Publikováno na Inflow.cz (http://www.inflow.cz/sluzba-google-analytics-jeji-vyuziti-pro-potrebyanalyzy-optimalizace-webovych-stranek-cast-iii)
Služba Google Analytics a její využití pro potřeby analýzy a optimalizace webových stránek. Část III. 6. 2. 2011 Čech Martin
Článek je závěrečnou částí výtahu z magisterské diplomové práce Služba Google Analytics a její využití pro potřeby analýzy a optimalizace webových stránek. Pozn. redakce: jedná se o třetí část výtahu z magisterské diplomové práce: 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. Marin Kráčál, DiS.
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. 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). Cíle jsou tedy velmi efektivním způsobem, jak vyjádřit a měřit konverze a plnění nadefinovaných cílů pro daný web. Za konverzi se běžně považuje změna návštěvníka na zákazníka[1], 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 košíku[2]). 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: 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. 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: 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. 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: 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 definování cíle za pomoci URL adresy je důležité vybrat správně typ shody z následujících variant: Hlavní shoda - pro dynamicky generované URL[3].
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 výrazů[4]. 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.
Ukázka statistik pro vybraný cíl Jak uvádí Tomáš Rauch: ...každý nový cíl je vhodné reálně ohodnotit - tj. přiřadit mu určitou hodnotu při jeho definování, což pak pomůže při vyhodnocování jeho přínosu.[5] Při stanovení hodnoty vycházíme primárně ze zisku či tržby pro dokončený cíl.[6] Pro cíle, u nichž tuto hodnotu nelze jednoznačně určit, stanovíme hodnotu odhadem dle důležitosti daného cíle v porovnání k ostatním cílům. 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. 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 kroku[7] a kam odešel návštěvník v případě, že cíl nedokončil.[8] 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).
Ukázka nastavení cesty k cíli 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).
Vizualizace cesty k cíli
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. 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. 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 přehledem 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. Použití křížové segmentace si popíšeme na následujícím příkladu. Zajímají nás informace o přístupech ze zdroje http://www.prikladovy-web.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 www.prokladovy-web.cz v přehledové tabulce. Po zobrazení přehledu vybereme z rozbalovací segmentační nabídky volbu Město.
Praktická ukázka křížové segmentace Filtry Filtry[9] 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 nastaven. Pokud tedy aplikujeme filtr, pak se do profilu sbírají pouze data, která projdou filtrem.[10] 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. 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.
Ukázka rozhraní pro vytvoření nového filtru Úprava dat pomocí filtrů má především následující význam: 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 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 návštěvníků[11] - často tyto dva typy vykazují odlišné chování. 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.
Ukázka rozhraní pokročilých segmentů K aktivaci a nastavení pokročilých segmentů se dostaneme přes nabídku Pokročilé segmenty v horní části přehledu. 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. 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" či „a", přičemž první v pořadí by měly být použity podmínky spojené výrokem „nebo". Nadefinovaný segment je lépe nejprve otestovat (volba Testovat segment).[12] Vytvořené segmenty se v rozhraní ukládají a mohou být tím pádem použity i pro další účty či profily v Google Analytics.
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. Díky segmentům můžeme např. zjistit, že noví návštěvníci, přicházející ze zdroje http://www.seznam.cz/ na klíčové slovo „filtrace", vykazují vyšší míru konverze než segment návštěvníků z jiných zdrojů. Porovnáním zjistíme, že zdroj http://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 na klíčové slovo. Výše popsané příklady jsou jen střípkem z nepřeberné škály možností, které segmentace nabízí.
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.
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 správně porozumět a umět je přetransformovat do podoby
konkrétních doporučení a hodnocení v kontextu znalosti cílů a záměrů webu. Výsledkem analýzy dat by měly být: 1. Interpretované informace společně snávrhy 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: 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...
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 změnami 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.
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. 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 Tesař: 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 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.[13] 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: 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). 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 údaj pozitivní či negativní. 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 KPI, 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: 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.[14]
Zdroje Accounts and Profiles. Google Analytics - Google Code [online]. c2009 [cit 2009-10-02]. Dostupné z WWW
. Aktulaizace služby Google Analytics. Nápověda Analytics [online]. c2009 [cit 2009-09-09]. Dostupné z WWW . BOHÁČKOVÁ. Klára. Postřehy z webové analytiky - jak se počítá míra konverze v Google Analytics?. Robert Němec.com [online].19. 01. 2010 [cit 2009-02-13]. Dostupné z WWW < http://webova-analytika.robertnemec.com/postrehy-webova-analytika-mira-konverze/>. KLÁN, Petr. Webová analytika [online]. 9. 12. 2008 [cit 2009-09-15]. Dostupné z WWW < http://www.inflow.cz/%C2%ADpklan/%C2%ADwebovaanalytika.%C2%ADdoc>. Poznámky
[1] Jedná se o změnu či přechod v jiný stav (status) - další příklady: neregistrovaný → registrovaný návštěvník, návštěvník s přihlášením k odběru newsletteru, návštěvník angažo-vaný kontaktem na společnost apod. [2] 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. [3] 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. [4] Jde o sadu pravidel, která umožňují pracovat s řetězci znaků. Umožňují tvorbu jednoduchých i promyšlených pravide. [5] Hodnoty cílů jsou používány pro stanovení Indexu USD či návratnosti investic. [6] U cíle typu objednávky není třeba hodnotu uvádět. Pokud máme aktivované sledování elektronického obchodu, pak se hodnota přiřazuje automaticky.
[7] Příklad: častým cílem úniku z objednávkového procesu je přechod na stránku s obchodními podmínkami. [8] 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. [9] 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. [10] Nadefinované filtry se aplikují již při samotném sběru dat. [11] Může nám dopomoci k rozhodnutí (např. podle výsledků prodeje), zda se orientovat primár-ně na získávání nových návštěvníků či ukotvení stávajících. [12] Test nám ukáže, jakému počtu návštěv nadefinovaný segment odpovídá. Nulový počet nás může upozornit na nevhodné nadefinování podmínek segmentu. [13] Cíle a podmínky plnění určuje zpravidla management firmy či majitel webu. Tato činnost není náplní práce analytika. [14] 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]. Štítky: nástroje Google, webové stránky, Google Analytics, webová analytika, optimalizace webu
