Godzina dziennie z Web Analytics. Stwórz dobr¹ strategiê e-marketingow¹

Transkrypt

1 Godzina dziennie z Web Analytics. Stwórz dobr¹ strategiê e-marketingow¹ Autor: Avinash Kaushik T³umaczenie: Tomasz Walczak ISBN: Tytu³ orygina³u: Web Analytics: An Hour a Day Format: 180x235, stron: 496 Czy potrafisz odpowiedzieæ na pytanie, ile osób dziennie odwiedza Twój serwis lub blog? Jak d³ugo przebywaj¹ w Twoim sklepie i która strona przyci¹ga najwiêcej klientów? Je eli jesteœ w stanie przytoczyæ te dane, z pewnoœci¹ korzystasz z narzêdzi pozwalaj¹cych na analizê ruchu na Twojej witrynie. Je eli jednak nie masz bladego pojêcia, jak interpretowaæ i wykorzystaæ te informacje, dziêki tej ksi¹ ce równie i Ty zaczniesz efektywnie korzystaæ ze statystyk! Analizy ruchu na stronie oferuje wiele Ÿróde³, jednak dopiero us³uga uruchomiona przez Google Analytics w 2005 roku sprawi³a, e zaawansowane narzêdzia sta³y siê dostêpne dla przeciêtnego webmastera. Autor tej niezwyk³ej ksi¹ ki Avinash Kaushik, pracownik firmy Google poka e Ci krok po kroku, jak opracowaæ skuteczn¹ strategiê analizy danych internetowych. Przekonasz siê, e wystarczy zaledwie godzina dziennie z Web Analytics, by znacznie poprawiæ wyniki ogl¹dalnoœci i dochody Twojego serwisu. Dowiesz siê miêdzy innymi, w jaki sposób zbieraæ dane do analizy, oraz poznasz dostêpne analizy jakoœciowe. Ponadto zrozumiesz kluczowe elementy skutecznej strategii analizy danych internetowych oraz nauczysz siê przeprowadzaæ tê analizê. W kolejnych rozdzia³ach zapoznasz siê tak e z dostêpnymi miarami, analiz¹ w obszarze wyszukiwania, sporz¹dzaniem raportów czy te analizowaniem witryn z nurtu Web 2.0. Historia analiz danych internetowych Analizy zachowania, skutków i doœwiadczeñ Sposoby zbierania danych do analizy Pozyskiwanie danych na temat konkurencyjnoœci Dostêpne analizy jakoœciowe Elementy skutecznej strategii analizy danych internetowych Najlepsze praktyki w tym zakresie Wybór optymalnego narzêdzia do prowadzenia analiz Dostêpne miary w analizie danych internetowych Pomiar kosztów oraz zwrotu z inwestycji Ustalanie czytelników serwisu Analiza w obszarze wyszukiwania Analiza skutecznoœci kampanii PPC Analiza skutków marketingu owego oraz wielokana³owego Opracowanie skutecznych raportów podsumowuj¹cych Zastosowanie procesu DMAIC Analiza stron z nurtu Web 2.0 Mity z obszaru analizy danych internetowych Obliczanie wspó³czynnika konwersji Pozyskiwanie konsultantów oraz ekspertów wewnêtrznych Zwiêksz popularnoœæ swojej witryny dziêki efektywnym analizom danych internetowych!

2 Spis tre ci Przedmowa...19 Wprowadzenie...23 Rozdział 1. Web Analytics dziś i jutro Krótka historia analizy danych internetowych...32 Obecne warunki i wyzwania...36 Tradycyjna analiza danych internetowych to przesz o...38 Jak powinna wygl da analiza danych internetowych?...40 Pomiar co i dlaczego...43 Metoda Trinity nastawienie i podej cie strategiczne...45 Rozdział 2. Zbieranie danych znaczenie i możliwości Zrozumienie róde danych...54 Dane ze strumieni klikni...56 Dzienniki sieciowe...56 Pliki jednopikselowe...58 Znaczniki JavaScript...61 Przechwytywanie pakietów...65 Dane na temat skutków...70 Sklepy internetowe...71 Generowanie list potencjalnych klientów...72 Marka i promowanie produktów oraz pomoc techniczna...72 Dane z bada...74 Nastawienie...74 Struktura organizacyjna...75 Czas...75 Dane na temat konkurencyjno ci...76 Pomiary panelowe...77 Pomiary oparte na danych od ISP...78 Dane z wyszukiwarek SPIS TRE CI Rozdział 3. Przegląd analiz jakościowych Istota koncentracji na kliencie...84 Laboratoryjne testy u yteczno ci...84 Przeprowadzanie testów...86 Zalety laboratoryjnych testów u yteczno ci...88 Na co nale y zwróci uwag...89

3 12 Ocena heurystyczna...90 Przeprowadzanie oceny heurystycznej...91 Zalety stosowania oceny heurystycznej...93 Na co nale y zwróci uwag...94 Wizyty w siedzibie klienta...94 Przeprowadzanie wizyty w siedzibie klienta...95 Zalety wizyt w siedzibie klienta...97 Na co nale y zwróci uwag...97 Ankiety (kwestionariusze)...97 Ankiety wy wietlane w witrynie...98 Ankiety przesy ane po wizycie...99 Tworzenie i przeprowadzanie ankiety...99 Zalety stosowania ankiet Na co nale y zwróci uwag Podsumowanie SPIS TRE CI Rozdział 4. Kluczowe elementy skutecznej strategii analizy danych internetowych Koncentracja na kliencie Odpowiedzi na pytania biznesowe Regu a 10/ Zatrudnianie doskona ych analityków internetowych Okre lanie optymalnej struktury organizacyjnej i obowi zków Centralizacja Decentralizacja Scentralizowana decentralizacja Rozdział 5. Podstawy analizy danych internetowych Zbieranie danych dzienniki sieciowe czy znaczniki JavaScript? Oddzielenie procesu udost pniania danych od ich zbierania Rodzaj i rozmiar danych Innowacje Integracja Wybór optymalnego narz dzia do analizy danych internetowych Dawny sposób Nowy sposób Okre lanie jako ci danych ze strumieni klikni Stosowanie najlepszych praktyk Oznaczanie wszystkich stron Znaczniki nale y umieszcza na ko cu (na pierwszym miejscu trzeba stawia klienta!) Nale y u ywa znaczników wewn trzwierszowych Okre lanie definicji niepowtarzalnej strony Inteligentne u ywanie plików cookie Uwzgl dnienie problemów z kodowaniem odno ników...152

4 Rozdział 6. Nale y uwzgl dni przekierowania Walidacja zebranych danych Prawid owe rejestrowanie operacji w witrynach bogatych w multimedia Trzypoziomowy test i co z tego? Kluczowy wska nik wydajno ci: procent wracaj cych u ytkowników Kluczowy wska nik wydajno ci: g ówne strony wyj ciowe Kluczowy wska nik wydajno ci: wspó czynnik konwersji dla najcz ciej szukanych s ów Miesiąc 1. Zgłębianie najważniejszych zagadnień z obszaru analizy danych internetowych Tydzie 1. Przygotowania do zrozumienia podstaw Poniedzia ek i wtorek: adresy URL roda: parametry adresów URL Czwartek i pi tek: pliki cookie Tydzie 2. Powrót do podstawowych miar Poniedzia ek: odwiedziny i u ytkownicy Wtorek i roda: czas w witrynie Czwartek i pi tek: liczba wy wietle stron Tydzie 3. Poznawanie standardowych raportów Poniedzia ek i wtorek: wspó czynnik odrzuce Od rody do pi tku: odno niki wej ciowe ród a i szukane wyra enia Tydzie 4. Korzystanie z raportów na temat nawigacji i poziomu zawarto ci witryny Poniedzia ek i wtorek: listy stron najcz ciej ogl danych, wej ciowych i wyj ciowych roda: najpopularniejsze punkty docelowe (odno niki wyj ciowe) Czwartek i pi tek: nak adki na witryny (mapy cz stotliwo ci klikni ) SPIS TRE CI Rozdział 7. Miesiąc 2. Analiza danych internetowych szybki start Wymagania wst pne i ramy Tydzie 1. Tworzenie podstawowych raportów Poniedzia ek: najpopularniejsze ród owe adresy URL i najpopularniejsze szukane wyra enia Wtorek: popularno zawarto ci witryny i wizyty na stronie g ównej roda i czwartek: cz stotliwo klikni (nak adki na witryny) Pi tek: wspó czynnik odrzuce witryny Witryna sklepu internetowego szybki start Tydzie 2. Pomiar skutków dzia a firmy Tydzie 3. Ocena wyników na podstawie celów oraz pomiar skuteczno ci marketingowej i zadowolenia klientów Witryna pomocy technicznej szybki start Tydzie 2. Wchodzenie w rol klienta i pomiar wp ywu witryny na tradycyjne kana y Tydzie 3. Pomiar sukcesu na podstawie g osu lub ocen klientów na poziomie witryny i stron Pomiar blogów szybki start Tydzie 2. Przezwyci anie z o ono ci w celu pomiaru podstaw przy u yciu nowych miar Tydzie 3. Konkurencyjny punkt odniesienia oraz pomiar kosztów i zwrotu z inwestycji Tydzie 4. Refleksje i podsumowanie...233

5 14 SPIS TRE CI Rozdział 8. Miesiąc 3. Analiza w obszarze wyszukiwania wyszukiwanie wewnętrzne, SEO i PPC Tydzie 1. Analiza wyszukiwania wewn trznego w witrynie Poniedzia ek: poznawanie warto ci wyszukiwania wewn trznego Wtorek: wykrywanie trendów w wyszukiwaniu wewn trznym roda: analiza cz stotliwo ci klikni za pomoc nak adki na witryn Czwartek: pomiar efektywno ci wyników wyszukiwania Pi tek: pomiar skutków zwi zanych z wyszukiwaniem wewn trznym Tydzie 2. Rozpocz cie optymalizacji witryny pod k tem wyszukiwarek Poniedzia ek: zrozumienie wp ywu odno ników i ich optymalizacja Wtorek: odno niki do publikacji prasowych i witryn spo eczno ciowych roda i czwartek: optymalizacja znaczników i zawarto ci na stronach Pi tek: dodawanie wskazówek na potrzeby robotów wyszukuj cych Tydzie 3. Pomiar skutków SEO Poniedzia ek: sprawdzanie poziomu zindeksowania witryny Wtorek: ledzenie odno ników wej ciowych i najpopularniejszych szukanych s ów roda: oddzielenie naturalnych odno ników wej ciowych od PPC Czwartek: pomiar warto ci naturalnych odno ników wej ciowych Pi tek: pomiar wp ywu optymalizacji na najpopularniejsze strony Tydzie 4. Analiza skuteczno ci kampanii PPC Poniedzia ek: podstawy PPC Wtorek: pomiar wska ników zwi zanych z ofertami roda: definiowanie kluczowych miar wp ywaj cych na wyniki firmy Czwartek: pomiar liczby niepowtarzalnych u ytkowników Pi tek: najlepsze praktyki tworzenia raportów na temat PPC Rozdział 9. Miesiąc 4. Pomiar marketingu owego i wielokanałowego Tydzie 1. Podstawy (i nie tylko) marketingu owego Poniedzia ek: podstawy marketingu owego Wtorek i roda: pomiar podstawowych wska ników dotycz cych odpowiedzi Czwartek i pi tek: pomiar skutków Tydzie 2. Marketing owy zaawansowana obserwacja skutków Poniedzia ek i wtorek: pomiar efektywno ci witryny roda: unikanie pu apek w analizie kampanii owych Czwartek i pi tek: integracja kampanii owej z narz dziem do analizy danych internetowych Tygodnie 3. i 4. Marketing wielokana owy ledzenie skutków i analiza Tydzie 3. Wprowadzenie do marketingu wielokana owego i ledzenie tradycyjnych kampanii skoncentrowanych na internecie Tydzie 4. ledzenie i analizowanie marketingu wielokana owego...275

6 Rozdział 10. Miesiąc 5. Eksperymenty i testy związane z witryną osiąganie znaczących skutków dzięki uwzględnianiu opinii klientów Tygodnie 1. i 2. Po co testowa i jakie s mo liwo ci? Tydzie 1. Przygotowania i testy A/B Tydzie 2. Poza testy A/B Tydzie 3. Co testowa? Konkretne mo liwo ci i pomys y Poniedzia ek: testowanie wa nych stron i wezwa do dzia ania Wtorek: koncentracja na ruchu z wyszukiwarek roda: testowanie tre ci i materia ów Czwartek: testy cen i promocji Pi tek: testowanie kampanii marketingu bezpo redniego Tydzie 4. Tworzenie doskona ego programu eksperymentów i testów Poniedzia ek: hipotezy i okre lanie celów Wtorek: testy i walidacja pod k tem wielu celów roda: przechodzenie od testów prostych do z o onych i rado z pracy Czwartek: koncentracja na wiedzy eksperckiej i propagowaniu testów Pi tek: wdra anie dwóch kluczowych elementów ka dego programu testów Rozdział 11. Miesiąc 6. Trzy sekrety praktycznej analizy danych internetowych Tydzie 1. Wykorzystanie punktów odniesienia i celów do motywowania do dzia a Poniedzia ek i wtorek: znaczenie punktów odniesienia i ustalania celów roda: wykorzystywanie zewn trznych punktów odniesienia Czwartek: wykorzystywanie wewn trznych punktów odniesienia Pi tek: zach canie i ustalanie celów Tydzie 2. Opracowywanie skutecznych raportów podsumowuj cych dla zarz du Poniedzia ek: udost pnianie kontekstu punkty odniesienia, segmenty i trendy Wtorek: wyodr bnianie kilku kluczowych miar roda: nie poprzestawaj na miarach do cz te wnioski Czwartek: ograniczanie raportu podsumowuj cego do jednej strony Pi tek: wygl d ma znaczenie Tydzie 3. Stosowanie najlepszych praktyk w tworzeniu skutecznych programów opartych na raportach podsumowuj cych Poniedzia ek: wybór miar zgodnych z modelem Trinity pod k tem dalekiej perspektyw Wtorek: tworzenie istotnych raportów podsumowuj cych roda: jedna miara jeden w a ciciel Czwartek: od s ów do czynów Pi tek: pomiar skuteczno ci raportów podsumowuj cych Tydzie 4. Stosowanie podej cia Six Sigma i doskona o ci procesu w analizie danych internetowych Poniedzia ek: wszystko jest procesem Od wtorku do czwartku: stosowanie procesu DMAIC Pi tek: analiza zdobytej wiedzy SPIS TRE CI

7 Rozdział 12. Miesiąc 7. Analizy konkurencji i witryn z nurtu Web Analizy konkurencji Tydzie 1. Raporty na temat ruchu w konkurencyjnych witrynach Tydzie 2. Raporty na temat wyszukiwarek Analizy witryn z nurtu Web Tydzie 3. Pomiar sukcesu bogatych aplikacji internetowych Tydzie 4. Pomiar sukcesu róde RSS SPIS TRE CI Rozdział 13. Miesiąc 8. i następne. Rozwiewanie mitów z obszaru analizy danych internetowych Do czego s u analizy cie ek? Do niczego Problemy w obszarze analizy cie ek Inna mo liwo raport sekwencji grup stron Wspó czynnik konwersji bezwarto ciowa obsesja Problemy zwi zane ze wspó czynnikiem konwersji Inna mo liwo wspó czynnik uko czenia zada ze wzgl du na g ówny cel Perfekcja umar a doskona o, niech yje doskona o Doskona e dane Z pr dko ci sieci Fragmentaryczne dane z wielu róde Dane w czasie rzeczywistym nieznacz ce i kosztowne Efekty dost pu do danych w czasie rzeczywistym Lista kontrolna do okre lania gotowo ci na dane w czasie rzeczywistym Standardowe wska niki KPI mniej znacz ce, ni s dzisz Rozdział 14. Zagadnienia zaawansowane analiza danych internetowych ze wspomaganiem Odblokowywanie pot gi istotno ci statystycznej Wykorzystanie zdumiewaj cej pot gi segmentacji Segmentacja na podstawie wspó czynnika odrzuce Segmentacja na podstawie wyszukiwarek czenie danych na temat wyszukiwarek i ucieczek Okre lanie trendów w segmentach Zrozumia e analizy i raporty U ywanie adnych rysunków U ywanie zrozumia ego j zyka Najlepsze praktyki przy obliczaniu wspó czynnika konwersji Pomijanie ogólnego wspó czynnika konwersji dla ca ej witryny Uwzgl dnianie trendów i sezonowo ci Zrozumienie strategii pozyskiwania klientów przez witryn i firm Pomiar wspó czynnika konwersji z podzia em na pi najwa niejszych wej ciowych adresów URL Rezygnacja z pomiaru wspó czynnika konwersji dla stron i odno ników...422

8 Obsesyjna segmentacja Przedstawianie przychodów obok wspó czynnika konwersji Pomiar wspó czynnika konwersji pod k tem celu Usprawnianie analiz z obszaru SEM i PPC Pomiar wspó czynnika odrzuce (zagregowanego i wed ug najpopularniejszych szukanych wyra e ) Kontrola us ugodawców i agencji Pomiar wspó czynnika kanibalizacji ruchu naturalnego przez kampanie PPC Agresywne stosowanie testów i eksperymentów Zrozumienie wielu celów klientów Pomiar cudownego wspó czynnika rezygnacji Stosowanie segmentacji do wspó czynnika rezygnacji Wyci ganie praktycznych wniosków i podejmowanie dzia a Pomiar liczby dni i wizyt do zakupu Jak mierzy omawiane wska niki? Wyci ganie praktycznych wniosków i podejmowanie dzia a Wykorzystanie statystycznych limitów kontrolnych Obliczanie limitów kontrolnych Praktyczny przyk ad zastosowania limitów kontrolnych Pomiar rzeczywistego zakresu mo liwej poprawy Uwzgl dnianie wspó czynnika odrzuce Odfiltrowywanie wizyt robotów wyszukuj cych i oprogramowania do kontroli witryny oraz b dów 404 i da rysunków Uwzgl dnienie celów klientów Podejmowanie dzia a SPIS TRE CI Rozdział 15. Budowanie kultury opartej na danych praktyczne kroki i najlepsze praktyki Kluczowe umiej tno ci mened erów kierowników dzia u analizy danych internetowych Prawdziwa pasja Akceptacja i d enie do zmian Kwestionowanie danych a do przesady Nastawienie na innowacje pod k tem klienta Niekoniecznie mistrzowie liczb Naturalne zdolno ci biznesowe i rozs dek Wybitne umiej tno ci interpersonalne Kiedy i jak zatrudnia konsultantów oraz ekspertów wewn trznych? Etap 1. Narodziny Etap 2. Od niemowl cia do nastolatka Etap 3. Szalona m odo Etap 4. Dojrza o po trzydziestce Siedem etapów budowania kultury podejmowania decyzji na podstawie danych Wyj cie od wyników (skutków) Zrozumienie, e raporty to nie analizy, i promowanie tych ostatnich...472

9 Bezosobowe podejmowanie decyzji Zachowania proaktywne zamiast reaktywnych Du e uprawnienia dla analityków Stosowanie podej cia Trinity My lenie w kategoriach procesu Skorowidz SPIS TRE CI

10 Web Analytics dzi i jutro 20 marca 2007 roku wyszukiwanie wyra enia web analytics + definition w wyszukiwarce Google da o wyników w 0,11 sekundy. Potwierdza to z o ono i d ug histori tej wspania ej dziedziny (oraz szybko generowania wyników przez wyszukiwark Google). Rozdzia 1[SR1] 31 WEB ANALYTICS DZI I JUTRO

11 Stowarzyszenie Web Analytics Association ( zaproponowa o niedawno standardow definicj analizy danych internetowych: Analiza danych internetowych to obiektywne ledzenie, zbieranie, mierzenie, tworzenie raportów i analizowanie ilo ciowych danych internetowych w celu optymalizacji witryn oraz internetowych kampanii marketingowych. Analiza danych internetowych ma swe pocz tki w latach 90. Jednak jej pierwsz standardow definicj (przedstawion powy ej) zaproponowano dopiero w roku 2006, co pokazuje, jak m oda jest to dziedzina. Krótka historia analizy danych internetowych 32 ROZDZIA 1: WEB ANALYTICS DZI I JUTRO W pocz tkowym okresie istnienia internetu korzystanie z niego by o stosunkowo proste. U ytkownik wpisywa adres i ujednolicony lokalizator zasobu (ang. Uniform Resource Locator URL), otrzymywa plik z tekstem i odno nikami, po czym ca a interakcja si ko czy a. ycie by o wtedy proste. Zauwa ono, e czasem pojawia y si b dy, które powodowa y, e nie mo na by o udost pni pliku, lub e zawiera on nieprawid owe odno niki. Wtedy to sprytni ludzie wymy lili dzienniki serwera do rejestrowania b dów i wykorzystali je do wyszukiwania informacji o wizytach (ang. hit) do serwera sieciowego (wtedy wizyta odpowiada a po prostu daniu zwrócenia pliku). Wspomniane dzienniki serwera rejestrowa y nie sam fakt odwiedzin u ytkownika w witrynie, ale tak e dodatkowe informacje: nazw pliku, czas, ród o dania (witryn lub stron internetow ), adres IP, identyfikator przegl darki, nazw systemu operacyjnego i tak dalej. Praca stawa a si coraz ciekawsza, poniewa mo na by o dowiedzie si czego o ródle dania. Wraz z powi kszaniem si dzienników i wzrostem zainteresowania danymi osób spoza wiata techniki jeszcze sprytniejsza osoba napisa a pierwszy skrypt, który automatycznie przetwarza pliki dziennika i wy wietla podstawowe wska niki (rysunek 1.1). W ten sposób narodzi a si analiza danych internetowych. Rysunek 1.1. Prosty raport programu Analog w wersji 0.9 (beta)

12 Program Analog napisany przez doktora Stephena Turnera w 1995 roku by pierwsz aplikacj do analizy plików dziennika powszechnie dost pn w sieci WWW. Wci jest to jedno z najcz ciej u ywanych narz dzi do analizy danych internetowych i jest zainstalowane w witrynach wi kszo ci dostawców us ug internetowych (ang. Internet Service Provider ISP). Analog i podobne mu programy u atwi y rozpowszechnienie si analizy danych internetowych poza dzia y informatyczne firm. Raporty by y coraz adniejsze, a pracownicy z dzia u marketingu mogli wreszcie zrozumie, co si dzieje w witrynie. W latach standardowi u ytkownicy internetu mogli zetkn si ze statystykami z uwagi na rozpowszechnienie si wspania ego narz dzia nazywanego licznikiem. Liczniki odwiedzin na stronach by y prawdopodobnie pierwszym przyk adem sieciowego marketingu wirusowego (ich wprowadzenie przypisywane jest firmie Web-Counter). Liczniki pojawi y si w ka dym miejscu sieci WWW. By y ciekawe, a zarazem informowa y o popularno ci strony. Komercyjna analiza danych internetowych rozpocz a si kilka lat pó niej, a jej najbardziej znanym owocem by program WebTrends. Aplikacja ta opiera a si na wzbogaconym parserze standardowych plików dziennika, jednak co jeszcze wa niejsze, generowa a tabele i eleganckie wykresy, które ostatecznie wprowadzi y analiz danych internetowych do zespo ów biznesowych (przyk adowe dane wyj ciowe programu WebTrends przedstawia rysunek 1.2). Rysunek 1.2. Przykładowy raport programu WebTrends 33 KRÓTKA HISTORIA ANALIZY DANYCH INTERNETOWYCH Do roku 2000, kiedy to popularno sieci WWW wci ros a w tempie wyk adniczym, analiza danych internetowych sta a si ugruntowan dziedzin bada. Kluczowymi dostawcami us ug w tej bran y byli Accrue, WebTrends, WebSideStory i Coremetrics. Firmy te udost pnia y coraz bardziej zaawansowane rozwi zania, które generowa y olbrzymie ilo ci danych. Mniej wi cej w tym samym czasie us ugodawcy i klienci w bran y analizy danych internetowych odkryli, e dzienniki serwera niekoniecznie s optymalnym ród em informacji. Stosowanie dzienników wi za o si z nast puj cymi problemami: Zapisywanie stron w pami ci podr cznej przez dostawców us ug internetowych. Problem ten polega na tym, e po utworzeniu kopii strony na serwerze dostawcy

13 34 ROZDZIA 1: WEB ANALYTICS DZI I JUTRO us ug internetowych wszystkie nast pne dania powoduj zwrócenie w a nie jej, a operacje te nie s rejestrowane w plikach dziennika witryny. Roboty wyszukuj ce. Wraz z rosn c popularno ci wyszukiwarek roboty wyszukuj ce cz sto przegl daj witryny i pozostawiaj w dziennikach wpisy niezwi zane z odwiedzinami u ytkowników. Te wpisy tak e s uwzgl dniane we wska nikach. Cho mo na odfiltrowa odwiedziny robotów, trudno jest nad y z rejestrowaniem ich wszystkich, a ponadto staj si one coraz sprytniejsze. Niepowtarzalni u ytkownicy. Poniewa coraz wi cej osób ma dynamicznie przypisywany adres IP i odwiedza strony przy u yciu serwerów po rednicz cych, trudno jest okre li liczb niepowtarzalnych u ytkowników. Dostawcy uciekaj si do u ywania adresu IP w po czeniu z identyfikatorem agenta (identyfikator ten obejmuje system operacyjny i przegl dark u ytkownika), jednak tak e to rozwi zanie nie jest doskona e. Mo na te zastosowa pliki cookie ustawiane przez witryn, jednak nie wszystkie dzia y informatyczne korzystaj z tej techniki. Z tych i innych przyczyn nowym standardem zbierania danych na temat u ytkowania witryny sta y si znaczniki JavaScript (wiersze kodu w tym j zyku). Jest to du o prostsza technika. Wystarczy doda do ka dej strony kilka wierszy kodu JavaScript, który zostanie uruchomiony po wczytaniu strony i prze le dane do rejestruj cego je serwera. Poni ej przedstawiono przyk adowy kompletny znacznik JavaScript u ywany przez Crazy Egg now firm wiadcz c us ugi w obszarze analizy danych internetowych: <script type="text/javascript"> //<![CDATA[ document.write('<scr'+'ipt src=" (new Date()).getTime()+'" ~CAtype="text/javascript"></scr'+'ipt>'); //]]> </script> Pliki dziennika oparte na kodzie JavaScript s atwiejsze w konserwacji ni pliki dziennika serwera. Powoduj tak e, e za zbieranie i przetwarzanie danych zazwyczaj odpowiadaj nie wewn trzne, firmowe dzia y informatyczne, ale dostawcy us ug z obszaru analizy danych internetowych. U atwia to proces analizy. Znaczniki JavaScript upraszczaj tak e wprowadzanie innowacji, rejestrowanie nowych rodzajów danych i obs ug plików cookie w celu ledzenia aktywno ci u ytkowników. Obecnie us ugodawcy mog samodzielnie wykonywa te operacje, zamiast kontaktowa si z dzia em informatycznym firmy. Uwaga: Za znacznikami JavaScript także związane są pewne problemy omówione szczegółowo w rozdziale 2., Zbieranie danych znaczenie i możliwości.

14 Nast pnym krokiem w ewolucji analizy danych internetowych by o wprowadzenie nak adek na witryn (ang. site overlay), nazywanych te rozk adem cz stotliwo ci klikni. Dzi ki tej technice osoby odpowiedzialne za podejmowanie decyzji mog po prostu otworzy w przegl darce stron internetow, któr chc podda analizie, zamiast przetwarza z o one zbiory danych i przegl da tabele pe ne informacji. Przegl darka lub aplikacja do analizy danych internetowych wy wietla wtedy przez okre lony czas miejsca o najwi kszej liczbie klikni. Upowszechni o to znacznie czynno ci b d ce wcze niej domen analityków danych internetowych. Zwi kszy o to te cz sto korzystania z rozwi za analitycznych, poniewa wszyscy mogli w bardzo prosty sposób patrz c na liczb klikni zrozumie, co dzieje si na stronie. Rysunek 1.3 pokazuje, jak atwo jest dokona segmentacji ca ego ruchu w witrynie, wydzielaj c odwiedziny z wyszukiwarki Google, oraz zaobserwowa ró nice w korzystaniu z odno ników przez ró ne grupy. Pozwala to ustali, czego szukaj dwa segmenty u ytkowników. Rysunek 1.3. Raport ClickTracks w postaci nakładki na stronę (podzielony na wszystkich użytkowników i odwiedziny z wyszukiwarki Google) 35 KRÓTKA HISTORIA ANALIZY DANYCH INTERNETOWYCH Obecnie w bran y analizy danych internetowych dzia aj cztery du e firmy: Coremetrics, Omniture, WebTrends i WebSideStory. Jest te wielu rednich dostawców, na przyk ad Unica, indextools i ClickTracks, oraz liczne podstawowe rozwi zania, takie jak produkty o otwartym dost pie do kodu ród owego AWStats, Webalizer i StatCounter. Du y wp yw na bran analizy danych internetowych mia a firma Google, która w 2005 roku kupi a produkt Urchin, a w 2006 udost pni a go bezp atnie pod nazw Google Analytics. Obecnie u ytkownicy mog bezp atnie korzysta z pierwszorz dnych analiz danych internetowych. Trudno jest okre li liczb osób stosuj cych Google Analytics. Wi kszo analityków szacuje j na ponad pó miliona

15 w ci gu pierwszych sze ciu miesi cy. Zgodnie z powszechnymi oczekiwaniami Microsoft wkrótce pójdzie w lady Google i tak e udost pni bezp atne narz dzie do analizy danych internetowych. Tempo wprowadzania innowacji w wiecie analizy danych internetowych nie maleje. Wci pojawiaj si nowsze i atwiejsze sposoby wizualizacji z o onych zbiorów danych na temat interakcji u ytkowników z witryn. Jedn z takich technik jest mapa klikni udost pniana przez firm Crazy Egg (rysunek 1.4). W czasie kiedy powstawa a ta ksi ka, wspomniana us uga by a dost pna w wersji beta. Narz dzie to przedstawia grupy klikni na witrynie internetowej i ich liczebno za pomoc kolorów. Im ja niejszy kolor, tym wi cej klikni koncentruje si wokó danego miejsca lub odno nika. 36 ROZDZIA 1: WEB ANALYTICS DZI I JUTRO Rysunek 1.4. Raport w postaci mapy kliknięć udostępniany przez Crazy Egg Obecne warunki i wyzwania Analiza danych internetowych wci znajduje si w wieku szczeni cym. Doros a nieco od momentu narodzin i w pewnym sensie potrafi sama przetrwa, jednak w przysz o ci nale y spodziewa si jeszcze znacznego rozwoju i licznych zmian. Temu procesowi towarzyszy obecnie niezwyk y splot wydarze. Od d ugiego czasu firmy ponosi y znaczne inwestycje na witryny internetowe, poniewa wszyscy tak post powali i by o to modne. W ci gu kilku ostatnich lat sie WWW dojrza a i jest kana em biznesowym u ywanym przez wi kszo firm. Nagle okaza o si, e kana ten podlega tym samym prawom ekonomicznym co inne (na przyk ad sprzeda telefoniczna lub zwyk e sklepy). Od czasu znacznego wzrostu popularno ci sieci WWW prowadzone s coraz dok adniejsze analizy, a firmy wymagaj od osób odpowiedzialnych za witryny uzasadnienia inwestycji ponoszonych na ten kana. To podej cie wymaga wielu zmian w funkcjonowaniu tego kana u

16 i dzia aniach osób nim zarz dzaj cych, które musz przeprowadza liczne badania, aby wykaza si wynikami. Nawet obecnie wiele osób uto samia analiz danych internetowych z badaniami strumieni klikni. Cho jest to zupe nie b dne podej cie, dla wi kszo ci praktyków strumienie klikni to podstawa przy podejmowaniu decyzji zwi zanych z witryn. Poniewa te strumienie obejmuj tylko cz danych internetowych, liczne firmy s rozczarowane brakiem praktycznych wniosków mimo inwestycji ponoszonych przez lata na narz dzia do analizy takich danych. Dost pnych jest mnóstwo danych i jeszcze wi cej raportów, jednak w my lach osób odpowiedzialnych za podejmowanie decyzji wci pojawia si pewne stwierdzenie: Dane nie powiedz mi, co mam robi. W czasie boomu internetowego na rynku dzia a o oko o 200 us ugodawców o ró nej wielko ci. Od momentu za amania w bran y nast pi a konsolidacja. Ekosystem firm zajmuj cych si analiz danych internetowych jest zdominowany przez us ugodawców, którzy staraj si uzyska przewag konkurencyjn, oferuj c coraz wi cej funkcji. Zdominowali oni bran i okre laj postrzeganie wiata analiz (przy czym w praktyce jest to wiat raportów). Brak wp ywu praktyków na strategi i kierunek rozwoju ma negatywne skutki dla bran y. Standardowe techniki, na przyk ad innowacje pod k tem klienta (ang. customer-driven innovation CDI), nigdy nie zosta y przyj te w wiecie analizy danych internetowych. Wi kszo post pów wynika z innowacji opartych na mo liwo ciach (ang. possibility-driven innovation PDI), na przyk ad: Co jeszcze mo emy zrobi z zebranymi danymi? Wprowad my innowacje na tej podstawie. W bran y wyra nie wida brak wiedzy praktycznej. Co wa niejsze, nie ma te ludzi i podej, które umo liwi yby firmom internetowym wyci ganie praktycznych wniosków pozwalaj cych na strategiczne odró nienie si od konkurencji. Uniwersytety i inne szko y nie ucz praktycznej analizy danych internetowych. Istnieje tylko jeden kurs internetowy na ten temat, prowadzony przez University of British Columbia. Te braki w po czeniu z nadmiarem danych (w kategoriach danych surowych, które mo na uzyska w sieci WWW) prowadz do nieoptymalnych rozwi za przy przedstawianiu firmom praktycznych wniosków. Ruch Web 2.0 i powi zane z nim technologie coraz cz ciej s czym oczekiwanym przez klientów. Ta zmiana to powa na przeszkoda dla wi kszo ci obecnych rozwi za i us ugodawców z obszaru analizy danych internetowych. W wiecie Web 2.0 jeszcze wa niejsze s szybkie zmiany w podej ciu i opracowanie strategii skutecznej analizy danych internetowych. Na przyk ad w Web 2.0 typowe strumienie klikni nie s zbyt istotne, poniewa ka da nowinka powoduje powolne odchodzenie od paradygmatu sieci WWW opartej na stronach. Jak wi c mo na zmierzy sukces w takich warunkach? Wraz z pojawieniem si programu Google Analytics rynek wprost eksplodowa, poniewa wszyscy w a ciciele witryn mog bezp atnie uzyska dost p do danych internetowych i do tego za pomoc zaawansowanych narz dzi. Oczekiwane darmowe 37 KRÓTKA HISTORIA ANALIZY DANYCH INTERNETOWYCH