Dziękujemy za wypełnienie formularza kontaktowego!
Twoja wiadomość już do nas leci - napiszemy bądź zadzwonimy do Ciebie tak szybko, jak to możliwe.
Pozdrawiamy
SEMAHEAD by WeNet
Tymczasem, zajrzyj na nasze social media:
I fru... Twoja wiadomość już leci na nasze skrzynki!
Zajrzyj na swoją pocztę, aby poznać szczegóły oferty ;)
Tymczasem, sprawdź nowości na naszym blogu semahead.agency/blog/
Zespół Semahead by WeNet
Dziękujemy za zapis do Newslettera!
Na Twoją skrzynkę wysłaliśmy wiadomość potwierdzającą subskrypcję.
Pozdrawiamy
SEMAHEAD by WeNet
Tymczasem, zajrzyj na nasze social media:
'
Dziękujemy za wypełnienie formularza zgłoszeniowego!
Twój formularz już do nas leci - za chwilę otrzymasz informację zwrotną na podany w zgłoszeniu email.
Pozdrawiamy
SEMAHEAD by WeNet
Tymczasem, możesz zajrzeć na nasze social media:
Google Analytics to narzędzie równie przydatne co popularne, jednak aby prawidłowo go używać trzeba dobrze zrozumieć mechanizmy jakimi się kieruje i jakie ma ograniczenia. Brak takiej wiedzy może prowadzić do błędnego odczytywania wskaźników i w efekcie złych decyzji strategicznych. Wzorując się na Avinashu Kaushiku postaram się wyjaśnić jak działają najpopularniejsze i jednocześnie często źle rozumiane wskaźniki: czas spędzony na stronie, czas spędzony w witrynie, wskaźnik odrzuceń, % nowych odwiedzin, lojalność użytkowników i czas od poprzedniej odwiedziny. W tym wpisie weźmiemy pod lupę:
Wyobraźmy sobie następującą wizytę:
Długość odwiedziny
Użytkownik wchodzi na stronę A, następnie przechodzi stronę B i C, po czym wychodzi z witryny.
Czas spędzony na stronie to czas odsłony konkretnej strony (TSA, TSB, TSC), natomiast czas spędzony w witrynie to suma czasów spędzonych na poszczególnych stronach podczas jednej wizyty (TP= TSA+TSB +TSC). Brzmi rozsądnie. Jest jednak pewien haczyk. Jedyną możliwością liczenia czasu spędzonego na stronie jest nadawanie cookie tzw. „time stamp” w czasie gdy strona zostanie wyświetlona. Wyobraźmy sobie wuefistę ze stoperem, który odczytuje wszystkie czasy załadowania się strony. Strona A została załadowana o 12:05:10, strona B o 12:05:50 a strona C o 12:06:50. Czyli czas spędzony na stronie A wynosi tyle co różnica załadowania strony B i strony A – TSA=40s, czas na stronie B to analogicznie TSB=60s, a czas na stronie C… no właśnie, tu zaczyna się problem. Google Analytics nie jest w stanie powiedzieć nam ile czasu użytkownik spędził na stronie C, gdyż wyszedł on z witryny. Skoro nie wie ile spędził na stronie C to radośnie oznajmi nam, że TSC = 0s. W takim razie czas całej wizyty TP=40s+60s+0s=100s.
Teraz wyobraźmy sobie wizytę do tego artykułu w której użytkownik wchodzi na stronę naszego bloga z Blipa, przez 10 min czyta z zaciekawieniem artykuł, po czym wychodzi z bloga klikając w umieszczony pod artykułem widget Facebooka. Według Google Analytic czas wizyty tego użytkownika wyniósł 0s.
Teraz wyobraźmy sobie, że na dziesięć wizyt z Blipa do artykułu dziewięć osób postąpiło tak samo, a jedna po 6 min czytania przeszła do SG bloga. Czyli śr. TP = (9*0s + 360s)/10 = 36s.
Ja, zapalony analityk, tworzę segment użytkowników z Blipa i sprawdzam średni czas spędzony na stronie. 36 s. może oznaczać tylko jedno – mój artykuł nie zainteresował użytkowników Blipa. Ponieważ mam wrażliwą naturę załamuje się, postanawiam więcej nie pisać, a jeśli nawet, to już na pewno nigdy nie podzielę się tym na Blipie!
Żeby nie doprowadzać do takich sytuacji pamiętajcie, że średni czas spędzony w witrynie jest zawsze wartością zaniżoną, tym bardziej im wyższy jest wskaźnik odrzuceń (o którym bliżej w kolejnej części). Traktujcie więc ten wskaźnik raczej z przymrużeniem oka.
PS.
Podobno istnieje możliwość przeskoczenia problemu poprzez dodanie kodu rejestrującego fakt zamknięcia strony – „onbeforeunload event”. Nie przetestowałem jednak jeszcze tej metody. Jeżeli uda mi się to zrobić na pewno was o tym poinformuję. A może ktoś z was już to zrobił? Zapraszam do komentarzy i dzielenia się własnymi doświadczeniami!
Chcesz zacząć współpracę z nami? Wypełnij formularz!
Wypełnienie zajmie Ci kilka chwil a nam pozwoli
lepiej przygotować się do rozmowy z Tobą.
Zmiana o której piszesz na końcu (onbeforeunload) wpłynie nam nie tylko na czas na stronie, ale i bounce rate.
W polskim internecie artykuł na ten temat można znaleźć na Magiczne seo i sem: http://magiczne.seoisem.pl/prawdziwy-bounce-rate-time-on-site/
Wytłumaczenie i kod dostępne są w wersji premium, ale sprytny użytkownik zerknie do źródła 🙂
Na naszym blogu z tricku korzystamy i sprawdza się świetnie 🙂
Dzięki Paweł za informację. Spróbujemy również to wprowadzić u siebie. Czy możesz zdradzić jak się nazywa wtyczka do WP, o której wspominał Bartek?
Nie wiem co to za wtyczka – czy przyklejenie kodu do stopki zajmie dłużej niż instalacja wtyczki? 🙂
[…] “nagina” dane i jak należy je czytać, żeby prawidłowo zrozumieć dostarczane dane. Jak odczytywać wskaźniki z Google Analytics cz. 1 Sponsorem playr jest sklep Komputronik, w którym znajdziecie sprzęt elektroniczny wszelkiej […]
Jednym z możliwych rozwiązań jest przerzucenie się na statystyki real-time-owe, np. Reinvigorate.net – szczerze, to GA był dobry pare lat temu, teraz trochę się zestarzał…
Nie do końca jest tak jak napisałeś. Według twojej teorii, mając tylko jedną podstronę, czas spędzony na stronie powinien zawsze wynosić 0s, ponieważ nie można obliczyć różnicy o której pisałeś, a tak nie jest. Wiem, bo sam mam taką stronę.
Jeśli mówisz o stronie css3.pl to masz na niej zapięte dodatkowe kody tworzące wirtualne odsłony stron w przypadku kliknięcia w linki zewnętrzne. Stąd drugi timestamp i czas > 0. Pozdrawiam
Tak mówię o tej stronie. W GA mam trzy profile, jeden uwzględnia tylko dane ze skryptu o którym wspomniałeś (czyli tylko kliknięcia w linki), drugi w ogóle nie uwzględnia kliknięć (czyli tylko wejścia na moją stronę), a trzeci uwzględnia wszystko (kliknięcia w linki i wejścia na stronę). Dla każdego profilu średni czas jest różny, a różnice są spore (około minuty dla danych z jednego dnia).
Najdłuższy średni czas sprzędzony na witrynie, jest w profilu który uwzględnia tylko kliknięcia w obce linki. Z kolei drugi jest czas który uwzględnia wszystko (kliknięcia w linki i wejścia na moją witrynę).
Najkrótszy czas to same wejścia na witrynę.
Ale to jest mniej istotne – chociaż ciekawe – ponieważ odnosiłem się do starych danych, zgromadzonych zanim podpiąłem jakiekolwiek inne skrypty. I czas jest tam różny, większość wejść rzeczywiście pokazuje czas równy 0s, ale niektóre są kilkuminutowe, kilkunastominutowe, a nawet ponad godzinę. Nie wiem dokładnie z czego to wynika, możliwe, że w momencie odświeżenia strony internetowej, czas zostaje policzony.
Hej, postanowiliśmy napisać o zdarzeniu window.onbeforeunload. Modyfikację na naszym blogu wprowadziliśmy zaraz po tym, jak ukazał się artykuł na Magiczne SEO i SEM. Po Twoim artykule postanowiliśmy bardziej zagłębić się temat i opisać rozwiązanie: http://bit.ly/hbW28s
[…] poprzednich wpisach pokazywaliśmy dlaczego dane dotyczące współczynnika odrzuceń i średniego czasu na stronie w Google Analytics są prezentowane w sposób mało precyzyjny. Chciałbym kontynuować ten wątek, […]