Dansk version English version Norsk version Svensk version

Web Analytics Wednesday satte ny besøgsrekord

Med 130 besøgende til WAW CPH var der dømt webanalyse til den store guldmedalje i DSB’s kursuscenter på Østerbro

Web Analytics Wednesday

Hvor mange webanalytikere skal der til for at skifte en pære? Det er et rigtig godt spørgsmål, men hvis det havde været formålet med arrangementet i DSB’s kursuscenter ved Østerbro Station i København, så havde svaret været RIGTIG mange.

For med sine omkring 130 besøgende var det uden sammenligning det mest besøgte gå-hjem-møde i forbindelse med temaaftnerne Web Analytics Wednesday nogensinde. IIH Nordic stod som sædvanligt bag arrangementet, og der var virkelig også noget at komme efter både for nye og gamle i webanalysebranchen denne aften.

Aftenen blev indledt af Traceworks, der også var gavmild sponsor af arrangementet, og de fik fortalt om fordelene ved deres analyseprogram Headlight i forhold til sporing af kampagner og deres visioner for datadreven marketing.

Klassisk katastrofehistorie
Efter Traceworks opvarmning fik Waqas Rafiq fra Coop ordet. Efter han indledningsvis havde skuffet forsamlingen med, at han trods sin pakistanske baggrund og analytiske evner desværre ikke ikke kunne komme nærmere ind på, hvor Osama Bin Laden sandsynligvis gemte sig, gik Waqas Rafiq videre til at fortælle om Coops brug af webanalyse i forbindelse med nettorvet.dk igennem tiden.

Det udviklede sig til lidt af en katastrofefortælling om, hvordan det går, når store virksomheder, der ikke traditionelt har deres fokus på web, skal forsøge at drive en forretning i for dem uvant territorium.

Data – det holder vi da for os selv
Den manglende fokus resulterede i flere år med mangelfuld analyse, dårlig udnyttelse af adwords budget, manglende SEO-indsats og mange flere genvordigheder, som Waqas Rafiq fortalte meget åbent om.

En lille detalje som at Coop ikke deler deres data med nogen som helst andre end dem selv, gav selvfølgelig også lidt problemer, da de efter moden overvejelse besluttede sig for at outsource adwords til et bureau. For hvordan skulle de optimere kampagnen uden et ordentligt datagrundlag?

I dag er der kommet en kende mere kontrol over webanalysen hos Coop, hvor ledelsen har forståelse for webindsatsen og også bruger data fra analysen i forhold til deres offline butikker.

Mr. Webanalytiker comes to town
Efter en kort pause med heftig networking i korridorerne kom aftenens hovedtaler Jacob Kildebogaard på scenen med et levende oplæg om hans syn på Google Analytics. Jacob er medforfatter til Analyticsbogen og driver bloggen webanalytiker.dk, og hans rygte var kommet ham i forkøbet med gæster, der havde kørt helt fra Hobro for at høre ham.

Hans levende syn på, hvordan Google Analytics kunne bruges kunne da også spores ned i salen, hvor budskaberne om optimeringsmulighederne gik rent ind. Specielt demonstrationen af, hvordan en søgning på “fladskærm” i Hifiklubbens web shop ikke gav nogen fornuftige resultater illustrerede, hvordan mange både store og små virksomheder kunne få gavn af at se deres data igennem.

Jacob Kildebogaard slog også på vigtigheden af at “sælge” sine opdagelser til resten af organisationen, da man virkelig kan hente meget guld i analysen til gavn for mange af kollegaerne.

Hvor mange Sarah Bernhard-kager kan man egentlig spise?
Da Jacob var blevet klappet ud af salen og Steen Rasmussen fra IIH havde takket for den flotte deltagelse, stod den på åben buffet, hvor de mange analytikere straks gik i gang med at opsætte mål for, hvor mange Sarah Bernhard-kager de egentlig kunne spise i løbet af en time, når de også skulle nedsvælge to fadøl og en håndfuld frikadeller.

Ny Google Analytics feature: asynkron sporing

Google Analytics lancerede den 1. december asynkron sporing, der ændrer måden data bliver sendt til Google Analytics. Scriptet benytter sig nu af en ajax-fremgangsmåde, der gør load-hastigheden og eksekveringen af koden hurtigere og smartere.

Alle de indstillinger eller kommandoer man sender til Google Analytics, tilføjer man til en “kø” i form af  _gaq-array-objektet, der så sendes (pushes) til Google Analytics.

Fordelene:

  • Bedre load-tider. Ved den gamle måde er siden først loadet når Google-billedet (utm.gif-filen) er hentet, ved denne nye metode (ajax) henter den billedet i baggrunden efter siden er hentet – og uafhængigt af den yderligere brug af siden.
  • Større data-præcision – den simultane, eller asynkrone, fremgangsmåde gør at Google Analytics scriptet ikke ramler sammen med resten af sidens kode.
  • Der kommer ikke længere fejl i data, der er betinget af at Google Analytics er loadet. Hvis en bruger hopper fra en side til en anden side, uden at scriptet er helt færdig-loadet eksempelvis.
  • Der er ikke nogle javascript-variable-navne konflikter længere. Hvis man andetsteds på ens side navngiver nogle javascript-variable der er ens med nogle af Google Analytics’ navne, kunne det skabe problemer.
  • Ved fuld browser-implementering af HTML5, vil efterfølgende scripts blive loadet med det samme og ikke vente på ga.js-filen.

Det er vigtigt at bemærke, at tiltaget er valgfrit og at der vil stadigvæk blive supporteret på den gamle metode. Så det er altså op en selv at vælge. En grund til at man skulle bevare den gamle metode kunne være, at sikre at brugere hvis browser ikke understøtter AJAX, også blev sporet – og måske at den nye metode blot er i beta (som alt andet Google udvikler er). Google anbefaler, at man ikke benytter begge scripts på én gang.

Læs mere om implementeringen her, læs om videre brug her og her er en migrerings-guide. Teknisk gennemgang af javascript-blokering.

Det nye script vil selvfølgelig blive gennemgået og forklaret yderligere på vores Google Analytics kursus.

Opdatering: Asynkron loading er standard feature i js, en tekniske smutter som Vadskær var så venlig at påpege.

Trafikkredittering – et uundværligt statistisk værktøj

Få et uundværligt statistisk værktøj, du ikke vidste du manglede – ved hjælp af teori, matematik og generelle overvejelser.

Trafikkredittering – eller kunsten at tilskrive de korrekte kilder til de korrekte besøgende, er en svær webanalytisk disciplin. Det gælder om, at holde tunge lige i munden når man opsætter sin analyse og læser sit webanalyse data.

Vælg de rigtige fokusområder i din online markedsføring
Faldgruberne er mange – flere domæner, underlige redirects, dynamiske sider, der omskriver brugernes data, og så videre. Ikke desto mindre, er det vigtigt at forstå sine brugeres adgang til siden. At kunne kreditere pludselige chok til besøgstallet, konverteringsraten eller bounce raten til de korrekte kilder, så man kan vælge de rigtige fokusområder til ens online markedsføringsindsats og hjemmesideoptimering.

Overordnet set kan man dele trafikkilderne op i to størrelser:

  1. direkte besøgende, eller
  2. besøgende fra henvisninger fra en ekstern instans.

Besøgende, der eksempelvis trykker på et link fra webanalytiker.dk til iihnordic.dk, vil kategoriseres som en bruger fra en henvisende trafikkilde (kategori 2). En besøgende der direkte skriver iihnordic.dk ind i adressebaren, vil være et direkte besøg (kategori 1).

Man kan selvfølgelig indvende, at afhængig af graden af teoretisk tilgang, kunne man helt undlade direkte besøg. Da alle personer ankommer på siden på baggrund af en eller anden form for henvisning – offline eller online.

NB. Denne opdeling er rent teoretisk, men vil være et godt udgangspunkt i forståelsen af hvordan webanalyse-værktøjer krediterer trafikkilder.

For at opnå en større forståelse for kilderne er de kategoriseret nedenfor:
Skærmbillede 2009-11-25 kl. 15.55.15

NB. Det er stadigvæk en ren teoretisk opdeling, og der vil i praksis være forskel i kategoriseringen af trafikkilderne på grund af tekniske barrierer.

Her er henvisningerne delt op i tre underkategorier. Besøgende fra søgemaskiner (Google, Bing, eller lignende), der endvidere er opdelt i organisk og betalt søgetrafik.

Kampagner, som er al trafik fra online eller offline kampagner. Det kan være bannerannoncering, affiliate marketing eller fra en bulletinreklame – og er altså af gode grunde en rodekasse som med fordel kan opdeles yderligere (som udgangspunkt placeres trafik fra nyhedsbrev og lignende også her).

Trafik fra eksterne kilder er nu blot al trafik fra eksterne hjemmesider og ikke-HTML-klienter (teknisk betegnelse for e-mail-klienter, software, bogmærker eller lignende).

Opdelingen kan opskrives som:

eqn9030

Hvor P betegner totale sidevisninger i en given periode (perioden er implicit givet, men vi kunne med fordel indsætte et t som fodtegn for hver komponent for at uddybe, at vi bevæger os i diskret tid – en måned eksempelvis). Identiteten må teoretisk set altid summe – hovedsagligt fordi X-komponenten decideret beregnes residualt (fint ord for tilbageblivende rest):

eqn6813

Hvor XNON derved betegner alt eksternt trafik, der ikke kunne krediteres (det indbefatter også offline indgange – besøgende der har hørt om siden andetsteds fra).

Nu har vi et teoretisk udgangspunkt, og kan bevæge os over i et mere praktisk baseret perspektiv. Lad os tage udgangspunkt i Google Analytics terminologi, og se hvorledes den passer med vores teori.

Google Analytics har som udgangspunkt en firedelt kategorisering:

1. (none) Betegner alle de besøg, der ikke entydigt kunne spores til nogle kilde
2. referral Betegner alt henvisningstrafik
3. organic Betegner besøg fra organiske søgeresultater
4. cpc Betegner besøg fra betalte søgeresultater

Altså en mere bred betegnelse af de besøgende. Organic (3) og cpc (4) betegner hhv. Sorganic og Scpc (med udgangspunkt i hvad Google Analytics kender til af søgemaskiner), referral (2) betegner XHTML og (none) (1) betegner XNON og D.

Desværre har vi teknisk set ikke mulighed for at adskille direkte besøg og besøgende fra ikke-HTML-klienter.

Teoretisk:

CodeCogsEqn

Google Analytics:

CodeCogsEqn-1

Bemærk, at vi har undladt kampagnerne (C), der betegnes som other i Google Analytics, og er defineret ud fra den manuelle kampagnesporing som Google Analytics benytter sig af. Disse falder under X-komponenten.

I figur 1 ses udviklingen i absolutte tal for en given tidsperiode (her vist med en måned som interval) for en given hjemmeside i de forskellige komponenter (weekenderne er tegnet ind):

Figur 1 – Den absolutte udvikling i komponenterne (en måned):
graf1

Her har vi altså dekomponeret de besøgende, og får umiddelbart et meget mere klart indblik i udviklingen.

Dog viser denne figur blot den kvantitative udvikling, og det kan være meget relevant at svare på mere kvalitative spørgsmål; hvorfor steg besøgstallet i en given periode?

For at kunne besvare dette, kan man benytte sig af vækstbidragsberegning.

Bidrag fra delkomponenter til samlede besøgstal udregnes således:

gif.latex

Hvor man altså tager væksten i delkomponenten (delkomponent, t+1) i forhold til det samlede besøgstal i perioden før (t). Hvis vi eksempelvis vil finde vækstbidraget fra søgetrafik i periode 2 (februar), lyder ligningen:

gif-1.latex

Den generelle månedlige vækstrate for et givent år ses i figur 2. Jeg har opdelt perioden i tre konjunkturer, som principielt findes ved at se om periodens vækstrate ligger over eller under den gennemsnitlige vækstrate for hele perioden (periodevalg afhænger af ens temperament).

Figur 2 – Vækstrater (et år):
graf2

Og for at grave dybere ned i tallene, kan man ved hjælp af vækstbidragsberegning komme frem til figur 3. Her er trenden, og den procentuelle vækstrate tegnet ind, hvilket er en god idé, da de beskriver de reelle ændringer.

Figur 3 – Vækstbidrag fra de forskellige komponenter, inkl. tendens- og vækstratekurver:
graf3

Hvor man derfor kan forklare vækstraterne ud fra den individuelle vækst i de forskellige delkomponenter.

Det er dog vigtigt at pointere, at vi her bevæger os i relative tal, og vækstbidragsberegning foregår i den anden afledet (som man kalder det), – vi kigger altså på ændringer i relative størrelser, så inden man konkluderer en masse ting, skal man altid kigge tilbage til de absolutte størrelser.

Hvorfor det også er vigtigt, når man udarbejder disse analyser, at benytte sig af nogenlunde stabile størrelser (og gerne høje niveauer), så man undgår et sløret billede, med voldsomme chok grundet små ændringer.

Det skal bemærkes, at brugen af antal sidevisninger som overordnet mål, ikke er det mest korrekte valg, men man kunne benytte sig af alle andre tænkelige mål.

Eksempelvis ville konverteringer være et mere sigende kvalitativt mål, men princippet er det samme.

Eksempel Excel-fil: Download


  • IIH Nordic via RSS
  • IIH på Facebook
  • Følg IIH på Twitter
    Besøg vores Twitter-profil. Følg IIH Nordic på Twitter
  • Følg IIH på Google+
  • IIH Nyhedsbrev

    Få information om nye kurser og tips til hvordan du optimerer dine online markedsføringsaktiviteter.


www.iihnordic.dk - IIH | Lille Strandstræde 6 | 1254 København K | Telefon: +45 70 20 29 19 | Fax: + 45 77 33 40 01 | iih@iihnordic.com