Авинаш Кошик - Веб-аналитика - анализ информации о посетителях веб-сайтов

Примерно 1995-96 году обычные пользователи Интернета начали проявлять интерес к веб-статистике из-за быстрого распространения такой восхитительной вещи, как счетчик (counter). Счетчик посещений страницы, 2 5 9 5 7стал, вероятно, первым примером вирусного маркетинга (viral marketing) в веб (записано на счет компании по имени Web-Counter). Счетчики в веб были повсюду; они замечательно выглядели и демонстрировали степень вашей популярности.

Коммерческая веб-аналитика появилась несколькими годами позже, и новым примером для подражания стал инструмент WebTrends. Компания WebTrends усовершенствовала стандартный анализатор файла журнала, добавив представления в виде таблиц и графиков, что наконец привлекло к веб-аналитике бизнес-группы. Пример результата приведен на рис. 1.2.

Рис. 1.2. Пример отчета WebTrends

К 2000 году, с экспоненциальным ростом популярности веб, веб-аналитика твердо укрепилась как дисциплина. Такие компании, как Accrue, WebTrends, WebSideStory и Coremetrics, утвердились в качестве ведущих производителей, предоставляя все более и более сложные решения, которые информировали о все больших массивах данных.

Примерно в то же время производители инструментов веб-аналитики и их клиенты обнаружили, что использование журналов веб-сервера в качестве источников данных не является оптимальным и сопряжено со сложностями.

К проблемам использования журналов относятся следующие.

Кеширование страниц ISP. Проблема кеширования заключается в том, что при получении копии страницы ISP при последующих запросах передает именно ее, а в файлы журнала веб-сайта записи об этих запросах не заносятся.

Поисковые роботы. С увеличением популярности поисковых серверов поисковые боты (search bot) зачастую просматривали сайты целиком, оставляя записи в вебжурналах, хотя пользователь их и не посещал. Эти записи учитывались в показателях. Хотя обращения робота можно отфильтровать, с учетом скорости появления новых роботов сделать это довольно трудно (кроме того, со временем они становятся все более интеллектуальными).

Уникальность посетителей. С увеличением количества пользователей, применяющих динамические IP-адреса и приходящих через прокси-серверы, стало сложно выявлять индивидуальных посетителей, т.е. определять их уникальность. Производители попробовали прибавлять к IP-адресу идентификатор агента пользователя (операционная система пользователя и браузер), но это не оправдало ожиданий. Если сайт устанавливает файлы cookie, использовались они, но на это соглашались не все отделы информационных технологий.

По этим и некоторым другим причинам в качестве нового стандарта для сбора данных веб-сайтов стали использоваться дескрипторы JavaScript (JavaScript tag) (несколько строк кода JavaScript), что значительно упростило сбор данных: несколько строк кода JavaScript добавляются на каждую страницу и срабатывают при ее загрузке, посылая данные серверу сбора данных. Вот пример дескриптора JavaScript, используемого Crazy Egg, новым производителем в области веб-аналитики.

type="text/javascript">

//

document.write('

Дескрипторы JavaScript имеют свой набор проблем, который подробно обсуждается в главе 2, “Сбор данных — важность и возможности”.

Возможно, следующим эволюционным шагом аналитики веб-сайтов будет внедрение наложения данных на сайт (site overlay), иногда называемого плотностью щелчков (click density). Теперь, вместо того чтобы комбинировать сложные наборы данных или корпеть над полными данных таблицами, принимающий решения персонал может просто открыть в браузере веб-страницу, которую необходимо проанализировать, и приложение веб-аналитики точно отобразит, где посетители веб-сайта щелкали на протяжении указанного временного периода.

Это существенно демократизировало то, что ранее было прерогативой исключительно веб-аналитиков и привело к росту популярности аналитических решений, поскольку теперь любой мог понять, что происходит на веб-сайте, рассматривая щелчки пользователей в очень простом представлении. Оптимизация веб-сайтов на основании поведения клиентов значительно упростилась.

Рис. 1.3 демонстрирует, насколько просто сегментировать весь трафик на сайте и выделить только переходы, исходящие из Google, а также то, как распределились щелчки пользователей. Это подскажет нам те два сегмента, которые пользуются уникальным спросом.