útmutató a kulcsfontosságú elemzési kifejezések megértéséhez

az alábbiakban egy rövid kivonat található az UX kutatása: Analytics című könyvünkből, amelyet Luke Hay írt. Ez a végső útmutató az analytics használatához a jobb felhasználói élmény érdekében. A SitePoint Premium tagjai tagságukkal férhetnek hozzá, vagy vásárolhat egy példányt az üzletekben világszerte.

azok számára, akik nem használják a weboldal elemzését, a terminológia egy része idegen nyelvnek tűnhet. Ez még zavarosabbá válhat, ha a kifejezések megváltoznak, vagy amikor a különböző eszközök különböző kifejezéseket használnak ugyanazon dolog leírására.

néhány rendszeresen használt analitikai kifejezést gyakran félreértenek. Bizonyos esetekben a kifejezés részleges megértése veszélyesebb lehet, mint egyáltalán nem érteni. Az egyik gyakran félreértett példa a “hit”szó.

a találatot gyakran az oldalnézet vagy a látogatás szinonimájának tekintik. Ez nem így van, mivel a webszerverhez intézett minden fájlkérés egyedi találat.

ez azt jelenti, hogy ha egy weboldal öt képet tartalmaz, akkor az ezt az oldalt megtekintő felhasználó egy oldalnézetnek számít, de hat találat (az öt kép plusz maga a HTML oldal). Láthatja, hogy ez a félreértés hogyan vezethet az adatok vadul pontatlan megértéséhez! Ez a szakasz a legfontosabb elemzési kifejezéseket tartalmazza. (A könyv végén található szószedetben a fő kifejezések rövid meghatározása is található.)

dimenziók és mutatók

az analytics jelentésekben szereplő összes adat dimenziókra és mutatókra osztható. Fontos tudni, hogy mit jelentenek az egyes kifejezések, hogy jobban elemezhesse adatait. A dimenziók és mutatók megfelelő megértése szintén fontos az egyéni jelentések és irányítópultok beállításához.

a dimenziók az adatok csoportosításának egyik módja—a kategorizálás vagy az azonosítás egyik formája. A dimenzió nem utal valaminek a méretére (általános félreértés). A méretek általában a jelentések első oszlopában jelennek meg. A dimenziók közé tartozik például az ország, az oldal címe és az eszköz típusa.

a mutatók viszont az ezekhez a dimenziókhoz társított számok. Ezek a jelentések többi oszlopában jelennek meg, bemutatva az első oszlop dimenzióihoz kapcsolódó számokat. A mutatók közé tartoznak például az oldalmegtekintések, a visszafordulási arány és az Avg. Idő az oldalon. A mutatók segítenek megérteni a felhasználók viselkedését. Számolják, hogy milyen gyakran történnek dolgok—például a webhely vagy az alkalmazás látogatásainak száma. A mutatók lehetnek összegek, átlagok vagy a teljes százalékok.

az alábbi képernyőkép megmutatja a dimenziókat és a mutatókat, valamint a mutatók számlálásának különböző módjait:

a kettő megkülönböztetésének egyszerű módja az, hogy emlékezzünk arra, hogy a dimenziók gyakran szavak, míg a mutatók inkább számok.

munkamenetek, látogatások, oldalmegtekintések és egyedi oldalmegtekintések

az előző fejezetben említettek szerint gyakran összetévesztik a munkameneteket, a látogatásokat és az oldalmegtekintéseket. Először is érdemes rámutatni, hogy az ülések és a látogatások lényegében ugyanazok. A Google Analytics korábban a “látogatás” kifejezést használta, de 2014-ben a terminológiát “munkamenetekre” változtatta. Más eszközök, például az Adobe Analytics, továbbra is használják a “látogatások”kifejezést.

általában azt fogja tapasztalni, hogy a két kifejezést felcserélhetően használják, de mindaddig, amíg tudod, hogy ezek ugyanarra a dologra utalnak, ez nem jelenthet problémát.

a munkamenet vagy látogatás olyan interakciók csoportja (vagy egyetlen interakció), amelyeket a felhasználó egy adott időkereten belül végez az Ön webhelyén. A Google Analytics munkamenetei alapértelmezés szerint 30 perc inaktivitás után időtúllépnek, bár ezt saját maga is megváltoztathatja az analytics beállításaiban.

ez azt jelenti, hogy ha a felhasználó elmegy kávézni, nyitva hagyja a webhelyét a böngészőjében, és fél órán belül visszatér, akkor ez ugyanannak a munkamenetnek számít. Ugyanez mondható el azokról a felhasználókról, akik több lap között ugrálnak. Gyakrabban, mint nem, bár, a munkamenetek a webhely folyamatos böngészését jelentik.

a munkamenetek nem tesznek különbséget egyedi egyének között. Csak a foglalkozások számát számolják, függetlenül attól, hogy ki csinálja őket. Ha reggel meglátogatom a weboldalát, és este visszajövök, az még mindig két ülésnek számít. Más mutatók, például a felhasználók vagy a látogatók használata információkat nyújt az Ön webhelyét látogató személyekről. A fejezet következő szakasza részletesen ismerteti a felhasználókat és a látogatókat.

az oldalmegtekintések egyszerűen egy HTML oldal nézetei, vagy ritkábban virtuális oldalmegtekintések. A virtuális oldalnézet egy módja annak, hogy a Google Analytics regisztrálja az oldalnézetet, ha egy új HTML-oldal nem lett betöltve. A virtuális oldalmegtekintések további címkézést igényelnek JavaScript kód formájában. Használhatja őket mindenhol, ahol a tartalom az oldal újratöltése nélkül van betöltve, vagy ha két vagy több tartalom ugyanazon az URL—en található-például űrlapküldés vagy egyoldalas kijelentkezés.

egy munkamenet során több oldalmegtekintést is végezhet, ha egy felhasználó böngészi az Ön webhelyét. Az oldalmegtekintések általában oldalmegtekintések és egyedi oldalmegtekintések kategóriájába tartoznak. Ha egy felhasználó egy munkamenet során többször is megtekinti ugyanazt az oldalt, ez csak egyetlen egyedi oldalnézetnek számít. Ez akkor hasznos, ha képet szeretne kapni arról, hogy egy adott oldalhoz hány munkamenet tartalmazott nézetet, de nem szeretné, hogy ezt a számot felfújják azok a felhasználók, akik ugyanabban a munkamenetben visszatértek az oldalra.

felhasználók és látogatók

mint Uxers, van egy jó ötlet, hogy mi a “felhasználó”. A mi iparágunkban a felhasználókat általában egyéni emberekként definiálják, akik kapcsolatba lépnek a termékünkkel—gyakran egy weboldallal, alkalmazással vagy szoftverrel. Az elemzési csomagok azonban ritkán képesek pontosan azonosítani az egyéneket, így az elemzésben a “Felhasználó” kifejezés kissé eltér a normálistól.

a főbb elemző eszközök többsége cookie-k alapján azonosítja a felhasználókat. Ha a laptopomról látogatom meg a webhelyét, az elemző eszköz általában egy cookie-t dob a böngészőmbe, hogy amikor visszatérek, felismerjen engem, mint ugyanazt a személyt, aki korábban meglátogatott.

ez nagyjából helyes, de nem veszi figyelembe, hogy esetleg megosztom a laptopomat valakivel. Ez azt jelenti, hogy két különböző személy számítható ugyanannak a felhasználónak. Ezzel szemben az elemző eszközök gyakran nem képesek azonosítani az eszközök közötti (vagy böngészők közötti) látogatásokat. Ha táblagépemről látogatom meg webhelyét, az elemző eszköz valószínűleg nem azonosít engem ugyanazzal a felhasználóval, aki a laptopomról látogatott.

ha van olyan webhelye, amelyhez a felhasználóknak be kell jelentkezniük, vagy valamilyen más egyedi azonosítót használ, például e-mail címet vagy mobilszámot, akkor ez lehetővé teheti a felhasználók nyomon követését az eszközök között. Ez azonban további beállítást igényel, és a felhasználók bejelentkezésén vagy más módon történő azonosításán alapul minden eszközükön.

a munkamenetekhez és látogatásokhoz hasonlóan a “felhasználók” és a “látogatók” általában különböző kifejezések ugyanarra a dologra. A különböző eszközök különböző terminológiát fognak használni, de mindaddig, amíg emlékszel arra, hogy a látogatók és a felhasználók általában egy elméleti személyt írnak le egy cookie alapján, akkor ez elég jó lesz.

a felhasználókat vagy látogatókat gyakran “új” és “visszatérő”csoportokra bontják. Az új látogatók azok az emberek, akik a jelentési időszak alatt először látogatták meg webhelyét, míg a visszatérő látogatók többször is meglátogatták. Ennek lebontásával az elemző eszköz lehetővé teszi a két felhasználói csoport viselkedésének egyszerű összehasonlítását.

itt azonban óvatosnak kell lennie, mivel az “új” és a “visszatérő” mutatók nem biztos, hogy olyan pontosak, mint amire számíthat. Amint azt korábban említettük, az elemzési csomagok ritkán követik nyomon az eszközök közötti látogatásokat. Ez azt jelenti, hogy ha elkezdek valamit a telefonomon, és befejezem a laptopomon, akkor valószínű, hogy “új” felhasználóként rögzítem, amikor a laptopomon keresztül látogatok. Ezenkívül a felhasználók “újként” kerülnek rögzítésre, ha törlik a cookie-kat, vagy telepítve van egy JavaScript vagy hirdetésblokkoló.

látogatás/munkamenet időtartama és ideje a

oldalon az időalapú mutatók közismerten pontatlanok. Ennek oka részben a kiszámítás módja, részben pedig a felhasználó figyelmének nyomon követésének képtelensége.

a Google Analytics a munkamenet időtartamát a webhely látogatása során az első és az utolsó interakció közötti időként számítja ki. Nem számítja ki az időtartamot annak alapján, hogy a felhasználó mikor érkezik meg az Ön webhelyére, és mikor távozik. A Google Analytics nem tudja, mikor lép ki a felhasználó az Ön webhelyéről; csak akkor tudja nyomon követni az interakcióikat, amikor rajta vannak. Ez azt jelenti, hogy ha egy felhasználó öt percet tölt a kezdőlapra nézve, 20 percet olvas egy blogbejegyzést, majd kilép a webhelyről, látogatásának időtartama mindössze öt perc volt. Ezzel szemben, ha egy felhasználó tíz percig nyitva hagyta az Ön webhelyét egy másik lapon, miközben egy másik webhelyet böngészett, mindaddig, amíg visszatér az Ön webhelyére, és egy másik Weboldalra lép, az a tíz perc beleszámít a webhelyén töltött időtartamba!

az oldalon lévő időmérők a munkamenet időtartamához hasonló módon működnek. Az időzítő akkor kezdődik, amikor a felhasználó először betölt egy adott oldalt, és leáll, amikor a webhely egy másik oldalára lép. Az adott oldalra nem kerül rögzítésre idő, ha egy felhasználó onnan kilép az Ön webhelyéről. Ez azt jelenti, hogy a felhasználó elolvashat egy hosszú blogbejegyzést az Ön webhelyén, de ha kilép ebből a pontból, mielőtt bármilyen más oldalt megnézne, akkor a rögzített “idő az oldalon” nulla másodperc lesz. Ha egy felhasználó csak egy oldalt látogat meg a munkamenet során, akkor mind az adott oldalon töltött idő, mind a munkamenet időtartama nulla másodpercként lesz regisztrálva.

mindez azt jelenti, hogy az időalapú mutatók egyáltalán nem túl pontosak.

ez hangsúlyozza annak fontosságát, hogy a pontos adatok helyett az időbeli tendenciák alapján elemezzük. Ha az átlagos munkamenet időtartama öt perc, ez nem biztos, hogy sokat mond. Jobb, ha arra összpontosít, hogy mi volt a munkamenet időtartama a múlt hónapban vagy tavaly, és elemzi, hogy ez felfelé vagy lefelé ment—és ami a legfontosabb, hogy megtudja, miért.

itt azonban óvatosnak kell lenned. Ha például egy blogbejegyzés a webhelyén egy hónap alatt sok figyelmet kap a közösségi médiában, és sok felhasználót vezet, akik csak olvassák a bejegyzést, akkor távozzanak, ez önmagában jelentősen befolyásolhatja az átlagos munkamenet időtartamát. Ez aláhúzza annak szükségességét, hogy tisztában legyen azzal, mi történik az összes webhelyén, és kerülje a címsorokra való összpontosítást.

visszafordulási és kilépési arányok

két mutató, amelyek gyakran összezavarodnak, a visszafordulási és kilépési arányok. Ezeket kissé eltérő módon jelentik a különböző elemző eszközök. Az alábbi meghatározások azon alapulnak, hogy miként jelentik őket a Google Analytics szolgáltatásban.

a visszapattanás egy weboldal egyetlen oldalának látogatását írja le. Ez azt jelenti, hogy a felhasználó megérkezik egy oldalra, majd más oldalak megtekintése nélkül távozik. A visszafordulási arány a webhely vagy weboldal látogatásainak százalékos aránya, amelyek visszapattantak. A 10% – os visszafordulási arány azt jelenti, hogy a webhely látogatói közül minden tizedik csak egy oldalt látogatott meg a munkamenet során. Ugyanez vonatkozik az egyes oldalakra is. Ha a” Névjegy ” oldal visszafordulási aránya 50%, ez azt jelenti, hogy az ezen az oldalon tett látogatást tartalmazó munkamenetek 50% – a egyoldalas látogatás volt.

az oldal kilépési aránya azt mutatja, hogy az oldal látogatásainak százalékos aránya a felhasználók kilépésével végződött. Az alábbi ábra azt mutatja, hogy a visszapattanások és a kilépések hogyan különböznek egymástól.

ez a két mutató hasonló, de fontos megérteni a különbséget közöttük. Az oldal visszafordulási arányát nagymértékben befolyásolja az, hogy hány ember lép be az adott oldalra. Gyakran a kilépési arány egy hasznosabb mutató, amelyet ezért kell használni.

érdemes megemlíteni, hogy a magas visszapattanási vagy kilépési arány nem mindig rossz dolog. A felhasználók leszállhatnak egy oldalra, megszerezhetik a keresett információkat, majd boldogan távozhatnak. Erre példa lehet egy felhasználó, aki a webhely kapcsolatfelvételi oldalára érkezik, megtalálja a telefonszámát és felhívja Önt. Ebben az esetben a felhasználó gyorsan és hatékonyan érte el célját.

később kitérünk arra, hogyan lehet a legjobban használni a visszafordulási és kilépési arányokat az elemzésben. Átmenetileg, bár, csak győződjön meg róla, hogy tudja a különbséget a kettő között.

konverziók és célok

az előző fejezetben leírtak szerint a cél egy felhasználó által a webhelyén végrehajtott figyelemreméltó művelet, vagy olyan művelet, amelyet a webhelyen kívül hajtottak végre, de az elemző eszközbe tápláltak. Erre példa lehet egy telefonhívás, ha a webhelyén híváskövető szoftver fut.

a cél olyan egyszerű lehet, mint egy adott oldal megtekintése vagy egy adott űrlap kitöltése. A célokat gyakran “konverzióknak” nevezik, de valójában csak egy típusú konverzió. A Google Analytics szolgáltatásban a konverziók az e-kereskedelmi webhelyeken történő vásárlásokra is vonatkoznak.

az emberek gyakran beszélnek egy weboldal konverziós arányáról. A Google Analytics szolgáltatásban ez a konverziót tartalmazó látogatások százalékos aránya—a felhasználó vagy célt indít, vagy e-kereskedelmi tranzakciót hajt végre. Más eszközökben utalhat az egyedi felhasználók százalékos arányára is, akik elvégezték a konverziót.

ha a kérdéses webhely e-kereskedelmi webhely, akkor a konverzió kifejezés általában csak vásárlásokra utal. Ha a webhely nem e-kereskedelmi webhely, akkor a konverziós arány lehet az összes cél kombinált aránya, vagy a legfontosabb vagy elsődleges cél konverziós aránya.

mivel nincs következetes meghatározása annak, hogy a konverziós arány milyen tevékenységre utal, mindig jó ellenőrizni, hogy valaki mit jelent a kifejezés használatakor.

a konverzió egyszerűen áthelyez valakit egyik állapotból a másikba. Például, mozgó valaki, aki nem tett vásárlást, hogy valaki, aki. Vagy akár áthelyezni valakit, aki nem szereti a márkáját, valakihez, aki igen. Minden kívánt konverziónak ilyen vagy olyan módon mérhetőnek kell lennie, és egy cél vagy célok sorozata használható erre az analytics szolgáltatásban.

szegmensek és szűrők

az analitikai eszközök általában lehetőséget nyújtanak az adatok szegmentálására vagy szűrésére. A szegmentálás leírja a hasonló jellemzőkkel rendelkező felhasználók csoportosítását és az adott csoportok adatainak megtekintését, gyakran más csoportokkal összehasonlítva. Példa erre a felhasználók szegmentálása az eszköz alapján, amellyel meglátogatták az Ön webhelyét-azaz mobil, táblagép vagy asztali számítógép segítségével. A szűrésnek hasonló célja van, de eltávolítja az adatokat egy bizonyos csoportból vagy csoportokból, így csak a gyűjteni kívánt csoport(ok) adatai maradnak meg.

a Google Analytics-ben a szűrők és a szegmensek külön opciók, de gyakran összekeverik egymással.

a szűrők egy fiók nézet szintjén kerülnek alkalmazásra, és kiszűrik az információkat a jelentésekben rögzített információkból. Ha például egy nézethez az IP-címéből szűri ki a látogatásokat, akkor az adott nézethez egyszerűen nem gyűjtenek adatokat. A szűrők hasznosak olyan adatok kizárásához, amelyek egyébként nem kívánt módon torzíthatják a jelentéseket.

a szegmensek jelentésszinten kerülnek alkalmazásra, és ideiglenesen kiszűrik az információkat az összes jelentésből. Például létrehozhat egy szegmenst a franciaországi mobil felhasználók számára. Miután ezt a szegmenst alkalmazták, az összes jelentés csak a francia mobil felhasználók adatait tartalmazza. A szegmens alkalmazása leáll, ha manuálisan eltávolítja, vagy ha bezárja a Google Analytics szolgáltatást, és visszatér. A szegmensek valóban hasznosak lehetnek a különböző felhasználói csoportok viselkedésének elemzéséhez. A fejezet későbbi részében részletesebben foglalkozunk az adatok szegmentálásával.