7 błędów popełnianych w analizie danych strony internetowej

| czas czytania: 5 min | Analityka
analityka internetowa e-commerce

Analityka internetowa dostarcza cennych informacji o ruchu na stronie internetowej. Dzięki narzędziom analitycznym takim jak Google Analytics można dowiedzieć się, skąd przychodzą użytkownicy, które podstrony serwisu odwiedzają, na jakim etapie procesu zamówienia rezygnują z jego finalizacji. Dane jednak trzeba umieć analizować, aby na podstawie mylnych wniosków nie podjąć niewłaściwych decyzji biznesowych. Na co należy uważać? Poznaj 7 błędów popełnianych w analityce e-commerce!

Niepoprawnie zainstalowany kod śledzenia

Jednym z problemów w analityce e-commerce jest wyciąganie wniosków na podstawie niepełnych lub niewłaściwych danych. Google Analytis zbierze prawidłowe informacje o zachowaniach użytkowników na Twojej stronie tylko wtedy, gdy kod śledzenia zostanie poprawnie zainstalowany. Powinien znajdować się na każdej podstronie w sekcji Head. Za pomocą narzędzia http://www.gachecker.com/ zweryfikujesz, czy właściwie wdrożyłeś kod śledzenia na wszystkich stronach serwisu.

Brak wykluczenia „własnego ruchu” i spamu

Pewnie Ty i Twój zespół spędzacie dużo czasu na stronie internetowej, udoskonalając ją i wprowadzając zmiany. A może robi to też agencja, której powierzyłeś realizację marketingu internetowego. Ruch wygenerowany przez osoby pracujące nad Twoim serwisem nie powinien być analizowany, ponieważ nie ma żadnej wartości i może zaburzać dane. Koniecznie wyklucz ze śledzenia adresy IP wszystkich współpracowników.

Innym błędem jest analizowanie ruchu wygenerowanego przez roboty i automaty. Cel odwiedzin może być różny, jednak by takie dane nie zaburzały statystyk, należy ustawić odpowiednie filtry w Analyticsie. Analizowanie spamu nie przyniesie żadnych korzyści, a może jedynie wpłynąć na podjęcie niewłaściwych decyzji biznesowych.

Brak śledzenia konwersji i celów strony

Nawet jeśli nie prowadzisz sprzedaży online za pośrednictwem swojej strony, założyłeś ją w określonym celu, który być może zmierzysz za pomocą narzędzi analitycznych. Np. zbadasz, ile osób pobiera pliki z Twojej strony lub przechodzi do formularza kontaktowego. Takie standardowe wskaźniki jak liczba odsłon lub czas spędzony w witrynie nie powiedzą Ci, czy Twoje działania przekładają się na konwersje. Załóż cele w Google Analytics i obserwuj zaangażowanie użytkowników w serwisie.

Błędy w analizie e-commerce

Złe rozumienie używanych terminów

Jednym z najczęściej popełnianych błędów podczas analizy danych e-commerce jest niewłaściwe rozumienie poszczególnych wskaźników. To powoduje, że już na samym początku stawiamy niepoprawne założenia i wyciągamy nieprawdziwe wnioski na temat zachowania użytkowników. W Google Analytics powinniśmy rozróżniać podstawowe dane:

  • Sesja – okres aktywności użytkownika na stronie. W trakcie jej trwania internauta przegląda podstrony, odświeża je, ogląda zdjęcia itp. Domyślnie sesja kończy się po 30 minutach braku aktywności,
  • Użytkownicy – liczba osób, które przejrzały stronę internetową,
  • Odsłona – wskaźnik obrazujący, ile razy została wczytana dana podstrona w wybranym okresie czasu. Kiedy użytkownik odświeży przeglądarkę, wyświetlenie podstrony zostanie uznane jako nowa odsłona,
  • Współczynnik odrzuceń – procent sesji, w których internauta przejrzał tylko jedną podstronę, nie nastąpiło inne zdarzenie i opuścił serwis,
  • Współczynnik wyjść – odsetek sesji, w których dana podstrona była ostatnią oglądaną przez internautę.

Pomijanie aspektu sezonowości w analizie danych

Podczas analizy warto poszerzyć horyzont czasowy i wziąć pod uwagę dane z ubiegłego roku. Porównywanie wskaźników do wyników z poprzedniego miesiąca może być zgubne, jeśli np. w Twojej branży panuje sezonowość. Mniejsza liczba sesji w lipcu niż w czerwcu nie musi wiązać się pogorszeniem efektywności podejmowanych działań. Sprawdzenie, jak wyglądały statystyki w analogicznym okresie rok wcześniej pomoże zaobserwować trendy i obiektywnie przeanalizować ruch w serwisie.

Analizowanie danych w oderwaniu od kontekstu

Sprawdzając liczbę sesji, odsłon lub współczynnik odrzuceń, nie zapomnij zestawić danych z konkretnymi warunkami, w których zostały uzyskane. Jeśli np. prowadziłeś tradycyjną kampanię reklamową (rozdawałeś ulotki) i w tym okresie zaobserwowałeś wzrost ruchu na stronie, możesz się spodziewać, że Twoje działania offline’owe przyniosły efekt. Nie warto także wyciągać wniosków na podstawie uśrednionych wartości – zawsze lepiej zweryfikować, które podstrony lub sekcje serwisu cieszą się większą lub mniejszą popularnością i na tej podstawie podejmować decyzje biznesowe. Warto też korzystać z segmentacji danych np. w odniesieniu do użytkowników. Zestawienie danych z kontekstem pozwala poprawnie zinterpretować zachowania użytkowników na stronie.

Niepoprawna interpretacja danych

Jednym z największych błędów w analizie e-commerce jest wyciąganie niewłaściwych wniosków na podstawie zebranych danych. Np. nie powinniśmy łączyć czasu spędzonego na stronie z zaangażowaniem. To, że użytkownicy poświęcają 10 minut na przejrzenie Twojego serwisu, nie oznacza, że z uwagą czytają teksty, oglądają filmiki lub przeglądają produkty w sklepie.

Podobnie nie należy z góry zakładać, że wysoki współczynnik odrzuceń jest zły. Strony typu landing page realizują określony cel, np. zachęcają do zapoznania się z treścią przepisu na spaghetti. Jeśli użytkownik trafi na taką podstronę z wyszukiwarki, wykona danie według receptury, a następnie opuści serwis. Nasz cel został osiągnięty – internauta przeczytał przepis, więc w tym przypadku nie należy traktować wysokiej wartości współczynnika odrzuceń jako niekorzystne zjawisko.

Błędy w analityce internetowej – jak ich unikać?

Powyżej zaprezentowanych zostało jedynie kilka błędów, które można popełnić analizując dane o ruchu na stronie internetowej. Oczywiście problemów związanych z analityką internetową może być więcej, a ich wyeliminowanie wymaga obeznania w zakresie działania narzędzi analitycznych. Przed rozpoczęciem badania zebranych informacji o witrynie warto zapoznać się z metodologią danej aplikacji – np. Google Analytics posiada rozbudowany support, w którym znajdziemy obszerne instrukcje na temat sposobu zbierania i prezentacji poszczególnych danych. Najtrudniejsze jest jednak prawidłowe wyciąganie wniosków, które posłużą do podejmowania racjonalnych decyzji biznesowych. Tutaj należy wykazać się intuicją, doświadczeniem oraz wiedzą o danej branży, zachowaniach internautów i analityce internetowej.