Coraz większą rolę w biznesie internetowym odgrywa analiza danych. Analiza danych rozumiana jako analiza użytkowników, którzy przychodzą na stronę internetową, ich zachowań, oczekiwań i problemów na witrynie.
Analiza danych pozwala na podniesienie efektywności działań marketingowych jak również na zwiększanie stopnia wykorzystywania tego ruchu internetowego.
Zanim jednak zabierzesz się za analizę danych, warto abyś zapoznał się z kilkoma zasadami analizy ruchu internetowego. Ich znajomość jest ważna, aby analiza przyniosła ze sobą jej najważniejsze elementy: wnioski i rekomendacje, co do zmiany działań na stronie.
Poznaj narzędzie analityczne
Do analizy ruchu internetowego niezbędne jest narzędzie analityczne, które zbiera i przetwarza dane o użytkownikach. Obecnie na rynku jest wiele takich narzędzi: niektóre z nich są darmowe, tak jak jest to w przypadku Google Analytics, za inne trzeba płacić setki tysięcy dolarów.
Bez względu na to, jakiego narzędzia używamy, ważne jest, aby poznać dokładnie mechanizmy jego działania i zrozumieć wskaźniki, które ono wykorzystuje.
W sytuacji, kiedy porównujemy dane z kilku narzędzi analitycznych, pamiętajmy, że nie ma dwóch takich narzędzi, które pokażą takie same wartości danych. W 99% nic nie poradzimy na różne dane przedstawiane w narzędziach. Zresztą same różnice pomiędzy wartościami danych wcale nie są takie ważne. Mają znaczenie dopiero, kiedy rzutują na decyzję podejmowaną na podstawie danych (tzn. w sytuacji, kiedy inną decyzję podjęlibyśmy widząc dane z jednego narzędzia, a inną widząc dane z innego narzędzia).
Dane mają margines błędu
Każda metodologia zbierania danych o użytkownikach ma swoje zalety i wady. W wielu przypadkach musimy pogodzić się z ograniczeniami narzędzi analitycznych takich jak: kasowanie ciasteczek przez użytkowników, niejednoznaczność adresów ip wykorzystywanych do lokalizowania użytkowników, możliwymi błędami w wywoływaniu kodów narzędzi analitycznych.
W analizie danych dużo ważniejsze jest obserwowanie trendów, wyciąganie wniosków i podejmowanie decyzji na ich podstawie niż przywiązywanie się do wartości poszczególnych danych.
Dane nie mają żadnej wartości bez kontekstu
Ta sama dana może wskazywać na sukces danego przedsięwzięcia lub jego porażkę w zależności od kontekstu, w jakim się pojawiła.
Przykład
Wzrost liczby użytkowników o 25% w ciągu miesiąca może się wydać przy pierwszym spojrzeniu dużym sukcesem. Ta sama dane ma jednak zupełnie jednak inny wymiar w sytuacji, kiedy:
- wzrost liczby użytkowników nastąpił w przypadku miesięcy marzec do lutego. W lutym jest 28 dni, w marcu 31, więc ponad 10% wzrostu z tych 25% to wzrost organicznych, wynikający z większej liczby dni w miesiącu
- w lutym nie prowadziliśmy żadnych działań promocyjnych, podczas gdy w marcu wydaliśmy 5 000 na promowanie serwisu
- w tym samym czasie używalność podobnych serwisów internetowych wzrosła o ponad 50%
Wnioski są ważniejsze niż dane
W zdecydowanej większości działanie nazywane przez ludzi analizą danych jest zwykłym raportowaniem danych. W przypadku raportowania przesyłamy przełożonemu czy klientowi dane pobrane z narzędzia analitycznego.
W przypadku analizy danych dużo ważniejszą kwestią jest wyciągnięcie wniosków z danych i zarekomendowanie określonych działań na podstawie tych wniosków.
Przykład
Możemy naszemu przełożonemu czy klientowi przesłać następujący raport stron docelowych witryn (podstron od których rozpoczynali swoje wizyty użytkownicy).
Jednocześnie jednak możemy mu przesłać powyższy raport z następującymi wnioskami i rekomendacjami:
- Zaledwie 14% odwiedzin na serwisie rozpoczyna się od strony głównej. W tej sytyacji nasz serwis ma wiele stron głównych (każda podstrona od której użytkownik rozpoczyna poznawanie serwisu jest dla niego stroną główną). Efektywność tych „dodatkowych stron głównych” liczona wskaźnikiem odrzuceń (procent jednoodsłonowych wizyt) jest dużo niższa niż w przypadku strony głównej.
- Trzeba zbadać czy wysoki wskaźnik odrzuceń dla tych podstron wynika z złego zarządzania ruchem internetowym (zdobywamy niewłaściwych i przypadkowych użytkowników) czy też niskiej jakości treści (zdobywamy odpowiednich użytkowników, ale nie jesteśmy sprostać ich oczekiwaniom co do jakości treści)
- Zdecydowana większa część używalności witryny trafia na podstrony, które w niskim stopniu realizują nasze cele biznesowe. Wśród podstron na które trafiają użytkownicy brakuje takich podstron jak: podstrona Oferta, podstrona Cennik.
Analiza danych to proces, nie jednorazowa czynność
Bardzo często zabierając się za analizowania danych mamy do czynienia z tzw. słomianym zapałem. Na początku poświęcamy na analizę kilka godzin w tygodniu. Później do raportów zaglądamy coraz rzadziej spędzamy na ich przetwarzaniu coraz mniej czasu aby wreszcie poprzestać na cotygodniowym sprawdzeniu ilości użytkowników.
Analizowanie danych tylko wówczas da nam wymierne korzyści biznesowe kiedy będziemy to robić w sposób ciągły. Wynika to po części z tego, że wiąże się to z nieustannym formułowaniem i weryfikowaniem hipotez, co do rozwoju naszej strony. Im dłużej to robimy, tym bardziej jesteśmy w stanie uczyć się na swoich błędach i coraz lepiej poznawać potrzeby użytkowników serwisu internetowego.
Podsumowanie
Rzetelna analiza danych to przekopywanie się przez raporty w poszukiwaniu szans na rozwój serwisu. Nie ma w niej zbyt wiele zabawy i tzw. fun, jest natomiast realna korzyść w postaci możliwości podjęcia decyzji na bazie twardych danych, a nie na zasadzie widzimisie tej czy innej osoby.
