Веб-аналитика *

С момента появления сервиса Google Analytics полный редизайн системы проводился только один раз: в 2007 году. С тех пор уже 4 года интерфейс Analytics не претерпевал значительных изменений. Функций тем временем становилось все больше и больше, и постепенно им стало тесновато в рамках привычного интерфейса.

Профессиональные веб-аналитики «бьются» об ограничения системы каждый день: меню не раскрываются без перезагрузки страницы, поисковый трафик раскидан по отчетам со странной логикой, найти профиль по имени невозможно, если к вашей учетке Google подключено множество аккаунтов Analytics. Словом, чем чаще мы работали с системой, тем больше надеялись на изменения: и вот, наконец, наши просьбы услышаны.В новой бета-версии Google полностью изменила внешний вид Analytics и добавила в систему новые отчеты и возможности. Сразу скажу: новая версия вызвала у меня восторг! Обсуждать и исследовать нововведения можно очень долго, поэтому в первом обзоре остановимся лишь на самых важных.

Многие спрашивают, откуда берется заметное расхождение в данных о посещаемости сайтов, снятых различными способами. Причины такого расхождения ясны, если сравниваются системы статистики с разными принципами работы: например, анализатор лог-файлов считает посещения совсем не так, как JavaScript-счетчик, и не стоит ожидать от них совпадений. Однако, иногда схожие методы дают разные результаты: например, не совпадают данные, снятые Google Analytics и Яндекс.Метрикой. Правильно настроенные системы обычно выдают данные с разницей не более 1-2%, но что делать, когда погрешность больше?

Среднее месячное количество просмотров страниц Википедии на пользователя Интернета в течении июля, августа и сентября 2009 года.
Например, для России (из этой таблицы):
≈163 019 000 просмотров за месяц / 45 250 000 юзеров = 3.6 просмотра делает российский юзер в месяц.

Зеленым цветом показаны страны, где средний пользователь Интернета просматривает по крайней мере 10 страниц в месяц.
Красным показаны страны, где средний пользователь Интернета просматривает менее, чем одну страницу в месяц.

^{Использованы данные из списка стран по числу пользователей Интернета, которые устарели (нет данных за 2009) для нескольких стран (например, Индии, Бразилии, Польши, Гренландии), поэтому для них результат может получиться приукрашенным.}

Часть 1. Вступление.
Часть 2. Сбор данных.
Часть 3. Базовые метрики.
Часть 4. От статистики к аналитике
Часть 5. Разделяй и думай

Достучаться до небес

Самый активный евангелист веб-аналитики Авинаш Кошик в своем блоге уделяет значительное внимание темам, связанным с организацией работы: как убедить начальство в важности аналитики, а главное — как заставить компанию использовать полученные данные. То, что в них содержится важная для бизнеса информация, вроде бы не вызывает сомнений, но даже если руководство согласно с этим, оно обычно игнорирует выводы аналитика. В результате измерения на сайте не сопровождаются анализом изменений показателей, сам сайт делается “на глазок начальника”, а статистика используется только для рисования красивых графиков и общих оценок вроде посещаемости за месяц. Кошик называет это HiPPO, или “МСаВС” — мнение самых высокооплачиваемых сотрудников. С учетом того, что мнение на счет сайта есть у каждого сотрудника, активисту приходится ой как нелегко.

Часть 1. Вступление.
Часть 2. Сбор данных.
Часть 3. Базовые метрики.
Часть 4. От статистики к аналитике

Продолжим наше путешествие в мир веб-аналитики. В прошлой части мы наконец вплотную занялись анализом статистики и получением информации из собираемых данных. Оказалось, что мы можем отследить поведение пользователя, но не причины этого поведения. А для того, чтобы стимулировать желательные поступки и предотвращать нежелательные, нужно знать именно причину этих поступков.

Каким же образом опытные аналитики “залезают в голову” пользователю, имея лишь усредненные данные по сайту? Никакой магии. Они проводят процедуры, которые разбирают эти авгиевы конюшни:

— Сегментируют данные: разделяют всех пользователей на группы исходя из определенных критериев и рассматривают поведение не всех пользователей, а каждой из этих групп в отдельности.

— Строят предположения и проверяют их: выискивают вероятные объяснения для сложившейся ситуации и пытаются повлиять на ситуацию исходя из этих предположений, наблюдая за результатом.

Приступая к этим заметкам, пересмотрел хрестоматийный ролик «1984», которым компания Apple в свое время ярко противопоставила себя миру серости и занудства, под которым тогда подразумевались персональные компьютеры IBM.
Именно такие ассоциации порождает стартап Webvisor (Вебвизор). Он предлагает не просто принципиально новый подход к интернет-аналитике. Среди всех подобных систем он выделяется яркостью и наглядностью, противопоставляющими себя определенному занудству отчетов интернет-счетчиков, хотя бы и не похожих на Большого Брата. Подход WebVisor основан на детальном визуальном анализе поведения каждого посетителя.

Прошу простить за большую паузу между выпусками рассылки: мне нужно было время на подготовку к проведению большого тренинга и разгребание новых материалов. Что ж, много времени прошло, многое изменилось — даже слово “Интернет” теперь нужно писать с большой буквы! Больше такого не повторится, так что продолжим наше путешествие. Напомню адреса прошлых выпусков:

Часть 1. Вступление.
Часть 2. Сбор данных.
Часть 3. Базовые метрики.

Перед тем, как перейти к описанию метрик и технологий анализа, хочу еще раз напомнить о том, зачем мы тратим на это своё время.

Предыдущие части:
Часть 1. Вступление
Часть 2. Сбор данных

Пришло время поговорить о метриках — тех величинах, которые считает любая система статистики. Начнем с прямых метрик — тех, которые можно посчитать легко и без применения формул.

Перед тем, как анализировать данные статистики, нужно понимать, как они были собраны, какие из них могут быть неточными, и почему.

Сервер в интернете получает от браузера пользователя запросы и отдает данные. На каждый просмотр страницы сервер получает один запрос (на тело страницы), а затем несколько дополнительных (картинки, скрипты, таблицы стилей и другие дополнительные данные для отображения страницы). Скрипты на странице также могут генерировать запросы к серверу — в том числе, к отдельному серверу статистики.

Часть 1. Вступление.
Часть 2. Сбор данных.
Часть 3. Базовые метрики.
Часть 4. От статистики к аналитике
Часть 5. Разделяй и думай
Часть 6. Action!
Счетчики посещаемости знакомы всем пользователям интернета уже много лет. Многие владельцы сайтов ставят сразу несколько иконок разных счетчиков, и день за днём цифры на них растут и всё больше радуют хозяина.



Далеко не все знают, какую информацию можно извлечь из статистики сайта, кроме цифр посещаемости и, иногда, источников посетителей. Однако, современные системы статистики предоставляют куда больше возможностей для подсчета, обработки и анализа данных посещаемости. Их даже стали по-другому называть: «инструменты веб-аналитики»!

Сейчас большинство успешных коммерческих сайтов уделяет огромное внимание сбору и анализу статистических данных. В частности, крупнейший международный онлайн-магазин Amazon.com создал целый культ аналитики.

Раньше я готовился к РИФам основательно: давал интервью, бронировал номер или заявлялся докладчиком (на прошлом РИфе прочитал четыре доклада — в этот раз мой рекорд собирался превзойти Александр Милицкий). В нынешнем же году сорвался экспромтом, но здесь сыт и даже выиграл на конкурсе песни во время банкета РИФа бутылку самогона. Я спел песню со словами "… когда станут наши сайты прошлогодним вебом, станет зрелищем, всё то, что нам казалось хлебом...". Но именно репортажем с РИФа я и хотел начать этот блог.

Роман Филиппов, администратор AdRiver, вышел на сцену, чтобы сходу объявить о том, что в ушедшем году революции в медийной интернет-рекламе не случилось. И что в 2007-ом ее тоже не случится. Малый бизнес ушел в контекст, крупному бизнесу не хватает мест для размещения. Контекст уже не догнать (а ведь в 2000 году оборот RLE был больше оборота Яндекса). Мультискрин и другие технологии показов нескольких баннеров на одном рекламном месте за одну загрузку страницы отчасти решают проблему нехватки мест. Но не кардинально.

Прорыва в области видеорекламы также не произошло. Но тут есть и хорошая сторона. Видео в Интернете показывают непринудительно — показ идет с таргетингом и с запуском видео самим пользователем, а ролики должны быть креативными. Видеореклама в Интернете позволяет привлекать профессионалов. Креатив баннерной рекламы в Рунете (в том числе флэшовой) низок. А тут, дескать, придут корифеи…

Еще есть надежда на нестандартное взаимодействие с посетителем сайта. Что это такое? Если говорить моим языком — то это как чудо, которое потому и кажется таковым, что другому просто не подходит. Если говорить словами Филиппова, то получится примерно также: «реклама, которая не одна на всех». Если говорить общепринятым термином — то это поведенческий таргетинг.

Самое интересное из доклада Филиппова то, что инновации в интернет-рекламе замедлились именно потому что, что нет достаточного числа историй успеха. Оказывается, заказчики рекламных агентств обычно формулируют свои пожелания в форме «сделайте нам также как у...». То есть рекламное сообщество — сообщество эпигонов! Тогда становится понятным, почему Гагин так носится с собиранием кейсов для своей «Медиареволюции». Я-то думал, что наиболее ценной информацией являются истории неуспеха. Ученые симпозиумы позволяют в кулуарных беседах выяснить то, что ты идешь на по неверному пути, потому что научные публикации сообщают только о чьих-то успехах. Соответственно ценнейшей информацией являлось для меня то, что, к примеру, медийка не работает сейчас для интернет-торговли (если не считать пост-эффект), или что онлайновые викторины не увеличивают сейчас число читателей интернет-газет…

Далее другой докладчик, Сергей Журавлев, предложил термин «медиаволны».