příklady navazují na tyto body.
Nastavení vlastních segmentů

Nekonvertující návštěvníci – klíč ke zlepšení webu

Ve výchozím nastavení je definován segment návštěvníků, kteří provedli konverzi. Pozorovat ale můžeme i chování těch návštěvníků, kteří ke konverzi nedošli. Zjistíme tak, kudy se na webu tito návštěvníci pohybují a proč nedošli k požadovanému cíli. Díky získaným údajům tak lze poznat a odstranit slabá místa webu a zvýšit počet skutečných zákazníků.

Segment připravíte následovně:

  1. V levé nabídce vyberte Metrics (Metriky) – Goals (Cíle) hodnotu Total Goal Completions (Celkový počet dokončení pro cíl) a přeneste ji do vyznačeného pole vpravo.
  2. Položku Condition (Podmínka) změňte na hodnotu Equal to (Rovná se) a do položky Value (Hodnota) uveďte nulu.
  3. Segment nezapomeňte pojmenovat, uložit a aplikovat na data v reportu.
Nastavení segmentu nekonvertujících návštěvníků

Návštěvníci z konkrétní landing page – poznejte úspěšnost vašich kampaní

Pokud využíváte reklamních kampaní (nemusí jít čistě jen o PPC), jistě je necílíte pouze na úvodní stránku svého webu, ale spíše na stránky, které se dané reklamy týkají nejvíce. U nás bychom reklamu s klíčovým slovem „optimalizace webu“ nevedli na homepage, ale na stránku Optimalizace webu. Mnohdy se návštěvník z takové reklamy chová jinak než běžný návštěvník, který přišel na úvodní stránku, a hledá jiné informace.

Jak vysegmentovat tyto návštěvníky?

  1. V levé nabídce vyberte Dimension (Dimenze) – Content (Obsah) hodnotu Landing Page (Vstupní stránka) a přeneste ji do vyznačeného pole vpravo.
  2. Položku Condition (Podmínka) ponechte na hodnotě Matches exactly (Shoduje se přesně s) a do položky Value (Hodnota) uveďte adresu dané landing page, například /sleva.html.
  3. Nakonec segment pojmenujte, uložte a aplikujte v reportu.
Nastavení segmentu návštěvníků z konkrétní landing page

Návštěvníci ze zbožových vyhledávačů

Pro e-shopy jsou zajímavým zdrojem návštěvníků a zejména zákazníků zbožové vyhledávače, jako jsou Zboží.cz, Heuréka.cz a další srovnávače. Návštěvníci z těchto portálů jsou již rozhodnuti o konkrétním zboží, ale hledají obchod, kde jej nakoupí. Postup e-shopem tak může být odlišný od ostatních návštěvníků. Vytříděním těchto návštěvníků můžete zjistit požadavky právě této skupiny potenciálních zákazníků.

Segment vytvoříte takto:

  1. V levé nabídce vyberte Dimension (Dimenze) – Traffic Sources (Zdroje návštěvnosti) hodnotu Source (Zdroj) a přeneste ji do vyznačeného pole vpravo.
  2. Položku Condition (Podmínka) změňte na hodnotu Matches regular expression (Shoduje se s běžným výrazem) a do položky Value (Hodnota) uveďte adresy požadovaných zbožových portálů v následujícím tvaru: zbozi\.cz|heu­reka\.cz|hledej­ceny\.cz|srov­name\.cz.
  3. Segment pojmenujte, uložte a zobrazte v reportu.
Nastavení segmentu návštěvníků ze zbožových portálů

Návštěvníci ze sociálních sítí

Sociální sítě jsou dnes velmi populární, a tak vás jistě zajímá, kolik návštěvníků přišlo na váš web třeba z Facebooku a o co se na stránkách zajímali. Postup je shodný s tvorbou segmentu návštěvníků ze zbožových portálů, pouze změníte URL adresy daných portálů. V případě sociálních sítí tak můžete uvést například facebook|lide|lin­kedin|linkuj|twit­ter.

Na jaké reporty se u našich segmentů zaměřit?

Nastavení segmentů samo o sobě samozřejmě nestačí k lepšímu pochopení návštěvníků vašeho webu, je potřeba se podívat hlouběji do jednotlivých reportů. Pro inspiraci uvádím několik příkladů.

  • V segmentu nekonvertujících návštěvníků můžete z reportu Top Content (Nejnavštěvovanější stránky) zjistit, že některá z podpůrných stránek má vysokou návštěvnost, ale přitom není na webu dostatečně k nalezení. To značí, že pro zákazníky je informace na dané stránce velmi důležitá a zaslouží si v rámci webu zvýraznění.
  • Pokud máte u nekonvertujících návštěvníků mnoho shlédnutých stránek na návštěvu (např. 10 a více) nebo času stráveného na webu, značí to, že mnoho vašich návštěvníků web zaujme, zabývají se s ním, ale nejsou ještě tak daleko ve svém nákupním rozhodování, aby udělali konverzi – a vy o ně možná kvůli tomu přijdete. Zamyslete se nad tím, jestli nedoplnit na web menší konverzní cíle, např. registrace do newsletteru nebo zanechání kontaktu pro zpětné zavolání. Umožní vám to alespoň něco z této skupiny návštěvníků získat, a později z některých z nich udělat zákazníky.
  • Pro segment návštěvníků ze sociálních sítí lze také využít report Top Content (Nejnavštěvovanější stránky). Zjistíte z něho téma, o které mají tito návštěvníci největší zájem, což můžete využít při tvorbě dalšího obsahu s cílem získání odkazů ze sociálních sítí.
]]> http://www.optimics.cz/c/vlastni-pokrocile-segmenty-ga/feed 3 Segmentace dat v Google Analytics http://www.optimics.cz/c/segmentace-dat-v-google-analytics http://www.optimics.cz/c/segmentace-dat-v-google-analytics#comments Tue, 21 Sep 2010 06:00:11 +0000 Oldřich Kejík http://www.optimics.cz/?p=1446 Jistě znáte většinu přehledů (reportů), které Google Analytics uvádí v levém menu. V těchto přehledech máte zpravidla statistiky vztažené ke všem návštěvníkům webu dohromady. Google Analytics ale nabízí mnohem více.

Napadlo vás někdy zjistit a porovnat rozdíly v chování těch, kteří u vás nakoupili (skutečných zákazníků) a všech návštěvníků? Jaké rozdíly jsou mezi novými a vracejícími se návštěvníky? Jak se od sebe liší návštěvníci, kteří přišli z fulltextového vyhledávání a ti, kteří přišli přímo na váš web nebo z odkazující stránky? Tyto a další možnosti porovnávání umožňuje tzv. segmentace.

Možnosti segmentace najdete v pravé horní části rozhraní Google Analytics pod položkou Advanced Segments: All visits (Pokročilé segmenty: Všechny návštěvy).

Po kliknutí se zobrazí box s připravenými výchozími segmenty a možností vytvořit si segmenty vlastní.

Zobrazit lze statistiky pouze za jeden segment nebo vzájemně porovnávat až tři segmenty. Podívejme se nejprve na některé základní segmenty.

Návštěvy s konverzemi: jak se chovají vaši zákazníci

Zajímavé je zvolit segment Visits with Conversions (Návštěvy s konverzemi). Tento segment zahrnuje pouze ty návštěvníky, kteří provedli požadovanou konverzi, např. nakoupili zboží nebo odeslali kontaktní formulář.

Můžete tak zjistit jejich specifické chování, třeba že oproti ostatním si častěji prohlížejí určité stránky, na které nevedou zřejmé odkazy – např. možnosti reklamace, otevírací doba pobočky, tabulka velikostí u oblečení atp. Lze z toho vyvodit závěr, že tyto stránky jsou pro návštěvníky důležité a mají vliv při nákupním rozhodování. Na základě toho můžete odkazy na dané stránky zvýraznit.

Návštěvy s přímým přístupem: nehledají odlišné stránky?

Webové stránky se obvykle optimalizují pro vyhledávače (SEO) a pro návštěvníky, kteří z nich přijdou a váš web vidí poprvé. Často se ale zapomíná na ty návštěvníky, kteří již váš web znají a z nějakého důvodu se k vám vrací. Ti většinou přicházejí tak, že zadají adresu vašeho webu do adresního řádku nebo kliknou na záložku v prohlížeči. Zpravidla přicházejí s jiným úmyslem než noví návštěvníci a jejich chování na webu je odlišné. Tyto návštěvníky můžeme vytřídit v segmentu Direct Traffic (Přímá návštěvnost).

Jako příklad může sloužit web hotelu. Pro většinu návštěvníků budou nejprve důležité podrobné informace o hotelu, fotografie, poloha atp. Až poté se budou zajímat o rezervaci pokoje. Pokud na web přijde už rozhodnutý návštěvník, nepotřebuje znovu číst informace o hotelu, ale provést přímo rezervaci. Proto je vhodné uvést odkaz na rezervaci již na úvodní stránce webu.

Segmentace dat – lepší pochopení vašich návštěvníků

V Google Analytics jsou předpřipraveny i další segmenty. Například si můžete zobrazit statistiky pouze za návštěvníky z placených reklamních kampaní, z mobilních telefonů atd. Díky segmentaci tak můžete lépe pochopit chování určité skupiny lidí na vašem webu – je to takové „kukátko“, kterým si můžete zúžit pohled na vaše webová data. Příště vám představím vytváření vlastních segmentů a ukážu, jak vám mohou pomoci k bližšímu pochopení návštěvníků vašeho webu.

Související články:

Komentáře

Související články:]]> Jistě znáte většinu přehledů (reportů), které Google Analytics uvádí v levém menu. V těchto přehledech máte zpravidla statistiky vztažené ke všem návštěvníkům webu dohromady. Google Analytics ale nabízí mnohem více.

Napadlo vás někdy zjistit a porovnat rozdíly v chování těch, kteří u vás nakoupili (skutečných zákazníků) a všech návštěvníků? Jaké rozdíly jsou mezi novými a vracejícími se návštěvníky? Jak se od sebe liší návštěvníci, kteří přišli z fulltextového vyhledávání a ti, kteří přišli přímo na váš web nebo z odkazující stránky? Tyto a další možnosti porovnávání umožňuje tzv. segmentace.

Možnosti segmentace najdete v pravé horní části rozhraní Google Analytics pod položkou Advanced Segments: All visits (Pokročilé segmenty: Všechny návštěvy).

Po kliknutí se zobrazí box s připravenými výchozími segmenty a možností vytvořit si segmenty vlastní.

Zobrazit lze statistiky pouze za jeden segment nebo vzájemně porovnávat až tři segmenty. Podívejme se nejprve na některé základní segmenty.

Návštěvy s konverzemi: jak se chovají vaši zákazníci

Zajímavé je zvolit segment Visits with Conversions (Návštěvy s konverzemi). Tento segment zahrnuje pouze ty návštěvníky, kteří provedli požadovanou konverzi, např. nakoupili zboží nebo odeslali kontaktní formulář.

Můžete tak zjistit jejich specifické chování, třeba že oproti ostatním si častěji prohlížejí určité stránky, na které nevedou zřejmé odkazy – např. možnosti reklamace, otevírací doba pobočky, tabulka velikostí u oblečení atp. Lze z toho vyvodit závěr, že tyto stránky jsou pro návštěvníky důležité a mají vliv při nákupním rozhodování. Na základě toho můžete odkazy na dané stránky zvýraznit.

Návštěvy s přímým přístupem: nehledají odlišné stránky?

Webové stránky se obvykle optimalizují pro vyhledávače (SEO) a pro návštěvníky, kteří z nich přijdou a váš web vidí poprvé. Často se ale zapomíná na ty návštěvníky, kteří již váš web znají a z nějakého důvodu se k vám vrací. Ti většinou přicházejí tak, že zadají adresu vašeho webu do adresního řádku nebo kliknou na záložku v prohlížeči. Zpravidla přicházejí s jiným úmyslem než noví návštěvníci a jejich chování na webu je odlišné. Tyto návštěvníky můžeme vytřídit v segmentu Direct Traffic (Přímá návštěvnost).

Jako příklad může sloužit web hotelu. Pro většinu návštěvníků budou nejprve důležité podrobné informace o hotelu, fotografie, poloha atp. Až poté se budou zajímat o rezervaci pokoje. Pokud na web přijde už rozhodnutý návštěvník, nepotřebuje znovu číst informace o hotelu, ale provést přímo rezervaci. Proto je vhodné uvést odkaz na rezervaci již na úvodní stránce webu.

Segmentace dat – lepší pochopení vašich návštěvníků

V Google Analytics jsou předpřipraveny i další segmenty. Například si můžete zobrazit statistiky pouze za návštěvníky z placených reklamních kampaní, z mobilních telefonů atd. Díky segmentaci tak můžete lépe pochopit chování určité skupiny lidí na vašem webu – je to takové „kukátko“, kterým si můžete zúžit pohled na vaše webová data. Příště vám představím vytváření vlastních segmentů a ukážu, jak vám mohou pomoci k bližšímu pochopení návštěvníků vašeho webu.

Související články:

]]> http://www.optimics.cz/c/segmentace-dat-v-google-analytics/feed 2 Vyloučení interních přístupů na web http://www.optimics.cz/c/vylouceni-internich-pristupu-na-web http://www.optimics.cz/c/vylouceni-internich-pristupu-na-web#comments Mon, 06 Sep 2010 06:00:23 +0000 Oldřich Kejík http://www.optimics.cz/?p=1367 Pro správnou analýzu dat z Google Analytics může být důležité vyloučit ze statistik veškeré interní přístupy na web. Veškerá uváděná data o vašem webu se tak zpřesní. Jak na to? Existují dva způsoby:

  1. Pokud máte ve firmě stálou IP adresu, stačí nastavit filtr, který vylučuje interní přístupy.
  2. Pokud máte dynamickou IP adresu nebo vaši lidé pracují z více míst, např. z domova, je třeba nastavit filtr, který bude vylučovat přístupy dle cookies.

První způsob je vcelku dobře známý, druhý již méně – zato je více univerzálně využitelný. Představím vám nicméně postup v obou případech.

1. Stálá IP adresa

Pokud máte stálou IP adresu, je postup následující:

  1. V Overview (Přehledu) účtu Google Analytics klikněte na Filter Manager (Správce filtrů).
Vytvoření filtru v Google Analytics - krok 1
  1. Klikněte na možnost Add Filter (Přidat filtr).
Vytvoření filtru v Google Analytics - krok 2
  1. Proveďte následující:
    • Zadejte Filter Name (Název filtru).
    • Ponechte zaškrtnutou položku Predefined filter (Předdefinovaný filtr).
    • Ponechte vybranou možnost Exclude (Vyřadit).
    • Vyberte z nabídky Traffic from the IP addresses (Provoz z adres IP).
    • Dále vyberte z nabídky dle vlastního nastavení IP adresy, např. That are equal to (Které se rovnají).
    • Do pole IP address (Adresa IP) napište IP adresu. Lze zjistit např. na www.whatismyip.com. Pro zapsaní více IP adres použijte nástroj na automatické generování výrazu na stránkách Google Analytics.
Vytvoření filtru v Google Analytics - krok 3
  1. Níže vyberte profil, na který chcete filtr aplikovat, a kliknutím na Add (Přidat) ji přesuňte do pole Selected Website Profiles (Vybrané profily webových stránek).
  2. Uložte filtr.

2. Dynamická IP adresa – využití uživatelské proměnné

V druhém případě (dynamická IP nebo více míst) nastavíme filtr, který bude vylučovat přístupy dle konkrétních cookies, a to následovně:

  1. Na všechny stránky v interní sekci webu doplňte za kód Google Analytics následující javascript:
pageTracker._setVar('interni');

Za hodnotu interni můžete dosadit vlastní definici, např. operator, zaměstnanec atp.

Pokud nemáte interní sekci webu, vytvořte novou stránku, která bude obsahovat kód:

  <body onload="pageTracker._setVar('interni');">

Tuto stránku je potřeba navštěvovat ze všech firemních počítačů přibližně 1× měsíčně, aby se cookie obnovila.

  1. Vytvořte nový filtr a zadejte následující hodnoty:
    • Zadejte Filter Name (Název filtru).
    • Zaškrtněte položku Custom filter (Vlastní filtr).
    • Ponechte vybranou možnost Exclude (Vyřadit).
    • V položce Filter Field (Pole filtr) vyberte User Defined (Definováno uživatelem).
    • V položce Filter Pattern (Vzor filtru) zadejte hodnotu z javascriptu – zde interni.
    • Položku Case Sensitive (Rozlišovat malá a velká písmena) ponechte na hodnotě No (Ne).
  1. Dále vyberte profil, na který chcete filtr aplikovat a kliknutím na Add (Přidat) jej přesuňte do pole Selected Website Profiles (Vybrané profily webových stránek).
Vytvoření filtru v Google Analytics - krok 3b
  1. Uložte filtr.

Uživatelská proměnná – příležitost pro segmentaci

Uživatelská proměnná, kterou jsem použil v druhém případě, je jiná, než jste viděli v minulém článku  – jedná se o starší zápis, jehož nevýhoda je především nemožnost použít více uživatelských proměnných.

Naopak velkou výhodou starší uživatelské proměnné je, že se dá na jejím základě filtrovat celá návštěvnost do více profilů (jak jste viděli výše). Díky tomu si můžete vytvořit např. profil pro přihlášené návštěvníky (z minulého článku) a sledovat v něm pouze jejich chování (bez samplingu) – to zatím nové uživatelské proměnné neumí.

Komentáře

]]> Pro správnou analýzu dat z Google Analytics může být důležité vyloučit ze statistik veškeré interní přístupy na web. Veškerá uváděná data o vašem webu se tak zpřesní. Jak na to? Existují dva způsoby:

  1. Pokud máte ve firmě stálou IP adresu, stačí nastavit filtr, který vylučuje interní přístupy.
  2. Pokud máte dynamickou IP adresu nebo vaši lidé pracují z více míst, např. z domova, je třeba nastavit filtr, který bude vylučovat přístupy dle cookies.

První způsob je vcelku dobře známý, druhý již méně – zato je více univerzálně využitelný. Představím vám nicméně postup v obou případech.

1. Stálá IP adresa

Pokud máte stálou IP adresu, je postup následující:

  1. V Overview (Přehledu) účtu Google Analytics klikněte na Filter Manager (Správce filtrů).
Vytvoření filtru v Google Analytics - krok 1
  1. Klikněte na možnost Add Filter (Přidat filtr).
Vytvoření filtru v Google Analytics - krok 2
  1. Proveďte následující:
    • Zadejte Filter Name (Název filtru).
    • Ponechte zaškrtnutou položku Predefined filter (Předdefinovaný filtr).
    • Ponechte vybranou možnost Exclude (Vyřadit).
    • Vyberte z nabídky Traffic from the IP addresses (Provoz z adres IP).
    • Dále vyberte z nabídky dle vlastního nastavení IP adresy, např. That are equal to (Které se rovnají).
    • Do pole IP address (Adresa IP) napište IP adresu. Lze zjistit např. na www.whatismyip.com. Pro zapsaní více IP adres použijte nástroj na automatické generování výrazu na stránkách Google Analytics.
Vytvoření filtru v Google Analytics - krok 3
  1. Níže vyberte profil, na který chcete filtr aplikovat, a kliknutím na Add (Přidat) ji přesuňte do pole Selected Website Profiles (Vybrané profily webových stránek).
  2. Uložte filtr.

2. Dynamická IP adresa – využití uživatelské proměnné

V druhém případě (dynamická IP nebo více míst) nastavíme filtr, který bude vylučovat přístupy dle konkrétních cookies, a to následovně:

  1. Na všechny stránky v interní sekci webu doplňte za kód Google Analytics následující javascript:
pageTracker._setVar('interni');

Za hodnotu interni můžete dosadit vlastní definici, např. operator, zaměstnanec atp.

Pokud nemáte interní sekci webu, vytvořte novou stránku, která bude obsahovat kód:

  <body onload="pageTracker._setVar('interni');">

Tuto stránku je potřeba navštěvovat ze všech firemních počítačů přibližně 1× měsíčně, aby se cookie obnovila.

  1. Vytvořte nový filtr a zadejte následující hodnoty:
    • Zadejte Filter Name (Název filtru).
    • Zaškrtněte položku Custom filter (Vlastní filtr).
    • Ponechte vybranou možnost Exclude (Vyřadit).
    • V položce Filter Field (Pole filtr) vyberte User Defined (Definováno uživatelem).
    • V položce Filter Pattern (Vzor filtru) zadejte hodnotu z javascriptu – zde interni.
    • Položku Case Sensitive (Rozlišovat malá a velká písmena) ponechte na hodnotě No (Ne).
  1. Dále vyberte profil, na který chcete filtr aplikovat a kliknutím na Add (Přidat) jej přesuňte do pole Selected Website Profiles (Vybrané profily webových stránek).
Vytvoření filtru v Google Analytics - krok 3b
  1. Uložte filtr.

Uživatelská proměnná – příležitost pro segmentaci

Uživatelská proměnná, kterou jsem použil v druhém případě, je jiná, než jste viděli v minulém článku  – jedná se o starší zápis, jehož nevýhoda je především nemožnost použít více uživatelských proměnných.

Naopak velkou výhodou starší uživatelské proměnné je, že se dá na jejím základě filtrovat celá návštěvnost do více profilů (jak jste viděli výše). Díky tomu si můžete vytvořit např. profil pro přihlášené návštěvníky (z minulého článku) a sledovat v něm pouze jejich chování (bez samplingu) – to zatím nové uživatelské proměnné neumí.

]]> http://www.optimics.cz/c/vylouceni-internich-pristupu-na-web/feed 1 Sledování přihlášených uživatelů http://www.optimics.cz/c/sledovani-prihlasenych-uzivatelu http://www.optimics.cz/c/sledovani-prihlasenych-uzivatelu#comments Mon, 30 Aug 2010 06:00:31 +0000 Oldřich Kejík http://www.optimics.cz/?p=1327 Pokud návštěvníkům vašeho e-shopu nebo webu nabízíte možnost registrace a následného přihlášení, určitě vás bude zajímat, jak se tito návštěvníci na vašich stránkách chovají, jak odlišný je jejich rozhodovací a nákupní proces od ostatních návštěvníků a další údaje. Jak je můžete sledovat?

Do stránky, která se zobrazí návštěvníkům po registraci nebo přihlášení, doplňte ke kódu Google Analytics před volání pageTracker._trac­kPageview(); javascript v následujícím tva­ru:

pageTracker._setCustomVar(Index, "Name", "Value", Scope);

Jednotlivé položky ve skriptu označují:

  • Index = pořadí proměnné. Pokud je toto první proměnná, kterou měříte, označte ji jako 1, pokud již měříte jiné proměnné, označte ji dalším číslem v pořadí.
  • Name = název označující, co proměnná obsahuje (např. „Zákazník“ nebo „Přihlášený“).
  • Value = hodnota proměnné, můžeme zde označit typ zákazníka („Gold“, „VIP“ apod.)
  • Scope = parametr, který označuje platnost vlastní proměnné, v našem případě zde uvádíme hodnotu 1 (viz dále).

Parametr Scope udává, jak dlouho má být proměnná s návštěvníkem asociována. Můžete použít následující hodnoty:

  • 1 (Visitor-level) – nejdelší možná doba, nejdéle 2 roky, v praxi je tato doba ale určena především tím, jak často se mažou na návštěvníkově počítači cookies.
  • 2 (Session-level) – do konce aktuální návštěvy, při další návštěvě stejného člověka se již proměnná nepoužije.
  • 3 (Page-level) – označení je platné pouze na právě zobrazené stránce.

V případě webu, který nerozděluje přihlášené zákazníky do různých skupin, tak výsledný kód může vypadat například takto:

pageTracker._setCustomVar(1, "Přihlášený", "Ano", 1);

Statistiky návštěvnosti takto označených návštěvníků naleznete v Google Analytics v sekci Visitors (Návštěvníci) pod odkazem Custom Variables (Vlastní proměnné).

Segmentace vlastní proměnné

V Google Analytics si také díky segmentaci můžete zobrazit statistiky pouze těchto označených návštěvníků. Jak na to?

  1. Klikněte vpravo nahoře na tlačítko Advanced Segments (Pokročilé segmenty) a zvolte Create a new advanced segment (Vytvořit nový rozšířený segment).
  2. Z levé nabídky Visitors (Návštěvníci) vyberte Custom Variable (Vlastní proměnnou) s pořadím indexu a přesuňte ji do pole uprostřed stránky.
  3. Ponechte podmínku Matches Exactly (Shoduje se přesně s).
  4. Do pole Value (Hodnota) uveďte daný název proměnné, v našem případě Přihlášený.
  5. Segment pojmenujte a klikněte na Create and Apply to Report (Vytvořit a použít v přehledu).

K zobrazení nebo vypnutí připraveného segmentu se dostanete opět kliknutím vpravo nahoře na Advanced Segments (Pokročilé segmenty). K využití různých segmentů se dostaneme v některém z následujích článků o Google Analytics.

Vlastní proměnné v GA – spousta možností k využití

Pomocí vlastních proměnných nemusíte v Google Analytics označovat pouze návštěvníky nebo zákazníky webu, ale můžete např. také:

  • Označit jednotlivé stránky jmény nadřazených kategorií, do kterých patří. Snadno poté zjistíte, jak se která sekce webu podílí na obratu e-shopu atp.
  • Ukládat hodnoty zadané návštěvníky do formulářů, např. do kalkulaček (pohlaví, věk…). Následně můžete díky tomu segmentovat návštěvníky webu na základě těchto údajů.

Pokud chcete zjistit více o schopnostech a možnostech vlastních proměnných, navštivte dokumentaci na webu Google Analytics.

Související články:

Komentáře

Související články:]]> Pokud návštěvníkům vašeho e-shopu nebo webu nabízíte možnost registrace a následného přihlášení, určitě vás bude zajímat, jak se tito návštěvníci na vašich stránkách chovají, jak odlišný je jejich rozhodovací a nákupní proces od ostatních návštěvníků a další údaje. Jak je můžete sledovat?

Do stránky, která se zobrazí návštěvníkům po registraci nebo přihlášení, doplňte ke kódu Google Analytics před volání pageTracker._trac­kPageview(); javascript v následujícím tva­ru:

pageTracker._setCustomVar(Index, "Name", "Value", Scope);

Jednotlivé položky ve skriptu označují:

  • Index = pořadí proměnné. Pokud je toto první proměnná, kterou měříte, označte ji jako 1, pokud již měříte jiné proměnné, označte ji dalším číslem v pořadí.
  • Name = název označující, co proměnná obsahuje (např. „Zákazník“ nebo „Přihlášený“).
  • Value = hodnota proměnné, můžeme zde označit typ zákazníka („Gold“, „VIP“ apod.)
  • Scope = parametr, který označuje platnost vlastní proměnné, v našem případě zde uvádíme hodnotu 1 (viz dále).

Parametr Scope udává, jak dlouho má být proměnná s návštěvníkem asociována. Můžete použít následující hodnoty:

  • 1 (Visitor-level) – nejdelší možná doba, nejdéle 2 roky, v praxi je tato doba ale určena především tím, jak často se mažou na návštěvníkově počítači cookies.
  • 2 (Session-level) – do konce aktuální návštěvy, při další návštěvě stejného člověka se již proměnná nepoužije.
  • 3 (Page-level) – označení je platné pouze na právě zobrazené stránce.

V případě webu, který nerozděluje přihlášené zákazníky do různých skupin, tak výsledný kód může vypadat například takto:

pageTracker._setCustomVar(1, "Přihlášený", "Ano", 1);

Statistiky návštěvnosti takto označených návštěvníků naleznete v Google Analytics v sekci Visitors (Návštěvníci) pod odkazem Custom Variables (Vlastní proměnné).

Segmentace vlastní proměnné

V Google Analytics si také díky segmentaci můžete zobrazit statistiky pouze těchto označených návštěvníků. Jak na to?

  1. Klikněte vpravo nahoře na tlačítko Advanced Segments (Pokročilé segmenty) a zvolte Create a new advanced segment (Vytvořit nový rozšířený segment).
  2. Z levé nabídky Visitors (Návštěvníci) vyberte Custom Variable (Vlastní proměnnou) s pořadím indexu a přesuňte ji do pole uprostřed stránky.
  3. Ponechte podmínku Matches Exactly (Shoduje se přesně s).
  4. Do pole Value (Hodnota) uveďte daný název proměnné, v našem případě Přihlášený.
  5. Segment pojmenujte a klikněte na Create and Apply to Report (Vytvořit a použít v přehledu).

K zobrazení nebo vypnutí připraveného segmentu se dostanete opět kliknutím vpravo nahoře na Advanced Segments (Pokročilé segmenty). K využití různých segmentů se dostaneme v některém z následujích článků o Google Analytics.

Vlastní proměnné v GA – spousta možností k využití

Pomocí vlastních proměnných nemusíte v Google Analytics označovat pouze návštěvníky nebo zákazníky webu, ale můžete např. také:

  • Označit jednotlivé stránky jmény nadřazených kategorií, do kterých patří. Snadno poté zjistíte, jak se která sekce webu podílí na obratu e-shopu atp.
  • Ukládat hodnoty zadané návštěvníky do formulářů, např. do kalkulaček (pohlaví, věk…). Následně můžete díky tomu segmentovat návštěvníky webu na základě těchto údajů.

Pokud chcete zjistit více o schopnostech a možnostech vlastních proměnných, navštivte dokumentaci na webu Google Analytics.

Související články:

]]> http://www.optimics.cz/c/sledovani-prihlasenych-uzivatelu/feed 0 Sledování prokliků na specifické odkazy http://www.optimics.cz/c/sledovani-prokliku-na-specificke-odkazy http://www.optimics.cz/c/sledovani-prokliku-na-specificke-odkazy#comments Mon, 23 Aug 2010 06:00:12 +0000 Oldřich Kejík http://www.optimics.cz/?p=1184 Google Analytics poskytují mnoho zajímavých možností, jak zjistit o návštěvnících vašeho webu více informací, případně usnadnit si práci. Bohužel, mnoho z těchto možností není příliš známých. Proto se vám pokusíme představit některé z nich v několika následujících článcích o pokročilém využití Google Analytics.

Víte, na které odkazy na stránce návštěvníci klikají?

V základním reportu Google Analytics (GA) sice existuje report Site Overlay (Vizualizace na webu), které vám podá souhrnné informace, kolik lidí z dané stránky přešlo na jinou. Nezjistíte z něj ale, zda lidé klikli na odkaz v menu, na odkaz v článku nebo na obrázek. Jako příklad můžeme využít stránku Služby na našem webu. V Site Overlay vidíme, že 13 % návštěvníků kliklo na odkaz vedoucí na stránku Optimalizace webu. Nevíme už ale, zda klikli na nadpis v hlavním sloupci, na obrázek, na odkaz pod textem nebo na odkaz v menu napravo. U všech těchto odkazů je uvedeno 13 %:

Abychom dokázali určit, na který z odkazů návštěvníci skutečně klikají, je potřeba nastavit u každého z těchto odkazů sledování události GA – pomocí následujícího javascriptu (tzv. event):

onclick="pageTracker._trackEvent('Category', 'Action', 'Label');"

Jednotlivé položky ve skriptu označují:

  • Category (povinná položka) = název pro skupinu objektů, které chcete označit. V našem případě např. „Odkaz-optimalizace“.
  • Action (povinná položka) = konkretizace objektu, na kterém se akce provádí, např. zda se jedná o odkaz v menu, obrázek, video, atp. V našem případě to může být „nadpis“, „obrázek“, „odkaz“ a „menu“.
  • Label (nepovinná položka) = sem můžete volitelně přidat další informace o akci, např. že se jedná o kliknutí, spuštění nebo zastavení videa, přejetí myší atp. My jsme tento parametr v tomto případě nepotřebovali.

Celý odkaz na stránku Optimalizace webu tak může vypadat takto:

<a href="http://www.optimics.cz/optimalizace-webu.html"
onclick="pageTracker._trackEvent('Odkaz-optimalizace', 'menu');">Optimalizace webu</a>

Takto je třeba označit veškeré odkazy, které chcete měřit.

Pro zobrazení statistik prokliků klikněte v sekci Content (Obsah) na položku Event Tracking (Sledování událostí), kde naleznete několik reportů pro vyhodnocování dat.

Protože označování několika odkazů vedle sebe může být tímto způsobem zdlouhavé, můžete je označit také skupinově. Jak na to se dozvíte v článku Track outbound links and file downloads automatically in Google Analytics od Briana Cliftona.

Události v GA – mocný nástroj

Události, jejichž použití jsem vám ukázal v tomto článku, se dají používat pro sledování mnoha dalších prvků, o jejichž používání návštěvníky byste se dozvídali jinak jen těžko. Snadno pomocí nich můžete změřit např. kolikrát si návštěvníci stáhli soubor s vaším ceníkem, jestli si spustili video, na které externí odkazy klikají, jestli posouvají stránku dolů či přejedou myší nad určitým prvkem. Události jsou pro vás připraveny velmi obecně a dají se zapojit do jakýchkoliv javascriptových událostí na stránce – fantazii se tedy meze nekladou.

Pokud byste zatoužili po více informacích o událostech, navštivte dokumentaci na webu Google Analytics.

Související články:

Komentáře

Související články:]]> Google Analytics poskytují mnoho zajímavých možností, jak zjistit o návštěvnících vašeho webu více informací, případně usnadnit si práci. Bohužel, mnoho z těchto možností není příliš známých. Proto se vám pokusíme představit některé z nich v několika následujících článcích o pokročilém využití Google Analytics.

Víte, na které odkazy na stránce návštěvníci klikají?

V základním reportu Google Analytics (GA) sice existuje report Site Overlay (Vizualizace na webu), které vám podá souhrnné informace, kolik lidí z dané stránky přešlo na jinou. Nezjistíte z něj ale, zda lidé klikli na odkaz v menu, na odkaz v článku nebo na obrázek. Jako příklad můžeme využít stránku Služby na našem webu. V Site Overlay vidíme, že 13 % návštěvníků kliklo na odkaz vedoucí na stránku Optimalizace webu. Nevíme už ale, zda klikli na nadpis v hlavním sloupci, na obrázek, na odkaz pod textem nebo na odkaz v menu napravo. U všech těchto odkazů je uvedeno 13 %:

Abychom dokázali určit, na který z odkazů návštěvníci skutečně klikají, je potřeba nastavit u každého z těchto odkazů sledování události GA – pomocí následujícího javascriptu (tzv. event):

onclick="pageTracker._trackEvent('Category', 'Action', 'Label');"

Jednotlivé položky ve skriptu označují:

  • Category (povinná položka) = název pro skupinu objektů, které chcete označit. V našem případě např. „Odkaz-optimalizace“.
  • Action (povinná položka) = konkretizace objektu, na kterém se akce provádí, např. zda se jedná o odkaz v menu, obrázek, video, atp. V našem případě to může být „nadpis“, „obrázek“, „odkaz“ a „menu“.
  • Label (nepovinná položka) = sem můžete volitelně přidat další informace o akci, např. že se jedná o kliknutí, spuštění nebo zastavení videa, přejetí myší atp. My jsme tento parametr v tomto případě nepotřebovali.

Celý odkaz na stránku Optimalizace webu tak může vypadat takto:

<a href="http://www.optimics.cz/optimalizace-webu.html"
onclick="pageTracker._trackEvent('Odkaz-optimalizace', 'menu');">Optimalizace webu</a>

Takto je třeba označit veškeré odkazy, které chcete měřit.

Pro zobrazení statistik prokliků klikněte v sekci Content (Obsah) na položku Event Tracking (Sledování událostí), kde naleznete několik reportů pro vyhodnocování dat.

Protože označování několika odkazů vedle sebe může být tímto způsobem zdlouhavé, můžete je označit také skupinově. Jak na to se dozvíte v článku Track outbound links and file downloads automatically in Google Analytics od Briana Cliftona.

Události v GA – mocný nástroj

Události, jejichž použití jsem vám ukázal v tomto článku, se dají používat pro sledování mnoha dalších prvků, o jejichž používání návštěvníky byste se dozvídali jinak jen těžko. Snadno pomocí nich můžete změřit např. kolikrát si návštěvníci stáhli soubor s vaším ceníkem, jestli si spustili video, na které externí odkazy klikají, jestli posouvají stránku dolů či přejedou myší nad určitým prvkem. Události jsou pro vás připraveny velmi obecně a dají se zapojit do jakýchkoliv javascriptových událostí na stránce – fantazii se tedy meze nekladou.

Pokud byste zatoužili po více informacích o událostech, navštivte dokumentaci na webu Google Analytics.

Související články:

]]> http://www.optimics.cz/c/sledovani-prokliku-na-specificke-odkazy/feed 5 Porovnání demografických dat z Yahoo! Web Analytics a NetMonitoru http://www.optimics.cz/c/porovnani-demografickych-dat-z-yahoo-web-analytics-a-netmonitoru http://www.optimics.cz/c/porovnani-demografickych-dat-z-yahoo-web-analytics-a-netmonitoru#comments Mon, 28 Jun 2010 14:55:02 +0000 Jiří Brázda http://www.optimics.cz/?p=1090

Tento článek vyšel původně na blogu Dennise Mortensena, který pracuje jako Director of Data Insights v Yahoo!

Je to již přes rok, co Dennis na svém blogu oznámil příchod Yahoo! Web Analytics 9.5 a jednou z hlavních novinek nové verze byly demografické údaje jako je pohlaví a věk. Dennis je špičkový expert na webovou analytiku a ve svém videu ukázal několik způsobů, jak taková data využít. Pokud jste se ještě s prostředím Yahoo! Web Analytics nesetkali, doporučuji vám před čtením následujícího článku toto video shlédnout.

Nicméně několik analytiků z evropských zemí po tomto oznámení zpochybnilo schopnost Yahoo! poskytovat relevantní data tam, kde Yahoo! Search nemá téměř žádný podíl na trhu, jako například v Česku. Berte to pouze jako orientační údaj, ale v praxi vidím, že pro české weby s návštěvností několika málo tisíc návštěvníků může Yahoo! opravdu poskytnout relevantní data se spolehlivostí 80 %, pro weby s návštěvností nad 50 tisíc návštěvníků pak se spolehlivost blížící se až k hranici 95 %.

Schopnost Yahoo! shromažďovat demografická data vyplývá z faktu, že tato data pocházejí z Yahoo! ID, které potřebujete k používání široké škály webových aplikací od Yahoo!, zejména Yahoo! Mail a webu pro sdílení fotografií Flickr, který je populární prakticky ve všech zemích světa, a tak je pravděpodobně i zdrojem většiny českých návštěvníků s Yahoo! ID.

Pro mne, a doufám, že i pro mnohé z vás, to tedy již není otázka jen o tom, zda Yahoo! může poskytnout demografické údaje o návštěvnících vašeho webu, protože odpověď je jednoznačně ano. Tou skutečnou otázkou je, zda můžeme těmto údajům věřit, využít je pro analýzu chování v jednotlivých demografických segmentech, a přijímat rozhodnutí na základě těchto informací.

Proto jsem se rozhodl prozkoumat demografické údaje, specificky pohlaví, které Yahoo! Web Analytics poskytuje, a srovnat je s daty z NetMonitoru, což je oficiální platforma pro měření návštěvnosti internetu v České republice, na jejímž základě se formuje poptávka na místním trhu online médií a reklamy.

Srovnání jsem prováděl na webu Okoun.cz (tradiční diskusní fórum fungující od roku 2001). Veškerá data jsou uváděna za období 4 měsíců od listopadu 2009 do února 2010.

Srovnání Yahoo! Web Analytics a NetMonitoru v číslech a grafech

Než se ponoříme do detailních čísel, je nutné zdůraznit, že všechny druhy demografických měření (snad s výjimkou oficiálního sčítání lidu) jsou založeny na nějaké statistické aproximaci. Podstatou je, že pokud máme dostatečně velký vzorek, který vykazuje stejné vlastnosti jako celková populace, postačí nám analyzovat data ze vzorku s tím, že jakékoliv závěry z analýzy budou pravděpodobně platné pro celou populaci. Z toho plyne, že chybová odchylka z takového měření je silně závislá na kvalitě vzorku a míra spolehlivosti je tím nižší, čím větší je velikost populace a čím menší je velikost vzorku.

Tolik k teorii, zde je podíl mužů a žen mezi návštěvníky webu dle Yahoo! Web Analytics a NetMonitoru.

Podíl mužů a žen v celkové návštěvnosti

Z grafu vyplývá docela jasně, že zatímco data z Yahoo! ukazují zhruba 70 % mužů v celém časovém úseku, data NetMonitoru pro mužské návštěvníky kolísají v rozmezí 55 % – 65 %. Rozdíl mezi těmito dvěma systémy měření se tedy pohybuje v rozmezí do 15 procentních bo­dů.

Použíté metriky jsou však odlišné. Zatímco Yahoo! Web Analytics pracuje s jedinečnými návštěvníky (Unique Visitors, což ve skutečnosti znamená cookies), NetMonitor uvádí reálné uživatele (Real Users).

NetMonitor – metodika

Nechci zde zacházet do velkých podrobností, takže jen v kostce: NetMonitor je nasazen na přibližně 95 % českého internetu (z hlediska návštěvnosti, nikoliv počtu internetových stránek), a tak může rozlišovat mezi dobrými cookies (tj. cookies s vymezenou minimální životností) a špatnými cookies (pod prahem definované životnosti). Počet reálných uživatelů je následně odvozen z počtu dobrých cookies, počtu zobrazených stránek s těmito dobrými cookies a celkového počtu zobrazených stránek. Tato kalkulace odvozuje počet skutečných návštěvníků (reálných uživatelů) a má za cíl eliminovat nepřesnosti vzniklé mazáním cookies.

Demografické údaje v NetMonitoru jsou shromažďovány z panelu pomocí dvou metod: user-centric software (páteř panelu, ověřené údaje, cca 1/3 panelu) a site-centric pop-up dotazníky (méně spolehlivé údaje, které lze jen těžko ověřit, cca 2/3 panelu).

Plný popis metodiky najdete zde

Dobře, pojďme se teď podívat na celkový počet unikátních návštěvníků a reálných uživatelů tak, aby bylo možné posoudit rozdíl v poměru pohlaví, jak je uvedeno výše a vyvodit určité závěry.

Celková návštěvnost
Relativní velikost vzorku

Rozdíly v celkové návštěvnosti webu ponechme stranou, jedná se o různé metriky. Co je zde důležitější, je relativní velikost vzorku. Je zcela zřejmé, že Yahoo! má k dispozici značné množství dat. Ve skutečnosti je jich v tomto konkrétním případě třikrát více v porovnání s NetMonitorem. Webové stránky s převážně mezinárodní návštěvností mohou mít tento vzorek ještě větší – viděl jsem, že až 10 % celkové návštěvnosti může být identifikováno demografickými da­ty.

Důvěryhodnost demografických dat v Yahoo! Web Analytics

Žádné údaje nejsou 100% přesné, ale lze předpokládat, že NetMonitor vyvinul větší úsilí v rozvoji správné metodiky pro místní trh – a tak jejich údaje o celkovém rozdělení pohlaví by měly být blíže k pravdě. Pro reportování základních čísel a přilákání reklamních zadavatelů proto doporučuji využít NetMonitor, který poskytuje bohaté a ověřené demografické údaje, které lze snadno porovnat s jinými servery.

Tam, kde demografická data z Yahoo! Web Analytics nejsou příliš přesná, pokud jde o celkové počty, je rozdíl pravděpodobně způsoben tím, že Yahoo! nemá své služby lokalizované v českém jazyce. To ve výsledku posouvá data ve vzorku od běžné populace uživatelů internetu v České republice ve prospěch pokročilejších uživatelů.

Screenshot níže je toho důkazem. Česká republika se řadí k několika málo zemím na světě, kde Google není jedničkou mezi vyhledávači. Jedničkou je Seznam, ale pokročilí uživatelé obvykle dávají přednost Google. Z reportu Search Engines můžete vidět, že návštěvníci, kteří jsou identifikováni na základě jejich Yahoo! ID, používají převážně Google.

Search Engines report

Nicméně, demografická data z Yahoo! stále představují velkou hodnotu pro majitele webových stránek, kteří se snaží lépe pochopit a komunikovat se svými zákazníky. Je skutečně možné použít tato data pro identifikaci segmentů a detailní analýzu jejich chování ve srovnání s ostatními segmenty.

Níže uvedený graf dokládá, že data o pohlaví návštěvníků jsou velmi blízko realitě. Okoun.cz má množství různých témat kde můžete diskutovat a samozřejmě, některé z nich jsou zaměřeny čistě na mužské zájmy a některé naopak. Graf znázorňuje popularitu jednotlivých diskusních skupin jako podíl individuálních diskuzních skupin na celkovém počtu zobrazených stránek návštěvníky-muži a návštěvnicemi-ženami.

Relativní popularita diskuzních fór

Následující tabulka pak shrnuje 10 nejnavštěvo­vanějších diskusí mezi ženami.

Nejpopulárnější ženská diskuzní fóra

Závěr

Demografická data chyběla ve webové analytice po dlouhé roky, přestože v tradičním marketingu hrála demografická segmentace vždy ohromnou roli. A je právě na čase, abychom objevili její hodnotu i ve webové analytice.

Demografická data v Yahoo! Web Analytics nereprezentují přesně celkovou populaci na českém internetu, ale zdají se být velmi přesná pro mnoho návštěvníků, které lze identifikovat prostřednictvím Yahoo! ID. Můj závěr proto je, že tyto cenné demografické údaje mohou být skutečně využity v segmentaci a analýze návštěvníků vašich webových stránek. Obzvlášť pak v kombinaci s daty o chování návštěvníků, kampaních a prodejích, které nejsou k dispozici v NetMonitoru.

Jak se vám líbí myšlenka využití demografických dat pro segmentaci a analýzu chování návštěvníků vašeho webu? Víte, zda vaše marketingové kampaně cílí na správnou cílovou skupinu? Víte, zda mají na vašem eshopu vyšší konverzní poměr muži nebo ženy? Napadá vás, jak tato data využít pro optimalizaci webu? Zapojte se do diskuze pod článkem.

Související články:

Komentáře

Související články:]]>

Tento článek vyšel původně na blogu Dennise Mortensena, který pracuje jako Director of Data Insights v Yahoo!

Je to již přes rok, co Dennis na svém blogu oznámil příchod Yahoo! Web Analytics 9.5 a jednou z hlavních novinek nové verze byly demografické údaje jako je pohlaví a věk. Dennis je špičkový expert na webovou analytiku a ve svém videu ukázal několik způsobů, jak taková data využít. Pokud jste se ještě s prostředím Yahoo! Web Analytics nesetkali, doporučuji vám před čtením následujícího článku toto video shlédnout.

Nicméně několik analytiků z evropských zemí po tomto oznámení zpochybnilo schopnost Yahoo! poskytovat relevantní data tam, kde Yahoo! Search nemá téměř žádný podíl na trhu, jako například v Česku. Berte to pouze jako orientační údaj, ale v praxi vidím, že pro české weby s návštěvností několika málo tisíc návštěvníků může Yahoo! opravdu poskytnout relevantní data se spolehlivostí 80 %, pro weby s návštěvností nad 50 tisíc návštěvníků pak se spolehlivost blížící se až k hranici 95 %.

Schopnost Yahoo! shromažďovat demografická data vyplývá z faktu, že tato data pocházejí z Yahoo! ID, které potřebujete k používání široké škály webových aplikací od Yahoo!, zejména Yahoo! Mail a webu pro sdílení fotografií Flickr, který je populární prakticky ve všech zemích světa, a tak je pravděpodobně i zdrojem většiny českých návštěvníků s Yahoo! ID.

Pro mne, a doufám, že i pro mnohé z vás, to tedy již není otázka jen o tom, zda Yahoo! může poskytnout demografické údaje o návštěvnících vašeho webu, protože odpověď je jednoznačně ano. Tou skutečnou otázkou je, zda můžeme těmto údajům věřit, využít je pro analýzu chování v jednotlivých demografických segmentech, a přijímat rozhodnutí na základě těchto informací.

Proto jsem se rozhodl prozkoumat demografické údaje, specificky pohlaví, které Yahoo! Web Analytics poskytuje, a srovnat je s daty z NetMonitoru, což je oficiální platforma pro měření návštěvnosti internetu v České republice, na jejímž základě se formuje poptávka na místním trhu online médií a reklamy.

Srovnání jsem prováděl na webu Okoun.cz (tradiční diskusní fórum fungující od roku 2001). Veškerá data jsou uváděna za období 4 měsíců od listopadu 2009 do února 2010.

Srovnání Yahoo! Web Analytics a NetMonitoru v číslech a grafech

Než se ponoříme do detailních čísel, je nutné zdůraznit, že všechny druhy demografických měření (snad s výjimkou oficiálního sčítání lidu) jsou založeny na nějaké statistické aproximaci. Podstatou je, že pokud máme dostatečně velký vzorek, který vykazuje stejné vlastnosti jako celková populace, postačí nám analyzovat data ze vzorku s tím, že jakékoliv závěry z analýzy budou pravděpodobně platné pro celou populaci. Z toho plyne, že chybová odchylka z takového měření je silně závislá na kvalitě vzorku a míra spolehlivosti je tím nižší, čím větší je velikost populace a čím menší je velikost vzorku.

Tolik k teorii, zde je podíl mužů a žen mezi návštěvníky webu dle Yahoo! Web Analytics a NetMonitoru.

Podíl mužů a žen v celkové návštěvnosti

Z grafu vyplývá docela jasně, že zatímco data z Yahoo! ukazují zhruba 70 % mužů v celém časovém úseku, data NetMonitoru pro mužské návštěvníky kolísají v rozmezí 55 % – 65 %. Rozdíl mezi těmito dvěma systémy měření se tedy pohybuje v rozmezí do 15 procentních bo­dů.

Použíté metriky jsou však odlišné. Zatímco Yahoo! Web Analytics pracuje s jedinečnými návštěvníky (Unique Visitors, což ve skutečnosti znamená cookies), NetMonitor uvádí reálné uživatele (Real Users).

NetMonitor – metodika

Nechci zde zacházet do velkých podrobností, takže jen v kostce: NetMonitor je nasazen na přibližně 95 % českého internetu (z hlediska návštěvnosti, nikoliv počtu internetových stránek), a tak může rozlišovat mezi dobrými cookies (tj. cookies s vymezenou minimální životností) a špatnými cookies (pod prahem definované životnosti). Počet reálných uživatelů je následně odvozen z počtu dobrých cookies, počtu zobrazených stránek s těmito dobrými cookies a celkového počtu zobrazených stránek. Tato kalkulace odvozuje počet skutečných návštěvníků (reálných uživatelů) a má za cíl eliminovat nepřesnosti vzniklé mazáním cookies.

Demografické údaje v NetMonitoru jsou shromažďovány z panelu pomocí dvou metod: user-centric software (páteř panelu, ověřené údaje, cca 1/3 panelu) a site-centric pop-up dotazníky (méně spolehlivé údaje, které lze jen těžko ověřit, cca 2/3 panelu).

Plný popis metodiky najdete zde

Dobře, pojďme se teď podívat na celkový počet unikátních návštěvníků a reálných uživatelů tak, aby bylo možné posoudit rozdíl v poměru pohlaví, jak je uvedeno výše a vyvodit určité závěry.

Celková návštěvnost
Relativní velikost vzorku

Rozdíly v celkové návštěvnosti webu ponechme stranou, jedná se o různé metriky. Co je zde důležitější, je relativní velikost vzorku. Je zcela zřejmé, že Yahoo! má k dispozici značné množství dat. Ve skutečnosti je jich v tomto konkrétním případě třikrát více v porovnání s NetMonitorem. Webové stránky s převážně mezinárodní návštěvností mohou mít tento vzorek ještě větší – viděl jsem, že až 10 % celkové návštěvnosti může být identifikováno demografickými da­ty.

Důvěryhodnost demografických dat v Yahoo! Web Analytics

Žádné údaje nejsou 100% přesné, ale lze předpokládat, že NetMonitor vyvinul větší úsilí v rozvoji správné metodiky pro místní trh – a tak jejich údaje o celkovém rozdělení pohlaví by měly být blíže k pravdě. Pro reportování základních čísel a přilákání reklamních zadavatelů proto doporučuji využít NetMonitor, který poskytuje bohaté a ověřené demografické údaje, které lze snadno porovnat s jinými servery.

Tam, kde demografická data z Yahoo! Web Analytics nejsou příliš přesná, pokud jde o celkové počty, je rozdíl pravděpodobně způsoben tím, že Yahoo! nemá své služby lokalizované v českém jazyce. To ve výsledku posouvá data ve vzorku od běžné populace uživatelů internetu v České republice ve prospěch pokročilejších uživatelů.

Screenshot níže je toho důkazem. Česká republika se řadí k několika málo zemím na světě, kde Google není jedničkou mezi vyhledávači. Jedničkou je Seznam, ale pokročilí uživatelé obvykle dávají přednost Google. Z reportu Search Engines můžete vidět, že návštěvníci, kteří jsou identifikováni na základě jejich Yahoo! ID, používají převážně Google.

Search Engines report

Nicméně, demografická data z Yahoo! stále představují velkou hodnotu pro majitele webových stránek, kteří se snaží lépe pochopit a komunikovat se svými zákazníky. Je skutečně možné použít tato data pro identifikaci segmentů a detailní analýzu jejich chování ve srovnání s ostatními segmenty.

Níže uvedený graf dokládá, že data o pohlaví návštěvníků jsou velmi blízko realitě. Okoun.cz má množství různých témat kde můžete diskutovat a samozřejmě, některé z nich jsou zaměřeny čistě na mužské zájmy a některé naopak. Graf znázorňuje popularitu jednotlivých diskusních skupin jako podíl individuálních diskuzních skupin na celkovém počtu zobrazených stránek návštěvníky-muži a návštěvnicemi-ženami.

Relativní popularita diskuzních fór

Následující tabulka pak shrnuje 10 nejnavštěvo­vanějších diskusí mezi ženami.

Nejpopulárnější ženská diskuzní fóra

Závěr

Demografická data chyběla ve webové analytice po dlouhé roky, přestože v tradičním marketingu hrála demografická segmentace vždy ohromnou roli. A je právě na čase, abychom objevili její hodnotu i ve webové analytice.

Demografická data v Yahoo! Web Analytics nereprezentují přesně celkovou populaci na českém internetu, ale zdají se být velmi přesná pro mnoho návštěvníků, které lze identifikovat prostřednictvím Yahoo! ID. Můj závěr proto je, že tyto cenné demografické údaje mohou být skutečně využity v segmentaci a analýze návštěvníků vašich webových stránek. Obzvlášť pak v kombinaci s daty o chování návštěvníků, kampaních a prodejích, které nejsou k dispozici v NetMonitoru.

Jak se vám líbí myšlenka využití demografických dat pro segmentaci a analýzu chování návštěvníků vašeho webu? Víte, zda vaše marketingové kampaně cílí na správnou cílovou skupinu? Víte, zda mají na vašem eshopu vyšší konverzní poměr muži nebo ženy? Napadá vás, jak tato data využít pro optimalizaci webu? Zapojte se do diskuze pod článkem.

Související články:

]]> http://www.optimics.cz/c/porovnani-demografickych-dat-z-yahoo-web-analytics-a-netmonitoru/feed 3 Yahoo! Web Analytics pro eshopy http://www.optimics.cz/c/yahoo-web-analytics-pro-eshopy http://www.optimics.cz/c/yahoo-web-analytics-pro-eshopy#comments Mon, 07 Jun 2010 22:18:40 +0000 Jiří Brázda http://www.optimics.cz/?p=1073 Docela často od klientů dostáváme dotaz, zda Yahoo! Web Analytics (YWA) umí to či ono. Přestože to nejdůležitější popisujeme na naší stránce o Yahoo! Web Analytics, je zřejmé, že na českém internetu chybí dostatek konkrétních článků a případových studií o tom, jaké užitečné funkce a jiné výhody YWA nabízí. A protože nemalá část těchto dotazů přichází od eshopů, rád bych se dnes zaměřil na 5 konkrétních věcí, které s velkou radostí využije každý majitel a manažer většího eshopu.

1. Cross-sell report

Téměř každý eshop řeší, co, jak a kde připrodat zákazníkovi, který momentálně nějaké zboží v košíku na webu již má a chystá se dokončit nákup. Obvykle lze v košíku zobrazit několik málo položek a otázkou je, podle jaké logiky by se měl řídit výběr tohoto zboží. V českých eshopech se nejčastěji jedná o zboží, které je v akci nebo o zboží ve výprodeji.

U velkých eshopů lze ovšem využít i sofistikova­nějších metod, jejichž průkopníkem je Amazon, a které jsou založené na analýze transakčních a behaviorálních dat. Nejjednodušší, ovšem také jednou z nejplodnějších je analýza zboží, které se nejčastěji nakupuje v rámci jednoho košíku. Tato data můžete dolovat z interního systému a poté analyzovat v nějakém statistickém nástroji, ale proč, když to jde jednoduše v YWA prostřednictvím reportu Cross-sell analysis? Samozřejmě i s napojením na kampaně a další možnosti filtrování a segmentace, kterou YWA standardně nabízí.

2. Podíl na obratu

Optimalizace obchodní výkonnosti webu se v prvním kroku typicky zaměřuje na nákupní košík a objednávkový proces. Zde se často vyskytují banální chyby, které skutečně snižují konverzní poměr a obrat eshopu. Jak ovšem ukazuje mnoho analýz, které realizujeme pro naše klienty, součástí konverzního procesu jsou často i stránky mimo tradiční funnel.

Víte z vašeho analytického nástroje například to, v kolika procentech nákupů u nových návštěv se vyskytuje také zobrazení stránky s obchodními podmínkami? Budete se divit, ale je možné, že překvapivě hodně. A co to znamená? Že i stránka s nudnou právničinou se dá optimalizovat tak, aby byla zajímavá a prodávala – v Česku jsem zatím ale nic podobného neviděl.

V řeči YWA se této metrice říká Conversion participation a můžete si snadno vytvořit report, který vyzdvihne z nudného reportu nejnavštěvova­nějších stránek ty stránky vašeho eshopu, které nejčastěji vedou k nákupu. Nebo ještě lépe, použijte metriku Revenue participation a získáte ty stránky, které vám generují největší obrat. Dobré, ne?

3. Nezaplacené objednávky

Kolik procent objednávek na vašem eshopu zákazníci nikdy nepřevezmou, nezaplatí nebo zboží vrátí v zákonné lhůtě? Nula to určitě není, ale přitom všechny jednoduché online analytické nástroje v čele s Google Analytics se spoléhají na to, že vám ke každé kampani zobrazí počet objednávek na webu. Ani vaše PPC agentura vám zřejmě nikdy neřekne, která sestava, inzerát a produktová stránka generuje vyšší podíl nezaplacených objednávek.

YWA ovšem podporuje tzv. Pending sale a přímo v reportovacím rozhraní nabízí možnost označit ty objednávky, které byly skutečně zaplaceny a které ne. Pro velké množství položek lze tento proces také zautomatizovat prostřednictvím A­PI.

4. Klasifikace sortimentu

Teď se podržte, jdeme pomalu do finále. Generujete větší obrat prodejem značky Puma nebo Adidas? Fajn, to asi víte. Víte ale, která značka (tj. veškeré zboží dané značky) má lepší konverzní poměr? A jak je to v návaznosti na kampaně?

Každý větší eshop má tisíce položek v produktovém katalogu, jehož hierarchie může mít i několik úrovní – značka, výrobce, dodavatel atd. V YWA lze tato data klasifikovat do kategorií a ty pak zobrazovat v sales reportech podobně, jak jsem naznačil se značkami Puma a Adidas výše. Tato klasifikace probíhá prostřednictvím uploadu produktového katalogu ve formátu MS Excel, což znamená, že máte flexibilitu dělat v katalogu libovolné úpravy podle potřeby a to i se zpětnou platností.

A to není vše! V rámci produktového katalogu můžete dokonce ke každé položce uvádět i svoji nákupní cenu. YWA pak dokáže z prodejní a nákupní ceny automaticky vypočítat vaši marži. Když pak tuto marži postavíte proti nákladům na jednotlivé inzeráty, můžete okamžitě spočítat přímou ziskovost každé kampaně. Vše pohodlně na jednom místě.

5. Podpora více měn

Poslední funkce, taková třešnička na dortu, se týká eshopů, které působí na mezinárodním poli a prodávají zboží ve více různých měnách. YWA podporuje více měn (pozor, včetně Kč) a v rámci reportů pak dokáže automaticky konvertovat měny, ve kterých se uskutečnil nákup do měny, kterou si nastavíte jako primární. Nic složitého, ale velké mezinárodní eshopy to ocení.

Akce: Červen – měsíc Yahoo! Web Analytics

Nyní do konce června 2010 nabízíme vytvoření účtu a základní implementaci Yahoo! Web Analytics s více než 50% slevou oproti běžné ceně. Pokud chcete znát detailní podmínky akce a další podrobnosti, napište nám na info@optimics.cz.

Tak co tomu říkáte? Který report nebo funkce by pro váš eshop znamenala největší přínos?

Související články:

Komentáře

Související články:]]> Docela často od klientů dostáváme dotaz, zda Yahoo! Web Analytics (YWA) umí to či ono. Přestože to nejdůležitější popisujeme na naší stránce o Yahoo! Web Analytics, je zřejmé, že na českém internetu chybí dostatek konkrétních článků a případových studií o tom, jaké užitečné funkce a jiné výhody YWA nabízí. A protože nemalá část těchto dotazů přichází od eshopů, rád bych se dnes zaměřil na 5 konkrétních věcí, které s velkou radostí využije každý majitel a manažer většího eshopu.

1. Cross-sell report

Téměř každý eshop řeší, co, jak a kde připrodat zákazníkovi, který momentálně nějaké zboží v košíku na webu již má a chystá se dokončit nákup. Obvykle lze v košíku zobrazit několik málo položek a otázkou je, podle jaké logiky by se měl řídit výběr tohoto zboží. V českých eshopech se nejčastěji jedná o zboží, které je v akci nebo o zboží ve výprodeji.

U velkých eshopů lze ovšem využít i sofistikova­nějších metod, jejichž průkopníkem je Amazon, a které jsou založené na analýze transakčních a behaviorálních dat. Nejjednodušší, ovšem také jednou z nejplodnějších je analýza zboží, které se nejčastěji nakupuje v rámci jednoho košíku. Tato data můžete dolovat z interního systému a poté analyzovat v nějakém statistickém nástroji, ale proč, když to jde jednoduše v YWA prostřednictvím reportu Cross-sell analysis? Samozřejmě i s napojením na kampaně a další možnosti filtrování a segmentace, kterou YWA standardně nabízí.

2. Podíl na obratu

Optimalizace obchodní výkonnosti webu se v prvním kroku typicky zaměřuje na nákupní košík a objednávkový proces. Zde se často vyskytují banální chyby, které skutečně snižují konverzní poměr a obrat eshopu. Jak ovšem ukazuje mnoho analýz, které realizujeme pro naše klienty, součástí konverzního procesu jsou často i stránky mimo tradiční funnel.

Víte z vašeho analytického nástroje například to, v kolika procentech nákupů u nových návštěv se vyskytuje také zobrazení stránky s obchodními podmínkami? Budete se divit, ale je možné, že překvapivě hodně. A co to znamená? Že i stránka s nudnou právničinou se dá optimalizovat tak, aby byla zajímavá a prodávala – v Česku jsem zatím ale nic podobného neviděl.

V řeči YWA se této metrice říká Conversion participation a můžete si snadno vytvořit report, který vyzdvihne z nudného reportu nejnavštěvova­nějších stránek ty stránky vašeho eshopu, které nejčastěji vedou k nákupu. Nebo ještě lépe, použijte metriku Revenue participation a získáte ty stránky, které vám generují největší obrat. Dobré, ne?

3. Nezaplacené objednávky

Kolik procent objednávek na vašem eshopu zákazníci nikdy nepřevezmou, nezaplatí nebo zboží vrátí v zákonné lhůtě? Nula to určitě není, ale přitom všechny jednoduché online analytické nástroje v čele s Google Analytics se spoléhají na to, že vám ke každé kampani zobrazí počet objednávek na webu. Ani vaše PPC agentura vám zřejmě nikdy neřekne, která sestava, inzerát a produktová stránka generuje vyšší podíl nezaplacených objednávek.

YWA ovšem podporuje tzv. Pending sale a přímo v reportovacím rozhraní nabízí možnost označit ty objednávky, které byly skutečně zaplaceny a které ne. Pro velké množství položek lze tento proces také zautomatizovat prostřednictvím A­PI.

4. Klasifikace sortimentu

Teď se podržte, jdeme pomalu do finále. Generujete větší obrat prodejem značky Puma nebo Adidas? Fajn, to asi víte. Víte ale, která značka (tj. veškeré zboží dané značky) má lepší konverzní poměr? A jak je to v návaznosti na kampaně?

Každý větší eshop má tisíce položek v produktovém katalogu, jehož hierarchie může mít i několik úrovní – značka, výrobce, dodavatel atd. V YWA lze tato data klasifikovat do kategorií a ty pak zobrazovat v sales reportech podobně, jak jsem naznačil se značkami Puma a Adidas výše. Tato klasifikace probíhá prostřednictvím uploadu produktového katalogu ve formátu MS Excel, což znamená, že máte flexibilitu dělat v katalogu libovolné úpravy podle potřeby a to i se zpětnou platností.

A to není vše! V rámci produktového katalogu můžete dokonce ke každé položce uvádět i svoji nákupní cenu. YWA pak dokáže z prodejní a nákupní ceny automaticky vypočítat vaši marži. Když pak tuto marži postavíte proti nákladům na jednotlivé inzeráty, můžete okamžitě spočítat přímou ziskovost každé kampaně. Vše pohodlně na jednom místě.

5. Podpora více měn

Poslední funkce, taková třešnička na dortu, se týká eshopů, které působí na mezinárodním poli a prodávají zboží ve více různých měnách. YWA podporuje více měn (pozor, včetně Kč) a v rámci reportů pak dokáže automaticky konvertovat měny, ve kterých se uskutečnil nákup do měny, kterou si nastavíte jako primární. Nic složitého, ale velké mezinárodní eshopy to ocení.

Akce: Červen – měsíc Yahoo! Web Analytics

Nyní do konce června 2010 nabízíme vytvoření účtu a základní implementaci Yahoo! Web Analytics s více než 50% slevou oproti běžné ceně. Pokud chcete znát detailní podmínky akce a další podrobnosti, napište nám na info@optimics.cz.

Tak co tomu říkáte? Který report nebo funkce by pro váš eshop znamenala největší přínos?

Související články:

]]> http://www.optimics.cz/c/yahoo-web-analytics-pro-eshopy/feed 1