Veb analitika

Veb analitika je merenje, prikupljanje, analiza i izveštavanje o veb podacima kako bi se razumelo i optimizovalo korišćenja veba. Veb analitika nije samo proces za merenje veb saobraćaja, već može da koristi kao alat za istraživanje poslovanja i tržišta, kao i za ocenu i unapređenje efikasnosti veb sajta. Aplikacije za veb analitiku takođe mogu pomoći kompanijama da izmere rezultate tradicionalnih reklamnih kampanja u štampanim ili emitovanim medijama. Može se koristiti za procenu kako se menja saobraćaj ka veb sajtu nakon pokretanja nove reklamne kampanje. Veb analitika pruža informacije o broju posetilaca veb sajta i broju pregleda stranica, kao i profilima ponašanja korisnika. Pomaže u proceni trendova u saobraćaju i popularnosti, što je korisno za istraživanje tržišta.

Osnovni koraci u procesu veb analitike

Osnovni koraci procesa veb analitike

Najveći deo procesa veb analitike se svodi na četiri osnovna koraka ili stadijuma, koji su:

• Prikupljanje podataka: Ovo je faza sakupljanja osnovnih, elementarnih podataka. Obično, ovi podaci predstavljaju brojanje stvari. Cilj ove faze je da se sakupe podaci.
• Obrada podataka u metrike: U ovoj fazi obično se uzimaju brojanja i prevode u odnose, iako još uvek može biti nekih brojanja. Cilj ove faze je da se podaci pretvore u informacije, konkretno u metrike.
• Razvijanje KPI-ja: Ova faza se fokusira na korišćenje odnosa (i brojeva) i usmerava ih ka biznis strategijama, poznatim kao ključni pokazatelji uspeha (KPI). Često se KPI-ji odnose na aspekte konverzije, ali to nije uvek slučaj. To zavisi od organizacije.
• Formulisanje onlajn strategije: Ova faza se odnosi na onlajn ciljeve, objektive i standarde za organizaciju ili biznis. Ove strategije su obično povezane sa ostvarivanjem profita, uštedom novca ili povećanje tržišnog udela.

Još jedna ključna funkcija koju razvijaju analitičari za optimizaciju veb sajtova su eksperimenti:

• Eksperimenti i testiranje: A/B testiranje je kontrolisani eksperiment sa dve varijante, u onlajn podešavanjima, kao što je razvoj veba.

Cilj A/B testiranja je identifikacija i predlaganje izmena na veb stranicama koje povećavaju ili maksimizuju efekat statistički testiranog rezultata od interesa.

Svaka faza ima uticaj ili može imati uticaj (odnosno, upravljati) fazom koja joj prethodi ili je sledi. Ponekad podaci koji su dostupni za sakupljanje utiču na onlajn strategiju. Drugi put, onlajn strategija utiče na sakupljene podatke.

Kategorizacija veb analitike

Postoje najmanje dve kategorije veb analitike, a to su vansajt (off-site) i na sajtu (on-site) veb analitika.

• Veb analitika van sajta se odnosi na merenje i analizu veba bez obzira na to da li osoba poseduje ili održava veb lokaciju. Uključuje merenje potencijalne publike veb lokacije (prilika), udela u glasu (vidljivost) i buzza (komentara) koji se dešava na Internetu u celini.
• Veb analitika na sajtu, najčešća od ove dve, meri ponašanje posetioca jednom na određenoj veb lokaciji . Ovo uključuje njegove drajvere i konverzije; na primer, stepen do kojeg su različite odredišne stranice povezane sa onlajn kupovinama. Veb analitika na licu mesta meri učinak određene veb lokacije u komercijalnom kontekstu. Ovi podaci se obično porede sa ključnim pokazateljima učinka i koriste se za poboljšanje odziva publike veb-sajta ili marketinške kampanje. Google Analitika i Adobe Analitike su  naširoko korišćena usluge veb analitike; premdase pojavljuju novi alati koji pružaju dodatne slojeve informacija, uključujući toplotne mape i ponavljanje sesije.

U prošlosti, veb analitika je korišćena za merenje posetilaca na sajtu. Međutim, ovo značenje je postalo nejasno, pre svega zato što proizvođači proizvode alatke koje obuhvataju obe kategorije. Mnogi različiti proizvođači pružaju softver i usluge za veb analitiku na sajtu. Postoje dva glavna tehnička načina sakupljanja podataka. Prvi i tradicionalni metod, analiza dnevnika servera, čita datoteke evidencije u koje veb server beleži zahteve za datoteke od strane pretraživača. Drugi metod, označavanje stranica, koristi JavaScript umetnut u veb stranicu da bi zahtevao slike sa servera posvećenog analitici kada se stranica prikazuje u veb-pregledaču ili, ako je potrebno, kada se klikne mišem. Oba načina sakupljaju podatke koji mogu biti obrađeni da bi se proizvele izveštaji o veb saobraćaju.

Veb analitika na sajtu

Definicije u okviru veb analitike nisu usaglašene širom sveta jer su industrijski organi već neko vreme u potrazi za definicijama koje su korisne i definitivne. Različite kompanije koriste različite metode merenja i brojanja metrika, što može dovesti do različitih značenja iste metrike Glavna tela koja su dala doprinos u ovoj oblasti su IAB (Interaktivni biro za oglašavanje), JICWEBS (Zajednički komitet industrije za veb standarde u Velikoj Britaniji i Irskoj) i DAA (Asocijacija za digitalnu analitiku), formalno poznata kao WAA (Asocijacija veb analitike, SAD). Mnogi termini se koriste na konzistentan način od jednog analitičkog alata do drugog, što omogućava da sledeća lista bude korisna osnova za početak:

• Stopa odbijanja - Procenat poseta koje predstavljaju posete sa samo jednom stranicom i bez bilo kakvih drugih interakcija (klikova) na toj stranici. Drugim rečima, jedan klik u određenoj sesiji se zove odbijanje. Visoka stopa odbijanja može ukazivati na to da sadržaj ili korisničko iskustvo zahteva poboljšanje.
• Putanja klika - Hronološka sekvenca prikaza stranica unutar posete ili sesije. Analiza ove staze pruža informacije o ciljevima sesije korisnika i korisničkih ciljeva.
• Hit - Zahtev za datoteku sa veb servera. Dostupan je samo u analizi dnevnika. Broj hitova koji dobije veb sajt se često navodi kako bi se tvrdila njegova popularnost, ali je ta brojka izuzetno zabludna i dramatično preuveličava popularnost. Jedna veb stranica obično se sastoji od više (često desetina) pojedinačnih datoteka, pri čemu se svaki od njih broji kao hit pri preuzimanju stranice, pa je broj hitova zaista proizvoljan broj koji više odražava kompleksnost pojedinačnih stranica na sajtu nego stvarnu popularnost sajta. Ukupan broj poseta ili prikaza stranica predstavlja realističniju i tačniju ocenu popularnosti.
• Prikaz stranice - Zahtev za datoteku, ili ponekad događaj kao što je klik miša, koji je definisan kao stranica u postavcima alatki za veb analitiku. Obično je broj prikaza stranica veći nego broj Poseta i Posetioca (Jedinstveni posetioci). Pojava pokretanja scenarija u označavanju stranica. U analizi dnevnika, jedan prikaz stranice može generisati više hitova jer se svi resursi potrebni za prikaz stranice (slike, .js i .css datoteke) takođe zahtevaju sa veb servera. "Osvežavanje" iste veb stranice može biti prebrojano kao drugi prikaz stranice. Na primer, u 16:07 časova, korisnik je video stranicu A, 2 sekunde kasnije, korisnik klikne na dugme "osveži" u pregledaču, broj prikaza stranice A tada je 2.
• Posetilac/Jedinstveni posetilac/Jedinstveni korisnik - Jedinstveno identifikovani klijent koji generiše prikaze stranica ili hitove u definisanom periodu vremena (na primer, danu, nedelji ili mesecu). Jedinstveno identifikovani klijent obično predstavlja kombinaciju uređaja (na primer, naslovni računar na radnom mestu) i pregledača (Firefox na tom uređaju). Identifikacija se obično vrši putem postojanog kolačića koji je postavljen na računar pomoću koda stranice sajta. Stariji metod, korišćen u analizi dnevnika, je jedinstvena kombinacija IP adrese računara i informacija o korisničkom agentu (pregledaču) koje pregledač pruža veb serveru. "Posetilac" nije isto što i osoba koja sedi za računarom u trenutku posete, jer jedna osoba može koristiti različite računare ili, na istom računaru, može koristiti različite pregledače, i biće zabeležena kao različiti posetilac u svakom slučaju. Uz to, posetioci se u savremenom redu reče retko, ali i dalje, po nekada, jedinstveno identifikuju pomoću Flash LSO's (Local Shared Objects), koji su manje podložni primeni privatnosti.
• Poseta/sesija - Poseta ili sesija se definiše kao niz zahteva za stranicama ili, u slučaju oznaka, zahteva za slikama od istog jedinstveno identifikovanog klijenta. Obično, broj Poseta je veći od posetilaca (Jedinstveni posetioci). Jedinstveni klijent se obično identifikuje preko IP adrese ili jedinstvenog identifikatora koji je smešten u kolačić pregledača. Poseta se smatra završenom kada nema zahteva koji su zapisani u određenom broju prošedenih minuta. Mnogi alati za analitiku koriste limit od 30 minuta ("tajmaut"), ali može biti promenjen u neki drugi broj minuta u nekim alatima (kao što je Google Analytics). Sakupljači podataka i alati za analizu nemaju puno pulsirani način za znanje da li je posetilac gledao druge sajtove između prikaza stranica; poseta se smatra jednom posetom dokle god su događaji (prikazi stranica, klikovi, bilo šta što se zapisuje) u blizini od 30 minuta ili manje. Poseta može obuhvatiti jedan prikaz stranice ili hiljade. Jedinstvena sesija posete takođe može biti produžena ako vreme između učitavanja stranica ukazuje na to da je posetilac neprekidno gledao stranice.

• Vreme aktivnosti/vreme angažovanosti - Prosečno vreme koje posetioci zaista provode interakcijom sa sadržajem na veb stranicama, na osnovu pomeranja miša, klikova, prelasaka preko sadržaja i prevlačenja stranice. Za razliku od trajanja sesije i trajanja stranice, ova metrika može tačno meriti dužinu angažovanosti u poslednjem prikazu stranice, ali nije dostupna u mnogim alatima za analitiku ili metodama sakupljanja podataka.

• Prosečna dubina stranice/prosečni prikazi stranice po sesiji - Dubina stranice je prbližna "veličina" prosečne posete, izračunata delijenjem ukupnog broja prikaza stranica sa ukupnim brojem poseta.

• Prosečno trajanje pregleda stranice - Procenjeno vreme koje posetioci provode na prosečnoj stranicu sajta.
• Klik - odnosi se na jedan primerak korisnika koji prati hipervezu sa jedne stranice na sajtu na drugu.
• Događaj - Izolovana akcija ili klasa akcija koje se dešavaju na veb sajtu. Prikaz stranice je vrsta događaja. Događaji takođe obuhvataju klikove, slanja formulara, događaje pritiska na tastere i druge akcije korisnika na klijentskoj strani.
• Stopa izlaza/% izlaz - Statistika primenjena na pojedinačnu stranicu, a ne na veb sajt. Procenat poseta koji vidi stranicu gde je ta stranica poslednja stranica prikazana u poseti.
• Segmentacija podataka - Alati za veb analitiku omogućavaju segmentaciju podataka, što znači razdvajanje podataka na manje podskupove na osnovu kriterijuma kao što su demografija, lokacija ili ponašanje. Ovo omogućava dublje razumevanje različitih segmenata auditorijuma.
• Prva poseta/prva sesija - (takođe poznata i kao 'Apsolutno Jedinstveni Posetilac' u nekim alatima) Poseta od jedinstveno identifikovanog klijenta koji teoretski nije imao prethodne posete. Pošto je jedini način da se utvrdi da li je jedinstveno identifikovani klijent već bio na sajtu prisustvo trajnog kolačića ili preko digitalnog otiska koji je primljen prilikom prethodne posete, oznaka Prva poseta nije pouzdana ako su kolačići sajta obrisani od njihove prethodne posete.
• Učestalost/sesija po jedinstvenim posetiocima - Učestalost meri koliko često posetioci dolaze na veb sajt u određenom vremenskom periodu. Računa se delenjem ukupnog broja sesija (ili poseta) sa ukupnim brojem jedinstvenih posetilaca u određenom vremenskom periodu, kao što je mesec ili godina. Ponekad se koristi i sa izrazom "lojalnost".
• Impresija - Najčešća definicija impresije je instanca oglasa koji se pojavljuje na pregledanoj stranici. Oglas može biti prikazan na pregledanoj stranici ispod dela koji se zaista prikazuje na ekranu, tako da većina mera impresija ne osigurava da li je oglas moguće videti.
• Novi posetilac - Posetilac koji nije imao prethodnih poseta. Ova definicija izazva određeni stepen zabune (vidite opšte zablude ispod), i ponekad se zamenjuje analizom prvih poseta.
• Vreme pregleda stranice/vreme vidljivosti stranice/dužina pregleda stranice - Vreme trajanja jedne stranice (ili bloga, reklamnog banera) na ekranu, mereno kao izračunata razlika između vremena zahteva za tu stranicu i vremena sledećeg zapisanog zahteva. Ako nema sledećeg zapisanog zahteva, tada vreme pregleda instance te stranice nije uključeno u izveštaje.
• Ponovni posetilac - Posetilac koji je imao bar jednu prethodnu posetu. Period između poslednje i tekuće posete naziva se recidivnost posetioca i meri se u danima.
• Ponovni posetilac - Jedinstveni posetilac čija aktivnost se sastoji od posete sajtu tokom perioda izveštavanja i gde je taj jedinstveni posetilac posetio sajt pre perioda izveštavanja. Individua se računa samo jednom tokom perioda izveštavanja.
• Trajanje sesije/posete - Prosečno vreme koje posetioci provode na sajtu svaki put kada ga posete. Računa se kao zbir trajanja svih sesija, podeljen sa ukupnim brojem sesija. Ova metrika može biti komplikovana činjenicom da analitički programi ne mogu meriti dužinu poslednje stranice koju posetilac gleda.
• Poseta sa jednom stranicom / jedna poseta - Poseta u kojoj se gleda samo jedna stranica (ovo nije 'odbijanje').

• Preklapanje sajta je tehnika izveštavanja u kojoj se statistike (klikovi) ili vruće tačke preklapaju, po fizičkom mestu, na vizuelnu sliku veb stranice.

• Stopa klikanja je odnos korisnika koji kliknu na određeni link prema ukupnom broju korisnika koji pregledaju stranicu, e-poštu ili oglas. Često se koristi za merenje uspeha onlajn oglašavačke kampanje za određeni veb sajt, kao i efikasnosti kampanja e-pošte. Druga poznata definicija stope klikanja (CTR) je ukupan broj klikova podeljen sa ukupnim brojem impresija, jer je metrika stope klikanja namenjena merenju odnosa između klikova i impresija, a ne broja korisnika (koji su kliknuli i videli).

Veb analitika van sajta

Veb analitika van sajta bazira se na analizi otvorenih podataka, istraživanju društvenih medija i učestvu korisnika na veb stranama. Uglavnom se koristi za razumevanje kako da se pozicionirate na veb lokaciju identifikacijom ključnih reči obeleženih na tim veb lokacijama, bilo preko društvenih medija ili sa drugih veb lokacija.

Izvori podataka veb analitike

Osnovni cilj veb analitike je da se prikupljaju i analiziraju podaci o veb saobraćaju i obrascima korišćenja. Podaci uglavnom potiču iz četiri izvora:

1. Podaci o direktnim HTTP zahteva: direktno potiču iz poruka HTTP zahteva (zaglavlja HTTP zahteva ).
2. Podaci na mrežnom i serverskom nivou koji su povezani sa HTTP zahtevima: ne čine deo HTTP zahteva, već su potrebni za uspešne prenose zahteva - na primer, IP adresa podnosioca zahteva.
3. Podaci na nivou aplikacije koji se šalju sa HTTP zahtevima: generisani i obrađivani od strane programa na nivou aplikacije (kao što su JavaScript, PHP i ASP.NET ), uključujući sesije i preporuke. Ovi podaci obično se zahvaćaju internim dnevnicima, a ne javnim veb analitičkim uslugama.
4. Eksterni podaci: Mogu se upotrebiti u kombinaciji sa podacima sa veb lokacije kako bi se obogatili informacije o ponašanju na vebu, koji su prethodno opisani i analizirali za upotrebu. Na primer, IP adrese obično su povezane sa geografskim regionima i provajderima internet usluga, stopama otvaranja e-pošte i učestalosti klikova, podacima o kampanjama direktne pošte, prodajom, istorijom potencijalnih klijenata ili drugim tipovima podataka po potrebi.

Analiza log fajla veb servera

Veb serveri često zabeleže neke od svojih transakcija u datoteku evidencije. Uskoro je postalo jasno da se ove datoteke dnevnika mogu koristiti za prikupljanje informacija o popularnosti veb lokacije. Tako je nastao softver za analizu veb dnevnika.

Ranih 1990-ih godina, statistika veb lokacija se pre svega sastojala od broja klijentskih zahteva (ili pogodaka) koje je klijent poslao veb serveru. Ovo je bio adekvatan metod u početku, pošto se svaka veb lokacija često sastojala od samo jedne HTML datoteke. Međutim, sa uvođenjem slika u HTML formatu i veb lokacijama koje se pružaju preko više HTML datoteka, ovaj broj je počeo gubiti na značaju. Prvi istinski komercijalni analizator dnevnika je izdat od strane IPRO-a 1994. godine.

Sredinom 1990-ih godina uvedena su dve mere da bi se tačnije ocenio obim ljudske aktivnosti na veb serverima. Ove mere su bile pregledi stranica i posete (ili sesije). Prikaz stranice je definisan kao zahtev veb serveru za stranicu, za razliku od grafike, dok je poseta definisana kao niz zahteva od jedinstveno identifikovanog klijenta koji je istekao nakon određenog perioda neaktivnosti, obično 30 minuta.

Pojava veb popisivača i robota krajem 1990-ih, zajedno sa veb proksijima i dinamički dodeljenim IP adresama za velike kompanije i dobavljače internet usluga, učinila je da bude teže identifikovati jedinstvene posetioce na veb lokaciji. Programi za analizu datoteka evidencije odgovorili su praćenjem poseta pomoću kolačića i ignorisanjem zahteva paukova.</link>

Ekstenzivna upotreba veb keša je takođe predstavila problem za analizu datoteka dnevnika. Ako osoba poseti stranicu ponovo, drugi zahtev će često biti preuzet iz keša pretraživača, pa stoga veb server neće primiti zahtev. Ovo znači da se osobina pretraživača izgubi. Keširanje može biti uništeno konfiguracijom veb servera, ali to može rezultovati degradacijom performansi za posetioca i većim opterećenjem servera.

Označavanje stranica

Zabrinutost o tačnosti analize datoteka dnevnika u prisustvu keširanja, kao i želja za mogućnošću da se veb analitika obavlja kao usluga izvan organizacije, dovele su do drugog metoda prikupljanja podataka, označavanja stranica ili „ marker piksela.

Krajem 1990-ih, često su se koristili veb brojači su se često viđali — to su bile slike uključene u veb stranicu koje su prikazivale broj puta kada je slika bila zahtevana, što je bila procena broja poseta toj stranici. Koncept se kasnije razvio tako što je umesto vidljive slike upotrebljena mala nevidljiva slika, a koristeći JavaScript, sa zahtevom za slikom se prosleđuje određene informacije o stranici i posetiocu. Ove informacije se zatim mogu obraditi na daljinu od strane kompanije za veb analitiku i generisati obimna statistika.

Usluga za veb analitiku takođe upravlja procesom dodele kolačića korisniku, koji ih može jedinstveno identifikovati za vreme njihove posete i u kasnijim posetama. Stopa prihvatanja kolačića značajno varira između veb lokacija i može uticati na kvalitet podataka sakupljenih i izveštavanih.

Sakupljanje podataka sa veb lokacije korišćenjem servera za sakupljanje podataka treće strane (ili čak unutrašnjeg servera za sakupljanje podataka) zahteva dodatnu DNS pretragu na računaru korisnika kako bi se odredila IP adresa servera za sakupljanje. Povremeno, kasnjenja u uspešnom ili neuspešnom završetku DNS pretraga mogu rezultovati nedostatkom sakupljenih podataka.

Sa porastom popularnosti Ajax-a, alternativa korišćenju nevidljive slike je da se izvede povratni poziv na server sa prikazane stranice. U ovom slučaju, kada je stranica prikazana u veb pregledaču, delovi JavaSkript koda bi bili izvršeni i pozvali bi se server, prenoseći informacije o klijentu koje zatim mogu biti agregirani od strane kompanije za veb analitiku.

Analiza datoteka evidencije i označavanje stranica

Oba programa za analizu datoteka evidencije i rešenja za označavanje stranica lako su dostupni kompanijama koje žele da obavljaju veb analitiku. U nekim slučajevima, ista kompanija za veb analitiku će ponuditi oba pristupa. Postavlja se pitanje koji metod kompanija treba da izabere. Postoje prednosti i mane za svaki pristup.

Prednosti analize log fajlova

Glavne prednosti analize log fajlova u odnosu na označavanje stranica su sledeće:

• Veb server obično već proizvodi datoteke evidencije, tako da su sirovi podaci već dostupni. Nisu potrebne nikakve promene na veb lokaciji.
• Podaci se nalaze na serverima kompanije i u standardnom su, a ne u vlasničkom formatu. Ovo olakšava kompaniji da kasnije menja programe, koristi nekoliko različitih programa i analizira istorijske podatke pomoću novog programa.
• Datoteke evidencije sadrže informacije o posetama paukova pretraživača, koji su uglavnom isključeni iz analitičkih alata pomoću JavaScript označavanja. (Neki pretraživači možda čak i ne izvršavaju JavaScript na stranici.) Iako ih ne treba prijaviti kao deo ljudske aktivnosti, to je korisna informacija za optimizaciju pretraživača .
• Datoteke evidencije ne zahtevaju dodatne DNS pretrage ili TCP spore startove . Stoga ne postoje pozivi eksternog servera koji mogu usporiti brzinu učitavanja stranice ili dovesti do nebrojenih prikaza stranica.
• Veb server pouzdano beleži svaku transakciju koju izvrši, npr. posluživanje PDF dokumenata i sadržaja generisanog skriptama, i ne oslanja se na saradnju pretraživača posetilaca.

Prednosti označavanja stranica

Glavne prednosti označavanja stranica u odnosu na analizu log fajlova su sledeće:

• Brojanje se aktivira otvaranjem stranice (s obzirom da veb klijent pokreće skripte oznaka), a ne zahtevanjem od servera. Ako je stranica keširana, neće se računati analizom evidencije zasnovanom na serveru. Keširane stranice mogu činiti do jedne trećine svih prikaza stranica, što može negativno uticati na mnoge pokazatelje sajta.</link>
• Podaci se prikupljaju preko komponente („oznake“) na stranici, obično napisane u JavaScript-u. Obično se koristi u kombinaciji sa skript jezikom na strani servera (kao što je PHP ) za manipulaciju i (obično) skladištenje u bazi podataka.
• Skripta može imati pristup dodatnim informacijama o veb klijentu ili korisniku, koje nisu poslate u upitu, kao što su veličine ekrana posetilaca i cena robe koju su kupili.
• Označavanje stranica može da izveštava o događajima koji ne uključuju zahtev veb serveru, kao što su interakcije unutar Flash filmova, delimično popunjavanje obrasca, događaji miša kao što su onClick, onMouseOver, onFocus, onBlur, itd.
• Usluga označavanja stranica upravlja procesom dodeljivanja kolačića posetiocima; sa analizom datoteke evidencije, server mora biti konfigurisan da to uradi.
• Označavanje stranica je dostupno kompanijama koje nemaju pristup svojim veb serverima.
• U poslednje vreme, označavanje stranica je postalo standard u veb analitici.

Ekonomski faktori

Analiza datoteka evidencije se skoro uvek vrši unutar kompanije. Označavanje stranica može se izvršiti unutar kompanije, ali se češće pruža kao usluga trećeg lica. Ekonomska razlika između ova dva modela takođe može biti razmatrana kada kompanija odlučuje koju da pridobije.

• Analiza datoteke dnevnika obično uključuje jednokratnu kupovinu softvera; međutim, neki dobavljači uvode maksimalne godišnje prikaze stranica uz dodatne troškove za obradu dodatnih informacija.</link> Pored komercijalnih ponuda, besplatno je dostupno nekoliko alata za analizu datoteka dnevnika otvorenog koda .
• Za analizu datoteke dnevnika podaci moraju biti uskladišteni i arhivirani, što često brzo raste. Iako su troškovi hardvera za ovo minimalni, režijski troškovi za IT odeljenje mogu biti značajni.
• Za analizu Logfile softver treba da se održava, uključujući ažuriranja i bezbednosne zakrpe.
• Prodavci kompleksnog označavanja stranica naplaćuju mesečnu naknadu na osnovu obima, odnosno broja prikupljenih pregleda stranica mesečno.

Koje je rešenje jeftinije za implementaciju zavisi od količine tehničkog znanja unutar kompanije, izabranog dobavljača, količine aktivnosti vidljive na veb lokacijama, dubine i tipa informacija koje se traže, i broja posebnih veb lokacija kojima su potrebne statistike.

Bez obzira na rešenje dobavljača ili metod prikupljanja podataka koji se koristi, treba uključiti i troškove analize i tumačenja posetilaca veba. To jest, troškove prevođenja sirovih podataka u primenljive informacije. Ovo može biti od korišćenja konsultanata trećih strana, zapošljavanja iskusnog veb analitičara ili obuke odgovarajuće osobe unutar kompanije. Zatim se može izvršiti analiza troškova i koristi. Na primer, kakvi prihodi ili uštede mogu biti postignuti analizom podataka o posetiocima veba?

Hibridne metode

Neke kompanije proizvode rešenja koja sakupljaju podatke i kroz datoteke evidencije i kroz označavanje stranica i mogu analizirati oba tipa. Koristeći hibridni metod, one ciljaju na proizvodnju tačnije statistike nego što je to moguće sa samo jednim metodom.

Geolokacija posetilaca

Pomoću IP geolokacije, moguće je pratiti lokacije posetilaca. Korišćenjem baze podataka ili API-ja za IP geolokaciju, posetioci mogu biti lokalizovani na nivou grada, regiona ili države.

IP inteligencija, ili Internet protokol (IP) inteligencija, je tehnologija koja mapira Internet i kategorizuje IP adrese po parametrima kao što su geografska lokacija (zemlja, region, država, grad i poštanski broj), tip veze, Provajder Internet usluga (ISP), informacije o proksiju i drugo. Prva generacija IP inteligencije je nazivana geografsko ciljanje ili tehnologija geolokacije. Ove informacije koriste preduzeća za segmentaciju publike na mreži u aplikacijama kao što su onlajn oglašavanje, ciljanje ponašanja, lokalizacija sadržaja (ili lokalizacija veb lokacije ), upravljanje digitalnim pravima, personalizacija, otkrivanje prevara na mreži, lokalizovana pretraga, poboljšana analitika, globalno upravljanje saobraćajem i sadržaj distribucija.

Analitika klikova

Analiza putanje klika sa referentnim stranicama na levoj strani i strelicama i pravougaonicima koji se razlikuju po debljini i širini da simbolizuju količinu kretanja.

Analiza klikova, takođe poznata kao Clickstream, je poseban tip veb analitike koji posebno obraća pažnju na klikove.

Uglavnom, analitika klikova se obično fokusira na analitiku na licu mesta. Urednik veb-sajta koristi analitiku klikova da bi odredio performanse svog sajta, uzimajući u obzir gde korisnici sajta kliknu.

Takođe, analiza klikova može biti u realnom vremenu ili u "nerealnom" vremenu, u zavisnosti od tipa informacija koja se traži. Obično, urednici najposećenijih veb-lokacija novinarskih medija žele da prate svoje stranice u realnom vremenu, kako bi optimizovali sadržaj. Urednici, dizajneri ili drugi tipovi zainteresovanih strana mogu analizirati klikove na dužem vremenskom okviru kako bi im pomogli da procene performanse pisaca, dizajn elemenata, ili reklama itd.

Podaci o klikovima mogu se sakupljati na najmanje dva načina. Idealno, klik se "zapisuje" kada se desi, i za ovu metodu je potrebna odgovarajuća funkcionalnost koja prati relevantne informacije kada se desi događaj. Alternativno, može se pretpostaviti da je pregled stranice rezultat klika i, stoga, zapisati simulirani klik koji je doveo do tog pregleda stranice.

Analitika životnog ciklusa kupaca

Analitika životnog ciklusa kupaca predstavlja pristup orijentisan na posetioca za merenje. Pogledi stranica, klikovi i drugi događaji (kako API pozivi, pristup trećim licima, itd.) svi su vezani za pojedinačnog posetioca umesto da se čuvaju kao posebni podaci. Analitika životnog ciklusa kupaca pokušava da poveže sve podatke u marketinški levak koji može ponuditi uvid u ponašanje posetilaca i optimizaciju veb lokacije . Uobičajene metrike koje se koriste u analitici životnog ciklusa kupaca uključuju cenu akvizicije korisnika (CAC), životnu vrednost korisnika (CLV), stopu odliva kupaca i rezultate zadovoljstva kupaca .

Druge metode

Ponekad se koriste i druge metode prikupljanja podataka. Pregled paketa sakuplja podatke "njuškanjem" mrežnog saobraćaja koji prolazi između veb servera i spoljnog sveta. Pregled paketa ne zahteva promene na veb stranicama ili veb serverima. Integracija veb analitike u sam softver veb servera je takođe moguća. Obe ove metode tvrde da pružaju bolje podatke u realnom vremenu od drugih metoda.

Uobičajeni izvori zabune u veb analitici

Problem hotela

Problem hotela je generalno prvi problem sa kojim se susreće korisnik veb analitike. Problem je u tome što jedinstveni posetioci za svaki dan u mesecu ne dodaju se do istog ukupnog broja jedinstvenih posetioca za taj mesec. Ovo se čini neiskusnom korisniku kao problem u bilo kom softveru za analitiku koji koriste. Zapravo, to je jednostavno svojstvo definicija metrike.

Najbolji način da se predstavi ova situacija je da zamislite hotel. Hotel ima dve sobe (Soba A i Soba B).

	Dan 01	Dan 02	Dan 03	Ukupno
Soba A	Jovan	Jovan	Marko	2 jedinstvenih korisnika
soba B	Marko	Ana	Ana	2 jedinstvenih korisnika
Ukupno	2	2	2	?

Kao što tabela pokazuje, hotel ima dva jedinstvena korisnika svakog dana tokom tri dana. Zbir totala u odnosu na dane je stoga šest.

Tokom perioda, svaka soba je imala dva jedinstvena korisnika. Zbir totala u odnosu na sobe je stoga četiri.

U stvari, u hotelu je bilo samo tri posetioca tokom ovog perioda. Problem je u tome što se osoba koja boravi u sobi dva dana broji dvaput ako se broji jedanput za svaki dan, ali se broji jednom ako se pogleda ukupno za period. Kako je internet sazrevao, proliferacija automatskog bot saobraćaja postala je sve veći problem za pouzdanost veb analitike.Svaki softver za veb analitiku će ovo pravilno sumirati za izabrani vremenski period, što dovodi do problema kada korisnik pokuša da uporedi totale.

Analitičko zagađivanje

Kako je internet sazrevao, proliferacija automatizovanog bot saobraćaja je postala sve veći problem za pouzdanost veb analitike.</link> Dok botovi prolaze internetom, oni renderuju veb dokumente na načine slične organskim korisnicima, i kao rezultat može se slučajno aktivirati isti kod koji veb analitika koristi za brojanje saobraćaja. Zajedno, ova slučajna aktivacija događaja veb analitike utiče na tumačenje podataka i zaključke koji su izvedeni na osnovu tih podataka. IPM je pružio dokazni koncept kako Google analitika, kao i njihovi konkurenti, lako reaguju na uobičajene strategije primene botova.

Problemi sa kolačićima drugih izvora

Istorijski, proizvođači rešenja za analizu označenih stranica koristili su kolačiće treće strane poslate sa domena proizvođača umesto sa domena veb-lokacije koja se pregleda. Kolačići treće strane mogu obrađivati posetioce koji prelaze između više nepovezanih domena u okviru sajta kompanije, pošto se kolačić uvek obrađuje na serverima proizvođača.

Ipak, kolačići treće strane u principu omogućavaju praćenje pojedinačnih korisnika preko sajtova različitih kompanija, što omogućava proizvođaču analitike da objedini aktivnosti korisnika na sajtovima gde je pružio lične informacije sa njegovim aktivnostima na drugim sajtovima gde je mislio da je anoniman. Iako kompanije za veb analitiku negiraju takve prakse, druge kompanije kao što su kompanije koje isporučuju baner oglase, to su učinile. Zbog toga je zabrinutost za privatnost u vezi s kolačićima dovela je do to ga je upadljiva manjina korisnika blokirala ili brisala kolačiće treće strane. 2005. godine, neki izveštaji pokazali su da oko 28% internet korisnika blokira kolačiće treće strane, a 22% ih briše bar jednom mesečno. Većina dobavljača rešenja za označavanje stranica je prešla da obezbedi barem opciju korišćenja kolačića prve strane (kolačića dodeljenih sa podomena klijenta).

Još jedan problem je brisanje kolačića. Kada se veb analitika oslanja na kolačiće da bi identifikovala pojedinačne posetioce, statistike zavise od trajnog kolačića koji zadržava identifikacioni broj jedinstvenih posetioca. Kada korisnici obrišu kolačiće, obično brišu i kolačiće prve i treće strane. Ako se to uradi između interakcija sa sajtom, korisnik će se pojaviti kao posetilac prvi put na sledećoj interakciji. Bez trajnog i jedinstvenog identifikatora posetioca, konverzije, analiza korišćenja klikova i druge metrike koje zavise od aktivnosti jedinstvenog posetioca tokom vremena ne mogu biti tačne.

Kolačići se koriste zato što IP adrese nisu uvek jedinstvene za korisnike i mogu da ih dele velike grupe ili proksi. U nekim slučajevima, IP adresa se kombinuje sa korisničkim agentom kako bi se preciznije identifikovao posetilac ako kolačići nisu dostupni. Međutim, ovo rešava problem samo delom, jer se često korisnici koji su iza proksi servera pojavljuju sa istim korisničkim agentom. Drugi metodi za jedinstveno identifikovanje korisnika tehnički su izazovni i ograničili bi mogućnosti praćenja publike ili bi bili smatrani za sumnjive. Kolačići dostižu najniži zajednički delitelj bez korišćenja tehnologija koje se smatraju špijunskim softverom i ako su kolačići omogućeni/aktivni dovodi do bezbednosnih problema.

Metode bezbedne analitike (merenja).

Sakupljanje informacija od trećih strana podložno je bilo kakvim mrežnim ograničenjima i primenjenoj bezbednosti. Države, provajderi usluga i privatne mreže mogu sprečiti prosleđivanje podataka o poseti veb lokacija trećim stranama. Svi opisani metodi (i neki drugi metodi koji nisu navedeni ovde, kao što je uzorakovanje) imaju centralni problem u tome da su podložni manipulacijama (i pumpanju i spuštanju). Ovo znači da su ovi metodi ne precizni i ne bezbedni (u bilo kom razumnom modelu bezbednosti). Ovaj problem je adresiran u nekoliko radova, ali do danas predložena rešenja u tim radovima ostaju teoretska.

Vidi još

• Spisak softvera za veb analitiku
• Mobilna veb analitika
• Online video analitika
• Plaćanje po kliku
• Sesija (veb analitika)
• Softver za analizu veb dnevnika
• Veb rudarenje
• Veb performanse
• Veb saobraćaj

Bibliografija

• Clifton, Brian (2010) Napredne veb metrike sa Google analitikom, 2. izdanje, Sibek (meki povez.)
• Farris, P., Bendle, N.T., Pfeifer, P.E. Reibstein, D.J. (2009) Ključni marketinški pokazatelji 50+ metrika koje svaki menadžer treba da zna, Prentice Hall, London.
• Arikan, Akin (2008) Višekanalni marketing. Pokazatelji i metode za uspeh na mreži i van mreže. Sybex.
• Tullis, Tom & Albert, Bill (2008) Merenje Korisničkog Iskustva. Prikupljanje, analiza i predstavljanje metrika upotrebljivosti. Morgan Kaufmann, Elsevier, Burlington MA.
• Bradley N (2007) Istraživanje marketinga. Alati i tehnike. Oxford University Press, Oxford .
• Sostre, Pedro and LeClaire, Jennifer (2007) Web Analytics for Dummies. Wiley .
• Burby, Jason and Atchison (2007) Actionable Web Analytics: Korišćenje podataka za donošenje pametnih poslovnih odluka.
• Davis, J. (2006) „Marketinške metrike: Kako kreirati odgovorne marketinške planove koji zaista funkcionišu” John Wiley & Sons (Asia).
• Peterson Eric T (2005) Hakovi za merenje veb lokacija. O'Reilly ebook.

• Zheng, J. G. and Peltsverger, S. (2015) Pregled veb analitike, U knjizi: Enciklopedija informacionih nauka i tehnologije, treće izdanje, Izdavač: IGI Global, Urednici: Mehdi Khosrow-Pour