Tasuta tehisintellekti konsultatsioon
Iga kuu pakume väja mõned tasuta tehisintellekti konsultatsioonid. Saad teada, kuidas AI abil oma meeskonna produktiivsust kasvatada. Vaatame koos üle, kuidas tehisintellekt aitab korduvate tegevustega kiiremini ja odavamalt hakkama saada. Tehisinetllekti abil vähendad kulusid ja hoiad kokku tööaega, parandades samal ajal töö kvaliteeti. Pane end kirja ja vaatame, kuidas tehisintellekt sinu valdkonnas tulemusi toob.Vaata lähemalt...
AI aitab suurendada produktiivsust ja töötajate rahulolu
Ma kirjutan IT Kolledžis lõputööd ja see on seotud kasutaja huvi mõõtmisega veebianalüütikas. Sellega seoses teib pidevalt teksti, mida kohati ka siia puistan.
Külastaja soovide mõistmine veebianalüütika abil on keeruline. Me saame hämmastavalt palju andmeid sellekohta, mida kasutaja meie veebikeskkonnas teeb, aga miks ta seda teeb või, kas ta saab seda, mida tahab, jääb veebianalüütika uurimisel häguseks.
Olenemata sellest, millist klikivoo analüüsimise vahendit me kasutame (Google Analytics, WebTrends jne), tegelevad need peamiselt nelja põhinäitaja omavahel kombineerimisega. Need neli põhinäitajat on:
- Viitaja (referrer), milliselt lehelt külastaja teie keskkonda saabus
- Külastused (visits) ehk veebikeskkonna külastamise sessioonide arv
- Lehtede vaatamine (pages) ehk, milliseid lehti külastaja oma sessiooni käigus vaatas. Siin eristatakse üht olulist gruppi, külastaja kes vaatasid ainult üht lehte. Seda nimetatakse põrkeks (bounce).
- Lehel viibitud (time on site) aeg ehk ajavahemik esimese ja viimase lehe laadimise vahel. Siin võib eraldi välja tuua ka konkreetsel lehel viibimise aja.
Lisaks loetletud, sessioonipõhistele mõõdikutele, on võimalik kokku lugeda kasutja sessioonide arv ja aeg nende vahel. Need näitajad on oma olemuselt lähemal sellele, mida võiksime nimetada lojaalsuseks ja/või kasutaja huviks. Google Analyticsis (GA) on Visitors sektsioonis eraldi alajotus Visitor Loyalty, mille alt võib leida neli agregeeritud näitajat
- Loayalty, mitu korda külastaja on varem lehel viibinud
- Recency, kui kaua aega tagasi külastaja viimati lehel viibis
- Length of Visit, kui kaua külastaja lehel viibis. Selle raporti puudus on see, et vaid üht lehte külastanud kasutajatel arvestatakse lehel viibimise ajaks null sekundit.
- Depth of Visit, mitu lehte külastaja teie keskkonnas vaatas
Kaks viimast näitajat ei ole minu arust väga head lojaalsuse indikaatorid, sest lehel viibitud aeg ja vaadatud lehtede arv võib olla põhjustatud ka muudest teguritest peale kasutaja huvi keskkonna vastu.
Selleks, et eristada huvilisi külastajaid mitte huvilistest, saab kasutada Google Analyticsi Advanced Segments võimalust. Otsustasin, et huviline kasutaja on see, kes on lehel üle 30 sekundi ja vaatab vähemalt kolme lehte (kolme valisin, sest see ületab meie keskkonna keskmist näitajat). Loodav segment sarnaneb Google Analytics’is eeldefineeritud segmendiga Non-Bounce Visits. Erinevus on selles, et Non-Bounce Visits võib sisaldada ka külastusi pikkusega alla 30 sekundi.
Oluline on tähele panna, et loodava segmendiga kaotame kõik (huvilised) külastajad, kes tulid lehele, lugesid ühe blogipostituse/artikli/teenusekirjeldus ja lahkusid. Nende puhul on vaadatud lehtede arv üks ja GA paneb külastuse pikkuseks null sekundit.
Mis seal ikka kannatame ära. Kuidas teha GA Advanced Segmentsis endale vastav mõõdik?
Nüüd kus vastav mõõdik on valmis tehtud tuleb see oma raportile rakendada. Seda saab teha nii:
Tulemuseks on külastajatesegment, mida võib lugeda keskmisest huvilisemaks. See näeb välja nii:
Sinine joon on kõik külastajad ja Kollane joon näitab meid huvitavat segmenti. Tähelepanelik lugeja võib märgata, et eelmise aasta augustis on lehel juhtunud mingi äpardus. See jookseb läbi mitmete profiilide ja algpõhjus ei ole teada.
Kohati muutub kõiki külastajaid sisaldav segment graafiku vaatlemisel segavaks ja siis võib vaadelda vaid oma segmenti.
Koostatud segment on väga algeline. Jätab välja huvilisi külastajaid ja ei arvesta varasemate sessioonidega. Mõnevõrra keerukama Engagement’i mõõtmise segmendi tegemist õpetab oma blogis analüütikaguru Eric T. Peterson: Track Visitor Engagement using Google Analytics! Kuna tal on seal üks viga :), siis teen siia ekraanivaate tema näpunäidete järgi loodud korrektsest Engagement segmendist.
Testige ja katsetage erinevaid segmente. Tulemused on päris huvitavad. Meie lehe puhul võib väita, et Engagement segment näitab päris täpselt olulisi külastusi. Sellele saaks lisada piiranguna veel kasutaja poolt külastatud lehti (mis on veebilehele äriliselt olulised).
Nüüd võiks targemad inimesed, kes näevad suuri loogikavigu või huvitavaid lisavõimalusi neid siia kommentaaridesse postitada. Teie abiga saab mu lõputöö natuke asjalikumaks.
Google Analytics koolitus
Google Analytics meistriklassis saad teada, kuidas veebianalüütika aitab Sul paremaid tulemusi saavutada ja müüki kasvatada. Koolituse käigus anname Sulle ülevaate, kuidas selgitada välja, millised kanalid toovad ettevõttele kasu ja millised vaid näiliselt toimivad. Fookuses on tehingute ja raha mõõtmine. Vaatame, kuidas andmetest olulist infot leida. Vaata lähemalt…
Veebianalüütika on natuke laiem valdkond kui statistika. Veebianalüütika jaguneb oma olemuselt kaheks:
1. Kvantitatiivne analüütika – vastab küsimusele Mis?
Peamiselt statistilised andmed, mida koguvad ja mida saab vaadelda erinevate statistikaprogrammide abil nagu Google Analytics, Snoobi, WebTrends jpm. Statistika annab ülevaate mis toimub.
2. Kvalitatiivne analüütika – vastab küsimusele Miks?
Erinevad uuringud nagu kasutajate küsitlused, kasutajate testid, A/B ja multivariatsioon testid, ratingud ja kommentaarid, visuaalsed klikk-trackid jpm. Peamine eesmärk välja selgitada miks külastajad just nii käituvad.
Minu arvates oleks õigem öelda, et statistikas jääb külastjate soovide teada saamine häguseks. Veebianalüütika teine pool aga just sellega tegelebki, et teada saada kasutajate soove.
Nõus. Praegune eesmärk ongi leida just mõõdikute kogum, mis sõeluks klikivoost välja külastajad, kel tundub, mingite parameetrite alusel, keskmisest suurem huvi olevat.
Snoobi abil saab näiteks jälgida üksikute kasutajate järjestikuseid sessioone ja see on nii lähedal tahtluse tuvastamisele, kui klikivoos üldse võimalik.
Oleme kasutanud ka vahendeid, et salvestada, mida konkreetne kasutaja igal lehel teeb, aga ka siis saame vastuse küsimusele “mida tegi” mitte “miks tegi”.
Selleks, et teada miks tegi peab inimene seda ise ütlema.
why did the chicken cross the road?
Ära ei tasu unustada ka kasutajate profiilipõhist analüütikat. Mida teevad mehed või naised, mida noored või vanad, rikkad või vaesed. See annab analüütikale hoopis teise mõõtme ja viib selle palju paremini kokku muude turunduskanalite ja -mudelitega. Nt AIDA/REAN või moodsamalt AECR asju on minu jaoks ilma profiilide ja segmentideta ikka suhteliselt raske hästi teha.
Havas’e Artemises on väidetavalt profileeritud kolmandik maailma netikasutajatest. Google ja Doubleclick pole oma andmeid öelnud, kuid kindlasti on see üle poole maailma kasutajatest.
Mu praegune eesmärk on ikkagi sellist “iga mehe” meetrikat kasutadest paremat pilti saada. Need kinnised vahendid on kindlasti väga head, aga nagu nad ise väidavad on neil ikkagi väiksem osa netist profileeritud. Kasulik? Jah, aga pole kõigile kättesaadav.
Testkommentaar