Din Guide Til Å Forstå Viktige Analysebetingelser

følgende er et kort utdrag fra vår bok, Forske UX: Analytics, skrevet Av Luke Hay. Det er den ultimate veiledningen for å bruke analytics for bedre brukeropplevelse. SitePoint Premium-medlemmer får tilgang med sitt medlemskap, eller du kan kjøpe en kopi i butikker over hele verden.

for de som ikke er vant til å se på nettsideanalyse, kan noe av terminologien virke som et fremmedspråk. Dette kan bli enda mer forvirrende når vilkårene endres, eller når forskjellige verktøy bruker forskjellige vilkår for å beskrive det samme.

noen analysetermer som brukes regelmessig, blir ofte misforstått. I noen tilfeller kan en delvis forståelse av et begrep være farligere enn å ha ingen forståelse i det hele tatt. Et vanlig misforstått eksempel er ordet «hit».

et treff blir ofte sett på som et synonym for en sidevisning eller et besøk. Dette er ikke tilfelle, da hver filforespørsel til en webserver er en individuell hit.

Dette betyr at hvis en nettside inneholder fem bilder, vil en bruker som ser på denne siden telle som en sidevisning, men seks treff(de fem bildene pluss SELVE HTML-siden). Du kan se hvordan denne misforståelsen kan føre til en vill unøyaktig forståelse av dataene! Denne delen dekker de viktigste analysebetingelsene. (Det er også korte definisjoner av de viktigste begrepene i ordlisten på slutten av denne boken.)

Dimensjoner Og Beregninger

Alle dataene i analytics-rapportene dine kan deles inn i dimensjoner og beregninger. Det er viktig å vite hva hvert begrep betyr, slik at du bedre kan analysere dataene dine. En god forståelse av dimensjoner og beregninger er også viktig for å sette opp egendefinerte rapporter og instrumentbord.

Dimensjoner er en måte å gruppere data på—en form for kategorisering eller identifikasjon. En dimensjon refererer ikke til størrelsen på noe (en vanlig misforståelse). Dimensjoner vises normalt i den første kolonnen i rapportene dine. Eksempler på dimensjoner er Land, Sidetittel og Enhetstype.

Beregninger, derimot, er tallene knyttet til disse dimensjonene. De vises i de andre kolonnene i rapportene dine, og viser tallene knyttet til dimensjonene i den første kolonnen. Eksempler på beregninger inkluderer Sidevisninger, Fluktfrekvens og Gjennomsnitt. Tid på Side. Metrics hjelper deg å forstå oppførselen til brukerne. De teller hvor ofte ting skjer—for eksempel antall besøk på nettstedet ditt eller appen din. Beregninger kan være totaler, gjennomsnitt eller prosenter av en total.

skjermbildet nedenfor viser dimensjoner og beregninger, samt de forskjellige måtene beregninger teller:

En enkel måte å skille de to på er å huske at dimensjoner ofte er ord, mens beregninger er mer sannsynlig å være tall.

Økter, Besøk, Sidevisninger Og Unike Sidevisninger

som berørt i forrige kapittel, er det ofte forvirring mellom økter, besøk og sidevisninger. For det første er det verdt å påpeke at økter og besøk er i hovedsak det samme. Google Analytics brukte tidligere begrepet «besøk», men endret terminologien til» økter » i 2014. Andre verktøy, For Eksempel Adobe Analytics, bruker fortsatt begrepet «besøk».

du vil vanligvis finne at de to begrepene brukes om hverandre, men så lenge du vet at disse refererer til det samme, bør det ikke være et problem.

en økt, eller et besøk, er en gruppe interaksjoner (eller en enkelt interaksjon) som en bruker tar innenfor en gitt tidsramme på nettstedet ditt. Google Analytics-økter tidsavbrutt etter 30 minutter med inaktivitet som standard, men du kan endre dette selv i analytics-innstillingene dine.

Dette betyr at hvis brukeren går for å lage seg en kaffe, forlater nettstedet ditt åpent i nettleseren, og returnerer innen en halv time, regnes dette som samme økt. Det samme kan sies for brukere som hopper mellom flere faner. Oftere enn ikke, selv om, økter representerer kontinuerlig surfing på nettstedet ditt.

Økter skiller ikke mellom unike individer. De teller bare antall økter, uavhengig av hvem som gjør dem. Hvis jeg besøker nettstedet ditt om morgenen og kommer tilbake om kvelden, vil det fortsatt telle som to økter. Bruk av andre beregninger som brukere eller besøkende vil gi deg informasjon om personer som besøker nettstedet ditt. Den neste delen i dette kapittelet dekker brukere og besøkende i detalj.

Sidevisninger er ganske enkelt visninger til EN HTML-side eller, mindre vanlig, virtuelle sidevisninger. En virtuell sidevisning er en måte Å be Google Analytics om å registrere en sidevisning hvis en NY HTML-side ikke er lastet inn. Virtuelle sidevisninger krever ekstra merking i Form Av JavaScript-kode. Du kan bruke dem overalt der innholdet lastes uten en reload av siden, eller når to eller flere deler av innholdet kan ligge på samme URL—for eksempel et skjema innsending, eller en-side kassene.

du kan ha flere sidevisninger i løpet av en økt hvis en bruker surfer på nettstedet ditt. Sidevisninger kategoriseres normalt som sidevisninger og unike sidevisninger. Hvis en bruker viser den samme siden mer enn en gang i løpet av en økt, vil dette bare telle som en enkelt unik sidevisning. Dette er nyttig hvis du vil få en ide om hvor mange økter som inkluderte en visning på en bestemt side, men du vil ikke at tallet oppblåses av brukere som returnerte til den siden i samme økt.

Brukere Og Besøkende

Som Uxere har vi en god ide om hva en «bruker» er. I vår bransje vil brukere generelt bli definert som individuelle mennesker som samhandler med vårt produkt—ofte et nettsted, en app eller et stykke programvare. Analytics-pakker har sjelden en måte å nøyaktig identifisere enkeltpersoner på, men i analytics har begrepet «bruker» en litt annen betydning enn den normale.

De fleste av de store analyseverktøyene vil identifisere brukere basert på informasjonskapsler. Hvis jeg besøker nettstedet ditt fra min bærbare datamaskin, vil analyseverktøyet ditt normalt slippe en informasjonskapsel i nettleseren min, slik at når jeg kommer tilbake, vil den gjenkjenne meg som den samme personen som besøkte tidligere.

Dette er stort sett riktig, men det tar ikke hensyn til at jeg kan dele min laptop med noen andre. Dette betyr at to forskjellige personer kan regnes som samme bruker. På den annen side kan analyseverktøy ofte ikke identifisere besøk på tvers av enheter (eller nettlesere). Hvis jeg besøker nettstedet ditt fra nettbrettet mitt, vil analyseverktøyet ditt neppe identifisere meg som den samme brukeren som besøkte fra min bærbare datamaskin.

hvis du har et nettsted som krever at brukerne logger på, eller bruker en annen form for unik identifikator, for eksempel en e-postadresse eller et mobilnummer, kan dette gjøre det mulig for deg å spore brukere på tvers av enheter. Dette krever imidlertid ekstra oppsett, og er avhengig av at brukere logger på eller på annen måte identifiserer seg på hver av enhetene sine.

som med økter og besøk, er «brukere» og «besøkende» generelt forskjellige vilkår for det samme. Ulike verktøy vil bruke forskjellig terminologi, men så lenge du husker at besøkende og brukere både normalt beskriver en teoretisk person, basert på en informasjonskapsel, så vil det være godt nok.

Brukere, eller besøkende, blir ofte brutt ned i «nye» og «retur». Nye besøkende er personer som har besøkt nettstedet ditt for første gang i løpet av rapporteringsperioden, mens returnerende besøkende har besøkt mer enn en gang. Ved å bryte dette ned, lar analyseverktøyet deg enkelt sammenligne oppførselen til disse to brukergruppene.

du må være forsiktig her, men da beregningene » nye «og» retur » kanskje ikke er så nøyaktige som du forventer. Som nevnt tidligere sporer analytics-pakker sjelden besøk på tvers av enheter. Dette betyr at hvis jeg starter noe på telefonen min og fullfører det på min bærbare pc, er det sannsynlig at jeg blir registrert som en » ny » bruker når jeg besøker via min bærbare pc. Brukere vil også bli registrert som» nye » hvis de sletter informasjonskapslene sine, eller Har En JavaScript-eller annonseblokkering installert.

Besøks-/Øktvarighet og Tid På Side

tidsbaserte beregninger er notorisk unøyaktige. Dette skyldes delvis måten de beregnes på, og delvis på grunn av manglende evne til å spore brukerens oppmerksomhet.

Google Analytics beregner øktvarighet som tiden mellom første og siste interaksjon under et besøk på nettstedet ditt. Det beregner ikke, som du kanskje forventer, varigheten basert på når brukeren kommer på nettstedet ditt og når de forlater. Google Analytics har ingen måte å vite når en bruker forlater nettstedet ditt; det kan bare spore deres interaksjoner mens de er på den. Dette betyr at hvis en bruker bruker fem minutter på å se på hjemmesiden din, 20 minutter på å lese et blogginnlegg, og deretter går ut av nettstedet, var besøkets varighet bare fem minutter. Omvendt, hvis en bruker har forlatt nettstedet ditt åpent i en annen fane i ti minutter mens de surfer på et annet nettsted, så lenge de kommer tilbake til nettstedet ditt og går videre til en annen nettside, vil de ti minuttene telle mot deres varighet på nettstedet ditt!

tid-på-side beregninger fungerer på en lignende måte til økt varighet. Timeren starter når en bruker først laster en bestemt side og stopper når de går videre til en annen side på nettstedet. Ingen tid registreres for den siden hvis en bruker forlater nettstedet ditt derfra. Dette betyr at en bruker kan lese et langt blogginnlegg på nettstedet ditt, men hvis de går ut av det punktet før de ser på andre sider, vil deres innspilte «tid på side» være null sekunder. Hvis en bruker bare besøker en enkelt side i løpet av økten, blir både tiden på den siden og øktvarigheten registrert som null sekunder.

Alt dette betyr at tidsbaserte beregninger ikke er veldig nøyaktige i det hele tatt.

dette understreker viktigheten av å analysere basert på trender over tid, i stedet for å se på nøyaktige tall. Hvis din gjennomsnittlige øktvarighet er fem minutter, kan det ikke fortelle deg veldig mye. Du har det bedre å fokusere på hva øktvarigheten var i forrige måned eller i fjor, og analysere om dette har gått opp eller ned—og viktigst, finne ut hvorfor.

du må være forsiktig her, skjønt. Hvis for eksempel et blogginnlegg på nettstedet ditt får mye oppmerksomhet på sosiale medier en måned, og driver mange brukere som bare leser innlegget, og deretter forlater, kan dette alene påvirke din gjennomsnittlige øktvarighet massivt. Dette understreker behovet for å være klar over hva som skjer på tvers av hele nettstedet ditt, og for å unngå å fokusere på overskriftstallene.

Sprett-Og Utgangsfrekvenser

To beregninger som ofte blir forvirret, er sprett-og utgangsfrekvenser. Disse rapporteres på litt forskjellige måter i ulike analyseverktøy. Definisjonene nedenfor er basert på hvordan De rapporteres I Google Analytics.

en sprett beskriver et enkelt sidebesøk på et nettsted. Dette betyr at brukeren kommer på en side og deretter forlater uten å vise noen andre sider. Bounce rate er prosentandelen av besøk på et nettsted, eller nettside, som var bounces. En bounce rate på 10% betyr at en av ti av dine besøkende bare besøkte en side i løpet av økten. Det er det samme for individuelle sider. Hvis» om » – siden din har en fluktfrekvens på 50%, betyr dette at 50% av øktene som inkluderte et besøk på denne siden, var enkeltsidebesøk.

utgangsfrekvensen for en side viser prosentandelen av besøk på siden som endte med at brukere forlot nettstedet derfra. Diagrammet nedenfor viser hvordan bounces og utganger er forskjellige.

disse to beregningene er like, men det er viktig å forstå forskjellen mellom dem. Fluktfrekvensen for en side påvirkes i stor grad av antall personer som går inn på nettstedet på den siden. Ofte exit rate er en mer nyttig metrisk å bruke av denne grunn.

det er verdt å nevne at en høy sprett eller utgangshastighet ikke alltid er en dårlig ting. Brukere kan lande på en side, få den informasjonen de var ute etter, og deretter la glad. Et eksempel på dette kan være en bruker som lander på kontaktsiden på nettstedet ditt, finner telefonnummeret ditt og ringer deg. I dette tilfellet har brukeren oppnådd sitt mål raskt og effektivt.

vi vil dekke hvordan best å bruke sprett og exit priser i analysen senere. For nå, skjønt, bare sørg for at du vet forskjellen mellom de to.

Konverteringer Og Mål

som beskrevet i forrige kapittel, er et mål en bemerkelsesverdig handling utført av en bruker på nettstedet ditt, eller en handling som er utført utenfor nettstedet, men matet inn i analyseverktøyet ditt. Et eksempel på dette kan være en telefonsamtale, hvis du har samtalesporingsprogramvare som kjører på nettstedet ditt.

et mål kan være så enkelt som å vise en bestemt side, eller fylle ut et bestemt skjema. Mål blir ofte referert til som «konverteringer», men de er faktisk bare en type konvertering. I Google Analytics refererer konverteringer også til kjøp på e-handelsnettsteder.

folk snakker ofte om et nettsted konverteringsfrekvens. I Google Analytics er dette prosentandelen av besøk som inkluderer en konvertering – en bruker enten utløser et mål eller fullfører en e-handelstransaksjon. I andre verktøy kan det også referere til prosentandelen av unike brukere som har fullført en konvertering.

hvis det aktuelle nettstedet er et e-handelsnettsted, vil begrepet konvertering normalt bare referere til kjøp. Hvis nettstedet ikke er et e-handelsnettsted, kan konverteringsfrekvensen enten være en kombinert rente for alle mål, eller konverteringsfrekvensen for det viktigste eller primære målet.

siden det ikke er noen konsekvent definisjon av hvilken aktivitet konverteringsfrekvensen refererer til, er det alltid godt å sjekke hva noen mener når de bruker begrepet.

en konvertering er ganske enkelt å flytte noen fra en stat til en annen. For eksempel, flytte noen som ikke har gjort et kjøp til noen som har. Eller til og med flytte noen som ikke liker merkevaren din til noen som gjør det. Hver ønsket konvertering skal være målbar på en eller annen måte, og et mål eller en rekke mål kan brukes til å gjøre dette i analytics.

Segmenter Og Filtre

Analyseverktøy gir vanligvis alternativer for segmentering eller filtrering av dataene dine. Segmentering beskriver gruppering av brukere med lignende egenskaper og visning av data for disse gruppene, ofte i sammenligning med andre grupper. Et eksempel er å segmentere brukerne dine etter enheten de brukte til å besøke nettstedet ditt – det vil si via mobil, nettbrett eller skrivebord. Filtrering har et lignende formål, men det fjerner data fra en bestemt gruppe eller grupper, slik at du bare har dataene fra gruppen(e) du vil samle inn.

i Google Analytics er filtre og segmenter separate alternativer, men forveksles ofte med hverandre.

Filtre brukes på visningsnivå for en konto, og filtrerer ut informasjon fra å bli registrert i rapportene dine. Hvis DU for eksempel filtrerer ut besøk fra IP-adressen din for en visning, blir ikke disse dataene samlet inn for den visningen. Filtre er nyttige for å ekskludere data som ellers kan forskyve rapportene dine på måter du ikke vil ha.

Segmenter brukes på rapportnivå, og filtrerer midlertidig ut informasjon fra alle rapporter. Du kan for eksempel opprette et segment for mobilbrukere Fra Frankrike. Når dette segmentet er brukt, vil alle rapportene bare inneholde data for franske mobilbrukere. Segmentet vil slutte å bli brukt enten når du manuelt fjerner Det, eller når Du lukker Google Analytics og returnerer. Segmenter kan være veldig nyttige for å analysere oppførselen til ulike brukergrupper. Vi vil dekke segmentering av data mer detaljert senere i dette kapitlet.