Analityk

Ciasteczka Google Analytics

2009-02-11T02:34:00.000-08:00

Przeważnie ciasteczka Google Analytics wyglądają tak:

__utma
140649061.1854673400.1196241994.1200307218.1201768259.3
flashzone.pl/
1600
2348829952
30056838
2598864848
29909987
*
__utmb
140649061
flashzone.pl/
1600
86378368
29909992
3570424848
29909987
*
__utmz
140649061.1201768259.3.3.utmccn=(referral)|utmcsr=flex2.blogspot.com|utmcct=/2007/07/vista-adobe-flash-player.html|utmcmd=referral
flashzone.pl/
1600
1456876800
29946700
2599024848
29909987
*

Powyższy przykład dotyczy mojego ciasteczka dotyczącego serwisu flashzone.pl

Przeanalizujmy poszczególne znaczenia w ciasteczku.

__utma to jest token który reprezentuje odwiedzajacego i przechowuje inforcję i histirii wizyt. Czas trwania tego siasteczka wynoci 2 lata. Dane te są aktualizowane podczas każdej wizyty. zawieran następujace informacje: hasz domeny, czas rozpoczecia pierszej wizyty, czas rozpoczęcia poprzedniej wizyty, czas rozpocżecia aktualnej wizyty, licznik wizyty. Istotna rzecz to jest że użytkownik w danym komputerze korzystajacy z róznych przegladarek jest traktowany inaczej.

__utmb identyfikuje obecną wizytę i przechowuje informacje o aktualnej wizycie przez 30 minut po 30 minutach Te informacje są aktualizowane po każdym wysłanym żądaniu do serwera GA zawiera następujące informacje:hasz domeny, ilość wysłanych żądań, czas rozpoczęcia wizyty użytkownika.

__utmc sprawdza istnienie sesji przegladarki, wygasa po zamknięciu przeglądarki, aktualizowana jest podczas każdej wizyty, zawiera tylko hasz domeny.
Google traktuje je jako unikalną wizytę jeżeli ciastka __utmb lub __utmc nie występują. to występuje wtedy gdy użytkownik zamknął przeglądarkę albo przez 30 min był nie aktywny czyli wisiał na jednej stronie.

__utmv przechowuje ustawienia definiowane przez użytkownika ustawiane przez _setVar() na okres 6 miesięcy. Zmienia swoją wartość podczas zmiany tych wartości. Zawiera hasz domeny i jak wartość użytkownika. Wartość ta może być zmieniania podczas odwiedzin, ale GA będzie brało pod uwagę tą zmianę od nowej wizyty.

__utmz przechowuje informacje o pochodzeniu użytkownika (kampanie, wyszukiwarki, czy wizyta bezpośrednia) przez 6 miesięcy, aktualizacja następuje wtedy zmieni się sposób trafienia użytkownika na stronę). Przechowuje informacje: hasz domeny, atrybuty wejścia użytkownika, ile razy wchodził z danego źródła.

Wspołpraca z analitykiem internetowym

2008-11-25T10:29:00.000-08:00

Mam sporo zapytań z wyszukiwarek internetowych z zapytań o rolę analityka.

Konsultacje prowadzę przeważnie z klientem który już jest zdecydowany na wykorzystanie analizy internetowej. Zanim analityk będzie mógł analizować serwis, musi uzyskać wiedzę o tym, kim jest właściciel i jakie cele postawił przed witryną internetową. Pierwsze spotkanie ze mną to zazwyczaj rozmowa o obecnym stanie witryny internetowej. W rozmowie tej poruszam kwestie otoczenia biznesowego klienta. Próbuję dokonać analizy SWOT witryny internetowej. Pokazuję jej silne i słabe strony, a także szanse i zagrożenia. Następnie analityk pyta się o to, kto jest twórcą serwisu i w jakiej technologii został zbudowany. Jeżeli dojdę do wniosku, że będę w stanie samodzielnie ingerować w kod źródłowy, uzgadniam kwestie otrzymania dostępu do kodu z właścicielem i twórcami. Jeżeli wcześniej w witrynie były już zaimplementowane jakieś statystyki, to proszę o udostępnienie ich. Uzgadniam z właścicielem witryny kwestie dostępu do informacji poufnych, czy chronionych prawem jak dane osobowe zamawiających. Często jest bowiem tak, że mam do nich dostęp (np. informacje o poszczególnych zamówieniach, wraz z danymi adresowymi). Zwracam też uwagę, że są regulacje prawne dotyczące zbierania takich danych. Efektem końcowym jest zawarcie umowy na przeprowadzenie badań internetowych w witrynie internetowej.

Planowanie badania internetowego.
Analityk musi poznać aktualny stan witryny od strony technologicznej. W tym celu musi na bieżąco poznać budowę witryny internetowej oraz przestudiować jego kod źródłowy, aby dojść do wniosków, jakie dane mogą być zbierane i analizowane. Po dokonaniu inspekcji kodu źródłowego piszę raport z tego, co mogę zrobić z witryną internetową i rekomenduje wybór określonego narzędzia do raportowania. Jeżeli wprowadzenie zmian w kodzie witryny internetowej może być bardzo trudne to proponuję, żeby część pracy przejął twórca witryny. Dotyczy to głównie prac przy integrowaniu witryny internetowej z narzędziami raportującymi. Przygotowuję wstępny raport pn. "Audyt witryny internetowej", który opisuje obecny stan serwisu. Główny nacisk kładzie na analizę użyteczności witryny i analizę technologiczną witryny wraz z propozycjami usprawnień pod kątem wykorzystania tego w analityce internetowej. Przygotowuję też drugi raport badawczy pn. "Proponowane wskaźniki efektywności witryny internetowej". Są to informacje o tym, co analityk może badać w witrynie. Trzeba pamiętać, że zadaniem analityka jest stałe informowanie właściciela serwisu o tym, jak zmienia się aktywność użytkowników. W tym kontekście ustala z właścicielem okresy, w jakich mają być dostarczane raporty. Może być też tak że klient sam będzie otrzymywał raporty wygenerowane przez narzędzia raportujące. Po zaakceptowaniu przez właściciela witryny, analityk przedstawia harmonogram pracy.

Implementacja skryptów do dokonywania pomiarów w witrynie internetowej wymaga od analityka bardzo dobrej znajomości technologii internetowych, a szczególnie JavaScriptu i ActionScriptu 3 oraz technologii po stronie serwera. Moja znajomość języków programowania takich jak PHP, Python, C#, Ruby i Java wystarczy do tego że jestem w stanie implementować skrypty do dokonywania pomiarów prawie w każdej witrynie internetowej.
W zależności od wybranego narzędzia raportującego przygotowuję odpowiednie skrypty, które mają być wstawione na stronach internetowych witryny. Następnym krokiem jest przygotowanie narzędzia raportującego do zbierania danych ze skryptów. Czas implementacji kodu do pomiarów jest uzależniony od technologii, jakości kodu źródłowego witryny oraz ilości danych, jakie mają być zbierane, a także od przygotowania narzędzia raportującego do zbierania danych i generowania raportów. Najszybciej pójdzie wtedy, gdy analityk ma dostęp do kodu źródłowego i zna technologię po stronie serwera, w której wykonano witrynę internetową. W przypadku, gdy nie mam dostępu do kodu źródłowego (czasami też w sytuacji w której kod został napisany bardzo niestarannie), ani nie znam technologii, w której kod został napisany, implementacja skryptów do badania może być bardzo utrudniona i przez to bardzo rozciągnięta w czasie. Gdy kody skryptów do pomiaru są już zaimplementowane w witrynie, mam tydzień czasu na sprawdzenie i weryfikację współpracy kodu z narzędziem z witryną.

Eksploracja danych z narzędzia raportującego. Zbieranie danych jest procesem automatycznym. Trzeba jednak zwrócić uwagę na to, że początkowo zbieranych jest ich za dużo. Domyślne ustawienia narzędzi raportujących nie pozwalają na budowanie własnych, skrojonych na potrzeby wyników. Jeżeli ktoś prowadzi np. sklep internetowy, istotna jest dla niego wiedza na temat tego, jak użytkownicy zachowują się w procesie składania zamówienia. W tej sytuacji przygotowuję narzędzie tak, żeby dostarczało dane na temat użytkowników, którzy dokonują zamówienia. Generowanie raportów z narzędzi raportujących jest częścią pracy analityka. Istotne jest to, że tworzenie raportów odbywa się na podstawie tego, co ustalono w dokumencie o wskaźnikach efektywności. Nie zalecam zmieniana zasad ustalonych w trakcie planowania. Dodawanie nowych raportów i ustalanie nowych wskaźników wymaga konfigurowania narzędzi analitycznych i dodawania nowych skryptów do zaimplementowania. Lepiej jest zatem dokładnie zaplanować cały proces analizy i jej implementację, niż później zmagać się z wprowadzaniem zmian.

Ewaluacja danych z raportów. Same raporty o aktywności użytkownikach na witrynie internetowej dostarczane z narzędzi raportujących są tylko wskazówką do budowania analizy danych. Poświęcam sporo czasu raportom, aby wyciągać wnioski i przedstawiać to zainteresowanym. Kluczowe jest tutaj podejście oparte na wiedzy o otoczeniu biznesowym, o tym, jak ludzie korzystają z internetu, a także o tym, jakie czynniki wpływają na interakcję z użytkownikiem. Dużo informacji mogę wyciągnąć obserwując działanie konkurencji. Obserwacja trendów jest jednym z czynników, które pozwalają na budowanie modelu biznesowego witryny internetowej, co pozwoli przewidywać rozwój witryny. W tej sytuacji dostarczam cyklicznie raporty badawcze pn: "Wskaźniki efektywności witryny internetowej i ich interpretacja w danym okresie czasu".

Wnioski z ewaluacji danych pozwalają na dokonywanie eksperymentów w witrynie internetowej. Na bazie wiedzy o czynnikach, które wpływają na zachowania użytkowników witryny internetowej oraz z danych z narzędzi raportujących, jestem w stanie przeprowadzić eksperymenty, których celem jest zwiększenie konwersji. W ścisłej współpracy z twórcami witryny analityk będzie rekomendował dokonywanie zmian w witrynie internetowej, a następnie mierzył skuteczność tych działań. Korzyścią z eksperymentów jest to, że mamy argumenty jak zmieniać witrynę. W tym celu analityk pisze raport badawczy pn: "Eksperyment w witrynie internetowej - plan, implementacja i wdrożenie", w którym opisuję jakie czynniki witryny internetowej mają być badane. Potem dokonuję pomiaru eksperymentu. Czas trwania eksperymentu zależy od tego jak wiele danych trzeba zebrać dla danej próby badawczej.

Nowy kod GATC

2008-11-17T13:18:00.000-08:00

Google wraz ze zmianami w interfejsie narzędzi raportujących Google Analytics wprowadzono drobną zmianę w kodzie GATC. Otóż częste skargi na to, że kod GATC powoduje czasami wystąpienie błędu, bo jakieś ustawienia w przeglądarce internetowej nie pozwalją na załadowanie pliku ga.js z serwerów Google. W tej sytuacji od kilku dni Google zaleca stosowanie klazury try...catch w celu unikniecia komunikatów że zmienna _gat nie została zainicjalizowana.
Nadal kod ga.js pozostaje ten sam czyli jest oznaczony wersją 4.3

Jednym z najciekawszych rzeczy jakie zauważyłem jest interpretowanie numeru konta GA do szacowania kiedy zostało załozone np: konta UA-1170XX zostało załozone w sierpniu 2006
UA-45860XX w czerwcu 2008 natomiast UA-62845XX w listopadzie 2008. Tempo zakładania kont Google Analytics jest wręcz oszałamiające.

Polski słowniczek analityki internetowej WAA

2008-11-15T00:53:00.001-08:00

Podstawowa terminologia

Strona (Page) to podstawowa jednostka analizy, jest nim strona internetowa witryny internetowej

Odsłona (Page View) to działanie polegające na załadowaniu strony internetowej w przeglądarce internetowej, pokazuje to, ile razy dana strona była oglądana.

Wizyty / Odwiedziny (Visits / Sessions) są traktowane jako interakcja odwiedzającego użytkownika na witrynie internetowej podczas, której przegląda strony internetowe.

Unikalni użytkownicy (Unique Visitors) to pojęcie odnosi się do aktywności na stronie użytkownika, którego jesteśmy w stanie określić.

Zdarzenia (Event) odnoszą się do wykonanych działań dokonanych przez przeglądarkę bądź przez serwer.

Terminy charakteryzujące odwiedziny (Visit Characterization Terms) opisują zachowania użytkownika podczas wizytowania witryny.

Strona wejściowa (Entry Page) to pierwsza strona wizyty

Strona docelowa (Landing Page) to strona, której celem jest rozpoczęcie przez użytkownika określonego działania.

Strona końcowa (Exit Page) to ostatnia strona wizyty, dochodzi przeważnie z powodu zakończenia sesji

Czas trwania odwiedzin (Visit Duration) to czas trwania sesji, oblicza się poprzez odjęcie czasu ostatniej interakcji z początkiem działania użytkownika

Odesłania (Referrer) to ogólne pojęcie oznaczające źródło ruchu na stronach bądź źródło wizyt. Rozróżniamy odesłania: wewnętrzne, zewnętrzne, z wyszukiwarki oraz wejścia bezpośrednie jako brak odesłania.

Odesłania ze strony (Page Referrer) przeważnie opisuje źródło wejścia na stronę

Odesłania z sesji (Session Referrer) przeważnie to jest adres strony z której użytkownik trafił na stronę

Klikalność (Click-through) pokazuje ile razy link był klikany przez użytkowników, co ma znaczenie w analizie nawigacji po witrynie.

Współczynnik klikalności (Click-through Rate/Ratio) to ilość kliknięć w dany link do odsłon strony na której występuje dany link

Charakterystyka użytkownika (Visitor Characterization)

Nowy użytkownik (New Visitor) to taki użytkownik którego pierwsza wizyta została zauważone. Ilość nowych użytkowników to liczba unikalnych użytkowników, których aktywność rozpoczyna się w danym okresie.

Powracający użytkownik (Returning Visitor) to taki użytkownik który drugi raz wizytuje witrynę. Ilość powracających użytkowników to liczba unikalnych użytkowników, których aktywność podczas wizyty trwa w danym okresie i unikalny użytkownik był wcześniej zarejestrowany jako nowy użytkownik.

Powtarzający użytkownik (Repeat Visitor) to taki użytkownik który miał co najmniej 3 wizyty w serwisie. Ilość powtarzających użytkowników to liczba unikalnych użytkowników, który dokonali 3 lub więcej wizyt

Odesłana użytkownika (Visitor Referrer) to źródło wizyt użytkownika

Odwiedziny użytkownika (Visits per Visitor) to współczynnik wyrażający się to liczbą wizyt w raportowanym okresie do liczby unikalnych użytkowników.

Świeżość (Recency) określa czas i pokazuje jak szybko zajęło unikalnemu użytkownikowi dokonanie działania interesującego analityka

Częstotliwość (Frequency) wskazuje na to, ile razy unikalny użytkownik dokonał określonego działania w danym okresie czasu

Terminologia zaangażowania użytkowników (Engagement Terms) koncentruje się na mierzeniu interakcji użytkowników.

Współczynnik wyjść (Page Exit Ratio) to wskaźnik obliczany liczbą wyjść ze strony podzielona przez liczbę odsłon z tej strony.

Porzucenia (Single Page Visits aka Bounces) jest to ilość wizyt, które zawierają tylko jedną odsłonę jednej strony. W wizycie jednoodsłonowej wizytowania przez użytkownika strona jest zarazem stroną początkową i stroną końcową wizyty.

Współczynnik porzuceń (Bounce Rate) odwiedziny wchodzące na jedną stronę podzielone przez ilość wejść na daną stronę

Ilość odsłon na odwiedziny (Page Views per Visit) to wskaźnik którego oblicza się liczbą odsłon w raportowanym okresie dzieloną przez liczbę wizyt w tym samym raportowanym czasie

Terminologia konwersji (Conversion Terms). Konwersją nazywamy dokonywanie odpowiedniego działania na stronie takiego jak zakup czy wypełnienie ankiety co świadczy o sukcesie klienta i osiągnięciu celu.

Konwersja (Conversion) wskazuje ile razy został osiągnięty rezultat

Współczynnik konwersji (Conversion Rate) to współczynnik osiągniętych rezultatów wobec istotnych danych Oblicza sie poprzez podzielenie ilości konwersji do ilości wizyt

Inne terminy (Miscellaneous Terms)

Odwiedziny (Hit - AKA Server Request or Server Call) określa żądanie wykonane przez serwer

Wyświetlenie (Impressions) ile razy dana zawartość została dostarczona do przeglądarki. głownie dotyczy to reklamy internetowej

Behavioral Targeting - nowy trend w analizie internetowej

2008-11-09T02:58:00.000-08:00

Śledzenie i analizowanie zachowań użytkowników na stronach internetowych staje się ostatnio coraz modniejsze. W połączeniu z psychologiczną wiedzą o osobowościach możemy starać się o skuteczność naszego przekazu. Można też starać się budować wiedzę na temat tego jak zmiany w serwisach internetowych wpływają na zachowania użytkowników. Obecnie w większości polskich serwisów internetowych nie istnieje biznesowa kultura analityczna, która sprzyjałaby samodzielnym budowaniu kampanii internetowych pod kątem ciągłego eksperymentowania na użytkownikach.

Analiza zachowań użytkownika pozwala na zbieranie informacji skoncentrowanych o nim samym. Analityk dzisiaj ma o wiele potężniejsze narzędzia analityczne. Może zbierać informacje o tym jak długo przebywał na stronie, jak używał myszki, w jakiej kolejności użytkownik przeglądał strony w witrynie, skąd pochodzi i w jaki sposób trafił na tą stronę. Wykorzystując historyczne dane o wizytach użytkowników można budować profile osób, które są zainteresowane tą witryną.
Przykład: pewien użytkownik o identyfikatorze wizyty 26664185605818910 od dłuższego czasu systematycznie odwiedza sklep internetowy, korzystając w ten sam sposób z nawigacji, ale nie dokonał jeszcze żadnej transakcji. Wiedząc o jego wizytach analityk doszedł do wniosku że warto spróbować zrobić eksperyment z wieloczynnikową analizą wariancji, aby przekonać użytkownika do zakupu. W tym celu przygotowano wersję strony internetowej z treścią, która miała być zaadresowana do tego użytkownika (w praktyce był to eksperyment przeprowadzony Optymalizatorem Witryn Google skierowaną tylko do 1% ruchu na stronie). W momencie gdy dany użytkownik o tym identyfikatorze wszedł na tą witrynę to otrzymywał tą przygotowaną stronę. W ten sposób analityk dokonał jego konwersji i uzyskał sporo nowych informacji o nim. Dzięki temu użytkownik otrzymywał zawsze ten sam rabat, bo odwiedzał tą samą eksperymentalną stronę, którą analityk zbudował w oparciu o analizę jego zachowań na stronie.

Instytuty badawcze i jak firmy analityczne zbudowały różne systemy które mają służyć tworzeniu lepszych strategii które na bazie informacji o zachowaniach i lokalizacji użytkowników, a także z kontekstu strony wyświetlać im właściwą reklamę. Obecnie znane są następujące systemy wykorzystujące behavioral targeting do reklamy internetowej: Predicta BT, Adaptlogic,, Boomerang, Criteo, Leiki, nugg.ad, wunderloop. Z racji tego, że te technologie behavioral targeting są traktowane jako how-know, które często jest traktowane jako tajemnica handlowa, bądź opatentowane rozwiązanie to trudno dokonać miarodajnego porównania tych technologii.
Google 11 marca oficjalnie ogłosiło przejęcie firmy DoubleClick która dostarcza rozwiązań behavioral targeting. Takie przejęcie spowodowało obawy co do naruszenia o prywatność użytkowników poprzez ich stałą wiedzę o tym co robią w internecie. Firma Google napisała publiczny list opisujący jej stanowisko wobec behavioral targeting.

Analitycy internetowi bardziej interesują się zastosowaniem behavioral targeting w obrębie samej witryny internetowej. W praktyce to polega na tym, że na podstawie informacji o odwiedzinach użytkowników tworzy się kanały odwiedzin. Następnie do danego kanału określa się pewien wzorzec zachowań użytkowników. Z drugiej strony z teorii osobowości tworzy się schemat użytkownika i dopasowuje się go do wzorców zachowań użytkownika w danej witrynie internetowej. Efektem takiej pracy jest model użytkownika i na podstawie takich modeli użytkownika można przeprowadzać eksperymenty kierując treść i zawartość witryny pod kątem danego modelu. Innym sposobem zbierania informacji jest tworzenie różnych wersji witryn adresowanej dla kobiet a inną dla mężczyzn.
Przykład: Na pewnej stronie zawarto ankietę, w której pytano użytkowników jakiej są płci. Po wypełnieniu takiej ankiety cała witryna wykorzystując tą informację o płci zmieniła wygląd strony głównej pod kątem właściwie zaadresowany do płci. Jeśli wybrano płeć męską, to na stronie głównej pojawiły się wizerunki seksownych kobiet, jeżeli zaznaczono wybór płci żeńskiej to na stronie główniej pojawiła się elegancka kobieta interesu. Zmianie też uległa treść. W praktyce to wymaga dokonywania ciągłych eksperymentów na stronie głównej i śledzenia jak zmiany wpływają na konwersję. Jednak w zależności od przyjętej metodologii badań takie eksperymenty są czasochłonne. Ale korzyści są widoczne. Pozwala to na lepsze poznanie użytkowników witryny i wpływanie na nich, tak aby stali się naszymi klientami.

Duże portale wymagają trochę innego podejścia w zakresie behavioral targeting, dla nich tworzenie stron spersonalizowanych pod kątem preferencji dla jakiegoś profilu osobowości, a potem śledzenie zachowania konkretnego użytkownika nie jest opłacalne. Portalom bardziej zależy na zbieraniu danych demograficznych i określać zainteresowania użytkownika po tym jakie działy przeglądał, a potem udostępniają te informacje reklamodawcom. Problem wynika w analizie takich danych - w tej sytuacji portale same budują zespoły badawcze albo współpracują z takimi firmami jak Revenue Science, Front Porch, Tacoda (obecnie wchodzi w skład koncernu AOL), BurstMedia (mają interesującego bloga), NebuAd, Specific Media, Phorm (mają bloga, który informuje o kwestiach prywatności), ValueClick Media. Znalazłem nawet ciekawy patent a także takie patenty

Wyłączanie ich systemów behavioral targeting polega na tym, że nie akceptujesz ich ciasteczek w przeglądarce. Na tych stronach są linki Opt-Out, które pozwalają na poinformowanie o tym akceptujesz czy nie akceptujesz takie systemy (w praktyce to polega na tym że w twojej przegladarce cookie danego systemu jest oznaczone jako opt-out).
http://www.tacoda.com/
http://www.nebuad.com/
http://nugg.ad/
http://www.doubleclick.com/

Warto poczytać o targetowaniu behawioralnym na stronach takich jak blog Behavioral Insider czy portalach branżowych takich jak ClikZ czy iMediaConnection. Coraz większą rolę samoregulacji będzie mieć Behavioral Targeting Standards Consortium

Web Intelligence - koncepcja szkolenia

2008-11-08T00:55:00.000-08:00

Analityka internetowa to ostatnio najbardziej dynamiczniej rozwijająca się nisza w przemyśle internetowym. Chociaż występuje w cieniu tego co nazywamy marketingiem internetowym, to jednak staje się coraz ważniejszą dziedziną badań. To ma związek z tym, że istnieje coraz większa konkurencja na rynku. Teraz prawie każda firma już ma stronę internetową, w tej sytuacji powoli kończy się okres kiedy posiadanie strony internetowej powodowało to że firma miała jakąś przewagę na konkurencją. Wtedy i jeszcze dzisiaj miernikiem sukcesu jest ilość odsłoń czy wizyt.
Wraz z pojawieniem się paradygmatu "Web 2.0", który pozwalał na tworzenie aplikacji internetowych to zaczęto mierzyć czas spędzony przez użytkownika, czy jakąkolwiek interakcję ze strony użytkownika (ilość ściągniętych plików czy kliknięć, obsługiwanie wyszukiwarki).

Zmieniają się mechanizmy działania reklamy. Dzisiaj dominuje model płacenia za kliknięcie. Jutro może być tak że będziemy płacić za to że klient od kogoś wykona pewną akcję (np. dokona zakupu w sklepie internetowym). Systemy aukcji i jak porównywarki cen są na dobrej drodze do wprowadzenia takiego rozwiązania. Przypuszczam, że AdSense może przekształcić się w coś takiego ze pozwoli użytkownikom na tworzenie własnych stron które będą generować konwersję.
Przykład - ktoś prowadzi własny serwis o kwiatach i chciałby, żeby jego ulubiony sprzedawca też więcej sprzedawał swoich kwiatów dzięki współpracy z nim, a także miał informację o tym ile klientów kupiło kwiaty dzięki temu, że przebywali na serwisie o kwiatach. Wymaga to ścisłej współpracy pomiędzy analitykiem internetowym, a twórcą serwisu o kwiatach czy sprzedawcą tych kwiatów. W takiej sytuacji analityk internetowy staje się stroną od której zależy dobra
współpraca pomiędzy sprzedawcą kwiatów a twórcą serwisu o kwiatach.

Od dłuższego czasu coraz ważniejsza staje się wiedza o zachowaniach użytkowników na stronach internetowych. Ta wiedza istnieje dzięki temu, że prowadzone są badania nad reklamą behawioralną. Reklama behawioralna jest to taka reklama, która z ogólnej wiedzy na temat osobowości i temperamentu próbuje przekonać użytkownika do określonego działania.
W praktyce to polega na przeprowadzeniu eksperymentów z zawartością i treścią oraz wyglądem na stronach internetowych. Eksperyment jest czymś co weryfikuje działania w serwisie.
Przykład - sklep internetowy szuka sposobów na lepsze pozyskiwanie klientów (ang. lead generation). W tej sytuacji warto zaproponować właścicielowi sklepu internetowego do konanie pewnych zmian i sprawdzenie czy w tym samym okresie co przynosiło lepszą konwersję dotychczasowa wersja czy wersja z zaproponowanymi zmianami. Znowu analityk internetowy jest niezastąpiony.

Wraz z wiedzą o zachowaniu użytkowników w serwisie internetowym warto próbować tworzyć kluczowe wskaźniki efektywności wynikające z eksperymentów. Pozwala to na tworzenie serwisów internetowych których celem jest podnoszenie jakości. Jakość wyraża się posiadaniem mierników, które pozwalają mierzyć sukces, dzięki osiąganym celom.
Przykład - Zaplanowano eksperymenty dzięki którym dowiedziano się, że ludzie chętniej korzystają z formularza kontaktowego jak został umieszczony na stronie głównej. Takie eksperymenty też pokazały że zwiększyła się ilość zapytań ofertowych. Analityk może na bazie eksperymentów budować wiedzę o tym jak zmieniają się wskaźniki efektywności pod wpływem pewnych zmian. Posiadanie takiej wiedzy sprzyja rozwojowi jakości ku zadowoleniu klientom.

Od pewnego czasu zastanawiam się nad przeprowadzeniem szkolenia czy napisania skryptu z zakresu analityki internetowej. Inspiracją do tego była informacja o szkoleniu do uzyskania certyfikatu "Certificate in Web Intelligence". Na stronach WAA jest dokument o tym co trzeba umieć aby przygotować się do uzyskania takiego certyfikatu.
Cała koncepcja opiera się na 4 kursach:

Wprowadzenie do analityki internetowej
Analityka internetowa dla optymalizacji witryn internetowych
Mierzenie kampanii internetowych
Tworzenie kultury analitycznej

Pierwszy kurs jest bardzo ogólny i przedstawia podstawowe zagadnienia z analityki internetowej.

Podstawowe i kluczowe terminy analityki internetowej
Kluczowe Wskażniki Efektywności (ang. Key Performance Indicators - KPIs)
Mierzenie akcji: łańcuch konwersji
Wyjaśnienie różnic w sposobach zbierania danych
Narzędzia analityczne i diagnostyka witryn internetowych
Podstawy mierzenia SEO
Podstawy analizy zachowań odwiedzających witrynę internetową
Mierzenie i optymalizacja płatnych kampanii internetowych (ang. Paid Search Campaign)
Jak tworzyć KPI, które są zgodne z misją firmy oraz celami biznesowymi
Umiejętności analityka internetowego.

Drugi kurs obejmuje zagadnienia optymalizacji witryn internetowych pod kątem analityki internetowej.

Zrozumienie roli użytkownika jako osoby z określoną osobowością
Tworzenie modelu użytkownika i jego zachowania
Podstawy analizy aktywności użytkownika
Nawigacja po witrynie i jej analiza
Analiza treści witryny
Technologie witryn internetowych
Optymalizacja konwersji
Śledzenie zachowań użytkownika na witrynie internetowej

Trzeci kurs wprowadza w tajniki mierzenia marketingowych kampanii internetowych

Mierzenie skutenczności reklamy internetowej
Poprawna konfiguracja i obsługa płatnych lampanii w wyszukiwarkach
Mierzenie skuteczności kampanii mailingowej
Zaawansowana analiza kampanii mailingowej
Narzędzia analityka i ich możliwości
Wprowadzenie do analizy reklamy bannerowej
Wyjaśnienie co może być badane i mierzone
Wpływ Public Relations na analizę internetową
Jakość danych zbieranych do analizy

Najciekawszy jest trzeci kurs, który zajmuje się tworzeniem i zarządzaniem analitycznej kultury biznesowej

Poprawne tworzenie zestawu wymagań dla analityka internetowego
Określanie strategi wykorzystania analityki internetowej
Określenie zadań dla stanowiska analityk internetowy
Określanie kwalifikacji i miejsca w organizacji dla analityka internetowego
Edukacja organizacji o korzyściach wypływających z analityki internetowej
Skoncentrowanie się na mierzeniu celów organizacji.
Funkcjonalne korzyści dla organizacji
Wprowadzenie analityki internetowej do istniejących procesów biznesowych.
Tworzenie i interpretacja zestawów danych KPI
Ustalanie priorytetów
Tworzenie raportów badawczych
Planowanie i komunikacja z analitykiem internetowym

Czy ktoś chciałby być na takim szkoleniu?

Materiały do analityki internetowej

2008-10-18T13:02:00.000-07:00

Analityka internetowa to bardzo specyficzna dyscyplina wiedzy. Interdyscyplinarna.
Ale najwięcej informacji otrzymamy ze stron firm zajmujących się profesjonalną analityką internetową i które dostarczają narzędzia dla analityków, oraz z blogów ludzi interesujących się tym.

Unica NetInsight jest produktem zaprojektowanym z myślą o analizie danych ruchu na witrynach internetowych. Z materiałów to szczególnie polecam 4 raporty firm badawczych o narzędziach analityki internetowej. W tym najciekawszy jest raport z lipca 2008 który pokazuje na jakie aspekty zwracają użytkownicy narzędzi do analityki internetowej. Jak przystało na firmę z ambicjami posiada sporo zasobów edukacyjnych: whitepapers (interesujący dokument o ewolucji marketingu z 2006), cases study, videocasty (polecam ten o strategicznej roli analityki internetowej).

Kolejny dostawca narzędzi analitycznych to Coremetrics. Ta firma ma bogaty zestaw materiałów edukacyjnych dla swoich klientów. Z ich 13 dokumentów warto zwrócić uwagę na dokument o przygotowaniu organizacji do mierzenia ich witryn internetowych, i o trendach w sprzedaży online. Posiadają też spory zbiór artykułów prasowych o ich produktach. Natomiast z myślą o marketingu przygotowano sporo webinarów. Warto też przyjrzeć się sukcesom ich klientów, którzy zainwestowali w analitykę internetową.

Ommiture - to najbardziej agresywna firma w tej branży. Mają nawet swój blog
Poprzez dążenie do konsolidacji rynku poprzez kolejne przejęcia średnich firm analitycznych ich potencjał staje się coraz większy i mogą świadczyć produkty dopasowane do potrzeb korporacji.
Ich zasoby są bardzo duże. Na ich stronach można znaleźć 5 dużych dokumentów opisanych jako najlepsze praktyki w tej branży: 5 kroków efektywnego mierzenia witryny, o optymalizacji stron docelowych, 10 pytań dla marketerów, oraz o reklamie behawioralnej. Mają 31 różnych dokumentów sklasyfikowanych jako bibliotekę. Z tego najciekawsze to są o roli analityka internetowego w organizacji, o definiowaniu wskaźników efektywności, o zarządzaniu danymi wg potrzeb klientów, o marketingu online usług biznesowych na przykładzie 5 zasadniczych KPI, o 8 czynnikach pozyskiwania klientów opierając się na próbach ich konwersji a nie kampanii, o rozwoju usług marketingowych usług biznesowych opierających się na eksperymentach, o marketingu opartym na danych z analityki internetowej. Ponieważ coraz bardziej skutecznym kanałem komunikacji w zakresie usług biznesowych stają się webinaria, w tej sytuacji Ommiture ostatnio więcej materiałów publikuje w postaci webinariów. Warto zwrócić uwagę na webinaria o strategii sprzedaży sezonowej w oparciu o eksperymenty, o optymalizacji interakcji z użytkownikami poprzez stosowanie eksperymentów, o tym jak eksperymenty witryn internetowych oparte na testowaniu A/B czy MVT zwiększają konwersję, o integracji pracy analityków internetowych z działem marketingu online, o 7 praktykach mierzenia ROI z kampanii, o tym jak mierzyć ROI z aplikacji RIA (Rich Internet Application), o tym co daje zaawansowana analityka internetowa, o badaniach marketingowych usług biznesowych. Omniture dostarcza też informacji typu cases studies o tym jak ich usługi analityczne pomogły klientom zwiększyć konwersje, albo obniżyć koszta ich kampanii marketingowych w internecie.

Następna firma analityczna WebTrends też stara się edukować klientów co do korzyści z analityki internetowej. Podobnie mają swoje 4 podręczniki: o wskaźnikach efektywności
o budowaniu lojalności użytkowników witryn Web 2.0, o mierzeniu KPI technologii Web 2.0 takich jak RIA, RSS, urządzenia mobilne, media strumieniowe. Mają też ciekawe dokumenty m.in. o analityce internetowej dla agencji publicznych i o badaniu marketingowym w witrynach rządowych. Posiadają też webcasty o strategiach marketingowych witryn Web 2.0 o nowym podejściu do użytkowników witryn internetowych.

Obecnie głównym źródłem informacji do analityki internetowej są blogi

Miłej lektury.

Yahoo! Web Analytics

2008-10-09T01:39:00.000-07:00

W kwietniu 2008 Yahoo przejęło węgierską firmę IndexTool która miała świetne narzędzia raportujące. Dennis R Mortensen na swoim blogu napisał post o tym jak Yahoo już oficjalnie zrobiło rebrandnig. To co mnie całkiem zaskoczyło to interfejs. Ich narzędzie raportujące składa się z wielu kreatorów. Szczególnie interesująco wygląda Kreator segmentacji
czy Kreator Raportów. Na dzień dzisiejszy dostęp do tego narzędzia mają Ci którzy są uczestnikami tych programów Yahoo (wylosowano wśród nich 15000 kont)

Jeżeli ktoś wcześniej miał dostęp do IndexTool to będzie mógł zalogować się
Ja po obserwacji doszedłem do wniosku, że niewielu ludzi potrafi dobrze wykorzystywać narzędzia raportujące w sposób optymalny. Tym bardziej skomplikowane narzędzie tym mniej ludzi używa bardziej zawansowanych funkcji, a co dopiero interpetować dane. Kreatory w Yahoo Web Analytics to jakiś zamiennik filtrów w Google Analytics. Tak jak mogłem spodziewać się narzędzia raportujące ruch w witrynach internetowych coraz bardziej będą przypominać potężne narzędzia typu Business Intelligence. Twórca tego narzędzia analitycznego zamierza w przyszłym roku wydać ksiażkę Yahoo! Web Analytics. Tracking, Reporting, and Analyzing for Data-Driven Insights, która jak przypuszczam może przypieczętować sukces tego narzędzia.

Mierzenie interakcji za pomocą transakcji Google Amalytics

2008-10-06T14:25:00.000-07:00

Na blogu Marketing w Internecie pojawił interesujący wpis o mierzeniu interakcji użytkowników w postaci ściągnięcia plików czy kliknięć w bannery na stronie bądź kliknięć w linki wewnętrzne. Sam do niedawna stosowałem tą technikę która polegała pomiar był dokonywany poprzez wywołanie trackera odsłony dla zdarzenia kliknięcia.

pageTracker._trackPageview(’/nazwa_pliku_widziana_w interfejsie’);

Ale o wiele ciekawiej będzie jak użyje się transakcji co wspomniałem w komentarzu na tym blogu

function getOrderID()
{
var currentTime = new Date();
var month = currentTime.getMonth()+1;
var timeStamp =' ' + currentTime.getFullYear() + '-' + month +
'-' + currentTime.getDate() + ' ' + currentTime.getHours() +":" + currentTime.getMinutes() + ":" + currentTime.getSeconds();
return(timeStamp);
}

A następnie do zdarzenia onclick warto zmodyfikować dodać poniższy kod

pageTracker2._addTrans(getOrderID(),"","1","","","","",""); pageTracker2._addItem(getOrderID(), "Dokument PDF", document.title, document.location.href, "1","1"); pageTracker2._trackTrans();

Co otrzymujemy dzięki temu kodowi:

informację kiedy użytkownik ściągnął dany plik
z jakiej strony i jaka strona miała wtedy tytuł
transakcje ładnie dają się wymiarować z danymi o lokalizacji czy typie użytkownika.

Opensourcowe rozwiązania dla analityków internetowych

2008-10-03T01:17:00.000-07:00

Od pewnego czasu zauważam dominację Google Analytics jeżeli chodzi o rozwiązania w zakresie narzędzi raportujących. Właściwie zdolny programista od JavaScript potrafiłby wszystko czego się oczekuje od takich narzędzi zbierać. Nawet o prędkości ruchów myszki na danej stronie internetowej czy kolejności wizyt użytkownika na stronie.

W cieniu Google Analytics programiści open source pracują nad własnymi rozwiązaniami narzędzi raportujących. Narzędzia bazujące na logach serwera są dobre w celu zbierania informacji, które zapisze serwer. Ale w sytuacji stosowania technologii typu AJAX, logi serwera nie są już dość dobrym narzędziem do mierzenia aktywności użytkownika na stronie.

Jedna warto wspomnieć o tych narzędziach: AWStat to oparte na Perlu narzędzie do zbierania informacji o przeglądarkach użytkowników oraz Webalizer to napisany w C szybki analizator logów.

Gdy chodzi o zbieranie informacji o interakcjach i zachowaniach użytkownikach na stronach to te powyższe analizatory nie są najlepszym rozwiązaniem o ile programiści nie napiszą sobie własnego dedykowanego rozszerzenia.

W tej sytuacji trzeba było dostarczyć narzędzia w celu zbierania informacji marketingowych czy transakcji to trzeba było już osadzać skrypty JavaScript na stronach internetowych. Takie podejście w celu zbierania danych o ruchu na stronach WWW ma sens jak właściciel serwisu internetowego chce zbierać dane o samej przeglądarce WWW.

Środowisko OpenSource rozwija następujące projekty: Open Web Analytics Zaletą tego rozwiązania jest miezrznie ruchu z RSS oraz tworzenie własnych raportów. Inną zaletą jest też integracja z Wordpressem i jak Media Wiki.

Natomiast ze sobą rywalizują 2 projekty opensourcowe dla analityków internetowych. Piwik - zyskujący coraz większą popularność a ma coraz większe ambicje. W Polsce blogosfera mało na to zwróciło uwagi: Piotr Fiećko, Grzegorz Godlewski, Anna Deregowska-Watza W Polsce na razie zainteresował się tym inTrack oferując darmowe statystyki dla blogerów. Jednakże coraz bardziej zaawansowany zaczyna być phpMyVisites To co wyróżnia spośród innych to wykorzystanie mapy kliknięć.

Rozwój narzędzi raportujących coraz bardziej będzie zmierzał w kierunku ich integracji z CMS czy ERM tworząc narzędzia do badania KPI witryn internetowych co upodobni te narzędzia raportujące do narzędzi typu Business Intelligence.

Kluczowe wskażniki efektywności

2008-09-30T08:25:00.000-07:00

Ostatnio zrealizowałem prezentację o analityce internetowej.

Zapraszam do obejrzenia i komentowania.

Terminologia analityki internetowej

2008-09-24T12:32:00.000-07:00

Od pewnego czasu zorientowałem się, że są pewnego rodzaju niuanse terminologiczne w analityce internetowej. Trochę inaczej to postrzegają analitycy którzy na codzień siedzą przy narzędziach raportujących, a inaczej to określają ludzie z branży reklamowej czyli od marketingu.
W Polsce jeszcze nie ma dyskusji o tym. Czasami zastanawiam się nad terminologią zawodową która określa ludzi zajmujących się "web analytics". Najbardziej znanym pojęcie to "web analyst". Jak można ich nazywać po polsku: "analitykami internetu", a może "badaczami internetu", a może jeszcze "statystykami internetowymi" ? Formalnie w firmach tworzy się stanowiska specjalisty d/s badań i analiz. Ten dział "web analytics" proponuję nazwać "webmetrią" czy "analityką internetową". Osobiście skłaniam do drugiego terminu. Jak zauważyłem większość firm w Polsce szczególnie z tej branży mają swoje działy nazywające się tak: "dział badań i analiz"
Ostatnio wobec pewnych zmian w działaniu przeglądarek internetowych (wprowadzenie trybu incognito) spowodowało na nowo dyskusję nad tym co jak mierzyć.
Warto przyjrzeć się podstawowej terminologii w tym zakresie wg. Google czy wg GemiusTraffic a także wg. GemiusAudience
Organizacje też mają swoje definicje terminologiczne: WAA czy IAB.net
Warto też przyjrzeć się dyskusji w jaki ostatnio przeszła w środowisku analityków odnośnie interpretacji standardów WAA. Pisali o tym Dennis R. Mortensen czy Justin Cutroni. A nawet WAA na swoim blogu zaproponowało publiczną dyskusję nad nową wersją słownika terminów używanych przez analityków. Ostatnio jedna z firm analitycznych WebTrends przedstawiła swój glosariusz

Testy A/B

2008-09-14T04:31:00.000-07:00

Tworzenie stron internetowych za pomocą jednego prototypu powoli staje się przestarzałą metodą. Coraz więcej agencji interaktywnych przechodzi na eksperymentowanie ze względu na coraz większe wymagania analityczne stawiane przed procesem tworzenia kreacji internetowych i jak mierzenia efektywności kampanii reklamowych w internecie.

Z założenia o skuteczności kampanii reklamowej decydują odpowiednio przekazany komunikat. Ale jak zmierzyć czy dany komunikat jest skuteczny. W tej sytuacji potrzebne jest narzędzie dzięki któremu potrafimy zmierzyć skuteczność danego komunikatu poprzez sprawdzenie jak to wpływa na konwersję. W ten sposób można z lepszym efektem mierzyć skuteczność wyglądu stron, czy sposobu przekazywania treści na konwersję. Konwersją może być na przykład złożenie zamówienie, zgłoszenie uwag, czy zapisanie się do newslettera.

Takim narzędziem są testy A/B i testy wieloczynnikowe. Testy A/B świetnie się łączą z narzędziami raportującymi. co pozwala na testowanie wszelkich form internetowych reklam, , oraz stron internetowych odpowiedzialnych za współczynnik konwersji (takich na których internauta powinien wykonać pożądaną przez nas działania).
W praktyce to polega na tym że przedstawiamy grupom użytkowników kolejne wersje internetowej kreacji badając która z ma największy wpływ na konwersję. Trzeba trzymać się zasady, że test A/B mierzy jeden czynnik ma której nie ma na w wersji oryginalnej. Na przykład na stronie głównej serwisu nie ma formularza kontaktowego. Czy zamieszczenie formularza kontaktowego wpłynie na ilość wysyłanych uwag? Takie badania można zmierzyć testem A/B.

Do przeprowadzenia testów A/B potrzebna jest elementarna wiedza statystyczna która pozwoli na interpretowanie wyników. Otóż potrzebna jest próba badawcza w postaci odwiedzających stronę. Zakładamy, że wystarczy przetestować jeden element (czynnik) na co najmniej 30 użytkowników, aby mieć poziom istotności na poziomie 95%, a co za tym idzie większą pewność że wyniki będą podobnie rozkładały się przy większej próbie. Tego typu testy maja sens gdy testujemy wpływ wartości dodanej. Nie nadają się do mierzenia wpływu ceny czy promocji na konwersje. Tym natomiast zajmuje się test wieloczynnikowy (ANOVA).

Pokażę przykład: mamy reklamę AdWords - 2 reklamy i 2 docelowe strony. To w tej sytuacji potrzebne jest zbadanie jak wpływała na 30 użytkowników pierwsza reklama AdWords na pierwsza docelową stronę następnie mierzymy kolejnych 30 użytkowników pierwszej reklamy AdWords na drugą docelową stronę. Czyli mamy już 60 użytkowników którzy nieświadomie biorą udział w eksperymencie A my tym razem testujemy 2 reklamę AdWords na następnych 30 użytkownikach kierując ich znowu do pierwszej strony docelowej, a potem z tej reklamy kierujemy na drugą stronę docelową. Tak mamy już 120 internautów, którzy kliknęli w reklamę AdWords i jakieś tam wyniki z narzędzi raportujących o tym, czy internauci dokonali oczekiwanych działań.

Aby skutecznie przeprowadzać testy A/B potrzebne jest narzędzie, które pozwoli na przeprowadzenie tych testów. Największą popularnością cieszy się Google Website Optimizer, który jest jednym z najlepszych rozwiązań jeżeli chodzi o integrację z Google Analytics.

Coraz więcej firm dostarcza komercyjne rozwiązania do przeprowadzenia tych testów.
WebTrends proponuje WebTrends Score
Optimost InterWoven opisuje Content Generation and Delivery
Omniture proponuje produkt Omniture Test&Target
SiteSpect też ma w swojej ofercie przeprowadzanie testów A/B
Widemile jest także firmą specjalizującą się w testach
comScore MMetrics także oferuje przeprowadzanie tych testów na platformach mobilnych
Spore doświadczenia w tym ma firma Vertster dostarczając sporo statystycznych narzędzi.
Ciekawe spostrzeżenia badawcze dokonała firma Ascentium ZeroDash1 dostarczając raport na temat wykorzystania tych technologii w praktyce A/B and Multivariate Testing Landscape | July, 2008

Ale jak można zauważyć że te firmy dostarczają wiele różnych rozwiązań opartych na różnych metodologiach i narzędziach analizy statystycznej. W praktyce to oznacza przełamanie pewnych zwyczajów przy tworzeniu serwisów internetowych. Przede wszystkim klienci muszą być nastawieni na to, że trzeba ciągle testować, co oznacza w praktyce, że agencje interaktywne mogą mieć więcej pracy, żeby wdrożyć się w iteracyjne zmiany treści w serwisach i mierzenie skuteczności.

Krzysztof Adamus dał kilka wskazówek które należy wsiąść pod uwagę przy projektowaniu eksperymentów w serwisach internetowych opartych na testach A/B:

Określenie problemu badawczego. W tych testach szukamy odpowiedzi, dlaczego na przykład klienci danego serwisu internetowego nie przechodzą do kolejnych podstron lub rezygnują z przycisku call-to-action. Należy wtedy przemyśleć jaki jest cel i co prowadzi do tego celu. Następnie trzeba określić hipotezy badawcze na których oprze się cały test. Postawienie prawidłowych hipotez pozwoli skrócić cały proces przygotowania, przeprowadzania i zanalizowania testów.
Określenie do kogo ma być skierowany test. Pamiętajmy, że sami internauci są elementem testu. Jeżeli mamy możliwość dokonania selekcji użytkowników (na przykład pod kątem geolokalizacji). Dzięki temu zbliżymy się do pewności, iż każdą istotną część kreacji odnieśliśmy do interesujących nas grup docelowych i uniknęliśmy przypadkowości.
Określenie jakie elementy będziemy testowali w testach. I trzeba uwzględnić kombinacje tych elementów (czynników) oraz sukcesywnie w kolejnych iteracjach przeprowadzać zmiany.
Określenie czasu testów. Należy pamiętać o tym, że w danym czasie mierzymy tylko tą jedną iterację z jedną modyfikacją. Nie należy w trakcie testów wprowadzać kilka modyfikacji naraz.
Ostrzeżenie. Test A/B nie jest testem porównawczym, a bardziej jest testem krzyżowym. Oznacza to, że z 2 stron internetowych trzeba przetestować conajmniej 2 czynniki, które mają wpływ na konwersję.

Narzedzia analityka

2008-09-09T11:47:00.000-07:00

Większość danych z narzędzi raportujących ruch w serwisie internetowym przeważnie importuje się do różnych formatów: są to przeważnie formaty dla Excela takie jak CSV, XML, XLS czy TSV. Następnie instaluje się Analysis Tool Pack. W większości przypadków na początku to wystarczy, ale szybko się ujawniają pewne mankamenty, jednym z nich jest potrzeba nauczenia programowania w Visual Basic for Application przy tworzeniu i modyfikowaniu makr. Można oczywiście zainwestować w pakiety statystyczne takie jak SSPS, Statistica, czy Matlab
To ma sens jak zna się biegle statystykę i ekonometrię oraz ma plany rozwijać się w stronę usług konsultingowych w zakresie badań marketingowych czy badań rynku w internecie.
Zanim zainwestuje się sporo kasy w pakiety statystyczne warto poznać opensourcowe pakiety statystyczne, które na początek przydadzą się żeby móc potem biegle wykorzystywać komercyjne rozwiązania.

Takimi pakietami są Project R i Gretl.
Project R jest nieformalnym liderem jeżeli chodzi o wykorzystanie obliczeń statystycznych. W Polsce nim interesują się głównie statystycy i naukowcy. Łukasz Komsta napisał kiedyś w 2004 roku Wprowadzienie do środowiska R po polsku. Przemysław Biecek swoim studentom zalecał zapoznanie się z platformą R równolegle z nauką statystyki. On jest autorem książki "Przewodnik po pakiecie R" W Polsce można liczyć na wsparcie polskiego forum "Grupa użytkowników R" a także na forum R na Goldenline.

Natomiast wśród ekonomistów i analityków cieszy się program Gretl. Istnieje też polska strona poświęcona temu programowi promująca podręcznik z ekonometrii: Ekonometria. Rozwiązywanie problemów z wykorzystaniem programu gretl.

Prognozowanie ruchu w serwisie internetowym jest bardzo ciekawym zagadnieniem badawczym.

Współczynniki korelacji i regresja liniowa odwiedzin serwisu internetowego

2008-09-08T13:09:00.000-07:00

Zawsze mnie intrygowało co ma większy wpływ na ruch w serwisie internetowym. Zazwyczaj miarą jest ilość odwiedzin. Zazwyczaj wyróżnia się ruch z wyszukiwarek,wejścia bezpośrednie i jak wejścia ze stron internetowych, a także wskutek działań marketingowych. Jak wiadomo możemy mierzyć jak zachodzą relację pomiędzy odwiedzinami w całości a poszczególnymi odwiedzinami.
Otóż statystycy wymyślili narzędzie do mierzenia zależności czyli to jest korelacji. Do określania wartości zależności pomiędzy tymi danymi nazywamy współczynnikiem korelacji.Mamy zbiór danych z wszystkich odwiedzin:
88,73,47,42,69,84,85,82,21,34,35,89,77,68,76,75,29,37,81,86,96,75,52,40,34,70,83,88,83,92,44
Mamy też zbiór danych o odwiedzinach ze stron internetowych.
30,26,15,16,18,23,23,25,15,14,13,28,25,16,25,21,9,17,25,25,21,18,13,15,20,26,18,28,22,21,14
Mamy też informacje jaki udział odwiedzin był też z wyszukiwarek internetowych
13,13,14,6,11,19,13,13,1,8,10,16,18,9,14,10,1,5,16,18,24,23,15,5,6,13,19,21,26,25,8
A także jakie udział w tych wszystkich odwiedzinach mieli nowi użytkownicy:
63,58,39,34,43,61,51,59,18,25,26,52,57,39,50,45,15,31,48,61,59,46,35,28,28,51,51,54,42,46,24

Korelacja oznacza możliwość oszacowania tendencji wpływu pomiędzy 2 cechami Wartość współczynnika korelacji może być od -1 do 1
W naszym przypadku interesują następujące korelacje:
wszystkich odwiedzin do odwiedzin ze stron internetowych - współczynnik wynosi 0,78
wszystkich odwiedzin do odwiedzin z wyszukiwarek internetowych - współczynnik wynosi 0,82
wszystkich odwiedzin do odwiedzin osób których system raportujący potraktował jako nowych użytkowników 0,91

Wskaźniki korelacji są bardzo silne. Można by powiedzieć że odwiedziny z wyszukiwarki mają większy wpływ na wynik niż z linki serwisów zewnętrznych w przypadku tego serwisu.

Analityk nie poprzestanie na tym i spróbuje dokonać model który pozwoli mu na dość bezpieczne określanie jak te zależności wpływają na siebie. Do tego wystarczy mu równanie regresji liniowej: takie proste narzędzie dzięki któremu można by prognozować odwiedziny przy założeniu nie nie robimy większych zmian. Czyli nic się nie dzieje szczególnego w serwisie, ani w internecie.

Najlepszy sposób poznawania problemów i rozwiązywania ich przypomina "przepisy kuchenne". Mamy wysmażyć wzór dzięki któremu będziemy mogli dowiedzieć się ile trzeba odwiedzin ze stron internetowycxh żeby można było osiagnąć ponasd 200 odwiedzin.

Składniki do wzoru "kuchennego" regresji liniowej:
Dane z wszystkich odwiedzin.
Dane o odwiedzinach ze stron internetowych.
Współczynnik korelacji wszystkich odwiedzin do odwiedzin ze stron internetowych - 0,78.
Odchylenie standardowe wszystkich odwiedzin - 22,52.
Odchylenie standardowe odwiedzin ze stron - 5,38.
Średnia ze wszystkich odwiedzin - 65,65.
Średnia z odwiedzin ze stron - 20,16.

Obliczamy wagę = Współczynnik korelacji*(Odchylenie standardowe odwiedzin ze stron/Odchylenie standardowe wszystkich odwiedzin)
Waga wynosi 0,19
Pozostaje jeszcze obliczenie stałej:
Stała = Średnia z odwiedzin ze stron - (Waga * Średnia ze wszystkich odwiedzin)
Stała w tym przypadku wynosi 7,94

Na koniec pozostaje nam zrobienie przyprawy na patelni wg przepisu na ilość odwiedzin ze stron:
Waga * 200 wszystkich odwiedzin + stała
Na talerzu otrzymamy 45,16 odwiedzin ze stron.

Gdy się najemy - trzeba zrozumieć, że to jest spekulacja, ale lepiej zajmować się spekulacją opartą na modelu tego co było czyli na równaniu regresji liniowej.

Porównanie odwiedzin w serwisie internetowym.

2008-08-31T05:33:00.000-07:00

Często lubimy porównywać ze sobą rożne serwisy internetowe. Ale tym razem sprawdzimy hipotezę zerową że pomiędzy odwiedzinami w dwóch tygodniach nie ma większej różnicy.
A hipoteza alternatywna poinformuje nam że że istnieje jakaś różnica pomiędzy odwiedzinami w serwisie internetowym (a jeżeli będzie istniała to trzeba będzie dokonywać dalszych badań w celu wskazania i odkrycia jakiejś relacji).

Analityk dostał informacje że w tygodniu 10-16 sierpnia w pewnym serwisie internetowym były codzienne takie odwiedziny: 43, 69, 84, 85, 82, 21, 34. Razem odwiedzin było 418, co daje średnią 59,51 odwiedzin na dzień. Następnie dostał dane z 17-23 sierpnia następującymi danymi 35, 89, 77, 68, 76, 75, 29, razem daje to 449 z średnią 64,14 odwiedzin na dzień.
Analityk ma 2 próby. I chce dokonać porównania wariancji 2 prób, aby stwierdzić czy są istotne różnice w tych odwiedzinach a potem z testu t chce wywnioskować podobieństwa z średnich odwiedzin.
Wariancja z pierwszego tygodnia wynosi 708,57, a wariancja z drugiego tygodnia wynosi 523,48 a w obu przypadkach stopnie swobody wynoszą 6. Do mierzenia rozkładu z różnicy wariancji używa się rozkładu F. Rozkład F to stosunek wariancji z dwóch prób.
W naszym przypadku dla 5% stopnia ufności, przy 6 stopniach swobody statystyka F wynosi 4,284. Stosunek wariancji odwiedziń serwisu wynosi 1,35 co jest mniejszą wartością niż wartośc teoretyczna. Analityk więc wnioskuje że nie ma istotnych róznic w wariancjach odwiedziń. W tej sytuacji pozostaje jemu jeszcze sprawdzić jak bardzo do siebie są dopasowane te próby inaczęj pisząc sprawdzić stopień podobieństwa. Hipoteza zerowa mówi, że średnie odwiedziń swerwisu internetowego nie różnią się czyli są podobne do siebie.
W tym przypadku najpierw trzeba obliczyć stopnie swobody dla testu t: jest nią suma wszystkich danych minus 2 czyli 12 Teoretyczna wartość testu t dla 12 stopni swobody przy 5% poziomie ufności wynosi: 2,1788 W tym przypadku wzór na test t z 2 prób przy braku istotnych róznić w wariancjach wyglada tak jak podano w Wikipedii

|59,51 - 64,14| / Sqrt([(708,57 * 6)+(523,48*6) /7+7-2] * [(7+7)/(7*7)]) = 0.33

Znowu wartość obliczona wartośc t nie przekracza wartości z tablicowej wartości co oznacza że spełniamy hipotezę zerową. Czyli średnie odwiedziń serwisu nie róznią się od siebie przy załozeniu 5% poizomi ufności.

Podsumując statystycznie jesteśmy w stanie obliczyć to że nic się nie zmieniło w sposób istotny w odwiedzinach serwisu internetowego.

Microsoft adCenter Analytics beta

2008-08-28T03:34:00.000-07:00

Wraz z nową aktualizacją systemu raportującego ruch w serwisie internetowym Microsoft adCenter Analytics beta dostałem linka do założenia nowego konta. Założyłem skrypt zliczający ruch w serwisie internetowym i po 4 godzinach miałem już dane. Oznacza to że dane są zliczane w czasie rzeczywistym. Interfejs mam bardzo przejrzysty. Mogę decydować jakie dane chcę wyświetlić na tablicy nawigacyjnej. Mam tam gadżety: Page views - odsłony, Visits - odwiedziny, Visitors - odwiedzający, użytkownicy. Mam też listę Top pages - 5 najbardziej odwiedzanych stron, Top keywords - 5 slów kluczowych, Top referring websites - 5 odsyłających stron

Raporty są pogrupowane w lewym menu:
Ruch i historia: ciekawy interfejs z czasem z podziałem na rozkłady dzienne, tygodniowe czy miesięczne, i to można przedstawiać na wykresach płaskich czy wymiarowych
W widoku kalendarza można przeglądać w rożnych zakresach kalendarza czy porównywać dane. Widok użytkowników pokazuje ilość użytkowników i jak ilość odsłoń
Bardzo rozbudowaną zawartość ma widok Visitor Loyalty opisujący proporcje nowych i odwiedzających, lojalność, długość wizyt, częstość wizyt.
Ciekawostką jest segmentacja użytkowników po płci, zawodzie, wieku i jak lokalizacji ( na szczęście to w Polsce nie działa). Nowością w sposobie prezentacji jest widok mapy drzewa ruchu użytkowników po stronie. Widok odnośników pokazuje strony z których ludzie trafili z serwisu i jak linki stron z których wyszli z serwisu. Widok celów wymaga skonfigurowania celów dla których mogą być zrealizowane przez odwiedzających na stronie. Raporty mogą pokazywać co miało wpływ na dany cel, ciekawe są raporty pokazujące wpływ kampanii czy słów kluczowych na zrealizowane konwersje. Odrębną rzeczą wymagającą bliższego przestudiowania jest generowanie linków dla kampanii w płatnych wyszukiwarkach (w adCenter, Google i jak Yahoo) , email czy reklamę bannerową w widoku kampanii. Cała sztuka polega na tym, że trzeba sobie samemu wymyślać jakieś długie adresy URL wyróżniające z jakiej kampanii na jaką stronę trafi dany użytkownik. Trochę inaczej zorganizowano zbieranie informacji z transakcji komercyjnych. Pozwala to śledzić co dodał do koszyka użytkownik i jak w efekcie końcowym zliczyć zamówienie. Raport ścieżek to jedna z najbardziej wartościowych cech tego systemu raportującego - może jego prezentacja przekonać ludzi do wykorzystywania tego narzędzia w serwisach internetowych. Konfiguracja tego narzędzia pozwoli na stwierdzenie jak na daną stronę trafiali użytkownicy i jak chodzili po tym serwisie. Innym użytecznym narzędziem są funnele jest generowanie róznych scenariuszy które maja pokazywac jak wielu uztykowników dochodziło do celu, bądź realizowało pewne zadania w serwisie.

Od strony technicznej cała operacja polega na wstawianiu kawałku kodu JavaScript.
http://analytics.live.com/Analytics/msAnalytics.js
a potem każdy skrypt profilu ma wygenerowany taki kod
msAnalytics.ProfileId = 'ABCD1234';
Dodając nowe linijki kodu można monitorować ile plików zostało pobrano bądź zrobiono coś z kliknięciem - wystarczy dodać
msAnalytics.EnableLinkTracking();
działa to globalnie. Można też ręcznie obsługiwać łącza wychodzące
onClick="msAnalytics.TrackLink('http://www.jakasstrona.pl/index.html', LinkType.Outbound, 'Strona dokądś');
albo łącza do plików do pobrania
onClick="msAnalytics.TrackLink('http://www.jakasstrona.pl/download/catalog.pdf', LinkType.Download, 'Prezentacja firmy');
Skrypty do zbierania informacji o zamówieniach wyglądają następująco, w momencie zbierania informacji o tym co dodano do koszyka
msAnalytics.SetCartItem('Produkt', 129.99, 1);
msAnalytics.TrackCart();
a także informację o tym, że zamówienie z koszyka zostało dokonane
msAnalytics.SetCartItem('Produkt 1', 129.99, 1);
msAnalytics.SetCartItem('Towar 2', 79.99, 1);
msAnalytics.SetCartItem('Usluga 3', 3.99, 3);
msAnalytics.TrackPurchase();
Na koniec w tym narzędziu raportującym przewidziano sytuację w której można generować własna strukturę serwisu do badań statystycznych zamiast opierać się na linkach.
msAnalytics.SetView(1, 'cars/sedans/Under25K');
msAnalytics.SetView(2, 'ContosoCars/ContosoModel1/LE');
msAnalytics.TrackPage();
Jak widać Microsoft próbuje dogonić Google w narzędziach raportujących dla analityków internetowych.

Advanced Web Metrics with Google Analytics

2008-08-25T03:31:00.000-07:00

Książka Briana Cliftona Advanced Web Metrics with Google Analytics ma 353 strony i 11 rozdziałów. Została wydana w marcu 2008 roku przez wydawnictwo Sybex. Koncentruje się na najnowszej wersji Google Analytics. Autor prowadzi interesującego bloga

Pierwsza część książki dotyczy sposobu mierzenia sukcesu. Chce pokazać jak ważna jest umiejętność mierzenia w celu osiągnięcia sukcesu. W przypadku serwisu internetowego kluczowe jest zrozumienie jak właściwe wyciągać wnioski z ruchu na stronie internetowej. Główne techniki mierzenia ruchu na stronie opierają się na logach i ciasteczkach. ale z tych samych danych trudno o właściwą analizę. Z tej książki zrozumiałem, że nie można zbierać informacji o użytkownikach w sposób pozwalający ich na identyfikację tożsamości. Można zbierać informacje o ruchu na stronie konkretnego użytkownika i wyciągać wnioski. o jego zachowaniu a następnie wyświetlić jemu odpowiednio przegotowana zawartość strony, natomiast zabronione jest zbieranie i przechowywanie informacji personalnych typu imię i nazwisko czy numer telefonu. Google Analytics to nic innego jak przerobiona wersja aplikacji Urchin do mierzenia i analiz ruchu na stronach internetowych. Google kupiło aplikację Urchin i nadal ją rozwija.

Druga część książki koncentruje się na omówieniu raportów Google. Zwraca uwagę na najważniejszą cechę raportów:segmentację danych. Dzięki tej technice można zestawiać różne powiązania pomiędzy poszczególnymi danymi. Bardzo wygodną cechą jest eksportowanie raportów do plików CSV, TSV (dla Excela) oraz PDF Dokładnie omawia kilka ważniejszych raportów: raporty odwiedzin, raporty e-Commerce, raporty celów, raport wizualizacji celu, raport słów kluczowych, raporty AdWords, raporty mediów, raporty geolokalizacyjne, raporty wyszukiwarki wewnętrznej.

Trzecia część jest dla mnie najciekawsza:opisuje najlepsze praktyki dla programistów które pozwalają zaimplementować kod skryptów na stronach serwisu internetowego. Zanim zacznie się prace nad implementacją skryptów Google Analytics trzeba zwrócić uwagę na stosowanie polityki kopii zapasowych z raportów, tworzenia profili i jak zarządzaniem uprawnieniami użytkowników i administratorów. Odrębną kwestia która jest poruszona to połączenie konta AdWord z kontem Google Analytics.Z poziomu skryptów Google Analytics ga.js developerzy mogą przystosować własny kod skryptów JavaScript do wykonywania zadań. Omówiona została obsługa dynamicznych adresów URL oraz sposoby zmierzenia aktywności na tych stronach. Podobną techniką można posłużyć się, gdy zechcemy mierzyć ilość pobieranych plików czy sposób wypełniania formularzy (w celu zmierzenia problemów na jakie napotykają użytkownicy na stronie). Potężnym narzędziem są skrypty transakcji, które mają na celu zbieranie informacji o zamówieniach czy o procesie zbierania informacji z zamówień. Bardzo silnym narzędziem, ale niedocenianym jest możliwość mierzenia efektywności kampanii reklamowych. Wystarczy wygenerować odpowiedni adres URL, który będzie wskazywał na odpowiednią reklamę: z bannerów, z emaili, z serwisów płacących za kliknięcia, z innych dokumentów takich jak PDF. Tą technikę można też użyć do śledzenia zachowania użytkownika po serwisie - wystarczy odpowiednie generowanie linków po stronie serwera. Do mierzenia AJAX Google Analytics pozwala na użycie eksperymentalnej funkcjonalności - mierzenie zdarzeń. Jeszcze nie miałem okazji tego używać. Głownie to zastosowanie jest w aplikacjach RIA w szczególności Flex/Flash, ale też w śledzeniu dokąd wybrali się użytkownicy z tego serwisu. Dużą wagę trzeba przywiązywać do odpowiedniej konfiguracji konta Google Analytics dla danego serwisu takich jak wykluczenie odpowiednich parametrów w adresie URL, czy umożliwienie mierzenia danych z transakcji. Interesującą możliwością jest mierzenie czego szukają użytkownicy używających wewnętrznej wyszukiwarki (to musi być możliwe dzięki danym w adresie URL, bądź wykorzystaniu wirtualnych adresów URL w celu identyfikacji zapytań do wewnętrznej wyszukiwarki). Podczas planowania celów w serwisie trzeba wskazać ścieżkę krok po kroku wskazując na kolejne adresy stron, dzięki którym użytkownicy mogą osiągnąć cel. są różne cele wizyty użytkownika takie jak ściągnięcie pliku, obejrzenie prezentacji czy dokonanie zamówienia. Ustawienie celów użytkownika w serwisie ma ułatwić dokonywanie pomiarów efektywności. Powiązanie segmentacji z celami pozawala odkrywać wiele różnych ciekawych zależności: pochodzenia, języka, użytych słów kluczowych. Często zachodzi potrzeba wyświetlania odpowiednio przygotowanych raportów pod kątem szczególnych danych. Google Analytics dostarcza filtry, które pozwalają na zbieranie wyselekcjonowanych informacji. Książka zawiera tabele, które opisują jakie dane mogą być filtrowane. Są pokazane ciekawe przykłady w praktyce na przykład: wykluczenie pewnych użytkowników z raportów, wydzielenie danych z pewnej lokalizacji geograficznej, wydzielenie informacji tylko o danej kampanii reklamowej. Najciekawszym rozdziałem jest rozdział o trikach w Google Analytics. Można dodawać nowe wyszukiwarki do listy organicznych wyszukiwarek. W ten sposób można dodać własną wyszukiwarkę na stronie do wyników które mogą pokazywać jakie słowa kluczowe interesowały użytkowników, albo jakieś niszowe wyszukiwarki. Każdemu odwiedzającemu można nadać jakaś etykietkę, która pozwoli na identyfikowanie użytkowników, ile razy wchodzili na dana stronę. Można zbierać informacje z innych kampanii reklamowych (na przykład Microsoftu Ad Center czy Yahoo Marketing Search). Pokazuje też jak zbierać informacje o tym ile razy na danej stronie był kliknięty link. Jest możliwość wykorzystania z adresów URL dla Google Analytics pod kątem danych dla systemu zarządzania treścią serwisu. Oznacza to, że system odpowiednio reaguje na adresy URL dla Google Analytics serwując użytkownikowi odpowiednia treść. Czwarta część książki zawiera informacje przeznaczone dla działu marketingu i kadry zarządzającej, aby wiedzieli czego oczekiwać od analityka i jak interpretować dane z raportów. Cały sens w tym polega na tym jak wyciągnąć z tego właściwe informacje. Analityk powinien wiedzieć jakich informacji potrzebują od niego, ale często jest tak, że sam analityk będzie informował o swoich spostrzeżeniach. Kolejny rozdział pokazuje jak obliczać różne wskaźniki efektywności podczas interpretowania danych z raportów. Do najciekawszych wskaźników jest wskaźnik "indeksu marki". W większości przypadków takie dane mają sens jak maja służyć długoterminowej analizie danych w celu obliczania wskaźników zwrotów z inwestycji. Kilka stron poświęcono interpretacji wyników pod katem optymalizacji treści w reklamie płatnej. Na zakończenie pokazano trik jak mierzyć reklamę z innych mediów. Sztuka polega na tym że dla reklamy zewnętrznej należy przygotować domenę, która potem będzie przekierowywana na właściwy adres URL zawierający informację o kampanii. Ostatni rozdział książki został poświęcony Google Website Optimizer. To narzędzie jest używane do tworzenia testów A/B do testowania layoutów i testów ANOVA do testowania korelacji pomiędzy poszczególnymi elementami na stronie. W internecie coraz większą rolę odgrywają blogi więc autor w aneksie zamieścił listę blogów poświęconych temu tematowi.

Książkę można kupić w Krainie Książek albo na Amazon

Analitycy internetowi w Polsce

2008-08-22T01:42:00.000-07:00

Polski rynek analiz internetowych jest w fazie rozwojowej i widać pewną inercja wobec konkurencji takich zagranicznych firm Urchin/Google Analytics, Omniture SiteAnalytics, NelbenOnline. W Polsce rywalizują o klientów głownie Google Analytics i jak Stat24.

Obecnie zakładanie statystyk jest domeną pozycjonerów z branży SEO/SEM. Natomiast w tej sytuacji, gdy pozycjonerzy koncentrują się uzyskaniu dobrych wyników w wyszukiwarkach na słowach kluczowych, analitycy internetowi mają już zupełnie inne zadania. Ich zadaniem jest przeprowadzenie eksperymentów, które mają na celu przewidzenie ruchu na stronie wskutek działań marketingowych. Jak do tej pory zauważyłem, że większość ofert w polskich firmach to raporty ze statystyk czy różnego rodzaju audytów wskazujących na konieczność dokonania usprawnień. Ale mało kto potrafi wskazać jak zmierzyć efektywność tych działań. Od tego są analitycy internetowi, którzy zbierają dane liczbowe na temat tego w jakim stanie jest serwis (czyli stawiają diagnozę statystyczną) i zbierają dane z eksperymentów (w celu wskazania czy ich prognozy się spełniły).

W Polsce na razie dominuje Gemius ze sporą ilością ofert analitycznych a także oferujące darmowe statystyki Stat24.pl Na razie próbują w tym znaleźć swoją niszę takie firmy jak 7point czy Inteuron. Z trochę inną propozycją wyszła firma 5m.pl prowadzona przez Macieja Zająca, która zaproponowała produkt SiteDoctor polskie narzędzie do przeprowadzania clicktrackingu i testów A/B. Z podobnego podejścia wyszła firma Netina prowadzona przez Mateusza Chłodnickiego i Marcina Kądziołka, proponując proste narzędzie n.Rotator do przeprowadzenia eksperymentów na tekstach reklamowych w internecie.

Jeżeli chodzi o polskich analityków to jednak najbardziej wybija się osoba Mariusza Gąsiewskiego twórcy jedynego jak na razie polskiego bloga poruszającego problemy analityki internetowej. Innym przykładem jest blog Łukasza Szkudlarka, który jest pisany w języku angielskim. W polskim internecie jeszcze słowa "analityk internetowy" czy "analityk internetu" nie są powszechne znane. Często pojawia się nazwisko Krystyny Bębenek pracującej w firmie Gemius S.A. Jest ona współautorką bloga Gemiusa. Sporo polskich analityków internetowych i badaczy internetu można znaleźć na w serwisach społecznościowych takim jak Goldenline czy Linkedin:
Są tam ciekawe profile osób zatrudnionych Gemius S.A takich jak Tomasza Szmidta, Adriana Ostrowskiego, Anny Poręby, Kamili Kowalskiej, Marcina Molendy, Anny Sidlarewicz, Małgorzaty Kaczmarczyk, Krzysztofa Rosińskiego. Jak wiadomo, że wizerunek firmy tworzą ludzie. Na dzień dzisiejszy nawet Tomasz Sienkiewicz założył grupę Web analytics na Goldenline.

Wydaje mi się, że w sytuacji, gdy coraz ważniejsze stanie się dokonywanie analiz pod kątem preferencji słownictwa używanego przez internautów czy tworzenia teoretycznych modeli zachowania użytkowników to rola analityków internetowych będzie systematycznie wzrastała. Obecnie tworzy się serwisy internetowe na zasadzie przedstawienia klientowi prototypu stron w serwisie i gdzie nacisk jest położony na aspekt wizualny. Niewiele serwisów internetowych zostało stworzonych tak żeby można przeprowadzać testy na użytkownikach. Analityka internetowa ma dużą przyszłość.

Web Analytics Solution Profiler

2008-08-16T12:53:00.000-07:00

WASP to Web Analytics Solution Profiler, specjalne rozszerzenie do Firefoxa która jest adresowana do analityków internetowych, których interesuje jakie narzędzia analityczne są zawarte na stronach internetowych. Dzięki temu, że obsługuje 116 różnych narzędzi analitycznych i raportujacych mam rozeznanie jakie informacje są zbierane podczas mojej wędrówki po internecie. W każdej chwili mogę zobaczyć ciasteczka i dane jakie są wysyłane do narzędzi raportujących. Dodatkowo mogę wygenerować mapę serwisu (do 100 stron).
Autor tego rozszerzenia Stephane Hamel jest osobą dość dobrze znaną w środowisku analityków internetowych. Ma interesujacego bloga. ale też jest aktywnym członkiem organizacji Web Analytics Association zrzeszajacą analityków internetowych.

Testy hipotez

2008-08-14T14:35:00.000-07:00

W dzisiejszych czasach jesteśmy zalewani informacjami statystycznymi. Myślę, że ten kto wie jak konstruowane są te informacje może dojść do intencji jak potraktowano dane. Tym razem do sprawdzania danych statystycznych trzeba wykorzystać hipotezy. A w tym przypadku w celu sprawdzenia wartości danych użytych do wyciągania wniosków stosuje się wnioskowanie statystyczne czyli testy hipotez.
W czerwcu na swoim blogu o Flex 2 miałem 6727 użytkowników, a w lipcu 7245 użytkowników. Zadaję sobie pytania: Czy ta zmiana ilości użytkowników ma moim blogu jest znacząca czy nie?
Jakie jest kryterium znaczącej zmiany ilości użytkowników na blogu? Aby znaleźć odpowiedź na to pytanie trzeba postawić jakiś wniosek do sprawdzenia czyli hipotezę zerową. W naszym przypadku ta hipoteza brzmi: nie ma istotnej zmiany w ilości użytkowników mojego bloga. Trzeba też postawić hipotezę alternatywną czyli, że jest istotna zmiana w ilości użytkowników mojego bloga. Mamy 2 hipotezy i wtedy podejmujemy decyzję którą hipotezę przyjmiemy na wiarę. Przyjmujemy hipotezę zerową. W tej sytuacji zaczynamy robić eksperyment na danych aby stwierdzić czy dane spełniają hipotezę zerową. Gdy okaże się, że z eksperymentu wyjdzie wniosek sprzeczny z hipotezą zerową to prawdopodobnie popełniliśmy błąd drugiego typu.
Natomiast, jak za punkt wyjścia przyjmiemy alternatywną i eksperyment pokaże, że nie ma istotnej zmiany to oznacza że popełniliśmy błąd pierwszego typu.

Jeżeli wnioskujemy, że coś jest prawdziwe, a fakty stwierdzają, że to jest fałszywe to nasze wnioskowanie zawiera błąd drugiego typu. Jeżeli myślimy, że to coś jest fałszywe, kłamliwe a fakty stwierdzają, że to jest prawdziwe to popełniamy błąd pierwszego typu.

Eksperyment - narzędzia analityczne

2008-08-11T01:39:00.000-07:00

Coraz większy wpływ na efekty działań marketingowych w internecie będzie miał eksperyment. W tym momencie przyjrzymy się procedurze w jakim możemy osiągnąć efekt z eksperymentu.

Wybieramy temat i stawiamy hipotezę
Opisujemy sytuację bieżącą i ustalamy cel (weryfikację hipotezy)
Sporządzamy plan działania (planowanie eksperymentu)
Analizujemy przyczyny (zebranie danych i ich eksploracja)
Opracujemy środki zaradcze (na bazie analizy wyciągamy wnioski i wybieramy rozwiązanie)
Sprawdzamy rezultaty (weryfikacja eksperymentu ma pokazać czy nie popełniliśmy błędu)
Ustalamy procedurę postępowania (przeprowadzamy stałą kontrolę nad danymi).

Narzędzia w analizie eksperymentu w serwisie internetowym:

Lista kontrolna - przeprowadzenie audytów w serwisie internetowym, główny nacisk położony na audyt funkcjonalny (użyteczności) serwisu internetowego. Testujemy serwis pod kątem tego celu jak użytkownik może szybko osiągnąć to czego oczekuje twórca serwisu. Celem listy kontrolnej jest wyłapanie wszystkich nieprawidłowości i propozycji usprawnień w serwisie
Stosowanie wykresów pozwala na wyłapanie tendencji oraz częstości występowania problemów z jakimi zmaga sie serwis internetowy
Wykres Pareto ma na celu oszacowanie w jakim zakresie skali mogą występować problemy w serwisie internetowym
Rybia ość i techniki mapy myśli pozwalają na uchwycenie zależności pomiędzy przyczyną a skutkiem problemów serwisu internetowego
Histogramy i krzywe statystyczne mają na celu sprawdzanie jak dane wpływają na problemy z serwisem internetowym. Pozwalają określić jaki model statystyczny pasuje do tych danych
Wykresy kontrolne pozwalają na stwierdzenie czy procesy jakie zachodzą w serwisie internetowym są stabilne.
Diagramy rozproszenia - pozwalają na wyszukiwanie pewnych relacji pomiędzy danymi które mają wpływ na serwis internetowy (na przykład ilość użytkowników a ilość zamówień).

Jak wybierać narzędzia do przeprowadzania eksperymentu?

Stawianie hipotezy przynosi dobre efekty jak używa się listy kontrolnej
Do opisania stanu faktycznego potrzebne są dane z narzędzi raportujących, a te dane najlepiej przedstawiać w postaci wykresów
Do zaplanowania eksperymentu dobrze jest użyć map myśli.
Po zebraniu danych z eksperymentu trzeba użyć szeregu narzędzi - głównie trzeba na nowo narysować wykresy, określić krzywe statystyczne, wyznaczyć wykresy kontrolne i zbadać korelację w diagramie rozproszenia.
Do wyciągania wniosków warto użyć mapy myśli i jak na bazie tych danych dokonać oszacowania wyników w przyszłości - w tym przyda sie dopasowywanie danych do modeli statystycznych
Do weryfikacji eksperymentu wystarczy mierzyć wartości zaobserwowanych od wartości oczekiwanych i trzeba dokonywać testu hipotez bądź testu ANOVA
Standaryzacja eksperymentu polega na ustaleniu listy kontrolnej i ciągle stosowanie wobec danych wykresów kontrolnych.

Wezwanie analityka do sklepu internetowego w którym ma tylko do dyspozycji narzędzia raportujące jest tak jak wezwanie lekarza do zmarłego, żeby powiedział na co umarł.

Silverlight w Google Analytics

2008-08-10T09:49:00.000-07:00

Zaciekawiło mnie to ile osób ma zainstalowane w swoich komputerach Silverlighta. Są 2 posty w internecie które opisują to jak mierzyć to czy ktoś ma zainstalowanego Silverlighta
Nikhil Kothari napisał na swoim blogu wpis o tym jak napisać kod JS który mierzyłby którą wersję Silverlighta mają zainstalowaną użytkownicy, natomiast Jeff Wilcox napisał wpis o tym jak można trackować aplikacje Silverlight (mierząc zdarzenia kliknięcia).

__utmSetVar() w pliku urchin.js trzeba zamienić na pageTracker._setVar() jak korzystamy z ga.js Więcej o tym warto poczytać w tym dokumencie. Z perspektywy czasu taki monitoring użytkowników jest dość kłopotliwy - ale pozwala na spore możliwości o czym pisze lunametrics.
Inna sztuczka (aczkolwiek ma sens w pewnych sytuacjach) pozwala na tworzenie odpowiednich adresów URL

Czy rynek analitycznych dla internetu jest tym w co warto inwestować? W Polsce na pewno.
Szczególnie, że teraz mamy wysyp nowych narzędzi Google w tym zakresie: Google Insights for Search Google Trends for Websites i Google Ad Planner. Ale nie tylko Google inwestuje w takie technologie: Microsoft ma adCenter Analytics, Yahoo zaś będzie miało do zaoferowania IndexTools.

Co robi Analityk?

2008-08-08T05:43:00.000-07:00

Co ma do roboty Analityk w internecie?

śledzenie informacji o użytkownikach ma większy sens niż śledzenie pozycji organicznych w wyszukiwarce
zadaje niewygodne pytania klientowi i odpowiada za niego
bawi sie w detektywa i próbuje znaleźć jakiś skuteczny sposób na zarobienie "dużych pieniędzy" przez klienta
zawsze szuka sposobu na mierzenie wyników i to co ma wpływ na te wyniki
uwielbia programować i tworzy narzędzia do automatyzacji zbierania danych
aby jego praca miała sens to tworzy tajemnicze wykresy
może powiedzieć dlaczego sukces jest mierzalny
uwielbia statystykę i rachunek prawdopodobieństwa
czasami podmieni stronę główną w celu sprawdzenia jakiejś hipotezy

Jego ulubione narzędzia raportujące to Google Analytics, Google Trends, Google Webmaster Tools, Google Website Optimizer. W razie czego zawsze otrzymuje dane.
Rolą analityka jest obserwacja danych i w razie czego wspomóc resztę w osiągnięciu celu.
Drugie zadanie analityka - bardziej odpowiedzialne polega na tym że tworzy hipotezę i eksperyment który ma przynieść jakieś wyniki. Klasycznym pytaniem jest to: jak zamieszczenie formularza kontaktowego na stronie głównej wpłynie na ilość kontaktów z potencjalnymi klientami? albo czy zamieszczenie prezentacji wideo wpłynie na osiągniecie celu? Aby na to odpowiedzieć trzeba zaplanować eksperyment, przeprowadzić eksperyment i zebrać dane oraz napisać prezentację tych danych i interpretację wyników.

Eksplorator danych to taki kto odkrywa osobliwości w oczywistości.

Odchylenie standardowe

2008-08-06T01:36:00.000-07:00

Bardzo często zdarza mi się czytać z narzędzi raportujących różne rozkłady danych. Na przykład ilość odsłon, czy ilość użytkowników albo odwiedzin jakiegoś serwisu internetowego.
Jak wiadomo trzeba czasami klientowi powiedzieć że ilość użytkowników jego serwisie jest stabilna czyli nie ma zbyt dużych zmian. Jak klient sie spyta na czym opieram stwierdzenie ze jego serwis ma stabilny proces jeżeli chodzi o ilość użytkowników.
Po prostu mierzę odchylenie standardowe użytkowników na stronie i z tego wynika że wahania wokół średniej ilości użytkowników są takie same w jakimś okresie co oznacza że odchylenie standardowe ma małą wartość.

Na przykład na moim blogu w ostatnim tygodniu miałem tylu użytkowników dziennie:
235, 250, 236,211,217,169,179.
Średnia arytmetyczna wynosi 213,86 odchylenie standardowe z populacji wynosi 28 co oznacza, że to jest bardzo niska wartością odchylenia wobec średniej wynoszącą 14,14%. Można to też tak zinterpretować: na moim blogu nic się nie zmieniło. W internecie serwisy, które mają duże odchylenia standardowe użytkowników oznacza to ze mają spory ruch i jest on zależny od jakiś czynników. Oczywiście, że to pozwala zmierzyć hipotezę tego typu jaki wpływ na użytkowników bloga mają poszczególne słowa kluczowe. W praktyce odchylenie standardowe jest użytecznym narzędziem, które ma prowadzić do wielu różnych analiz.

Odchyleniem standardowym mierzymy to jak bardzo odstajemy od reszty świata

Średnia w serwisie internetowym

2008-08-03T10:20:00.000-07:00

Dzięki statystyce lepiej się czuję z danymi, które mam z narzędzi raportujących. Zbieramy informacje aby ustalić zjawiska, które rządzą serwisem internetowym. Dane inaczej nazywane zmiennymi maja reprezentować pomiary czyli to co mierzymy. W serwisie internetowym pomiary dotyczą użytkowników, albo odsłon. Statystycy mogą powiedzieć, że ten pomiar jest ciągły. Te dane czyli zmienne podlegają kategoryzacji (segmentacji). Są to cechy danych, które podlegają pomiarowi. W przypadku serwisu może to być podział użytkowników na nowych i jak tych powracających. Statystycy mogą określić to jak atrybuty zmiennych.
Średnia arytmetyczna jest łatwa w obliczeniu, ale w analizie danych z raportów z serwisów internetowych ma sens gdy dane są równomierne i stabilne. Jak wiadomo w serwisach internetowych nic nie ma stabilnego ani równomiernych danych w swoim zakresie. Na przykład w danych z transakcji w Google Analytic wynika, że większość zamówień mieszczą się w zakresie 500 - 1200 zł, ale były też 2 zamówienia za 150 zł, w tym momencie te 2 zamówienia mają zbyt duży wpływ na średnią. W tej sytuacji lepiej pokazać w raporcie medianę.
Obserwując dane z ruchu w serwisie można zauważyć wzrosty lub spadki, w tej sytuacji może zainteresować nas jak ta zmienność wpływa na ruch, tak aby wskazać jaka jest tendencja odsłon (spadkowa czy wzrostowa). W tym momencie lepiej jest użyć średniej geometrycznej. Pozwoli to na zminimalizowanie wpływu jednorazowych czynników takich jak nagły wzrost odsłon spowodowany na przykład zamieszczeniem bannera w portalu.
Otóż większość danych jakich otrzymuje się z narzędzi raportujących zawiera informacje atrybutów, czyli pozwala na obliczenie istności ( czy wag danej cechy) na serwis internetowy. Obecnie taką cechą mogą być słowa kluczowe które miały wpływ na to, że użytkownik dokonał zakupu, czy jakiegoś działania w serwisie (na przykład wypełnił formularz). W tym bardzo przydaje się średnia ważona.
Pozwolę sobie na dygresję: w szkołach w jakich się uczyłem stosowano średnią arytmetyczną do oceniania wyników w nauce. Według mnie to jest pewien niesprawiedliwy sposób oceniania uczniów i studentów. Dlaczego? Bo nie uwzględnia tego, że nauka polskiego czy matematyki jest ważniejsza od nauki religii. Za kryterium istności jest ilość godzin w tygodniu na dany przedmiot. Mogę pokazać przykład, który zmienia całkowicie sens analizy. W pewnej klasie było 5 godzin tygodniowo na lekcje języka polskiego, 4 godziny na matematykę oraz 1 godzina na naukę religii.
Mamy 3 zdolnych uczniów: uczeń A ma 4 z polskiego i z matematyki oraz 6 z religii (jego średnia arytmetyczna to 4,67), uczeń B ma 5 z polskiego oraz 4 z matematyki i z religii (jego średnia arytmetyczna to 4,33) a uczeń C ma 4 z polskiego 5 z matematyki oraz 3 z religii (jego średnia arytmetyczna to 4). Gdyby w szkołach stosowano średnią ważoną to tacy spryciarze jak uczeń A nie otrzymywali świadectwa z biało czerwonym paskiem. Średnia ważona ucznia A to 4,2 dla ucznia B to 4,5 , a uczeń C otrzymuje 4,3 (co za ironia uczeń C jest lepszy od ucznia A). Zresztą uważam, że średnia ważona za "sprawiedliwszą" miarę oceny w szkołach i na uczelni.

To samo możemy zastosować w analizie serwisu internetowego. Otóż najbardziej cenna strona na blogu to taka dzięki, której użytkownik spędza sporo czasu aby to przeczytać. W tej sytuacji robimy średnią ważoną ze średniej ilości czasu w jakim spędzają użytkownicy na tej stronie z ilością odsłoń. W ten sposób może okazać się że będziemy mieli podgląd, które artykuły na blogu są cenne.

Analiza statystyczna serwisu internetowego

2008-08-02T15:18:00.000-07:00

Coraz ważniejsza staje się analiza informacji z danych, które mamy w serwisach internetowych. Te dane mają na celu pokazanie w jakim stanie znajduje się serwis.

Cała sztuka polega na tym, żeby przy pomocy odpowiednich narzędzi szukać odpowiedzi. Oczywiście, że mamy coraz lepsze narzędzia do zbierania informacji o ruchu na stronach, ale bez statystyki nie ruszymy się dalej.

Istotne jest zrozumienie, że co możemy osiągnąć dzięki statystyce pozwoli na lepsze prowadzenie biznesu w internecie. Na wstępnie warto przyjrzeć się temu co ma nam do zaoferowania statystyka.

Najpierw trzeba zebrać dane, a o to już jest łatwiej. Wystarczy zainstalować Google Analytics, czy Stat24. Całe szczęście polega na tym, że pobrane dane można już pobierać w formacie Excela.

Idziemy dalej warto patrzeć na dane poprzez pryzmat wykresów. Ale wykresy to narzędzie. Oczywiście że sporo serwisów analitycznych już pozwala na prezentacje danych w postaci wykresów. W tym momencie warto spojrzeć na wykresy jako narzędzie, które pozwala nam wyciągnąć dane odnośnie tendencji centralnych. Wykresy przydadzą nam się przy testach hipotez. Gdy mamy pojedynczy zbiór danych (na przykład ilość odsłoń) to możemy zrobić test chi kwadrat na trafność dopasowania, przy wielu zbiorach danych można porównywać dane za pomocą testów F i testów Studenta.

Ale dane z serwisów internetowych mają bardzo ważny czynnik - czas. W tej sytuacji potrzebne jest narzędzie do analizy danych w kontekście czasu. Aby sprawdzić stabilność procesu (np: ilość użytkowników w serwisie) warto wykorzystać wykresy kontrolne. Gdy bardziej jest się zainteresowanym wpływem czasu na serwis to trzeba będzie dokonać analizy szeregów czasowych w celu podania prognozy przyszłych zmian.

Najciekawsza w statystyce jest analiza relacji pomiędzy wieloma czynnikami, które wpływają na serwis (na przykład wpływ pól formularza na proces zamówień). W pewnym sensie istotne jest dokonanie eksperymentów. Jak wiadomo serwisy internetowe łatwo poddać różnym eksperymentom. W tym kontekście istotne jest zaprojektowanie eksperymentu pod kątem analizy wariancji (ANOVA). Gdyby przyszło pracować na danych, które nie są wynikiem eksperymentu, ale interesuje nas jak pewne czynniki mają wpływ na te dane to wystarczy nam na początek użyć dopasowania krzywych - regresji albo korelacji.

Tak więc zaczniemy przygodę z eksploracji danych. Mnie jako programisty Adobe Flex cieszy to że są narzędzia do prezentacji danych czyli Flex Data Visualization zawierające zestaw kontrolek do wykresów i jak zaawansowane tabele przestawne

Konsultacje z zakresu analityki internetowej

2008-07-07T05:35:00.000-07:00

Oferuję doradztwo w zakresie analizy danych z witryny internetowej w celu zwiększenia korzyści biznesowych.

Oferuję następujące 2 kierunki współpracy: ekspercki wymagający przeprowadzania konsultacji oraz analityczny, który wymaga przeprowadzenia badań i eksperymentów.

W ramach ekspertyz proponuję:

Analizę celów i scenariuszy użycia witryny internetowej. Jest to konsultacja której celem jest ustalenie zakresu współpracy i badań nad witryną internetową. Efektem konsultacji jest raport wskazujący jakie wskaźniki skuteczności mają być brane przy tworzeniu raportów analitycznych i planowaniu oraz przeprowadzeniu eksperymentów.

Raport semantyczny słów kluczowych zawiera wyselekcjonowane słowa kluczowe do reklamy kontekstowej oraz pozycjonowania. Korzyścią jest lepsze trafienie reklamą w użytkowników zainteresowanych reklamą. Pozwala to tez okreslić kierunki rozwoju zawartości w serwisie internetowym w celu lepszego dopasowania go do potrzeb użytkowników.

Audyt witryny internetowej jest podstawowym raportem, który należy zrobić, zanim dokona się badań i eksperymentów. Celem audytu jest wskazanie silnych i słabych stron witryny internetowej oraz przygotowanie witryny internetowej do badań i eksperymentów. Raport z audytu jest oceną heurystyczną i często jest powiązany z analizą ekspercka z użyteczności i dostępności witryny internetowej.

Analiza internetowa wymaga współpracy z programistami i twórcami serwisu internetowego w celu dokonania zmian w kodzie witryny internetowej w celu umożliwienia zbierania danych przez narzędzia raportujące i analityczne.

W ramach analityki internetowej proponuję:

Raport zawierający podstawowe dane analityczne z narzędzi raportujących - Pokazuje jaki jest stan aktualnej witryny internetowej. Dzięki takiemu raportowi możemy mieć podstawę do dalszych działań w kierunku rozwoju i badań nad witryną internetową.

Raport konwersji pokazuje jak zmienia się skuteczność witryny w osiąganiu celów biznesowych i marketingowych. Jest to cenna informacja na podstawie, której warto podejmować decyzje biznesowe.

Raport kampanii pokazuje jak jest realizowana kampania marketingowa. Mierzy się kampanie reklamowe w portalach internetowych w innych witrynach internetowych, a także w innych systemach reklam. Pozwoli to na oszacowanie czy te działania osiągnęły sukces

Raport zachowań użytkowników witryny internetowej pokazuje jak użytkownicy przemieszczają sie po witrynie internetowej. Pozwoli to na lepszą identyfikację problemów z jakimi stykają się uzytkownicy w witrynie.

Eksperymenty maja na celu przeprowadzenie badań, które mają określić jakie czynniki wpływają na skuteczność działań w witrynie internetowej wobec użytkowników.

Raport z eksperymentu na bazie testu porównawczego typu A/B. Ten eksperyment ma na celu wybór najlepszej wersji witryny, a tym samym zwiększenie pozyskiwanych z niej korzyści i wzrost liczby odwiedzin.

Raport z eksperymentu na bazie analizy wielowymiarowa treści witryny ma na celu empiryczne sprawdzenie jak zmiany w serwisie wpływają na cele i konwersję (efekty działań użytkownika). Pozwala on na dokonywanie drobnych zmian na stronie (dane w formularzu kontaktowym, kolorystyka strony) i losowe przedstawianie różnych wersji strony użytkownikom.