Webanalyse - Web analytics

Webanalyse er måling, innsamling , analyse og rapportering av webdata for å forstå og optimalisere nettbruk . Webanalyse er ikke bare en prosess for måling av webtrafikk, men kan brukes som et verktøy for forretnings- og markedsundersøkelser og vurdere og forbedre nettstedets effektivitet. Nettanalyseapplikasjoner kan også hjelpe selskaper med å måle resultatene av tradisjonelle reklamekampanjer for trykk eller kringkasting . Den kan brukes til å estimere hvordan trafikken til et nettsted endres etter at en ny reklamekampanje er lansert. Webanalyse gir informasjon om antall besøkende på et nettsted og antall sidevisninger. Det hjelper å måle trafikk- og popularitetstrender, noe som er nyttig for markedsundersøkelser.

Grunnleggende trinn i webanalyseprosessen

Grunnleggende trinn i Web Analytics -prosessen

De fleste webanalyseprosesser kommer ned til fire viktige stadier eller trinn, som er:

• Innsamling av data: Dette stadiet er innsamlingen av de grunnleggende, elementære dataene. Vanligvis er disse dataene tellinger av ting. Målet med dette stadiet er å samle data.
• Behandling av data til informasjon: Dette stadiet tar vanligvis tellinger og gjør dem til forhold, selv om det fortsatt kan være noen tellinger. Målet med dette stadiet er å ta dataene og konformere dem til informasjon, spesielt beregninger.
• Utvikling av KPI: Dette stadiet fokuserer på å bruke forholdene (og tellinger) og infisere dem med forretningsstrategier, referert til som viktige ytelsesindikatorer (KPI). Mange ganger behandler KPI -er konverteringsaspekter, men ikke alltid. Det avhenger av organisasjonen.
• Formulering av online strategi: Dette stadiet er opptatt av online mål, mål og standarder for organisasjonen eller virksomheten. Disse strategiene er vanligvis knyttet til å tjene penger, spare penger eller øke markedsandeler.

En annen viktig funksjon utviklet av analytikerne for optimalisering av nettstedene er eksperimentene

• Eksperimenter og testing: A/B -testing er et kontrollert eksperiment med to varianter, i nettbaserte innstillinger, for eksempel webutvikling .

Målet med A/B -testing er å identifisere og foreslå endringer på nettsider som øker eller maksimerer effekten av et statistisk testet resultat av interesse.

Hvert trinn påvirker eller kan påvirke (dvs. driver) trinnet før eller etter det. Noen ganger påvirker dataene som er tilgjengelig for innsamling den elektroniske strategien. Andre ganger påvirker den elektroniske strategien dataene som samles inn.

Webanalyse -teknologier

Det er minst to kategorier av webanalyse, off-site og on-site webanalyse.

• Nettanalyse utenfor nettstedet refererer til nettmåling og analyse uansett om en person eier eller vedlikeholder et nettsted. Den inkluderer måling av et nettsteds potensielle publikum (mulighet), andel av stemme (synlighet) og buzz (kommentarer) som skjer på Internett som helhet.
• Nettanalyse på stedet , den mer vanlige av de to, måler en besøkendes oppførsel en gang på et bestemt nettsted . Dette inkluderer drivere og konverteringer; for eksempel i hvilken grad forskjellige destinasjonssider er knyttet til online kjøp. Nettanalyse på stedet måler ytelsen til et bestemt nettsted i en kommersiell sammenheng. Disse dataene blir vanligvis sammenlignet med viktige resultatindikatorer for ytelse og brukes til å forbedre responsen til et nettsted eller en markedsføringskampanje . Google Analytics  og Adobe Analytics  er den mest brukte webanalysetjenesten på stedet; selv om nye verktøy dukker opp som gir ytterligere lag med informasjon, inkludert varmekart og sesjonsavspilling .

Historisk sett har webanalyse blitt brukt til å referere til besøkendes måling på stedet. Imidlertid har denne betydningen blitt uklar, hovedsakelig fordi leverandører produserer verktøy som spenner over begge kategoriene. Mange forskjellige leverandører tilbyr programvare og tjenester for webanalyse på stedet . Det er to hovedtekniske måter å samle inn dataene på. Den første og tradisjonelle metoden, serverloggfilanalyse , leser loggfilene der webserveren registrerer filforespørsler fra nettlesere. Den andre metoden, sidemerking , bruker JavaScript innebygd på nettsiden for å lage bildeforespørsler til en tredjeparts analytisk dedikert server, når en webside blir gjengitt av en nettleser eller, hvis det er ønskelig, når et museklikk skjer. Begge samler inn data som kan behandles for å lage webtrafikkrapporter.

Datakilder for webanalyse

Det grunnleggende målet med webanalyse er å samle og analysere data relatert til webtrafikk og bruksmønstre. Dataene kommer hovedsakelig fra fire kilder:

1. Direkte HTTP -forespørselsdata: kommer direkte fra HTTP -forespørselsmeldinger (HTTP -forespørselsoverskrifter).
2. Nettverksnivå og servergenererte data knyttet til HTTP-forespørsler: er ikke en del av en HTTP-forespørsel, men det er nødvendig for vellykkede forespørselsoverføringer-for eksempel IP-adressen til en forespørsel.
3. Data på applikasjonsnivå sendt med HTTP-forespørsler: generert og behandlet av programmer på applikasjonsnivå (for eksempel JavaScript, PHP og ASP.Net), inkludert økt og henvisninger. Disse blir vanligvis fanget opp av interne logger i stedet for offentlige webanalysetjenester.
4. Eksterne data: kan kombineres med data på stedet for å øke nettstedets atferdsdata beskrevet ovenfor og tolke nettbruk. For eksempel er IP-adresser vanligvis knyttet til geografiske regioner og Internett-leverandører, åpne og klikkfrekvente e-postadresser, direkte postkampanjedata, salg og kundehistorikk eller andre datatyper etter behov.

Analyse av webserverloggfil

Webservere registrerer noen av sine transaksjoner i en loggfil. Det ble snart innsett at disse loggfilene kunne leses av et program for å gi data om nettstedets popularitet. Dermed oppstod weblogg analyseprogramvare .

På begynnelsen av 1990 -tallet besto nettstatistikk hovedsakelig av å telle antall klientforespørsler (eller treff ) som ble gjort til webserveren. Dette var en rimelig metode i utgangspunktet siden hvert nettsted ofte besto av en enkelt HTML -fil. Imidlertid, med introduksjonen av bilder i HTML og nettsteder som spenner over flere HTML -filer, ble denne tellingen mindre nyttig. Den første sanne kommersielle Log Analyzer ble utgitt av IPRO i 1994.

To måleenheter ble introdusert på midten av 1990-tallet for å måle mer nøyaktig mengden menneskelig aktivitet på webservere. Dette var sidevisninger og besøk (eller økter ). En sidevisning ble definert som en forespørsel fra webserveren for en side, i motsetning til en grafikk, mens et besøk ble definert som en rekke forespørsler fra en unikt identifisert klient som utløp etter en viss mengde inaktivitet, vanligvis 30 minutter .

Fremveksten av søkemotoredderkopper og roboter på slutten av 1990 -tallet, sammen med webproxyer og dynamisk tildelte IP -adresser for store selskaper og Internett -leverandører , gjorde det vanskeligere å identifisere unike menneskelige besøkende på et nettsted. Logg analysatorer reagerte ved å spore besøk av informasjonskapsler , og ved å ignorere forespørsler fra kjente edderkopper.

Den omfattende bruken av webbuffere presenterte også et problem for loggfilanalyse. Hvis en person besøker en side igjen, vil den andre forespørselen ofte bli hentet fra nettleserens buffer, og derfor vil ingen forespørsel bli mottatt av webserveren. Dette betyr at personens vei gjennom nettstedet går tapt. Caching kan beseires ved å konfigurere webserveren, men dette kan resultere i forringet ytelse for den besøkende og større belastning på serverne.

Merking av sider

Bekymringer om nøyaktigheten av loggfilanalyse i nærvær av hurtigbufring, og ønsket om å kunne utføre webanalyse som en outsourcet tjeneste, førte til den andre datainnsamlingsmetoden, sidemerking eller ' Webbugs '.

På midten av 1990-tallet, web tellere ble ofte sett - disse var bilder som inngår i en nettside som viste hvor mange ganger bildet hadde blitt forespurt, som var et anslag over antall besøk på denne siden. På slutten av 1990 -tallet utviklet dette konseptet seg til å inkludere et lite usynlig bilde i stedet for et synlig, og, ved å bruke JavaScript, for å passere sammen med bildeforespørselen viss informasjon om siden og den besøkende. Denne informasjonen kan deretter fjernbehandles av et webanalyseselskap, og omfattende statistikk genereres.

Nettanalysetjenesten administrerer også prosessen med å tildele en informasjonskapsel til brukeren, som kan identifisere dem på en unik måte under besøket og i påfølgende besøk. Antall informasjonskapsler for informasjonskapsler varierer betydelig mellom nettsteder og kan påvirke kvaliteten på data som samles inn og rapporteres.

Å samle nettstedsdata ved hjelp av en tredjeparts datainnsamlingsserver (eller til og med en intern datainsamlingsserver) krever et ekstra DNS- oppslag fra brukerens datamaskin for å bestemme IP-adressen til samlingstjeneren. Noen ganger kan forsinkelser i å fullføre vellykkede eller mislykkede DNS -oppslag føre til at data ikke blir samlet inn.

Med den økende populariteten til Ajax -baserte løsninger, er et alternativ til bruk av et usynlig bilde å gjennomføre et anrop tilbake til serveren fra den gjengitte siden. I dette tilfellet, når siden gjengis i nettleseren, vil et stykke Ajax -kode ringe tilbake til serveren og sende informasjon om klienten som deretter kan aggregeres av et webanalyseselskap. Dette er på noen måter feil av nettleserbegrensninger på serverne som kan kontaktes med XmlHttpRequest -objekter. Denne metoden kan også føre til noe lavere rapportert trafikknivå, siden den besøkende kan stoppe siden fra å lastes inn midt i svaret før Ajax-anropet foretas.

Loggfilanalyse vs sidemerking

Både loggfilanalyseprogrammer og sidemerkingsløsninger er lett tilgjengelige for selskaper som ønsker å utføre webanalyse. I noen tilfeller vil det samme webanalyseselskapet tilby begge tilnærmingene. Spørsmålet melder seg da hvilken metode et selskap skal velge. Det er fordeler og ulemper ved hver tilnærming.

Fordeler med loggfilanalyse

De viktigste fordelene med loggfilanalyse fremfor sidemerking er som følger:

• Webserveren produserer normalt allerede loggfiler, så rådata er allerede tilgjengelig. Ingen endringer på nettstedet er nødvendig.
• Dataene er på selskapets egne servere, og er i et standard, snarere enn et proprietært format. Dette gjør det enkelt for et selskap å bytte program senere, bruke flere forskjellige programmer og analysere historiske data med et nytt program.
• Loggfiler inneholder informasjon om besøk fra søkemotoredderkopper, som vanligvis er ekskludert fra analyseverktøyene ved bruk av JavaScript -tagging. (Noen søkemotorer kjører kanskje ikke engang JavaScript på en side.) Selv om disse ikke skal rapporteres som en del av menneskelig aktivitet, er det nyttig informasjon for søkemotoroptimalisering .
• Loggfiler krever ingen ekstra DNS -oppslag eller TCP -treg start . Dermed er det ingen eksterne serveranrop som kan bremse sidelasthastigheter eller resultere i utallige sidevisninger.
• Webserveren registrerer pålitelig alle transaksjoner den foretar, f.eks. Betjener PDF -dokumenter og innhold generert av skript, og er ikke avhengig av at besøkendes nettlesere samarbeider.

Fordeler med sidemerking

De viktigste fordelene med sidemerking i forhold til loggfilanalyse er som følger:

• Telling aktiveres ved å åpne siden (gitt at webklienten kjører merkeskriptene), uten å be om det fra serveren. Hvis en side blir bufret, teller den ikke av serverbasert logganalyse. Bufrede sider kan utgjøre opptil en tredjedel av alle sidevisninger, noe som kan påvirke mange nettstedstatistikker negativt.
• Data samles inn via en komponent ("tag") på siden, vanligvis skrevet i JavaScript, selv om Java eller Flash også kan brukes. Ajax kan også brukes i forbindelse med et skriptspråk på serversiden (for eksempel PHP ) for å manipulere og (vanligvis) lagre det i en database, noe som i utgangspunktet muliggjør fullstendig kontroll over hvordan dataene blir representert.
• Skriptet kan ha tilgang til tilleggsinformasjon på webklienten eller brukeren, ikke sendt i spørringen, for eksempel besøkendes skjermstørrelser og prisen på varene de kjøpte.
• Sidemerking kan rapportere om hendelser som ikke innebærer en forespørsel til webserveren, for eksempel interaksjoner i Flash -filmer, delvis skjemautfylling, musehendelser som onClick, onMouseOver, onFocus, onBlur etc.
• Sidemerkingstjenesten administrerer prosessen med å tildele informasjonskapsler til besøkende; med loggfilanalyse må serveren konfigureres for å gjøre dette.
• Sidemerking er tilgjengelig for selskaper som ikke har tilgang til sine egne webservere.
• I det siste har sidemerking blitt en standard innen webanalyse.

Økonomiske faktorer

Loggfilanalyse utføres nesten alltid internt. Sidemerking kan utføres internt, men det tilbys oftere som en tredjepartstjeneste. Den økonomiske forskjellen mellom disse to modellene kan også være et hensyn for et selskap som bestemmer hvilken de skal kjøpe.

• Loggfilanalyse innebærer vanligvis et engangskjøp av programvare; Noen leverandører introduserer imidlertid maksimale årlige sidevisninger med ekstra kostnader for å behandle tilleggsinformasjon. I tillegg til kommersielle tilbud, er flere verktøy for åpen analyse av loggfiler tilgjengelig gratis.
• For Logfile -analyse må data lagres og arkiveres, som ofte vokser seg raskt raskt. Selv om kostnaden for maskinvare for å gjøre dette er minimal, kan kostnaden for en IT -avdeling være betydelig.
• For Logfile -analyse må programvare vedlikeholdes, inkludert oppdateringer og sikkerhetsoppdateringer.
• Komplekse leverandører av sidemerker krever en månedlig avgift basert på volum, dvs. antall sidevisninger per måned som samles inn.

Hvilken løsning som er billigere å implementere, avhenger av mengden teknisk ekspertise i selskapet, leverandøren som er valgt, mengden aktivitet som vises på nettstedene, dybden og typen informasjon som søkes, og antall forskjellige nettsteder som trenger statistikk.

Uavhengig av leverandørløsningen eller dataindsamlingsmetoden som brukes, bør kostnaden for webbesøkers analyse og tolkning også inkluderes. Det vil si kostnaden for å gjøre rådata til nyttig informasjon. Dette kan være fra bruk av tredjepartskonsulenter, ansettelse av en erfaren webanalytiker eller opplæring av en egnet intern person. En nytte-nytte-analyse kan deretter utføres. For eksempel, hvilken inntektsøkning eller kostnadsbesparelse kan oppnås ved å analysere nettbesøkendes data?

Hybride metoder

Noen selskaper produserer løsninger som samler inn data gjennom både loggfiler og sidemerking og kan analysere begge slag. Ved å bruke en hybridmetode tar de sikte på å produsere mer nøyaktig statistikk enn hver av metodene alene. En tidlig hybridløsning ble produsert i 1998 av Rufus Evison.

Geolokalisering av besøkende

Med IP -geografisk plassering er det mulig å spore besøkendes steder. Ved å bruke IP -geolokasjonsdatabase eller API kan besøkende geolokaliseres til by-, region- eller landnivå.

IP Intelligence, eller Internet Protocol (IP) Intelligence, er en teknologi som kartlegger Internett og kategoriserer IP -adresser etter parametere som geografisk plassering (land, region, stat, by og postnummer), tilkoblingstype, Internett -leverandør (ISP), proxy -informasjon og mer. Den første generasjonen av IP Intelligence ble referert til som geotargeting eller geolocation teknologi. Denne informasjonen brukes av bedrifter for segmentering av online publikum i applikasjoner som online annonsering , atferdsmessig målretting , innholdslokalisering (eller lokalisering av nettsteder ), digital rettighetsbehandling , personalisering , online svindeloppdagelse, lokalisert søk, forbedret analyse, global trafikkstyring og innholdsdistribusjon .

Klikk analyse

Klikkbaneanalyse med referansesider til venstre og piler og rektangler som er forskjellige i tykkelse og flate for å symbolisere bevegelsesmengde.

Klikkanalyse er en spesiell type webanalyse som gir spesiell oppmerksomhet til klikk .

Vanligvis fokuserer klikkanalyse på analyse på stedet. En redaktør av et nettsted bruker klikkanalyse for å bestemme ytelsen til nettstedet hans, med hensyn til hvor brukerne av nettstedet klikker.

Også, klikk analytics kan skje i sanntid eller "uvirkelig" -time, avhengig av hvilken type informasjon søkt. Vanligvis vil forsideredaktører på nyhetsmediasider med høy trafikk ønske å overvåke sidene deres i sanntid for å optimalisere innholdet. Redaktører, designere eller andre typer interessenter kan analysere klikk på en bredere tidsramme for å hjelpe dem med å vurdere ytelsen til forfattere, designelementer eller annonser etc.

Data om klikk kan samles inn på minst to måter. Ideelt sett blir et klikk "logget" når det skjer, og denne metoden krever en del funksjonalitet som henter relevant informasjon når hendelsen skjer. Alternativt kan man anta at en sidevisning er et resultat av et klikk, og derfor logge et simulert klikk som førte til sidevisningen.

Kundens livssyklusanalyse

Kundens livssyklusanalyse er en besøksorientert tilnærming til måling som faller under paraplyen for livssyklusmarkedsføring. Sidevisninger, klikk og andre hendelser (for eksempel API-anrop, tilgang til tredjepartstjenester, etc.) er alle knyttet til en individuell besøkende i stedet for å bli lagret som separate datapunkter. Kundens livssyklusanalyse prøver å koble alle datapunktene til en markedsføringstrakt som kan gi innsikt i besøkendes atferd og nettstedoptimalisering .

Andre metoder

Noen ganger brukes andre metoder for datainnsamling. Pakkesniffing samler inn data ved å snuse nettverkstrafikken som passerer mellom webserveren og omverdenen. Pakningssniffing innebærer ingen endringer i nettsider eller webservere. Det er også mulig å integrere webanalyse i selve webserverprogramvaren. Begge disse metodene hevder å gi bedre sanntidsdata enn andre metoder.

Webanalyse på stedet - definisjoner

Det er ingen globalt avtalte definisjoner innen webanalyse, ettersom bransjens organer har prøvd å bli enige om definisjoner som er nyttige og definitive i noen tid. Hovedorganene som har hatt innspill på dette området har vært IAB (Interactive Advertising Bureau), JICWEBS (The Joint Industry Committee for Web Standards in the UK and Ireland) og The DAA (Digital Analytics Association), formelt kjent som WAA (Web Analytics Association, USA). Imidlertid brukes mange begreper på konsekvente måter fra et stort analyseverktøy til et annet, så følgende liste, basert på disse konvensjonene, kan være et nyttig utgangspunkt:

• Fluktfrekvens - Prosentandelen besøk som er ensidige besøk og uten andre interaksjoner (klikk) på den siden. Med andre ord kalles et enkelt klikk i en bestemt økt en sprett.
• Klikkbane - den kronologiske sekvensen av sidevisninger i et besøk eller en økt.
• Hit - En forespørsel om en fil fra webserveren. Bare tilgjengelig i logganalyse. Antall treff mottatt av et nettsted blir ofte sitert for å hevde populariteten, men dette tallet er ekstremt villedende og overvurderer populariteten dramatisk. En enkelt webside består vanligvis av flere (ofte dusinvis) av diskrete filer, som hver regnes som et treff når siden lastes ned, så antallet treff er virkelig et vilkårlig tall som mer reflekterer kompleksiteten til individuelle sider på nettstedet enn nettstedets faktiske popularitet. Det totale antallet besøk eller sidevisninger gir en mer realistisk og nøyaktig vurdering av popularitet.
• Sidevisning - En forespørsel om en fil, eller noen ganger en hendelse som et museklikk, som er definert som en side i oppsettet av webanalyseverktøyet. En forekomst av skriptet som kjøres i sidemerking. I logganalyse kan en enkelt sidevisning generere flere treff ettersom alle ressursene som kreves for å vise siden (bilder, .js og .css -filer) også blir forespurt fra webserveren.
• Besøkende / unik besøkende / unik bruker - Den unikt identifiserte klienten som genererer sidevisninger eller treff innenfor en definert tidsperiode (f.eks. Dag, uke eller måned). En unikt identifisert klient er vanligvis en kombinasjon av en maskin (for eksempel en stasjonær datamaskin på jobb) og en nettleser (Firefox på den maskinen). Identifikasjonen er vanligvis via en vedvarende informasjonskapsel som har blitt plassert på datamaskinen ved siden av sidekoden. En eldre metode, som brukes i loggfilanalyse, er den unike kombinasjonen av datamaskinens IP-adresse og informasjonen om brukeragenten (nettleseren) som nettleseren gir nettserveren. Det er viktig å forstå at "Besøkende" ikke er det samme som mennesket som sitter ved datamaskinen på tidspunktet for besøket, siden et individuelt menneske kan bruke forskjellige datamaskiner eller på samme datamaskin kan bruke forskjellige nettlesere, og vil bli sett på som en annen besøkende i hver situasjon. I økende grad, men likevel, noen sjelden gang, blir besøkende unikt identifisert av Flash LSO ( Local Shared Object ), som er mindre utsatt for håndhevelse av personvern.
• Besøk / økt - Et besøk eller en økt er definert som en serie sideforespørsler eller, i tilfelle tagger, bildeforespørsler fra den samme unikt identifiserte klienten. En unik klient identifiseres vanligvis med en IP -adresse eller en unik ID som er plassert i nettleserkakingen. Et besøk anses avsluttet når det ikke er registrert noen forespørsler i et antall forløpne minutter. En 30-minutters grense ("time out") brukes av mange analyseverktøy, men kan i noen verktøy (for eksempel Google Analytics) endres til et annet antall minutter. Analytics -datainnsamlere og analyseverktøy har ingen pålitelig måte å vite om en besøkende har sett på andre nettsteder mellom sidevisninger; et besøk regnes som ett besøk så lenge hendelsene (sidevisninger, klikk, det som blir registrert) er 30 minutter eller mindre nærmere hverandre. Vær oppmerksom på at et besøk kan bestå av en visning på én side eller tusenvis. En unik besøksøkt kan også forlenges hvis tiden mellom sidelastninger indikerer at en besøkende har sett sidene kontinuerlig.
• Aktiv tid / engasjementstid - Gjennomsnittlig tid som besøkende bruker på å faktisk interagere med innhold på en webside, basert på musebevegelser, klikk, svever og ruller. I motsetning Session Varighet og oppsett Varighet / Tid på side, denne beregningen kan måle lengden på engasjement i den siste sidevisning, men det er ikke tilgjengelig i mange analyseverktøy eller datainnsamlingsmetoder.
• Gjennomsnittlig sidedybde / sidevisninger per gjennomsnittlig økt - sidedybde er den omtrentlige "størrelsen" på et gjennomsnittlig besøk, beregnet ved å dele det totale antallet sidevisninger med det totale antallet besøk.
• Gjennomsnittlig varighet for sidevisning - Gjennomsnittlig tid som besøkende bruker på en gjennomsnittlig side på nettstedet.
• Klikk - "refererer til en enkelt forekomst av en bruker som følger en hyperkobling fra en side på et nettsted til et annet".
• Hendelse - En diskret handling eller handlingsklasse som skjer på et nettsted. En sidevisning er en type hendelse. Hendelser inneholder også klikk, skjemainnleveringer, tastetrykkhendelser og andre brukerhandlinger på klientsiden.
• Exit Rate / % Exit - En statistikk brukt på en enkelt side, ikke et nettsted. Prosentandelen besøk som ser en side der siden er den siste siden som ble sett i besøket.
• Første besøk / første sesjon - (også kalt 'Absolute Unique Visitor' i noen verktøy) Et besøk fra en unik identifisert klient som teoretisk sett ikke har foretatt noen tidligere besøk. Siden den eneste måten å vite om den unikt identifiserte klienten har vært på nettstedet før er tilstedeværelsen av en vedvarende informasjonskapsel eller via digitalt fingeravtrykk som var mottatt ved et tidligere besøk, er etiketten Første besøk ikke pålitelig hvis nettstedets informasjonskapsler har blitt slettet siden forrige besøk.
• Frequency / Session per Unique - Frekvens måler hvor ofte besøkende kommer til et nettsted i en gitt tidsperiode. Det beregnes ved å dele det totale antallet økter (eller besøk) med det totale antallet unike besøkende i løpet av en bestemt tidsperiode, for eksempel en måned eller et år. Noen ganger brukes det utskiftbart med begrepet "lojalitet".
• Visning - Den vanligste definisjonen av "Visning" er et eksempel på at en annonse vises på en viset side. Vær oppmerksom på at en annonse kan vises på en viset side under området som faktisk vises på skjermen, så de fleste målinger av visninger betyr ikke nødvendigvis at en annonse har vært synlig.
• Ny besøkende - En besøkende som ikke har gjort noen tidligere besøk. Denne definisjonen skaper en viss forvirring (se vanlige forvirringer nedenfor), og blir noen ganger erstattet med analyse av første besøk.
• Sidetid vist / Sidesynlighet Tid / Sidevisning Varighet - tiden en enkelt side (eller en blogg, annonsebanner ...) er på skjermen, målt som den beregnede forskjellen mellom tidspunktet for forespørselen for den siden og tiden av den neste registrerte forespørselen. Hvis det ikke er noen neste registrert forespørsel, er visningstiden for forekomsten av siden ikke inkludert i rapportene.
• Gjenta besøkende - En besøkende som har gjort minst ett tidligere besøk. Perioden mellom det siste og det nåværende besøket kalles besøkende nyhet og måles i dager.
• Returbesøkende - En unik besøkende med aktivitet som består av et besøk på et nettsted i løpet av en rapporteringsperiode og hvor den unike besøkende besøkte nettstedet før rapporteringsperioden. Personen telles bare én gang i løpet av rapporteringsperioden.
• Sesjonsvarighet / besøksvarighet - Gjennomsnittlig tid som besøkende bruker på nettstedet hver gang de besøker.Det beregnes som summen av varigheten av alle øktene dividert med totalt antall økter. Denne beregningen kan være komplisert av det faktum at analyseprogrammer ikke kan måle lengden på den siste sidevisningen.
• Besøk på en side / Singleton - Et besøk der bare en enkelt side blir sett (dette er ikke en "sprett").
• Nettstedsoverlegg er en rapportteknikk der statistikk (klikk) eller hot spots er lagt over, etter fysisk plassering, på et visuelt øyeblikksbilde av nettsiden.
• Klikkfrekvens er et forhold mellom brukere som klikker på en bestemt lenke og antall brukere som ser en side, e-post eller annonse. Det brukes ofte til å måle suksessen til en online reklamekampanje for et bestemt nettsted, samt effektiviteten til e -postkampanjer.

Nettanalyse utenfor nettstedet

Nettanalyse utenfor nettstedet er basert på åpen dataanalyse, utforskning av sosiale medier , andel av tale på webområder. Det brukes vanligvis til å forstå hvordan man markedsfører et nettsted ved å identifisere søkeordene som er merket til dette nettstedet, enten fra sosiale medier eller fra andre nettsteder.

Ved å bruke HTTP -henviser vil eiere av nettsider kunne spore hvilke referansesider som hjelper til med å få trafikk til sitt eget nettsted.

Vanlige kilder til forvirring i webanalyse

Hotellproblemet

Hotellproblemet er vanligvis det første problemet en bruker av webanalyse opplever. Problemet er at de unike besøkende for hver dag i en måned ikke utgjør samme sum som de unike besøkende for den måneden. Dette ser ut til at en uerfaren bruker er et problem i hvilken analyseprogramvare de bruker. Faktisk er det en enkel egenskap av de metriske definisjonene.

Måten å se situasjonen på er å forestille seg et hotell. Hotellet har to rom (rom A og rom B).

Som tabellen viser, har hotellet to unike brukere hver dag over tre dager. Summen av totalene med hensyn til dagene er derfor seks.

I perioden har hvert rom hatt to unike brukere. Summen av totalen med hensyn til rommene er derfor fire.

Faktisk har bare tre besøkende vært på hotellet i løpet av denne perioden. Problemet er at en person som oppholder seg i et rom i to netter, blir talt to ganger hvis de telles én gang hver dag, men bare telles én gang hvis man ser på summen for perioden. Enhver programvare for webanalyse vil summere disse riktig for den valgte tidsperioden, og dermed føre til problemet når en bruker prøver å sammenligne totalene.

Metoder for webanalyse

Problemer med informasjonskapsler

Historisk sett har leverandører av sideloggingsanalyseløsninger brukt tredjeparts informasjonskapsler sendt fra leverandørens domene i stedet for at domenet til nettstedet blir surfet. Tredjeparts informasjonskapsler kan håndtere besøkende som krysser flere ikke-relaterte domener på selskapets nettsted, siden informasjonskapselen alltid håndteres av leverandørens servere.

Imidlertid tillater tredjeparts informasjonskapsler i prinsippet å spore en individuell bruker på tvers av nettstedene til forskjellige selskaper, slik at analyseleverandøren kan samle brukerens aktivitet på nettsteder der han ga personlig informasjon med sin aktivitet på andre nettsteder der han trodde han var anonym. Selv om webanalyseselskaper nekter å gjøre dette, har andre selskaper som selskaper som leverer bannerannonser gjort det. Personvernhensyn om informasjonskapsler har derfor ført til at en merkbar minoritet av brukerne har blokkert eller slettet tredjeparts informasjonskapsler. I 2005 viste noen rapporter at omtrent 28% av Internett-brukerne blokkerte tredjeparts informasjonskapsler og 22% slettet dem minst en gang i måneden. De fleste leverandører av sidemerkingsløsninger har nå flyttet for å gi minst muligheten til å bruke førsteparts informasjonskapsler (informasjonskapsler tilordnet fra klientens underdomen).

Et annet problem er sletting av informasjonskapsler. Når webanalyse er avhengig av informasjonskapsler for å identifisere unike besøkende, er statistikken avhengig av en vedvarende informasjonskapsel for å ha en unik besøkende -ID. Når brukere sletter informasjonskapsler, sletter de vanligvis både informasjonskapsler fra første og tredjepart. Hvis dette gjøres mellom interaksjoner med nettstedet, vil brukeren vises som en første gangs besøkende ved sitt neste interaksjonspunkt. Uten en vedvarende og unik besøks-ID kan konverteringer, klikk-stream-analyse og andre beregninger som er avhengig av aktivitetene til en unik besøkende over tid, ikke være nøyaktige.

Informasjonskapsler brukes fordi IP -adresser ikke alltid er unike for brukere og kan deles av store grupper eller fullmakter. I noen tilfeller kombineres IP -adressen med brukeragenten for å identifisere en besøkende mer nøyaktig hvis informasjonskapsler ikke er tilgjengelige. Dette løser imidlertid bare delvis problemet fordi ofte brukere bak en proxy -server har den samme brukeragenten. Andre metoder for å identifisere en bruker på en unik måte er teknisk utfordrende og vil begrense det sporbare publikummet eller vil bli ansett som mistenkelig. Informasjonskapsler når den laveste fellesnevneren uten å bruke teknologier som anses som spionprogrammer .

Sikre analysemetoder (måling)

Det kan være greit å være klar over at tredjepartsinformasjonsinnhenting er underlagt eventuelle nettverksbegrensninger og sikkerhet. Land, tjenesteleverandører og private nettverk kan forhindre besøksdata fra besøkende fra tredjeparter. Alle metodene beskrevet ovenfor (og noen andre metoder som ikke er nevnt her, som prøvetaking) har det sentrale problemet med å være sårbar for manipulasjon (både inflasjon og deflasjon). Dette betyr at disse metodene er upresise og usikre (i enhver rimelig sikkerhetsmodell). Dette problemet har blitt behandlet i en rekke artikler, men til dags dato er løsningene som foreslås i disse papirene fortsatt teoretiske, muligens på grunn av mangel på interesse fra ingeniørmiljøet, eller på grunn av økonomisk gevinst den nåværende situasjonen gir eierne av store nettsteder . For flere detaljer, se de nevnte papirene.

Se også

Referanser

Bibliografi

• Clifton, Brian (2010) Advanced Web Metrics with Google Analytics, 2nd edition, Sybex (Paperback.)
• Kaushik, Avinash (2009) Web Analytics 2.0 - The Art of Online Accountability and Science of Customer Centricity. Sybex , Wiley .
• Mortensen, Dennis R. (2009) Yahoo! Webanalyse. Sybex.
• Farris, P., Bendle, NT, Pfeifer, PE Reibstein, DJ (2009) Key Marketing Metrics The 50+ Metrics Every Manager needs to know, Prentice Hall , London.
• Plaza, B (2009) Overvåking av webtrafikkildeeffektivitet med Google Analytics: Et eksperiment med tidsserier. ASLIB Proceedings , 61 (5): 474–482.
• Arikan, Akin (2008) Flerkanalsmarkedsføring. Metrics and Methods for On and Offline Success. Sybex .
• Tullis, Tom & Albert, Bill (2008) Måling av brukeropplevelsen. Samle, analysere og presentere brukervennlighetsmålinger. Morgan Kaufmann , Elsevier , Burlington MA.
• Kaushik, Avinash (2007) Web Analytics: An Hour a Day, Sybex , Wiley .
• Bradley N (2007) Marketing Research. Verktøy og teknikker. Oxford University Press , Oxford.
• Sostre, Pedro og LeClaire, Jennifer (2007) Web Analytics for Dummies. Wiley .
• Burby, Jason og Atchison, Shane (2007) Handlingsbar webanalyse: Bruke data til å ta smarte forretningsbeslutninger.
• Davis, J. (2006) 'Marketing Metrics: How to create Accountable Marketing plans that really work' John Wiley & Sons (Asia).
• Peterson Eric T (2005) Hacks for måling av nettsteder. O'Reilly e -bok.
• Peterson Eric T (2004) Web Analytics Demystified: En markedsførerguide for å forstå hvordan nettstedet ditt påvirker virksomheten din. Celilo Group Media
• Lenskold, J. (2003) 'Marketing ROI: how to plan, Measure and Optimize strategies for Profit' London: McGraw Hill Contemporary
• Sterne, J. (2002) Webmetrics, Proven Methods for Measuring Website Site Success, London: John Wiley & Sons .
• Srinivasan, J. (2001) E -handel Metrics, Models and Exemples, London: Prentice Hall .
• Zheng, JG og Peltsverger, S. (2015) Web Analytics Oversikt , i bok: Encyclopedia of Information Science and Technology, Third Edition, Publisher: IGI Global, Editors: Mehdi Khosrow-Pour