Одна из самых больших проблем web-аналитики состоит в том, что данных слишком много. Это бесконечный поток, вы можете заблудиться в сорняках потерять массу времени. Как любит говорить Dennis Mortensen (http://visualrevenue.com/blog/) из Yahoo! Web Analytics: "не плавайте по отчетам".
При этом он имеет в виду, что вам не следует теряться в данных, рассматривая один интересный факт за другим и не понимая, какой бизнес-цели вы пытаетесь достичь. Чтобы избежать-этой ловушки, вам нужно иметь план.
Основой этого плана является формулирование ключевых показателей эффективности (Key Performance Indicators, КР1). Вот очень краткое изложение этой концепции: вам не стоит читать отчет, если нет шансов на то, что он даст идеи относительно необходимых действий (таких, как перераспределение ресурсов для исправления проблемы или реализации новой обнаруженной вами возможности).
Обычные ошибки аналитики
Вследствие сложности web-аналитики имеется масса причин наделать ошибок, же если вы чрезвычайно точно сконцентрировались на ключевых показателях эффективности, то все равно сможете сделать неверные выводы из полученных данных. Вот несколько примеров.
♦ Принятие решения на основе слишком малой выборки.
Самый простой пример: у вас есть ключевое слово, которое дало вам двух посетителей и оба они что-то купили. Что это означает? Ваш показатель конвертации всегда будет равен 100 %? Конечно же нет!
Тестирование нужно вести в течение такого промежутка времени, который является статистически значимым. По мнению Jonathan Mendez (http://www.optimizeandprophesize.com/), давнего сторонника инструмента Offermatica (который в настоящее время является частью продукта Test & Target компании Omniture), "золотым правилом" для продолжительности тестирования являются 100 конвертации (для данного тестируемого элемента). Для тестирования типа А/В в идеале нужно иметь конвертации (перед тем, как начинать изучать результаты). Однако если после 50 конвертации у вас есть 40 конвертации для одного варианта и 10 для другого, то ваш тест окончен. Если же разница в результатах меньше, то вам нужно больше данных (чтобы быть уверенным в том, что ваши данные точны).
♦ Непонимание того, что данных уже достаточно.
Ту же самую ошибку можно сделать и в другом случае. Когда у вас достаточно данных, вы должны действовать по ним.
♦ Работа с искаженными данными.
Вы легко можете набрать множество искаженных данных и принять неправильное решение. Например, тот сайт электронной коммерции, который планирует поисковую оптимизацию по декабрьским объемам трафика, скорее всего, ошибается. И временные факторы далеко не единственные. Местоположение посетителей, источники ссылок, внутренние компании вашей организации — все это может исказить информацию.