Автор: Том Каппер (Tom Capper), ведущий консультант Moz в области аналитики. Работает в агентстве с 2013 года, сертифицированный специалист Google Analytics.
Источник: http://moz.com
В этой публикации будут рассмотрены распространенные ошибки, которые совершают интернет-маркетологи, анализируя самые популярные метрики Google Analytics.
1. Средняя длительность просмотра страницы
Средняя длительность просмотра страницы – действительно очень важная метрика. Особенно, если необходимо оценить вовлечённость пользователя во взаимодействие с контентом на конкретной странице. Однако, к сожалению, анализ вовлечённости – наименее эффективный способ применения данной метрики. Чтобы понять, почему она не подходит для оценки качества содержимого страницы, необходимо понимать принцип расчёта данного показателя системой Google Analytics. Итак, средняя длительность просмотра страницы – это отношение суммарной длительности просмотра страницы за выбранный промежуток времени к количеству уникальных посещений этой страницы пользователем. Если человек просмотрел всего одну страницу за сеанс, то длительность ее просмотра рассчитана не будет. Кроме того, есть страницы, которые специально созданы для того, чтобы пользователь мгновенно перешел с них на другие, совершил какое-либо целевое действие, произвёл транзакцию или же воспользовался социальным плагином.
Средняя длительность сеанса определяется путем деления суммарной длительности пребывания пользователей на сайте на количество сеансов. При расчете длительности отдельного сеанса учитывается, произошло ли взаимодействие на последней странице, просмотренной во время сеанса.
Для расчета средней длительности система Google Analytics складывает время всех сеансов за указанный промежуток времени и делит полученное значение на их общее количество.
Если на последней странице целевое действие осуществлено не было, или же между последним действием на сайте и уходом с него прошло много времени, то система допускает, что в этом интервале страница была открыта в браузере, однако пользователь не просматривал её.
Ниже представлено несколько сценариев, при которых длительность просмотра пользователем страницы составляла не менее 20 секунд, однако метрики Google Analytics показывали иное:
Google не заинтересован в том, чтобы время просмотра последней страницы влияло на среднюю длительность просмотра страницы. Сценарий, представленный в третьей строке, как нельзя лучше иллюстрирует это: из отчета Google Analytics видно, что средняя длительность просмотра страницы при данном сценарии составит 0 секунд.
Чтобы избежать ошибок в расчетах в Google Analytics, имеет смысл использовать следующую формулу:
Средняя длительность просмотра страницы = (Время, проведенное на странице) / (Общее время просмотра всех страниц сайта – время, проведенное на странице выхода)
Однако второй пример, представленный в таблице, показывает, что данное правило применимо не всегда. Во втором примере время просмотра страницы составляет 0 секунд, при этом пользователь затратил на взаимодействие с социальным плагином на последней странице лишь половину от общего времени, проведенного на ней.
Таким образом, средняя длительность просмотра страницы для примера №2 составляет: (20с+10с+0с) / (3-2) = 30 с
Отсюда следует 2 важных вывода:
1. Имеет место переоценка данного показателя
Без учета времени, проведённого на последней странице, расчёт показателя будет неверным. Особенно, если учитывать ситуации, когда время, проведенное на странице, больше 0 секунд. При этом средняя длительность просмотра страницы для примера №2 (30 с) оказывается больше, чем длительность каждого отдельного посещения страницы.
Вот почему средняя длительность просмотра страницы в ряде случаев может быть несколько больше, чем средняя длительность посещения. Хотя, на первый взгляд может показаться, что длительность просмотра страницы в 30 секунд - не намного выше показателя в 20 секунд, в реальности погрешность может быть куда более значительной. Для многостраничных сайтов расхождение показателя может быть существенным. Так, например, в реальности показатель выходов (exit rate) для сайта может оказаться куда более высоким, чем в рассматриваемых примерах (67%). Аналогичные погрешности могут наблюдаться и при расчете показателя вовлечённости во взаимодействие со страницей.
2. Не все визиты на страницу учитываются
Если же производить анализ отдельных пользователей, которые уходят со страницы, не совершая взаимодействия, то окажется, что для Google Analytics не важно, просматривал ли человек страницу в течение 2 секунд, 10 минут или какого-то другого времени. При таком подходе данный показатель не повлияет на среднюю длительность просмотра страницы. Для многих сайтов десятиминутный просмотр страницы без единого взаимодействия будет расцениваться положительно, однако это не найдёт отражения в отчёте.
Решение проблемы. К сожалению, универсального решения здесь нет. Если владелец сайта хочет использовать для анализа такой показатель, как средняя длительность просмотра страницы, то важно учитывать подход системы аналитики к его расчёту. Кроме того, важно принимать во внимание настройки отслеживания событий на странице (к примеру, использование параметра opt_noninteraction). Если к событию применяется параметр opt_noninteraction, оно больше не будет приводить к взаимодействию. Этот метод подойдет при работе с примером №2, но не применим к примеру №1 таблицы.
2. Скорость загрузки сайта
Показатели отчёта «Скорость загрузки сайта» далеко не всегда на 100% отражают ситуацию, характерную для ресурса. По умолчанию показатели скорости загрузки страниц определяются по фиксированной выборке, составляющей 1% посетителей ресурса. На основе этих данных рассчитываются средние показатели по каждой метрике. Это значит, что некоторые экстремальные значения (к примеру, попытка загрузить сайт пользователем с повреждённым ПО компьютера или плохим wifi-соединением) могут заметно повлиять на общую статистику.
Сам по себе подход, предполагающий использование усредненных значений, не является неверным, однако при относительно небольшой выборке он может привести к довольно неожиданным и несколько искаженным результатам. К счастью, Google Analytics предоставляет возможность увеличить частоту семплирования данных.
И все же, показатель скорости загрузки сайта может быть точным лишь при анализе больших объёмов данных. К примеру, если сайт насчитывает до 1 млн. хитов в день, но при этом необходимо проанализировать статистику для страницы, количество хитов для которой не превышает 100 в день. Google Analytics при расчетах искусственно доведет показатель до 10 000 хитов в день, а затем произведет выборку, анализируя статистику для 1% посетителей. Таким образом, в итоговом расчете можно обнаружить, что за день для конкретной страницы был зафиксирован только один хит.
Решение проблемы. Важно проанализировать частоту семплирования. Если в отчётах фиксируется более 10 тыс. хитов в день, то этот аспект необходимо учитывать при анализе показателей для страниц с небольшим количеством посещений. Для проверки результатов можно применять сторонние инструменты, такие как: Pingdom или WebPagetest.
3. Коэффициент конверсии
«Коэффициент конверсии» - безусловно полезная и нужная метрика. Однако она может вносить неясность в отчёты, особенно, если не принимать во внимание специфику отдельных моделей атрибуции.
Если пользователь впервые приходит на сайт из результатов выдачи Google и покидает ресурс, не совершив целевого действия, а затем осуществляет прямой заход на сайт и совершает конверсию – в отчете Google Analytics «Источники трафика» во вкладке «Весь трафик» будет показан следующий результат: «1 конверсия c google.com/органический переход».
Это означает буквально следующее: когда анализируют коэффициент конверсии в отчете «Источники трафика» (Acquisition), вполне вероятно, что каждый отдельно взятый показатель last click, зафиксированный в аналитике, может отличаться от реальной действительности. К примеру, вместо прямого перехода на сайт может быть указан иной источник трафика. Во вкладке «Прямые переходы» могут быть зафиксированы не все конверсии, которые происходили во время прямых сессий.
Решение проблемы. Важно всегда учитывать этот аспект. Если необходимо знать истинный источник последнего клика, имеет смысл правильно настроить отчет «Многоканальные последовательности» и анализировать модели атрибуции, используя «Инструмент сравнения моделей».
4. Показатель выходов
В отличие от других метрик, которые были рассмотрены в данной статье, расчет показателя выходов является наименее прозрачным. «Показатель выходов – это процент просмотров определенной страницы, которые оказались последними в сеансе», – сообщается на справочной странице Google Analytics. Проблема заключается в том, что «Показатель выходов» нередко расценивается, как негативная метрика. «Если у страницы высокий «Показатель выходов», то, скорее всего, на ней есть какие-либо проблемы или ошибки», – традиционно размышляют представители отрасли. Иногда эти выводы могут быть верными, к примеру, если страница с такими характеристиками находится в самом центре воронки продаж.
Тем не менее, пользователи имеют особенность покидать сайт без видимых причин. Конечно же, высокий показатель выходов – явно отрицательный сигнал для информационных страниц сайтов или постов в блогах, равно как и для страниц с описаниями товаров на продающих сайтах. В то же время, далеко не каждый посетитель коммерческого сайта заходит на него с целью совершить конверсию. Пользователь может совершить до нескольких ознакомительных заходов на сайт, прежде чем принять решение о покупке. Кроме того, нередко, посещая коммерческий сайт, человек может планировать визит в офлайн-магазин для последующего приобретения товара.
Это утверждение особенно верно, если сайт хорошо продвигается по низкочастотным запросам, или же, если на него часто ссылаются. В этом случае высокий показатель выходов может означать, что пользователи нашли на ресурсе нужную информацию и будут готовы совершить покупку, как только: 1). у них появятся деньги, 2). на склад поступит товар, 3). при посещении офлайн-магазина.
Решение проблемы. Перед тем, как оценивать страницу с применением «Показателя выходов», важно продумать различные варианты пользовательских намерений. Полезно будет проанализировать сегмент покупателей, которые покидают конкретную страницу (получить эту информацию можно во вкладке Advanced в разделе сегментов аудитории). После этого имеет смысл изучить путь пользователей в отчете «Карта поведения» (User Flow), проанализировать посадочные страницы и детали совершения покупок. Все это позволит составить целостную картину о том, как ведут себя на сайте потенциальные клиенты, и с какой целью посещают ресурс.