Analytics vizsgálódások

Miután megismerkedtünk néhány Analytics-es jelentéssel, nézzük át milyen lehetőségek rejlenek az Analyticsben, hogy a rengeteg riportból érdemleges információkat nyerhessünk ki.

Ha az alábbi riportot vesszük alapul, nagyon sok hasznos információt kapunk máris az Analytics-ből.

Pillanatok alatt levonhatjuk pl. azt a következtetést, hogy a keresőkből érkező látogatók (organic) jobb arányban konvertálódnak, mint a közvetlenül a weboldalt meglátogató társaik (direct), vagyis akik beírják a weboldal címét vagy könyvjelzőből érik azt el. Vagy azt is megállapíthatjuk, hogy a magas visszafordulási arány, vagyis azok magas százaléka, akik az első meglátogatott oldal után elhagyják a weboldalt, a nagy forgalmat hozó kampányok magas visszafordulási arányának köszönhető.

Ugyanez látványosabban

De mindezeket az információkat lehet sokkal szembeötlőbben is megjeleníteni. Az alap megjelenítés táblázatos, abban minden adat benne van ugyan, de sokszor érdemes csak néhány mutatóra (oszlopra) koncentrálni. Az Analytics-ben a riportoknál választhatunk, hogy miképpen akarjuk az adatokat megjeleníteni: táblázatosan, kör-diagrammal, oszlop-diagrammal, eltérés-diagrammal, kohort-táblával vagy felhő megjelenítéssel.

A fentebb taglalt konverziós arány egyértelműbb megjelenítésére ad alkalmat az eltérés-diagram, amely azt mutatja, hogy az egyes médiumok konverziós aránya hány százalékkal tér el az átlagos konverziós aránytól.

Vagy megjeleníthetjük kör-diagram segítségével, hogy az összes konverzió milyen arányban oszlik meg a médiumok között.

Az ördög a részletekben lakozik

Az alkalmas megjelenítéseken túl további érdemi potenciál van az Analytics-jelentésekben. Az ún. keresztszegmentációkkal az eredeti dimenziós bontást részletezhetjük további dimenziókkal. Például kíváncsiak lehetünk arra, hogy az egyes médiumokon belül az új vagy a visszatérő látogatók teljesítettek-e jobban. Az ábra az új vs. visszatérő látogatók konverziós arányainak összevetését emeli ki az egyes médiumokon belül.

Nem mindig ennyire átlátható egy ilyen tábla. Ha a dimenzió, amivel keresztszegmentálunk, több kategóriából áll, és nem kettőből, mint az előző példánkban, akkor jóval több soros táblát kapunk eredményül. Vegyük példának okáért a korosztályok szerinti bontást.

Ez nyilván kevésbé átlátható, mint az előző példa. Viszont ha a tábla fölötti szűrőmezőben kiválasztunk egy médiumot, akkor mindjárt láthatjuk az adott médiumon belül a korcsoportok szerinti eredményeket.

Itt kiolvasható, hogy a referral médium, vagyis akik valamilyen weboldalról átlinkelve érkeztek a weboldalra, mely korcsoportban teljesített jobban, illetve gyengébben

Látogatói szegmensek

Azt is megtehetjük az Analytics-ben, hogy minden egyes jelentést, ami alap esetben az összes látogatóra vonatkozik, megszorítjuk valamilyen látogatói szegmensre: pl. kampánylátogatókra, organikus látogatókra, konvertálókra, mobil felhasználókra, stb, de akár olyan látogatókra is, akik legalább x időt töltöttek vagy y oldalt tekintettek meg a látogatásuk során. Olyan szegmenst választhatunk, ami nekünk (üzletileg) fontos. Ráadásul a sok előre definiált szegmens mellé megadhatunk saját célunknak megfelelő látogatói szegmenst is. Ezáltal tényleg olyan jelentésekhez juthatunk, amelyek a releváns kérdéseinkre adhatnak választ.

Az ábrán azt a felületet jelenítjük meg, ahol a korábban beállított szegmenseket ki lehet választani, hogy az Analytics riportok csak ezen látogatók teljesítményét jelenítsék meg.

Aki már nézett Analytics riportot, bizonyára szembesült az egyik legfontosabb mutatóval, az ún. visszafordulási aránnyal, azzal a százalékos mérőszámmal, ami azt mutatja meg, hogy a látogatók hány százaléka hagyja el a weboldalt anélkül, hogy az érkezési oldalon kívül egy másik aloldalt is megtekintett volna. Ez nyilván egy fontos mutató, mert arról árulkodik, hogy a látogatók hány százaléka nem azt kapja a weboldaltól (esetleg az érkezési oldaltól), amit várt tőle.

Az ábrán összefoglaló adatokat látunk a weboldalra vonatkozóan. Itt minden látogatás figyelembe van véve, és látható, hogy jó magas a visszafordulási arány. Eleve problematikus ennek a mutatónak ilyen magas értéke, de járulékosan még az is gondot okoz, hogy az átlagos mutatóértékekben a visszafordulók eredményei is bele vannak foglalva, így nehezen tudjuk megállapítani, hogy azon látogatók, akik nem visszafordulók, vagyis akik érdemben csinálnak is valamit a weboldalon, hogyan viselkednek látogatásuk során. A visszafordulók definíció szerint 1 oldalt tekintenek meg látogatásuk során, amihez az Analytics 0 másodperces weboldalon töltött időt rendel - függetlenül attól, hogy azt az egyetlen oldalt hány másodpercig nézte. Ezen értékek benne vannak a fenti kiátlagolt metrikában.

Itt jön képbe a szegmensek hasznossága. Ha csak azokat a látogatásokat nézzük, amelyek nem eredményeztek azonnali visszafordulást, vagyis a fentebb bemutatott ‘nem visszafordulók’ szegmens használatával csak az ilyen látogatók adatait jelenítjük meg a jelentésekben, akkor látjuk, hogy több mint 4 percig tartózkodtak a weboldalon, és több mint 4 aloldalt tekintettek meg.

Ennek a látogatói szegmensnek a használatával a nem visszafordulókra vonatkozó médium riport az alábbiak szerint módosul.

Látható, hogy a nem visszaforduló látogatók között a referral (hivatkozó) látogatók konvertáltak a legjobban, szemben az összes látogatást figyelembe vevő első jelentéssel, amely szerint az organikus látogatások eredményeztek konverziót leginkább. Ez a két riport azt implikálja, hogy sok hivatkozó látogató van rossz oldalra érkeztetve (ők azonnal visszafordulnak), de a többi hivatkozó nagyon jól teljesít.

A fentiekkel szerettük volna bemutatni, hogy az Analytics eszköztárában sok lehetőség van a megannyi adathalmazból érdemi, számunkra fontos információkat kinyerni.

• SZOLGÁLTATÁS
• TUDÁSBÁZIS
• WEBMA BLOG