Cyfroteka.pl

klikaj i czytaj online

Cyfro
Czytomierz
00339 008411 10493322 na godz. na dobę w sumie
UX i analiza ruchu w sieci. Praktyczny poradnik - książka
UX i analiza ruchu w sieci. Praktyczny poradnik - książka
Autor: Liczba stron: 248
Wydawca: Helion Język publikacji: polski
ISBN: 978-83-246-9019-0 Data wydania:
Lektor:
Kategoria: ebooki >> komputery i informatyka >> webmasterstwo >> funkcjonalność stron
Porównaj ceny (książka, ebook, audiobook).

UX to klucz do sukcesu!

Konkurencja na rynku stron i usług internetowych jest tak ogromna, że o sukcesie lub porażce decydują konkretne detale. Jednym z nich jest czynnik UX (od ang. User eXperience), czyli użyteczność, wrażenia użytkownika. Chodzi tu o wszystkie cechy, które sprawiają, że użytkownicy są zadowoleni z pracy z naszym produktem czy aplikacją.

Zastanawia Cię, jak badać UX? Zacznij od analizy ruchu na stronach internetowych. Dostarczy Ci ona wielu istotnych informacji. W trakcie lektury dowiesz się, w jaki sposób zbiera się dane oraz jak funkcjonują narzędzia do analizy procesów w sieci. Poznasz podstawowe wskaźniki i metody ich interpretacji oraz nauczysz się definiować cele pracy. Część druga książki została poświęcona badaniu użytkowników. Zobaczysz, jak analizować działania odbiorców oraz generowany przez nich ruch. W następnej kolejności zdobędziesz kluczowe informacje na temat testów A/B oraz technik kontrolowania efektów zmian na stronie. Książka ta jest skarbnicą wiedzy dla wszystkich osób odpowiedzialnych za analizę i podejmowanie decyzji o kierunku rozwoju stron WWW. Warto ją mieć!

Dzięki tej książce:

Zyskaj przewagę nad konkurencją. Zainwestuj w UX!

Znajdź podobne książki Ostatnio czytane w tej kategorii

Darmowy fragment publikacji:

Tytuł oryginału: Practical Web Analytics for User Experience: How Analytics Can Help You Understand Your Users Tłumaczenie: Maksymilian Gutowski ISBN: 978-83-246-9019-0 Copyright © 2013 Andrew Michael Beasley. Published by Elsevier Inc. All rights reserved No part of this publication may be reproduced or transmitted in any form or by any means, electronic or mechanical, including photocopying, recording, or any information storage and retrieval system, without permission in writing from the publisher. This book and the individual contributions contained in it are protected under copyright by the Publisher (other than as may be noted herein). This edition of Practical Web Analytics for User Experience: How Analytics Can Help You Understand Your Users 9780124046191 by Andrew Michael Beasley is published by arrangement with ELSEVIER INC., a Delaware corporation having its principal place of business at 360 Park Avenue South, New York, NY 10010, USA. Translation copyright © 2014 Helion SA Wszelkie prawa zastrzeżone. Nieautoryzowane rozpowszechnianie całości lub fragmentu niniejszej publikacji w jakiejkolwiek postaci jest zabronione. Wykonywanie kopii metodą kserograficzną, fotograficzną, a także kopiowanie książki na nośniku filmowym, magnetycznym lub innym powoduje naruszenie praw autorskich niniejszej publikacji. Wszystkie znaki występujące w tekście są zastrzeżonymi znakami firmowymi bądź towarowymi ich właścicieli. Autor oraz Wydawnictwo HELION dołożyli wszelkich starań, by zawarte w tej książce informacje były kompletne i rzetelne. Nie bierze jednak żadnej odpowiedzialności ani za ich wykorzystanie, ani za związane z tym ewentualne naruszenie praw patentowych lub autorskich. Wydawnictwo HELION nie ponosi również żadnej odpowiedzialności za ewentualne szkody wynikłe z wykorzystania informacji zawartych w książce. Wydawnictwo HELION ul. Kościuszki 1c, 44-100 GLIWICE tel. 32 231 22 19, 32 230 98 63 e-mail: helion@helion.pl WWW: http://helion.pl (księgarnia internetowa, katalog książek) Drogi Czytelniku! Jeżeli chcesz ocenić tę książkę, zajrzyj pod adres http://helion.pl/user/opinie/uxanru Możesz tam wpisać swoje uwagi, spostrzeżenia, recenzję. Printed in Poland. • Kup książkę • Poleć książkę • Oceń książkę • Księgarnia internetowa • Lubię to! » Nasza społeczność Spis tre(cid:258)ci PODZI(cid:125)KOWANIA .............................................................................................9 O AUTORZE .....................................................................................................11 ROZDZIA(cid:146) 1. Wprowadzenie .................................................................................................13 Czym s(cid:200) internetowe dane analityczne? ........................................................................ 14 Kwestie zwi(cid:200)zane z user experience i statystykami stron internetowych ................... 15 Statystyki stron internetowych i user experience — idealne zestawienie .................. 16 O ksi(cid:200)(cid:285)ce ........................................................................................................................... 16 Cz(cid:218)(cid:258)(cid:202) 1. Wprowadzenie do analizy danych internetowych ............................ 16 Cz(cid:218)(cid:258)(cid:202) 2. Analiza danych internetowych a wiedza o u(cid:285)ytkownikach .............. 17 Cz(cid:218)(cid:258)(cid:202) 3. Zaawansowane zagadnienia .............................................................. 18 Google Analytics ............................................................................................................... 18 Cz(cid:218)(cid:258)(cid:202) 1. Wprowadzenie do analizy danych internetowych .......... 21 ROZDZIA(cid:146) 2. Charakter analizy danych internetowych .......................................................23 Wprowadzenie ..................................................................................................................23 Zaznajom si(cid:218) z witryn(cid:200) ..................................................................................................... 23 Model analizy .................................................................................................................... 26 Postaw pytanie ..................................................................................................... 27 Zgromad(cid:283) dane .................................................................................................... 28 Przekszta(cid:239)(cid:202) dane .................................................................................................. 28 Analizuj .................................................................................................................. 28 Odpowiedz na pytanie ........................................................................................ 29 Czas a pewno(cid:258)(cid:202) wyników ................................................................................... 29 Przedstaw tok my(cid:258)lenia .................................................................................................... 30 Znaczenie kontekstu ......................................................................................................... 31 Zmiana danych w czasie ..................................................................................... 32 Najwa(cid:285)niejsze s(cid:200) proporcje ............................................................................... 33 Dane mog(cid:200) podwa(cid:285)y(cid:202) Twoje wnioski ............................................................................ 34 W(cid:239)a(cid:258)ciwa odpowied(cid:283) mo(cid:285)e nie istnie(cid:202) ............................................................. 34 Zadbaj o dokumentacj(cid:218) ...................................................................................... 35 Podsumowanie ..................................................................................................................35 ROZDZIA(cid:146) 3. Jak dzia(cid:239)aj(cid:200) narz(cid:218)dzia do analizy danych internetowych? ............................37 Wprowadzenie ..................................................................................................................37 Analiza dzienników ........................................................................................................... 37 Kup książkęPoleć książkę 4 Spis tre(cid:258)ci Tagowanie stron ................................................................................................................ 38 Ciasteczka ............................................................................................................ 40 Dok(cid:239)adno(cid:258)(cid:202) ........................................................................................................... 40 Konta i profile ........................................................................................................ 41 Analiza klikni(cid:218)(cid:202) .................................................................................................... 42 Wska(cid:283)niki i wymiary ......................................................................................................... 43 Wizyty .................................................................................................................... 44 Unikalni u(cid:285)ytkownicy (wska(cid:283)nik) ....................................................................... 44 Ods(cid:239)ony (wska(cid:283)nik) ............................................................................................. 46 Strony/wizyta (wska(cid:283)nik) ..................................................................................... 47 (cid:165)redni czas trwania wizyty .................................................................................. 47 Wspó(cid:239)czynnik odrzuce(cid:241) (wska(cid:283)nik) .................................................................. 48 nowych odwiedzin (wska(cid:283)nik) ........................................................................ 48 Wykorzystanie wska(cid:283)ników ................................................................................ 49 Dane w Google Analytics ................................................................................................. 49 Wiersze wykresu .................................................................................................. 50 Wymiar dodatkowy .............................................................................................. 52 Sortowanie ............................................................................................................ 52 Wyszukiwanie ....................................................................................................... 54 Poza tabelami ....................................................................................................... 56 Podsumowanie ..................................................................................................................58 ROZDZIA(cid:146) 4. Cele ...................................................................................................................61 Wprowadzenie ..................................................................................................................61 Czym s(cid:200) cele i konwersje? .............................................................................................. 62 Interferencja terminologiczna ............................................................................ 62 Ka(cid:285)da witryna powinna mie(cid:202) swój cel ............................................................... 64 Dlaczego cele s(cid:200) istotne dla wra(cid:285)e(cid:241) do(cid:258)wiadczanych przez u(cid:285)ytkownika? ....64 Wska(cid:283)nik konwersji .......................................................................................................... 65 Raporty celów w Google Analytics ................................................................................. 66 Adresy URL celów ............................................................................................... 70 Reverse Goal Path (Odwrotna (cid:258)cie(cid:285)ka celu) .................................................... 71 Funnel Visualization (Wizualizacja (cid:258)cie(cid:285)ek) ..................................................... 72 Goal Flow (Przep(cid:239)yw celów) .............................................................................. 73 E-handel ................................................................................................................ 74 Multichannel Funnels ((cid:165)cie(cid:285)ki wielokana(cid:239)owe) ............................................... 74 Kiedy korzysta si(cid:218) z tych raportów? ................................................................................ 75 Co mierzy(cid:202) jako KPI? ........................................................................................................ 75 Co powiniene(cid:258) mierzy(cid:202)? ..................................................................................... 76 Czy u(cid:285)ytkownicy chc(cid:200) wykonywa(cid:202) te czynno(cid:258)ci? ............................................ 81 Jakie kwantyfikowalne elementy witryny mo(cid:285)na uzna(cid:202) za cel? ................................... 81 Dotarcie do okre(cid:258)lonej strony ............................................................................. 82 Dzia(cid:239)ania na stronie ............................................................................................. 84 Zaanga(cid:285)owanie .................................................................................................... 84 Poza witryn(cid:200) ....................................................................................................................... 85 Zastosowanie ..................................................................................................................... 85 Podsumowanie ..................................................................................................................86 Kup książkęPoleć książkę Spis tre(cid:258)ci 5 Cz(cid:218)(cid:258)(cid:202) 2. Badanie u(cid:285)ytkowników z wykorzystaniem statystyk stron internetowych ............................................................ 89 ROZDZIA(cid:146) 5. Badanie u(cid:285)ytkowników ....................................................................................91 Wprowadzenie ..................................................................................................................91 Analiza odbiorców ............................................................................................................ 92 Geo/Location (Dane geograficzne/Lokalizacja) .............................................. 93 Behavior/New vs Returning (Zachowanie/Nowi a powracaj(cid:200)cy) ................... 93 Behavior/Frequency Recency (Zachowanie/Cz(cid:218)stotliwo(cid:258)(cid:202) wizyt) ............ 94 Behavior/Engagement (Zachowanie/Zaanga(cid:285)owanie) ................................... 95 Technology/Browser OS (Technologia/Przegl(cid:200)darka i system) ................ 95 Mobile/Overview (Ruch mobilny/Ogó(cid:239)em) ...................................................... 96 Custom (Zmienne niestandardowe) .................................................................. 96 Podsumowanie ..................................................................................................................97 ROZDZIA(cid:146) 6. Analiza ruchu. Jak u(cid:285)ytkownicy wchodz(cid:200) na Twoj(cid:200) witryn(cid:218)? .......................99 Wprowadzenie ..................................................................................................................99 (cid:189)ród(cid:239)o i medium (wymiary) ............................................................................................. 99 Naturalne wyniki wyszukiwania ....................................................................................101 Po co analizowa(cid:202) s(cid:239)owa kluczowe? .................................................................103 Analiza kwerend ..............................................................................................................105 Eksportowanie danych ......................................................................................105 Wst(cid:218)pne tworzenie kategorii ............................................................................107 Przetwarzanie danych .......................................................................................109 Ponowna analiza danych ...................................................................................112 Uproszczona analiza s(cid:239)ów kluczowych ...........................................................113 Eksportowanie danych ......................................................................................114 Kategoryzacja s(cid:239)ów kluczowych .......................................................................114 Porównanie wska(cid:283)ników ...................................................................................114 Ruch z witryn odsy(cid:239)aj(cid:200)cych ............................................................................................115 Ruch bezpo(cid:258)redni ...........................................................................................................117 Ruch p(cid:239)atny ......................................................................................................................118 Podsumowanie ................................................................................................................119 ROZDZIA(cid:146) 7. Analiza u(cid:285)ytkowania zasobów .......................................................................121 Wprowadzenie ................................................................................................................121 Raporty o zawarto(cid:258)ci witryny .........................................................................................121 Du(cid:285)o lub ma(cid:239)o ods(cid:239)on .......................................................................................123 Ods(cid:239)on jest du(cid:285)o wi(cid:218)cej ni(cid:285) unikalnych ods(cid:239)on .............................................125 Krótki czas sp(cid:218)dzany na stronie .......................................................................126 D(cid:239)ugi czas sp(cid:218)dzany na stronie .......................................................................126 Du(cid:285)o wej(cid:258)(cid:202) wzgl(cid:218)dem unikalnych ods(cid:239)on ......................................................128 Wysoki wska(cid:283)nik odrzuce(cid:241) ...............................................................................129 Du(cid:285)y procent wyj(cid:258)(cid:202) ............................................................................................130 Warto(cid:258)(cid:202) strony ....................................................................................................130 Porównywanie wska(cid:283)ników podobnych stron ................................................131 Inne raporty ........................................................................................................132 Podsumowanie ................................................................................................................136 Kup książkęPoleć książkę 6 Spis tre(cid:258)ci ROZDZIA(cid:146) 8. Analiza (cid:258)cie(cid:285)ek klikni(cid:218)(cid:202) .................................................................................137 Wprowadzenie ................................................................................................................137 Skoncentruj si(cid:218) na relacjach pomi(cid:218)dzy stronami .......................................................138 Widok Navigation Summary (Podsumowanie nawigacji) ..........................................139 Raport Visitors Flow (Przep(cid:239)yw u(cid:285)ytkowników) ...........................................................141 Analiza ruchu u(cid:285)ytkowników pomi(cid:218)dzy ró(cid:285)nymi typami stron ..................................144 Przyk(cid:239)ad. ZabawkiDlaPupilka.com ..................................................................145 Podsumowanie ................................................................................................................149 ROZDZIA(cid:146) 9. Segmentacja ...................................................................................................151 Wprowadzenie ................................................................................................................151 Do czego s(cid:239)u(cid:285)y segmentacja? .......................................................................................152 Jak segmentowa(cid:202) dane? ................................................................................................155 Zaawansowana segmentacja w Google Analytics .........................................157 Jak segmentowa(cid:202) dane? ................................................................................................160 I, LUB oraz sekwencja filtrów ...........................................................................160 Wska(cid:283)niki ............................................................................................................160 Wymiary ..............................................................................................................161 Segmentowanie i odpowiedzi na pytania z zakresu UX .............................................162 Segmentowanie wed(cid:239)ug strony ........................................................................162 Segmentowanie wed(cid:239)ug cech u(cid:285)ytkowników .................................................164 Segmentowanie wed(cid:239)ug potrzeby informacyjnej ...........................................165 Osi(cid:200)gni(cid:218)cie celu przez u(cid:285)ytkowników ............................................................166 Przez jakie strony u(cid:285)ytkownicy wchodzili na witryn(cid:218)? ...................................167 Na jakie strony wchodzili u(cid:285)ytkownicy? ..........................................................167 Wierzcho(cid:239)ek góry lodowej .............................................................................................168 Podsumowanie ................................................................................................................169 ROZDZIA(cid:146) 10. (cid:146)(cid:200)czenie analizy danych z metodami UX .....................................................171 Wprowadzenie ................................................................................................................171 Persony .............................................................................................................................171 Segmentacja w oparciu o persony ..................................................................171 Tworzenie lepszych person ..............................................................................175 Testowanie u(cid:285)yteczno(cid:258)ci ...............................................................................................176 Planowanie testów .............................................................................................176 Analiza testów .....................................................................................................178 Raporty z testów u(cid:285)yteczno(cid:258)ci ..........................................................................179 Inspekcja u(cid:285)yteczno(cid:258)ci ..................................................................................................181 Wskazanie potencjalnych problemów ............................................................181 Dowody wyst(cid:200)pienia problemów .....................................................................181 Cele projektowe ..............................................................................................................181 O ile lepsze wyniki uda Ci si(cid:218) uzyska(cid:202)? .........................................................183 Podsumowanie ................................................................................................................183 ROZDZIA(cid:146) 11. Pomiar efektów zmian ...................................................................................185 Wprowadzenie ................................................................................................................185 Zachowania jako wska(cid:283)niki konwersji ..........................................................................186 Wybierz, co zmierzy(cid:202) ......................................................................................................186 Zdecyduj, kiedy mierzy(cid:202) ...................................................................................187 Kup książkęPoleć książkę Spis tre(cid:258)ci 7 Rodzaje zmian .................................................................................................................188 Wska(cid:283)nik konwersji ...........................................................................................188 Przekierowywanie ruchu ...................................................................................190 Czas sp(cid:218)dzony na stronie i inne ci(cid:200)g(cid:239)e wska(cid:283)niki .........................................194 Wprowadzanie wielu zmian naraz ................................................................................195 Sprawozdania ..................................................................................................................197 Nowe projekty nie zawsze si(cid:218) sprawdzaj(cid:200) .....................................................197 Podsumowanie ................................................................................................................198 Cz(cid:218)(cid:258)(cid:202) 3. Zagadnienia zaawansowane ......................................... 199 ROZDZIA(cid:146) 12. Pomiar zachowa(cid:241) na stronie .........................................................................201 Wprowadzenie ................................................................................................................201 In-Page Analytics (Analytics w tre(cid:258)ci strony) ...............................................................201 Narz(cid:218)dzia do analizy klikni(cid:218)(cid:202) ........................................................................................203 Pomiar klikni(cid:218)(cid:202) w narz(cid:218)dziach do analizy tagowanych stron ....................................204 Definiowanie zdarze(cid:241) ........................................................................................205 Zestawienie danych ...........................................................................................207 Analiza danych zdarzenia ..............................................................................................208 Strony i zdarzenia — co si(cid:218) sta(cid:239)o i gdzie? .......................................................208 Tworzenie wska(cid:283)ników .....................................................................................210 Segmentacja .......................................................................................................212 Wirtualne ods(cid:239)ony ...........................................................................................................212 Podsumowanie ................................................................................................................213 ROZDZIA(cid:146) 13. Testy A/B .........................................................................................................215 Wprowadzenie ................................................................................................................215 Opracowanie eksperymentu .........................................................................................215 Wybierz stron(cid:218), któr(cid:200) chcesz ulepszy(cid:202) ...........................................................215 Wybierz wska(cid:283)nik, na podstawie którego ocenisz post(cid:218)py ..........................216 Zaprojektuj dodatkowe warianty strony ..........................................................216 Kod (cid:258)ledzenia .....................................................................................................217 Narz(cid:218)dzia ............................................................................................................217 Oszacowanie czasu trwania testu ....................................................................219 Monitorowanie i wy(cid:239)anianie „zwyci(cid:218)zców” ..................................................................219 Wczesne zako(cid:241)czenie testu ..............................................................................220 Podsumowanie ................................................................................................................221 ROZDZIA(cid:146) 14. Profile analityczne ..........................................................................................223 Wprowadzenie ................................................................................................................223 Profile ...............................................................................................................................223 Czym s(cid:200) filtry profilów? ..................................................................................................224 Tworzenie czytelniejszych adresów URL ........................................................225 (cid:146)atwiejsza analiza (cid:258)cie(cid:285)ek oparta na (cid:239)(cid:200)czeniu stron .....................................226 Profil na dane UX ...............................................................................................226 Podsumowanie ................................................................................................................227 Kup książkęPoleć książkę 8 Spis tre(cid:258)ci ROZDZIA(cid:146) 15. Regularne raportowanie i komunikacja z decydentami ..............................229 Wprowadzenie ................................................................................................................229 Kultura raportowania .......................................................................................................229 Dlaczego nale(cid:285)y przekazywa(cid:202) dane analityczne? .........................................231 Dlaczego nale(cid:285)y monitorowa(cid:202) dane analityczne? .........................................232 Wybór wska(cid:283)ników do raportowania ...............................................................233 Cz(cid:218)stotliwo(cid:258)(cid:202) raportowania .............................................................................234 Zachowaj zwi(cid:218)z(cid:239)o(cid:258)(cid:202) ...........................................................................................235 Argumentowanie zasadno(cid:258)ci dzia(cid:239)a(cid:241) z zakresu UX ...................................................235 Argumentowanie zasadno(cid:258)ci wprowadzania zmian projektowych .............236 Argumentowanie zasadno(cid:258)ci badania u(cid:285)ytkowników ...................................238 Podsumowanie ................................................................................................................239 ROZDZIA(cid:146) 16. Analiza danych internetowych w najbli(cid:285)szej przysz(cid:239)o(cid:258)ci ............................241 Wprowadzenie ................................................................................................................241 Analiza danych aplikacji mobilnych .............................................................................241 Pomiary z uwzgl(cid:218)dnieniem ró(cid:285)nych urz(cid:200)dze(cid:241) ............................................................242 Sprawniejszy pomiar zachowania na stronie ...............................................................242 (cid:146)(cid:200)czenie (cid:283)róde(cid:239) danych .................................................................................................243 Dominacja Google’a .......................................................................................................243 Zmiana to jedyne, co sta(cid:239)e .............................................................................................243 SKOROWIDZ ..................................................................................................245 Kup książkęPoleć książkę Segmentacja WPROWADZENIE Zjawiaj(cid:200)cy si(cid:218) na Twojej witrynie u(cid:285)ytkownicy dzia(cid:239)aj(cid:200) z my(cid:258)l(cid:200) o ró(cid:285)- nych celach, w ró(cid:285)ny sposób przekazuj(cid:200) informacje, np. podaj(cid:200)c wyrazy w wyszukiwarce lub klikaj(cid:200)c linki do innych witryn, oraz poruszaj(cid:200) si(cid:218) po stronach na ró(cid:285)ne sposoby. Nawet je(cid:258)li Twoja witryna skierowana jest do jednej kategorii u(cid:285)ytkowników, nie tylko tacy b(cid:218)d(cid:200) na ni(cid:200) trafia(cid:202). Najciekawsze analizy cz(cid:218)sto wi(cid:200)(cid:285)(cid:200) si(cid:218) z segmentacj(cid:200) internetowych danych analitycznych. Segmentacja polega na filtrowaniu danych w oparciu o wska(cid:283)niki i wymiary, aby umo(cid:285)liwi(cid:202) przeprowadzenie analizy interesuj(cid:200)cej Ci(cid:218) grupy u(cid:285)ytkowników. Jak dot(cid:200)d, zetkn(cid:200)(cid:239)e(cid:258) si(cid:218) z zastosowaniem pod- stawowej segmentacji w oparciu o wymiar. Przyk(cid:239)adem jest raport Mobile Overview (Ruch mobilny) w Google Analytics, który dzieli u(cid:285)yt- kowników na podstawie tego, czy weszli na witryn(cid:218), korzystaj(cid:200)c z urz(cid:200)dzenia mobilnego, oraz przedstawia wska(cid:283)niki u(cid:285)ycia witryny dla tych, którzy u(cid:285)ywaj(cid:200) urz(cid:200)dze(cid:241) mobilnych, i tych, którzy korzystaj(cid:200) z komputerów stacjonarnych i laptopów. Raport All Traffic (Ca(cid:239)y ruch) dzieli u(cid:285)ytkowników wed(cid:239)ug (cid:283)ród(cid:239)a i medium, które sprowadzi(cid:239)o ich na witryn(cid:218). Zajmowali(cid:258)my si(cid:218) dot(cid:200)d podstawow(cid:200) segmentacj(cid:200), w ramach której stosowali(cid:258)my jeden lub dwa wymiary do kategoryzowania wska(cid:283)- ników. W tym rozdziale omówimy, jak opracowa(cid:202) w(cid:239)asn(cid:200), bardziej rozbudowan(cid:200) segmentacj(cid:218). Zaawansowana segmentacja wi(cid:200)(cid:285)e si(cid:218) z utworzeniem jednego lub wi(cid:218)cej filtrów, odnosz(cid:200)cych si(cid:218) do nie- mal dowolnego wymiaru lub wska(cid:283)nika, aby narz(cid:218)dzie analityczne wy(cid:239)(cid:200)czy(cid:239)o z analizy wszystkie wizyty, które nie przystaj(cid:200) do okre(cid:258)lo- nych kryteriów. Mo(cid:285)esz filtrowa(cid:202) na podstawie wymiarów albo tego, czy warto(cid:258)(cid:202) wska(cid:283)nika jest dla u(cid:285)ytkownika wi(cid:218)ksza, mniejsza, czy równa warto(cid:258)ci, jak(cid:200) sam okre(cid:258)lisz. Dzi(cid:218)ki temu mo(cid:285)esz przegl(cid:200)- da(cid:202) raporty powsta(cid:239)e na podstawie wydzielonych w ten sposób seg- mentów. ROZDZIA(cid:146) 9 ZAWARTO(cid:165)(cid:109) ROZDZIA(cid:146)U Wprowadzenie .........151 Do czego s(cid:239)u(cid:285)y segmentacja? ...........152 Jak segmentowa(cid:202) dane? ........................155 Zaawansowana segmentacja w Google Analytics ......157 Jak segmentowa(cid:202) dane?.........................160 I, LUB oraz sekwencja filtrów ...........................160 Wska(cid:283)niki ....................160 Wymiary ......................161 Segmentowanie i odpowiedzi na pytania z zakresu UX ...........162 Segmentowanie wed(cid:239)ug strony ..............162 Segmentowanie wed(cid:239)ug cech u(cid:285)ytkowników .....164 Segmentowanie wed(cid:239)ug potrzeby informacyjnej ..............165 Osi(cid:200)gni(cid:218)cie celu przez u(cid:285)ytkowników ...166 Przez jakie strony u(cid:285)ytkownicy wchodzili na witryn(cid:218)? ..................167 Na jakie strony wchodzili u(cid:285)ytkownicy?.............. 167 Wierzcho(cid:239)ek góry lodowej .............168 Podsumowanie ........169 151 Kup książkęPoleć książkę 152 ROZDZIA(cid:146) 9. Segmentacja DO CZEGO S(cid:146)U(cid:191)Y SEGMENTACJA? Powró(cid:202)my do przyk(cid:239)adu sklepu ZabawkiDlaPupilka.com. Witryn(cid:218) t(cid:218) odwiedzaj(cid:200) u(cid:285)yt- kownicy docelowi, czyli niezwykle przywi(cid:200)zani do swoich pupilków opiekunowie zwierz(cid:200)t, a tak(cid:285)e mniej zamo(cid:285)ni mi(cid:239)o(cid:258)nicy zwierz(cid:200)t domowych i ludzie, którzy trafili na ni(cid:200) przypad- kiem albo po jej przejrzeniu zdecydowali, (cid:285)e kupowanie zabawek dla zwierz(cid:200)t przez inter- net im nie odpowiada. Co wi(cid:218)cej, serwis ZabawkiDlaPupilka.com ma tak(cid:285)e drug(cid:200) grup(cid:218) doce- low(cid:200), hotele dla zwierz(cid:200)t, które zamawiaj(cid:200) zabawki i inne akcesoria hurtowo. Dane wszystkich tych u(cid:285)ytkowników s(cid:200) domy(cid:258)lnie zestawione w raportach. Gdyby zatem wska(cid:283)nik odrzuce(cid:241) witryny ZabawkiDlaPupilka.com wyniós(cid:239) w sierpniu 2012 roku 63 , obejmowa(cid:239)by dane przedstawione w tabeli 9.1. TABELA 9.1. Wska(cid:283)nik odrzuce(cid:241) serwisu ZabawkiDlaPupilka.com Liczba u(cid:285)ytkowników, którzy opu(cid:258)cili witryn(cid:218) (cid:146)(cid:200)czna liczba u(cid:285)ytkowników Wska(cid:283)nik odrzuce(cid:241) U(cid:285)ytkownicy, którzy trafili na witryn(cid:218) przez przypadek Dodatkowa kategoria u(cid:285)ytkowników docelowych U(cid:285)ytkownicy docelowi (cid:146)(cid:200)cznie 4000 1800 500 6300 5000 2500 2500 10 000 80 72 20 63 Jak wida(cid:202), 63-procentowy wska(cid:283)nik odrzuce(cid:241) w rzeczywisto(cid:258)ci nie oddaje rozbie(cid:285)no(cid:258)ci pomi(cid:218)dzy wska(cid:283)nikiem odrzuce(cid:241) docelowych u(cid:285)ytkowników a du(cid:285)(cid:200) liczb(cid:200) odwiedzin osób, które do tej grupy nie nale(cid:285)(cid:200). Takiej segmentacji nie sposób uzyska(cid:202) z domy(cid:258)lnych raportów, poniewa(cid:285) dokonanie jej wymaga zrozumienia dost(cid:218)pnych danych analitycznych i zdecydowa- nia, które wska(cid:283)niki i wymiary pozwol(cid:200) na odró(cid:285)nienie wybranych grup u(cid:285)ytkowników. Dane segmentuje si(cid:218) po to, aby przejrze(cid:202) i przeanalizowa(cid:202) dane przynale(cid:285)(cid:200)ce do wybranego segmentu odwiedzin w odró(cid:285)nieniu od danych przypadaj(cid:200)cych na wszystkie wizyty w okre- (cid:258)lonym przedziale czasowym. Na rysunku 9.1 pokazany jest raport All Pages (Wszystkie strony) z Google Analytics, w którym widniej(cid:200) dane wszystkich u(cid:285)ytkowników. Na rysun- ku 9.2 przedstawiono ten sam raport, lecz po przeprowadzeniu segmentacji, aby widoczne by(cid:239)y dane tylko tych u(cid:285)ytkowników, którzy korzystaj(cid:200) z urz(cid:200)dze(cid:241) mobilnych. Zauwa(cid:285), (cid:285)e wska(cid:283)niki maj(cid:200) wyra(cid:283)nie inne warto(cid:258)ci. Dane z innych raportów równie(cid:285) b(cid:218)d(cid:200) odzwierciedla(cid:202) wprowadzon(cid:200) segmentacj(cid:218). Mo(cid:285)na te(cid:285) przedstawi(cid:202) dane z ró(cid:285)nych segmentów obok siebie. Na rysunku 9.3 widniej(cid:200) dane wszystkich u(cid:285)ytkowników zestawione z danymi segmentu u(cid:285)ytkowników korzystaj(cid:200)cych z urz(cid:200)dze(cid:241) mobilnych, czyli kolejno zawarto(cid:258)(cid:202) rysunku 9.1 i 9.2. Po krótkim wprowadzeniu do segmentacji w Google Analytics przejdziemy do omówienia najefektywniejszych sposobów wykorzystania danych z segmentów do znajdowania odpo- wiedzi na pytania z zakresu UX. Kup książkęPoleć książkę Do czego s(cid:239)u(cid:285)y segmentacja? 153 RYSUNEK 9.1. Raport All Pages (Wszystkie strony) w Google Analytics bez segmentacji Kup książkęPoleć książkę 154 ROZDZIA(cid:146) 9. Segmentacja RYSUNEK 9.2. Raport z rysunku 9.1, lecz wy(cid:258)wietlaj(cid:200)cy jedynie dane u(cid:285)ytkowników, którzy korzystali z urz(cid:200)dze(cid:241) mobilnych Kup książkęPoleć książkę Jak segmentowa(cid:202) dane? 155 RYSUNEK 9.3. Dane wszystkich u(cid:285)ytkowników i segmentu u(cid:285)ytkowników z urz(cid:200)dzeniami mobilnymi zestawione w jednym raporcie JAK SEGMENTOWA(cid:109) DANE? Przypomnijmy sobie etapy analizy: 1. Postaw pytanie. 2. Zgromad(cid:283) dane. 3. Przekszta(cid:239)(cid:202) dane. 4. Analizuj. 5. Odpowiedz na pytanie. Segmentacja jest sposobem przekszta(cid:239)cania danych, dzi(cid:218)ki któremu mo(cid:285)na lepiej odpowie- dzie(cid:202) na postawione pytanie. Je(cid:258)li masz odpowiedzie(cid:202) na pytanie na podstawie danych analitycznych, rozwa(cid:285) nast(cid:218)puj(cid:200)ce kwestie: 1. Jak odró(cid:285)ni(cid:202) wa(cid:285)nych u(cid:285)ytkowników od tych nieistotnych? 2. Jak okre(cid:258)lone powy(cid:285)ej czynniki przek(cid:239)adaj(cid:200) si(cid:218) na wska(cid:283)niki i wymiary u(cid:285)ywane przez narz(cid:218)dzia analityczne? Praca umys(cid:239)owa nad segmentacj(cid:200) polega w(cid:239)a(cid:258)nie na przej(cid:258)ciu powy(cid:285)szych kroków. Dalej pozostaje jedynie przetworzy(cid:202) dane w narz(cid:218)dziu analitycznym. Przyjrzyjmy si(cid:218) przyk(cid:239)adowemu serwisowi ZabawkiDlaPupilka.com. Po przeprowadzeniu rozleg(cid:239)ych bada(cid:241) specjali(cid:258)ci opracowuj(cid:200) persony, opisuj(cid:200)ce u(cid:285)ytkowników docelowych, u(cid:285)ytkowników dodatkowych, antyu(cid:285)ytkowników (czyli w(cid:239)a(cid:258)cicieli zwierz(cid:200)t, których nie sta(cid:202) na drogie zabawki). U(cid:285)ytkownik docelowy opisany jest nast(cid:218)puj(cid:200)co: Jest wczesne sobotnie popo(cid:239)udnie. Emily daje sobie chwil(cid:218) wytchnienia. Siedzi na hu(cid:258)tawce, na wschodnim ganku, popijaj(cid:200)c herbat(cid:218) zio(cid:239)ow(cid:200). Nie przejmuje si(cid:218) domem w ci(cid:200)gu tygodnia, kiedy zaj(cid:218)ta jest prac(cid:200) w bibliotece, ale sobotnie poranki wi(cid:200)(cid:285)(cid:200) si(cid:218) dla niej z mnóstwem obowi(cid:200)zków, którymi dzieli si(cid:218) ze swoj(cid:200) partnerk(cid:200), Christin(cid:200). Patrz(cid:200)c przez okno do salonu, Emily zwraca uwag(cid:218) na kota Kup książkęPoleć książkę 156 ROZDZIA(cid:146) 9. Segmentacja wabi(cid:200)cego si(cid:218) Toonces i przypomina sobie, (cid:285)e chcia(cid:239)a kupi(cid:202) nowy wska(cid:283)nik laserowy ToyCo. Poprzedni, który s(cid:239)u(cid:285)y(cid:239) wiele lat, zgubi(cid:239) si(cid:218) podczas ostatniej przeprowadzki. Emily nigdy si(cid:218) zanadto nie oddala od internetu, wobec czego bierze do r(cid:200)k swojego nowego iPada, otwiera Chrome’a i wpisuje w wyszukiwarce „wska(cid:283)nik laserowy ToyCo”. Na stronie wyników wyskakuj(cid:200) jej odno(cid:258)niki do serwisu ZabawkiDlaPupilka.com, zarówno w formie reklamy, jak i naturalnych wyników wyszukiwania. Emily klika odno(cid:258)nik z bezp(cid:239)atnych wyników i dociera na stron(cid:218) produktu wska(cid:283)nika laserowego ToyCo. Do segmentacji mo(cid:285)na u(cid:285)y(cid:202) podanych w tej opowie(cid:258)ci informacji o: (cid:81) porze dnia (wymiar godzin w Google Analytics), (cid:81) przegl(cid:200)darce (wymiar przegl(cid:200)darki), (cid:81) urz(cid:200)dzeniu (wymiar modelu urz(cid:200)dzenia mobilnego), (cid:81) s(cid:239)owach kluczowych (wymiar s(cid:239)ów kluczowych) i u(cid:285)ytej przez Emily wyszukiwarki (wymiar (cid:283)ród(cid:239)a), stronie docelowej (wymiar strony docelowej). (cid:81) Person(cid:218) docelowego u(cid:285)ytkownika scharakteryzowano bardzo szczegó(cid:239)owo, aby wszyscy cz(cid:239)onkowie zespo(cid:239)u odpowiedzialnego za witryn(cid:218) ZabawkiDlaPupilka.com mogli wyobrazi(cid:202) sobie Emily. Wad(cid:200) tak szczegó(cid:239)owego segmentowania jest to, (cid:285)e liczba u(cid:285)ytkowników, którzy przystaj(cid:200) do okre(cid:258)lonych tutaj kryteriów, mo(cid:285)e przek(cid:239)ada(cid:202) si(cid:218) na bardzo ma(cid:239)y odsetek u(cid:285)yt- kowników serwisu ZabawkiDlaPupilka.com, np. na 10 wizyt z 6300. O ile szczegó(cid:239)owa charakterystyka persony pomaga ludziom wyobrazi(cid:202) sobie realistyczn(cid:200) posta(cid:202), mo(cid:285)e jednocze(cid:258)nie prowadzi(cid:202) do wykluczenia u(cid:285)ytkowników docelowych, którzy nie przystaj(cid:200) do narracji. Czy mo(cid:285)na uogólni(cid:202) pewne aspekty persony, pomin(cid:200)(cid:202) zbyt konkretne informacje albo si(cid:218)gn(cid:200)(cid:202) po dane u(cid:285)ytkowników, na podstawie których utworzono person(cid:218), i znale(cid:283)(cid:202) cechy, na których mo(cid:285)na oprze(cid:202) filtrowanie? W przypadku serwisu ZabawkiDlaPupilka.com informacje o porze dnia, s(cid:239)owach kluczowych i stronach docelowych mog(cid:200) by(cid:202) zbyt konkretne na potrzeby segmentacji. Okre(cid:258)lenie pory dnia mia(cid:239)o ubarwi(cid:202) opowie(cid:258)(cid:202) o Emily, ale wczesne popo(cid:239)udnie nie jest jedyn(cid:200) por(cid:200), o której docelowi u(cid:285)ytkownicy korzystaj(cid:200) z witryny. Z drugiej strony Emily postanowi(cid:239)a zrobi(cid:202) zakupy w weekend, co mo(cid:285)e by(cid:202) u(cid:285)yteczn(cid:200) informacj(cid:200) przy segmentacji. Sklep ZabawkiDlaPupil- ka.com oferuje szeroki asortyment produktów, a kiedy u(cid:285)ytkownicy szukaj(cid:200) ich wed(cid:239)ug marki, mo(cid:285)na wnioskowa(cid:202), (cid:285)e s(cid:200) zainteresowani konkretnie takimi wysokiej klasy produktami. Opracowanie segmentu docelowej persony u(cid:285)ytkownika serwisu powinno si(cid:218) wi(cid:200)za(cid:202) z utwo- rzeniem d(cid:239)u(cid:285)szej listy s(cid:239)ów kluczowych, odnosz(cid:200)cych si(cid:218) do konkretnych produktów, oraz ewentualnie hase(cid:239) w rodzaju „markowe zabawki dla zwierz(cid:200)t”. Segmentowanie jednocze(cid:258)nie w oparciu o stron(cid:218) docelow(cid:200) oraz s(cid:239)owa kluczowe jest na ogó(cid:239) zb(cid:218)dne. Skoro poszerzamy zakres s(cid:239)ów kluczowych zwi(cid:200)zanych z serwisem ZabawkiDlaPupilka.com, wystarczy poprze- sta(cid:202) na segmentacji na podstawie stron docelowych. Kup książkęPoleć książkę Jak segmentowa(cid:202) dane? 157 Cho(cid:202) informacja o przegl(cid:200)darce mo(cid:285)e by(cid:202) kwesti(cid:200) nazbyt szczegó(cid:239)ow(cid:200) i ma(cid:239)o istotn(cid:200) dla zro- zumienia zachowania Emily, fakt, (cid:285)e korzysta ona z iPada mo(cid:285)e wskazywa(cid:202), (cid:285)e sta(cid:202) j(cid:200) na dro(cid:285)sze zakupy. W(cid:258)ród docelowych u(cid:285)ytkowników ZabawkiDlaPupilka.com iPad mo(cid:285)e jed- nak nie by(cid:202) szczególnie popularny. Je(cid:258)li dane o u(cid:285)ytkownikach serwisu (cid:258)wiadcz(cid:200) o tym, (cid:285)e u(cid:285)ytkownicy ci korzystaj(cid:200) g(cid:239)ównie z produktów Apple’a, to by(cid:202) mo(cid:285)e warto filtrowa(cid:202) w oparciu o system operacyjny (wymiar Macintosh lub iOS). Przegl(cid:200)d danych o u(cid:285)ytkow- nikach mo(cid:285)e te(cid:285) wykaza(cid:202), (cid:285)e informacja o urz(cid:200)dzeniu nie jest istotn(cid:200) cech(cid:200) przy charaktery- zowaniu u(cid:285)ytkowników, wobec czego nie nale(cid:285)y jej u(cid:285)ywa(cid:202) przy segmentacji. Wreszcie mo(cid:285)na te(cid:285) trafi(cid:202) na inne czynniki, pozwalaj(cid:200)ce na identyfikacj(cid:218) u(cid:285)ytkowników podobnych do Emily, które nie zosta(cid:239)y jednak uwzgl(cid:218)dnione w jej personie. Mo(cid:285)e to by(cid:202) na przyk(cid:239)ad klikni(cid:218)cie odno(cid:258)nika na witrynie o tematyce interesuj(cid:200)cej dla zamo(cid:285)nych w(cid:239)a(cid:258)cicieli zwierz(cid:200)t domowych, gotowych do wydawania na nie pieni(cid:218)dzy. Dotychczas odnosili(cid:258)my si(cid:218) do segmentacji jak do sposobu identyfikowania u(cid:285)ytkowników wed(cid:239)ug ich cech lub tego, jak dotarli na witryn(cid:218). Segmentacj(cid:218) mo(cid:285)na równie(cid:285) przeprowadzi(cid:202) wed(cid:239)ug zachowania u(cid:285)ytkowników na witrynie, co omówimy w dalszej cz(cid:218)(cid:258)ci rozdzia(cid:239)u. Po okre(cid:258)leniu sposobów na wyró(cid:285)nienie u(cid:285)ytkowników, którzy Ci(cid:218) interesuj(cid:200), czas konkretnie zabra(cid:202) si(cid:218) do wyodr(cid:218)bnienia segmentu. Zaawansowana segmentacja w Google Analytics Je(cid:258)li korzystasz z Google Analytics, mo(cid:285)esz z (cid:239)atwo(cid:258)ci(cid:200) na bie(cid:285)(cid:200)co opracowywa(cid:202) swój seg- ment i udoskonala(cid:202) go. Stwórzmy segment obejmuj(cid:200)cy person(cid:218) docelowego u(cid:285)ytkownika serwisu ZabawkiDlaPupilka.com, Emily, oraz innych u(cid:285)ytkowników, którzy nie przystaj(cid:200) dok(cid:239)adnie do przedstawionej wcze(cid:258)niej narracji. 1. W Google Analytics mo(cid:285)na uzyska(cid:202) dost(cid:218)p do segmentów zaawansowanych, klikaj(cid:200)c przycisk ze strza(cid:239)k(cid:200), znajduj(cid:200)cy si(cid:218) niemal nad ka(cid:285)dym raportem (rysunek 9.4). Klikni(cid:218)cie tego przycisku otwiera list(cid:218) predefiniowanych i utworzonych przez Ciebie segmentów. 2. W lewym górnym rogu listy mie(cid:258)ci si(cid:218) przycisk + Create New Segment (+ Utwórz nowy segment), którego klikni(cid:218)cie otwiera formularz umo(cid:285)liwiaj(cid:200)cy Ci zdefiniowanie w(cid:239)asnego segmentu (rysunek 9.5). 3. Przede wszystkim musisz nada(cid:202) segmentowi nazw(cid:218). Z czasem pewnie utworzysz do(cid:258)(cid:202) du(cid:285)o segmentów i nigdy nie b(cid:218)dziesz w stanie znale(cid:283)(cid:202) czasu, by przejrze(cid:202) ca(cid:239)(cid:200) kolekcj(cid:218), wi(cid:218)c nadawaj krótkie i tre(cid:258)ciwe nazwy. W tym wypadku mo(cid:285)emy u(cid:285)y(cid:202) nazwy „Persona g(cid:239)ówna — Emily”. 4. Nast(cid:218)pnym krokiem jest dodanie filtrów. Wybierz po(cid:285)(cid:200)dany wska(cid:283)nik lub wymiar, okre(cid:258)l metod(cid:218) dopasowywania warto(cid:258)ci oraz podaj warto(cid:258)ci, które maj(cid:200) by(cid:202) uwzgl(cid:218)dniane. Kup książkęPoleć książkę 158 ROZDZIA(cid:146) 9. Segmentacja RYSUNEK 9.4. Przycisk listy segmentów w Google Analytics — od tego miejsca zaczyna si(cid:218) tworzenie segmentów 5. Mo(cid:285)esz te(cid:285) przej(cid:258)(cid:202) do zak(cid:239)adki Conditions (Warunki), aby doda(cid:202) deklaracje warunkowe typu AND (I) oraz OR (LUB). Powtórz kroki 4. i 5. tyle razy, ile potrzebujesz. Na rysunku 9.6 widnieje segment Primary Persona — Emily (Persona g(cid:239)ówna — Emily) z kilkoma filtrami. 6. Po dodaniu filtrów masz trzy mo(cid:285)liwo(cid:258)ci: (cid:81) zapisa(cid:202) segment przyciskiem Save (Zapisz), tym samym wychodz(cid:200)c z formularza i zastosowuj(cid:200)c segmentacj(cid:218) do danych, (cid:81) klikn(cid:200)(cid:202) przycisk Preview (Podgl(cid:200)d), pozostawiaj(cid:200)c otwarty formularz, ale zastosowuj(cid:200)c segmentacj(cid:218) do danych; bywa to niezwykle u(cid:285)yteczne przy eksperymentowaniu i odpowiadaniu na pojedyncze, konkretne pytania, Kup książkęPoleć książkę Jak segmentowa(cid:202) dane? 159 RYSUNEK 9.5. Formularz do tworzenia segmentów RYSUNEK 9.6. Jedna z form, jakie mo(cid:285)e przyj(cid:200)(cid:202) segment persony Emily. Wskazano tutaj, (cid:285)e system operacyjny, przez który u(cid:285)ytkownik wchodzi na ZabawkiDlaPupilka.com, musi by(cid:202) produktem Apple’a, co ma wskazywa(cid:202) na maj(cid:218)tno(cid:258)(cid:202) u(cid:285)ytkownika. Nast(cid:218)pnie podano zestaw s(cid:239)ów kluczowych oraz odsy(cid:239)aj(cid:200)c(cid:200) witryn(cid:218). Informacje te maj(cid:200) wskazywa(cid:202), (cid:285)e celem u(cid:285)ytkownika jest zakup dro(cid:285)szych zabawek dla zwierz(cid:200)t. Gdyby(cid:258)my mieli do czynienia z przyk(cid:239)adem wzi(cid:218)tym z (cid:285)ycia, segment ten obejmowa(cid:239)by wi(cid:218)kszy zakres s(cid:239)ów kluczowych i odsy(cid:239)aj(cid:200)cych witryn (cid:81) klikn(cid:200)(cid:202) przycisk Test (Przetestuj), aby przefiltrowa(cid:202) dane i okre(cid:258)li(cid:202), ilu u(cid:285)ytkowników obejmuj(cid:200) poszczególne filtry; przydaje si(cid:218) to przy dopieszczaniu segmentów. 7. Po zapisaniu lub przetestowaniu segmentu mo(cid:285)esz zacz(cid:200)(cid:202) przegl(cid:200)da(cid:202) raporty Google Analytics oparte na wprowadzonych filtrach. Kup książkęPoleć książkę 160 ROZDZIA(cid:146) 9. Segmentacja JAK SEGMENTOWA(cid:109) DANE? Dane mo(cid:285)na segmentowa(cid:202) w oparciu o praktycznie dowolny wska(cid:283)nik lub wymiar obs(cid:239)u- giwany przez Twoje narz(cid:218)dzie analityczne, równie(cid:285) w po(cid:239)(cid:200)czeniu z deklaracjami AND (I) oraz OR (LUB). W tym podrozdziale zajmiemy si(cid:218) kilkoma z mo(cid:285)liwo(cid:258)ci. I, LUB oraz sekwencja filtrów Segmentacja cz(cid:218)sto wi(cid:200)(cid:285)e si(cid:218) z (cid:239)(cid:200)czeniem wi(cid:218)kszej liczby filtrów. Segmenty takie (cid:239)(cid:200)czy si(cid:218) na dwa sposoby: 1. Przy deklaracji I obydwa warunki musz(cid:200) by(cid:202) prawdziwe. 2. Przy deklaracji LUB tylko jeden z warunków musi by(cid:202) prawdziwy. Na rysunku 9.2 widnieje zrzut ekranu Google Analytics, ukazuj(cid:200)cy cztery filtry segmentu- j(cid:200)ce u(cid:285)ytkowników, którzy dostali si(cid:218) na witryn(cid:218) Pure Visibility przez wyszukiwark(cid:218), szuka- j(cid:200)c czego(cid:258) innego ni(cid:285) nazwy firmy, oraz którzy odwiedzili wi(cid:218)cej ni(cid:285) trzy strony w ramach wizyty. Filtry te wskazuj(cid:200) u(cid:285)ytkowników, którzy nie znali wcze(cid:258)niej Pure Visibility, ale by(cid:202) mo(cid:285)e zainteresowali si(cid:218) us(cid:239)ugami firmy (a przynajmniej zainteresowali si(cid:218) nimi w wystar- czaj(cid:200)co du(cid:285)ym stopniu, by nie opu(cid:258)ci(cid:202) witryny po przejrzeniu kilku stron). Segment ten daje ogólny wgl(cid:200)d w dane u(cid:285)ytkowników, którzy dotarli na witryn(cid:218) Pure Visibility, czytaj(cid:200)c o marketingu internetowym, cho(cid:202) warto zwróci(cid:202) uwag(cid:218), (cid:285)e obejmuje on do(cid:258)(cid:202) szeroki zakres internautów — nie tylko tych, którzy chc(cid:200) si(cid:218) czego(cid:258) dowiedzie(cid:202) o „marketingu interne- towym”, ale tak(cid:285)e oko(cid:239)o pi(cid:218)ciu osób, które szuka(cid:239)y „dobrych tortów urodzinowych”. W Google Analytics ka(cid:285)dy krok w procesie filtrowania wi(cid:200)(cid:285)e si(cid:218) z w(cid:239)(cid:200)czaniem b(cid:200)d(cid:283) wy(cid:239)(cid:200)- czaniem u(cid:285)ytkowników na podstawie wybranych wska(cid:283)ników (rysunek 9.7). W przypadku w(cid:239)(cid:200)czania u(cid:285)ytkowników ich dane s(cid:200) widoczne, kiedy analizujesz w oparciu o dany seg- ment. Wy(cid:239)(cid:200)czenie polega na tym, (cid:285)e dane u(cid:285)ytkowników nie s(cid:200) widoczne, kiedy u(cid:285)ywasz segmentu. Filtry podzielone s(cid:200) tu na trzy kategorie: jedn(cid:200), która uwzgl(cid:218)dnia g(cid:239)(cid:218)boko(cid:258)(cid:202) wizyty I, drug(cid:200), która uwzgl(cid:218)dnia s(cid:239)owa kluczowe I, trzeci(cid:200), która wskazuje, (cid:285)e u(cid:285)ytkownicy dotarli na stron(cid:218) przez naturalne wyniki wyszukiwania LUB wyniki p(cid:239)atne. Filtry te nie s(cid:200) sekwencyjne — zmiana ich kolejno(cid:258)ci nie wp(cid:239)ywa na wyniki. Wska(cid:283)niki Wska(cid:283)niki segmentuje si(cid:218) w oparciu o próg numeryczny. W Google Analytics filtrowa(cid:202) mo(cid:285)na wed(cid:239)ug tego, czy wska(cid:283)nik ma warto(cid:258)(cid:202) wy(cid:285)sz(cid:200), ni(cid:285)sz(cid:200), czy równ(cid:200) podanej liczbie. W tabeli 9.2 widnieje kilka przyk(cid:239)adów. Kup książkęPoleć książkę Jak segmentowa(cid:202) dane? 161 RYSUNEK 9.7. Przyk(cid:239)ad zaawansowanego segmentu w Google Analytics, opartego na filtrach po(cid:239)(cid:200)czonych deklaracjami warunkowymi TABELA 9.2. Przyk(cid:239)adowe filtry wska(cid:283)ników w Google Analytics Wy(cid:239)(cid:200)czenie czasu trwania wizyty krótszego ni(cid:285) 60 W(cid:239)(cid:200)czenie przychodów z produktu wi(cid:218)kszych ni(cid:285) 20 W(cid:239)(cid:200)czenie nowych wizyt równych 0 Wy(cid:239)(cid:200)czenie osi(cid:200)gni(cid:218)cia celu 1 o warto(cid:258)ci 1 Nie wy(cid:258)wietlaj(cid:200) si(cid:218) dane z wszelkich wizyt, które trwa(cid:239)y krócej ni(cid:285) 60 sekund. Wy(cid:258)wietlaj(cid:200) si(cid:218) jedynie dane dla wizyt, w ramach których u(cid:285)ytkownicy dokonali zakupów o warto(cid:258)ci wi(cid:218)kszej ni(cid:285) 20 dolarów (nie uwzgl(cid:218)dniaj(cid:200)c kosztu dostawy). Wy(cid:258)wietla jedynie dane u(cid:285)ytkowników, którzy odwiedzili witryn(cid:218) wcze(cid:258)niej. Nowe wizyty maj(cid:200) warto(cid:258)(cid:202) 1, a wizyty powracaj(cid:200)cych u(cid:285)ytkowników 0. Wy(cid:258)wietla dane u(cid:285)ytkowników, którzy nie osi(cid:200)gn(cid:218)li celu 1. Wymiary Wymiary maj(cid:200) warto(cid:258)ci tekstowe, wobec czego masz ró(cid:285)ne mo(cid:285)liwo(cid:258)ci ich filtrowania. W Google Analytics wyst(cid:218)puj(cid:200) filtry ukazane w tabeli 9.3. W tabeli 9.4 znajduje si(cid:218) kilka przyk(cid:239)adów filtrowania. TABELA 9.3. Niektóre opcje filtrowania wymiarów exactly matches ((cid:258)ci(cid:258)le pasuje do) matches regex (pasuje do wyra(cid:285)enia regularnego) starts with (rozpoczyna si(cid:218) od) ends with (ko(cid:241)czy si(cid:218) na) contains (zawiera) Jedynie warto(cid:258)ci identyczne z tymi, które poda(cid:239)e(cid:258), bez dodatkowych znaków. Je(cid:258)li umiesz u(cid:285)ywa(cid:202) wyra(cid:285)e(cid:241) regularnych (a musisz umie(cid:202), je(cid:258)li chcesz analizowa(cid:202) kwerendy), mo(cid:285)esz skorzysta(cid:202) z tej opcji. Szuka warto(cid:258)ci zaczynaj(cid:200)cych si(cid:218) od tego, co poda(cid:239)e(cid:258). Szuka warto(cid:258)ci ko(cid:241)cz(cid:200)cych si(cid:218) tym, co poda(cid:239)e(cid:258). Szuka warto(cid:258)ci zawieraj(cid:200)cych ci(cid:200)g, który poda(cid:239)e(cid:258) w polu. Kup książkęPoleć książkę 162 ROZDZIA(cid:146) 9. Segmentacja TABELA 9.4. Przyk(cid:239)adowe filtry wymiarów w Google Analytics Kraj (terytorium) (cid:258)ci(cid:258)le pasuje do „USA” Je(cid:258)li chcesz przyjrze(cid:202) si(cid:218) wy(cid:239)(cid:200)cznie u(cid:285)ytkownikom ze Stanów Medium (cid:258)ci(cid:258)le pasuje do „organic” Zjednoczonych, mo(cid:285)esz skorzysta(cid:202) z tego sposobu. U(cid:285)yj tej metody, aby przefiltrowa(cid:202) u(cid:285)ytkowników wed(cid:239)ug tego, czy weszli na witryn(cid:218) z innej witryny, skorzystali z wyszukiwarki, klikn(cid:218)li reklam(cid:218) w wyszukiwarce, czy wpisali bezpo(cid:258)rednio adres witryny. Urz(cid:200)dzenie mobilne ma warto(cid:258)(cid:202) „Tak” Wy(cid:258)wietla wy(cid:239)(cid:200)cznie dane u(cid:285)ytkowników, którzy weszli S(cid:239)owo kluczowe nie pasuje do wyra(cid:285)enia regularnego „pure (visibility|visability)” na witryn(cid:218) z urz(cid:200)dzenia mobilnego. Takie proste wyra(cid:285)enie regularne wykluczy(cid:239)oby wi(cid:218)kszo(cid:258)(cid:202) ludzi, którzy w wpisali w wyszukiwarce nazw(cid:218) „Pure Visibility” poprawnie lub z b(cid:239)(cid:218)dem ortograficznym. Filtr przydaje si(cid:218), je(cid:258)li nie chcesz przegl(cid:200)da(cid:202) danych u(cid:285)ytkowników, którzy ju(cid:285) znaj(cid:200) Pure Visibility (cho(cid:202) trzeba przyzna(cid:202), (cid:285)e jego u(cid:285)yteczno(cid:258)(cid:202) jest ograniczona, je(cid:258)li nie pracujesz dla Pure Visibility). SEGMENTOWANIE I ODPOWIEDZI NA PYTANIA Z ZAKRESU UX Segmentowanie wed(cid:239)ug strony Segmentowanie u(cid:285)ytkowników wed(cid:239)ug tego, czy odwiedzili dan(cid:200) stron(cid:218) w ramach wizyty, przydaje si(cid:218), gdy chcemy si(cid:218) dowiedzie(cid:202), jak dana strona wp(cid:239)ywa na zachowanie u(cid:285)ytkow- nika. Nie odpowiesz na pytanie: „Czy ta strona zwi(cid:218)ksza prawdopodobie(cid:241)stwo, (cid:285)e u(cid:285)ytkow- nik co(cid:258) kupi?”, bezpo(cid:258)rednio opieraj(cid:200)c si(cid:218) na danych analitycznych, poniewa(cid:285) musisz najpierw pozna(cid:202), czym ludzie si(cid:218) kieruj(cid:200). Mo(cid:285)esz zatem sprawdzi(cid:202), jak zachowali si(cid:218) u(cid:285)ytkownicy, którzy odwiedzili wybran(cid:200) stron(cid:218) (lub tego nie zrobili). Dzi(cid:218)ki temu masz mo(cid:285)liwo(cid:258)(cid:202) znale- zienia odpowiedzi na pytania w rodzaju: (cid:81) Czy u(cid:285)ytkownicy, którzy weszli na stron(cid:218) O nas, ch(cid:218)tniej dokonywali konwersji ni(cid:285) ci, którzy tego nie zrobili? (cid:81) Czy u(cid:285)ytkownicy, którzy weszli na stron(cid:218) o wyposa(cid:285)eniu, odznaczaj(cid:200) si(cid:218) wy(cid:285)sz(cid:200) warto(cid:258)ci(cid:200) wska(cid:283)nika konwersji ni(cid:285) ci, którzy weszli na stron(cid:218) o planie sytuacyjnym budynku? (cid:81) Ilu u(cid:285)ytkowników odwiedzi(cid:239)o zarówno sekcj(cid:218) o SEO, jak i sekcj(cid:218) o UX witryny? (cid:81) Co jeszcze przegl(cid:200)da(cid:239)y osoby zainteresowane wska(cid:283)nikami laserowymi? Mechanizm jest prosty. Wystarczy wybra(cid:202) stron(cid:218) oraz segment obejmuj(cid:200)cy lub wy(cid:239)(cid:200)czaj(cid:200)cy u(cid:285)ytkowników, którzy weszli na ni(cid:200) w dowolnej chwili podczas wizyty na witrynie. Rzecz jasna, mo(cid:285)esz okre(cid:258)li(cid:202) wi(cid:218)cej stron w ramach wyra(cid:285)e(cid:241) I/LUB, a nawet okre(cid:258)li(cid:202), czy stron(cid:218) obejrzano jako stron(cid:218) docelow(cid:200) lub wychodz(cid:200)c(cid:200). Poza tym jednak nie mo(cid:285)na filtrowa(cid:202) wed(cid:239)ug tego, kiedy u(cid:285)ytkownik odwiedzi(cid:239) stron(cid:218) w ramach swojej wizyty. W Google Analytics mo(cid:285)esz poda(cid:202) wymiar, stron(cid:218) docelow(cid:200) i stron(cid:218) wychodz(cid:200)c(cid:200). Mo(cid:285)esz równie(cid:285) wybra(cid:202) opcj(cid:218), która najbardziej odpowiada Twoim potrzebom — exactly matches ((cid:258)ci(cid:258)le pasuje do) przydaje si(cid:218) najbardziej w sytuacjach, kiedy chcesz przeanalizowa(cid:202) konkretn(cid:200) stron(cid:218), ale zale(cid:285)y Ci na odniesieniu warto(cid:258)ci do ca(cid:239)ej klasy stron o podobnych adresach URL. Kup książkęPoleć książkę Segmentowanie i odpowiedzi na pytania z zakresu UX 163 Przyk(cid:239)ad 1. Powró(cid:202)my do przyk(cid:239)adu sklepu internetowego ZabawkiDlaPupilka.com. Standardowym etapem procesu transakcyjnego jest podanie danych do p(cid:239)atno(cid:258)ci. Strona, na której si(cid:218) to robi, ma nast(cid:218)puj(cid:200)cy adres URL: /cgi-bin/billing.tmpl. Je(cid:258)li sklep ZabawkiDlaPupilka.com wprowadzi zmiany projektowe w tej cz(cid:218)(cid:258)ci procesu, zespó(cid:239) b(cid:218)dzie chcia(cid:239) sprawdzi(cid:202), czy doprowadzi(cid:239)o to do zwi(cid:218)kszenia sprzeda(cid:285)y. Aby oszacowa(cid:202) efektywno(cid:258)(cid:202) zmian, zespó(cid:239) musi zainteresowa(cid:202) si(cid:218) wy(cid:239)(cid:200)cznie tymi lud(cid:283)mi, którzy weszli na t(cid:218) stron(cid:218), a nie ogó(cid:239)em u(cid:285)ytkowników, którzy zjawili si(cid:218) na witrynie, ale nie potwierdzili zakupów. W tym celu analitycy tworz(cid:200) segment widoczny na rysunku 9.8. RYSUNEK 9.8. Segmentowanie na podstawie tego, czy u(cid:285)ytkownicy odwiedzili wybran(cid:200) stron(cid:218) w ramach wizyty Nast(cid:218)pnie porównuj(cid:200) dane z przedzia(cid:239)ów czasowych przed wprowadzeniem zmiany i po jej wprowadzeniu, aby sprawdzi(cid:202), czy wi(cid:218)ksza liczba u(cid:285)ytkowników przechodzi z tej strony na kolejn(cid:200) w ramach zakupów. Przyk(cid:239)ad 2. W roku 2012 jeden z klientów Pure Visibility, Learning Care Group (LCG), zmodyfi- kowa(cid:239) kilka stron na swoich pi(cid:218)ciu witrynach. LCG (cid:258)wiadczy w Stanach Zjednoczonych us(cid:239)ugi z zakresu opieki nad dzie(cid:202)mi i prowadzi blisko tysi(cid:200)c o(cid:258)rodków w ca(cid:239)ym kraju. Ka(cid:285)dy o(cid:258)rodek ma w(cid:239)asn(cid:200) stron(cid:218) na witrynie LCG, a wszystkie oparte s(cid:200) na jednym sza- blonie. To w(cid:239)a(cid:258)nie szablon przeprojektowano w roku 2012. LCG chcia(cid:239)o — ze zrozumia(cid:239)ych wzgl(cid:218)dów — sprawdzi(cid:202), czy nowe strony sprawniej zach(cid:218)- ca(cid:239)y u(cid:285)ytkowników do skontaktowania si(cid:218) z firm(cid:200) i umówienia si(cid:218) na odwiedziny w najbli(cid:285)- szym o(cid:258)rodku. Adresy stron o(cid:258)rodków oparte by(cid:239)y na formacie: (cid:81) (cid:81) /our-schools/austin-tx-7529 /our-schools/riverside-ca-7191 itd. Chcieli(cid:258)my przeanalizowa(cid:202) jedynie wizyty tych u(cid:285)ytkowników, którzy odwiedzili strony kon- kretnych o(cid:258)rodków, wi(cid:218)c utworzyli(cid:258)my segment widoczny na rysunku 9.9. RYSUNEK 9.9. Segment, który wyklucza wszelkie wizyty, w ramach których u(cid:285)ytkownik nie dotar(cid:239) na stron(cid:218) lokalnego o(cid:258)rodka firmy Kup książkęPoleć książkę 164 ROZDZIA(cid:146) 9. Segmentacja Wykorzystano w nim wymiar strony, wobec czego Google Analytics przeszukuje wszystkie wizyty z podanego przedzia(cid:239)u czasowego i wy(cid:258)wietla jedynie te, w ramach których u(cid:285)ytkownik trafi(cid:239) na podan(cid:200) stron(cid:218). Filtr ten szuka stron pasuj(cid:200)cych do wyra(cid:285)enia regularnego, czyli znajduj(cid:200)cych si(cid:218) w katalogu /our-schools/ i zawieraj(cid:200)cych czterocyfrow(cid:200) liczb(cid:218) w adresie URL. Wystarczy(cid:239)o nast(cid:218)pnie rzuci(cid:202) okiem na wspó(cid:239)czynnik konwersji (tj. odsetek u(cid:285)ytkowników, którzy skontaktowali si(cid:218) z LCG, aby umówi(cid:202) si(cid:218) na wizyt(cid:218)) przed wprowadzeniem i po wprowadzeniu zmiany na stronach. Okaza(cid:239)o si(cid:218), (cid:285)e nowe strony dzia(cid:239)a(cid:239)y (cid:258)wietnie. Rzecz jasna, powi(cid:200)zanie lepszych wyników konwersji ze zmianami na stronach wywnioskowano indukcyjnie, ale wydaje si(cid:218) to ca(cid:239)kiem sensowne. STRONA I CZAS SP(cid
Pobierz darmowy fragment (pdf)

Gdzie kupić całą publikację:

UX i analiza ruchu w sieci. Praktyczny poradnik
Autor:

Opinie na temat publikacji:


Inne popularne pozycje z tej kategorii:


Czytaj również:


Prowadzisz stronę lub blog? Wstaw link do fragmentu tej książki i współpracuj z Cyfroteką: