Masarykova univerzita. Služba Google Analytics a její využití pro potřeby analýzy a optimalizace webových stránek

Masarykova univerzita Filozofická fakulta Ústav české literatury a knihovnictví Kabinet informačních studií a knihovnictví Informační studia a knihovnictví

Martin Čech

Služba Google Analytics a její využití pro potřeby analýzy a optimalizace webových stránek Magisterská diplomová práce

Vedoucí práce: Mgr. Martin Krčál, DiS. Odborný dohled: Bc. Pavel Jašek, Roman Appeltauer

2010

Bibliografický záznam ČECH, Martin. Služba Google Analytics a její využití pro potřeby analýzy a optimalizace webových stránek. Brno : Masarykova univerzita, Filozofická fakulta, Ústav české literatury a knihovnictví, 2010. 196 s. Vedoucí diplomové práce Mgr. Martin Krčál, DiS.

Anotace Diplomová práce „Služba Google Analytics a její využití pro potřeby analýzy a optimalizace webových stránek“ se věnuje detailnímu popisu Google Analytics a možnostem uplatnění této služby v procesu webové analýzy a optimalizace webových stránek. Úvod práce je zaměřen na charakteristiku služby, pochopení jejího významu a využití. Navazující část se zabývá aktivací a nastavením Google Analytics včetně pokročilých úprav měřicího procesu a funkčnosti. Následuje popis práce s Google Analytics a informace o možnostech využití jednotlivých přehledů dat. Praktická část práce, která má charakter případové studie, je ukázkou zapojení Google Analytics v procesu optimalizace konkrétního webu a při hodnocení provedených změn.

Annotation The thesis „Google Analytics and its usage for the purposes of website analysis and optimization“ is devoted to detailed description of Google Analytics and its application in process of web analysis and website optimization. The introduction of the thesis focuses on the service characteristics and on its importance and usage understanding. The following part deals with Google Analytics activation and setting, including advanced adjustments of measuring process and functionality. Furthermore the thesis describes work with Google Analytics and gives information about possibilities of using individual data surveys. The practical part of the thesis, which has a character of a case study, is an example of Google Analytics participation in the process of optimization of a specific web and in evaluation of realized changes.

Klíčová slova Google Analytics, nastavení Google Analytics, využití Google Analytics, webová analytika, měření návštěvnosti, analýza návštěvnosti, zvyšování webové návštěvnosti, optimalizace webu, SEM, internetový marketing, SEO, optimalizace pro vyhledávače

Keywords Google Analytics, Google Analytics configuration, Google Analytics usage, web analytics, traffic measurement, clickstream analysis, website traffic analysis, website traffic increasing, web optimization, SEM, internet marketing, SEO, search engine optimization

Prohlášení Prohlašuji, že jsem magisterskou diplomovou práci vypracoval samostatně s využitím uvedených pramenů a literatury.

V Brně dne 7. července 2010

Bc. Martin Čech, DiS.

Poděkování Rád bych poděkoval vedoucímu diplomové práce Mgr. Martinu Krčálovi, DiS. za připomínky a rady poskytnuté při psaní magisterské diplomové práce. Děkuji Pavlu Jaškovi a Romanu Appeltauerovi za cenné rady, odpovědi a připomínky k danému tématu. Velký dík jim patří především za odborné vedení diplomové práce a za finální odbornou korekturu. Děkuji Ing. Zdeňce Rozsypalové a Lence Čechové za textovou korekturu. Děkuji manželce, rodině i známým, kteří mi byli oporou.

OBSAH ÚVOD ............................................................................................................................ 9 A) TEORETICKÁ ČÁST .......................................................................................... 12 1 Základní informace o Google Analytics ........................................................... 12 1.1 Historie Google Analytics ............................................................................ 12 1.2 Charakteristika Google Analytics ................................................................ 14 1.3 Možnosti a oblasti využití Google Analytics ............................................... 16 1.4 Způsob fungování Google Analytics............................................................ 19 1.5 Zdroje sběru dat Google Analytics .............................................................. 20 2 Aktivace a úvodní nastavení Google Analytics ................................................ 21 2.1 Popis aktivačního procesu ............................................................................ 21 2.2 Měřicí kód GATC a jeho implementace ...................................................... 23 2.3 Funkce _trackPageview() ............................................................................. 25 2.4 Účelové úpravy měřicího kódu GATC ........................................................ 26 2.4.1 Lokální zálohování dat................................................................... 26 2.4.2 Soustředění dat do více účtů Google Analytics................................. 27 2.4.3 Sledování napříč doménami ........................................................... 28 2.4.4 Sledování napříč subdoménami ...................................................... 29 2.4.5 Úprava frekvence sběru dat............................................................ 30 2.4.6 Úprava doby trvání relace ............................................................. 31 2.4.7 Sledování vyhledávání obrázků v rámci Google Images ................... 32 2.4.8 Úprava seznamu sledovaných vyhledávačů a jejich lokálních alternativ ...................................................................................... 33 3 Rozšířené možnosti úpravy měření .................................................................. 35 3.1 Virtuální zobrazení stránek .......................................................................... 35 3.1.1 Virtuální zobrazení stránek – stahování souboru ............................. 35 3.2 Sledování elektronického obchodu .............................................................. 36 3.3 Sledování událostí a aktivit .......................................................................... 37 3.3.1 Sledování Flash videí a prezentací .................................................. 38 3.3.2 Sledování odchozího e-mailového odkazu (mailto) ........................... 38 3.4 Měření online marketingových a reklamních aktivit metodou označování odkazů .......................................................................................................... 39 3.4.1 Sledování vstupních odkazů ............................................................ 39 3.5 Sledování interního vyhledávání .................................................................. 41 4 Propojení Google Analytics s AdWords ........................................................... 42 5 Práce s Google Analytics ................................................................................... 43 5.1 Profily a účty ................................................................................................ 44 5.1.1 Účet.............................................................................................. 44 5.1.2 Profil ............................................................................................ 45 5.2 Metriky a dimenze........................................................................................ 46 5.3 Správce uživatelů ......................................................................................... 47 5.4 Seznámení s uživatelským rozhraním .......................................................... 48 5.5 Efektivní práce s daty ................................................................................... 52

5.5.1 Export dat ..................................................................................... 52 5.5.2 Posílání reportů ............................................................................ 52 5.5.3 Práce s časem, porovnávání časových období ................................. 53 5.5.4 Projektový deník (poznámky v grafech) ........................................... 54 5.6 Cíle ............................................................................................................... 55 5.6.1 Nastavení cílů ............................................................................... 57 5.6.2 Nastavení cesty k cíli ..................................................................... 59 5.7 Segmentace a použití filtrů........................................................................... 61 5.7.1 Křížová segmentace ....................................................................... 61 5.7.2 Filtry ............................................................................................ 62 5.7.3 Pokročilé segmenty........................................................................ 64 5.8 Přehledy dat a jejich význam pro analýzu webu .......................................... 67 5.8.1 Beta verze Zpravodajství ................................................................ 68 5.8.2 Návštěvníci ................................................................................... 69 5.8.3 Zdroje návštěvnosti........................................................................ 72 5.8.4 Obsah ........................................................................................... 74 5.8.5 Cíle .............................................................................................. 77 5.8.6 Elektronický obchod ...................................................................... 78 6 Umění využít data z Google Analytics .............................................................. 80 6.1 Role analytika v procesu využívání dat........................................................ 81 6.2 Klíčové ukazatele výkonnosti ...................................................................... 82 B/ PRAKTICKÁ ČÁST ............................................................................................. 85 7 Cíle praktické části............................................................................................. 86 8 Postup realizace .................................................................................................. 86 8.1 Časový harmonogram projektu .................................................................... 87 9 Informace o webu Zahradní jezírko.cz ............................................................ 88 10 Detailní cíle projektu.......................................................................................... 88 11 Klíčové ukazatele výkonnosti (KPI) ................................................................. 89 12 Nastavení Google Analytics pro měření projektu ........................................... 90 12.1 Základní nastavení ....................................................................................... 90 12.2 Nastavení filtrů ............................................................................................. 92 12.3 Nastavení pokročilých segmentů ................................................................. 94 12.4 Nastavení cílů ............................................................................................... 94 13 Úvodní analýza a zhodnocení webu .................................................................. 96 13.1 Výsledky úvodní analýzy na základě dat Google Analytics ....................... 96 13.1.1 Geolokace návštěvníků................................................................... 97 13.1.2 Rozbor technického zázemí návštěvníků .......................................... 97 13.1.3 Hodnocení zdrojů návštěvnosti ....................................................... 98 13.1.4 Hodnocení obsahu ....................................................................... 103 13.1.5 Závěrečné resumé ........................................................................ 108 14 Průběh optimalizace návštěvnosti v jednotlivých měsících .......................... 109 14.1 Říjen ........................................................................................................... 109 14.2 Listopad...................................................................................................... 110 14.3 Prosinec - realizované změny..................................................................... 112

Copywriting ................................................................................ 112 SEO úprava on-page faktorů ........................................................ 115 Úprava titulní stránky .................................................................. 116 Změna layoutu webu .................................................................... 116 Změna hlavního menu .................................................................. 116 Optimalizace jednotlivých produktových stránek kategorie „Vodní rostliny“ ..................................................................................... 117 14.4 Prosinec - plnění cílů.................................................................................. 118 14.5 Prosinec - přehled výsledků KPI ................................................................ 118 14.6 Prosinec - přehled hlavních statistik .......................................................... 118 14.7 Prosinec - hodnocení efektu provedených změn ........................................ 120 14.7.1 Copywriting ................................................................................ 120 14.7.2 SEO úprava on-page faktorů ........................................................ 122 14.7.3 Úprava titulní stránky .................................................................. 126 14.7.4 Změna layoutu webu .................................................................... 129 14.7.5 Změna hlavního menu .................................................................. 129 14.7.6 Optimalizace jednotlivých produktových stránek kategorie „Vodní rostliny“ ..................................................................................... 130 14.8 Leden - realizované změny ........................................................................ 132 14.8.1 Registrace do katalogů ................................................................ 132 14.8.2 Přidávání nových kategorií a produktů ......................................... 133 14.8.3 Zřízení sekce „Rady a tipy“ ......................................................... 133 14.9 Leden - plnění cílů ..................................................................................... 134 14.10 Leden - přehled výsledků KPI.................................................................... 134 14.11 Leden - přehled hlavních statistik .............................................................. 135 14.12 Leden - hodnocení efektu provedených změn............................................ 136 14.12.1 Registrace do katalogů a vyhledávačů .......................................... 136 14.12.2 Přidávání nových kategorií a produktů ......................................... 139 14.12.3 Zřízení sekce Rady a tipy.............................................................. 141 14.13 Únor - realizované změny .......................................................................... 145 14.13.1 Propagační stránka na Facebooku ............................................... 146 14.13.2 Propagační mikroweb „Přírodní jezero, biotop, biojezero“............ 147 14.13.3 Vložení sekce „Co jsou?“ ............................................................ 148 14.14 Únor - plnění cílů ....................................................................................... 148 14.15 Únor - přehled výsledků KPI ..................................................................... 149 14.16 Únor - přehled hlavních statistik ................................................................ 149 14.17 Únor - hodnocení efektu provedených změn ............................................. 151 14.17.1 Propagační stránka na Facebooku ............................................... 151 14.17.2 Propagační mikroweb „Přírodní jezero, biotop, biojezero“............ 152 14.17.3 Vložení sekce „Co jsou?“ ............................................................ 154 14.18 Březen - realizované změny ....................................................................... 157 14.18.1 Optimalizace objednávkového procesu.......................................... 157 14.18.2 E-mailová kampaň....................................................................... 158 14.18.3 Úprava hlavního menu................................................................. 159 14.3.1 14.3.2 14.3.3 14.3.4 14.3.5 14.3.6

14.18.4 On-line propagace (PR články, diskuze, fóra) + linkbuilding .......... 159 14.19 Březen - plnění cílů .................................................................................... 160 14.20 Březen - přehled výsledků KPI .................................................................. 161 14.21 Březen - přehled hlavních statistik ............................................................. 161 14.22 Březen - hodnocení efektu provedených změn .......................................... 163 14.22.1 Optimalizace objednávkového procesu.......................................... 163 14.22.2 E-mailová kampaň....................................................................... 165 14.22.3 Úprava hlavního menu................................................................. 166 14.22.4 On-line propagace + linkbuilding................................................. 168 15 Hodnoty KPI ..................................................................................................... 169 16 Pozice klíčových slov ........................................................................................ 172 17 Finální zhodnocení praktické části – naplnění cílů ....................................... 175 ZÁVĚR...................................................................................................................... 179 SEZNAM ZKRATEK.............................................................................................. 182 SEZNAM OBRÁZKŮ ............................................................................................. 183 POUŽITÁ LITERATURA ...................................................................................... 187 PŘÍLOHY ................................................................................................................. 196 Příloha č. 1 ............................................................................................................. 196

ÚVOD Ekonomika současné doby nám víc než kdykoliv jindy ukazuje, jak je těžké přežít v hektickém konkurenčním prostředí, což klade jasné nároky především na rozvoj komerčních a propagačních aktivit v online prostředí. Být na internetu již dnes patří k jedné z podmínek podnikatelského úspěchu. Nejde však jen o to být na internetu, ale působit zde efektivně. Internet lze chápat nejen jako platformu pro realizaci podnikání, ale také jako vhodný nástroj pro komunikaci a propagaci směrem k zákazníkům i potenciálním zájemcům o naše služby a produkty. Abychom tyto aktivity dokázali provádět co nejefektivněji, navíc s detailní znalostí chování návštěvníků webu, k tomu nám slouží webová analytika. Webová analytika poskytuje podklady pro optimalizaci a formování online strategií, pomáhá podporovat a směřovat marketingové i komerční aktivity a cíle firmy v prostředí internetu. Webová analytika se zabývá primárně chováním uživatelů zvolených webových stránek či sledováním fungování webu se zaměřením na předem definované komerční cíle a potřeby.1 Nástroje webové analýzy, k nimž patří i Google Analytics, jsou v současnosti významným prostředkem k dosahování stanovených cílů a výsledků nejen pro komerční společnosti, ale i pro nekomerční organizace, které svou činnost realizují v prostředí internetu. Nejde však jen o to potřebná data získat. Mnohem důležitější je schopnost těmto datům správně porozumět a aplikovat je v procesu návrhu optimalizačních opatření. Výše uvedená fakta jsou jedním z hlavních důvodů, proč jsem si zvolil zpracování problematiky Google Analytics jako téma své magisterské diplomové práce. Tato problematika je navíc zajímavá svou aktuálností a především možností uplatnění v praxi. Google Analytics je volně dostupná analytická služba, která v současnosti patří k nejpoužívanějším nástrojům webové analytiky v celosvětovém měřítku.2 Je nástrojem, který přináší detailní údaje o provozu a návštěvnosti webových stránek přede1

[KAUSHIK, A., Web analytics : an hour a day, 2007, s. 1-15]. Dokazují to průzkumy a měření v oblasti využívání nástrojů webové analytiky – viz např.: výzkum E-Commerce Web Analytics Market Share (January 2010) zveřejněný na webu Istobe.com [BRIGHT, D., E-Commerce Web Analytics Market Share (January 2010), 2010], studie Analytics Market analysis [WASP Blog, Who Runs Analytics? Top 500 Retail Websites Report, 2010]. 2

9

vším pomocí pokročilé segmentace, vlastních přehledů, srovnávacích grafů a dalších funkcí. Z tohoto důvodu reálně vzniká potřeba popsat, jak vhodně použít Google Analytics, ukázat praktické přínosy a možnosti dané služby. Je třeba vysvětlit detailní práci s nástrojem, pokročilé možnosti využití dat pro potřeby ladění provozu webu a zvyšování návštěvnosti. Výše zmíněné body nejsou v českém prostředí doposud komplexně zpracovány tak, aby byl potenciál a význam Google Analytics plně rozvinut a pochopen i mimo sféru specialistů webové analytiky, přestože je služba Google Analytics koncipována právě pro masívní využití. Proto je záměrem diplomové práce výše uvedené nedostatky odstranit. Hlavním účelem magisterské práce je detailní teoretický popis služby Google Analytics, jejího významu, možností nastavení, včetně vysvětlení práce s touto službou s ohledem na orientaci v generovaných datových přehledech, jež jsou zásadní pro účely detailního rozboru uživatelského chování. Cílem je komplexně zpracovat teoretický rámec služby Google Analytics a přinést vlastní podrobný rozbor jednotlivých přehledů dat včetně popisu jejich přínosu pro optimalizaci webu. Součástí práce je i praktická část s charakterem případové studie, která je konkrétním uplatněním teoretický poznatků a postupů. Podstatou praktické části je analýza vybraného webu, včetně rozboru zjištěného stavu, vyhodnocení a návrhu následných opatření či změn za účelem optimalizace návštěvnosti a efektivnosti webu. Cílem je nejen samotná realizace změn webu, ale především ukázka procesu návrhu těchto změn na základě poznatků z Google Analytics, což na reálných příkladech ukazuje možnosti praktického využití této služby. První kapitola teoretické části se zabývá základními informacemi o Google Analytics, resp. historií služby, její charakteristikou, oblastmi využití a způsobem fungování. Druhá kapitola se věnuje popisu aktivace a úvodního nastavení Google Analytics. Uvedeny jsou mimo jiné informace o aplikaci měřicího kódu a jeho základních účelových úpravách. Na tuto část navazuje třetí kapitola, která se zabývá rozšířenými možnostmi úpravy měření dat. Propojení Google Analytics s PPC systémem Google AdWords je prezentováno ve čtvrté kapitole. Následující pátá kapitola se detailně věnuje vysvětlení základů pro samotnou práci se službou a generovanými daty. Rozebrána je problematika účtů a profilů, metrik a dimenzí, uživatelského rozhraní a způsobů práce s daty. Nechybí ani rozbor tematiky cílů, segmentace a filtro-

10

vání dat. Kapitola je uzavřena popisem jednotlivých přehledů dat. Závěrečná kapitola je zaměřena na problematiku vhodného způsobu využití a vyhodnocení získaných dat. V úvodu praktické části jsou představeny základní údaje o způsobu vypracování, včetně cílů této části. Navazují kapitoly s popisem postupu realizace a informacemi o řešeném webu. Ve čtvrté a páté kapitole je řešena otázka měřitelných cílů optimalizace návštěvnosti a klíčových ukazatelů výkonu. Popis konkrétního nastavení měřicího procesu je popsán v šesté kapitole, na kterou navazuje úvodní analýza webu, jež poskytla data pro následnou optimalizaci. V rámci následujících kapitol jsou postupně rozebrány realizované změny a jejich výsledky pro konkrétní měsíce. Praktická část je zakončena rozborem klíčových ukazatelů výkonnosti a finálním zhodnocením dosažených výsledků a míry naplnění cílů projektu.

11

A) TEORETICKÁ ČÁST V následující teoretické části, která se bude zabývat tématem služby Google Analytics a popisem jejího využití pro potřeby webové analytiky, bude zpracován detailní rozbor charakteristik, vlastností a funkcionalit dané služby. Nebudou chybět informace o způsobu implementace, pokročilých technikách nastavení měření, možnostech práce s naměřenými daty a způsobu jejich využití. Uvedený popis bude sloužit jako podklad pro realizaci optimalizace webového projektu v rámci praktické části této práce3 a pro celkové pochopení významu a možností užití služby Google Analytics v procesu analýzy a optimalizace návštěvnosti i provozu webu. Neméně významným cílem této části je sestavení teoretického rámce, který najde uplatnění jako „manuál“ pro zájemce o práci s Google Analytics, což mimo jiné zahrnuje především rozbor procesu implementace a nastavení služby. Cílem této části je porozumění tomu, jak služba Google Analytics funguje a jak je možné ji využívat v procesu webové analýzy. Díky tomuto porozumění lze jednoznačně definovat význam, účel a využití Google Analytics.

1 Základní informace o Google Analytics 1.1 Historie Google Analytics Počátek existence služby Google Analytics je spojován s odkupem softwaru Urchin od stejnojmenné firmy Urchin Software Corporation, která se zabývá vývojem analytického software. K odkupu společností Google, Inc. (dále jen Google) došlo v březnu 2005.4 V listopadu 2005 byla služba Google Analytics uvolněna k bezplatnému užití za účelem měření webů a marketingových kampaní. Od srpna 2006 přestal Google omezovat počet nových registrací5, čímž došlo k postupnému celosvětovému

3

V praktické části práce bude provedena optimalizace návštěvnosti za využití dat z Google Analytics pro web www.zahradni-jezirko.cz. 4 [Google.com, Corporate Information : Google Milestones, 2009]. 5 [Google Analytics, Wikipedia, 2009].

12

rozšíření služby.6 Původně byla služba Google Analytics koncipována jako podpůrný nástroj pro potřeby hodnocení reklamních kampaní v systému Google AdWords7. Obr. 1 – Logo Google Analytics8

Od tohoto momentu společnost Google službu pravidelně aktualizuje a vylepšuje9, o čemž svědčí např. aplikace nové verze uživatelského rozhraní (květen 2007). V prosinci 2007 byl nasazen nový značkovací (měřicí) kód ga.js, který nahradil původní urchin.js, čímž bylo umožněno využívat nejnovější a rozšířené možnosti měření (např. sledování událostí10). V dubnu 2009 poskytla společnost Google k veřejnému použití Google Analytics API11. Významná aktualizace funkčních vlastností proběhla v říjnu 200912, kdy došlo k výraznějším funkčním změnám služby Google Analytics a byly představeny nové úpravy do budoucna. Byla přidána funkce Zpravodajství (Analytics Intelligence) a Upozornění (Custom Alerts). Změny se týkaly i možností definice počtu a vlastností Cílů v nastavení profilu (Goals), rozšířených možností pro Vlastní proměnné (Multiple Custom Variables), pro Sledování unikátních návštěvníků (Unique Visitors Metrics), pro Správu a sdílení reportů a segmentů (Manage/Share Customizations), pro Rozšířené filtrování tabulek (Advanced Table Filtering) a pro Měření mobilních aplikací (Expanded Mobile Tracking). Z důvodu posílení pokročilejšího využití služby především v korporátní sféře, byly přidány i nové typy zobrazení dat (Kontingenční tabulky/Pivoting) aj.13

6

Viz studie: [BRIGHT, D., E-Commerce Web Analytics Market Share (January 2010), 2010], [Who Runs Analytics? Top 500 Retail Websites Report, 2010], [BRÁZDA, J., Nástroje webové analytiky v Česku…, 2009]. 7 Česká lokace http://adwords.google.cz/. 8 [Google Analytics : Official Website, 2009]. 9 [Aktualizace služby Google Analytics, 2009]. 10 Sledování událostí (event tracking) – viz kapitola Sledování událostí a aktivit. 11 API – „Jedná se o standardní možnost, jak z různých externích aplikací přistupovat k datům naměřeným v Analytics“. [TICHÝ, J., Google Analytics mají konečně veřejné API, 2009]. 12 Zpracováno z: [TICHÝ, J., 10 novinek v Google Analytics, 2009], [CROSBY, B., Share Customizations and Dive Much Deeper, Available Soon..., 2009]. 13 [JAŠEK, P., Odborná konzultace ze dne 24. 5. 2010, 2010].

13

V prosinci 2009 byla představena nová verze měřicího kódu – tzv. asynchronní14. Poslední aktualizace, která proběhla v lednu 2010, přinesla rozsáhlejší verzi Poznámek15 a rozšíření přehledů mobilních aktivit.16

1.2 Charakteristika Google Analytics Navštívíme-li domovskou stránku služby Google Analytics, najdeme zde následující oficiální popis služby: „Google Analytics je řešení webové analýzy pro firmy i soukromé osoby, jež poskytuje přehled o provozu na webových stránkách a o efektivitě marketingu. Díky výkonným, přizpůsobitelným a snadno použitelným funkcím dovoluje zobrazovat a analyzovat detailní údaje o provozu webu. Google Analytics umožňuje vytvářet lépe cílené reklamy, posilovat marketingové aktivity a vytvářet webové stránky s vyššími mírami konverze.“17 Zde je třeba doplnit, že služba je určena především pro provozovatele webových stránek, pro webmastery a pro marketingové a řídící pracovníky18. Google Analytics je volně dostupná19 analytická služba pro sběr a analýzu dat o návštěvnosti a provozu webových stránek od společnosti Google, jež se stará o její permanentní vývoj. „Volně dostupná“ znamená v tomto případě, že službu je možno používat zdarma20 – není nutno platit za zřízení, provoz či aktualizace, jak je tomu např. u jiných analytických nástrojů (SiteCatalyst21, Coremetrics22 aj). Služba je provozována na serverech společnosti Google. Registrovaným uživatelům umožňuje vy-

14

Viz kapitola Měřicí kód GATC a jeho implementace. Vkládání a sdílení poznámek přímo v časovém grafu – viz kapitola Projektový deník. 16 Podrobný přehled jednotlivých aktualizací je dostupný z webové stránky: http://www.google.com/support/analytics/bin/answer.py?answer=69588&hl=cs. [Aktualizace služby Google Analytics, 2009]. 17 [Google Analytics, Google Analytics : Official Website, 2009]. 18 [DUŠEK, R.; KOKEŠOVÁ, N., Nástroje Google : 7. Google Analytics, 2009]. 19 Služba je dostupná jako SaaS (Software jako služba - Software as a Service) - model nasazení softwaru, kdy dochází k hostingu aplikace provozovatelem služby. [SaaS, 2009]. 20 Podmínkou bezplatného užití je odsouhlasení smluvních podmínek ze strany uživatele. Více o smluvních podmínkách viz [JAŠEK, P., Smluvní ujednání o užívání služeb Google Analytics, 2008]. 21 http://www.omniture.com 22 http://www.coremetrics.com/ 15

14

generování měřicího kódu a následné vložení do vlastních stránek23, na základě čehož získají chráněný přístup ke statistikám svého webu24. Jedná se o efektivní online analytický nástroj, který dovoluje měřit a vyhodnocovat webové projekty z mnoha hledisek. Metriky Google Analytics lze v některých případech upravovat dle vlastních potřeb, umožněna je i křížová segmentace25 nad získanými daty. Služba je určena ke komplexní analýze a produkci přehledů o webových stránkách. S pomocí této služby lze podrobně sledovat a následně analyzovat pohyb návštěvníků na webu, identifikovat nejčastěji zobrazované stránky, zdroje, odkud návštěvníci na web přichází, a místa, kde stránky opouští. Statistických přehledů a metrik poskytuje Google Analytics mnohem více, proto je vhodné se orientovat vždy na ty, které jsou směrodatné s ohledem na činnost, zaměření a cíle webu. Služba navíc poskytuje možnost zobrazit přehledy několika variabilními způsoby.26 Google Analytics vyniká jednoduchým ovládáním a především přehledným grafickým zpracováním, v jakém jsou data předkládána. Tento fakt, společně s možností nastavení české jazykové verze pro uživatelské rozhraní, přispívá k rozšířenosti služby nejen v celosvětovém měřítku, ale taktéž v českém prostředí, kde jí patří první místo s ohledem na procentuální míru použití v porovnání s ostatními nástroji a službami webové analytiky.27 Pozitivním přínosem z pohledu uživatele je fakt, že Google Analytics data automaticky zpracovává formou přehledných grafů a statistik. Standardně předkládá data v podobě výpisu informací či tabulek, přičemž údaje lze jednoduše vizuálně zpřehlednit také pomocí výsečových (koláčových) nebo sloupcových grafů.28 Služba vyniká vysokou mírou přizpůsobení, což lze uplatnit např. v rámci definování vlastních přehledů, filtrů, segmentace, přizpůsobení dashboardu29 apod.

23

Problematika aktivace služby je detailně rozebrána v kapitole Popis aktivačního procesu. [JANOVSKÝ, D., Google Analytics : jak používat statistický nástroj Google, 2009]. 25 Viz kapitola Křížová segmentace. 26 Popisem přehledů se budeme zabývat v kapitole Přehledy dat a jejich význam pro analýzu webu. 27 Viz zdroje poznámky pod čarou č. 6. 28 Práce v rámci uživatelského rozhraní je popsána v kapitole Seznámení s uživatelským rozhraním. 29 Dashboard – řídicí přehledový panel (viz kapitola Seznámení s uživatelským rozhraním). 24

15

Umožňuje taktéž upravovat dle vlastních potřeb a požadavků měřicí kód za účelem přizpůsobení (customizace) měřicího procesu získávaných dat.30 V závěru této kapitoly, která byla věnována úvodnímu popisu služby Google Analytics, nesmíme zapomenout uvést, že Google Analytics lze navíc propojit s dalšími službami společnosti Google – jedná se např. o reklamní PPC/CPC službu AdWords či službu AdSense31, která zprostředkovává reklamu provozovanou právě společností Google. Google Analytics lze navíc propojovat i s jinými aplikacemi a systémy32, které firma používá (např. s CRM33). Při využívání dat díky tomuto propojení však nesmí dojít k porušování smluvních podmínek Google Analytics, které je nutno dodržovat.34

1.3 Možnosti a oblasti využití Google Analytics V následující kapitole se budeme věnovat možnostem využití Google Analytics. Primárně se zaměříme na přínosy této služby v procesu vyhodnocování webů a popíšeme hlavní oblasti jejího uplatnění. Služba Google Analytics, jakožto nástroj webové analytiky, slouží primárně jako prostředek k zodpovězení následujících dvou hlavních otázek:35 1. Co se na webových stránkách děje s ohledem na působení uživatelů? 2. Jak upravit web i marketingové aktivity, aby došlo k efektivnímu naplnění stanovených cílů? Podstatou nalezení co možná nejpřesnějších odpovědí na výše uvedené otázky je snaha o mapování a pochopení interakce uživatelů s webem. Jelikož webovou analytiku36 chápeme jako sledování, měření a získávání informací, stejně jako proces 30

Problematice individuálního nastavení měřicího kódu se věnuje kapitola Účelové úpravy měřicího kódu GATC. 31 https://www.google.com/adsense 32 [CUTRONI, J., Integrating Google Analytics with a CRM, 2009]. 33 CRM - Customer relationship management (řízení vztahů se zákazníky) je databázovou technologií podporovaný proces shromažďování, zpracování a využití informací o zákaznících firmy. [Customer relationship management, 2009]. 34 [JAŠEK, P., Odborná konzultace ze dne 11. 5. 2010, 2010]. 35 [NĚMEC, R.; BOHÁČKOVÁ, K., Proč se vám vyplatí sledovat webová analytika (web analytics), 2009]. 36 [HAMEL, S., Definition of Web Analytics, 2009].

16

následného rozboru dat a návrhu opatření, sloužících k optimalizaci webových stránek, internetového marketingu, výsledků e-business37, pak je hlavní význam využití služby Google Analytics následující:38 • Sbírá a předkládá data o návštěvnosti webu, jež jsou využívána k analýze a hodnocení webu. • Na základě předchozího bodu pomáhá podporovat a směřovat marketingové, propagační a komerční aktivity a poskytuje data pro koordinaci a plánování cílů webu. • Je nástrojem shromažďování informací o provozu webu pro zainteresované osoby a taktéž vhodným prostředkem pro testování efektivnosti změn webu. Cílové skupiny, které využijí Google Analytics39: • Podnikatelé, majitelé e-shopů – požadují celkový přehled o provozu webu a plnění stanovených cílů. • Manažeři a vedoucí pracovníci – potřebují data o návštěvnických trendech a efektivitě internetového podnikání, která využijí při plánování a hodnocení online strategií a provozu webu. Požadují informace o návratnosti investic. • Marketingoví a obchodní pracovníci – vyžadují informace pro realizaci účinných online marketingových aktivit a to včetně zpětné vazby. Hledají nové možnosti pro rozšíření a zefektivnění prodeje a přilákání nových návštěvníků. Potřebují znát chování návštěvníků a poptávku, která vychází z reálných požadavků potenciálních nakupujících. • Webmasteři a tvůrci webu (programátoři) – požadují informace o provozu webu po technické stránce a o nárocích návštěvníků na jeho technické dispozice. Tito pracovníci by měli reflektovat hardwarové a softwarové vybavení návštěvníků a nároky na funkčnost webu.

37

Výraz pro internetové podnikání. Zahrnuje E-commerce (nákup a prodej zboží a služeb přes internet), ale také interakce s obchodními partnery, dodavateli, zákazníky, které mají přinést zlepšení či transformaci obchodních procesů a jejich efektivity. Zpracováno z: [E-business versus e-commerce, 2009], [CHAFFEY, D., Define E-business and E-commerce..., 2009]. 38 [Funkce pro podniky, které Google přináší..., 2009]. 39 [DUŠEK, R.; KOKEŠOVÁ, N., Nástroje Google : 7. Google Analytics, 2009].

17

• SEO40 konzultanti – vyžadují konkrétní podkladová data o návštěvnosti a zdrojích přístupu41 na web pro zvolení efektivních postupů optimalizace. Potřebují nástroj pro hodnocení efektu provedených změn a testovaných úprav. Musí mít konkrétní informace o fungování navigačních struktur webu apod. • Pracovníci reklamy a public relations (PR) – musí mít podklady pro efektivní realizaci reklamních aktivit. Potřebují znát rozdílnost mezi cílovými skupinami, geografické rozložení návštěvníků, trendy a současnou poptávku. Potřebují taktéž nástroj pro zpětné hodnocení výsledku konkrétních aktivit. • Tvůrci a zpracovatelé webového obsahu (copywriteři) – chování návštěvníků na webu je pro tyto pracovníky směrodatné a ukazuje, které stránky jsou s ohledem na obsah úspěšné a které nikoliv. Detailní informace potřebují také za účelem optimalizace jednotlivých stránek (např. landing page42 na klíčová slova) a taktéž pro psaní efektivních obchodně-marketingových sdělení. Z výše uvedený poznatků lze odvodit i hlavní oblasti uplatnění služby Google Analytics: • e-commerce; • internetový marketing a reklamní kampaně; • online PR; • SEO; • správa a provoz webu. Služba Google Analytics plní především úlohu důležitého podkladového aparátu pro procesy plánování, optimalizace a hodnocení ve výše uvedených oblastech. Její přínosy jsou však velmi široké, což vychází z funkčních předností a analy-

40

SEO - „(Search Engine Optimization, optimalizace pro vyhledávače) je metodika vytváření a upravování webových stránek takovým způsobem, aby jejich forma a obsah byly vhodné pro automatizované zpracování v internetových vyhledávačích. Cílem je získat ve výsledcích hledání ve vyhledávačích (pro konkrétní stránky a klíčové fráze) vyšší pozice a tím i četnější a cílené návštěvníky.“ [Search Engine Optimization, 2009]. 41 Včetně údajů o klíčových slovech. 42 Cílová stránka, která se uživateli zobrazí např. při prokliku z e-mailu, PPC reklamně, při vyhledání určitého klíčového slova apod. Cílová stránka by měla být relevantní požadavkům návštěvníka nebo předchozí předložené nabídce. Měla by být zároveň účinná směrem k dalšímu směřování. [JAŠEK, P., Odborná konzultace ze dne 11. 5. 2010, 2010].

18

tických možností této služby. Veškeré podstatné přínosy a způsoby použití budou popsány ve zbylé části této práce.

1.4 Způsob fungování Google Analytics Jakožto služba, postavená na metodě sběru dat značkování stránek43, funguje Google Analytics na základě užití měřicího JavaScriptového kódu44, který je nutno vložit do zdrojového kódu webové stránky.45 Tento kód musíme nejprve vygenerovat. Detailní charakteristika měřicího kódu GATC (Google Analytics Tracking Code) bude uvedena v kapitole Měřicí kód GATC a jeho implementace, jejíž součástí jsou i údaje o způsobů užití (implementace) kódu. Vraťme se však nyní zpět k popisu fungování Google Analytics. Funkční model je následující46: 1. Při zobrazení webové stránky návštěvníkem v prohlížeči dojde k načtení kódu JavaScriptu, který odkáže na externí soubor, jenž vykoná sběr dat. Díky tomu dojde k nashromáždění dat o návštěvníkovi a jiných entitách (např. URL aj.), přičemž se vytvoří i sada souborů cookies47 pro identifikaci návštěvníka.

43

Metoda značkování stránek (Page Tagging) je založena na systému, kdy jsou data o webu sbírána pomocí webového prohlížeče návštěvníka. Metoda funguje na principu vloženého sledovacího kódu - JavaScriptu, jenž je hlavním základem takovéhoto způsobu sběru dat a měl by se vyskytovat na každé stránce sledovaného webu. JavaScript dokáže operovat s daty o návštěvníkovi a webové stránce. Základem této metody jsou tzv. cookies. Metoda značkování stránek se orientuje na sběr dat na straně klienta (client-side data collection) a nejčastěji ji používají hostovaná řešení. V současnosti je to nejvíce používaná metoda, a to především proto, že z technického hlediska je její výhodou snadná implementace a menší nároky na správu dat (provádí externí servery). Zpracováno z: [KLÁN, P. Webová analytika, 2008], [ŠPINAR, D., Analýzy návštěvnosti a efektivity webu], [JAŠEK, P., Webová analytika v internetovém obchodování, 2008, s. 24]. 44 JavaScript – „Je multiplatformní, objektově orientovaný skriptovací jazyk. Používá se jako interpretovaný programovací jazyk pro WWW stránky, často vkládaný přímo do HTML kódu stránky. Jsou jím obvykle ovládány různé interaktivní prvky GUI (tlačítka, textová políčka) nebo tvořeny animace a efekty obrázků.“ [JavaScript, 2009] 45 [KLEIN, R., Analýza Google Analytics, 2009, s. 2-3]. 46 [Tamtéž]. 47 Cookies – „Jako cookies se v protokolu HTTP označuje malé množství dat, které WWW server pošle prohlížeči, který je uloží na počítači uživatele. Při každé další návštěvě téhož serveru pak prohlížeč tato data posílá zpět serveru. Cookies běžně slouží k rozlišování jednotlivých uživatelů, ukládá se do nich obsah nákupního košíku v elektronických obchodech, uživatelské předvolby apod.“ [Cookies, 2009]. ٪

19

2. Data sebraná během uživatelovy návštěvy jsou poslána serveru jako seznam parametrů. Děje se tak prostřednictvím volání obrázku typu GIF na serveru google-analytics.com, kdy pak kód JavaScript odešle získané informace serverům společnosti Google. 3. Společnost Google data ze serverů každou hodinu zpracovává a aktualizuje přehledy v účtech služby Google Analytics.48

1.5 Zdroje sběru dat Google Analytics Data, která služba Google Analytics zobrazuje po finálním zpracování v rámci svých přehledů, jsou výstupem následujících zdrojů49: 1. Vlastní cookies (first party). 2. Data z HTTP požadavků návštěvníka. 3. Informace o systému a prohlížeči. Služba shromažďuje a čte vlastní cookies, jež jsou nastaveny v prohlížeči návštěvníka. Souborů cookies využívá pro získání informací o návštěvníkově relaci. V momentě, kdy jsou všechny tyto informace zkompletovány, odesílají se serverům služby Google Analytics ve formě dlouhého seznamu parametrů připojených k požadavku na získání GIF obrázku (_utm.gif).50 V případě dat z HTTP požadavků návštěvníka se jedná o hodnoty odeslané pomocí hlavičky protokolu HTTP, neboť tyto obsahují informace o prohlížeči a PC, které návštěvník webu použil. Tato data poskytují informace o typu prohlížeče,

Z hlediska webové analytiky je hlavním účelem souborů cookies identifikovat uživatele pro pozdější použití – rozlišíme tak vracející se a nové návštěvníky, uplynutí času mezi návštěvami apod. 48 S ohledem na metodiku a samotný proces zpracování enormního množství dat, jsou v reálu přehledy zobrazovány zpravidla s 3-4 hodinovým zpožděním. Toto zpoždění by však nemělo být dle garance společnosti Google delší než 24 hodin. Jelikož se data generují s určitým časovým odstupem, nedoporučuje se vyhodnocovat statistiky přímo v den jejich sběru. [CLIFTON, B., Google Analytics..., 2009, s. 39]. 49 Zpracováno z: [Functional Overview, 2009], [KLEIN, R., Analýza Google Analytics, 2009, s. 11]. 50 Aktuální přehled jednotlivých parametrů předávaných pomocí dotazu na soubor _utm.gif je k dispozici na webové adrese http://code.google.com/intl/cs/apis/analytics/docs/tracking/ga TrackingTroubleshooting.html#gifParameters.

20

nastavení jazyka prohlížeče, jménu hostitele či URL odkazující stránky. Další informace o prohlížeči a operačním systému jsou poskytovány prostřednictvím DOM51. Jedná se např. o informace o podporovaných technologiích v rámci používaného prohlížeče (Java, Flash). Součástí jsou i údaje o nastavení rozlišení monitoru apod. Informace ze zdrojů 2 a 3 využívá služba Google Analytics např. v rámci přehledů Parametry prohlížeče, Vlastnosti sítě, Odkazující stránky, Vizualizace na mapě, Jazyky aj.52

2 Aktivace a úvodní nastavení Google Analytics Správná implementace a počáteční nastavení služby Google Analytics je hlavním předpokladem pro správné měření a sběr dat. Na základě přesných dat lze provádět konkrétní rozhodnutí, jež souvisí s optimalizací provozu webu a jeho marketingové i obchodní efektivity. V této části se proto budeme věnovat popisu postupu aktivace a implementace služby. Popíšeme vytvoření účtu, vygenerování měřicího kódu (GATC) a jeho základní úpravy.

2.1 Popis aktivačního procesu Google Analytics lze aktivovat na domovské stránce této služby: www.google.com/analytics/. Zprovoznění služby Google Analytics je relativně jednoduchým procesem, který obnáší vyplnění registračních údajů v rámci jednotlivých kroků registrace. Vhodné je zřídit si nejprve účet Google Account53, díky němuž lze následně získat přístup k využívání nejen Google Analytics, ale i jiných služeb, které lze s Google Analytics propojit54. Registrace a získání přístupu je otázkou několika málo minut.

51

Document Object Model – „(objektový model dokumentu) je objektově orientovaná reprezentace XML nebo HTML dokumentu. DOM je API umožňující přístup či modifikaci obsahu, struktury, nebo stylu dokumentu, či jeho částí.“ [Document Object Model, 2009]. 52 [TYLER, M. E.; LEDFORD, J.L., Google Analytics, 2006]. 53 Google Account – uživatelský účet u společnosti Google (www.google.com/acount). 54 Gmail (http://mail.google.com), Google Groups (http://groups.google.com), AdWords aj.

21

Druhý způsob aktivace Google Analytics lze realizovat v rámci propojení se službou AdWords. Aktivaci provedeme tak, že v rozhraní AdWords v liště Vytváření přehledů vybereme nabídku Google Analytics.55 Obr. 2 – Přihlašovací rozhraní Google Analytics56

Po přihlášení do Google Analytics je nutno vytvořit pro konkrétní web měřicí účet – výsledkem celého procesu je tzv. měřicí kód GATC, který musí být vygenerován a následně vložen do zdrojového kódu stránek. Ve výše uvedeném případě se jedná o základní nastavení GA, je však pravděpodobné, že měřicí kód a počáteční nastavení bude nutno v řadě případů upravit dle vlastních potřeb (viz následující kapitoly). Po tomto nastavení je vše připraveno k měření – měření je aktivováno. Kdykoliv po následném přihlášení ke službě GA jsou k dispozici naměřená data v podobě přehledů. Dle Google Analytics Installation Guide je doporučeno provádět celkový proces aktivace a implementace Google Analytics v následujících krocích: 1.

Vytvořit účet Google Analytics (viz předchozí popis).

2.

Nastavit profil účtu.

3.

Upravit měřicí kód dle vlastních potřeb.

4.

Vložit měřicí kód na stránky.

5.

Propojit se službou AdWords a nastavit pro správné měření.

6.

Definovat a nastavit cíle a cesty.

7.

Provést označení reklamních kampaní, především pak jiných poskytovatelů (např. Sklik57).

55

[TICHÝ, J., Open Monday : Možnosti propojení Google AdWords a Google Analytics, 2009] [Google Analytics : Official Website, 2009]. 57 www.sklik.cz – PPC reklamní systém společnosti Seznam. 56

22

8.

Vytvořit filtry.

9.

Nadefinovat přístup k datům pro ostatní uživatele.

10. Aktivovat funkci Sledování transakcí elektronického obchodování. V části práce Aktivace a úvodní nastavení Google Analytics se budeme zabývat primárně body 1, 2, 3, 4 a 5. Ostatní body budou s ohledem na svou významnost či složitost problematiky detailně rozebrány v rámci samostatných částí.

2.2 Měřicí kód GATC a jeho implementace Jak již bylo v předchozích částech zmíněno, měřicí kód GATC je podstatným prvkem v rámci služby Google Analytics, neboť zajišťuje sběr dat z označených stránek. Jedná se o část kódu jazyka JavaScript, který slouží ke sběru dat, jež odesílá serverům Google Analytics.58 Tímto kódem je nutno označit veškeré stránky webu, což lze učinit tak, že GATC vložíme ručně do HTML kódu každé stránky webu59. Druhou, méně pracnou variantou, která najde využití především u rozsáhlých webů s velkým počtem stránek, je přidání kódu do souboru s hlavní šablonou.60 Doporučovaným místem pro vložení kódu GATC do stránky je pozice na konci této stránky před HTML značkou .61 Toto umístění zajistí minimalizaci problémů s načítáním stránky.62 Měřicí kód GATC se skládá ze tří důležitých částí:63 • Identifikační číslo účtu (např.: UA-11243357-1). První část čísel je označením uživatelského účtu, druhá naopak identifikuje sledovaný profil.

58

[CLIFTON, B., Google Analytics..., 2009, s. 102]. Značku je nutno vložit i na chybové stránky (např. 404, 403 apod.), což umožní sledovat i tyto stránky. 60 [NĚMEC, R.; BOHÁČKOVÁ, K., Implementace Google Analytics, 2009]. 61 [Using the Traditional Snippet, 2009]. 62 „Existují však případy, kdy toto umístění není optimální. Jestliže stránka obsahuje další javascriptový kód než GATC a v některém z nich dojde k chybě, následující skripty se již neprovedou a sledovací kód v patičce nemá možnost zaslat informace o zobrazení vzdálenému serveru. Také pokud návštěvník proklikává jednotlivé stránky příliš rychle, nenačte se GATC a tato návštěva se nepromítne v celkovém přehledu“. [KLEIN, R., Analýza Google Analytics, 2009, s. 13]. Problém lze řešit i za pomoci asynchronního kódu (viz následující text). 63 [Tamtéž]. 59

23

• Volání funkce _trackPageview().64 Slouží k získávání údajů o návštěvníkovi a URL načtené stránky. Pracuje s cookies, které posílá serverům zpracovávajícím tyto údaje. • Volání souboru ga.js ze serveru společnosti Google65. V souboru je uložen kód, jenž je nutný ke sběru dat. Obr. 3 – Ukázka měřicího kódu GATC

V předchozí kapitole jsme si popsali, jak a kde vygenerovat měřicí kód GATC a jak tento kód implementovat pro měření. Uvedli jsme si také, že kód (funkce kódu) je možné pozměnit dle vlastních potřeb, což lze učinit mimo jiné prostřednictvím úprav _trackPageview() (viz kapitola Funkce _trackPageview()). Základní přednastavené možnosti měření lze definovat také na stránce profilu konkrétního webu, kde je kód GATC vypsán. K zobrazení kódu se dostaneme následujícím způsobem: 1. U vybraného profilu klikneme na odkaz Upravit66 → Zkontrolujte stav. 2. Následně se zobrazí rozhraní měřicího kódu s různými možnostmi nastavení. Zde můžeme zvolit, zda daným kódem měříme jedinou doménu, doménu se subdoménami, několik domén nejvyšší úrovně či stránky vytvořené pro mobily. Nechybí ani zaškrtávací pole pro volbu příjmu dat z AdWords a PPC systémů ostatních poskytovatelů.

64

Součástí kódu může být taktéž část vlastního nastavení, tj. funkcí volaných před i po _trackPageview(). Např. _trackEvent(). [JAŠEK, P., Odborná konzultace ze dne 11. 5. 2010, 2010]. 65 Samozřejmě lze provést i vlastní lokální hostování souboru, tento postup se však v praxi spíše nedoporučuje, neboť může dojít k používání neaktuálního souboru (zastaralá verze). [JAŠEK, P., Odborná konzultace ze dne 11. 5. 2010, 2010]. 66 Danou možnost mají pouze uživatelé typu Správce.

24

V závěru je třeba zmínit existenci nového asynchronního měřicího kódu. Asynchronní měřicí kód lze načíst, aniž by to bránilo načtení dalšího kódu JavaScript. Značku lze tedy umístit v horní části stránky (). Výhody spojené s používáním asynchronního měřicího kódu jsou následující:67 • „zkrácení celkové doby načítání stránek; • shromáždění většího množství údajů o návštěvnících během krátkých návštěv

stránek s velkým množstvím obsahu nebo skriptu; • odstranění nežádoucích operací mezi sledováním uživatelských kliknutí a načte-

ním měřicího kódu.“

2.3 Funkce _trackPageview() Jak již bylo krátce uvedeno v předchozí kapitole, jedná se o důležitou funkci určenou pro sledování stránek pomocí kódu ga.js. Funkce umožní taktéž zachytávat události, jež negenerují zobrazení stránky. Díky této funkci lze provést úpravy ve způsobu měření, kdy pak dokážeme zaznamenávat stažení souborů, sledovat virtuální zobrazení stránek (viz kapitola Virtuální zobrazení stránek). Umožňuje přiřadit určitý název souboru stránky aktivitám JavaScriptu, odchozím odkazům apod.68 V rámci konkrétní relace provede _trackPageview() nejprve nastavení a poté i odeslání souborů cookies. Služba Google Analytics používá následující soubory cookies pro sledování různých aspektů návštěvnického chování69: _utma (identifikace návštěvníka a domény), _utmb (identifikace session70, vyprší po 30 minutách nečin-

67

[Co je asynchronní měřicí kód Google Analytics?, 2009]. [Co je funkce _trackPageview a jak mi může pomoci?, 2009]. 69 Jedná se o základní výčet jednotlivých typů souborů cookies. Detailní popis problematiky těchto souborů není podstatou předkládané práce, proto se jejich rozborem nebudeme dále zabývat, přestože se obecně jedná o důležitou tematiku především s ohledem na technické aspekty procesu měření. 70 Jako session (relace) označujeme vzájemnou interakci mezi internetovou stránkou a prohlížečem/uživatelem. Jinak řečeno jsou to žádosti o zobrazení webových stránek od konkrétního návštěvníka za určitou dobu. Relace končí momentem uzavření prohlížeče či uplynutím určité doby. Zpracováno z: [Google Analytics, 2009], [Web Analytics Definitions, 2008]. 68

25

nosti), _utmc (identifikace session, zaniká po ukončení relace) _utmv (volitelný popis), _utmz (sledování kampaňových zdrojů, tj. odkud uživatelé přišli).71

2.4 Účelové úpravy měřicího kódu GATC Služba Google Analytics umožňuje základní i vysoce pokročilé úpravy měřicího kódu, které mají zajistit variabilní uživatelské přizpůsobení Google Analytics dle uživatelských potřeb, souvisejících s vlastními požadavky na měření a vyhodnocování návštěvnosti webu, jeho komerční i nekomerční efektivity a výkonnosti. Níže jsou uvedeny tipy na úpravy měřicího kódu GATC, které mají přispět k optimalizaci měřicího procesu a rozšířit jeho „schopnosti“.72 Zmíněné úpravy jsou žádoucí pro dosažení specifického či lépe cíleného měření, jež má zajistit nejvhodnější data pro proces analýzy a následné optimalizace webu. Možností úprav je celá řada, proto budou vybrány jen takové, které jsou nejčastěji používané a doporučované předními webovými analytiky73. Popsány budou především úpravy, které jsou relevantní pro praktickou část této práce. Kompletní a aktuální přehled všech dostupných úprav kódu je k náhledu na webových stránkách Google Analytics Developer Docs74. Jako ukázkové kódy jsou v některých následujících případech uvedeny kódy, které byly reálně použity při optimalizaci nastavení měření u webu www.zahradnijezirko.cz (viz praktická část práce). Na tento fakt bude u každého příkladového kódu upozorněno.

2.4.1

Lokální zálohování dat

Udržování lokální zálohy dat je významné především z toho důvodu, že služba Google Analytics běžně uchovává data maximálně 25 měsíců od jejich pořízení. Pokud tedy chceme s daty nakládat i po výše uvedené době, vynutíme si zaznamenávání údajů o návštěvnosti do logů vlastního webového serveru, přičemž data budou posílána i ser-

71

Zpracováno z: [Google Analytics Cookies, The Analytics Blogger, 2010], [Google Analytics Cookies, The Chatterbox, 2008]. 72 [Jaká přizpůsobení umožňuje kód sledování služby Analytics?, 2009]. 73 Viz Brian Clifton, Avinash Kaushik. 74 [Google Analytics - Google Code, 2009].

26

verům Google Analytics.75 Lokální zálohu dat zajistí vložení níže zvýrazněné části kódu v místě za var pageTracker:76 Obr. 4 – Lokální zálohování dat – ukázka kódu

Přestože toto řešení umožní vlastní kontrolu nad daty, může znamenat také vysoké náklady spojené s realizací a provozem. V rámci úprav měřicího kódu pro www.zahradni-jezirko.cz nebylo realizováno právě z důvodu finanční a technické zátěže.77

2.4.2

Soustředění dat do více účtů Google Analytics Data ze stránek lze sbírat do několika účtů tím, že na stránkách provedeme

aktivaci více sledovacích prvků (secondTracker) – viz kód níže:78 Obr. 5 – Soustředění dat do více účtů – ukázka kódu

75

[NĚMEC, R.; BOHÁČKOVÁ, K., Implementace Google Analytics, 2009]. [KLÁN, P., Webová analytika, 2008]. 77 Odmítnutí ze strany majitele webu. V současné době nejsou potřebné technické prostředky pro uložení dat. 78 [Jak ukládat data z Google Analytic do více účtů?, 2009]. 76

27

Údaje o webu mohou být důležité nejen pro jeden samostatný účet. Důvodem soustředění dat do více účtů je případ, kdy pro jednotlivé pobočky webu (např. www.e-shop.com, www.propagacni-web.com, www.e-shop.cz aj.) máme samostatné účty. Jedná se i o variantu, kdy máme weby v různých časových zónách či v různých měnách spojené s účtem AdWords. Pokud bychom je nevedli v rámci samostatných sběrných účtů služby Google Analytics, vznikly by problémy se synchronizací dat.79 V rámci úprav měřicího kódu pro www.zahradni-jezirko.cz nerealizováno z důvodu absence „webových poboček“.

2.4.3

Sledování napříč doménami Jak uvádí Caleb Whitmore80, webové prohlížeče nedovolují sdílení first party

cookies (vlastní cookies) mezi doménami. Google Analytics dokáže díky níže uvedené úpravě správně sledovat provoz mezi souvisejícími doménami.81 Příklad: návštěvník vstoupí přes www.google.com na web s informacemi www.priklad.com, poté navštíví www.priklad.cz, kde si vybere produkt, ale objednat ho může pouze na webu www.priklad.sk, který je domovskou základnou korporace. Jak je patrné, je třeba zajistit přenos souboru cookies přes tyto domény, což lze realizovat takto:82 A/ Předávání za pomoci odkazu: funguje na základě odeslání cookies přes parametry adresy URL (http get) následné doméně. Obr. 6 – Sledování napříč doménami (A) – změna kódu

79

[CLIFTON, B., Google Analytics..., 2009, s. 104]. [WHITMORE, C., Understanding Google Analytics..., 2010]. 81 Domény musí být označeny sledovacím kódem. Logicky nelze sledovat domény nesouvisející, které nevlastníme. 82 Zpracováno z: [CLIFTON, B., Google Analytics..., 2009, s. 142-144], [Cross-Domain Tracking, 2009]. 80

28

Obr. 7 – Sledování napříč doménami (A) – označení odkazu

B/ Předávání za pomoci formuláře: musíme upravit kód všech domén a pak označkovat veškeré odkazy směřující na jiné domény. Cookies se odesílají další doméně pomocí příkazu http post. Obr. 8 – Sledování napříč doménami (B) – změna kódu

Obr. 9 – Sledování napříč doménami (B) – označení odkazu

V rámci úprav měřicího kódu pro www.zahradni-jezirko.cz nerealizováno z důvodu absence více domén.

2.4.4

Sledování napříč subdoménami Tak jako u domén, tak i u subdomén nedovolují webové prohlížeče sdílení

tzv. vlastních cookies mezi subdoménami83. S tím souvisí i stejný problém viz kapitola Sledování napříč doménami, kdy Google Analytics v základním nastavení nedokáže výše popsaný problém řešit, neboť nepředává first party cookies dalším subdoménám.84 Příklad subdomén: blog.priklad.cz, forum.priklad.cz, wiki.priklad.cz, shop.priklad.cz aj. Nechceme-li, aby v přehledech byly jednotlivé články „priklad.cz“ vedeny pouze jako jeden článek, musíme provést změnu kódu (viz níže).85

83

Subdoména je podřazenou doménou hlavní domény. [Tracking Subdomains in Google Analytics, 2009]. 85 Zpracováno z: [Cross-Domain Tracking, 2009], [AUBE, J., Tracking Subdomains, 2008]. 84

29

Obr. 10 – Sledování napříč subdoménami – ukázka kódu

Navíc je nutno vydefinovat vlastní filtr, který zajistí, aby byly v přehledech uváděny (odlišovány) stránky včetně subdomén. Příklad filtru umožňujícího odlišení www.forum.priklad.cz/clanek1 od www.priklad.cz/clanek1 je uveden níže.86 Obr. 11 – Sledování napříč subdoménami – ukázka filtru

Podrobnější informace o významu a možnostech filtrů budou uvedeny v kapitole Filtry. V rámci úprav měřicího kódu pro www.zahradni-jezirko.cz bylo sledování subdomén nastaveno. V současnosti subdomény nejsou, ale v budoucnu se předpokládá jejich použití.

2.4.5

Úprava frekvence sběru dat Touto úpravou lze řešit fakt, že služba Google Analytics dokáže za konkrétní

období zpracovat pouze určité množství dat87. Tzv. samplování či vzorkování návštěvníků umožní vyhodnocovat získaná data podobně, jako bychom měli celou sadu dat. Pro analýzu trendů se užívá daný vzorek, z něhož jsou odvozovány komplexní závěry.

86

[DANNY, How To Track Sub-Domains..., 2009]. Google Analytics garantuje plný sběr dat u webů, které vykazují max. 5 mil zobrazení stránek za měsíc. V případě překročení provádí vzorkování či poskytuje pouze kusá data. [NĚMEC, R., Přednáška předmětu Webová analytika, 18. 3. 2010].

87

30

Úprava je vhodná pouze pro weby (např. zpravodajské) dosahující několikamiliónové návštěvnosti.88 Obr. 12 – Úprava frekvence sběru dat – ukázka kódu

V rámci úprav měřicího kódu pro www.zahradni-jezirko.cz nerealizováno.

2.4.6

Úprava doby trvání relace V rámci klasického nastavení Google Analytics je doba trvání relace nastave-

na na 30 minut. To znamená, že pokud návštěvník neprojeví během 30 minut přímou interakci s webovou stránkou, je nesprávně považován za vracejícího se návštěvníka (resp. novou návštěvu89), přestože stránku neopustil. Tento problém je častý především u webů se sledováním videí, poslechem hudby či s dlouhými textovými obsahy apod. Doba trvání se uvádí v milisekundách a lze ji upravit následovně:90 Obr. 13 – Úprava doby trvání relace – ukázka kódu

V rámci úprav měřicího kódu pro www.zahradni-jezirko.cz byla doba trvání relace upravena na 1 hodinu, neboť na webu je v brzké budoucnosti plánováno zveřejňování propagačních videí a videonávodů, které mohou přesáhnout dobu trvání 30 min.91

88

Zpracováno z: [Sampling, 2009], [JAŠEK, P., Odborná konzultace ze dne 24. 5. 2010, 2010]. [JAŠEK, P., Odborná konzultace ze dne 24. 5. 2010, 2010]. 90 [Tracking API : Basic Configuration, 2009]. 91 Změna byla provedena v rámci volání metody _setSessionTimeout(), která je však již v současné době nahrazena právě metodou _setSessionCookieTimeout(). [Tamtéž]. 89

31

2.4.7

Sledování vyhledávání obrázků v rámci Google Images Tato úprava zajistí92, že služba Google Analytics dokáže rozpoznávat klíčová

slova z hledání obrázků v rámci Google Images a zobrazí tyto údaje v rámci kategorie vyhledávačů, neboť běžně je toto vyhledávání nevhodně identifikováno jako odkazující zdroj. Nejprve musí být upraven měřicí kód (viz níže). Obr. 14 – Sledování Google Images – ukázka kódu

Pro získání klíčového slova je nutné následně nadefinovat pokročilý filtr (viz níže). Obr. 15 – Sledování Google Images – ukázka filtru

V rámci úprav měřicího kódu pro www.zahradni-jezirko.cz byla realizována možnost vyhodnocovat klíčová slova přicházejících návštěvníků z Google Images. Toto se osvědčilo především při optimalizaci na klíčová slova produktové sekce Vodní rostliny (viz praktická část).

92

[RADHAKRISHNAN, Google Image Search..., 2009].

32

2.4.8

Úprava seznamu sledovaných vyhledávačů a jejich lokálních alternativ Přestože Google Analytics pravidelně doplňuje do svého seznamu sledova-

ných zdrojů93 nové vyhledávače, nedokáže aktuálně a plně zachytit veškerou populaci těchto zdrojů. Citelnější je tento nedostatek u specifických a oborových vyhledávačů, především pak u menších (lokálních) vyhledávacích služeb94. Tyto jsou však velmi důležité pro vyhodnocování přístupů právě na lokální úrovni. Stejně tak ve svém základním nastavení služba nedokáže rozlišit mezi místními variantami vyhledávačů – např. www.google.sk, www.google.cz apod. Seznam sledovaných vyhledávačů lze buď doplnit, či celý původní seznam Google Analytics vymazat a nadefinovat zcela nový dle vlastních preferencí. Vymazání standardního seznamu je vhodné provést v případě, že chceme rozpoznávat místní varianty vyhledávačů (sk, cz apod.).95 Pokud chceme u každého vyhledávače sledovat i vyhledávaný výraz96, pak musíme vložit ke každému vyhledávači také konkrétní parametr hledání – např.: pageTracker._addOrganic("search.atlas.cz","q").97 Vlastní seznam vyhledávačů je vhodné umístit do samostatného souboru, na který bude z měřicího kódu odkazováno. Vymazání seznamu provedeme vložením řádku pageTracker._clearOrganic().98 Volání souboru se seznamem vyhledávačů (viz níže). Obr. 16 – Úprava seznamu vyhledávačů – ukázka kódu

93

Aktuální seznam: http://www.google.com/support/googleanalytics/bin/answer.py?hl=cs&answer=77613. 94 Např. www.centrum.cz, www.jyxo.cz, www.morfeo.cz aj. 95 [NĚMEC, R., Přednáška předmětu Webová analytika, 25. 3. 2010]. 96 [Tamtéž]. 97 Parametr hledání zjistíme tak, že vyhledáme libovolný výraz v daném vyhledávači, přičemž v URL adrese výsledku vyhledávání bude tento parametr obsažen. 98 [Tracking regional search engines in Google Analytics, 2008].

33

Ukázka části seznamu nadefinovaných vyhledávačů včetně rozlišení jejich lokálních variant (viz níže). Obr. 17 – Ukázka nadefinovaného seznamu vyhledávačů

V rámci úprav měřicího kódu pro www.zahradni-jezirko.cz byl seznam Google Analytics vymazán a nahrazen vlastním rozšířeným seznamem, který je součástí externího souboru, jenž je volán měřicím kódem uloženým na stránkách webu. Úprava nám dopomůže identifikovat lokální vyhledávače a jejich míru konverze pro dokončení objednávky. Služba Google Analytics umožňuje mnohem více úprav měřicího kódu99, avšak s ohledem na cíle a rozsah práce není možné uvádět zde veškeré. Z tohoto důvodu byly popsány jen základní (nejpotřebnější) a v podstatě nutné úpravy kódu, které mají zajistit přesná a žádoucí data pro proces analýzy návštěvnosti, jež je následně podkladem pro optimalizaci výkonu webu a jeho marketingových aktivit. Cílem kapitoly Aktivace a úvodní nastavení Google Analytics bylo vysvětlit proces aktivace služby a její základní nastavení. Na tuto část navážeme další kapitolou, ve které bude popsáno nastavení a využití rozšířených možností úpravy měření za účelem získání specifických dat mimo rámec běžného měření.

99

Pro přehled uveďme další známé úpravy kódu, které mají zajistit: označování návštěvníků (např. návštěvníků, kteří dokončí nákup – vhodné pro účely detailní analýzy), sledování chybových stránek a nefunkčních odkazů, sledování odkazů na přímé stažení souboru aj. [CLIFTON, B., Google Analytics..., 2009, s. 177-206].

34

3 Rozšířené možnosti úpravy měření Jak již bylo uvedeno v závěru předchozí kapitoly, v následující části se budeme věnovat rozšířeným možnostem úpravy měření a způsobům, jak toto měření nastavit tak, aby nám přineslo potřebná data100, která využijeme pro detailnější hodnocení návštěvnosti, efektivity webu, pro detailní posouzení e-commerce, vyhodnocení online reklamních a marketingových kampaní. Rozebereme možnosti sledování elektronického obchodování, zaznamenávání vybraných událostí a aktivit, sledování reklamních a marketingových kampaní či využití metody virtuálního zobrazení stránek.

3.1 Virtuální zobrazení stránek Virtuální zobrazení stránek se v praxi zpravidla používá k převodu dynamických adres URL do vhodnější podoby, za účelem sledování Flash prezentací, odkazů, formulářů101 nebo stahování souborů. Jak je vidět z uvedených příkladů, služba Google Analytics umožňuje za použití _trackPageview102 přepisovat názvy stránek (kvůli přesnějšímu sledování v rámci přehledů kategorie Obsah), zaznamenávat události a aktivity103, které běžně není možno sledovat.104

3.1.1

Virtuální zobrazení stránek – stahování souboru Data o stažených souborech jsou významným zdrojem informací především

pro marketingové a obchodní pracovníky. U komerčních, ale i nekomerčních webů se zpravidla jedná o dokumenty či soubory obsahující určité nabídky, ceníky, slevové akce, rozšiřující informace o službách či produktech aj. Mohou to být návody, popisy,

100

Bez níže uvedených úprav by služba Google Analytics tato potřebná data neposkytla. Vhodné je sledovat částečně vyplněné formuláře, které nejsou uživatelem dokončeny. Lze pak vyhodnotit a upravit formuláře z pohledu uživatelské přívětivosti. 102 Detailní informace o _trackPageview viz kapitola Funkce _trackPageview(). 103 Sledování virtuální stránky jako cíle právě u aktivit, které nelze běžně jako cíle sledovat (např. stažení souboru, interní vyhledávání využívající metody POST). [TechWyse Internet Marketing, Improve Conversion Using Google Analytics & Virtual Pageviews, 2009]. 104 Zpracováno z: [WATSON, F., Virtual Pageviews…, 2010], [GILLIAM, R., Using Google Analytics Virtual Pageviews…, 208]. 101

35

zkušební programy ke stažení atd. Tyto soubory jsou často mezikrokem před následným dokončením konverze, proto je vhodné je sledovat a vyhodnocovat. Běžný odkaz na soubor (viz bod 1) je třeba upravit následujícím způsobem (viz bod 2).105 Obr. 18 – Virtuální zobrazení stránky – označení odkazu

V rámci procesu optimalizace návštěvnosti pro www.zahradni-jezirko.cz nerealizováno, neboť e-shop nenabízí žádný soubor ke stažení (viz praktická část práce).

3.2 Sledování elektronického obchodu Díky následujícímu popisu je možné u e-shopu nastavit tzv. sledování elektronického obchodu106, které automaticky zjišťuje a zaznamenává údaje o transakcích a prodaných produktech. Získáme tak přehled o efektivnosti e-shopu, údaje o nejprodávanějších produktech a všech důležitých faktech, které s procesem nákupu souvisí.107 Výhodou je, že výše uvedená data můžeme porovnávat s konkrétními informacemi o návštěvnících webu108, kampaních a zdrojích provozu. Zjistíme tak, které kampaně generují nejvyšší obrat či jaké konkrétní stránky webu přesvědčí návštěvníky k nákupu.109 Poznatky odvozené z tohoto porovnání můžeme následně použít pro optimalizaci efektu elektronického obchodování. Prvním krokem v rámci aktivace sledování elektronického obchodu je zapnutí podpory sledování elektronického obchodu v profilu daného webu. Zapnutí můžeme

105

[Jak v Google Analytics sledovat stažené soubory?, 2008]. Nazýváno taktéž jako sledování elektronického obchodování. 107 V článku Jiřího Brázdy se uvádí: „není vhodné používat Sledování el. obchodu primárně k reportování on-line prodejů. Hlavní využití dat o prodejích najde uplatnění spíše při optimalizačních aktivitách“. [BRÁZDA, J., Co vám Ecommerce v Google Analytics neřekne, 2009]. 108 Informace o jazykovém nastavení prohlížeče, geografickém původu apod. 109 [BRÁZDA, J., Co vám Ecommerce v Google Analytics neřekne, 2009]. 106

36

nadefinovat přímo při založení měřicího účtu pro nový web (viz kapitola Profil), anebo aktivaci provést dodatečně za pomoci volby Upravit údaje o profilu. Dalším krokem je úprava kódu GATC, která zajistí sledování transakcí elektronického obchodování.110 Upravený kód je nutno vložit na poslední stránku dokončeného obchodního (objednávkového) procesu111. Kód GATC vyžaduje volání těchto funkcí po _trackPageview():112 • pageTracker._addTrans(); • pageTracker._addItem(); • pageTracker._trackTrans(). Konkrétní příklad upraveného kódu pro poslední stránku objednávkového procesu webu www.zahradni-jezirko.cz je součástí Přílohy č. 1.

3.3 Sledování událostí a aktivit Pod označením „sledování událostí a aktivit“ se skrývá možnost měřit interaktivní prvky na webových stránkách. Mezi ně řadíme: prvky technologie Ajax, prvky technologie Flash (weby, videa), samostatné miniaplikace (widget), dobu trvání načítání dat apod. Údaje o těchto událostech mohou být shromažďovány díky využití metody _trackEvent() do přehledu Sledování událostí.113 Díky této úpravě dokážeme sledovat interakci návštěvníků s webem a využívání tzv. web 2.0 prvků a aplikací114. Na základě zjištěných informací lze vyhodnotit úspěšnost a oblíbenost těchto prvků v rámci nadefinovaných událostí a podle toho následně přizpůsobit obsah a funkčnost webu. 110

Provést lze i úpravu, která zajistí započítání negativní transakce (úprava přehledů dat v případě vrácení zboží) či sledování platební brány třetích stran. V praxi se však spíše nepoužívá, neboť může ve výsledku data ještě více znepřehlednit. S ohledem na rozsah práce nebudou tyto úpravy detailněji rozebrány. [JAŠEK, P., Odborná konzultace ze dne 11. 5. 2010, 2010]. 111 Většinou jde o stránku s potvrzením dokončení nákupu, poděkováním apod. 112 [Nastavení Google Analytics pro SEO]. 113 Zpracováno z: [MIHAILOVSKI, N., Event Tracking Now ..., 2009], [CUTRONI, J., Event Tracking Pt. 1..., 2007], [Event Tracking Guide, 2009]. 114 „Webem 2.0 nazýváme webové projekty, které používají technologie a principy namířené co nejvíce k uživatelům služeb, a to často tak blízko, že nechávají samotné uživatele, aby se podíleli na obsahu či tvorbě projektu“. [SYMBIO, Web 2.0, 2009].

37

Aby služba Google Analytics události a aktivity sledovala, musí se do zdrojového kódu prvku, který přímo souvisí s událostí, vložit právě funkce _trackEvent. Obecný zápis je následující: _trackEvent(kategorie_události, název_události, popis_události, volitelné_ohodnocení)115.

3.3.1

Sledování Flash videí a prezentací Pro tlačítka „play“, „stop“, „pause“, „download“ flashového videa nadefinu-

jeme volání metody, což nám umožní získat detailní informace o aktivitách přehrávané prezentace. U objektu pageTracker si vyžádáme metodu _trackEvent, která musí být součástí zdrojového kódu tlačítka daného Flash videa.116 Obr. 19 – Sledování videa – ukázka označení

V rámci procesu optimalizace návštěvnosti pro www.zahradni-jezirko.cz nedošlo k realizaci, neboť doposud není možné na web vkládat videa. Se sledováním videa se počítá v budoucnu, jakmile úprava technických dispozic redakčního systému umožní vkládání těchto prvků.

3.3.2

Sledování odchozího e-mailového odkazu (mailto) Sledování prokliku na e-mail našeho webu je důležitou událostí jak u komerč-

ních, tak i nekomerčně zaměřených webů. Tato aktivita často znamená, že potenciální zákazník se chce na něco zeptat, odeslat svůj požadavek, poptávku apod. Díky tomu lze sledovat efektivitu této události, která má často spojitost s hodnotou objednávek či konverzí. Veškeré vlastní e-mailové odkazy na webu musí být proto označeny (viz níže). Obr. 20 – Odchozí e-mailový odkaz – ukázka označení

115

Kategorie_události, název_události jsou povinné údaje. [KLEIN, R., Analýza Google Analytics, 2009, s. 20]. 116 Zpracováno z: [CUTRONI, J., Event Tracking Pt. 1..., 2007], [Event Tracking Guide, 2009].

38

V rámci procesu optimalizace návštěvnosti pro www.zahradni-jezirko.cz nerealizováno, přestože bylo součástí návrhu úprav, které byly předány programátorovi k realizaci. Stejným způsobem je možno sledovat (označovat) i ostatní výstupní odkazy na webových stránkách, což najde uplatnění především při snaze zjistit, přes který odkaz či reklamní blok (banner) návštěvníci web opouští.

3.4 Měření online marketingových a reklamních aktivit metodou označování odkazů Podrobné informace o provozu marketingových a reklamních akcí jsou potřebné k detailnímu vyhodnocení efektu těchto aktivit.117 Díky takovýmto informacím se můžeme jednoznačně rozhodnout, který banner a z jakého konkrétního umístění přivádí nejvíce návštěvníků, kteří se následně stávají zákazníky. Porovnáme, zda je efektivnější mail verze A či B a zda ho posílat ve formě HTML či klasické. Získáme informace o účinnosti elektronických propagačních materiálů, jež obsahují odkazy, přes které přichází návštěvníci na web. Dokážeme detailně hodnotit i kampaně ostatních systémů mimo AdWords (např. Sklik). Pokud význam shrneme do jedné věty, pak se dá říci, že značkování odkazů má dopomoci ke zvýšení návratnosti investic, pomoci posílit návštěvnost a optimalizovat efekt působení marketingových/reklamních aktivit.

3.4.1

Sledování vstupních odkazů Pro sledování externích odkazů, které přivádí návštěvníky na náš web, je nut-

no přidat za URL adresu daného odkazu značku, která umožní službě Google Analytics identifikaci118. Díky tomu získáme jednoznačný přehled o návštěvnosti u reklamních119 a marketingových aktivit a můžeme vyhodnocovat jejich efektivitu, hodnotit různé varianty a navrhovat možnosti změny, provádět optimalizaci pro zvýšení 117

Označené odkazy se objeví v přehledové kategorii Zdroje návštěvnosti. Vynikajícím pomocníkem při označování odkazů je on-line nástroj URL Builder (http://www.google.com/support/googleanalytics/bin/answer.py?hl=cs&answer=55578). 119 Při propojení se systémem AdWords a aktivování automatického označování není nutno provádět značkování vstupních odkazů. 118

39

účinnosti či návštěvnosti. Uplatnění je v podstatě univerzální, nás však zajímá využití této metody s ohledem na sledování e-mailových reklamních akcí, odkazů z dokumentů a souborů, odkazů z propagačních materiálů, bannerů, PPC reklam (jiné než AdWords), ostatních druhů inzercí a marketingových akcí. I když neprovedeme označkování odkazů, tak Google Analytics dané přístupy měří, avšak označuje a řadí je nesprávně či nedostatečně v rámci přehledů dat120. Důvodem označování je tedy odlišení těchto pro nás specifických aktivit od běžného provozu.121 Odkazy je možné označkovat díky níže uvedeným parametrům.122 Přehled značkovacích parametrů Parametr

Poznámka

utm_source=

Povinné. Identifikace zdroje (např. Sklik, E-mail, Idnes, Facebook).

utm_medium=

Povinné. Identifikace média/typu zdroje (např. banner, PPC/CPC).

utm_campaign=

Identifikace kampaní (např. jaro 2010, sleva 5 %).

utm_content=

Odlišení reklamních formátů – vhodné pro testování (např. banner 468x60 vlevo nahoře, banner 468x60 vpravo nahoře, slevový kupon 1).

utm_term=

Ukládá termíny do přehledů klíčových slov z vyhledávačů. Doporučeno spíše nepoužívat – možnost zkreslení dat.

Obr. 21 – Sledování vstupních odkazů – ukázka označení

Pro www.zahradni-jezirko.cz bylo realizováno označení odkazů v rámci e-mailové propagační akce. Díky tomu jsme analyzovali efekt akce ve vztahu k posíle-

120

Např.: u zdroje www.zbozi.cz nemáme přehled klíčových slov, protože není tento zdroj řazen do přehledu vyhledávačů. [JAŠEK, P., Odborná konzultace ze dne 11. 5. 2010, 2010]. 121 Pokud např. neoznačíme kampaň v Sklik, tak se nám bude zobrazovat v přehledech zdrojů jako vyhledávač Seznam. 122 [APPELTAUER, R., Kampaňové parametry v Google Analytics, 2009].

40

ní návštěvnosti a učinili rozhodnutí o pravidelném opakování podobných aktivit (viz praktická část práce).

3.5 Sledování interního vyhledávání Data z interního vyhledávání (vlastní vyhledávání na webu) jsou velmi významným zdrojem informací, které nacházejí uplatnění v rámci analýzy návštěvnického chování. Rozborem dat z interního vyhledávání zjistíme preference uživatelů. Interní vyhledávání je zdrojem informací, které nám řeknou, co návštěvník našeho webu opravdu chce, proč ho navštívil a co na něm hledá. Poskytne tipy na nová klíčová slova, která návštěvníci používají, a poukáže na případné nedostatky v navigační struktuře. Přehledy Google Analytics nám mohou odpovědět na mnoho otázek: Které kategorie byly prohledávány? Z které stránky návštěvník přešel na vyhledávání? Jaká slova jsou nejčastějším dotazem? Kam návštěvníci zamířili po vyhledání daného slova a jak dlouho zde zůstali? Jak se odráží použití interního vyhledávání ve výsledných nákupech návštěvníků? Odpovědi nejen na tyto otázky mohou posloužit pro ladění struktury webu a jeho komerčního výkonu, přehodnocení nabídky či pojmenování vybraných produktů a služeb, využití hledaných slov pro potřeby PPC apod.123 Samotnou aktivaci sledování interního vyhledávání můžeme provést přímo při založení měřicího účtu pro nový web (viz kapitola Profil) nebo ji provedeme dodatečně v nastavení profilu přes volbu Upravit. Je třeba znát parametr, který v URL adrese obsahuje výraz hledaný návštěvníkem. Ten je nutno zadat do pole Parametr dotazu. Zpravidla to bývá „q“ či „search“. Parametr zjistíme tak, že provedeme vyhledávání a následně prozkoumáme URL výsledku vyhledávání. Pokud daná URL nemá ani jeden z výše uvedených parametrů, pak použijeme metodu virtuálního zobrazení stránek pro úpravu v kódu GATC.

123

[CUTRONI, J., Measuring Internal Site Search..., 2006].

41

Příklad: pageTracker._trackPageview ('/vyhledavani/?q=%hledanafraze').124 Více viz kapitola Virtuální zobrazení stránek. Aktivace sledování interního vyhledávání v rámci www.zahradni-jezirko.cz je v současné době v realizaci na straně programátora.125

4 Propojení Google Analytics s AdWords Propojení obou výše uvedených systémů zaručí automatický export kampaňových dat do služby Google Analytics, aniž bychom museli použít metodu označování odkazů126 (viz předchozí kapitola). Systém AdWords sice obsahuje základní statistiky pro měření efektu PPC kampaní (reklamních sestav), přesto je dobré data přebírat, neboť je v Google Analytics můžeme detailně analyzovat s ohledem na návštěvnické chování.127 Google Analytics dokáže také navíc poskytnout sofistikovanější pohled na hodnocení PPC kampaní - AdWords sleduje počet prokliků, nikoliv návštěvnost a její další souvislosti.128 V přehledu Zdroje je PPC systém označen jako médium CPC! Propojení obou systémů provedeme následujícím způsobem129: 1. V účtu AdWords vybereme kartu Vytváření přehledů a v rámci nabídky Google Analytics zvolíme položku Účet Google Analytics již mám.130 2. Z rozbalovací nabídky Stávající účet Google Analytics vybereme název účtu daného webu určeného k propojení. 3. Zvolíme Automatické označování cílových adres URL.131 124

[CLIFTON, B., Google Analytics..., 2009, s. 152-153]. Nutná změna metody z POST na GET. 126 Pokud i přesto chceme označovat vlastnoručně odkazy z PPC, pak je dobré vypnout Automatické označování URL. 127 Integrace dat nám mimo jiné umožní částečné srovnání (v závislosti na konzistenci dat) s kampaněmi z ostatních PPC systémů. 128 Zpracováno z: [TICHÝ, J., Open Monday…, 2009], [NĚMEC, R.; BOHÁČKOVÁ, K., Implementace Google Analytics, 2009], [Jak lze propojit účet Google Analytics s účtem AdWords?, 2009]. 129 [Jak lze propojit účet Google Analytics s účtem AdWords?, 2009]. 130 Pokud bychom zvolili druhou možnost Vytvořit bezplatný účet Google Analytics, došlo by k nadefinování zcela nového uživatelského účtu dané služby. 131 Pro otestování funkčnosti je lépe vždy v prohlížeči na stránce www.gooogle.com za URL adresu přidat řetězec ?gclid=test a potvrdit (Enter). Pokud se i nadále bude v URL nacházet 125

42

4. Potvrdíme příkazem Propojit můj účet. Detailní informace o kampaních, jež nám poskytne Google Analytics, lze využít pro optimalizaci jednotlivých kampaní (reklamních sestav, inzerátů), dopomůže identifikovat nejefektivnější slova a verze reklam s ohledem na uskutečnění konverze132. Možností, jak ladit množství nákladů a efektivnost PPC kampaní za pomoci přehledů Google Analytics je mnohem více – zjistíme nové výrazy, které je vhodné zahrnout, či slova, jež je třeba naopak vyloučit z kampaní apod. V závěru kapitoly je nutno zmínit fakt, že Google Analytics lze propojit i se službou Website Optimizer133 a Google AdSense134. S ohledem na cíle a rozsah práce nebudeme tuto problematiku dále rozebírat. V rámci části Rozšířené možnosti úpravy měření jsme se věnovali ukázce různých způsobů nastavení měření, které nám mají dopomoci získávat relevantní a specifická data, na základě nichž budeme schopni poměrně detailně provádět rozhodnutí, jež mají dopomoci k optimalizaci provozu webu, hodnocení a navrhování změn pro zvyšování návštěvnosti a efektivnosti e-commerce. Zaměřili jsme se také na možnosti měření marketingových a reklamních aktivit, které jsou nedílnou součástí činností, mající za cíl podpořit zvýšení návštěvnosti a konverzních výsledků. Vysvětlili jsme si jejich význam a kroky, které zajistí sběr dat z těchto aktivit.

5 Práce s Google Analytics Nyní se dostáváme k samotné podstatě Google Analytics, jakožto nástroje webové analýzy určeného pro hodnocení návštěvnosti webu. Cílem následující části je

výše uvedený řetězec, pak vše funguje správně. [NĚMEC, R., Přednáška předmětu Webová analytika, 25. 3. 2010]. 132 Událost, kdy se návštěvník transformuje v zákazníka. Stává se tak zpravidla v momentě dokončení objednávky, případně dojde-li ke splnění předem nadefinovaného cíle (stažení souboru, odeslání mailu, vyplnění formuláře apod.). 133 Domovská adresa: www.google.com/websiteoptimizer. „Nástroj Optimalizátor webových stránek slouží pro testování (A/B testování) a experimenty za účelem optimalizace webových stránek.“ 134 Domovská adresa: www.google.com/adsense/?hl=cs. Podrobné instrukce propojení viz http://adsense.google.com/support/bin/answer.py?hl=cs&answer=92625. AdSense je reklamní systém společnosti Google sloužící pro správu reklam, které zveřejňujeme inzerentům Googlu na našich webech.

43

detailně rozebrat problematiku práce s Google Analytics a následně uvést přehledné informace, které je nutno znát pro přímé využívání služby Google Analytics v procesu analýzy webu. Naučíme se, jak Google Analytics v praxi používat. Zaměříme se na vysvětlení práce s daty a uživatelským rozhraním, vysvětlíme si použití filtrů a nadefinování cílů se záměrem získat plnohodnotné a relevantní informace. Ukážeme si možnosti generování konkrétních datových přehledů (reportů), díky nimž dokážeme identifikovat slabá i silná místa webu a vyhodnotit jeho vývoj. Vysvětlíme si, jak nám tato data mohou být prospěšná v rámci procesu analýzy webu. Nejprve je třeba vědět, kde data najít, jak si jejich přehledy přizpůsobit (segmentovat, filtrovat), srovnávat je a zobrazovat dle potřeby. Na základě vysvětlení významu informací, které nám poskytují jednotlivé přehledy, pak dokážeme vyhodnocovat konkrétní a pro nás důležité jevy a problematiky. V úvodu je však nutno nejprve popsat rozdíl mezi profily a účty, upozornit na možnosti správy uživatelů a seznámit se s uživatelským rozhraním.

5.1 Profily a účty Než začneme pracovat s přehledy dat v Google Analytics, je třeba popsat základní rozdíly mezi pojmy „účet“ a „profil“. Jejich rozlišení je důležité s ohledem na pochopení způsobu práce a variant použití v rámci služby Google Analytics.

5.1.1

Účet Účet chápeme jako nejvyšší stupeň hierarchie v GA, kde se shromažďují

měřená data. Běžně zde můžeme vytvořit účet pro jeden web a v rámci profilů sledovat různě filtrované varianty, nebo můžeme vytvořit jeden účet (např. firemní) pro sledování více webů, kde jednotlivé weby budou vedeny v rámci samostatných profilů.135 Níže uvedený diagram ukazuje dvě různá pojetí účtu.

135

Doporučuje se nastavit měření webu na úrovni účtu, což je žádoucí především při propojování s ostatními službami (např. AdWords). [Accounts and Profiles, 2009].

44

Obr. 22 – Rozdílné pojetí účtu136

Nastavení účtu můžeme upravovat, pokud jsme tzv. Správcem účtu (více viz kapitola Správce uživatelů), a to v rámci úvodního přehledu účtů, kde se u každého účtu zobrazuje volba Upravit. Do samotného účtu, tj. k datům, se dostaneme proklikem odkazu na daný web. Nový účet naopak přidáme pomocí volby Přidat nový účet v přehledu účtů. V nastavení účtu máme možnost změnit název účtu, smazat účet aj.

5.1.2

Profil V profilu obecně sledujeme domény, subdomény, geografické varianty nebo

námi specifikovanou část webu. V rámci jednoho účtu můžeme spravovat až 50 profilů137, což může být limitující především v případech, kdy jsou jednotlivé weby definovány na úrovni profilů. Na úrovni profilů můžeme nadefinovat uživatele, kteří budou mít přístup k reportům. Profily se využívají především pro potřeby nastavení filtrů (viz kapitola Filtry) pro daný web. Ke každému profilu pak GA zpracovává reporty s filtrovanými daty.138

136

[Accounts and Profiles, 2009]. [Google Analytics, Wikipedia, 2009]. 138 [DUŠEK, R.; KOKEŠOVÁ, N., Nástroje Google : 7. Google Analytics, 2009]. 137

45

V nastavení profilu můžeme provést úpravu základního nastavení profilu (název, URL webu, výchozí stránka, časové pásmo, vyloučení parametrů dotazu adresy URL, měna), aktivaci sledování elektronického obchodu (viz kapitola Sledování elektronického obchodu), aktivaci sledování interního vyhledávání (viz kapitola Sledování interního vyhledávání) či aktivaci použití údajů o nákladech ze služby Google AdWords. Využití profilů pro filtrování dat je popsáno v kapitole Nastavení filtrů. Nový profil vytvoříme klepnutím na volbu Přidat nový profil.139 Obr. 23 – Ukázka rozhraní profilů

5.2 Metriky a dimenze Pro práci s Google Analytics je také nutné vysvětlit si rozdíl mezi metrikami140 a dimenzemi, neboť ty jsou základními prvky každého reportu Google Analytics.141 • Metriky – jsou číselná shrnutí uživatelského chování. • Dimenze – jsou entity, které vidíme v jednotlivých řádcích reportů. Metriky pak 139

Pro účely testovací práce s daty – např. zkoušení možností a nastavování pokročilé filtrace či segmentace (viz následující kapitoly) je vhodné vytvořit testovací profil, kde lze experimentovat, aniž by to mělo vliv na data „hlavního“ profilu. 140 Přehledný seznam hlavních metrik je dostupný na webové adrese: http://www.google.com/support/googleanalytics/bin/answer.py?hl=cs&answer=99118. 141 Zpracováno z: [STEIF, R., Dimensions vs Metrics..., 2009], [Metrics and Dimensions, 2009].

46

do těchto řádků přinášejí číselné hodnoty. Takže např. v reportu Prohlížeč je jedním z řádků právě dimenze Firefox která díky uplatněné metrice Návštěvy vykazuje určitou hodnotu (počet). Obr. 24 – Rozdíl mezi metrikami a dimenzemi142

5.3 Správce uživatelů Rozhraní správy uživatelů slouží primárně pro nadefinování typů uživatelů na úrovni účtu. Toto nastavení je následně platné i pro jednotlivé profily daného účtu.143 Typy uživatelů mají rozdílná práva pro práci se službou Google Analytics, resp. se jedná především o činnosti týkající se nastavení služby (nastavení cílů, účtů/profilů, exportů dat apod.). V rámci Google Analytics rozlišujeme 2 typy přístupů: • Správce – bez omezení v rámci práce s daty a v možnostech nastavení služby (účtů) – např. webový analytik.

142 143

[Metrics and Dimensions, 2009]. Správce má přístup ke všem profilům v účtu.

47

• Uživatel – omezen pouze na prohlížení přehledů dat. Tito uživatelé nemají možnost zasahovat do nastavení, čímž je zabráněno nechtěným změnám a vzniku problémů v měření dat a v samotném nastavení služby. Přidání nového uživatele, včetně určení jeho typu, se provádí právě přes volbu Správce uživatelů v konkrétním účtu/profilu.

5.4 Seznámení s uživatelským rozhraním Po přihlášení do Google Analytics se zobrazí přehled účtů webů, které sledujeme. Po zvolení účtu konkrétního webu se dostaneme k profilu, u něhož si již můžeme prohlédnout konkrétní naměřená data pomocí odkazu Zobrazit přehled. Následně se nám ukáže tzv. Dashboard144, neboli hlavní řídicí panel (viz níže). Obr. 25 – Ukázka řídicího panelu

144

Panel zobrazuje důležité přehledy, které si do dashboardu můžeme přidat dle našich potřeb. Provedeme volbou Přidat na řídicí panel, která se zobrazuje v jednotlivých přehledech. Takto můžeme ihned po přihlášení do profilu vidět nejvýznamnější hodnoty. Přehledy v řídicím panelu můžeme přesouvat pouhým přetažením myší nebo mazat dle našich aktuálních potřeb.

48

V rámci levé hlavní nabídky přejdeme do požadovaného přehledu, kde se nám ukážou konkrétní data – viz obrázek níže, na kterém si vysvětlíme i základní ovládací prvky přehledu. Obr. 26 – Popis uživatelského rozhraní

1.

Hlavní navigační menu – vstup do jednotlivých kategorií přehledů a podpřehledů.

2.

Možnosti exportu dat (volba Exportovat), automatického zasílání dat e-mailem (volba E-mail), přidání přehledu na řídicí panel (volba Přidat na řídicí panel).

3.

Přístup k nabídce pokročilých segmentů – umožňuje aplikovat výchozí či vlastní segmenty pro danou sadu dat, resp. přehled. Více viz kapitola Segmentace a použití filtrů.

4.

Výběr časového období pro zobrazení dat.

5.

Změna zobrazení grafu - vývoj dat v čase může být porovnáván dle měsíců, týdnů či dnů.

6.

Změna hodnot zobrazovaných v grafu a nastavení jejich porovnání – umožňuje nám provést volbu metriky, která bude v grafu zobrazována (volba Jedna metrika). V grafu můžeme velmi přehledně porovnat i vzájemný vztah dvou metrik náležících k danému přehledu (volba Porovnat dvě metriky), případně

49

můžeme porovnat metriku (metriky) s průměrnými hodnotami (volba Porovnat s hodnotou stránky). Obr. 27 – Rozhraní volby metrik

7.

Rozvržení na záložkách – údaje o návštěvnících jsou nadefinovány do určitých oblastí. Při výběru jednotlivých oblastí (záložek) můžeme zobrazit data v souvislosti s danou oblastí. Zjistíme tak aktivitu návštěvníků související s daným přehledem, nebo naopak údaje o konverzích v souvislosti s daným přehledem.145 Obr. 28 – Ukázka rozhraní záložek

8.

Náhled na data – volba pro změnu typu zobrazení dat. Varianty: tabulka, procentuální graf, graf účinnosti, srovnávací graf a kontingenční tabulka.

9.

Volba položky pro porovnání v rámci křížové segmentace. Více o křížové segmentaci v kapitole Křížová segmentace.

10. Filtrování aktuálně zobrazených dat – umožňuje nadefinovat a aplikovat filtry, kterými řídíme zobrazení dat v tabulce. Můžeme použít základní přednasta-

145

[CLIFTON, B., Google Analytics..., 2009, s. 62].

50

vený způsob filtrace, nebo nadefinovat vlastní filtr.146 Způsob užití těchto filtrů je odlišný od využití filtrů, které jsou popsány v kapitole Filtry. 11. Nastavení pro zobrazování dat – volíme počty zobrazených řádků (položek) na stránce přehledu. Slouží i pro přesun mezi stránkami přehledu. Přechod mezi daty a generování přizpůsobených přehledů provádíme především prostřednictvím výše uvedených prvků. Ke konkrétním datům se lze dostat velmi jednoduše, zpravidla kliknutím na okazovanou položku (příp. dimenzi). Report se obecně skládá z levého a pravého panelu. Levý panel obsahuje 7 hlavních navigačních kategorií147 a odkazy pro rychlý přístup k nápovědě. Pravá část je tvořena již samotnými statistikami. Tato sekce zahrnuje kalendář pro vymezení časového období, sumarizaci nejpodstatnějších informací a hlavní obsahovou část. Google Analytics umožňuje zobrazit data jako výpis informací nebo ve formě tabulky, přičemž data lze vizuálně zpřehlednit také pomocí koláčových nebo sloupcových grafů.148 Práce s grafy a tabulkami je velmi intuitivní a jednoduchá. Prioritní řazení dat v tabulkách lehce změníme proklikem na konkrétní název sloupce v tabulce, podle kterého mají být data seřazena. Při porovnání dat či vyhodnocení vývoje změny dat v čase (srovnání s jinými obdobími) je pozitivní vývoj zobrazen zelenou barvou a negativní vývoj červenou. Obr. 29 – Ukázka porovnání hodnot

Nyní již víme, jak data v jednotlivých přehledech zobrazovat dle svých potřeb, proto se v další kapitole zaměříme na problematiku efektivní práce s daty.

146

[JAŠEK, P., Pokročilé filtry v Google Analytics, 2009]. Počet se může lišit. Např. nemáme-li aktivované sledování elektronického obchodu, nezobrazí se daný přehled. 148 [DUŠEK, R.; KOKEŠOVÁ, N., Nástroje Google : 7. Google Analytics, 2009]. 147

51

5.5 Efektivní práce s daty Cílem kapitoly je popsat postupy pro efektivní práci s daty, neboť tyto postupy nám usnadní proces analýzy, exportu a reportingu dat.

5.5.1

Export dat Funkce exportu dat zajišťuje uložení dat konkrétního přehledu do následují-

cích formátů: •

PDF;

•

XML;

•

CSV;149

•

CSV pro Excel;

•

TSV.150

Obr. 30 – Nabídka exportu dat

U exportní funkce oceníme především snadnost a rychlost, s jakou lze export dat realizovat. Vyexportovaná data jsou často využívána pro další analytické zpracování v ostatních programech, či pro export do firemních databází a přehledů.151

5.5.2

Posílání reportů Google Analytics umožňuje jednorázové či pravidelné automatické zasílání

vybraných reportů (přehledů) e-mailem. Kde najít danou funkci jsme si ukázali v kapitole Seznámení s uživatelským rozhraním. Tuto funkci oceníme především tehdy, pokud budeme chtít být pravidelně informováni o aktuálním stavu webu, či tyto informace budeme chtít pravidelně zasílat vedení společnosti, manažerům a marketingovým pracovníkům. Lze zvolit jaké reporty a komu mají být odeslány (max. 25 osobám najednou), v jakém formátu mají být odeslány a určit lze i frekvenci odesílaných reportů (denně, týdně, měsíčně, čtvrtletně). Připojit můžeme i srovnání s předchozím obdobím. Tato funkce je ideálním 149

„CSV (Comma-separated values, hodnoty oddělené čárkami) - je jednoduchý souborový formát určený pro výměnu tabulkových dat.“ [CSV, 2009]. 150 „TSV je velmi jednoduchý textový formát dat, který dovoluje, aby tabulková data byla vyměněna mezi aplikacemi, které užívají jiné interní formáty dat.“ [KORPELA, J., Tab Separated Values (TSV)..., 2005]. 151 [NĚMEC, R.; BOHÁČKOVÁ, K., Řídící panel, KPI, výběr časového..., 2009].

52

řešením právě pro to, že různé osoby bude zajímat (dle náplně práce, reportovací povinnosti apod.) trochu jiná oblast statistik, v různém rozsahu a možná i v jiné časové periodicitě – to vše lze naplánovat právě v rámci funkce E-mail. Obr. 31 – Rozhraní pro nastavení posílání reportů

Pro potřeby analýzy a optimalizace www.zahradni-jezirko.cz bylo nastaveno automatické odesílání přehledů e-mailem (viz praktická část práce).

5.5.3

Práce s časem, porovnávání časových období Práce s časem a porovnávání časových období je důležitou činností v rámci

analýzy webu. Pokud nebudeme vědět, jak data zobrazovat podle námi požadovaných časových úseků, nemůžeme pak ani provádět jejich porovnávání v čase a odhalovat změny ve vývoji, jež jsou základem analýzy webu a posuzování jeho úspěšnosti. Kde najít možnost nastavení časového období jsme si ukázali v kapitole Seznámení s uživatelským rozhraním. Změnu sledovaného (reportovaného) období lze provést buď za použití záložky Kalendář, nebo záložky Časové období v daném rozhraní. Práce v rámci obou záložek je velmi intuitivní. Při analýze vývoje metrik v čase nám pomůže volba Porovnat s minulostí. Zde je třeba jen dbát na to, aby srov-

53

nání bylo nastaveno tak, že proti sobě stojí období, která začínají shodně stejným dnem v rámci týdne (např. pondělím).152 Jak uvádí Robert Němec:153 „...nedoporučuje se provádět sledování po dnech, ale spíše po týdnech nebo měsících. Jen tak dokážeme graficky odfiltrovat pravidelné výkyvy v návštěvnosti webu (a jiných metrikách) a porozumět lépe chování návštěvníků.“ Doporučuje se tedy data porovnávat spíše v rámci delších časových období. Obr. 32 – Rozhraní pro práci s časem

5.5.4

Projektový deník (poznámky v grafech) Analytik si v rámci své činnosti může mimo jiné vést přehled událostí,

které ovlivnily návštěvnost či provoz webu. Na základě vědomí těchto událostí pak může vyhodnocovat data v kontextu s těmito událostmi. Pokud si analytik poznámky nevede, může dojít k situaci, že si následně nemůže vzpomenout na problém, který byl důsledkem toho, že v určitý den před 3 měsíci došlo k razantnímu propadu v návštěvnosti! Řešením je tzv. Projektový deník, který umožňuje přidávat popisky ke grafu libovolného přehledu pro konkrétní datum. Stačí pouze v příslušném grafu kliknout na daný den a v zápětí se objeví možnost pro vložení poznámky.154

152

[CLIFTON, B., Google Analytics..., 2009, s. 66-68]. [BOHÁČKOVÁ, K.; NĚMEC, R., Řídící panel, KPI, výběr časového..., 2009]. 154 Poznámky lze sdílet, nebo je mít pouze soukromé. 153

54

Obr. 33 – Ukázka projektového deníku

V grafu pak vidíme přehled všech poznámek. Pro analytika je to vynikající pomocník, neboť události, které se na webu či ve spojitosti s webem (marketingové aktivity, činnosti SEO, změna obsahu, navigace, technické úpravy apod.) odehrály, je nutno zaznamenávat. Doporučeno je vkládat poznámky o specifických událostech do konkrétních, s událostí přímo souvisejících přehledů (grafů). Zároveň by si však analytik měl určit jeden obecný přehled (graf), do kterého bude soustředit veškeré poznámky, které bude mít jednoduše a přehledně pohromadě.155

5.6 Cíle Cíle jsou prvkem, který lze použít v Google Analytics pro potřeby získání detailního přehledu o cílových konverzích, úspěšnosti a poutavosti webu. Výhodou měření cílů je především fakt, že si je vydefinujeme plně dle potřeby, která odpovídá požadavku na vyhodnocování jevů, které potřebujeme sledovat. Cíle by proto měly být především vyjádřením požadovaných výsledků, které má web plnit, nebo by s nimi měly souviset. Díky nadefinování cílů získáváme měřitelné entity vztahované k návštěvnickému chování, jejichž účelem je zajistit informace o míře plnění cílů.156 V Google Analytics můžeme měřit nejen dokončení cíle, ale i proces cesty k němu. Cesta k cíli nám poodhalí chování návštěvníka v procesu plnění cíle a ukáže možné bariéry, jež brání dokončení cíle (více viz kapitola Nastavení cesty k cíli).157 Cíle jsou tedy velmi efektivním způsobem, jak vyjádřit a měřit konverze a plnění nadefinovaných cílů pro daný web. Za konverzi se běžně považuje změna

155

[KOMÁR, J., Projektový deník v Google Analytics je super, 2010]. [TYLER, M. E.; LEDFORD, J.L., Google Analytics, 2006, s. 85-93]. 157 [Tamtéž, s. 245-256]. 156

55

návštěvníka na zákazníka158, tj. moment kdy návštěvník provede nákup. Mezi konverze však lze zařadit jakoukoliv aktivitu, kterou návštěvník vykoná, pokud je tato definována námi jako cíl, který je pro nás důležitý. Nemusí však jít o sledování uskutečněného cíle, ale zajímat nás mohou i klíčové situace, jež jsou z našeho pohledu negativní pro plnění poslání webu, a proto je chceme sledovat a vědět kdy, proč a jak často k nim dochází (např. odstranění položky z nákupního košíku159).160 Je třeba upozornit, že pro různé druhy webů (komerční, nekomerční, informační, zpravodajský, zábavný apod.) jsou podstatné a charakteristické různé cíle. Pro příklad si uvedeme několik nejběžnějších cílů, které lze v rámci služby Google Analytics nastavit:161 • dokončení objednávky; • opuštění objednávkového procesu (tzv. negativní cíl); • registrace uživatele; • využití určité služby; • odeslání rezervace; • přidání komentáře na blog; • zhlédnutí určité významné stránky; • přihlášení k odběru novinek, newsletteru; • stažení elektronického zpravodaje, souboru, dokumentu; • odeslání e-mailu; • přehrání videa; • určitá doba na stránce; • určitý počet zobrazených stránek za návštěvu; • aj.

158

Jedná se o změnu či přechod v jiný stav (status) – další příklady: neregistrovaný → registrovaný návštěvník, návštěvník s přihlášením k odběru newsletteru, návštěvník angažovaný kontaktem na společnost apod. [JAŠEK, P., Odborná konzultace ze dne 24. 5. 2010, 2010]. 159 Míra konverze blížící se nule je pro tyto situace zpravidla ideálním stavem. „Míra konverze = počet konverzí podělený počtem návštěv celého webu, to celé násobeno 100.“ Vyjadřuje poměr návštěv, jež provedli konverzi, vůči všem návštěvám za sledované období. [BOHÁČKOVÁ, K., Postřehy z webové analytiky…, 2010]. 160 [CUTRONI, J., New Google Analytics Goals, 2009]. 161 [10 Must Track Google Analytics Goals, 2009].

56

Některé z výše uvedených cílů mohou mít pro nás natolik velký význam, že jejich sledování a vyhodnocování nám řekne více o úspěšnosti webu, ale při porovnání s dalšími daty (např. díky segmentaci) může ukázat i silná a slabá místa a také vzorce chování u jednotlivých návštěvnických skupin. V procesu nastavení a hodnocení cílů se doporučuje postupovat následovně:162 • Definovat cíl a převést ho do měřitelné podoby. • Nastavit cíl v Google Analytics včetně jeho hodnoty. • Určit požadovanou úspěšnost pro proces vyhodnocení efektivity. • Následuje případné uplatnění opatření pro optimalizaci efektivity na základě vyhodnocení dat. Vývoj konverzí je třeba hodnotit v dlouhodobějším horizontu a porovnávat změny dat a důvody těchto změn. Konkrétní cíle, které byly použity pro měření efektivity webu www.zahradnijezirko.cz, včetně vysvětlení významu jejich uplatnění, jsou uvedeny v praktické části práce.

5.6.1

Nastavení cílů V rámci služby Google Analytics můžeme nadefinovat max. 20 konkrétních

cílů. Vytvoření nového cíle se provádí přes volbu Upravit u konkrétního profilu, což logicky znamená, že jednotlivé profily mohou mít rozdílné cíle. V rozhraní pro nastavení profilu se objeví nabídka pro tvorbu a správu cílů s názvem Cíle. Zde provádíme nakonfigurování nového cíle, stejně jako jeho zpětnou úpravu. Můžeme zde navíc cíl kdykoliv deaktivovat či přesunout jeho pozici v celkovém přehledu cílů. Především zde však máme k dispozici 3 základní možnosti pro nastavení cílů:163 1. Doba na webu – stanovení doby návštěvy na webu. 2. Stránky/návštěva – stanovení počtu stránek zobrazených za návštěvu. 3. Cíl adresy URL – adresa stránky cíle (cíl jakožto konkrétní stránka). Nejčastěji je používána 3. varianta. Díky ní můžeme sledovat zobrazení konkrétních stránek (např. stránka s poděkováním za dokončení objednávky). Při defino162 163

[BOHÁČKOVÁ, K., Přednáška předmětu Webová analytika, 8. 4. 2010]. [Tamtéž].

57

vání cíle za pomoci URL adresy je důležité vybrat správně typ shody z následujících variant:164 • Hlavní shoda – pro dynamicky generované URL165. • Přesná shoda – pro URL, které nesmí obsahovat žádné identifikátory dynamické relace nebo parametry dotazu. • Shoda běžných výrazů (regulárních výrazů) – přiřazení URL adres za pomoci regulárních výrazů166. Je nutno dbát, aby URL adresa byla skutečným vyjádřením dokončeného cíle. Pro příklad: vstup do košíku není vhodnou URL adresou pro cíl „dokončení objednávky“. Touto adresou je URL stránky s poděkováním či potvrzením objednávky (např.: www.zahradni-jezirko.cz/dokonceni-objednavky). Toto důležité pravidlo platí i pro definování cesty k cíli. Obr. 34 – Ukázka statistik pro vybraný cíl

Jak uvádí Tomáš Rauch167: „...každý nový cíl je vhodné reálně ohodnotit – tj. přiřadit mu určitou hodnotu při jeho definování, což pak pomůže při vyhodnocování jeho přínosu“.168 Při stanovení hodnoty vycházíme primárně ze zisku či tržby pro dokončený cíl.169 Pro cíle, u nichž tuto hodnotu nelze jednoznačně určit, stanovíme hodnotu odhadem dle důležitosti daného cíle v porovnání k ostatním cílům. 164

[Jaký je rozdíl mezi shodou nadpisu..., 2009]. U adresy http://www.priklad.cz/checkout.cgi?page=1&id=9982251615 zadáme typ shody „hlavní“ a uvedeme cílovou URL jako /checkout.cgi?page=1. 166 Jde o sadu pravidel, která umožňují pracovat s řetězci znaků. Umožňují tvorbu jednoduchých i promyšlených pravidel. [BOHÁČKOVÁ, K., Přednáška předmětu Webová analytika, 8. 4. 2010]. 167 [RAUCH, T., Co může ukázat $ Index..., 2009]. 168 Hodnoty cílů jsou používány pro stanovení Indexu USD či návratnosti investic. 169 U cíle typu objednávky není třeba hodnotu uvádět. Pokud máme aktivované sledování elektronického obchodu, pak se hodnota přiřazuje automaticky. 165

58

Hodnotu cíle lze také určit na základě nepřímého výnosu – např. pokud cíl „přihlášení ke zkoušce demoverze“ znamená v 10 % případů následné objednání produktu za 10 000 Kč, pak lze hodnotu cíle stanovit na 1 000 Kč. Statistiky každého nadefinovaného cíle vidíme v přehledu Cíle.170

5.6.2

Nastavení cesty k cíli Cestu k cíli chápeme jako sled kroků (URL stránek), kterými návštěvník

prošel, než uskutečnil konverzi (splnění cíle). Sledujeme nejen dokončení, ale především průchod k cíli, kde jednoznačně vidíme v jakém kroku171 a kam odešel návštěvník v případě, že cíl nedokončil.172 Cesta nám umožní pochopit nejen návštěvnické chování při průchodu k cíli, ale dopomůže identifikovat slabá a problematická místa při dokončování konverze. Tato cesta k cíli se v Google Analytics zobrazuje jako trychtýř (funnel). Cestu k cíli máme detailně zobrazenou v přehledu Vizualizace cesty jako trychtýř (více viz kapitola Přehledy dat a jejich význam pro analýzu webu). Obr. 35 – Ukázka nastavení cesty k cíli

170

[How do I set up goals and funnels?, 2009]. Příklad: častým cílem úniku z objednávkového procesu je přechod na stránku s obchodními podmínkami. [JAŠEK, P., Odborná konzultace ze dne 24. 5. 2010, 2010]. 172 Na základě těchto údajů můžeme provádět optimalizaci objednávkového procesu, zjistit proč a kde lidé nejčastěji objednávkový proces opouští. Díky tomu dokážeme snížit míru opuštění a navýšit celkový počet dokončených objednávek. 171

59

Cesta k cíli se definuje na stejném místě jako samotný cíl. U objednávkového procesu tato cesta může být následující: 1. přidání produktů do košíku; 2. přepočítání košíku; 3. vyplnění osobních údajů; 4. zvolení způsobu platby a dodání; 5. odeslání objednávky (potvrzení odeslání, poděkování aj). Pokud má objednávkový proces ve více krocích (stránkách) stejnou URL adresu, pak je nutné tyto kroky odlišit za pomoci metody virtuálního zobrazení stránek (viz kapitola Virtuální zobrazení stránek).173 Obr. 36 – Vizualizace cesty k cíli

173

[The URLs for each step in my Defined Funnel..., 2009].

60

5.7 Segmentace a použití filtrů Nejlépe vystihl význam segmentace ve svém článku Robert Němec: „Máme-li údaje o návštěvnosti za konkrétní období, návštěvníci budou vykazovat určitý vzorec chování, např. průměrnou dobu strávenou na stránkách nebo procento konverze. Toto chování se ovšem nemusí vztahovat na všechny návštěvníky a některé metriky mohou být silně ovlivněny atypickým chováním určité skupiny návštěvníků. Proto se nedoporučuje pohlížet na celkové hodnoty jako na obecně platné a už vůbec ne se řídit aritmetickými průměry“. Z tohoto důvodu není ideální zaměřovat se na průměrné hodnoty a celkové veličiny – znamená to tedy provést cestu k podrobnějším datům, resp. propracovat se přehledy ke specifičtějším údajům o chování návštěvníků. Zjistíme-li skupiny návštěvníků, jež jsou charakteristické jiným vzorcem chování, můžeme tyto skupiny vysegmentovat a sledovat je tak odděleně, případně je z celkové sady dat o návštěvnosti odfiltrovat.174 Pokud shrneme význam segmentů, pak lze říci, že díky segmentaci dokážeme získat specifické a konkrétní informace, které využijeme při ladění provozu a efektu webu. Za pomoci těchto informací dokážeme definovat rozhodnutí, která nebudou průměrná, ale naopak budou přesněji odrážet zachycenou realitu. Zobrazení či naopak odfiltrování vybrané části dat můžeme v rámci služby Google Analytics provádět prostřednictvím základní či rozšířené segmentace. K segmentaci dat používáme v Google Analytics tzv. křížovou segmentaci, filtry a segmenty. Kromě základní křížové segmentace máme k dispozici i pokročilou segmentaci, jež nabízí mnohem více možností a variant, jak získat jedinečná a detailní data o jednotlivých segmentech.175 K popisu těchto možností se dostaneme v následujících kapitolách.

5.7.1

Křížová segmentace Jedná se o jednoduchý způsob segmentace, kdy nemusíme nic složitě

definovat a nastavovat. Křížová segmentace přináší možnost porovnat jednu sadu dat s druhou. Křížovou segmentaci provádíme v momentě, kdy se proklikáváme přehle-

174 175

[BOHÁČKOVÁ, K.; NĚMEC, R., Jak se vyhnout zkreslování údajů..., 2009]. [KAUSHIK, A., Google Analytics Releases Advanced Segmentation..., 2008].

61

dem ke konkrétnějším datům. U většiny přehledů je k dispozici taktéž rozevírací segmentační nabídka, díky níž lze snadno provést tuto segmentaci a tím pádem si vygenerovat konkrétní data, která nás zajímají v rámci analýzy vybraných jevů.176 Použití křížové segmentace si popíšeme na následujícím příkladu. Zajímají nás informace o přístupech z internetového zdroje http://prirodni-jezero-biotopbiojezero.webnode.cz/ u návštěvníků, kteří jsou z Českých Budějovic. Požadujeme např. údaj o počtu návštěv pro odkazující stránky z tohoto zdroje za určité období pro daný segment. Pro jeho vytvoření proto budeme postupovat následovně: přejdeme do přehledu Odkazující stránky, jež se nachází v části Zdroje návštěvnosti. Zde klikneme na položku http://prirodni-jezero-biotop-biojezero.webnode.cz/ v přehledové tabulce. Po zobrazení přehledu vybereme z rozbalovací segmentační nabídky volbu Město. Obr. 37 – Praktická ukázka křížové segmentace

5.7.2

Filtry Filtry177 se zpravidla používají k odfiltrování dat s cílem získání specifičtější

sady údajů, která je následně využita v rámci analýzy webu a uživatelského chování. Umožňují soustředit preferovaná data do konkrétního profilu, pro který je filtr

176

[CUTRONI, J., Google Analytics Cross Segmentation..., 2007]. Souhrnné informace o filtrech a jejich použití nabízí nápověda Google Analytics. Dostupné z http://www.google.com/support/googleanalytics/bin/topic.py?hl=cs&topic=11091.

177

62

nastaven. Pokud tedy aplikujeme filtr, pak se do profilu sbírají pouze data, která projdou filtrem.178 Na rozdíl od segmentů (viz kapitola níže) nejde při uplatnění filtru zpětně získat celkovou původní sadu dat, což znamená, že je lépe vždy ponechat u konkrétního webu jeden profil, který není filtrován. Z výše uvedeného je taktéž patrné, že filtry se aplikují na úrovni profilů. Při nastavování filtrů je třeba také dbát na jejich pořadí, neboť chyba může znamenat úplnou absenci dat v profilu.179 Služba Google Analytics nabízí 2 druhy filtrů (předdefinované či vlastní), k jejichž aplikaci, resp. nastavení, se dostaneme přes Správce filtrů v účtu webu nebo přes volbu Upravit u konkrétního profilu. U předdefinovaných filtrů volíme možnost zahrnout či vyřadit. U vlastních filtrů je tato nabídka rozšířena o další možnosti, přičemž vybíráme navíc z rozevírací nabídky pole filtru. V případě nastavení vlastních filtrů se často používají také regulární výrazy. Obr. 38 – Ukázka rozhraní pro vytvoření nového filtru

Úprava dat pomocí filtrů má především následující význam:180 • Odstranění vlastní návštěvnosti z přehledů – odfiltrování přístupů vlastních zaměstnanců, analytika, webmastera, reklamní agentury apod. • Sběr dat výhradně ze sledovaného webu – v případě, že by konkurence získala kód GATC ze zdrojového kódu měřeného webu, má možnost znehodnocovat

178

Nadefinované filtry se aplikují již při samotném sběru dat. [NĚMEC, R., Přednáška předmětu Webová analytika, 2010]. 180 [CLIFTON, B., Google Analytics..., 2009, s. 163-176]. 179

63

data tak, že kód umístí na jiný web, čímž budou do účtu našeho webu v Google Analytics proudit dvojí data. • Upravení přehledů profilu na míru (specifická data o návštěvnosti): 1.

Segmentace dle obsahu – data o návštěvnících, kteří si prohlíží pouze určitou část webu (fórum, blog, stránky katalogů s ceníky, e-shop, stránky podpory apod.).

2.

Segmentace dle kampaně, média, zdroje – zjištění odlišného chování návštěvníků z různých zdrojů.

3.

Segmentace dle geografického hlediska – detekce odlišného chování návštěvníků z různých oblastí (např. ČR, SR).

4.

Segmentace nových a vracejících se návštěvníků181 – často tyto dva typy vykazují odlišné chování.

Většina základních filtrů byla aplikována na profily www.zahradni-jezirko.cz, proto ukázku nastavení konkrétních filtrů uvedeme v rámci praktické části práce.

5.7.3

Pokročilé segmenty Pokročilé segmenty umožňují aplikovat nejen předem nadefinované (výchozí),

ale i námi vytvořené (vlastní) segmenty. Výsledkem aplikace rozšířených segmentů je možnost detailně analyzovat chování návštěvníků. Segmenty lze na data aplikovat zpětně, což je jejich velká výhoda oproti filtrům. Segmenty, na rozdíl od filtrů, nikterak neovlivňují samotný vstupní sběr dat. Jsou aplikovány na celkovou sadu dat, a to až v momentě, kdy je použijeme.182 Obr. 39 – Ukázka rozhraní pokročilých segmentů

181

Může nám dopomoci k rozhodnutí (např. podle výsledků prodeje), zda se orientovat primárně na získávání nových návštěvníků či ukotvení stávajících. 182 [CUTRONI, J., Google Analytics Advanced Segmentation, 2008].

64

K aktivaci a nastavení pokročilých segmentů se dostaneme přes nabídku Pokročilé segmenty v horní části přehledu (viz bod č. 3 v kapitole Seznámení s uživatelským rozhraním). Pokud chceme aplikovat pokročilý segment, stačí označit jednu či více položek v rozevírací nabídce. V níže uvedeném rozhraní (viz obrázek) nechybí ani volba pro vytvoření vlastního rozšířeného segmentu či volba pro správu rozšířených segmentů. Z výchozích segmentů, jež jsou součástí základního nastavení služby Google Analytics, jmenujme pro příklad následující: • noví návštěvníci; • vracející se návštěvníci; • návštěvy z placeného vyhledávání; • návštěvy z přirozeného vyhledávání; • přímá návštěvnost; • návštěvnost z odkazujících stránek; • návštěvy s konverzemi; • aj. Segment je po výběru jedné či více položek aplikován na přehled a zobrazen v grafu, přičemž si ho můžeme porovnat s původními nesegmentovanými hodnotami (týká se jak výchozích, tak i vlastních segmentů). Vlastní segmenty nám dávají možnost vysegmentovat si data dle našich vlastních konkrétních požadavků. Při definování pracujeme s dimenzemi, což jsou atributy návštěvníků či návštěv, a metrikami.183 Dimenze obsahují 5 základních kategorií (Návštěvníci, Zdroje návštěvnosti, Obsah, Elektronický obchod, Systémy), které se dále člení na jednotlivé konkrétní dimenze. Metriky jsou rozděleny na 4 kategorie (Používání webu, Elektronický obchod, Obsah, Cíle), které jsou rovněž děleny na jednotlivé dílčí metriky. Vlastní pokročilý segment vytvoříme kombinací dimenzí a metrik, přičemž vybíráme podmínky, které mají být v určitém pořadí a za určených pravidel splněny. Ke kombinaci podmínek segmentu se používá výroků (logických spojek) „nebo“

183

[KAUSHIK, A., Google Analytics Releases Advanced Segmentation..., 2008].

65

či „a“, přičemž první v pořadí by měly být použity podmínky spojené výrokem „nebo“. Nadefinovaný segment je lépe nejprve otestovat (volba Testovat segment).184 Vytvořené segmenty se v rozhraní ukládají a mohou být tím pádem použity i pro další účty či profily v Google Analytics.185 Obr. 40 – Ukázka rozhraní pro nadefinování vlastního segmentu

Segmenty lze v praxi využít např. na odlišení návštěvnosti pro zákazníky, kteří objednali specifickou skupinu zboží, pro odlišení příchodů z konkrétních kampaní, měření podílu návštěv, při kterých uživatel viděl určitou sadu stránek, apod.186 Díky segmentům můžeme např. zjistit, že noví návštěvníci, přicházející ze zdroje www.seznam.cz na klíčové slovo „filtrace“, vykazují vyšší míru konverze než segment návštěvníků z jiných zdrojů. Porovnáním zjistíme, že zdroj www.google.cz má nejnižší míru konverze pro výše uvedený výraz. Další analýzou již zjistíme, že na dané slovo „filtrace“ neposílá Google návštěvníky na správnou cílovou stránku webu (tj. do kategorie Filtrace), ale na úvodní stránku celého webu. Tyto údaje můžeme využít při následné optimalizaci pro vyhledávače (SEO) a úpravě obsahu cílové stránky pro klíčové slovo. Výše popsané příklady jsou jen střípkem z nepřeberné škály možností, které segmentace nabízí. 184

Test nám ukáže, jakému počtu návštěv nadefinovaný segment odpovídá. Nulový počet nás může upozornit na nevhodné nadefinování podmínek segmentu. 185 [How do I create and use advanced segments?, 2009]. 186 [KAUSHIK, A., Google Analytics Releases Advanced Segmentation..., 2008].

66

5.8 Přehledy dat a jejich význam pro analýzu webu Přehledy dat jsou vizualizované výsledky měřicího procesu, které nám služba Google Analytics předkládá v podobě uspořádaných a přehledných výstupů. Přehledy nejsou pouze statickým seznamem naměřených hodnot, naopak umožňují další manipulaci s daty dle konkrétních potřeb. K přednostem variabilní práce s daty řadíme především křížovou segmentaci, jež umožňuje získávat konkrétní hodnoty, které jsou pro analytika důležité s ohledem na cíle analýzy. Na základě informací z přehledů, resp. díky pochopení a interpretaci předkládaných dat, lze následně provádět kvalifikovaná rozhodnutí pro potřeby optimalizace webu a efektivnosti plnění cílů. Služba Google Analytics poskytuje velké množství přehledů, které jsou logicky uspořádány do 7 hlavních kategorií (Panel, Zpravodajství, Návštěvníci, Zdroje provozu, Obsah, Cíle, Elektronický obchod), které najdeme v levém hlavním rozklikávacím menu. V následujících podkapitolách projdeme hlavní přehledové kategorie (podkategorie, konkrétní přehledy) a vysvětlíme si význam a možné použití dat z vybraných přehledů. Popíšeme si, kde přesně hledat určitá data, a také se zaměříme na informace o tom, jak a pro co můžeme jednotlivé druhy dat u konkrétních přehledů využít. Z tohoto rozboru bude mimo jiné patrné, že konkrétní data/přehledy najdou využití u různých lidí187 spjatých s provozem webu (webmaster, manažer, tvůrce obsahu, obchodník, SEO konzultant, marketingový pracovník apod.). Orientace v přehledech a vědomí toho, kde hledat potřebná data, je důležitým bodem analýzy webu. Pokud najdeme správná data, pak můžeme provést tolik potřebnou segmentaci a pustit se do komplexní analýzy webu, odhalování nedostatků a zjišťování toho, co přesně a proč funguje nadprůměrně efektivně a naopak. Při sestavování informací o jednotlivých přehledech budeme vycházet především z Nápovědy Google Analytics188integrované přímo v rozhraní služby Google Analytics a z vlastní znalosti reportů.

187 188

Taktéž pro různé oblasti činností spojených s provozem webu. [Google Analytics : Official Website, 2009].

67

5.8.1

Beta verze Zpravodajství Podkategorie: denní upozornění, týdenní upozornění, měsíční upozornění. Přehled nachází uplatnění v rámci sledování změn ve významných metrikách,

které vyjadřují plnění cílů webu. Je vhodný pro částečné sledování KPI (viz kapitola Klíčové ukazatele výkonnosti). Přehled uvádí seznam vlastních a automatických upozornění v rámci zvolených časových období. Jak už název napovídá, jedná se o zpravodajství, které nás má informovat o změnách v rámci předdefinovaných či vlastnoručně nastavených prvků, které odráží určitý stav metrik a dimenzí v konkrétním období. Jde tedy o přehled s upozorněním na změny, jež jsou žádoucí, či naopak. Systém tohoto přehledu automaticky prohledává sady dat a upozorňuje metodou srovnávání na změny v trendech. Díky tomu můžeme být upozorněni na nějakou závažnou chybu nebo nepříznivý vývoj.189 V rámci tohoto přehledu jsou data dle nastavených parametrů hodnocena a odchylky v jejich hodnotě jsou zobrazeny dle našich potřeb. Těmto potřebám je však nutno přehled přizpůsobit – nejlépe nastavením segmentace přímo v tomto přehledu pro jednotlivá upozornění, či vydefinováním svých vlastních upozornění. Díky tomu můžeme sledovat změny, které nastávají u důležitých metrik - např. pokles denního počtu konverzí pod hranici 5 pro cíl Dokončená objednávka, zvýšení přístupů návštěvníků na klíčové slovo jezírková filtrace ze zdroje Google o 10 % v rámci celého týdne apod.190 Jak je patrné, nastavit možnosti přehledu Zpravodajství lze různorodě. V rámci tohoto přehledu je vhodné také sledovat očekávaný stav, který se snaží odhadnout vývoj pro budoucí období. Jednoduše lze data seskupovat podle metrik či dimenzí (prokliknutím), což umožňuje jejich zobrazení z různých pohledů. Můžeme navíc nastavit citlivost a důležitost upozornění.

189 190

[Google Analytics Intelligence Reports, 2010]. [ALTOFT, P., Playing with Google Analytics, 2009].

68

Obr. 41 – Ukázka rozhraní přehledu „Zpravodajství“

5.8.2

Návštěvníci Podkategorie: srovnání, vizualizace na mapě, noví versus vracející se ná-

vštěvníci, jazyky, trendy návštěvnosti, loajalita návštěvníků, parametry prohlížeče, vlastnosti sítě, mobil, definováno uživatelem, vlastní proměnné. Návštěvníci je velmi významná a rozsáhlá kategorie přehledů, která navíc při použití křížové či pokročilé segmentace poskytuje velmi detailní informace o návštěvnosti webových stránek. Předkládané metriky obecně informují o chování návštěvníků na webu, o poutavosti webu (reakce na obsah) a faktorech určujících kvalitu návštěvy (doba na webu, míra opuštění aj.).191 Získané informace najdou své využití v procesu optimalizace efektivnosti marketingových a komerčních aktivit s ohledem na návštěvnické segmenty. Vyhodnocovat lze rozdílnost v chování vracejících se a nových návštěvníků s ohledem na cíle webu. Vysoký podíl nových návštěvníků ukazuje na úspěšnost aktivit v oblasti oslovování návštěvníků (marketing, SEO), přičemž lze křížovou segmentací získat informace, z jakých zdrojů a na jaká slova návštěvníci na web přistupují. Velký počet vracejících se návštěvníků svědčí o poutavosti obsahu webu a jeho komerční nabídky.192 Rozdíly mezi oběma segmenty nám mohou dopomoci

191

[Jaké typy přehledů nabízí oddíl Návštěvník, 2009]. Křížovou segmentací lze navíc získat data o konkrétních stránkách, které vykazují největší návštěvnost právě v rámci kategorie „vracející se návštěvníci“.

192

69

pochopit konkrétní potřeby návštěvníků z dané kategorie a mohou být určující při plánování aktivit internetového marketingu a ladění komerčních nabídek. Přehled Vizualizace na mapě zobrazuje lokace přístupu návštěvníků, tj. odkud geograficky přichází na web. Data lze zobrazit pro konkrétní zemi a specifikovat až na úroveň města. Jde o vizualizaci naměřených hodnot na mapě, a to z pohledu objemu (návštěvy, zobrazení stránek) a kvality (zobrazení stránek za návštěvu, míra konverze, hodnota za návštěvu atd.). Za pomoci křížové segmentace získáme data o zdrojích přístupu pro jednotlivé lokace. Informace z přehledu se dají použít pro plánování online marketingových aktivit (návrhy pro nová místa působnosti, zvyšování efektivnosti reklam pomocí geografického cílení). Zjistíme, odkud přichází návštěvníci, kteří nejvíce nakupují, jaké druhy reklamních kampaní jsou pro jakou oblast nejúčinnější, přes jaká klíčová slova přichází návštěvníci z konkrétních oblastí, odhalíme oblasti největší poptávky apod. Užívá se i pro plánování mimowebových marketingových a komerčních aktivit (např. zřízení kamenného obchodu).193 Přehled Jazyk ukáže, jaké jazyky mají návštěvníci nastavené v prohlížeči a jak se tyto skupiny návštěvníků liší, co se týče užívání stránek, konverzí a dalších měřených hodnot. Tyto údaje jsou vhodné pro cílení marketingových aktivit a plánování obsahu (např. jazykové mutace webu). Údaje o návštěvnosti můžeme v přehledu Trendy návštěvnosti sledovat v následujících metrikách: celkový počet návštěv, absolutní unikátní návštěvníci, počet zobrazených stránek, průměrné zobrazení stránek za návštěvu, doba návštěvy a míra opuštění. Tyto přehledy jsou ve spojení s křížovou segmentací zdrojem detailních informací o konkrétním chování uživatelů. Především by nás měla zajímat míra opuštění194, která nám mimo jiné řekne, jak moc relevantní obsah na konkrétních stránkách máme, nebo do jaké míry správně cílíme provoz.

193

[NĚMEC, R.; BOHÁČKOVÁ, K., Překryvná data mapy, 2009]. Míra opuštění je procento návštěv jediné stránky (tj. návštěv, při kterých daná osoba opustila stránky hned na vstupní stránce). Míra opuštění je měřítkem kvality návštěv. Vysoká míra opuštění zpravidla naznačuje, že vstupní stránky webu nejsou pro návštěvníky relevantní. Pokud je míra opuštění 100%, znamená to, že návštěvník přišel na konkrétní stránku a z té vzápětí web opustil. Nenašel zde relevantní obsah ke klíčovému slovu jeho vyhledávacího dotazu či zdroji, který ho na danou stránku přivedl. [FENDRYCH, A., Nenechte své návštěvníky odcházet pryč, 2008]. 194

70

V podkategorii Loajalita návštěvníků zjistíme údaje o věrnosti návštěvníků, jež je vyjádřena četností opakovaných návštěv nebo frekvencí návratu (Aktuálnost). S ohledem na hodnocení navigace webu a při zaměření na optimalizaci obsahu webu i jeho obsahové přitažlivosti by nás měl zajímat také počet prohlédnutých stránek za návštěvu (Hloubka) a Délka návštěvy. Díky těmto přehledům dokážeme vyhodnotit zájem o náš web a jeho obsah. Lze sledovat prováděné obsahové změny na webu a vyhodnocovat jejich efekt s ohledem na výše uvedené přehledy. Zjistíme tak, zda nově přidaný článek je pro návštěvníky zajímavý, zda se k němu návštěvníci vracejí. Pokud se jeví jako zajímavý a pro návštěvníky hodnotný, můžeme článek využít a odkazovat z něj na produkty do e-shopu apod. Naopak informace související s technickými aspekty, které se budou hodit především webmasterům či programátorům webu, nám poskytují přehledy Parametry prohlížeče a Vlastnosti sítě. Díky informacím z těchto přehledů můžeme optimalizovat návštěvnost a fungování celého webu tak, aby odpovídal konkrétním požadavkům a technickému zázemí našich návštěvníků. Zjistíme parametry prohlížečů, operačních systémů, barevné nastavení či rozlišení monitoru, který návštěvník používá. Totéž platí i při vyhodnocení vlastností připojení. Díky tomu se můžeme po technické stránce více přiblížit návštěvníkům a odstranit případné technické nedostatky (používaný software/aplikace, nastavení), které mohou návštěvníky omezovat v přístupu na web či je omezovat ve využívání některých služeb. Pokud vlastníme mobilní verzi stránek nebo nás případně zajímají přístupy z mobilů na náš web, pak pro nás budou důležitá data z přehledu Mobil. Informace o mobilních zařízeních a mobilních operátorech nám umožní optimalizovat technické dispozice195 webu pro tato zařízení. Dalším porovnáváním můžeme získat údaje o úspěšnosti mobilního marketingu a efektivitě plnění jednotlivých cílů u mobilních návštěvníků. Je třeba připomenout, že přehledy kategorie Návštěvníci poskytnou mnohem více konkrétních dat za použití křížové či pokročilé segmentace. Můžeme tak analyzovat celou řadu specifických problematik – např. zjistíme u návštěvníků, jež vstoupí

195

Zajímat by nás mělo především to, které typy mobilů či operačních systémů návštěvníci nejčastěji používají k přístupu na stránky. Podle toho můžeme optimalizovat technické dispozice webu pro tato zařízení.

71

na web pouze jednou (1x za měsíc), kam při své návštěvě míří - které stránky navštívili, než odešli a už se nevrátili. Na základě těchto údajů lze vyhodnotit obsah a zaměření daných stránek a nabídnou na těchto stránkách takovou přidanou hodnotu, aby byl zaručen častější návrat návštěvníků. Podle statistik návštěvnosti v jednotlivých dnech, na základě dlouhodobého sledování, může být detekován den i hodina, kdy web vykazuje opakovaně nejmenší návštěvnost, a v takovéto době je vhodné udělat servisní odstávku webu. Lze odvodit poznatky o tom, proč se určití návštěvníci vracejí a jaké stránky si prohlížejí, co je na těchto stránkách tak poutavé? Tyto poznatky je možné následně aplikovat i na další stránky!

5.8.3

Zdroje návštěvnosti Podkategorie: přímá návštěvnost, odkazující stránky, vyhledávače, všechny

zdroje provozu, AdWords, klíčová slova, kampaně, varianty reklam. Zdroje návštěvnosti předkládají data o zdrojích přístupu na stánky webu. Poskytují informace o tom, z jakých typů zdrojů či konkrétních webů návštěvníci přichází. Přehledy přináší informace o počtu návštěv u jednotlivých zdrojů, průměrnou dobu strávenou na stránce, procento nových návštěv a poměr návratu - vše v souvislosti s daným přístupovým zdrojem/médiem a případně i konkrétním klíčovým slovem! V těchto přehledech se v rámci jednotlivých zdrojů (např. „seznam.cz“) rozlišuje i tzv. médium (typy zdrojů). Rozeznáváme: cpc (placené reklamní systémy), organic (přístup z přirozeného vyhledávání), none (přímý přístup s pomocí záložky či zápisu URL do adresního řádku prohlížeče), referral (odkazující stránka).196 Díky tomuto rozlišení by nás měl při analýze zajímat nejen konkrétní zdroj (určitý web, určitý odkaz), ale obecně i jeho druh (přímý přístup, odkaz z externích webů, placené odkazy, přístup přes vyhledávače, přístupy z článků na blozích, mailové odkazy, odkazy v diskuzích aj.). Přehledy využijeme primárně při hodnocení významu konkrétních zdrojů/médií pro potřeby optimalizace efektivity PPC, online marketingu a SEO. Díky 196

[TYLER, M. E.; LEDFORD, J. L., Google Analytics, 2006, s. 116].

72

analýze zdrojů dokážeme plánovat rozvojové aktivity webu s ohledem na konkrétní data o návštěvnosti z jednotlivých zdrojů. Především propojení se systémem AdWords nám umožní velmi detailní pohled na efektivnost kampaní, reklam i jednotlivých klíčových slov. Přehled Pozice podle klíčových slov nám ukáže, na které pozici byla reklama v momentě, kdy návštěvník uskutečnil proklik. Na základě toho můžeme identifikovat nejefektivnější pozici daného slova, která zajistí největší počet prokliků či požadovanou míru konverze. Přehledy z kategorie Zdroje návštěvnosti nám dokážou odpovědět na mnoho otázek. Např.: Na jakou stránku a z jakého zdroje při použití konkrétního slova se návštěvník dostal? Má cenu investovat do PPC, optimalizace na klíčová slova, copywritingu, nebo e-mailových reklamních kampaní? Jaká je úspěšnost těchto zdrojů – kolik zákazníků přivedou, kolik splněných konverzí a cílů zajistí? Zjistíme také, zda jsou návštěvníci z konkrétních zdrojů/médií něčím výjimeční či charakterističtí a poté můžeme využít těchto znalostí pro optimalizaci webu a marketingu za účelem naplnění klíčových ukazatelů výkonnosti. Můžeme tak identifikovat např. to, že neplacená propagace na Facebooku nám přivede denně 30 návštěv, z toho 10 % návštěvníků provede nákup. Přitom PPC kampaň na Facebooku přivádí denně na web 200 lidí, z nichž dokončí objednávku 1 % návštěvníků. Takto můžeme poměřovat a hodnotit libovolné zdroje a vhodně volit kde a za jakých podmínek budeme provádět marketingové, propagační či SEO aktivity. Lze ocenit i efektivitu e-mail marketingu. Stačí porovnat čas, který byl věnovaný tvorbě a poslání sdělení s množstvím provedených nákupů díky tomuto zdroji. Podobné je to s linkbuildingem197 – byly vynaložené finance i čas adekvátní následnému počtu nově získaných návštěv?

198

Pokud zjistíme, že velký počet ná-

vštěvníků/zákazníků přichází z určitých zdrojů (blogů či diskuzí), můžeme nejen linkbuilding, ale i propagaci svých produktů a služeb směřovat právě tam. Tak jako u přehledů kategorie Návštěvníci, i zde je možností pro využití informací o zdrojích návštěvnosti opravdu velmi mnoho. Díky křížové segmentaci 197

Linkbuilding - proces tvorby zpětných odkazů napomáhající k posílení návštěvnosti a vyššímu hodnocení stránek ze strany vyhledávačů. 198 Platí pro případ, kdy je cílem linkbuildingu navýšení návštěvnosti.

73

dokážeme navíc zjistit specifické chování jednotlivých typů návštěvníků přicházejících z konkrétních zdrojů či médií. Identifikujeme, která média či zdroje přivedly na web nejvíce návštěvníků, kteří posléze nakoupili či dokončili jiný námi nadefinovaný cíl! Odhalíme, který zdroj/médium či konkrétní reklama má nejnižší míru opuštění? Přes jaká slova z konkrétního zdroje či média návštěvníci přišli, a která slova daného zdroje/média jsou nejefektivnější s ohledem na plnění konkrétních cílů?

5.8.4

Obsah Podkategorie: nejnavštěvovanější stránky, obsah podle názvu, struktura

obsahu, nejlepší vstupní stránky, stránky s nejvíce odchody, vizualizace na webu, hledání na stránkách, sledování událostí. Přehledy této kategorie nám prozradí, které konkrétní stránky jsou nejčastěji zobrazované, s jakou účinností lákají konkrétní vstupní stránky návštěvníky k podrobnější návštěvě webu, nebo ze kterých stránek opouštějí lidé web. K dispozici máme porovnávanou popularitu jednotlivých stránek webu vyjádřenou metrikami: počet zobrazení stránek, unikátní zobrazení stránek, průměrná doba na stránce, míra opuštění, procento odchodů, Index USD. Přehled nejnavštěvovanějších stránek je uváděn nejen podle URL, ale lze jej zobrazit i dle názvu stránky199. Data přehledu Vstupní stránky lze využít pro identifikaci účinnosti, s jakou vstupní stránky lákají návštěvníky k procházení webu. Využití přehledů nalézá největší uplatnění při pochopení oblíbenosti obsahu a jeho významu pro cíle webu. Data z přehledů slouží jako ideální podklad pro optimalizaci obsahu webu a pro účely copywritingu (SEO copywritingu). Zajímat by nás měla míra opuštění vstupních stránek. Stránky vykazující vysokou návštěvnost s velkou mírou opuštění200 by měly být detailně analyzovány (s ohledem na klíčové slovo a zdroj vstupu) a posléze upraveny navigačně či obsahově (optimalizace na vhodná slova odpovídající dané stránce). Doba na stránce nám naopak prozradí popularitu a zajímavost obsahu. Nejčastěji zobrazované strán-

199 200

Název stránky se přebírá z prvku Title. Za nežádoucí míru opuštění se považuje hodnota nad 50 %.

74

ky/vstupní stránky se hodí pro zveřejnění reklamního banneru, který propaguje nový produkt či službu. Díky těmto ukazatelům lze vyhodnotit návštěvnost důležitých stránek (např. s nabídkou produktů a služeb, formulářů, dotazníků, kontaktních informací apod.). Při zobrazení detailních statistik pro jednotlivou stránku je možno dále provádět navigační analýzu či křížovou segmentaci. Navigační analýza (Souhrn navigace, Vstupní cesty) poskytne údaje o tom, z jakých stránek návštěvnici přešli na konkrétní sledovanou stránku a kam z ní poté zamířili při procházení našeho webu. Důležité je i sledování hodnoty Index USD – jde o významný ukazatel hodnoty stránky, který se vypočítává jako součet příjmů z elektronického obchodování a hodnot cílů, jenž je podělený počtem jedinečných zobrazení stránky. Vyjadřuje význam konkrétní stránky ve vztahu k dokončení cíle. Čím vyšší je Index USD, tím je i vyšší význam konkrétní stránky v rámci procesu dosažení konverze. Díky tomuto indexu tak můžeme rozpoznat stránky, které mají významnou roli v procesu dosažení konverze, a naopak identifikujeme stránky, které vykazují nulový Index USD, jež jsou pak adepty na provedení úprav či úplné zrušení.201 V přehledu Stránky s nejvíce odchody identifikujeme stránky, ze kterých návštěvníci finálně opouští web, čímž končí jejich procházení stránek. Stránkám s největším počtem odchodů bychom měli věnovat pozornost a měli bychom se pokusit odhalit důvody tohoto stavu.202 Přehled Vizualizace na webu umožňuje klasický pohyb po webových stránkách, přičemž u každého odkazu na aktuální stránce jsou zobrazeny hodnoty prokliků, konverzí a výnosů.203 Díky tomu vidíme, na které odkazy návštěvníci nejvíce klikají. Jedná se však spíše o efektní než efektivní nástroj, přesto svou vypovídací hodnotu má.204 201

[CLIFTON, B., Google Analytics..., 2009, s. 87, 266-270]. Neplatí pro stránky, u nichž je odchod logický – např. stránka s avízem o dokončení objednávky. 203 [Jaké typy přehledů nabízí sekce Obsah?, 2009]. 204 Pokud je na stránce více odkazů na stejnou stránku, pak je lze rozlišit jen pomocí dodatečného označení daných odkazů. Součet procentních podílů u odkazů na dané stránce není nikdy roven 100 %. Tyto nedostatky přispívají k menší vypovídací hodnotě, přesto lze s tímto přehledem provést určité optimalizační kroky, které nejsou závislé na přesných datech 202

75

Obr. 42 – Ukázka funkce „Vizualizace na webu“

Přehled Hledání na stránkách poskytuje data o tom, jak je využíváno interní webové hledání, jaké jsou hledané výrazy, stránky, ze kterých návštěvník provedl vyhledávání, a cílové stránky (kam přešel po dokončení vyhledávání). Vyšší míra využívání interního hledání zpravidla také signalizuje chyby v navigační struktuře205 a její nevhodné uspořádání, které znamená, že návštěvníci se na webu ztrácí a nemohou najít to, co potřebují. Důležité je porovnávat návštěvníky, jež vyhledávání využili, s těmi, co vyhledávání nepoužili. Zajímat by nás měly především následující ukazatele, rozlišené pro oba druhy návštěvníků: počet návštěv, procento návštěv, průměrná doba na stránkách, počet stránek za návštěvu, podíl na výnosu a konverzní poměr cílů. Data z přehledu interního vyhledávání lze použít také pro ladění funkčnosti samotného systému vyhledávání. Na základě zjištěných vyhledávaných výrazů můžeme upravovat obsah webu nebo je použít k marketingovým či jiným účelům (SEO).206 Přehled Sledování událostí slouží k detailnímu vyhodnocování informací o sledovaných událostech, které jsme nadefinovali. O nastavení možností sledování událostí viz kapitola Sledování událostí a aktivit).

(např. detekce odkazů s nulovým proklikem – viz praktická část práce). Pro tento účel je lépe využít tzv. teplotní mapy, což jsou speciální nástroje pro výše popsaný účel. [NĚMEC, R.; BOHÁČKOVÁ, K., Jak zjistíte, na jakých stránkách…, 2009]. 205 Záleží však na konkrétním webu. Např. neplatí u Amazon.com. [JAŠEK, P., Odborná konzultace ze dne 24. 5. 2010, 2010]. 206 [JAŠEK, P., Interní vyhledávání pod drobnohledem – 3. Díl, 2008].

76

5.8.5

Cíle Podkategorie: konverze celkem, konverzní poměr, ověření cíle, reverzní cesta

k cíli, hodnota cíle, opuštěné cesty k cíli, vizualizace cesty jako trychtýř. K dispozici máme hodnocení jednotlivých cílů207 webu vyjádřené metrikami: celkový počet konverzí pro dané období, konverzní poměr a poměr opuštění cíle. U každého cíle lze provést jeho analýzu s ohledem na profil návštěvníků i prohlížečů208. Pomocí křížové segmentace můžeme zjistit míru konverze konkrétního cíle u vybraných zdrojů návštěvnosti. Zajímat by nás měla také klíčová slova konkrétních zdrojů, přes které přišli návštěvníci, kteří nakoupili. V přehledech zjistíme i celkovou hodnotu cíle vyjádřenou finanční částkou. Díky tomu jasně vidíme přínos, který pro nás mají jednotlivé cíle. Přehled konverzí nám umožňuje pochopit, nakolik web splňuje nadefinované cíle. Pomocí grafu můžete odhalit trendy počtu konverzí pro vybraný cíl nebo trendy celkového počtu konverzí a jejich hodnoty. Dobré je také posuzovat konverze pro jednotlivé cíle s ohledem na dny či hodiny, kdy k nim došlo – odhalíme tak možné trendy návštěvníků v plnění stanovených cílů. Díky přehledu Konverzní poměr můžeme u každého cíle sledovat i procento návštěv, které provedlo dokončení cíle, a porovnávat tyto hodnoty v jednotlivých dnech. Přehled Reverzní cesta k cíli nám ukáže, jak návštěvníci cílů dosáhli. Vidíme tedy cesty (sled stránek webu) přes které prošli k cíli. Přehled zobrazuje navigační cesty k vybranému cíli a počet konverzí z jednotlivých cest. Tento přehled se liší od přehledu Vizualizace cesty jako trychtýř v tom, že uvádí různé navigační cesty, které vedly k dosažení cíle.209 Díky tomu můžeme získat podrobnější informace o návštěvnickém průchodu webem při dokončování jednotlivých cílů. Tento přehled nám poskytne detailní pohled na možné cesty k cíli, neboť vidíme různé varianty a jejich četnost. Vhodné je analyzovat nejpoužívanější cesty a vyhodnotit s našimi požadavky na to, jak (přes jaké stránky) by se měl návštěvník k cíli dostávat.

207

Vysvětlení problematiky cílů viz kapitola Cíle v části Práce s Google Analytics. Můžeme identifikovat dokončení cíle jen u návštěvníků s určitým prohlížečem. Tato informace nás může přivést na možný problém, který brání návštěvníkům s jiným prohlížečem v dokončení cíle. 209 [Jaké druhy přehledů nabízí část Cíle?, 2009]. 208

77

Za pomoci přehledu Opuštěné cesty k cíli dokážeme analyzovat, kolikrát návštěvníci započali a nedokončili konverzní aktivitu. Tento přehled je pro nás důležitý při rozhodování, zda na webu optimalizovat/změnit cesty vedoucí k dokončení konkrétních cílů. Čím je pro návštěvníky jednodušší dosažení jejich cíle, tím větší je pravděpodobnost, že uskuteční konverzi. V rámci přehledu Ověření cíle lze zjistit URL adresy, které spouští zaznamenávání cíle.210 Díky přehledu Vizualizace cesty jako trychtýř dokážeme identifikovat, ve kterém místě návštěvníci opouštějí nadefinovanou cestu k cíli, přičemž máme podrobný přehled o vstupních stránkách i stránkách, na něž návštěvníci odchází v případě, že cíl nedokončí.211 U objednávkového procesu tak vidíme nejproblematičtější místa, která mohou být bariérou v dokončení nákupu. Informace z analýzy výše uvedených přehledů najdou uplatnění především v oblasti marketingu a obchodu. Poskytují údaje o plnění cílů webu, které jsou využitelné pro práci s návštěvníky a zdroji návštěv za účelem optimalizace naplňování požadovaných výsledků webu.

5.8.6

Elektronický obchod Podkategorie: celkové tržby, konverzní poměr, průměrná hodnota objednáv-

ky, prodejnost, transakce, dny do objednávky, návštěvy, které provedly nákup. Přehledy této kategorie nám předkládají data, která získáme aktivací funkce sledování elektronického obchodu (více viz kapitola Sledování elektronického obchodu). K hodnocení efektu elektronického obchodu zde slouží metriky: konverzní poměr, počet transakcí, průměrná hodnota objednávky, počet zakoupených produktů. Přehledy nám poskytují detailní informace o efektu elektronického obchodování. Získáme tak především přehledné údaje o hodnotách nákupu, procentu návštěv, které nakoupily, a celkové výši tržeb za zvolené období. Přehledy předkládají statistiky pro nejlepší zdroje provozu, nejprodávanější produkty a nejefektivnější produkty

210 211

[CLIFTON, B., Google Analytics..., 2009, s. 81]. Více o definování cesty k cíli viz kapitola Cíle.

78

s ohledem na získané tržby. Data z níže uvedených přehledů jsou významná především pro proces optimalizace, nikoliv však pro klasické reportování.212 Díky údajům z přehledů Míra konverze identifikujeme procento návštěv, které nakoupí. Tento údaj sledovaný v čase je účinným způsobem hodnocení efektu marketingu a komerce webových stránek vůbec, neboť ukazuje míru, s jakou dokážeme (web dokáže) přeměnit návštěvníky na zákazníky.213 Za pomoci dlouhodobějšího sledování vývoje údajů v přehledu Průměrná hodnota objednávky můžeme zhodnotit efekt propagačních akcí, které mají podporovat prodej. Průběžné sledování změn vůči běžným průměrným hodnotám je důležité také pro sestavování webových i tištěných katalogů, u kterých můžeme měnit zveřejněné produkty a služby podle toho, co si právě trh žádá (co se prodává).214 V rámci přehledu Prodejnost si můžeme zobrazit detailní informace o prodeji. Zjistíme zde, kolik kusů u každého produktu se prodává a jaké jsou výnosy z jeho prodeje. Totéž platí i pro určité kategorie produktů. Přehled Transakce je významný proto, že poskytuje informace o transakcích (objednávkách). Získáme tak podrobné údaje o každé objednávce (datum transakce, název produktů, množství, tržba). Pokud nás zajímají údaje o počtu návštěv, které uskutečnili zákazníci do doby, než provedli nákup, pak si musíme zobrazit přehled Návštěvy, které provedly nákup. Tyto údaje mají vést nejen k pochopení prodejního cyklu webu, ale také chování i nároků zákazníků při koupi našich produktů, což můžeme využít např. při plánování oslovení potenciálních zákazníků. Tyto údaje vhodně doplňuje i přehled Dny do objednávky, který ukáže, jakou dobu potřebuje zákazník k rozhodnutí o nákupu.215 Na základě výše uvedených přehledů můžeme nejen hodnotit samotný komerční efekt webu, ale zjišťovat díky křížové segmentaci i souvislosti, které ovlivňují 212

[BRÁZDA, J., Jak přesný je Ecommerce v Google Analytics?, 2009]. [Jaké typy přehledů nabízí sekce Elektronický obchod?, 2009]. 214 [Tamtéž]. 215 Jiří Brázda ve své článku označuje tyto reporty spíše za bezvýznamné. Odkazuje zde na poznatky Avinashe Kaushika. „Avinash došel k závěru, že uvedené reporty jsou mylné a nedávají reálný obraz o všech návštěvách, které předcházeli nákupu, neboť uvádí počet návštěv/dní od příchodu z poslední kampaně. Google Analytics považují za kampaň v podstatě vše mimo přímé návštěvnosti“. [BRÁZDA, J., Co vám Ecommerce v Google Analytics neřekne, 2009]. 213

79

výši výnosů. Z toho důvodu musíme porovnávat efekt elektronického obchodu s různými segmenty návštěvníků, jejich geografickou lokací a především zdroji návštěvnosti, včetně použitých klíčových slov placených (PPC) i neplacených (přirozené vyhledávání) zdrojů. Díky tomu zjistíme, která klíčová slova z jakých zdrojů či médií pro nás mají největší význam s ohledem na prodej. Na základě toho můžeme tato slova používat i v dalších online marketingových aktivitách, nebo provést optimalizaci vybraných stránek na daná slova u podpůrných webů (microsites). Naopak pro slova, která nejsou tolik výkonná, zato však pro web důležitá, můžeme naplánovat např. placenou podporu (PPC). Můžeme také vysledovat, proč vykazují některé zdroje/média, s ohledem na výnosy z obchodu, velmi nízké hodnoty, a poté se pokusit o zvýšení jejich efektu. Pokud víme, jaký zdroj související s konkrétní marketingovou aktivitou (např. plošná bannerová kampaň) nám zajistil nejvíce tržeb, pak tento určitě budeme používat i v budoucnu. Nevhodné inzertní zdroje (weby) již nepoužijeme. Za pomoci segmentace bychom tedy měli především hledat odpověď na otázku: Jakou roli hrají typy návštěvníků, jejich profily, geografická lokace, ale také zdroje provozu a použitá klíčová slova v tom, že je výrobek A nejprodávanějším zbožím? V závěru této části si musíme ještě jednou připomenout, že základem pro získání konkrétních a relevantních dat z přehledů je křížová a pokročilá segmentace. Proces praktického užití informací z konkrétních přehledů, pro účely analýzy a návrhu opatření pro následnou optimalizaci návštěvnosti, bude realizován v praktické části práce.

6 Umění využít data z Google Analytics Umění nastavit a upravit měření, filtrovat, segmentovat, znát rozhraní Google Analytics, porozumět přehledům a práci s daty je jen odrazovým můstkem do opravdového světa webové analýzy. Díky službě Google Analytics máme nyní k dispozici data a přehledy o návštěvnosti webu. Těm však musíme být schopni správ-

80

ně porozumět a umět je přetransformovat do podoby konkrétních doporučení a hodnocení v kontextu znalosti cílů a záměrů webu. Výsledkem analýzy dat by měly být:216 1. Interpretované informace společně s návrhy co přesně je třeba dělat lépe, kde je třeba co změnit a za jakým účelem to změnit. 2. Odhad očekávaného výsledku navržených změn. Dva výše uvedené body lze považovat za hlavní cíl využití dat z Google Analytics. Vrcholem této pomyslné pyramidy je tedy proces vyhodnocování důležitých dat a jejich přeformulování do podoby poznatků, které jasně sdělí co a jak na webu zlepšovat či jak konkrétně optimalizovat návštěvnost, komerční i nekomerční aktivity. Pro příklad si uveďme vybrané dílčí kroky, které lze v rámci Google Analytics pro optimalizaci návštěvnosti webu použít:217 • Analýza cílových stránek (vstupních) s ohledem na klíčová slova. • Analýza klíčových slov u návštěvnických přístupů z vyhledávačů. • Analýza efektu konkrétních reklamních sestav PPC. • Analýza objednávkového procesu za pomoci vizualizace cesty k cíli. • Analýza interního vyhledávání. • Analýza e-mail marketingových kampaní. • Optimalizace obsahu za pomoci hodnoty Míra opuštění, Doba na stránce a Index USD. • Analýza efektivnosti odkazujících zdrojů (vliv odkazů na plnění cíle). • a mnoho dalších…

6.1 Role analytika v procesu využívání dat Vždy je třeba vhodně porozumět údajům o návštěvnících, umět interpretovat data, která prošla segmentací a filtry a byla porovnána s dalšími možnými ukazateli. Tyto výsledky samy o sobě nemají většinou velkou váhu jako samostatná čísla, proto je nutné sledovat jejich vývoj v čase, pochopit je v kontextu a zabývat se změna-

216

[KAUSHIK, A., Web analytics : an hour a day, 2007, s. 1-15]. Zpracováno z: [Google Conversion University, 2009],[CLIFTON, B., Google Analytics…, 2009, s. 265-302].

217

81

mi v důležitých bodech, které souvisí s naplňováním konkrétních cílů webu. Tato činnost je hlavní podstatou práce analytika. Při těchto postupech se analytik zabývá sledováním toho, jací návštěvníci na web přichází a jak se zde chovají. Jakým způsobem a odkud na web přistupují, kteří z těchto návštěvníků vykazují požadovanou míru konverze, a proč tomu tak je. Získané informace analytik uplatňuje v následném procesu návrhu opatření vedoucích ke zlepšení výsledků obchodu a rozvoje webu. Analytik se samozřejmě snaží nastavit měření tak, aby dokázal hodnotit a navrhovat změny webu s ohledem na výše uvedené body. Základem této činnosti je mimo jiné definování klíčových ukazatelů výkonnosti, které jsou nejen ukazateli plnění cílů webu, ale právě i vodítky pro hodnocení faktu, nakolik byl proces analýzy a navržených opatření efektivní.218

6.2 Klíčové ukazatele výkonnosti Klíčové ukazatele výkonnosti (Key Performance Indicators, dále jen KPI) jsou jednou z hlavních cest, která nás má dovést k cíli přes rozsáhlé soubory nasbíraných dat, tj. zhmotní snahy o zefektivnění webu do konkrétních porovnatelných bodů.219 KPI je prostředkem, jak redukovat nepřeberné množství dat do konkrétních ukazatelů, abychom z nich mohli poznat, jak jsme na tom v plnění cílů webu, a abychom tyto ukazatele mohli sdílet (např. v rámci firmy). Co je však hlavní, díky KPI můžeme řídit vývoj webu a reagovat na změny v důležitých oblastech. Jak uvádí ve svém článku Milan Tesař220: „KPI je takový ukazatel, který pomáhá organizaci dosáhnout jejích cílů díky definici a měření průběhu jejich plnění… KPI je účinný způsob prezentování komplexních informací, který umožní dokonalé využití dat z analýzy návštěvnosti v organizaci. KPI je poměrový ukazatel dvou nebo více důležitých metrik, který je přímo vztažen k podnikovým cílům. Příkladem takových ukazatelů může být míra konverze, průměrná velikost objednávky či počet návštěv

218

Zpracováno z: [TESAŘ, M., Key Performance Indicators..., 2007], [GOOD, R., Online Key Performance Indicators..., 2009]. 219 [MUSELÍK, M., Měření a vyhodnocování návštěvnosti…]. 220 [TESAŘ, M., Key Performance Indicators..., 2007].

82

na jednoho návštěvníka – jsou to taková čísla, jejichž významná změna je obvykle podnětem pro nějakou akci.“ Základem pro sestavení KPI je znalost obecných cílů webu, tedy toho, co má web plnit a za jakých podmínek.221 Jak jsme si již řekli dříve, existují weby s různým zaměřením a tedy i různými cíli. Proto je třeba tyto cíle nejprve přesně identifikovat a pak teprve je možné je převést do podoby KPI. Pro příklad si uveďme obecné kategorie cílů, ze kterých se dá vyjít při následném procesu konkretizace:222 • zvyšování e-commerce; • zvyšování návštěvnosti; • brandbuilding – budování jména firmy; • prohloubení vztahu s veřejností; • rozšíření povědomí o webu a jeho aktivitách, službách, produktech; • získání konkurenční výhody; • propagace nového výrobku, služby; • posílení marketingových aktivit. Podle výše uvedených obecných cílů pak můžeme stanovit konkrétní cíle a převést je do měřitelných KPI, které lze přímo či nepřímo vyjádřit za pomoci metrik Google Analytics. Google Analytics nabízí řadu KPI přímo (např. průměrná míra konverze), jiné však musejí být vysegmentovány či dokonce dopočítány mimo Google Analytics, samozřejmě na základě dílčích údajů z této služby (např. index kvality kampaně).223 KPI je nutno vždy vyhodnocovat a porovnávat v čase, neboť tu nejdůležitější informaci nenese číslo jako takové, ale změna, která daný údaj provází. Není však vhodné sledovat vývoj v dlouhodobém horizontu, resp. sledovat dlouhodobé trendy. Zajímat se tedy musíme především o aktuální situaci - propad či nárůst, ať už je to

221

Cíle a podmínky plnění určuje zpravidla management firmy či majitel webu. Tato činnost není náplní práce analytika. 222 Zpracováno z: [Help Yourself to a KPI!, 2004], [GOOD, R., Online Key Performance Indicators..., 2009]. 223 [KAMENAR, J., Actionable Web Metrics…, 2010].

83

údaj pozitivní či negativní.224 Např. informace o tom, že tento měsíc bylo na e-shopu dokončeno 350 objednávek, pro nás neznamená nic, pokud nevíme, že v minulém měsíci těchto objednávek bylo 700. Dá se tedy říci, že hlavním posláním KPI je vědět, co se děje v oblasti „důležitého“ a jak se kvalifikovaná rozhodnutí, která měla za úkol optimalizovat cíle webu, promítla do vývoje KPI, jež tyto cíle vyjadřují. Co se týká konkrétních příkladů KPI225, mohou být opravdu různé a může jich být mnoho, proto zde nelze vyjmenovat všechny. Pro ukázku si uvedeme alespoň základní ukazatele bez ohledu na konkrétní cíle, které mají vyjadřovat:226 • celkový počet návštěvníků; • průměrná návratnost investic; • procento nových návštěvníků; • průměrná míra konverze; • průměrná hodnota objednávek; • průměrná délka návštěvy; • průměrný počet zobrazení stránek na návštěvu; • aj. Bez dlouhého přemýšlení je také jasné, že pro různé typy webů a taktéž pro různé pracovníky ve firmě (webmaster, copywriter, SEO konzultant, ředitel marketingu, obchodní ředitel) mohou být podstatné zcela odlišné KPI.227 Na teoretickou část, která je koncipována jako vysvětlující úvod pro pochopení významu a způsobu užití dat služby Google Analytics, navážeme konkrétním praktickým projektem. Cílem praktické části, která má charakter případové studie, je ukázat konkrétní možnosti, jak využít data z Google Analytics pro potřeby analýzy vybraných jevů, jejichž vyhodnocení nás má dovést k optimalizaci provozu webu, posílení návštěvnosti a vyhledatelnosti. V následující praktické části navážeme na poznatky, které byly popsány v rámci jednotlivých kapitol teoretické části práce. 224

[APPELTAUER, R., KPI : Kašlete na starý čísla, 2009]. KPI zasazené do kontextu a vyjadřující konkrétní cíle budou představeny v rámci praktické části, kde bude provedeno i jejich průběžné vyhodnocování. 226 [BOHÁČKOVÁ, K.; NĚMEC, R., Klíčové ukazatele výkonnosti (KPI)..., 2009]. 227 Rozsáhlý přehled ukazatelů rozdělených do jednotlivých skupin podle typu webu či významu pro pracovníky firmy je k dispozici viz [BOHÁČKOVÁ, K.; NĚMEC, R., Klíčové ukazatele výkonnosti (KPI)…, 2009]. 225

84

B/ PRAKTICKÁ ČÁST Praktická část je aplikací poznatků teoretické části práce v procesu optimalizace webu za pomoci nástroje webové analytiky. Konkrétně se jedná o činnosti průběžné analýzy, návrhu a hodnocení změn vybraného webového projektu Zahradní jezírko.cz228 za pomoci služby Google Analytics. Výše uvedené aktivity byly podkladem pro proces optimalizace návštěvnosti webu. Pod pojmem „optimalizace návštěvnosti“ v tomto případě chápeme primárně činnost zvyšování návštěvnosti, se kterou přímo souvisí posilování vyhledatelnosti webu, stejně jako přivedení většího množství zainteresovaných či kvalifikovaných návštěvníků229 s vyšší mírou konverze. Efekt optimalizace návštěvnosti lze vyjádřit především mírou navýšení celkového počtu návštěv, zvýšením počtu nových návštěvníků a věrností stávajících návštěvníků. S tím je spojena i míra udržení návštěvníků na webu a poskytnutí takového obsahu, který odpovídá jejich požadavkům, což se projevuje zpravidla ve vyšším počtu zobrazených stránek za návštěvu, nízké míře opuštění, vyšší době strávené na webu, počtu splněných cílů a dosažených výnosů z prodeje. Za pomoci vhodného nastavení měření Google Analytics, správně vysegmentovaných a filtrovaných dat, byl daný web průběžně hodnocen a následně byla navrhována řešení pro posílení návštěvnosti a eliminaci zjištěných nedostatků v této oblasti. Byly sledovány důležité ukazatele v rámci relevantních přehledů služby Google Analytics, které nám umožnily detailně pochopit chování návštěvníků a dopomohly identifikovat oblasti se silným potenciálem pro posílení návštěvnosti. Tyto poznatky byly následně použity pro návrh konkrétních postupů souvisejících s optimalizací návštěvnosti. Efekt provedených změn byl podroben průběžnému hodnocení, což umožnilo aktuálně reagovat na daný stav procesu optimalizace a směřovat ho dle stanovených cílů. Pro základní hodnocení byl použit Přehled klíčových ukazatelů výkon-

228

http://www.zahradni-jezirko.cz/ Jedná se o návštěvníka, který je určitým způsobem zaujatý pro nabídku a téma daného webu. U tohoto návštěvníka je předpokládán vyšší potenciál ke splnění cílů webu, což se zpravidla projevuje v uskutečnění konverze či ve vyšší kvalitě návštěvy a případných návratech na web. 229

85

nosti, s jehož pomocí byly sledovány stěžejní cíle optimalizace návštěvnosti s ohledem na vývoj v čase. Hodnoceny byly i pozice klíčových slov ve výsledcích vyhledávačů a jejich vývoj v čase, jakožto měřítko efektu posilování vyhledatelnosti webu.

7 Cíle praktické části Cíle praktické části předkládané diplomové práce jsou následující: 1. Uplatnění poznatků teoretické části v praxi.230 2. Ukázka praktického využití služby Google Analytics pro potřeby optimalizace návštěvnosti webových stránek.

8 Postup realizace Na základě účelu projektu a jeho cílů byl zvolen následující postup realizace: 1. Identifikace, konkretizace cílů a požadovaných výsledků optimalizace. 2. Přeformulování cílů do podoby KPI. 3. Aktivace a nastavení měření Google Analytics. 4. Úvodní jednorázová analýza webu. 5. Návrh a realizace změn pro konkrétní období. 6. Hodnocení efektu jednotlivých změn. Po aktivaci a prvotním nastavení Google Analytics proběhla etapa úvodního měření, která zajistila data pro úvodní analýzu webu. Úvodní analýza webu s využitím Google Analytics posloužila k odhalení aktuálního stavu webu, jeho nedostatků a upozornila na nutné změny, které byly následně realizovány v jednotlivých měsících tak, aby bylo dosaženo požadovaných výsledků optimalizace návštěvnosti.

230

Jak již bylo uvedeno výše, navazujeme na poznatky teoretické části, ve které byly uvedeny informace o tom, jak nastavit Google Analytics pro měření, jak si zajistit vhodná data pro analýzu, jak a kde najít požadované výsledky měření a jak s nimi dále pracovat a využívat je. Zde je nutno dodat, že nelze podat jednoznačnou a obecně platnou metodiku, jak web analyzovat a optimalizovat. Logicky to ani nejde, neboť metodika konkrétního postupu analýzy dat a vyvození závěrů k optimalizaci je specifickým procesem, který je platný a použitelný pouze na úrovni konkrétního webu. Každý web má jinou koncepci, cíle, přednosti i nedostatky.

86

8.1 Časový harmonogram projektu V období říjen 2009 – listopad 2009 bylo realizováno nasazení Google Analytics a vstupní měření pro účely úvodní analýzy webu. Samotný proces optimalizace návštěvnosti proběhl v období prosinec 2009 – březen 2010. Pro finální zhodnocení výsledků celého projektu byla porovnávána data za období před optimalizací (říjen 2009) a těsně po optimalizaci (duben 2010). Data z výše uvedených období lze porovnávat, aniž by byla zkreslena faktorem sezónnosti (hledání v sezóně bývá zpravidla vyšší). V prvních jarních měsících jsou převážně vyhledávány vodní rostliny a jezírkové filtry. V podzimních obdobích naopak veškerý sortiment pro zazimování jezírek a vodní chemie pro úpravu vody. Jak říjen 2009, tak i duben 2010 jsou pro náš web „sezónními měsíci“, což potvrzuje i srovnatelná míra vyhledávání vybraných výrazů pro dané měsíce:231 Obr. 43 – Srovnávací statistika vyhledávání – říjen 2009-duben 2010

231

[Statistiky vyhledávání Google, 2010].

87

9 Informace o webu Zahradní jezírko.cz URL adresa webu:

http://www.zahradni-jezirko.cz

Vznik:

duben 2008 Projekt optimalizace návštěvnosti s využitím Google Analytics byl realizován

pro web Zahradní jezírko.cz. Požadavkem majitele e-shopu bylo provést optimalizaci webu za účelem navýšení návštěvnosti a vyhledatelnosti, což je základem pro případné ladění e-commerce v budoucnu. Při hledání vhodného webu pro výše uvedený projekt bylo osloveno více zájemců o optimalizaci. Vybrán byl výše uvedený web, neboť vykazoval minimální návštěvnický i komerční výkon a neměl implementovanou službu Google Analytics. Majitel navíc projevil vstřícnost pro realizaci případných změn v rámci procesu optimalizace.232 E-shop Zahradní jezírko.cz je internetový obchod zabývající se prodejem techniky a doplňků pro zahradní jezírka a rybníčky. Nabízí jezírková čerpadla, filtrace, doplňky pro péči o jezírko, osvětlení jezírek, vodní rostliny, bazénové fólie a krmivo pro ryby. E-shop funguje na redakčním systému TEXTIS od společnosti AgiPro s.r.o., který obsahuje mimo jiné administrační rozhraní, vedení skladové evidence a objednávkový modul pro správu objednávek.

10 Detailní cíle projektu Pro přesnou identifikaci výstupů projektu bylo nutno stanovit konkrétní cíle. Tyto cíle byly následně převedeny do podoby měřitelných klíčových ukazatelů výkonnosti, jejichž sledování zajistilo průběžné hodnocení efektu optimalizace webu s ohledem na vývoj v čase. 232

Jak se ukázalo v průběhu projektu, majitel dodržel svá slova a většinu změn na webu podpořil a zafinancoval dle navrhnutých doporučení. Jako slabý bod optimalizace se naopak ukázal programátor, který měl konkrétní technické změny na webu provádět (např. implementaci kódu pro měření elektronického obchodu). Malá pružnost programátora (někdy až 2 měsíce po vzneseném požadavku) byla velkým blokem projektu, proto v některých případech zůstaly určité změny nerealizovány, velmi se zpozdily, nebo byla věc řešena alternativním způsobem. Programátor je vázán smluvně, proto nemohlo dojít k jeho výměně, přestože majitel webu o to usiloval na základě výše popsaného stavu.

88

Cíle: • Optimalizovat obsah a strukturu webu s ohledem na vyšší míru návštěvnosti. • Využít internetového marketingu a on-line propagace k posílení návštěvnosti. • Zvýšit vyhledatelnost na vybraná klíčová slova v rámci vyhledávačů. • Zviditelnit web. • Analyzovat technické dispozice webu s ohledem na požadavky návštěvníků. • Optimalizovat objednávkový proces. • Posílit výsledky e-commerce (navýšení počtu objednávek).233

11 Klíčové ukazatele výkonnosti (KPI) Jak bylo uvedeno v teoretické části práce, je vhodné transformovat výše popsané cíle do jednoznačně měřitelných ukazatelů. Přestože je primárním cílem zvýšení návštěvnosti, byla sledována i míra efektivity e-commerce, která s návštěvností logicky souvisí a také ukazatele pro obsah a chování návštěvníků na webu (např. průměrná doba na stránkách). Sledování vývoje hodnot KPI v čase poskytlo informace o změnách v zásadních oblastech a dopomohlo tak operativně reagovat na aktuální stav. Zjištěné negativní změny byly podrobně analyzovány za účelem nalezení konkrétní příčiny. KPI pro hodnocení návštěvnosti a chování návštěvníků: • Celkový počet návštěv. • Počet nových návštěv. • Procentní podíl nových návštěv. • Počet návštěv z vyhledávačů. • Počet návštěv z přímého provozu. • Počet návštěv z odkazujících zdrojů. • Průměrná doba na stránkách. • Průměrný počet stránek zobrazených za návštěvu. • Míra opuštění. 233

Znásobení počtu objednávek logicky vychází z navýšení počtu kvalifikovaných návštěvníků s vyšší mírou konverze.

89

KPI pro hodnocení efektivity e-commerce: • Počet konverzí pro cíl č. 1 - dokončení objednávky. • Procentní podíl míry konverze pro cíl č. 1. • Procentní podíl míry konverze pro cíl č. 1 - vyhledávače. • Procentní podíl míry konverze pro cíl č. 1 - přímý provoz. • Procentní podíl míry konverze pro cíl č. 1 - odkazující zdroje.

12 Nastavení Google Analytics pro měření projektu 12.1 Základní nastavení V této části jsou uvedeny informace o základním nastavení služby Google Analytics, které bylo provedeno za účelem vlastního přizpůsobení možností měření u webu Zahradní jezírko.cz. Při úvodním nastavení měřicího procesu a úpravě kódu dle našich požadavků na hodnocení nadefinovaných cílů projektu jsme vycházeli z poznatků teoretické části, resp. z kapitol Aktivace a úvodní nastavení Google Analytics a Rozšířené možnosti úpravy měření. Dispozice měřicího kódu byly upraveny následovně: • Změna doby trvání souborů cookies na 1 hodinu.234 • Sledování napříč subdoménami pro budoucí diskusní fórum a blog.235 • Vymazání seznamu vyhledávačů Google Analytics a nadefinování vlastního seznamu vyhledávačů, včetně možnosti rozpoznávání jejich lokálních verzí pro účely detailního rozboru zdrojů návštěvnosti.236 • Sledování klíčových slov z vyhledávání Google Images.237 • Úprava kódu GATC238 za účelem sledování elektronického obchodu.239

234

Informace o způsobu nastavení viz kapitola Úprava doby trvání relace. Informace o způsobu nastavení viz kapitola Sledování napříč subdoménami. 236 Informace o způsobu nastavení viz kapitola Úprava seznamu sledovaných vyhledávačů a jejich lokálních alternativ. 237 Informace o způsobu nastavení viz kapitola Sledování vyhledávání obrázků v rámci Google Images. 235

90

Mimo výše uvedených bodů byly navrženy i další žádoucí změny, které však nebyly realizovány ze strany programátora, jenž jako jediný tyto změny může dle smlouvy o technických úpravách webu a redakčního systému TEXTIS provádět. Jedná se např. o sledování odchozích mailů, sledování interního vyhledávání, označení návštěvníků (zákazníků). Realizace uchovávání lokální kopie dat služby Google Analytics nebyla odsouhlasena majitelem e-shopu. Stejně tak, jako byly upraveny možnosti měření, byl přizpůsoben i Řídicí panel, resp. byly nastaveny prioritní přehledy, které má zobrazovat. Díky tomu byla k dispozici nejzásadnější data ihned při vstupu k profilu. Co se týká přístupu uživatelů k datům účtu, byl nastaven ve Správci uživatelů jeden přístup typu Uživatel pro majitele e-shopu a 3 přístupy typu Správce, z nichž 2 byly nadefinovány pro odborné garanty magisterské práce – Romana Appeltauera a Pavla Jaška. Automatické odesílání reportu s hlavními přehledy dat, včetně jejich porovnání s předchozím obdobím (měsícem), bylo nastaveno pro všechny výše uvedené uživatele. Report byl odeslán službou Google Analytics vždy po skončení daného měsíce. Účelem automatického zasílání reportů bylo průběžně informovat zainteresované osoby. Nadefinováno bylo taktéž několik automatických upozornění240: • Denní upozornění na změnu hodnoty v cíli č. 1 (finální dokončení objednávky), které bylo automaticky zasíláno mailem vždy, když byla překročena hodnota 0. • Denní oznámení o návštěvnosti v případě, že její hodnota nepřekročila hranici 100.241

238

Informace o způsobu nastavení viz kapitola Sledování elektronického obchodu. Ukázka kódu viz Příloha č. 1. 239 Nastavení přebírání dat z dokončené objednávky a vložení kódu GATC k tomuto účelu na poslední stránku objednávkového procesu proběhlo až koncem dubna 2010. Na vině je nepružnost programátora, neboť kód mu byl předán již v listopadu 2009. Z tohoto důvodu bohužel nemohou být k hodnocení efektivity e-commerce použita data ze sledování elektronického obchodu. K hodnocení byla proto užita data alternativních přehledů (např. počet dokončených objednávek = cíl č. 1). 240 Viz volba Informace v hlavním menu. Nastaveno pouze pro majitele e-shopu a autora diplomové práce. 241 Pro kontrolu, zda na webu či serveru nedošlo k chybě apod.

91

• Ohlášení snížení míry přístupů přes klíčová slova obsahujících výraz filtrace o 10 % oproti předchozímu dni.242 Obr. 44 – Ukázka nastavení automatického upozornění

Účet byl propojen se službou Google AdWords včetně zapnutí automatického označování cílových adres URL (viz kapitola Propojení Google Analytics s AdWords). Stejně tak byla aktivována volba pro tzv. sledování elektronického obchodování.

12.2 Nastavení filtrů V rámci úvodního nastavení byly implementovány filtry243 pro jednotlivé profily. První sada filtrů zajistila sběr relevantních a přesných dat (viz A). Druhý soubor filtrů (viz B) byl použit pro filtrování specifických zájmových dat v rámci konkrétních profilů. Použití těchto filtrů našlo uplatnění v rámci detailní analýzy zvolených segmentů.244

242

U tohoto klíčového slova byla zaznamenána vysoká konkurenčnost, proto bylo nutno automaticky sledovat, zda související výrazy nezaznamenávají razantní propad např. z důvodu konkurenčních reklamních kampaní (PPC) apod. 243 Detailní informace o možnostech segmentace za pomocí filtrů viz kapitola Segmentace a použití filtrů. 244 Filtry pro zařazení či vyloučení zájmových dat posloužily pro generování specifických sad dat následně využívaných v procesu detailní analýzy. Filtrování dat šlo taktéž provést z velké části pomocí pokročilé segmentace (viz kapitola Rozšířené segmenty). S ohledem na dlouhodobější proces hodnocení webu jsme zvolili nadefinování filtrů, které byly uplatněny pro jednotlivé profily. Dle potřeby však byla v rámci analýzy využívána i pokročilá segmentace.

92

Nadefinované filtry: A) • Filtry pro vyřazení vlastních přístupů – data o přístupech z vyřazených IP adres nebyla do měření zahrnována. Jednalo se o přístupy: autora diplomové práce, majitele e-shopu, odborných vedoucích magisterské práce a programátora. Filtr byl aplikován na všechny profily. Obr. 45 – Ukázka nastavení filtru

• Měření provozu pouze vlastního webu – nasazení filtru zajistilo, aby byl měřen pouze provoz, související přímo s naším webem. Zabránilo se tak zneužití našeho kódu konkurencí, resp. případnému podvržení statistik.245 B) • Klíčová slova z Google Images – pro identifikaci klíčových slov použitých při vyhledávání přes Google Images.246 Bylo uplatněno na jeden konkrétní profil k tomu účelu vytvořený. • Pouze návštěvy ze zdroje Seznam – údaje o přístupech ze zdroje Seznam. Použito na jeden konkrétní profil. • Pouze návštěvy ze zdroje Google – údaje o přístupech ze zdroje Google. Použito na jeden konkrétní profil.

245

Bližší informace viz kapitola Filtry. Před aplikací filtru je nutno přidat Google Images do seznamu sledovaných vyhledávačů (viz kapitola Sledování vyhledávání obrázků v rámci Google Images). 246

93

12.3 Nastavení pokročilých segmentů Pro potřeby detailní analýzy návštěvnosti a její optimalizace byly nadefinovány mimo výše uvedených filtrů také pokročilé segmenty.247 Obr. 46 – Ukázka pokročilých segmentů

1/ Vracející se návštěvníci - více než po třech dnech – segment posloužil k vyhodnocení chování vracejících se návštěvníků, kteří přicházeli na web více než po 3 dnech od předchozí návštěvy. Návštěvníci ze skupiny s těmito charakteristikami často vykazují oproti ostatním segmentům odlišnou míru konverze pro nadefinované cíle a také jiný způsob chování na webu. 2/ Přístupy z propagačního mikrowebu Přírodní jezero, biotop, biojezero248 – pokročilý segment pro analýzu specifického chování návštěvníků a pro zjištění účinku tohoto webu s ohledem na návštěvnost a podporu e-commerce. 3/ Přístupy z Facebooku249 - pokročilý segment určený pro detailní analýzu efektu propagační stránky. Sloužil k rozboru a odhalení specifického chování návštěvníků přicházejících z tohoto zdroje.

12.4 Nastavení cílů V rámci profilů účtu Zahradní jezírko.cz byly stanoveny následující cíle, jejichž plnění bylo sledováno s ohledem na vývoj v čase:250 • Finální dokončení objednávky – sledování počtu uskutečněných objednávek. 247

Pokročilých segmentů bylo nadefinováno více, nelze je však všechny popisovat s ohledem na rozsah práce. 248 URL adresa projektu: http://prirodni-jezero-biotop-biojezero.webnode.cz/. Více o významu a účelu webu viz kapitola Únor - realizované změny. 249 URL adresa: http://www.facebook.com/zahradnijezirko. Více o významu a účelu propagační stránky na Facebooku viz kapitola Únor - realizované změny. 250 Podrobnější informace o nastavení a významu cílů jsou uvedeny v teoretické části práce (viz kapitola Cíle).

94

• Doba na stránkách více než 9 minut – vyjadřuje zainteresovaného návštěvníka, který na webu tráví více času za účelem výběru zboží. • Zobrazení více než 9 stránek za návštěvu – vyjadřuje zainteresovaného návštěvníka, který prohlíží během návštěvy více než 9 stránek. • Registrace návštěvníka – sledování počtu nově registrovaných návštěvníků. • Doba na stránkách menší než 2 minuty – vyjádření návštěvníků, kteří spíše nejeví zájem o nabídku zboží, nákup a obsah webu. U cíle č. 1 - Finální dokončení objednávky byla navíc nastavena cesta k cíli251, která kopíruje sled kroků v rámci objednávkového procesu. Díky sledování cesty k cíli byly získány detailní informace o opuštění objednávkového procesu v konkrétních krocích objednávky, a to včetně cílů odchodu. Takto získané informace posloužily pro zhodnocení a optimalizaci objednávkového procesu. Nastavení cesty k cíli: • Typ cíle: Cíl adresy URL. • Typ shody: Hlavní shoda. • Cílová adresa: /Objednavka/?souhrne-informace. • Krok 1: /Nakupni-kosik/. • Krok 2: /Objednavka/?osobni-dodaci-udaje. • Krok 3: /Objednavka/?platba-a-doruceni.

251

Bližší informace o významu a způsobu nastavení viz kapitola Nastavení cesty k cíli.

95

Obr. 47 – Nastavení cesty k cíli

13 Úvodní analýza a zhodnocení webu Cílem úvodní analýzy bylo zhodnotit celkový stav webu a kompletně identifikovat případné nedostatky a problémy, které přímo i nepřímo ovlivňují návštěvnost. Dle zjištěných poznatků jsme se následně zaměřili na oblasti či problémy webu, které bylo nutno postupně řešit (s ohledem na jejich prioritu) v rámci jednotlivých měsíců, tak aby došlo k výsledné optimalizaci návštěvnosti. Při rozboru nedostatků a možností optimalizace návštěvnosti v rámci úvodní analýzy jsme vycházeli z naměřených údajů Google Analytics za období říjen - listopad 2009.

13.1 Výsledky úvodní analýzy na základě dat Google Analytics Za oba sledované měsíce bylo naměřeno celkem 354 návštěv (302 unikátní návštěvníci), což jednoznačně znamená velmi malou návštěvnost, která souvisí s minimální vyhledatelností. Tomu odpovídá i nízký počet zobrazených stránek (1 872). Vyšší procento průměrné míry opuštění stránek (46,05 %) je dokladem toho, že příchozí návštěvníci nenachází na webových stránkách obsah, který by odpo-

96

vídal jejich požadavkům či vyhledávacím dotazům, a proto web v řadě případů ihned opouští. S kvalitou obsahu a nabídkou sortimentu souvisí i velmi nízké procento vracejících se návštěvníků (14,69 %) – tito návštěvníci web shledávají jako důležitý s ohledem na jejich potřeby a požadavky, a proto ho opětovně navštěvují. Z problému relevantnosti nabídky obsahu webu ve vztahu k uživatelským dotazům vychází i průměrná doba, kterou návštěvník na webu tráví. Průměrná doba na webu za návštěvu činí 3:26 minut, což lze pro tento typ webu považovat za dosti nízkou hodnotu. Stejně tak počet zobrazených stránek za návštěvu je nízký – podíváme-li se detailněji na hloubku návštěvy, pak více než 9 zobrazení stránek za návštěvu bylo uskutečněno jen ve 45 případech z celkového počtu 354 návštěv. Přičemž u e-shopu zpravidla vyšší číslo prohlédnutých stránek za návštěvu signalizuje zájem návštěvníka o nákup (vybírá vhodný produkt).

13.1.1

Geolokace návštěvníků Co se týká geolokace, většina návštěv přistupuje na web dle předpokladu

z Česka (340), druhé místo zaujímá Slovensko s 11 návštěvami. Totožné statistické výsledky přináší i přehled o nastavení jazyka v prohlížeči. Výše uvedený stav se dá označit za ideální, neboť primární cílovou skupinou e-shopu jsou návštěvníci z Česka. To však neznamená, že by v budoucnu nebyl požadavek na expanzi na slovenský trh.

13.1.2

Rozbor technického zázemí návštěvníků Obr. 48 – Typy prohlížečů

Obr. 49 – Rychlost připojení

97

Obr. 50 – Operační systémy

Obr. 51 – Barevné režimy

Obr. 52 – Rozlišení obrazovky

Na základě výše uvedených údajů bylo fungování webu otestováno pro jednotlivé zjištěné varianty a nastavení s účelem zjistit možné problémy, které by mohly ovlivňovat návštěvníka při užívání webu. Pozornost byla věnována případným nedostatkům při zobrazení ve zjištěných typech prohlížečů a fungování webu při použití identifikovaných operačních systémů. Revize byla provedena i s ohledem na barevnou hloubku a parametry rozlišení. Při výše uvedené kontrole nebyly nalezeny žádné zásadní problémy, které by mohly ovlivnit návštěvnost.252

13.1.3

Hodnocení zdrojů návštěvnosti Ve sledovaném období přišlo nejvíce návštěv z vyhledávačů (77,12 %).

Následovala dosti silná přímá návštěvnost (20,90 %) a minimální přístupy z odkazujících zdrojů (1,98 %), což souvisí s nízkým počtem zpětných odkazů mířících na web. 252

Křížovou segmentací dat o použitých prohlížečích a míře opuštění byly odhaleny drobné problémy se zobrazením v prohlížeči Opera (87,50% míra opuštění). Následně nahlášeno programátorovi k vyřešení.

98

► Přímá návštěvnost: statistiky ukázaly, že jde o zainteresované návštěvníky, kteří na webu tráví průměrně delší čas, prohlížejí více stránek a vykazují nízkou míru opuštění. Míra konverze pro cíl č. 1 (dokončení objednávky) je poměrně vysoká (1,35 %). Zde lze mluvit o vysoké pravděpodobnosti potenciálních zákazníků. Obr. 53 – Statistika přímé návštěvnosti – říjen-listopad

► Odkazující stránky: z minimálního vzorku se dalo pouze odvodit, že odkazující stránky přivádí na web velmi malé množství návštěvníků, kteří nejsou natolik zainteresovaní, jako návštěvníci z přímé návštěvnosti. Konverzní poměr cíle č. 1 (dokončení objednávky) je 0 %. Do budoucna je nutno analyzovat konkrétní odkazující zdroje (odkazovací web, text odkazu atd.) a relevantnost cílové stránky (obsah stránky), na kterou odkazují. Samozřejmostí je nutnost navýšení počtu kvalitních zpětných odkazů. Obr. 54 – Statistika návštěvnosti z odkazujících zdrojů – říjen-listopad

► Vyhledávače: přivedly největší počet návštěv, které však vykazují vysokou míru opuštění. Návštěvníci tráví na webu průměrně méně času a prohlédnou nízký počet stránek za návštěvu. Je evidentní, že toto chování má spojitost s relevantností klíčových slov, která návštěvníky na web přivádí. Je nutno analyzovat vztah konkrétních zdrojů, klíčových slov, cílových stránek a dle výsledků provést případné optimalizační úpravy.

99

Jako nejvýkonnější zdroj, s ohledem na počet návštěv, byl identifikován vyhledávač Seznam. Naopak Google přivedl mnohem méně návštěv, které jsou však kvalitnější s ohledem na míru opuštění, strávenou dobu na webu a počet procházených stránek za návštěvu. Jiné vyhledávače zcela chybí. Je nutno provést optimalizaci vyhledatelnosti webu pro klíčové fráze v daných vyhledávačích253 a zviditelnit web i v ostatních vyhledávacích službách (např. Jyxo254, Centrum255 atd.). Cílem je získat zainteresované návštěvníky, kteří dostanou relevantní obsah (stránku), jež odpovídá jejich požadavkům. Výše popsaný postup je cestou k zajištění vysoké míry konverze pro stanovené cíle. Obr. 55 – Statistika návštěvnosti z vyhledávačů – říjen-listopad

Obr. 56 – Nejpoužívanější klíčová slova – říjen-listopad

253

Z tohoto důvodu budou sledovány pozice klíčových slov a jejich posun v čase (viz kapitola Pozice klíčových slov). 254 http://jyxo.cz/ 255 http://www.centrum.cz/

100

Obr. 57 – Google – klíčová slova a vstupní stránky – říjen-listopad

Obr. 58 – Google – vstupní stránky se 100% mírou opuštění – říjen-listopad

Obr. 59 – Seznam – klíčová slova a vstupní stránky – říjen-listopad

101

Obr. 60 – Seznam – vstupní stránky se 100% mírou opuštění – říjen-listopad

Z přehledu vyhledávaných výrazů, a také díky křížové segmentaci nejčastěji vyhledávaných výrazů a jejich vstupních stránek, jsme zjistili detailní informace o používaných vyhledávacích dotazech a jejich významu pro návštěvnost. Jak Google, tak i Seznam vykazují velmi podobné charakteristiky. Návštěvníci přicházejí nejčastěji přes klíčová slova související s latinskými názvy vodních rostlin. Vyhledávač Seznam v celkovém počtu vstupních stránek s mírou opuštění 100 % převýšil několikanásobně Google. Je to dáno nejen rozdílností počtu příchozích návštěvníků pro jednotlivé vyhledavače, ale především právě klíčovými slovy, která návštěvníky přivádí na stránky, jež často nejsou relevantní dotazu návštěvníka. Vstupní stránky obecně v řadě případů neodpovídají použitému klíčovému slovu.

256

Řada klíčových slov s latinským názvem rostlin vykazuje 100% míru

opuštění, což je dáno tím, že uživatelé hledají spíše informace o rostlině samé, nikoli její prodej. Na základě získaných poznatků bylo rozhodnuto optimalizovat na klíčová slova nejen hlavní produktové sekce257 a jejich podkategorie, ale také využít viditelného potenciálu sekce vodní rostliny pro zvýšení výnosů e-shopu. Měla by být provedena taktéž úprava textů vstupních stránek, které prokazatelně nesouvisí se zadaným klíčovým slovem.

256

Např. přes klíčové slovo osvětlení jezírek se návštěvník dostane z Googlu na stránku Jezírková čerpadla. 257 Produktové kategorie: Čerpadla, Filtrace, Péče o jezírko, Vodní rostliny, Osvětlení, Filtrační sety.

102

Přehled nejpoužívanějších vstupních klíčových frází poskytl mnoho nových doposud netušených slov258, která návštěvníci zadávají při přechodu na web. Vybraná slova by měla být použita pro potřeby optimalizace konkrétních stránek a pro návrh nových produktových kategorií. Prověřena byla i doba strávená na webu u konkrétních klíčových slov – taktéž tyto výsledky byly zohledněny při optimalizaci stránek.

13.1.4

Hodnocení obsahu Na základě dat z této kategorie přehledů jsme učinili závěry, které se týkají

vztahu návštěv a zobrazeného obsahu (stránek). Výsledky potvrzují poznatky z předchozí části. Na základě rozboru údajů o obsahu jsme identifikovali stránky, které je třeba upravit s ohledem na cílení obsahu a klíčová slova, která návštěvníky na konkrétní stránky přivádí. Zjistili jsme problémy vstupních stránek a provedli proto analýzu stránek s nejvíce odchody. Mezi nejzobrazovanějšími stránkami zaujímá první místo titulní stránka, následují stránky hlavních produktových kategorií. Naopak mezi často zobrazovanými stránkami chybí stránky kategorie Osvětlení, Čerpadla a vesměs všechny specifické produktové podkategorie. Důvody v průměru většího počtu zobrazení jednotlivých stránek produktů kategorie Vodní rostliny je třeba dále analyzovat a zjištěné důvody uplatnit pro stránky ostatních produktových kategorií. V následné optimalizaci návštěvnosti je nutné upravit nejčastěji zobrazované stránky s ohledem na míru jejich opuštění, a taktéž zapracovat na snížení procenta odchodů.

258

Např. hladinový sběrač, oase, biotop, ponduet aj.

103

Obr. 61 – Přehled nejnavštěvovanějších stránek – říjen-listopad

Obr. 62 – Nejčastější vstupní stránky – říjen-listopad

Zjistili jsme, že stránkou s největším počtem vstupů, je titulní stránka (www.zahradni-jezirko.cz), což však pro nás není optimálním výsledkem, neboť se jedná o všeobecnou stránku, která nemá vhodné cílení.259 Pokud se tedy podíváme blíže na použitá klíčová slova u této stránky, pak zjistíme, že návštěvníci přichází nejen přes základní brandové výrazy (zahradní jezírko), ale i přes výrazy (osvětlení, čerpadla aj.), které jsou specifické spíše pro jednotlivé produktové kategorie. S tímto stavem souvisí i vyšší míra opuštění (54 %). Rozbor údajů o vstupních stránkách poukázal na nutnost optimalizace obsahu (závěry rozboru vstupních stránek jsou taktéž uvedeny v části s hodnocením 259

Stránka by měla co nejvíce odpovídat vstupním slovům, která návštěvníci použili při vyhledávání, a měla by být v bezprostřední blízkosti cílové konverze.

104

zdrojů). K nejčastějším vstupním stránkám patří stránky hlavních kategorií, což je dobře, přesto musí být tyto stránky upraveny, aby více odpovídaly vyhledávacím dotazům návštěvníků a byly mnohem více vyhledatelné (posílení pozic na klíčová slova) v rámci vyhledávačů, což významně zvýší návštěvnost a sníží míru opuštění. Míra opuštění vstupních stránek pro klíčová slova nám pomohla identifikovat problémy v relevantnosti obsahu, který neodpovídá vyhledaným výrazům. Příklad: přes níže uvedená slova by se návštěvníci měli dostat na jiné stránky, než je uvedeno. Obr. 63 – Ukázka nerelevantních vstupních slov vůči zobrazeným stránkám

Stránky s nejvyšší mírou opuštění v porovnání s klíčovým slovem jsou důkazem, že je nutno lépe cílit obsah na klíčová slova. Obr. 64 – Stránky s nejvyšší mírou opuštění – říjen-listopad

Obr. 65 – Stránky s počtem zobrazení více než 25 a vysokým procentem odchodů – říjen-listopad

105

Přehled stránek s největším počtem zobrazení s ohledem na zdroj přístupu nám pomohl odhalit význam jednotlivých vyhledávačů při návštěvě konkrétních stránek. Jak je vidět, Google přivádí návštěvníky především na titulní stránku a stránku produktové kategorie Vodní rostliny. V ostatních případech je výkon vyhledávače Seznam mnohem efektivnější. Je třeba zaměřit se proto na posílení vyhledatelnosti v rámci Googlu, ale neopomenout zvyšovat počty přístupů ze Seznamu a navyšovat konverzní poměr pro cíle. Obr. 66 – Stránky s největším počtem zobrazení (více než 10) s ohledem na zdroj přístupu – říjen-listopad

Obr. 67 – Stránky s největší mírou opuštění s ohledem na zdroj přístupu a počtem zobrazení větším než 10 – říjen-listopad

Detailním rozborem bylo mimo jiné zjištěno, že stránka Registrace má velký počet odchodů (66,67 %), což nás upozornilo na možné nedostatky registračního procesu, které je třeba dále analyzovat.

106

Obr. 68 – Podoba titulní stránky před optimalizaci

Na základě přehledu řehledu Vizualizace na webu byla prověřena ena titulní stránka, jakožto stránka s největším ětším počtem po zobrazení. Bylo zjištěno, no, že není pln plně využit potenciál některých kterých jejích částí (bloků), proto by mělo zcela určitě dojít k úpravě rozvržení obsahových h bloků blok na titulní stránce.. Na dolní nabídku konkrétních výrobků nikdo nekliká. Odkaz na nákupní košík je nutné na titulní stránce zviditelnit. Celý pravý blok má nulovou klikatelnost, klikatelnost tudíž je třeba přehodnotit ehodnotit obsah, který je v této části ásti zobrazován. Ste Stejně tak by měly být do popředí přesunuty esunuty odkazovací položky hlavního menu, které mají vyšší klikatelnost, aby se jejich efekt znásobil, jestliže panuje reálná obava, že je ovlivněn ovlivn jejich pozicí. Zviditelněny ny by m měly být i odkazy vedoucí do sekcí s velmi nízkou klikatelností, které jsou zásadní pro prodej (např. uvedením v textu titulní stránky).

107

Obr. 69 – Vizualizace prokliků – říjen-listopad

13.1.5

Závěrečné resumé ► Jak je vidět ze vstupní analýzy, největším problémem webu je jeho

vyhledatelnost, resp. viditelnost ve vyhledávačích. Je třeba zapracovat na optimalizaci pro vyhledávače (SEO) a na cílení a relevantnosti obsahu ve vztahu k vyhledávacím dotazům, a tím také snížit míru opuštění a procento odchodu návštěvníků z daných stránek. Zaměřit se musíme taktéž na posílení vyhledatelnosti hlavních produktových kategorií a jejich podkategorií. ► Významným bodem posílení návštěvnosti a vyhledatelnosti je úprava textů (copywriting). Je třeba také zapracovat na změnách titulní stránky. Velmi důležitým bodem je i propagace webu a především pak získání kvalitních zpětných odkazů s dobrým cílením. Veškeré výše uvedené závěry mají přímý či nepřímý vliv na míru návštěvnosti. ► Ve sledovaném období bylo zaznamenáno pouze jedno dokončení objednávky, což souvisí především právě s malou návštěvností a vyhledatelností produktů přes relevantní klíčová slova. Z výše uvedeného důvodu bude hodnocení komerčního efektu a průchodu objednávkou uskutečněno až poté, kdy e-shop zaznamená více objednávek - tedy poskytne širší vzorek dat pro hodnocení. ► Díky úvodní analýze byla zjištěna slabá místa webu a identifikovány oblasti či konkrétní stránky, kterým je nutno věnovat pozornost. Víme jaké změny udělat a v jakých prioritních krocích postupovat v rámci jednotlivých měsíců.

108

14 Průběh optimalizace návštěvnosti v jednotlivých měsících 14.1 Říjen Implementace služby Google Analytics. V tomto období proběhlo měření pro účely úvodní jednorázové analýzy - viz kapitola Úvodní analýza a zhodnocení webu. Obr. 70 – Základní údaje o návštěvnosti – říjen

Obr. 71 – Zdroje provozu – říjen

Obr. 72 – Nejpoužívanější klíčová slova – říjen

109

Obr. 73 – Nejzobrazovanější stránky – říjen

Obr. 74 – Nejčastější vstupní stránky – říjen

14.2 Listopad V tomto období proběhlo měření pro účely úvodní jednorázové analýzy - viz kapitola Úvodní analýza a zhodnocení webu. Obr. 75 – Základní údaje o návštěvnosti (porovnání s říjnem)

110

Obr. 76 – Zdroje provozu (porovnání s říjnem)

Obr. 77 – Nejpoužívanější klíčová slova – listopad

Obr. 78 – Nejzobrazovanější stránky – listopad

111

Obr. 79 – Nejčastější vstupní stránky – listopad

14.3 Prosinec - realizované změny V tomto měsíci navážeme na výsledky vstupní analýzy, která odhalila zásadní nedostatky v textech jednotlivých stránek a v jejich optimalizaci pro konkrétní relevantní slova. Při úpravách v tomto měsíci jsme se proto zaměřili především na konsolidaci těchto základních dispozic webu.

14.3.1

Copywriting Byly provedeny úpravy textů hlavních produktových kategorií a jejich pod-

kategorií na vybrané klíčové fráze dle pravidel copywritingu260. Na základě výsledků úvodní analýzy bylo třeba zajistit především přístupy z Googlu a posílit relevantnost přístupů ze Seznamu. Pozornost byla zaměřena i na textový obsah hlavních vstupních a výstupních stránek a na stránky, jež vykazovaly největší míru opuštění a odchodu.

260

Klíčové fráze (viz tabulka) byly do jednotlivých textů zakomponovány v poměru 3 - 6 % oproti ostatnímu textu stránky. V textu byly vybrané fráze zvýrazněny tučně, kurzívou a taktéž zahrnuty do nadpisů, podnadpisů a odrážkových seznamů. Došlo k prolinkování na podkategorie či související hlavní kategorie za pomoci odkazů (včetně vložení klíčových frází do Anchor textu a Title odkazu). [Online Copywriting..., 2009].

112

Při určení stránek, které bylo třeba optimalizovat či upravit, a při výběru vhodných klíčových frází pro optimalizaci, jsme vycházeli z následujících přehledů Google Analytics:261 • přehled vstupních stránek (+ porovnání s klíčovými slovy); • přehled výstupních stránek (+ porovnání s klíčovými slovy); • přehled klíčových slov (+ porovnání se zdroji přístupů); • přehled stránek s největší mírou opuštění (+ porovnání se zdroji přístupů, + porovnání s klíčovými slovy); • přehled stránek s největším procentem odchodů (+ porovnání s klíčovými slovy). Důvod realizace: odstranění zjištěných nedostatků - viz výsledky úvodní analýzy. Cíl a efekt realizace: změna textů má zajistit navýšení počtů přístupů z vyhledávačů (zvýšení vyhledatelnosti) a příchod kvalifikovaných návštěvníků přes relevantní klíčová slova, čímž by mělo dojít taktéž k podpoře prodeje (přivedení návštěvníků, kteří chtějí nakoupit). Seznam klíčových frází jednotlivých stránek Produktová kategorie/podkategorie Čerpadla - fontánová čerpadla - filtrační a potoční čerpadla - nízkotlaká čerpadla - příslušenství čerpadel Filtrace - UV předčišťovací - filtrační komplety

Klíčové fráze jezírkové čerpadlo, čerpadlová technika fontánové čerpadlo, fontána filtrační čerpadlo, potoční čerpadlo nízkotlaké čerpadlo, zahradní čerpadlo nízkotlaké příslušenství jezírkové čerpadlo filtrace, jezírková filtrace, jezírkový filtr UV filtr, UV filtrace, předčišťovací filtrace filtrační komplet, filtrační sada, jezírková filtrace sada

261

Při výběru klíčových slov pro optimalizaci obsahu stránek jsme brali ohled taktéž na globální míru vyhledávání konkrétních slov ve vyhledávači Google a Seznam, neboť jsme chtěli zabránit optimalizaci textů na klíčové fráze, které mají minimální hledanost. Zdroje dat – statistiky vyhledávání konkrétních vyhledávačů: Google – Nástroj pro návrh klíčových slov (https://adwords.google.com/select/KeywordToolExternal), Seznam – Statistiky hledanosti dotazů (http://www.seznam.cz/). Výstupem byl seznam stránek určených pro optimalizaci včetně přiřazených klíčových slov.

113

- podvodní filtry - průtokové filtry - modulové filtry - tlakové filtry - hladinové sběrače Péče o jezero - okysličovače - vysavače - vodní chemie - na zimu Osvětlení - pod vodou - zahradní - příslušenství osvětlení Vodní rostliny Sety

podvodní filtr, podvodní filtrace průtokový filtr, průtoková filtrace modulový filtr, modulová filtrace tlakový filtr, tlaková filtrace, tlakový filtrační set hladinový sběrač, skimmer, skimr péče o jezírko, údržba jezírka provzdušňovač, okysličovač, okysličování, bublák jezírkový vysavač, vysávání jezírka, bazénový vysavač vodní chemie, bazénová chemie, jezírková chemie zazimování jezírek jezírkové osvětlení, jezírkové světlo podvodní osvětlení, osvětlení pod vodu, podvodní světlo zahradní osvětlení, zahradní světla, osvětlení pro zahradu příslušenství osvětlení jezírek vodní rostliny, jezírkové rostliny filtrační set

Obr. 80 – Ukázka stránky po úpravě obsahu

Pro většinu stránek produktových kategorií/podkategorií musely být texty nově vytvořeny, neboť web byl z velké části neotextován (viz obr. níže).

114

Obr. 81 – Ukázka původního textu a katalogového výpisu

14.3.2

SEO úprava on-page faktorů Na základě klíčových frází použitých pro jednotlivé stránky v rámci copy-

writingu byla provedena i optimalizace on-page faktorů262. Prvky Meta description, Meta keywords a Title ve zdrojovém kódu každé stránky byly doplněny o klíčové fráze. Realizace proběhla u hlavních produktových kategorií, podkategorií a titulní stránky. Důvod realizace: odstranění zjištěných nedostatků - viz výsledky úvodní analýzy. Cíl a efekt realizace: změny mají zajistit navýšení přístupů z vyhledávačů přes preferovaná klíčová slova a posílení relevantnosti výsledků vyhledávání a snížení míry opuštění. Obr. 82 – Ukázka úpravy – metatagy

262

SEO on-page faktory - „označují se tak faktory přímo spjaté s obsahem a kódem stránky a jejím umístěním v rámci celého webu. Pečlivé vyladění on-page faktorů může velice příznivě ovlivnit hodnocení stránky vyhledávači a tím i její umístění ve výsledcích vyhledávání“. [On-page faktory, 2009]. Mezi on-page faktory řadíme i kvalitu samotného textu – tento faktor byl pro svou významnost samostatně vyčleněn v rámci předchozí kapitoly (Copywriting).

115

14.3.3

Úprava titulní stránky Titulní stránka původně obsahovala pouze tabulkový přehled produktů,

který byl změněn na katalogový. Byl přidán úvodní text s odkazy do hlavních kategorií (primárně jde o testování efektu změny). Důvod realizace: odstranění zjištěných nedostatků - viz výsledky úvodní analýzy. Cíl a efekt realizace: záměrem je, aby se na titulní stránce návštěvníci zdržovali jen minimálně a za pomocí odkazů v textu přecházeli do požadovaných produktových podkategorií, které jsou v hlavním menu zanořené (např. podkategorie sekce Péče o jezírko). Změna má podpořit snížení míry opuštění a optimalizovat přechod do produktových kategorií (zvýšit jejich návštěvnost, resp. počty zobrazení).

14.3.4

Změna layoutu webu Změna layoutu263 - naplánováno bylo nahrazení pravého bloku s výpisem

nejprodávanějších produktů, který vykazuje nulovou klikatelnost. Místo této části by bylo vhodné zobrazovat slevové nabídky. Důvod realizace: odstranění zjištěných nedostatků - viz výsledky úvodní analýzy. Cíl a efekt realizace: podpora prodeje vybraných produktů se slevou.

14.3.5

Změna hlavního menu Položky s vysokým procentem prokliků byly v menu posunuty nahoru.

Důležité položky, jež vykazovaly nulovou klikatelnost (viz přehled Vizualizace na webu), byly přidány formou odkazu do textu titulní stránky (viz kapitola Úprava titulní stránky). Změnu prodělaly i texty položek menu – např. Na zimu změněno na Zazimování jezírek.

263

Rozmístění základních prvků na webové stránce. Jedná se o schematickou podobu stránky.

116

Obr. 83 – Přehled prokliků – říjen-prosinec

Důvod realizace: odstranit zjištěné nedostatky spojené s navigací na webu. Poskytnout uživatelům možnost srozumitelnějšího a jednoduššího přechodu na zanořené stránky. Cíl a efekt realizace: cílem je podpořit přechod návštěvníků do požadovaných produktových kategorií a zvýšit tak počty jejich zobrazení.

14.3.6

Optimalizace jednotlivých produktových stránek kategorie „Vodní rostliny“ Byla provedena detailní analýza této produktové kategorie. Výsledek

analýzy: s vysokou mírou opuštění souvisí to, že produktové stránky většiny rostlin postrádají průvodní texty, ilustrační obrázky (působilo nedůvěryhodně). Stránky, jež obrázek mají (včetně jeho popisu), přivádí více uživatelů (viz rozbor přístupů ze zdroje Google Images). Rostliny byly v e-shopu uváděny jen pod latinskými názvy – proto je třeba zajistit hledanost českých ekvivalentů. Z výše uvedených důvodů byl přidán ke každé rostlině obrázek (včetně popisku) a český název obsahující taktéž frázi vodní rostliny. Důvod realizace: zvýšení potenciálu nejnavštěvovanější produktové kategorie a posílení jejího efektu s ohledem na návštěvnost a s tím spojený prodej. Důvodem realizace je i test výsledků konkrétních změn, které budou v případě úspěchu uplatněny pro další produktové kategorie. Cíl a efekt realizace: cílem je zvýšení vyhledatelnosti (včetně relevantnosti) což se má promítnout v nárůstu počtu návštěv těchto stránek i počtu jejich zobrazení. Snahou je přivést kvalifikované návštěvníky, snížit míru opuštění a odchodu u těchto stránek.

117

14.4 Prosinec - plnění cílů • Dokončení objednávky – 5x. • Doba na stránkách více než 9 minut – 18x. • Zobrazení více než 9 stránek za návštěvu – 36x. • Registrace návštěvníka – 0x. • Doba na stránkách menší než 2 minuty – 154x.

14.5 Prosinec - přehled výsledků KPI Viz kapitola Hodnoty KPI.

14.6 Prosinec - přehled hlavních statistik Obr. 84 – Údaje o návštěvnosti (porovnání s listopadem)

Obr. 85 – Zdroje provozu (porovnání s listopadem)

118

Obr. 86 – Nejpoužívanější klíčová slova – prosinec

Obr. 87 – Nejzobrazovanější stránky – prosinec

Obr. 88 – Nejčastější vstupní stránky – prosinec

119

14.7 Prosinec - hodnocení efektu provedených změn 14.7.1

Copywriting Detailní a průkazné hodnocení lze provést na základě delšího časového

odstupu – změny byly provedeny na konci prosince 2009, plné projevení efektu lze očekávat přibližně s odstupem 2 měsíců. Ke zhodnocení efektu bylo proto použito srovnání dat za období prosinec 2009 a březen 2010. Porovnávaná data z období měsíce prosince a března hovoří o velmi pozitivních výsledcích provedených změn, které se projevily: • v postupném zvyšování relevantnosti vstupních stránek a klíčových slov; • ve zvýšení objemu přístupů z vyhledávačů;264 • v postupném navýšení návštěvnosti hlavních produktových kategorií a podkategorií; • v přilákání kvalifikovaných návštěvníků, o čemž vypovídají i statistiky hodnocení kvality návštěvnosti (k negativnímu výsledku došlo pouze v případě míry opuštění). Obr. 89 – Porovnání návštěvnosti z vyhledávačů – prosinec/březen

264

Dosaženo taktéž díky SEO úpravám. Změny za pomoci copywritingu a SEO mají shodný účel a dohromady přináší komplexní výsledek.

120

Obr. 90 – Statistika nejnavštěvovanějších stránek – prosinec

Obr. 91 – Statistika nejnavštěvovanějších stránek – březen

Obr. 92 – Míra opuštění nejvýkonnějších vstupních stránek v porovnání se zdrojem

121

V období leden-březen bylo průběžně prováděno ladění textů stránek s největším procentem odchodů a nejvýkonnějších vstupních stránek s vysokou mírou opuštění. Stránky byly při průběžném ladění porovnávány se vstupními zdroji a klíčovými slovy. Součástí ladění byla i navigační analýza. Finálně se povedlo posílit kvalitativní aspekty návštěvnosti, jež souvisí s obsahem (viz KPI duben). Doporučení: zaměřit se na snižování míry opuštění a pravidelně kontrolovat výsledky v kontextu s klíčovými slovy, vstupními stránkami a zdroji přístupů. Především je třeba se zaměřit na klíčová slova vstupních stránek, zda jsou relevantní předkládanému obsahu a dle těchto výsledků případně texty ladit.

14.7.2

SEO úprava on-page faktorů Detailní a průkazné hodnocení lze provést na základě delšího časového

odstupu (plné projevení lze očekávat v březnu). Nejen březnové, ale již i únorové výsledky dokazují, že změny zajistily mnohonásobné navýšení přístupů z vyhledávačů, navíc na preferovaná slova, která směřují ve většině případů návštěvníky na požadované cílové stránky (vliv na výsledek má i copywriting). Dosažené výsledky: • rapidní navýšení návštěvnosti z vyhledávačů; • vysoký poměr relevantnosti vstupních stránek a klíčových slov; • zvýšení počtu dokončených objednávek u návštěvníků z vyhledávacího provozu; • zajištění přístupů z minoritních a lokálních vyhledávacích služeb.

122

Obr. 93 – Statistiky návštěvnosti – vyhledávače – porovnání prosinec/březen

Obr. 94 – Vstupní klíčová slova – březen

Obr. 95 – Porovnání míry konverze – říjen-prosinec/leden-březen

123

Obr. 96 – Klíčová slova – porovnání prosinec/březen

Obr. 97 – Nejnavštěvovanější stránky – porovnání prosinec/březen

124

Obr. 98 – Nejlepší vstupní stránky v porovnání s klíčovým slovem – březen

U stránek s přístupy na nerelevantní slova probíhala průběžná SEO optimalizace (leden-březen). U produktových kategorií a podkategorií, které byly méně navštěvované, či vykazovaly vyšší míru opuštění, byly průběžně realizovány optimalizační úpravy (např. Příslušenství osvětlení, Modulové filtry). Doporučení: pozornost by měla být věnována snaze zvyšovat míru konverze pro dokončení objednávky u návštěv z vyhledávačů. U vyhledávačů, které na web přivádí návštěvníky, ale nepřináší konverze, je třeba analyzovat přes jaká slova a kam návštěvníci z těchto zdrojů na web přistupují a jaký obsah požadují (navigační analýza). Je nutné průběžně sledovat relevantnost vstupních stránek vůči klíčovým slovům. Ladit nejvýkonnější vstupní stránky a vstupní slova zahrnout do jejich metatagů. V budoucnu je třeba navyšovat i přístupy z vyhledávačů, které na web přivádí minimum návštěv a snižovat míru opuštění (viz obr. níže).

125

Obr. 99 – Vyhledávače s nízkým výkonem – březen

Obr. 100 – Nejvýkonnější vstupní stránky s největší mírou opuštění – březen

14.7.3

Úprava titulní stránky Zvýšil se počet zobrazení stránky a také doba, kterou návštěvníci na stránce

265

tráví.

Zvýšila se také míra opuštění a nepatrně se snížilo procento odchodů. Textové

úpravy titulní stránky přinesly spíše negativní výsledek.

265

Ideálním stavem je minimální doba návštěvníka strávená na titulní stránce. Titulní stránka slouží především jako rozcestník pro přechod do produktových kategorií. Zvýšení lze vysvětlit následovně: změna na katalogové zobrazení prodejních položek pravděpodobně láká návštěvníky k prohlížení produktů na titulní stránce = delší doba strávená na titulní stránce.

126

Obr. 101 – Hodnoty titulní stránky – porovnání prosinec/leden

Pro snížení doby na stránce, míry opuštění i procenta odchodu byly v lednu provedeny další změny. Došlo k nahrazení původního textu za pouhý seznam odkazů do hlavních kategorií a podkategorií, což má podpořit přechod z hlavní stránky na požadované produktové podstránky.266 Úpravy reflektují i poznatky z přehledu Souhrn navigace (říjen-prosinec), který poskytl informace o stránkách (kategoriích), na které návštěvníci odchází z titulní stránky. Tyto kategorie bylo proto vhodné umístit ve formě odkazu267 do textového seznamu, především v případě zásadních položek, jež jsou více zanořené v hlavním menu. Cílem bylo přizpůsobit titulní stránku potřebám návštěvníků, což se následně z větší části povedlo. Obr. 102 – Hodnoty titulní stránky – porovnání leden/únor

266

Koncepce je navíc taková, že textový seznam odkazovaných kategorií se mění dle sezónnosti a míry hledaní konkrétních produktů (viz přehledy klíčových slov a nejnavštěvovanějších stránek) pro dané období. Seznam je tedy variabilní, aby lépe vyhovoval aktuálním preferencím návštěvníků. 267 Usnadní návštěvníkům přechod k požadovanému obsahu.

127

Obr. 103 – Souhrn navigace titulní stránky – porovnání leden/únor

Lednové změny nevedly ke snížení doby na stránce a poklesu míry opuštění. Procento odchodů se podařilo snížit. Co se týká navigace a poměru přechodu z titulní stránky na ostatní stránky webu, došlo k výraznému zlepšení předchozího stavu, což lze přičíst provedeným změnám. Především přechod z titulní stránky na ostatní stránky je pro nás směrodatný a neměl by klesat pod úroveň 75 %. Obr. 104 – Souhrn navigace – přechod z titulní stránky – porovnání prosinec/leden

Doporučení: je třeba i nadále pokračovat v ladění titulní stránky a průběžně kontrolovat výsledky provedených změn. Zásadní je také snížení míry opuštění na základě hloubkové analýzy vstupních slov a zdrojů návštěvnosti. Důvodem je dlouhodo-

128

bé zajištění jednoduchého a efektivního přechodu návštěvníků do specifických produktových sekcí.

14.7.4

Změna layoutu webu Nelze vyhodnotit (nerealizováno).

14.7.5

Změna hlavního menu Úprava menu přispěla k jednoduššímu přechodu uživatelů na stránky pro-

duktových kategorií, což dokládají zvýšené počty zobrazení těchto stránek ve srovnání s předchozím obdobím. Obr. 105 – Nejnavštěvovanější produktové kategorie – porovnání prosinec/leden

Doporučení: zapracovat s pomocí úprav hlavního menu a ostatních navigačních prvků na zvyšování návštěvnosti nejvýznamnějších stránek vykazujících

129

vysokou míru konverze pro dokončení objednávky. Vhodné je realizovat podobné změny i pro optimalizaci přechodu do zanořených podkategorií.

14.7.6

Optimalizace jednotlivých produktových stránek kategorie „Vodní rostliny“ Detailní a průkazné hodnocení lze provést na základě delšího časového

odstupu (plné projevení lze očekávat v březnu). Březnové přehledy dokládají vysoký efekt optimalizace, který se odrazil v enormní návštěvnosti produktových stránek dané sekce, což se projevilo i ve zvýšeném prodeji daného sortimentu. Hlavní stránka sekce Vodní rostliny byla v březnu druhou nejzobrazovanější stránkou ihned po titulní stránce a čtvrtou nejvýkonnější vstupní stránkou. Třetím nejčastějším klíčovým slovem, přivádějícím na web návštěvníky, byla fráze vodní rostliny. Velký význam má i fakt, že se povedlo velmi efektivně optimalizovat jednotlivé stránky pro české názvy konkrétních rostlin. Relevantnost klíčových slov je až na několik málo výjimek odpovídající. Klíčové slovo vodní rostliny dopomohlo přivést na web v období prosinecduben značný počet vysoce zainteresovaných návštěv (566). Obr. 106 – Statistika návštěvnosti a kvalitativních aspektů – porovnání prosinec/březen

130

Obr. 107 – Míra dokončení objednávky (přístup přes klíčové slovo „vodní rostliny“) – březen

Obr. 108 – Vstupní stránky sekce „Vodní rostliny“ v porovnání s klíčovými slovy – březen

Obr. 109 – Dokončení objednávky přes klíčové slovo „vodní rostliny“ – prosinec-duben

131

Obr. 110 – Nejčastější vstupní klíčové slovo – prosinec-duben

Doporučení: stejnou optimalizační taktiku, za účelem zvýšení návštěvnosti, je třeba uplatnit v budoucnu i pro produktové stránky ostatních kategorií. Díky tomu lze očekávat především efekt navýšení míry konverze u dokončených objednávek.

14.8 Leden - realizované změny 14.8.1

Registrace do katalogů Byla provedena ruční registrace do katalogů a rejstříků firem.268 Počet prove-

dených zápisů – 70. Důvod realizace: registrace byla uskutečněna na základě zjištění nízkého počtu přístupů z odkazujících stránek (říjen-prosinec). Jak ukazují přehledy Google Analytics (Zdroje provozu), v této oblasti má web zcela nevyužitý potenciál. Obr. 111 – Odkazující stránky – prosinec

Cíl a efekt realizace: registrace má zajistit navýšení počtu relevantních zpětných odkazů. Tímto krokem se posílí nejen vyhledatelnost webu, ale i povědomí o webu a jeho viditelnost v online prostředí. Výsledkem má být navýšení přístupů z odkazujících stránek a posílení komerčního efektu.

268

Vybrány byly prověřené katalogy s vyšším hodnocením a Page Rankem. Bližší informace o registraci (seznam registrovaných katalogů, registrační texty) nebudou v této práci dále rozebrány s ohledem na rozsah a hlavní cíl práce. Není podstatou práce zabývat se podrobně samotným linkbuildingem, ale spíše hodnocením jeho efektu za pomoci Google Analytics.

132

14.8.2

Přidávání nových kategorií a produktů V e-shopu byly zřízeny nové produktové kategorie: Bazénové fólie, Plovoucí

osvětlení, Příslušenství k vodním rostlinám, Síťky. Produkty byly přidávány nejen do nových kategorií, ale o nové produkty byla rozšířena taktéž nabídka stávajících produktových kategorií. Důvod realizace: poznatky z rozboru přehledu klíčových slov byly využity pro identifikaci a následné přidání nových produktových kategorií a produktů do e-shopu.269 Jak ukázaly informace z Google Analytics, jedná se o fráze spojené se slovem jezírko či zahradní jezírko.270 Přes tyto vyhledávané fráze návštěvníci vstupovali na web, přestože se dané zboží v e-shopu nenacházelo, což následně vedlo ve většině případů k odchodu, čemuž odpovídá i míra opuštění pro dané výrazy. Cíl a efekt realizace: výsledkem by mělo být zvýšení návštěvnosti a posílení komerčních výsledků za pomoci rozšiřující produktové nabídky. Primárně nás zajímá návštěvnost nově zřízených produktových kategorií a jejich stránek.

14.8.3

Zřízení sekce „Rady a tipy“ Byla vytvořena nová položka (sekce) Rady a tipy271 v horizontálním menu

sloužící pro průběžné zveřejňování článků, které byly optimalizovány na vybrané fráze. Z každého článku bylo účelně odkazováno na vybrané konkrétní produkty, či jejich kategorie dle tématu textu. Důvod realizace: bylo nutno zajistit přísun návštěvníků přes fráze, které jsou hůře optimalizovatelné v rámci popisných textů produktových kategorií. Cíl a efekt realizace: přísun návštěvníků a podpora prodeje. Cílem je zachytávat kvalifikované návštěvníky a následně je směřovat hlouběji k samotným produktům. Přidruženým efektem má být i rozšíření povědomí o e-shopu a jeho odborné fundovanosti.

269

Splněn byl mimo jiné požadavek majitele na účelné rozšíření nabídky e-shopu. Např. síťky, fólie, výstavba, plovoucí světla aj. 271 http://www.zahradni-jezirko.cz/Rady-a-tipy/ 270

133

14.9 Leden - plnění cílů • Dokončení objednávky – 5x. • Doba na stránkách více než 9 minut – 53x. • Zobrazení více než 9 stránek za návštěvu – 84x. • Registrace návštěvníka – 0x. • Doba na stránkách menší než 2 minuty – 298x. Pozn.: s pomocí ladění relevantnosti klíčových slov a jejich vstupních stránek je nutno zapracovat na snižování počtu krátkodobých návštěv. Tento problém primárně souvisí s příchodem návštěvníků přes vyhledávače – analyzováno na základě segmentace návštěv s délkou procházení webu menší než 2 min. Obr. 112 – Statistiky návštěvnického segmentu s délkou návštěvy menší než 2 minuty

14.10 Leden - přehled výsledků KPI Viz kapitola Hodnoty KPI.

134

14.11 Leden - přehled hlavních statistik Obr. 113 – Údaje o návštěvnosti (porovnání s prosincem)

Obr. 114 – Zdroje provozu (porovnání s prosincem)

Obr. 115 – Nejpoužívanější klíčová slova – leden

135

Obr. 116 – Nejzobrazovanější stránky – leden

Obr. 117 – Nejčastější vstupní stránky – leden

14.12 Leden - hodnocení efektu provedených změn 14.12.1 Registrace do katalogů a vyhledávačů Nově zřízené odkazy přivedly na web v lednu celkem 14 návštěv – oproti prosincovému stavu registrujeme zvýšení, avšak v celkovém porovnání s ostatními zdroji přístupu se jedná o velmi nízký počet. Oproti průměrným hodnotám webu vykazují návštěvníci z odkazujících zdrojů menší počet zobrazených stránek za návštěvu a nízkou dobu strávenou na webu. Konkrétnější výsledky efektu

136

registrace lze hodnotit s odstupem delšího časového období, neboť u některých katalogů trvá schvalovací proces i několik týdnů. Obr. 118 – Přehled odkazujících stránek – leden

Při celkovém dlouhodobém posouzení je patrné, že hlavní význam registrace do katalogů lze spatřovat nejen v navýšení počtu přístupů z odkazujících stránek, ale především v počtu zpětných odkazů, které mají vliv na hodnocení webu a pozice ve výsledcích vyhledávání. V období leden-duben se podařilo přivést na web za pomoci 76 odkazujících zdrojů celkem 527 návštěv, což lze považovat za velmi pozitivní výsledek, neboť došlo k viditelnému nárůstu počtu návštěv z odkazujících zdrojů oproti období říjen-prosinec. Kvalita těchto návštěv je spíše podprůměrná, o čemž svědčí výsledky metrik: počet stránek za návštěvu, průměrná doba na webu a míra opuštění. Vliv návštěv z odkazujících zdrojů na prodej je podprůměrný oproti celkovým hodnotám stránek (viz obr. níže), avšak mnohonásobně vyšší ve srovnání s obdobím říjen-prosinec, kdy byla míra konverze 0.

137

Obr. 119 – Míra konverze odkazujících zdrojů – leden-duben

Obr. 120 – Přehled odkazujících stránek – leden-duben

Obr. 121 – Návštěvy z odkazujících zdrojů – porovnání období leden-březen/říjen-prosinec

Doporučení: výsledky ukazují, že v budoucnu je třeba pokračovat v navyšování zpětných odkazů. Tato činnost dopomůže posílit pozice ve vyhledávačích a rozšíří povědomí o e-shopu. Je nutno pokusit se především o zvýšení kvality návštěv prostřednictvím vhodného výběru vstupní stránky. Důležité je také umístění odkazu (relevantnost webu, umístění v katalogové kategorii), text sdělení či text odkazu. Tímto způsobem lze docílit snížení míry opuštění. S odstupem času je třeba provést revizi zdrojů s vysokou mírou opuštění (viz obr. níže), odhalit příčiny a reagovat na ně.

138

Obr. 122 – Odkazující zdroje s největší mírou opuštění (počet návštěv 2 a více) – leden-duben

14.12.2 Přidávání nových kategorií a produktů O úspěšnosti těchto změn hovoří statistiky návštěvnosti stránek daných kategorií a počty vstupních stránek. Na základě níže uvedených statistik je patrné, že přidání nových kategorií (produktů) dopomohlo k navýšení návštěvnosti, k přísunu návštěvníků přes nová klíčová slova, podpořilo prodej a přitáhlo zainteresované návštěvníky. Dokladem významu stránek pro výsledný prodej je i hodnota Indexu USD. Obr. 123 – Přehled návštěvnosti – stránky sekce „Bazénové fólie“ – leden-duben

Obr. 124 – Vstupní stránky sekce „Bazénové fólie“ – leden-duben

139

Obr. 125 – Přehled návštěvnosti – stránky sekce „Plovoucí osvětlení“ – leden-duben

Obr. 126 – Vstupní stránky sekce „Plovoucí osvětlení“ – leden-duben

Obr. 127 – Přehled návštěvnosti stránek sekce „Příslušenství k vodním rostlinám“ – leden-duben

Obr. 128 – Vstupní stránky sekce „Příslušenství k vodním rostlinám“ – leden-duben

Obr. 129 – Přehled návštěvnosti – stránky sekce „Síťky“ – leden-duben

140

Obr. 130 – Vstupní stránky sekce „Síťky“ – leden-duben

Doporučení: je třeba ladit stránky s vysokou mírou opuštění a při analýze je konfrontovat se vstupními klíčovými slovy a zdroji přístupu. Z těchto údajů je nutno identifikovat důvody vysokého procenta opuštění pro konkrétní stránky a provést následné kroky pro odstranění nedostatků. Snížením míry opuštění podpoříme dosažení optimální návštěvnosti daných kategorií.

14.12.3 Zřízení sekce Rady a tipy Přestože články nepřivedly ve sledovaném období velký počet návštěvníků, zaručují z dlouhodobého hlediska příchod vysoce zainteresovaných návštěvníků a potenciálních zákazníků, kteří vhodně z článku přechází na odkazované produkty a jejich kategorie (viz přehledy souhrnu navigace níže). Statistiky Google Analytics ukázaly, že zveřejňování takovýchto článků má význam pro podpoření kvalitativních aspektů návštěvnosti a pro posilování prodejního efektu. Výhodou je i získávání přístupu návštěvníků přes specifické klíčové fráze (např. výstavba zahradního jezírka), pro které není vhodné optimalizovat texty konkrétních kategorií či produktů. Článek zveřejněný v lednu přivedl na web nízký počet návštěv (4).272 Celou kategorii zhlédlo celkem 69 návštěvníků, kteří následně z článku přešli na níže uvedené stránky.

272

Nízký počet návštěv je dán především nerelevantností tématu článku k danému ročnímu období – článek byl věnovaný problematice zazimování jezírek (uplatnění spíše pro podzim).

141

Obr. 131 – Souhrn navigace – článek sekce „Rady a tipy“ – leden

V únoru byly do kategorie přidány další články: Péče o zahradní jezírka a biotopy, Tvorba, výstavba a plánování zahradních jezírek, Co jsou to zahradní jezírka. V únoru přivedly články na web 16 návštěvníků. Články zaznamenaly v součtu 304 zobrazení. Obr. 132 – Statistiky zobrazení stránek dané sekce – únor

Obr. 133 – Přechod z článku „Tvorba, výstavba a plánování zahradních jezírek“ – únor

142

V březnu byly přidány 4 nové články. Veškeré články dané sekce přivedly na web celkem 52 návštěvníků. Počet zobrazení stránek – 501. Obr. 134 – Vstupní stránky sekce „Rady a tipy“ – březen

Obr. 135 – Statistiky zobrazení stránek dané sekce – březen

Obr. 136 – Vizualizace prokliku pro jednotlivé články – leden-duben

143

Obr. 137 – Detail prokliku odkazů v článku „Jak vybrat vodní rostliny pro jezírka“

Obr. 138 – Nejefektivnější vstupní stránky – leden-duben

Obr. 139 – Význam stránek sekce pro dokončení objednávky – leden-duben

Doporučení: na základě dobrých výsledků je žádoucí v tvorbě článků nadále pokračovat. Význam článků pro zajištění přístupu kvalifikovaných návštěv a posílení

144

konverzí je zřejmý. Z dlouhodobého hlediska mají články význam taktéž pro budování povědomí o e-shopu. Nejzobrazovanější článek napověděl, že návštěvníci mají největší zájem o rady z oblasti tvorby jezírek. V budoucnu by bylo vhodné vytvořit seriál článků s touto tématikou a odkazovat z článků na konkrétní produkty či kategorie produktů. Je třeba tvořit články odborněji a cílit na klíčová slova, což posílí snižování míry opuštění a podpoří příchod kvalifikovaných návštěvníků. Celkový počet zobrazení článků hovoří o zájmu ze strany návštěvníků, články však nejsou dostatečnými vstupními body z vyhledávačů. Disproporce mezi počtem návštěv vstupujících na web přes výše uvedené články a celkovým počtem zobrazení článků nás vedou k závěru, že v budoucnu je nutno více zapracovat především na zviditelnění článků ve vyhledávačích. Pozn.: pro stránky kategorie Filtrační čerpadla, Potoční čerpadla byly zjištěny nežádoucí vstupy na klíčovou frázi jezírko bez filtrace.273 Zjištěná fráze by měla být v budoucnu využita pro sestavení článku, který by sloužil jako vstupní stránka a odkazoval na produkty vhodné pro údržbu kvality vody v jezírku bez filtrace (např. vodní chemie).

14.13 Únor - realizované změny Změny provedené v únorovém období byly zaměřeny především na rozšíření povědomí o webu a přilákání nových návštěvníků za pomoci marketingových aktivit, které mají mimo jiné za cíl podpořit prodejní výsledky. Těmito změnami reagujeme na lednové výsledky KPI: - ↓procentní podíl nových návštěvníků; - ↓míra konverze pro dokončení objednávky (především pro přímý i odkazující provoz); - ↑míra opuštění.

273

Nutno provést i revizi textů vstupních stránek pro daný výraz.

145

14.13.1 Propagační stránka na Facebooku Na Facebooku274 byla zřízena propagační fans stránka pro příznivce přírodního koupání a zahradních jezírek. Jedná se o marketingový a propagační nástroj pro rozvíjení vztahu s potenciálními návštěvníky/zákazníky. Důvod realizace: viz lednové KPI. + Nízký počet přístupů z odkazujících webů a přímého provozu (malá viditelnost a povědomí o webu). Facebook mimo to slouží jako náhrada za fotogalerii a diskuzi, které na e-shopu chybí. Je nástrojem přímé vazby s potenciálními návštěvníky/zákazníky. Cíl a efekt realizace: cílem je marketingově podpořit nárůst přístupů z odkazujících zdrojů a jejich míru konverze. Je žádoucí přivést na web vysoce zainteresované a kvalifikované návštěvníky. Taktéž je třeba podpořit přímý provoz (povědomí o webu). Efektivně propagovat produkty, články a slevové akce.

Obr. 140 – Facebook – Ukázka titulní stránky

274

http://www.facebook.com/zahradnijezirko

146

Obr. 141 – Facebook – Stránka „Fotky“ (fotogalerie)

14.13.2 Propagační mikroweb „Přírodní jezero, biotop, biojezero“ Vytvořen byl propagační web Přírodní jezero, biotop, biojezero275, který obsahuje optimalizované stránky zaměřené na oblast biotopů a přírodních jezer. Web slouží jako spádový zachytávač nových návštěvníků (přes dosud nepoužívaná klíčová slova – např. biotop), které odkazuje na konkrétní produktové kategorie či produkty v e-shopu. Důvod realizace: viz lednové KPI. + Nízký počet přístupů z odkazujících webů. Cíl a efekt realizace: znásobit návštěvnost z odkazujícího i přímého provozu, zvýšit míru konverze dokončených objednávek pro odkazující zdroje. Snahou je přivést kvalifikované návštěvníky a podpořit povědomí o webu.

275

http://prirodni-jezero-biotop-biojezero.webnode.cz/

147

Obr. 142 – Ukázka mikrowebu

14.13.3 Vložení sekce „Co jsou?“ Byla vytvořena nová sekce Co jsou?276. Stejně jako sekce Rady a tipy, má i tato nově vytvořená část, za pomoci publikování odborných článků, zajistit příchod nových návštěvníků přes specifické výrazy, a směřovat je následně do konkrétních produktových kategorií či na produktové stránky. Důvod realizace: viz lednové KPI. + Nutnost přitáhnout více kvalifikovaných návštěvníků a podpořit prodej. Cíl a efekt realizace: výsledek by se měl projevit v posílení prodeje a přísunu nových návštěvníků. Cílem je taktéž zajištění snižování míry opuštění díky relevantnosti obsahu a přesměrování na nabídku souvisejících produktů.

14.14 Únor - plnění cílů • Dokončení objednávky – 8x. • Doba na stránkách více než 9 minut – 148x. • Zobrazení více než 9 stránek za návštěvu – 226x. Pozn.: tento segment návštěvníků je vysoce kvalifikovaný (viz doba na webu, míra opuštění, počet objedná-

276

http://www.zahradni-jezirko.cz/Co-jsou/

148

vek apod.). V daném měsíci uskutečnili návštěvníci z tohoto segmentu 7 objednávek z celkových 8. Obr. 143 – Návštěvníci – zobrazení více než 9 stránek za návštěvu – porovnání leden/únor

• Registrace návštěvníka – 1x. • Doba na stránkách menší než 2 minuty – 645x.

14.15 Únor - přehled výsledků KPI Viz kapitola Hodnoty KPI.

14.16 Únor - přehled hlavních statistik Obr. 144 – Údaje o návštěvnosti (porovnání s lednem)

149

Obr. 145 – Zdroje provozu (porovnání s lednem)

Obr. 146 – Nejpoužívanější klíčová slova – únor

Obr. 147 – Nejzobrazovanější stránky – únor

150

Obr. 148 – Nejčastější vstupní stránky – únor

14.17 Únor - hodnocení efektu provedených změn 14.17.1 Propagační stránka na Facebooku Díky propracované marketingové strategii se povedlo vytvořit kvalifikovanou návštěvnickou základnu a přivést na web žádaný počet návštěvníků z tohoto zdroje. Hodnocení za celkové období únor – duben: kvalita návštěvníků je spíše podprůměrná, o čemž svědčí doba strávená na webu, míra opuštění aj. Míra konverze těchto návštěvníků pro dokončení objednávky je nadprůměrná (1,56 %). Facebook přivedl na web celkem 64 nových návštěv a měl vysoký podíl na zvýšení návštěvnosti z odkazujících zdrojů. Obr. 149 – Zobrazené stránky – přístupy z Facebooku – únor-duben

151

Obr. 150 – Přístupy z Facebooku – únor-duben

Obr. 151 – Dokončení objednávky – únor-duben

Doporučení: zapracovat na faktorech ovlivňujících kvalitu návštěv, vhodně cílit vstupní stránky, dlouhodobě rozvíjet propagaci a kontakt s potenciálními návštěvníky/zákazníky. Bylo prokázáno, že při vhodném použití je Facebook ideálním nástrojem internetového marketingu. Facebook v tomto případě dopomohl k budování přímého vztahu s vysoce zainteresovanými uživateli a podpořil prodejní výsledky.

14.17.2 Propagační mikroweb „Přírodní jezero, biotop, biojezero“ Vytvoření mikrowebu přineslo vysoce efektivní výsledky v oblasti odkazujících zdrojů. Mikroweb zajistil přísun velmi kvalitních návštěv s vysokou mírou konverze (4,55 %) pro dokončení objednávky. Mikroweb dokázal vhodně nasměrovat návštěvníky do produktových kategorií, nejvíce pak do sekcí (Filtrace, Čerpadla, Fólie). E-shop získal přístupy na slova spojená s frázemi biotop, přírodní jezírko aj.

152

Obr. 152 – Kvalita návštěv z mikrowebu (porovnání se všemi odkazujícími zdroji) – únor-duben

Obr. 153 – Dokončení objednávky – únor-duben

Obr. 154 – Nejvýkonnější odkazující stránky mikrowebu – únor-duben

Obr. 155 – Nejzobrazovanější stránky u segmentu návštěvníků z mikrowebu – únor-duben

153

Obr. 156 – Nejvýkonnější odkazující zdroje pro dokončení objednávky – únor-duben

Doporučení: ladit obsah mikrowebu podle nejzobrazovanějších stránek e-shopu, které návštěvníci z mikrowebu prohlíželi. Díky tomu bude dosaženo mnohem většího efektu a míry konverze. Je třeba analyzovat zájmy návštěvníků z mikrowebu a místa konverze na e-shopu a podle těchto údajů mikroweb upravit. K vyšším výnosům e-shopu dopomůže i optimalizace návštěvnosti mikrowebu. Vhodné je taktéž vytvoření více takovýchto mikrowebů.

14.17.3 Vložení sekce „Co jsou?“ Sekce přilákala spíše menší počet návštěv (39). Návštěvy vykazují nadprůměrné hodnoty v jejich kvalitě (nízká míra opuštění). Index USD pro stránky dané sekce je nadprůměrný (1,47). Nejvýkonnější článek s ohledem na počet vstupů: Co je to hladinový sběrač. Obr. 157 – Vstupní stránky – únor-duben

154

Obr. 158 – Nejzobrazovanější stránky sekce „Co jsou“ – únor-duben

Obr. 159 – Přehled klíčových slov vstupních stránek – únor-duben

155

Obr. 160 – Navigace stránky „Co je to hladinový sběrač“ – únor-duben

Doporučení: největším problémem není kvalita návštěvníků, ale jejich počet. Z tohoto důvodu je třeba lépe prozkoumat klíčová slova z vyhledávačů a zájem uživatelů o konkrétní produkty (nejzobrazovanější produktové stránky) a dle těchto údajů sestavit kvalitní články, které přivedou více zainteresovaných návštěvníků z cílové skupiny. Je vhodné upravit i stávající články s vysokou mírou opuštění (s ohledem na klíčové slovo vstupu). Přivedení většího množství takto kvalitních návštěv by v budoucnu mělo logicky vést k navýšení počtu uskutečněných konverzí. ► Díky únorovým změnám se podařilo velmi razantně zvýšit počty návštěv především z odkazujícího provozu. Činnosti tvorby zpětných odkazů, budování značky a povědomí o webu by proto měly být realizovány soustavně a dlouhodobě, neboť jednoznačně přivádí kvalifikované návštěvníky, jejichž míra konverze u dokončení objednávky je nadprůměrná. Obr. 161 – Míra dokončení objednávky – odkazující zdroje – porovnání listopad-leden/únor-duben

156

Obr. 162 – Poměr návštěv z odkazujících stránek – porovnání leden/únor

14.18 Březen - realizované změny Změny provedené v březnovém období byly zaměřeny primárně na posílení zpětných odkazů, navýšení počtu nových návštěvníků a zviditelnění webu. Pozornost byla věnována i přímému oslovení potenciálních zákazníků (propagační e-mailová kampaň, PR články). Byla uskutečněna optimalizace objednávkového procesu. Těmito změnami reagujeme mimo jiné na únorové výsledky KPI: - ↓ podíl nových návštěv; - ↓ míra konverze pro dokončení objednávky; - ↑ míra opuštění.

14.18.1 Optimalizace objednávkového procesu Byla provedena detailní analýza objednávkového procesu. Na základě analýzy byly identifikovány kroky objednávky, které vykazují nejvyšší počet odchodů. Byly opraveny chyby v poznámce u povinných polí (původní poznámky byly matoucí) a doplněny příklady správného vyplnění k jednotlivým polím formulářů. Přidána byla informační hlášení při špatném vyplnění pole. Odstraněny byly i některé pravopisné chyby v textech objednávky, které mohly zákazníky odrazovat. Přidána byla vizualizace kroků – tj. identifikace fáze objednávky, ve které se uživatel právě nachází. Na základě většího počtu odchodů v kroku Platební a doručovací údaje bylo navrženo doplnění o rozšiřující možnosti dodání a platby.277 Doporučeno bylo taktéž přidání stránky s jasným poděkováním za dokončení objednávky či vložení informativního textu do posledního objednávkového kroku Souhrnné informace. Důvod realizace: reakce na změnu únorových KPI. Vysoké procento odchodů z objednávkového procesu (Vizualizace cesty jako trychtýř) v předchozích obdobích

277

Možnost platby z účtu byla doplněna. Varianta doručení zboží službou PPL nebyla majitelem přidána.

157

nás upozornilo na možné nedostatky a problémy, které byly příčinou nízkých výnosů z e-shopu. Především přístupy z vyhledávačů přivedly potenciální zákazníky, ti však v mnoha případech objednávku nedokončili. Cíl a efekt realizace: zvýšit procento dokončených objednávek vůči nedokončeným. Obr. 163 – Ukázka objednávkového rozhraní po realizaci změn

14.18.2 E-mailová kampaň Obsahem e-mailové kampaně278 byla nabídka 5% slevy při nákupu v měsíci březnu. E-maily v textové podobě byly rozesílány zákazníkům, kteří již v dřívějším období v e-shopu nakoupili či návštěvníkům, kteří v minulosti byli v kontaktu s e-shopem a jeho majitelem. Distribuováno bylo celkem 42 mailů.279

278

Samotný text e-mailu a jeho podoba nejsou v práci uvedeny s ohledem na rozsah a hlavní cíl práce. Podstatou práce je proces hodnocení efektu výše uvedených aktivit za pomoci Google Analytics, nikoliv detailní popis jejich návrhu a způsobu či formy realizace. 279 Odkazy uvedené v mailu byly označeny pro možnost identifikace těchto prokliků.

158

Důvod realizace: důvodem bylo otestování efektu kampaně pro případné podobné akce v budoucnu a taktéž nutnost reakce na změnu hodnot únorových KPI. Cíl a efekt realizace: zvýšit prodej a přilákat kvalifikované návštěvníky.

14.18.3 Úprava hlavního menu Na základě informací z přehledu Vizualizace na webu a informací o návštěvnosti níže uvedené sekce došlo k nadefinování přímého zobrazení podpoložek280 kategorie Péče o jezírko v hlavím menu.281 Důvod realizace: nízká návštěvnost podkategorií, které však obsahují množství zásadních produktů s ohledem na prodej. Na rozdíl od ostatních hlavních produktových kategorií (např. Jezírková čerpadla) není návštěvníkům z názvu sekce zřejmé, jaké produkty obsahuje. Cíl a efekt realizace: cílem je zviditelnit dané podkategorie a napomoci k jejich větší návštěvnosti, resp. zobrazování.

14.18.4 On-line propagace (PR články, diskuze, fóra) + linkbuilding Byly zveřejněny propagační PR články s odkazy do produktových kategorií webu. Publikování rozdílných článků proběhlo na 7 PR webech282. Realizovány byly aktivity internetového marketingu (oslovení cílové skupiny a linkbuilding v rámci komentářů a příspěvků) v tematicky zaměřených diskuzích a fórech (včetně odkazování). Vytvořen byl i zápis do Google Mapy283, Mapy.cz284, Firmy.cz285 a odkaz vedoucí na titulní stránku byl vložen také na další významné weby (např. k tematickým článkům na Wikipedii286).

280

Podkategorie: Vodní chemie, Jezírkové vysavače, Okysličovače jezírek, Síťky, Zazimování jezírek. 281 Tzv. rozevřené podmenu dané kategorie. 282 Přehled PR webů, stejně jako texty jednotlivých PR článků a diskuzních příspěvků nejsou v práci uvedeny s ohledem na rozsah a hlavní cíl práce. Podstatou práce je proces hodnocení efektu těchto aktivit za pomoci Google Analytics, nikoliv detailní popis jejich návrhu a způsobu či formy realizace. 283 http://maps.google.cz/ 284 http://www.mapy.cz/ 285 http://www.firmy.cz/ 286 http://cs.wikipedia.org

159

Důvod realizace: viz změny únorových KPI – je nutno přivést nové návštěvníky a snížit míru opuštění. Důvodem je mimo jiné provedení testování tohoto druhu on-line propagace. Cíl a efekt realizace: zvýšit povědomí o e-shopu a jeho nabídce, podpořit počet návštěv z odkazujících zdrojů, zvýšit míru konverze pro cíl č. 1 (dokončení objednávky). Obr. 164 – Ukázka zápisu v „Google Mapy“

Obr. 165 – Ukázka článku zveřejněného na webu „PR Brána“

14.19 Březen - plnění cílů • Dokončení objednávky – 27x. • Doba na stránkách více než 9 minut – 416x.

160

• Zobrazení více než 9 stránek za návštěvu – 622x. • Registrace návštěvníka – 1x. • Doba na stránkách menší než 2 minuty – 1 888x. Pozn.: v budoucnu bude nutné zabývat se hloubkovou analýzou toho, přes jaká slova, odkud a na jaké vstupní stránky tento návštěvnický segment na web přichází. Odhalení příčin krátkodobých návštěv a vzorců chování tohoto segmentu nám dopomůže k návrhu opatření vedoucích ke snížení počtu těchto návštěv. Obr. 166 – Přehled dokončených objednávek (srovnání v čase) – porovnání únor/březen287

14.20 Březen - přehled výsledků KPI Viz kapitola Hodnoty KPI.

14.21 Březen - přehled hlavních statistik Obr. 167 – Údaje o návštěvnosti (porovnání s únorem)

287

Březen = modrá linka.

161

Obr. 168 – Zdroje provozu (porovnání s únorem)

Obr. 169 – Nejpoužívanější klíčová slova – březen

Obr. 170 – Nejnavštěvovanější stránky – březen

162

Obr. 171 – Nejčastější vstupní stránky – březen

14.22 Březen - hodnocení efektu provedených změn 14.22.1 Optimalizace objednávkového procesu Procento dokončených objednávek v měsíci dubnu se díky změnám povedlo zvýšit na 54,01 % oproti předchozím obdobím únor - 38,89 %, březen - 42,86 %. Efekt změny se logicky projevil v navýšení tržeb. Doporučení: je vhodné odstranit nutnost přihlášení/registrace, které nemají žádný efekt288 pro provoz e-shopu a jsou spíše překážkou pro dokončení objednávky návštěvníků. Do objednávky je vhodné připojit kontaktní informace a obchodní podmínky, pokud je to možné.289 V posledním kroku uvést viditelné poděkování za dokončený nákup. Je třeba také vyhodnotit příčinu vstupu zákazníka (entrance) do objednávkového procesu z kroku 2, 3 a 4.290

288

Registrace/přihlášení neslouží majiteli k evidenci, neposkytuje zvýhodnění pro návštěvníky (slevy, newsletter, speciální akce) či přehled jejich předchozích objednávek apod. Majitel webu tento prvek nevyužívá za účelem rozvoje vztahu se zákazníky, přestože mu to bylo doporučeno. 289 Kvůli těmto údajům návštěvníci z objednávky odchází na stránky, kde jsou dané informace uvedeny. 290 Pravděpodobně se jedná o přihlášeného návštěvníka.

163

Závažnost této problematiky si žádá nejen vyhodnocení nedostatků objednávkového procesu z dlouhodobějšího hlediska za pomoci Google Analytics, ale i zapojení jiných metod hodnocení (např. uživatelské testování aj.).

Obr. 172 – Vizualizace objednávkového procesu – březen

164

Obr. 173 – Vizualizace objednávkového procesu – duben

14.22.2 E-mailová kampaň Ze 42 odeslaných e-mailů se povedlo na web přivést celkem 24 návštěv. Návštěvy jsou charakteristické nadprůměrnou kvalitou a zainteresovaností, což se odráží v době strávené na stránkách, počtu zobrazených stránek za návštěvu a nízké míře opuštění. Žádný z těchto návštěvníků však neprovedl dokončení objednávky. Obr. 174 – E-mailová kampaň – statistiky návštěv

165

Obr. 175 – E-mailová kampaň – statistika plnění vybraných cílů

Obr. 176 – E-mailová kampaň – vstupní stránky

Doporučení: na základě výsledků doporučujeme realizovat e-mailové kampaně v pravidelných intervalech a informovat tak uživatele o nových produktech, slevách apod. Je nesporné, že se jedná o důležitý segment návštěvníků s ohledem na cíle e-shopu. Vyplatí se dlouhodobě budovat vztah s takovýmito návštěvníky, neboť jsou vysoce zainteresovaní a mají značný předpoklad pro dokončení objednávky. Sledování vstupních stránek pomůže identifikovat preference a zájmy tohoto segmentu. Pro maximalizaci efektu zasílaných e-mailových sdělení doporučujeme realizovat A/B testování pomoci Website Optimizer, které dopomůže vybrat nejvýkonnější formu e-mailového sdělení.

14.22.3 Úprava hlavního menu Zviditelnění podkategorií sekce Péče o jezírko v hlavním menu mělo pozitivní efekt, což dokazuje nejen zvýšený počet zobrazení stránek daných podkategorií, ale i přehled vizualizace prokliků na webu. V menu ubylo prokliků hlavní kategorie Péče o jezírko na úkor specifických podkategorií, což vhodně podpořilo míru jejich návštěvnosti.

166

Obr. 177 – Vizualizace na webu – hlavní menu – kategorie „Péče o jezírko“ – únor

Obr. 178 – Vizualizace na webu – hlavní menu – kategorie „Péče o jezírko“ – březen

Obr. 179 – Statistiky stránek sekce „Péče o jezírko“ – porovnání únor/březen

167

Doporučení: je vhodné sledovat v dlouhodobějších intervalech procento prokliků za pomoci vizualizace a případně přizpůsobovat pořadí položek hlavního menu. Cílem je usnadnit návštěvníkům přechod k nejvíce žádaným podkategoriím.

14.22.4 On-line propagace + linkbuilding Realizované aktivity dopomohly podpořit návštěvnost z odkazujících zdrojů a přivedly na web celkem 111 nových návštěv (březen-duben). Kvalita těchto návštěv však byla dosti podprůměrná (viz počet zobrazených stránek za návštěvu, průměrná doba na stránce, míra opuštění). Díky těmto aktivitám se povedlo získat zpětné odkazy, avšak vynaložené náklady nebyly kompenzovány uskutečněným prodejem (nulová míra konverze u návštěv z daných zdrojů). Obr. 180 – Přístupy z nově získaných odkazujících stránek – březen-duben

Obr. 181 – Míra dokončení objednávky – březen-duben

168

Obr. 182 – Statistika zdroje „PR brána“ – křížová segmentace odkazujících a vstupních stránek – březen-duben

Doporučení: za pomoci detailního vyhodnocení je třeba identifikovat odkazující zdroje, které vykazovaly přístup kvalitních návštěv, a na tyto se v budoucnu při podobných PR aktivitách zaměřit. Je třeba také zpětně zvážit, zda byl předložený obsah vhodně cílený a relevantní požadavku návštěvníka. Za pomoci navigační analýzy by bylo vhodné analyzovat detailní informace o pohybu návštěvníků na webu a o místě jejich finálního odchodu. Můžeme tak lépe identifikovat obsah či nabídku e-shopu, která odpovídá jejich zájmům. Přestože efekt realizovaných aktivit byl kvalitativně nízký, je třeba se neustále věnovat aktivitám internetového marketingu a linkbuildingu. Je nutné se co nejvíce zaměřit na tematicky profilované weby. Důvodem pro pokračování je především kontinuální snaha o navýšení počtu zpětných odkazů a šíření povědomí o e-shopu.

15 Hodnoty KPI Níže uvedená tabulka ukazuje hodnoty jednotlivých klíčových ukazatelů dosažených v daném měsíci. Zároveň přináší přehled vývoje hodnot v čase a tudíž je ideálním nástrojem pro hodnocení prováděných změn a efektu optimalizace návštěvnosti. S pomocí časového srovnání v tabulce vidíme dosažené výsledky a míru naplnění stanovených cílů. Přehled KPI sloužil v průběhu optimalizace návštěvnosti jako kontrolní nástroj správnosti realizovaných změn a dosahovaných výsledků v plnění stanovených cílů.291 291

Na negativní změny v hodnotách KPI bylo reagováno v rámci konkrétních měsíců.

169

Hodnoty KPI (prosinec 2009 – duben 2010)

170

Z vývoje ukazatele celkového počtu návštěv je jasně patrné, že změny provedené na základě poznatků z Google Analytics, měly zásadní dopad na zvýšení návštěvnosti. Návštěvnost rostla kontinuálně a dosahovala oproti každému předchozímu měsíci vždy více než 100% nárůst. Oproti prosincové návštěvnosti (210 návštěv) vystoupala návštěvnost v dubnu na celkový počet 5 813. V měsíci březnu se povedlo zajistit dokonce 191% navýšení počtu oproti únoru. Těmto výsledkům odpovídá taktéž dosti velký kontinuální nárůst počtu nových návštěv (prosinec 168, duben 4 438). Procentní podíl nových návštěv oproti vracejícím se návštěvám měl spíše klesající tendenci (výjimkou je březen), což však není žádným kritickým výsledkem, neboť kolísání probíhalo v běžných mezích několika procent – největší změna byla zaznamenána v únoru (-8,7 %). Z tohoto vývoje je mimo jiné patrné, že web si dokázal vybudovat poměrně silnou základnu vracejících se návštěvníků, u nichž, jak se prokázalo, je velký předpoklad nákupu. Průměrná doba na stránkách kontinuálně stoupala v prosinci a únoru. V následujících měsících však zaznamenala pokles, což lze považovat za přirozený vývoj, jehož příčinou může být razantní nárůst návštěvnosti, kdy se na web mohlo dostat více nekvalifikovaných návštěvníků. Tento vývoj může také naopak znamenat, že web i jeho obsah je natolik dobře strukturovaný, že návštěvníci našli vše potřebné mnohem rychleji a tudíž nepotřebovali více času na jeho procházení. Počet návštěv z vyhledávačů rapidně rostl po celé sledované období, což poukazuje na správnost optimalizační strategie, která byla realizována na základě údajů Google Analytics. Ke kontinuálnímu navyšování návštěvnosti došlo taktéž v rámci přímé návštěvnosti, což ukazuje na poutavost obsahu a nabídky webu, stejně jako na zviditelnění samotné značky. Kontinuální nárůst návštěv z odkazujících zdrojů zaznamenal nejrazantnější změnu v únoru (změna o 610 %), což lze přičíst efektu registrace do katalogů, která proběhla v lednu, a také PR aktivitám (Facebook, mikroweb) a linkbuildingu. Hodnota průměrného počtu stránek zobrazených za návštěvu zaznamenala taktéž celkový nárůst během sledovaných měsíců. Propad přišel pouze v březnu, kdy se počet snížil na hodnotu 6,67 %. S nárůstem počtu návštěvníků rostla i míra opuštění webu, což pro nás znamená spíše nežádoucí vývoj. Míru opuštění se poda-

171

řilo snížit až v období března a dubna a to především díky úpravám textů a relevantnějšímu cílení odkazů v rámci PR a marketingových aktivit. Počet konverzí pro cíl č. 1 (dokončení objednávky) se povedlo kontinuálně zvyšovat až od období února. Oproti prosincové hodnotě (5 dokončených objednávek) bylo v dubnu zaznamenáno celkem 74 objednávek, což lze chápat jako výsledek celkového procesu optimalizačních aktivit. Pro srovnání - v dubnu 2009 byly uskutečněny pouhé 2 objednávky. Procentní podíl míry konverze pro cíl č. 1 (dokončení objednávky) byl kontinuálně navyšován až v období března a dubna, kdy se povedlo na web přivést více kvalifikovaných návštěvníků především díky vyhledávačům (viz procentní podíl míry konverze pro cíl č. 1 – vyhledávače) a odkazujícím zdrojům (viz procentní podíl míry konverze pro cíl č. 1 – odkazující zdroje). Dubnový procentní podíl míry konverze cíle č. 1 u přímého provozu (navýšení o 461,1 %) lze připsat především efektu marketingových aktivit, které dopomohly k dílčímu rozšíření povědomí o značce (brandbuilding).

16 Pozice klíčových slov Tabulka mapuje dosažené pozice klíčových frází ve vyhledávačích v období optimalizace292. Jedná se o přehled vývoje pozic vybraných klíčových frází v rámci výsledků vyhledávání na dotaz s danou frází. Měření probíhalo u dvou majoritních vyhledávačů, které přivádí na web nejvíce návštěv293 – jedná se o Google a Seznam. Jelikož návštěvnost přímo souvisí s mírou vyhledatelnosti294, bylo z tohoto důvodu nutno sledovat umístění webu na klíčové fráze ve výsledcích vyhledávání. Zlepšování pozic lze velkou měrou chápat jako výsledek prováděných změn v rámci jednotlivých optimalizačních období. Při tomto hodnocení byla sledována taktéž relevantnost klíčové fráze vůči výsledku vyhledávání, tj. jaká cílová stránka našeho webu byla předložena vyhledávačem pro konkrétní frázi. Tabulka tudíž posloužila 292

Pro srovnání jsou uvedeny hodnoty pro měsíc listopad 2009 (období před optimalizací) a duben 2010 (měsíc po optimalizaci). 293 Viz Google Analytics – přehled Vyhledávače. 294 Vyhledatelnost = umístění webu na klíčovou frázi ve výsledcích vyhledávačů oproti konkurenčním webům.

172

nejen jako nástroj finálního vyhodnocení, ale také jako prostředek průběžné kontroly správnosti konkrétních optimalizačních procesů, které byly navrženy a postupně uplatňovány dle poznatků z Google Analytics. Pozice klíčových frází v jednotlivých měsících pro Seznam a Google („Pomlčka“ je použita u frází, jejichž pozice je vyšší než 100. Zelené označení znamená zvýšení pozice oproti minulému měsíci, červené naopak propad.) Klíčová fráze

Listopad Prosinec Leden 17. 10. 09 16. 12. 09 19. 1. 10

Únor 17. 2. 10

Březen 19. 3. 10

Duben 20. 4. 10

S

G

S

G

S

G

S

G

S

G

S

G

zahradní jezírko

-

45

-

42

24

41

17

27

9

17

4

13

zahradní jezírka

-

87

-

-

95

-

-

32

21

19

13

16

koupací jezírko

-

-

-

-

-

-

57

100

27

39

15

36

zahradní rybníček

-

-

-

80

21

60

19

17

8

11

3

15

jezírko

-

-

-

-

81

49

19

18

15

14

11

3

rybníčky

-

-

-

-

-

-

-

-

4

13

2

11

filtrace

-

-

-

92

85

78

80

58

79

47

66

47

čerpadla

-

-

-

-

-

-

-

-

-

94

-

-

15

17

14

15

12

10

12

11

12

7

7

4

osvětlení pro jezírka

-

71

-

40

7

6

5

7

4

7

10

5

jezírková filtrace

-

-

-

16

5

8

3

8

1

7

1

4

jezírkové filtry

-

-

-

7

10

5

10

6

7

7

3

6

jezírková chemie

-

-

-

13

8

9

8

6

8

7

8

5

zazimování jezírka

-

-

-

58

5

38

5

8

4

7

4

7

fontánová čerpadla

-

20

-

34

11

20

12

11

9

9

13

8

filtrační čerpadla

-

-

-

8

6

8

4

5

3

5

3

5

potoční čerpadla

-

21

-

13

4

10

4

3

3

3

3

3

nízkotlaková čerpadla

-

-

-

-

1

-

1

-

1

2

1

2

příslušenství čerpadlo

-

-

-

51

94

29

99

26

74

17

73

17

70

87

5

20

4

14

4

14

3

5

3

3

filtrační komplety

-

4

-

4

1

4

2

4

2

1

1

1

podvodní filtry

3

2

3

2

3

2

2

1

2

1

2

3

průtokové filtry

-

3

-

3

2

1

2

1

2

1

1

1

43

17

23

15

9

10

7

8

8

8

8

4

-

1

-

1

2

1

2

1

2

1

2

1

vodní rostliny

uv filtrace

tlakové filtry hladinové sběrače

173

péče o jezírko

-

35

-

9

3

5

2

3

2

3

1

3

okysličovače

-

1

-

1

1

1

1

1

1

1

1

1

jezírkové vysavače

-

-

-

54

6

12

6

9

3

9

3

7

vodní chemie

3

3

2

3

1

4

1

2

1

2

1

1

podvodní světla

-

-

-

47

6

8

3

3

5

1

5

1

zahradní světla

-

-

-

-

14

23

12

21

7

24

7

14

příslušenství osvětlení

-

8

-

6

50

4

49

2

17

2

17

2

jezírkové rostliny

-

-

-

9

6

7

7

5

8

4

4

4

nízkotlaká čerpadla

-

13

-

5

2

4

2

4

1

3

1

3

hladinové filtry

3

6

2

7

1

4

2

6

2

1

1

1

podvodní osvětlení

-

-

-

25

6

21

5

5

4

4

3

3

zahradní osvětlení

-

-

-

44

14

36

13

36

10

15

9

5

osvětlení jezírka

-

-

-

11

8

6

5

8

5

8

5

7

skimmer

-

-

35

-

29

-

26

-

27

-

25

-

biotopy

-

-

-

-

-

-

-

-

3

12

3

12

podvodní vysavač

-

-

89

-

76

-

60

-

11

100

11

100

zahradni jezirko

-

-

31

67

23

43

17

24

9

20

4

8

rybníčky

-

-

-

-

-

-

10

22

4

13

2

11

33

-

7

12

7

15

46

54

23

22

14

16

kamínková fólie

3

-

1

6

1

6

fólie jezírko

17

74

6

12

3

12

bazénová fólie jezírková fólie Produkty přidány až v únoru.

Zhodnocení: z hlediska optimalizace návštěvnosti je nejvhodnější dosáhnout pozice ve výsledcích vyhledávání do desátého místa295, tj. umístění webu na první stránce výsledků vyhledávání u konkrétního slova, neboť díky dobré vyhledatelnosti webu stoupá přirozeně i jeho návštěvnost. Před optimalizací dosahoval web takovýchto pozic u klíčových slov jen v 10 případech z 94 možných. Naopak v dubnu, tj. v prvním měsíci po ukončení optimalizace návštěvnosti, evidujeme celkem 67 případů, kdy se klíčové slovo umístilo do desátého místa (z toho 17x na první pozici). Vynikajícím výsledkem je především fakt, že se tohoto stavu povedlo docílit u hlavních produktových kategorií a podkategorií webu, které díky tomu zaznamenaly velký nárůst návštěvnosti, což dokazují statistiky Google Analytics. Zviditelnění 295

Ideální umístění = 1. – 3. pozice.

174

výše uvedených produktových kategorií se odrazilo v nárůstu prodeje a počtu uskutečněných konverzí pro ostatní nadefinované cíle. Obr. 183 – Přehled dokončených objednávek (porovnání s provozem vyhledávání) – prosinec 2009-duben 2010

Na web se povedlo díky úpravám přivést velký počet kvalifikovaných návštěvníků, neboť výsledky vyhledávání pro klíčová slova předkládají relevantní obsah (odkazují na relevantní stránku), což lze přičíst především copywritingu a SEO aktivitám realizovaným na základě informací z Google Analytics.296 Většina klíčových frází měla před uskutečněním optimalizace minimální vyhledatelnost (pozice fráze < 100), což znamená, že přes daná slova se na web návštěvníci dostávali jen stěží, čemuž odpovídal i počet přístupů z vyhledávačů. Před optimalizací dosahovala většina klíčových frází pozice vyšší než 100 (v 62 případech). Po optimalizaci došlo k redukci na pouhé 3 případy, přičemž ve 2 případech (jak pro Google, tak i pro Seznam) se jedná o vysoce konkurenční slovo „čerpadla“. Z přehledové tabulky je jasně vidět, jak se postupně pozice jednotlivých klíčových frází zlepšovaly. Díky úpravám došlo mimo jiné k posílení postavení e-shopu oproti konkurenčním webům297.

17 Finální zhodnocení praktické části – naplnění cílů Díky analýze dat z Google Analytics a odvozeným poznatkům se povedlo naplnit veškeré cíle stanovené v úvodu praktické části. Dle informací z Google 296 297

Potřebné informace poskytly především přehledy vstupních stránek a klíčových slov. Weby s podobnou nabídkou zboží zaměřující se na stejnou cílovou skupinu.

175

Analytics298 byly postupně odstraněny nedostatky webu, došlo k ladění hlavních dispozic webu a byly uskutečněny marketingové aktivity, SEO úpravy, linkbuilding, optimalizace obsahu a jeho struktury, což v celkovém výsledku vedlo k mnohonásobnému zvýšení návštěvnosti a vyhledatelnosti webu. Z říjnových 166 návštěv se povedlo v dubnu přivést na web celkem 5 813 návštěv. Kvalitu získaných návštěv lze z celkového pohledu označit za vysokou, neboť průměrný počet prohlédnutých stránek za návštěvu finálně vzrostl, stejně jako doba strávená na webu. Povedlo se také velmi rapidně snížit míru opuštění webu a získat širší základnu vracejících se návštěvníků. Obr. 184 – Statistika návštěvnosti – porovnání stavu říjen/duben

Co se týká komerčního hlediska, dopomohla optimalizace návštěvnosti, a s ní spojený přísun kvalifikovaných a zainteresovaných návštěvníků, taktéž ke zvýšení počtu uskutečněných objednávek.

298

Je nutno uvést, že určité návrhy změn byly realizovány na základě vyhodnocení malého vzorku dat. Z tohoto důvodu by bylo vhodnější provést u vybraných problémů (např. ladění obj. procesu) dlouhodobější měření a následné vyhodnocení. S ohledem na časový harmonogram magisterské diplomové práce však bylo nutno postupovat dle daných podmínek a časového plánu, což v některých případech určitým způsobem omezovalo proces analýzy a optimalizace. I přes výše uvedená omezení bylo jednoznačně dokázáno, že lze z naměřených dat vyvodit správné závěry pro optimalizaci, což nakonec potvrzují samotné výsledky provedených změn.

176

Pro průkaznost efektu optimalizace porovnáme meziročně počet dokončených objednávek: • Počet objednávek před optimalizací299 (prosinec 2008 – duben 2009) – 7. • Počet objednávek po optimalizaci (prosinec 2009 – duben 2010) – 119. Obr. 185 – Statistika dokončených objednávek – prosinec 2008-duben 2009300

Obr. 186 – Statistika dokončených objednávek – prosinec 2009-duben 2010

Optimalizační změny zajistily zvýšení vyhledatelnosti webu přes zásadní fráze. V listopadu se sledovaná slova umístila do 10. pozice celkem v 11 případech z 94 možných. V dubnu bylo těchto pozic dosaženo v 67 případech. Jak ukazuje přehled vývoje hodnot jednotlivých KPI (viz kapitola Hodnoty KPI), povedlo se díky optimalizačním aktivitám dosáhnout vynikajících výsledků při naplňování stanovených cílů. Navýšení v hodnotách KPI bylo celoplošné a především kontinuální. Ve většině případů došlo k razantnímu posunu oproti počátečnímu stavu, a v řadě případů se dokonce povedlo kontinuálně zvyšovat hodnoty o více než 100 % oproti předchozímu měsíci.

299 300

Data byla získaná z evidence objednávek v redakčním systému TEXTIS. [Tamtéž].

177

Bližší informace o efektu a přínosu jednotlivých optimalizačních kroků jsou detailně popsány v rámci hodnocení konkrétních měsíců. Podrobná data o dosažených výsledcích praktické práce lze vyčíst taktéž z hodnocení vývoje klíčových ukazatelů výkonnosti a z přehledu pozic klíčových slov. Pro budoucí období doporučujeme zaměřit se nejen na zvyšování návštěvnosti a jejích kvalitativních aspektů, ale navrhujeme provést především optimalizační kroky speciálně cílené na zvýšení komerčních výsledků e-shopu, tj. ladění e-commerce.

178

ZÁVĚR Předmětem předkládané práce bylo zpracování problematiky využití služby Google Analytics pro potřeby analýzy webu a optimalizace návštěvnosti. Především schopnost detailně analyzovat web a ze získaných poznatků odvodit opatření, jež mají vést k posílení návštěvnosti, k navýšení komerčního výsledku a k optimalizaci internetového marketingu, je velice důležitá právě proto, neboť významnou měrou napomáhá při plánování a realizaci efektivního působení v prostředí internetu. Lze konstatovat, že služba Google Analytics, jakožto propracovaný nástroj webové analýzy, může být zásadním pomocníkem nejen pro komerční společnosti, ale i pro zájmové a neziskové organizace (např. knihovny), jejichž primárním cílem není komerční profit. Poznatky získané z naměřených dat napomáhají nejen při hodnocení komerčního výkonu webu, ale poskytují především detailní informace o chování a jednání návštěvníků na webu, jejich potřebách a preferencích, informují o oblíbenosti nabízených služeb, produktů i samotného webového obsahu. S pomocí Google Analytics dokážeme taktéž detailně porovnat úspěšnost internetového marketingu a propagačních aktivit. Díky těmto informacím můžeme vhodně plánovat rozvoj webu – soustředit se na zhodnocení silných stránek a odstranění zjištěných nedostatků. Možností, jak Google Analytics využít, je opravdu mnoho. Před samotným procesem analýzy je však třeba pochopit fungování služby Google Analytics, umět ji aplikovat a vhodně nastavit dle vlastních potřeb (měřicí proces), znát rozhraní, pochopit význam informací v přehledech, vhodně data segmentovat a zobrazit v rámci přehledů. Teprve poté můžeme získat správné a požadované poznatky a aplikovat je v procesu optimalizace webu. Zpracování výše uvedených problematik v podobě uceleného teoretického rámce bylo hlavním cílem diplomové práce. Záměrem práce, jež je strukturována do 2 základních částí, byl mimo jiné především popis využití datových přehledů v procesu analýzy a taktéž aplikace předložených poznatků v rámci praktického příkladu optimalizace návštěvnosti konkrétního webu. Teoretická část přináší informace o tom, jak Google Analytics nastavit, upravit a využívat, což najde uplatnění jako základní manuál pro práci s touto službou

179

a umožní pochopit význam a možnosti vygenerovaných dat, jež služba poskytuje pro potřeby webové analýzy. Struktura teoretické části provádí čtenáře daným tématem od úplných základů a postupně mu předkládá vysvětlení jednotlivých dílčích problematik, jejichž pochopení či výklad je nutný k zajištění efektivního a správného měření dat dle individuálních potřeb. Na tyto poznatky navazují informace, které detailně popisují možnosti a způsoby, jak získaná data vhodně přeformulovat do konkrétních poznatků včetně informací o tom, jaké údaje je možno získat z jednotlivých přehledů. Za hlavní význam praktické části práce lze považovat nejen dosažené výsledky optimalizace návštěvnosti webu, ale především fakt, že byl předložen konkrétní a ucelený praktický příklad, jak využívat data služby Google Analytics při řešení vybraných jevů a oblastí, jež souvisí s optimalizací návštěvnosti. Výsledky praktické části mimo jiné jasně ukazují, že se pro potřeby praktického využití podařilo vhodně uplatnit poznatky předložené v teoretické části práce. Čtenáři jsou objasněny techniky a způsoby využití informací z Google Analytics pro hodnocení a navrhování konkrétních změn. Navíc jsou mu poskytnuty taktéž instrukce, jak naměřená data chápat v kontextu, jak z nich odvodit správné informace a za jakým účelem je použít. Výsledky diplomové práce dokazují, že s pomocí Google Analytics lze velmi efektivně optimalizovat web a získat detailní pochopení návštěvnického chování a hlubších vzájemných souvislostí. Je patrné, že v případě Google Analytics se jedná o efektivní nástroj pro plánování a realizaci rozvoje webu. Hlavní význam Google Analytics lze spatřovat v možnostech využití pro potřeby rozboru webových stránek a jako nástroj určování strategie změn i jejich zpětného hodnocení. Služba Google Analytics je vhodně vyvinutá pro účely sledování návštěvnosti webových stránek a poskytuje podklady pro kompletní analýzu celého webu z mnoha pohledů a dle potřeb uživatele. Pozitivním přínosem Google Analytics je fakt, že automaticky data zpracovává formou přehledných grafů a statistik. Lze tak sledovat, odkud návštěvníci webu přicházejí a jak se stránkami pracují. Existuje více způsobů, možností a technik, jak ladit návštěvnost, provoz a výkon webu, což klade požadavky na případné zpracování dalších souvisejících témat a problematik. Podstatou práce bylo zaměření se na optimalizaci návštěvnosti, avšak neméně významným tématem je problematika využití Google Analytics přímo pro po-

180

třeby optimalizace komerčních výsledků e-shopu. Stejně tak by bylo vhodné zpracovat téma věnující se otázce osobnosti webového analytika a jeho role v procesu webové analýzy. Posledním významným tématem je zpracování problematiky využití Google Analytics pro potřeby institucí neziskového sektoru. Přestože diplomová práce podrobně předkládá informace o tom, jaké možnosti webová analytika v podání Google Analytics poskytuje pro potřeby zefektivňování provozu webu a on-line služeb, musíme jedním dechem dodat, že je nutno brát webovou analytiku jako nástroj, nikoliv jako cíl. Neměli bychom propadnout mylné představě, že statistiky nám ihned a jasně řeknou, zda a co je nutno změnit, v jaké oblasti se rozvíjet, jaké nedostatky odstranit. Nelze totiž naměřená data slepě přebírat – musíme je umět interpretovat v kontextu a v návaznosti na jiné faktory. Využití Google Analytics vyžaduje znalost souvislostí a významu konkrétních dat, neboť nesprávná interpretace dat do podoby návrhu změn může znamenat chybná rozhodnutí a případné negativní ovlivnění v plnění webových cílů. Díky Google Analytics jsou sice naměřená data jednoduše k dispozici, ale odvození nejvhodnějších rozhodnutí a konkrétních závěrů z těchto dat již Google Analytics neumí. Z tohoto důvodu je nutno zlepšovat a prohlubovat zpracování teorie, metodologie i ukázek praktických příkladů využití Google Analytics s ohledem na uplatnění tohoto nástroje pro potřeby širší veřejnosti. I přes výše uvedené poznatky by firmy a organizace měly překonat případné vstupní obavy z použití Google Analytics – časem zjistí, že se nejedná o pomyslný bič na celou organizaci či určitá oddělení, ale o pomocníka, jehož služeb lze využít pro řadu účelů. Pokud firma nebude vyhodnocovat úspěšnost svých webových aktivit, nebude zpracovávat statistiky on-line návštěvnosti, pak jen stěží dosáhne bodu, kdy je její celková on-line mise prováděna účelně a efektivně s ohledem na vytyčené cíle.

181

SEZNAM ZKRATEK API

Application Programming Interface – rozhraní pro programování aplikací.

CPC

Cost Per Click – označení pro internetový reklamní systém (cena za klik).

CRM

Customer Relationship Management – řízení vztahů se zákazníky.

CSV

Comma Separated Values - hodnoty oddělené čárkami (formát určený pro výměnu tabulkových dat).

DOM

Document Object Model – objektový model dokumentu.

GATC

Google Analytics Tracking Code – sledovací kód Google Analytics.

GIF

Graphics Interchange Format – formát rastrové grafiky.

GUI

Graphical User Interface - grafické uživatelské rozhraní.

HTML

HyperText Markup Language – hypertextový značkovací jazyk.

HTTP

HyperText Transfer Protocol – internetový protokol pro přenos hypertextu.

KPI

Key Performance Indicator – klíčové ukazatele výkonnosti.

PPC

Pay Per Click – označení pro internetový reklamní systém (platba za klik).

PR

Public Relations – oblast budování a udržování vztahů s veřejností.

SaaS

Software as a Service – software poskytovaný jako služba.

SEO

Search Engine Optimization - optimalizace pro vyhledávače.

TSV

Tab Separated Values – hodnoty oddělené tabulátorem (formát určený pro výměnu tabulkových dat).

URL

Uniform/Unique Resource Locator - jednoznačné určení zdroje (označení pro webovou adresu zdroje).

XML

Extensible Markup Language - rozšiřitelný značkovací jazyk.

182

SEZNAM OBRÁZKŮ Obr. 1 – Logo Google Analytics ......................................................................................... Obr. 2 – Přihlašovací rozhraní Google Analytics ................................................................ Obr. 3 – Ukázka měřicího kódu GATC ............................................................................... Obr. 4 – Lokální zálohování dat – ukázka kódu .................................................................. Obr. 5 – Soustředění dat do více účtů – ukázka kódu ......................................................... Obr. 6 – Sledování napříč doménami (A) – změna kódu .................................................... Obr. 7 – Sledování napříč doménami (A) – označení odkazu ............................................. Obr. 8 – Sledování napříč doménami (B) – změna kódu .................................................... Obr. 9 – Sledování napříč doménami (B) – označení odkazu ............................................. Obr. 10 – Sledování napříč subdoménami – ukázka kódu .................................................. Obr. 11 – Sledování napříč subdoménami – ukázka filtru .................................................. Obr. 12 – Úprava frekvence sběru dat – ukázka kódu ......................................................... Obr. 13 – Úprava doby trvání relace – ukázka kódu ........................................................... Obr. 14 – Sledování Google Images – ukázka kódu ........................................................... Obr. 15 – Sledování Google Images – ukázka filtru ........................................................... Obr. 16 – Úprava seznamu vyhledávačů – ukázka kódu ..................................................... Obr. 17 – Ukázka nadefinovaného seznamu vyhledávačů .................................................. Obr. 18 – Virtuální zobrazení stránky – označení odkazu .................................................. Obr. 19 – Sledování videa – ukázka označení ..................................................................... Obr. 20 – Odchozí e-mailový odkaz – ukázka označení ..................................................... Obr. 21 – Sledování vstupních odkazů – ukázka označení ................................................. Obr. 22 – Rozdílné pojetí účtu ............................................................................................. Obr. 23 – Ukázka rozhraní profilů ....................................................................................... Obr. 24 – Rozdíl mezi metrikami a dimenzemi ................................................................... Obr. 25 – Ukázka řídicího panelu ........................................................................................ Obr. 26 – Popis uživatelského rozhraní ............................................................................... Obr. 27 – Rozhraní volby metrik ......................................................................................... Obr. 28 – Ukázka rozhraní záložek ..................................................................................... Obr. 29 – Ukázka porovnání hodnot ................................................................................... Obr. 30 – Nabídka exportu dat ............................................................................................ Obr. 31 – Rozhraní pro nastavení posílání reportů .............................................................. Obr. 32 – Rozhraní pro práci s časem ................................................................................. Obr. 33 – Ukázka projektového deníku ............................................................................... Obr. 34 – Ukázka statistik pro vybraný cíl .......................................................................... Obr. 35 – Ukázka nastavení cesty k cíli .............................................................................. Obr. 36 – Vizualizace cesty k cíli ........................................................................................ Obr. 37 – Praktická ukázka křížové segmentace ................................................................. Obr. 38 – Ukázka rozhraní pro vytvoření nového filtru ...................................................... Obr. 39 – Ukázka rozhraní pokročilých segmentů .............................................................. Obr. 40 – Ukázka rozhraní pro nadefinování vlastního segmentu ...................................... Obr. 41 – Ukázka rozhraní přehledu „Zpravodajství“ ......................................................... Obr. 42 – Ukázka funkce „Vizualizace na webu“ ............................................................... Obr. 43 – Srovnávací statistika vyhledávání – říjen 2009-duben 2010 ............................... Obr. 44 – Ukázka nastavení automatického upozornění ..................................................... Obr. 45 – Ukázka nastavení filtru ........................................................................................ Obr. 46 – Ukázka pokročilých segmentů ............................................................................ Obr. 47 – Nastavení cesty k cíli ........................................................................................... Obr. 48 – Typy prohlížečů ................................................................................................... Obr. 49 – Rychlost připojení ............................................................................................... Obr. 50 – Operační systémy ................................................................................................

13 22 24 27 27 28 29 29 29 30 30 31 31 32 32 33 34 36 38 38 40 45 46 47 48 49 50 50 51 52 53 54 55 58 59 60 62 63 64 66 69 76 87 92 93 94 96 97 97 98

183

Obr. 51 – Barevné režimy .................................................................................................... Obr. 52 – Rozlišení obrazovky ............................................................................................ Obr. 53 – Statistika přímé návštěvnosti – říjen-listopad ..................................................... Obr. 54 – Statistika návštěvnosti z odkazujících zdrojů – říjen-listopad ............................ Obr. 55 – Statistika návštěvnosti z vyhledávačů – říjen-listopad ........................................ Obr. 56 – Nejpoužívanější klíčová slova – říjen-listopad ................................................... Obr. 57 – Google – klíčová slova a vstupní stránky – říjen-listopad .................................. Obr. 58 – Google – vstupní stránky se 100% mírou opuštění – říjen-listopad .................... Obr. 59 – Seznam – klíčová slova a vstupní stránky – říjen-listopad ................................. Obr. 60 – Seznam – vstupní stránky se 100% mírou opuštění – říjen-listopad ................... Obr. 61 – Přehled nejnavštěvovanějších stránek – říjen-listopad ........................................ Obr. 62 – Nejčastější vstupní stránky – říjen-listopad ......................................................... Obr. 63 – Ukázka nerelevantních vstupních slov vůči zobrazeným stránkám .................... Obr. 64 – Stránky s nejvyšší mírou opuštění – říjen-listopad ............................................. Obr. 65 – Stránky s počtem zobrazení více než 25 a vysokým procentem odchodů – říjen-listopad ...................................................................................... Obr. 66 – Stránky s největším počtem zobrazení (více než 10) s ohledem na zdroj přístupu – říjen-listopad ....................................................................................... Obr. 67 – Stránky s největší mírou opuštění s ohledem na zdroj přístupu a počtem zobrazení větším než 10 – říjen-listopad ............................................................. Obr. 68 – Podoba titulní stránky před optimalizaci ............................................................. Obr. 69 – Vizualizace prokliků – říjen-listopad .................................................................. Obr. 70 – Základní údaje o návštěvnosti – říjen .................................................................. Obr. 71 – Zdroje provozu – říjen ......................................................................................... Obr. 72 – Nejpoužívanější klíčová slova – říjen ................................................................. Obr. 73 – Nejzobrazovanější stránky – říjen ....................................................................... Obr. 74 – Nejčastější vstupní stránky – říjen ....................................................................... Obr. 75 – Základní údaje o návštěvnosti (porovnání s říjnem) ........................................... Obr. 76 – Zdroje provozu (porovnání s říjnem) .................................................................. Obr. 77 – Nejpoužívanější klíčová slova – listopad ............................................................ Obr. 78 – Nejzobrazovanější stránky – listopad .................................................................. Obr. 79 – Nejčastější vstupní stránky – listopad ................................................................. Obr. 80 – Ukázka stránky po úpravě obsahu ....................................................................... Obr. 81 – Ukázka původního textu a katalogového výpisu ................................................. Obr. 82 – Ukázka úpravy – metatagy .................................................................................. Obr. 83 – Přehled prokliků – říjen-prosinec ........................................................................ Obr. 84 – Údaje o návštěvnosti (porovnání s listopadem) .................................................. Obr. 85 – Zdroje provozu (porovnání s listopadem) ........................................................... Obr. 86 – Nejpoužívanější klíčová slova – prosinec ........................................................... Obr. 87 – Nejzobrazovanější stránky – prosinec ................................................................. Obr. 88 – Nejčastější vstupní stránky – prosinec ................................................................ Obr. 89 – Porovnání návštěvnosti z vyhledávačů – prosinec/březen .................................. Obr. 90 – Statistika nejnavštěvovanějších stránek – prosinec ............................................. Obr. 91 – Statistika nejnavštěvovanějších stránek – březen ................................................ Obr. 92 – Míra opuštění nejvýkonnějších vstupních stránek v porovnání se zdrojem ........ Obr. 93 – Statistiky návštěvnosti – vyhledávače – porovnání prosinec/březen .................. Obr. 94 – Vstupní klíčová slova – březen ........................................................................... Obr. 95 – Porovnání míry konverze – říjen-prosinec/leden-březen .................................... Obr. 96 – Klíčová slova – porovnání prosinec/březen ........................................................ Obr. 97 – Nejnavštěvovanější stránky – porovnání prosinec/březen .................................. Obr. 98 – Nejlepší vstupní stránky v porovnání s klíčovým slovem – březen..................... Obr. 99 – Vyhledávače s nízkým výkonem – březen .......................................................... Obr. 100 – Nejvýkonnější vstupní stránky s největší mírou opuštění – březen ..................

98 98 99 99 100 100 101 101 101 102 104 104 105 105 105 106 106 107 108 109 109 109 110 110 110 111 111 111 112 114 115 115 117 118 118 119 119 119 120 121 121 121 123 123 123 124 124 125 126 126

184

Obr. 101 – Hodnoty titulní stránky – porovnání prosinec/leden ......................................... Obr. 102 – Hodnoty titulní stránky – porovnání leden/únor ............................................... Obr. 103 – Souhrn navigace titulní stránky – porovnání leden/únor ................................... Obr. 104 – Souhrn navigace – přechod z titulní stránky – porovnání prosinec/leden ......... Obr. 105 – Nejnavštěvovanější produktové kategorie – porovnání prosinec/leden ............ Obr. 106 – Statistika návštěvnosti a kvalitativních aspektů – porovnání prosinec/březen .. Obr. 107 – Míra dokončení objednávky (přístup přes klíčové slovo „vodní rostliny“) – březen ............................................................................................ Obr. 108 – Vstupní stránky sekce „Vodní rostliny“ v porovnání s klíčovými slovy – březen ................................................................................................... Obr. 109 – Dokončení objednávky přes klíčové slovo „vodní rostliny“ – prosinec-duben Obr. 110 – Nejčastější vstupní klíčové slovo – prosinec-duben .......................................... Obr. 111 – Odkazující stránky – prosinec ........................................................................... Obr. 112 – Statistiky návštěvnického segmentu s délkou návštěvy menší než 2 minuty .... Obr. 113 – Údaje o návštěvnosti (porovnání s prosincem) ................................................. Obr. 114 – Zdroje provozu (porovnání s prosincem) .......................................................... Obr. 115 – Nejpoužívanější klíčová slova – leden .............................................................. Obr. 116 – Nejzobrazovanější stránky – leden .................................................................... Obr. 117 – Nejčastější vstupní stránky – leden ................................................................... Obr. 118 – Přehled odkazujících stránek – leden ................................................................ Obr. 119 – Míra konverze odkazujících zdrojů – leden-duben ........................................... Obr. 120 – Přehled odkazujících stránek – leden-duben ..................................................... Obr. 121 – Návštěvy z odkazujících zdrojů – porovnání období leden-březen/říjen-prosinec .............................................................................. Obr. 122 – Odkazující zdroje s největší mírou opuštění (počet návštěv 2 a více) – leden-duben ..................................................................................... Obr. 123 – Přehled návštěvnosti – stránky sekce „Bazénové fólie“ – leden-duben ............ Obr. 124 – Vstupní stránky sekce „Bazénové fólie“ – leden-duben ................................... Obr. 125 – Přehled návštěvnosti – stránky sekce „Plovoucí osvětlení“ – leden-duben ...... Obr. 126 – Vstupní stránky sekce „Plovoucí osvětlení“ – leden-duben .............................. Obr. 127 – Přehled návštěvnosti stránek sekce „Příslušenství k vodním rostlinám“ – leden-duben .................................................................................. Obr. 128 – Vstupní stránky sekce „Příslušenství k vodním rostlinám“ – leden-duben ....... Obr. 129 – Přehled návštěvnosti – stránky sekce „Síťky“ – leden-duben ........................... Obr. 130 – Vstupní stránky sekce „Síťky“ – leden-duben .................................................. Obr. 131 – Souhrn navigace – článek sekce „Rady a tipy“ – leden .................................... Obr. 132 – Statistiky zobrazení stránek dané sekce – únor ................................................. Obr. 133 – Přechod z článku „Tvorba, výstavba a plánování zahradních jezírek“ – únor .. Obr. 134 – Vstupní stránky sekce „Rady a tipy“ – březen .................................................. Obr. 135 – Statistiky zobrazení stránek dané sekce – březen .............................................. Obr. 136 – Vizualizace prokliku pro jednotlivé články – leden-duben ............................... Obr. 137 – Detail prokliku odkazů v článku „Jak vybrat vodní rostliny pro jezírka“ ......... Obr. 138 – Nejefektivnější vstupní stránky – leden-duben ................................................. Obr. 139 – Význam stránek sekce pro dokončení objednávky – leden-duben .................... Obr. 140 – Facebook – Ukázka titulní stránky .................................................................... Obr. 141 – Facebook – Stránka „Fotky“ (fotogalerie) ........................................................ Obr. 142 – Ukázka mikrowebu ............................................................................................ Obr. 143 – Návštěvníci – zobrazení více než 9 stránek za návštěvu – porovnání leden/únor ......................................................................................................... Obr. 144 – Údaje o návštěvnosti (porovnání s lednem) ...................................................... Obr. 145 – Zdroje provozu (porovnání s lednem) ............................................................... Obr. 146 – Nejpoužívanější klíčová slova – únor ............................................................... Obr. 147 – Nejzobrazovanější stránky – únor .....................................................................

127 127 128 128 129 130 131 131 131 132 132 134 135 135 135 136 136 137 138 138 138 139 139 139 140 140 140 140 140 141 142 142 142 143 143 143 144 144 144 146 147 148 149 149 150 150 150

185

Obr. 148 – Nejčastější vstupní stránky – únor ..................................................................... Obr. 149 – Zobrazené stránky – přístupy z Facebooku – únor-duben ................................ Obr. 150 – Přístupy z Facebooku – únor-duben .................................................................. Obr. 151 – Dokončení objednávky – únor-duben ............................................................... Obr. 152 – Kvalita návštěv z mikrowebu (porovnání se všemi odkazujícími zdroji) – únor-duben ......................................................................................... Obr. 153 – Dokončení objednávky – únor-duben ............................................................... Obr. 154 – Nejvýkonnější odkazující stránky mikrowebu – únor-duben ............................ Obr. 155 – Nejzobrazovanější stránky u segmentu návštěvníků z mikrowebu – únor-duben ............................................................................... Obr. 156 – Nejvýkonnější odkazující zdroje pro dokončení objednávky – únor-duben ..... Obr. 157 – Vstupní stránky – únor-duben ........................................................................... Obr. 158 – Nejzobrazovanější stránky sekce „Co jsou“ – únor-duben ............................... Obr. 159 – Přehled klíčových slov vstupních stránek – únor-duben ................................... Obr. 160 – Navigace stránky „Co je to hladinový sběrač“ – únor-duben ........................... Obr. 161 – Míra dokončení objednávky – odkazující zdroje – porovnání listopad-leden/únor-duben ................................................................................ Obr. 162 – Poměr návštěv z odkazujících stránek – porovnání leden/únor ........................ Obr. 163 – Ukázka objednávkového rozhraní po realizaci změn ........................................ Obr. 164 – Ukázka zápisu v „Google Mapy“ ...................................................................... Obr. 165 – Ukázka článku zveřejněného na webu „PR Brána“........................................... Obr. 166 – Přehled dokončených objednávek (srovnání v čase) – porovnání únor/březen Obr. 167 – Údaje o návštěvnosti (porovnání s únorem) ...................................................... Obr. 168 – Zdroje provozu (porovnání s únorem) ............................................................... Obr. 169 – Nejpoužívanější klíčová slova – březen ............................................................ Obr. 170 – Nejnavštěvovanější stránky – březen ................................................................ Obr. 171 – Nejčastější vstupní stránky – březen ................................................................. Obr. 172 – Vizualizace objednávkového procesu – březen ................................................. Obr. 173 – Vizualizace objednávkového procesu – duben ................................................. Obr. 174 – E-mailová kampaň – statistiky návštěv ............................................................. Obr. 175 – E-mailová kampaň – statistika plnění vybraných cílů ....................................... Obr. 176 – E-mailová kampaň – vstupní stránky ................................................................ Obr. 177 – Vizualizace na webu – hlavní menu – kategorie „Péče o jezírko“ – únor ........ Obr. 178 – Vizualizace na webu – hlavní menu – kategorie „Péče o jezírko“ – březen ..... Obr. 179 – Statistiky stránek sekce „Péče o jezírko“ – porovnání únor/březen .................. Obr. 180 – Přístupy z nově získaných odkazujících stránek – březen-duben ..................... Obr. 181 – Míra dokončení objednávky – březen-duben .................................................... Obr. 182 – Statistika zdroje „PR brána“ – křížová segmentace odkazujících a vstupních stránek – březen-duben ..................................................................................... Obr. 183 – Přehled dokončených objednávek (porovnání s provozem vyhledávání) – prosinec 2009-duben 2010 ....................................................... Obr. 184 – Statistika návštěvnosti – porovnání stavu říjen/duben ...................................... Obr. 185 – Statistika dokončených objednávek – prosinec 2008-duben 2009 .................... Obr. 186 – Statistika dokončených objednávek – prosinec 2009-duben 2010 ....................

151 151 152 152 153 153 153 153 154 154 155 155 156 156 157 158 160 160 161 161 162 162 162 163 164 165 165 166 166 167 167 167 168 168 169 175 176 177 177

186

POUŽITÁ LITERATURA 1.

10 Must Track Google Analytics Goals. Web Analytics World Blog [online]. 4. March 2009 [cit. 2009-10-06]. Dostupné z WWW: .

2.

Accounts and Profiles. Google Analytics - Google Code [online]. c2009 [cit. 2009-10-02]. Dostupné z WWW: .

3.

Aktualizace služby Google Analytics. Nápověda Analytics [online]. c2009 [cit. 2009-09-09]. Dostupné z WWW: .

4.

ALTOFT, Patrick. Playing with Google Analytics Intelligence. Blogstorm [online]. 20. November 2009 [cit. 2009-12-06]. Dostupné z WWW: .

5.

APPELTAUER, Roman. Kampaňové parametry v Google Analytics. Blog analytika [online]. 7. 7. 2009 [cit. 2009-09-28]. Dostupné z WWW: .

6.

APPELTAUER, Roman. KPI : Kašlete na starý čísla. Blog analytika [online]. 1. 12. 2009 [cit. 2009-11-12]. Dostupné z WWW: .

7.

AUBE, Jeremy. Tracking Subdomains. The ROI Revolution Blog [online]. 27. March 2008 [cit. 2009-09-24]. Dostupné z WWW: .

8.

BOHÁČKOVÁ, Klára. Postřehy z webové analytiky - Jak se počítá míra konverze v Google Analytics?. RobertNemec.com [online]. 19. 01. 2010 [cit. 2010-02-13]. Dostupné z WWW: .

9.

BOHÁČKOVÁ, Klára. Přednáška předmětu Webová analytika. (přednáška) Brno : Masarykova univerzita, 8. 4. 2010 [cit. 2010-04-10].

10.

BOHÁČKOVÁ, Klára; NĚMEC, Robert. Jak se vyhnout zkreslování údajů - segmentace návštěvníků a filtry. RobertNemec.com [online]. 13. 10. 2009 [cit. 2009-10-28]. Dostupné z WWW: .

11.

BOHÁČKOVÁ, Klára; NĚMEC, Robert. Klíčové ukazatele výkonnosti (KPI) - jak sledovat to nejdůležitější. RobertNemec.com [online]. 22. 10. 2009 [cit. 2009-12-03]. Dostupné z WWW: .

12.

BOHÁČKOVÁ, Klára; NĚMEC, Robert. Řídící panel, KPI, výběr časového období a export dat. RobertNemec.com [online]. 08. 09. 2009 [cit. 2009-10-03]. Dostupné z WWW: .

187

13.

BRÁZDA, Jiří. Co vám Ecommerce v Google Analytics neřekne. Web Analytics Wednesday (Czech Republic &Slovakia) [online]. 8. 6. 2009 [cit. 2009-09-29]. Dostupné z WWW: .

14.

BRÁZDA, Jiří. Jak přesný je Ecommerce v Google Analytics?. Web Analytics Wednesday (Czech Republic &Slovakia) [online]. 28. 5. 2009 [cit. 2009-11-08]. Dostupné z WWW: .

15.

BRÁZDA, Jiří. Nástroje webové analytiky v Česku : penetrace jednotlivých nástrojů a srovnání s globálním průměrem. SlideShare.net [online]. 17. 6. 2009 [cit. 2009-09-08]. Dostupné z WWW: .

16.

BRIGHT, Doug. E-Commerce Web Analytics Market Share (January 2010). Istobe : eCommerce Recommendation Engine (beta) [online]. 25. January 2010 [cit. 2010-01-29]. Dostupné z WWW: .

17.

CLIFTON, Brian. Google Analytics : podrobný průvodce webovými statistikami. Vyd. 1. Brno : Computer Press, 2009. 334 s. ISBN 978-80-251-2231-0.

18.

Co je asynchronní měřicí kód Google Analytics?. Nápověda Analytics [online]. c2009 [cit. 2009-09-19]. Dostupné z WWW: .

19.

Co je funkce _trackPageview a jak mi může pomoci?. Nápověda Analytics [online]. c2009 [cit. 2009-09-20]. Dostupné z WWW: .

20.

Cookies. In Wikipedia : the free encyclopedia [online]. St. Petersburg (Florida) : Wikipedia Foundation, 14. 10. 2004, last modified on 10. 9. 2009 [cit. 2009-09-16]. Dostupné z WWW: .

21.

Corporate Information : Google Milestones. Google.com [online]. c2009 [cit. 2009-09-07]. Dostupné z WWW: .

22.

CROSBY, Brett. Share Customizations and Dive Much Deeper, Available Soon… Google Analytics Blog [online]. 6. May 2009 [cit. 2009-09-10]. Dostupné z WWW: .

23.

Cross-Domain Tracking. Google Analytics - Google Code [online]. c2009 [cit. 2009-0922]. Dostupné z WWW: .

24.

CSV. In Wikipedia : the free encyclopedia [online]. St. Petersburg (Florida) : Wikipedia Foundation, 27. 1. 2006, last modified on 17. 3. 2009 [cit. 2009-09-20]. Dostupné z WWW: .

25.

Customer relationship management. In Wikipedia : the free encyclopedia [online]. St. Petersburg (Florida) : Wikipedia Foundation, 1. 9. 2004, last modified on 1. 6. 2009

188

[cit. 2009-09-11]. Dostupné z WWW: . 26.

CUTRONI, Justin. Google Analytics Cross Segmentation : Something You Should Know. Analytics Talk [online]. 6. March 2007 [cit. 2009-10-12]. Dostupné z WWW: .

27.

CUTRONI, Justin. Measuring Internal Site Search with Google Analytics. Analytics Talk [online]. 12. September 2006 [cit. 2009-09-28]. Dostupné z WWW: .

28.

CUTRONI, Justin. New Google Analytics Goals. Analytics Talk [online]. 20. October 2009 [cit. 2009-10-30]. Dostupné z WWW: .

29.

CUTRONI, Justin. Event Tracking Pt. 1 : Overview & Data Model. Analytics Talk [online]. 16. October 2007 [cit. 2009-09-30]. Dostupné z WWW: .

30.

CUTRONI, Justin. Google Analytics Advanced Segmentation. Analytics Talk [online]. 22. October 2008 [cit. 2009-10-15]. Dostupné z WWW: .

31.

CUTRONI, Justin. UPDATED: Integrating Google Analytics with a CRM. Analytics Talk [online]. 18. March 2009 [cit. 2009-09-13]. Dostupné z WWW: .

32.

DANNY. How To Track Sub-Domains/Cross-Domains in Google Analytics. DannyTalk [online]. 5. April 2009 [cit. 2009-09-23]. Dostupné z WWW: .

33.

Document Object Model. In Wikipedia : the free encyclopedia [online]. St. Petersburg (Florida) : Wikipedia Foundation, 3. 1. 2006, last modified on 12. 9. 2009 [cit. 2009-0917]. Dostupné z WWW: .

34.

DUŠEK, Roman; KOKEŠOVÁ, Nikol. Nástroje Google : 7. Google Analytics. Zpravodaj ÚVT MU [online]. 2009, XX, 2, [cit. 2009-11-11]. s. 19-24. Dostupný z WWW: . ISSN 1212-0901.

35.

E-business versus e-commerce. Austrade [online]. c2009 [cit. 2009-09-14]. Dostupné z WWW: .

36.

Event Tracking Guide. Google Analytics - Google Code [online]. c2009 [cit. 2009-09-30]. Dostupné z WWW: .

37.

FENDRYCH, Adam. Nenechte své návštěvníky odcházet pryč. Dobrý web [online]. 23. 4. 2008 [cit. 2009-10-20]. Dostupné z WWW: .

189

38.

Functional Overview. Google Analytics - Google Code [online]. c2009 [cit. 2009-09-17]. Dostupné z WWW: .

39.

Funkce pro podniky, které Google přináší v prvotřídní platformě. Google Analytics : Official Website [online]. c2009 [cit. 2009-09-14]. Dostupné z WWW: .

40.

GILLIAM, Roger. Using Google Analytics Virtual Pageviews to Help Increase Conversions. Closed Loop Marketing Blog [online]. 18. August 2008 [cit. 2009-29-09]. Dostupné z WWW: .

41.

GOOD, Robin. Online Key Performance Indicators : Select And Identify Your Strategic KPI To Measure Your Website Progress. Robin Good's Master New Media [online]. 18. February 2009 [cit. 2009-11-29]. Dostupné z WWW: .

42.

Google Analytics - Google Code [online]. c2009 [cit. 2009-09-21]. Dostupné z WWW: .

43.

Google Analytics : Official Website [online]. c2009 [cit. 2009-09-05]. Dostupné z WWW: .

44.

Google Analytics Cookies. The Analytics Blogger [online]. 07. Feb. 2010 [cit. 2010-0210]. Dostupné z WWW: <www.godspeed23.com/analytics/2010/02/google-analyticscookies/>.

45.

Google Analytics Cookies. The Chatterbox [online]. 3. October 2008 [cit. 2009-09-21]. Dostupné z WWW: .

46.

Google Analytics Intelligence Reports. Analytics Market [online]. 02. 05. 2010 [cit. 201005-16]. Dostupné z WWW: .

47.

Google Analytics. In Wikipedia : the free encyclopedia [online]. St. Petersburg (Florida) : Wikipedia Foundation, 14. November 2005, last modified on 6. September 2009 [cit. 200909-07]. Dostupné z WWW: .

48.

Google Conversion University [online]. c2009 [cit. 2009-12-05]. Dostupné z WWW: .

49.

HAMEL, Stéphane. Definition of Web Analytics. Immeria : an immersion in analytics [online]. 28. 8. 2009 [cit. 2009-09-04]. Dostupné z WWW: .

50.

Help Yourself to a KPI!. GrokDotCom [online]. 6. 1. 2004 [cit. 2009-11-29]. Dostupné z WWW: .

51.

How do I create and use advanced segments?. Analytics Help [online]. c2009 [cit. 2009-10-

190

16]. Dostupné z WWW: . 52.

How do I set up goals and funnels?. Analytics Help [online]. c2009 [cit. 2009-10-09]. Dostupné z WWW: .

53.

CHAFFEY, Dave. Define E-business and E-commerce (what is difference between Ebusiness and Ecommerce?). DaveChaffey.com : Your Guide to Digital Business [online]. c2000-2009 [cit. 2009-09-14]. Dostupné z WWW: .

54.

Improve Conversion Using Google Analytics & Virtual Pageviews. TechWyse Internet Marketing [online]. 28. May 2009 [cit. 2009-09-27]. Dostupné z WWW: .

55.

Jak lze propojit účet Google Analytics s účtem AdWords?. Nápověda Analytics [online]. c2009 [cit. 2009-10-01]. Dostupné z WWW: .

56.

Jak ukládat data z Google Analytic do více účtů?. Budík : Abyste nezaspali nic důležitého (SEO, tvorba stránek, web, utility) [online]. 7. 11. 2009 [cit. 2009-11-20]. Dostupné z WWW: .

57.

Jak v Google Analytics sledovat stažené soubory?. Budík : Abyste nezaspali nic důležitého (SEO, tvorba stránek, web, utility) [online]. 12. 3. 2008 [cit. 2009-09-27]. Dostupné z WWW: .

58.

Jaká přizpůsobení umožňuje kód sledování služby Analytics?. Nápověda Analytics [online]. c2009 [cit. 2009-09-21]. Dostupné z WWW: .

59.

Jaké druhy přehledů nabízí část Cíle?. Nápověda Analytics [online]. c2009 [cit. 2009-1102]. Dostupné z WWW: .

60.

Jaké typy přehledů nabízí oddíl Návštěvník?. Nápověda Analytics [online]. c2009 [cit. 2009-10-18]. Dostupné z WWW: .

61.

Jaké typy přehledů nabízí sekce Elektronický obchod?. Nápověda Analytics [online]. c2009 [cit. 2009-11-16]. Dostupné z WWW: .

62.

Jaké typy přehledů nabízí sekce Obsah?. Nápověda Analytics [online]. c2009 [cit. 2009-1029]. Dostupné z WWW: .

63.

Jaký je rozdíl mezi shodou nadpisu, přesnou shodou a shodou regulárních výrazů?. Nápověda Analytics [online]. c2009 [cit. 2009-10-07]. Dostupné z WWW:
191

_id=ad>. 64.

JANOVSKÝ, Dušan. Google Analytics : jak používat statistický nástroj Google. Jak psát web : O tvorbě internetových stránek [online]. 2009 [cit. 2009-09-12]. Dostupné z WWW: .

65.

JAŠEK, Pavel. Interní vyhledávání pod drobnohledem – 3. díl. Dobrý web [online]. 8. 9. 2008 [cit. 2009-10-30]. Dostupné z WWW: .

66.

JAŠEK, Pavel. Odborná konzultace ze dne 11. 5. 2010. 11. 5. 2010 [cit. 2010-05-15]. On-line komunikace.

67.

JAŠEK, Pavel. Odborná konzultace ze dne 24. 5. 2010. 24. 5. 2010 [cit. 2010-05-27]. On-line komunikace.

68.

JAŠEK, Pavel. Pokročilé filtry v Google Analytics. Dobrý web [online]. 5. 11. 2009 [cit. 2009-02-12]. Dostupné z WWW: .

69.

JAŠEK, Pavel. Smluvní ujednání o užívání služeb Google Analytics. Dlouhý chvost : Analýza, statistika a ekonomika internetových stránek [online]. 25. 10. 2008 [cit. 2009-0912]. Dostupné z WWW: .

70.

JAŠEK, Pavel. Webová analytika v internetovém obchodování. Praha : Vysoká škola ekonomická v Praze, Fakulta informatiky a statistiky. Katedra informačních technologií, 2008. 66 s. Vedoucí práce Prof. Ing. Jaroslav Jandoš, CSc.

71.

JavaScript. In Wikipedia : the free encyclopedia [online]. St. Petersburg (Florida) : Wikipedia Foundation, 12. 8. 2004, last modified on 19. 8. 2009 [cit. 2009-09-16]. Dostupné z WWW: .

72.

KAMENAR, Joe. Actionable Web Metrics You Can Use – Part 2. Edgewater Technology Weblog [online]. 25. February 2010 [cit. 2010-02-30]. Dostupné z WWW: .

73.

KAUSHIK, Avinash. Google Analytics Releases Advanced Segmentation : Now Be A Ninja!. Occam's Razor by Avinash Kaushik [online]. 22. Oct. 2008 [cit. 2009-10-11]. Dostupné z WWW: .

74.

KAUSHIK, Avinash. Web analytics : an hour a day [online]. Indianapolis : Sybex, c2007 [cit. 2009-09-04]. 443 s. Dostupné z WWW: .

75.

KLÁN, Petr. Webová analytika [online]. 9. 12. 2008 [cit. 2009-09-15]. Dostupné z WWW: <www.cs.cas.cz/pklan/webovaanalytika.doc>.

76.

KLEIN, Roman. Analýza Google Analytics. Brno : Masarykova univerzita, Fakulta

192

informatiky. 2009. 33 s. Vedoucí práce Mgr. Martin Šárfy. Dostupné z WWW: . 77.

KOMÁR, Jiří. Projektový deník v Google Analytics je super. Seo-slovník.cz [online]. 05. 03. 2010 [cit. 2010-03-22]. Dostupné z WWW: .

78.

KORPELA, Jukka. Tab Separated Values (TSV) : a format for tabular data exchange [online]. 12. 2. 2005 [cit. 2009-10-02]. Dostupné z WWW: .

79.

Metrics and Dimensions. Google Analytics - Google Code [online]. c2009 [cit. 2009-1003]. Dostupné z WWW: .

80.

MIHAILOVSKI, Nick. Event Tracking Now Available in All Accounts. Google Analytics Blog [online]. 04. June 2009 [cit. 2009-09-30]. Dostupné z WWW: .

81.

MUSELÍK, Michael. Měření a vyhodnocování návštěvnosti webu nástroji Google. SlideShare [online]. [cit. 2009-11-20]. Dostupné z WWW: .

82.

Nastavení Google Analytics pro SEO. SEO konzultant [online]. [cit. 2009-09-30]. Dostupné z WWW: .

83.

NĚMEC, Robert. Přednáška předmětu Webová analytika. (přednáška) Brno : Masarykova univerzita, 18. 3. 2010 [cit. 2010-03-26].

84.

NĚMEC, Robert. Přednáška předmětu Webová analytika. (přednáška) Brno : Masarykova univerzita, 22. 4. 2010 [cit. 2010-04-24].

85.

NĚMEC, Robert. Přednáška předmětu Webová analytika. (přednáška) Brno : Masarykova univerzita, 25. 3. 2010 [cit. 2010-03-26].

86.

NĚMEC, Robert; BOHÁČKOVÁ, Klára. Implementace Google Analytics. RobertNemec.com [online]. 03. 09. 2009 [cit. 2009-10-01]. Dostupné z WWW: .

87.

NĚMEC, Robert; BOHÁČKOVÁ, Klára. Jak zjistíte, na jakých stránkách zapracovat nejdříve - Přehled Obsah. RobertNemec.com [online]. 29. 09. 2009 [cit. 2009-10-30]. Dostupné z WWW: .

88.

NĚMEC, Robert; BOHÁČKOVÁ, Klára. Proč se vám vyplatí sledovat webová analytika (web analytics). RobertNemec.com [online]. 25. 8. 2009 [cit. 2009-09-13]. Dostupné z WWW: .

89.

NĚMEC, Robert; BOHÁČKOVÁ, Klára. Překryvná data mapy. RobertNemec.com [online]. 17. 09. 2009 [cit. 2009-10-18]. Dostupné z WWW: .

193

90.

NĚMEC, Robert; BOHÁČKOVÁ, Klára. Řídící panel, KPI, výběr časového období a export dat. RobertNemec.com [online]. 8. 9. 2009 [cit. 2009-09-21]. Dostupné z WWW: .

91.

Online Copywriting : Subscribe to the Excess Voice Newsletter [online]. 2009 [cit. 200911-21]. Dostupné z WWW: .

92.

On-page faktory. Adaptic [online]. c2005 - 2009 [cit. 2009-12-05]. Dostupné z WWW: .

93.

RADHAKRISHNAN. Google Image Search : How to Track Google Image Search Keywords in Google Analytics?. Internet Marketing Insights [online]. 24. November 2009 [cit. 2009-11-29]. Dostupné z WWW: .

94.

RAUCH, Tomáš. Co může ukázat $ Index v Google Analytics. Dobrý web [online]. 30. 4. 2009 [cit. 2009-10-08]. Dostupné z WWW: .

95.

SaaS. In Wikipedia : the free encyclopedia [online]. St. Petersburg (Florida) : Wikipedia Foundation, 16. 6. 2008, last modified on 27. 7. 2009 [cit. 2009-09-21]. Dostupné z WWW: .

96.

Sampling. Google Analytics - Google Code [online]. c2009 [cit. 2009-09-24]. Dostupné z WWW: .

97.

Search Engine Optimization. In Wikipedia : the free encyclopedia [online]. St. Petersburg (Florida) : Wikipedia Foundation, 17. 8. 2005, last modified on 8. 8. 2009 [cit. 2009-0914]. Dostupné z WWW: .

98.

Statistiky vyhledávání Google [online]. c2010 [cit. 2010-05-11]. Dostupné z WWW: .

99.

STEIF, Robbin. Dimensions vs Metrics : What's the difference?. LunaMetrics [online]. 22. June 2009 [cit. 2009-10-02]. Dostupné z WWW: .

100. ŠPINAR, David. Analýzy návštěvnosti a efektivity webu. NaH1 [online]. [cit. 2010-0129]. Dostupné z WWW: <www.h1.cz/att/MG427_4_navstevnost.ppt>. 101. TESAŘ, Milan. Key Performance Indicators (KPI) - 1. díl. MilanTesar.net [online]. 9. prosinec 2007 [cit. 2009-11-26]. Dostupné z WWW: . 102. The URLs for each step in my Defined Funnel Path are identical. How can I track each step as if it were a unique URL?. Analytics Help [online]. c2009 [cit. 2010-10-17]. Dostupné z WWW: . 103. TICHÝ, Jan. 10 novinek v Google Analytics. NaH1 [online]. 21. 10. 2009 [cit. 2009-11-

194

02]. Dostupné z WWW: . 104. TICHÝ, Jan. Google Analytics mají konečně veřejné API. NaH1 [online]. 22. 4. 2009 [cit. 2009-09-09]. Dostupné z WWW: . 105. TICHÝ, Jan. Open Monday : Možnosti propojení Google AdWords a Google Analytics. NaH1 [online]. 17. 6. 2009 [cit. 2009-09-18]. Dostupné z WWW: . 106. Tracking API : Basic Configuration. Google Analytics - Google Code [online]. c2009 [cit. 2009-09-25]. Dostupné z WWW: . 107. Tracking regional search engines in Google Analytics. Cybercom's Digital Marketing Blog [online]. 05. November 2008 [cit. 2009-09-26]. Dostupné z WWW: . 108. Tracking Subdomains in Google Analytics. Analytics Market [online]. 05. 01. 2009 [cit. 2009-09-23]. Dostupné z WWW: . 109. TYLER, Mary E.; LEDFORD, Jerri L. Google Analytics. Vyd. 1. Indianapolis : Wiley Publishing, Inc., 2006. 316 s. 110. Using the Traditional Snippet. Google Analytics - Google Code [online]. c2009 [cit. 200909-18]. Dostupné z WWW: . 111. WATSON, Frank. Virtual Pageviews : Ways to Measure so Much More With Analytics. Search Engine Watch [online]. 22. Jan. 2010 [cit. 2010-28-1]. Dostupné z WWW: . 112. Web 2.0. SYMBIO [online]. 1999-2009 [cit. 2009-09-29]. Dostupné z WWW: . 113. Web Analytics Definitions. ClickInsight [online]. 22. September 2008 [cit. 2009-10-20]. Dostupné z WWW: . 114. WHITMORE, Caleb. Understanding Google Analytics "cookie domain" settings. Analytics Pros [online]. 07. January 2010 [cit. 2010-01-15]. Dostupné z WWW: . 115. Who Runs Analytics?. Top 500 Retail Websites Report. WASP Blog : Just about Web Analytics Solution Profiler and online analytics [online]. 24. February 2010 [cit. 2010-0227]. Dostupné z WWW: .

195

PŘÍLOHY Příloha č. 1 Ukázka kódu pro sledování elektronického obchodu na webu www.zahradni-jezirko.cz

196