Google annoncerer SSL krypteret søgefunktion

Google har annonceret at de kommer med en SSL-krypteret søgefunktion. Faktisk begynder den at blive rullet ud allerede fredag i denne uge i følge Theregister.co.uk. Tiltaget skal gøre det sikrere for brugerne at surfe på nettet. Det betyder nemlig at dine oplysninger ikke længere sendes til 3. part systemer, men Google vil dog stadig indsamle data for at forbedre søgeresultaterne.

Ingen reference på SSL krypteret Google

For webanalytikere er dette en potentiel hindring i arbejdet. Når brugeren sendes fra httpS://google.dk så vil dit webanalyse værktøj ikke længere registrere hvilket søgeord brugeren kom med. Det gælder alle webanalyse værktøjer, også Google Analytics selv. Du kan læse mere om dette på The Register.

Du vil derfor ikke længere vide hvordan dit site er fundet, hvilke søgeord der performer godt, om din søgemaskineoptimering har virket og hvilke områder på dit site der specielt skaber trafik. Sidstnævnte er dog med modifikationer, for du vil stadig kunne se hvilke sider brugerne starter på.

Hvad vinder Google?

Google selv har mange agendaer, men man må aldrig glemme at AdWords er deres guldkalv. Spørgsmålet er om der kommer AdWords på den sikre søgning, og hvis der gør, hvordan skal det så optimeres, når vi ikke får data ind?

Det er en spændende og måske udfordrende tid vi alle går ind i med det nye tiltag. Lige nu er det dog sikkert at alle er lige stillet, uanset værktøj. Om Google så laver en workaround med AdWords og Analytics vil tiden vise, men det er ikke deres udmelding nu.

Hvad tænker du om hele sagen?

Webanalytikeren i Pottercut

Nu er det ikke blot muligt at læse om webanalyse her på bloggen (og andre steder), men også at høre om det. Ib Potter laver rigtig mange spændende potcasts om online marketing, og de kan absolut anbefales. Det sidste fra hans hånd er et interview med undertegnede, hvor vi får en god snak om måling af fx. Twitter, sporing af blogs og generelt om webanalyse. Det blev til 45 min hyggelig snak, hvor vi kom godt rundt, så mon ikke du kan blive inspireret?

Så skynd dig over til Hr Potter, og hør webanalyse potcast.

Giv meget gerne en melding på formen her. Synes du det er fantastisk at høre om analyse, og er der i så fald specifikke emner, der er interessante? Fortæl meget gerne hvad du mener om potcasten

Google Analytics – nu med event tracking

Google Analytics hændelsessporing er nu tilgængeligt for alle, så derfor kommer her en trin for trin guide.

Hvor ser finder jeg Google Analytics event tracking?

Gå ind på indhold / content og find “event tracking” under “Site Search”. Den danske udgave kaldes “hændelsessporing”, hvilket lugter af en direkte oversættelse (Google bruger vist deres translate funktion lige rigeligt).

Hvad er fordelene ved Google Analytics event sporing?

Nu har du muligheden for at spore specifikke handlinger på dit site. I Google Analytics er tanken med event sporing at det ikke er en sidevisning, men fx et klik, download eller andet, som du gerne vil spore ud over de normale sidevisninger.

“Det kunne man jo også før”. Jeps, hvis man laver en falsk sidevisning, dvs. ved at lave en onclick kommande hvor værdien pageTracker_trackPageview(‘/klik/element/osv’) returneres. Men det er ikke optimalt.

Fordelene ved at bruge event tracking er følgende:

• Man øger ikke antallet af sidevisninger, så man sikrer at der ikke skabes et kunstigt højt niveau
• Der er flere detaljer end ved det normale trackPageview

Ulemperne ved event sporingen

Heller ikke hos Google Analytics vokser træerne ind i himlen. Man kan ikke sætte eventen / handlingen op som mål. I al fald ikke endnu. Og der er heller ikke en fane (ligesom med e-commerce) hvor man kan se handlingerne. Det er utrolig ærgeligt, for som udgangspunkt er de handlinger man sporer mere interessante end en gennemsnitlig sidevisning. Det er derfor uforståeligt at det ikke indgår som element, der let kan krydses med.

Google Analytics kan have en bagtanke. Efterhånden som brugerne vænner sig til at bruge den nye filter funktion “avancerede segmenter”, så bliver det i højere og højere grad brugerens opgave at lave de kryds og tabeller (i tilpasset rapportering) som man finder relevant.

Endeligt kan det være at det ganske simpelt mangler at blive udviklet og er på vej. Jeg håber naturligvis på sidstnævnte, og mener at det er vigtigt let at kunne gå til disse data. Det er definitionen af Google Analytics – let adgang til de vigtigste data.

Hvordan sporer jeg events i Google Analytics?

Først og fremmest skal din grundkode være den “nye” gs.js udgave. Dette kan du tjekke ved at sammenligne koden implementeret med de to variationer, som vises i Google Analytics.

For at registrere en event skal følgende kode placeres ved handlingen:

pageTracker._trackEvent(kategori, handling, label, værdi)

Hvis handlingen fx er et klik på et element skal koden placeres i en onclick kommando.

I parantesen ses “Kategori”, “Handling”, “label” og “værdi”.

Kategori

Tanken med Kategori er at samle data for alle handlinger, der er under samme kategori. Det kan fx. være alt  der relaterer sig til en specifik side, et tværgående element (flash, video, Blog osv.). Det er vigtigt at vide at alt inden for samme kategori ses som samlet data, og der er derfor ikke muligt at splitte kategori-data op i forhold til “handling”.

Handling

Under handling skal selve handlingen registreres. Det kan være klik, play, download, kommentar osv.. Man kan også bygge det anderledes op, så man som kategori har Download og som handling har fil-typen. Igen vil alt der registreres som “kommentar” blive samlet.

Label

Her har du fri leg til at skrive hvad du har lyst, og det er valgfrit om du benytter det. Du kan bruge dette felt til at angive filens, videoens eller sidens navn, eller hvad du ellers har lyst til. 

Værdi

Dette felt skal indeholde en numerisk værdi, således at der samlet set kommer en samlet værdi ud af alle handlingerne. Dette vil give overblikket over hvor meget værdi handlingerne samlet set har skabt. At bruge dette er frivilligt.

Eksempel på event tracking

Opbygning af koden kan være lidt vanskelig ud fra ovenstående beskrivelse, så derfor skal der eksempler til. Der findes ingen rigtig og forkert, men hvert tilfælde har en mere hensigtsmæssig opsætning end andre. I sidste ende handlinger det udelukkende om dit behov for output.

Lad eksemplet være dette site. Jeg ønsker at spore hvor mange, der kommenterer på mine blogindlæg. Jeg vil gerne have data samlet set samt på blogniveau og laver derfor følgende kode:

pageTracker._trackEvent(Blog, kommentar, blognavn)

Med den opbygning kan jeg se al aktivitet på bloggen under “kategori”, jeg kan se antallet af kommentarer under “handling” under “kommentar” og jeg kan se præcis hvilket blogindlæg det drejer sig om under min “label”.

Hvis jeg ønsker at måle hvor mange, der starter de videoer jeg til tider placerer i mine indlæg, så er dette oplagt metoden. Men med den netop nævnte opbygning kommer jeg i bekneb for variable. Det oplagte ville være

pageTracker._trackEvent(Blog, videostart, blognavn)

Men med de to ovenstående koder på siden, så vil jeg få et samlet tal for kategori med “blog” og et samlet tal for hver af blogindlæggene, og ikke give mig mulighed for at kende til antal kommentarer og start af videoer delt ud på blogindlæggene.

En løsning er at udbygge blognavnet, så det i stedet bliver “blognavn – kommentar” og “blognavn – videostart”. Hovedpointen er at man skal overveje opbygningen, så man kan få de data ud man ønsker.

I øvrigt – tjek ikke installationen i min kode – jeg har desværre ikke fået adgang til eventtracking til dette site endnu.

Vigtige elementer at vide om event sporing

Det kan godt være at en event sporing ikke tæller med som sidevisning, men det tæller stadig med i systemet som en handling. Dette betyder at hvis en bruger går ind på din forside, trykker på et element, som bliver sporet som event, og derefter forlader sitet, så er det IKKE et bounce.

En anden vigtig ting er at Google Analytics kun registrerer op til 500 elementer pr. besøg, hvor elementer er sidevisninger og events. Så hvis man ønsker at registrere hvert sekund der vises af en video som event, så bør man overveje kun at gøre det med korte videoer eller på en anden måde (fx ved brug af Clicktale i stedet for).

Har du fået adgang og startet med at bruge det? Har du andre erfaringer som er relevante at dele? Eller skriv dine udfordringer med brugen, da du nok ikke er den eneste med de problemer. Eller er dette indlæg din gyldne vej ind til start af brugen af Event-tracking og alt er bor´ dæhli?

Hvem er Avinash Kaushik?

Manden har fået sin egen kategori på denne blog, hans bog er omtalt under webanalyse bøger  og desuden står han bag flere interessante tiltag som allerede er og i fremtiden bliver omtalt her. For slet ikke glemme at han er citeret for hans svar på et at mine spørgsmål til ham (i blogindlægget om Google Website Optimizer udviklingen). Så det er da på høje tid at jeg giver jer en nærmere introduktion til Hr. Avinash

Webanalyse bloggen Occam’ s Razor

14. maj 2006 startede Avinash sin blog og dagen efter skrev han “Traditional Web Analytics is Dead”. Velkommen til Hans blog tager i høj grad udgangspunkt i hans bog, men i højere og højere grad også når der er noget nyt der rører sig i Google Analytics. Han har mange spændende pointer, elsker segmentering og hans blog er absolut anbefalelsesværdi. Han skriver lange indlæg, så lær at elske det.

Forfatteren Avinash

Avinash Kaushik er i højest grad kendt for bogen “Web Analytics – An hour a Day”, som mange betegner som grundstenen inden for webanalyse. I bogen omtaler han i mindre grad specifikke systemer, men næsten alt andet. Google Analytics bliver fremhævet til tider, da det er gratis. Bogen er uden tvivl en af de mest solgte webanalyse bøger på verdensplan. Og pengene for bogen? De går alle sammen til gode formål – delt til “Læger uden grænser” og “The smile train”. Læs hans blogindlæg om status på bogen.

Der er i øvrigt en ny bog på vej – i oktober 2009 udkommer endnu en webanalyse bog fra Avinash. Spændende spændende.

Google Analytics Evangalisten

I marts 2007 fik Google langet deres store fangearme ud, og spændt nettet om Avinash. Det er både godt og skidt. Det gode er at Google først og fremmest viser interessen for at forbedre og udvikle deres webanalyse værktøjer. Eller måske i højere grad, deres effektmålingsværktøjer. Det giver os flere bedre produkter og services fra Google, godt hjulpet på vej af Avinash.

Det mindre gode er at en af de rigtig spændende krafter inden for produktudvikling ift. webanalyse i mindre grad bliver spredt ud og i højere grad samlet omkring Google. Heldigvis ser man stadig mange nye skud rundt om i verden, så det er ikke monopolistiske tilstande. Samtidig ser man også andre tiltag fra Avinash, som ikke hører under Googles arme.

Avinash sidder både i arbejdsgruppen for Google Analytics og Google Website Optimizer, så jeg er ikke i tvivl om at vi kan vente flere spændende opgraderinger derfra.

Produktudvikleren Avinash

Endeligt popper hans navn op hist og her når man mindst venter det. Han er en af bagmændene til det gratis online survey 4Q som tidligere er omtalt her på bloggen (lavet i samarbejde med iPerception hvor han sidder i bestyrelsen). Andre tiltag har også mødt min vej, men det er længere tid siden end min hukommelse rækker… (og her er det at kommentarer modtages yderst gerne så jeg diskret kan flette det ind i teksten senere selv ). Se videoen hvor Avinash forklarer om 4Q. Den er både sjov og lærerig (og tager 10 min).

httpv://www.youtube.com/watch?v=o2LJliORQPQ

Hvorfor er han så interessant?

Avinash er skarp. Han er absolut værd at lytte nærmere til, og følge på hans blog. Udover han har rigtig fornuftige pointer, så formidler han det på en måde hvor alle kan være med. Ikke kun på en forståelig, men også på en rigtig sjov måde. Se fx videoen ovenover, hvor han introducerer 4Q. Indholdsmæssigt er det typisk på et niveau hvor både mindre øvede og øvede webanalytikere får udbytte, og tidsforbruget er ofte givet godt ud.

Jeg har endnu ikke kunne lokke ham til Danmark og holde foredrag, men lur mig om det ikke kommer

Hvordan udregnes konverteringsraten?

Alle snakker om konverteringsrater, så er der noget mere oplagt end at få fastlagt definitionen? Definitionen på en konverteringsrate kan gives således:

Konverteringsraten = Salg divideret med Besøg. Dvs. andelen af besøg, som genererede et salg.

For en konverteringsrate er vel en konverteringsrate?

Ovenstående formel er sådan systemerne (Google Analytics, Indextools (Yahoo! Web Analytics) og SiteCatalyst) udregner konverteringsraten. Men derfor behøver det ikke være den bedste måde at udregne den på.

Konverteringsrate i forhold til unikke besøgende?

Giver det et retvisende billede hvis konverteringsraten udregnes i forhold til antal besøg? Nogle produktkategorier køber brugerne ved første besøg, fx. produkter med lav involvering som en CD eller bog og “besøg” giver dermed et forholdsvis reelt billede af konverteringsraten. Når brugeren kommer ind på sitet så bør målet være at sælge i det pågældende besøg. Vender brugeren tilbage efterfølgende, kan det være for at købe endnu en vare, for nu skal han have en bog mere.

Men hvad med salg af varer, som har en længere beslutningsproces? Hvor mange går på Google, søger på tørretumbler, og køber den første og bedste? Konverteringsraten for produkter med større involvering, samt varer, som man køber sjældent bør måske være på baggrund af antallet af unikke besøgende frem for besøg?

Emnet har længe stået på min emneliste, og da Johan Schlüter fra Velux samtidig har bragt emnet op på Linkedin i gruppen “Danish Web Analytics Circle” (hvis du interesserer dig for webanalyse og ikke allerede er medlem af gruppen, så bringes hermed en opfordring), var der ikke flere undskyldninger for ikke at få lavet et indlæg om emnet. Johan skriver:

Visits versus visítor. Er beregningsgrundlaget afhængigt en tidsmæssig besøgsfaktor og hvad er denne?

Om man tager sit udgangspunkt i visits eller visitors bør være afhængigt hvilken type website man holder sig. Nogle websites besøger brugeren en, to eller tre gange inden for en kort periode og købes en vare har jeg en positiv conversion og en højere rate, da jeg qua websites natur beregner udfra visitors, men beregner jeg ud fra visits er det narturligvis kun besøget, hvorved der købes, der registreres positivt og dermed lavere rate. Kunden kommer ikke igen de næste 0,5, en-to-fem år. Omvendt med websites som besøges tit og ofte. Her giver det bedre mening at tale om visits som udgangspunkt for beregningen, da et bogsite, ´bingosite:) etc, har en anderledes relation til kunden, der kommer jævnligt igen og igen. Jeg synes at logikken holder, men så opstår følgende dilemmaer. 1.) Conversion rates på tværs af brancher bliver svære at benchmarke. 2) Hvordan bestemmer vi “universelt tidsmæssigt”, at her er en type A og B website og bør vi gøre det. Hvad siger i?

Johan selv taler dermed for at differentiere definitionen på konverteringsraten alt efter hyppigheden for salg af produktet og når til to dilemmaer: Benchmark på tværs af brancher og definering af hvilken gruppe sitet skal placeres i.

Hvordan benchmarkes konverteringsraten på tværs af brancher?

Med en konverteringsrate på baggrund af visits, benytter mange 2% som benchmark. 2% er en ok konverteringsrate – ikke frygtindgydende lav, men heller ikke prangende og bevis på et gennem-optimeret salgssite. Men hvad er benchmark hvis man i stedet benytter unikke besøgende? Jeg mener ikke problemet er anderledes end hvis man bruger de 2% som benchmark. Dette mener jeg ikke ud fra ovenstående udsagn – hvis konverteringsraten udregnes på baggrund af besøg, så bør det være lettere at få en konverteringsprocent på 2, hvis man sælger bøger, frem for hvis man sælger tørretumblere. Et benchmark er ikke stærkere end at man skal tage sine forbehold, og ud fra benchmarket lave et reelt benchmark. Man har et udgangspunkt for at kunne navigere ud fra det

Hvilken gruppe af konverteringsrater hører sitet til?

Når man som ejer af et site skal placere sit site i forhold til hvordan konverteringsraten bør udregnes, hvad gør man så? I dag er der ingen klar måde at gøre dette på. Skulle jeg komme med et bud, så handler det om at undersøge mængden af research før et køb, dvs. hvor langt tid går der fra at brugeren første gang kigger på nettet efter produktet, til at det konkrete køb foretages? Endnu mere optimalt: Hvor mange gange besøger brugeren ens site, før beslutningen om køb foretages? I Google Analytics kan dette ses under e-commerce delen: Hhv. “Visits to Purchase” og “Days to Purchase”.

Vi kan nu og her lave en branchestandard: Hvis mere end 50% bruger 2 besøg eller flere før køb, så bør unikke besøgende benyttes til udregning af konverteringsraten. Hvis mere end 50% af salgene sker ved første besøg, så bør besøg benyttes.

Unikke besøgende er ikke kun ét tal

Indtil nu har jeg omtalt variablen “unikke besøgende” som ét tal, men så simpelt er det ikke. Unikke besøgende kan være pr. dag, pr. uge eller pr. måned. Forskellen er stor:

Bruger A kommer ind på sitet mandag og torsdag i samme uge. Udregning af unik besøgende pr. dag vil betyde at bruger A tæller som 2. Udregning pr. uge og pr. måned vil begge give 1. Hvis brugeren derimod besøger sitet torsdag og mandag (dvs. mandagen i ugen efter), så vil det tælle som 2 unikke besøgende ved både pr. dag og pr. uge, mens pr. måned tæller som 1. Der er to måder at håndtere dette: Enten at lade alt gå over en kam – konverteringsrate på baggrund af unikke besøgende er ALTID på baggrund af månedlige unikke besøgende, eller også skal der være klare definitioner for hvornår hvilken periode for unikke besøgende benyttes. Hvis sidstnævnte bør gøre sig gældende er det relevant at vide hvornår hvilken periode giver mest mening.

Unikke besøgende pr. dag

Brugeren kommer ind på dit site om morgenen for at læse om et produkt. Brugeren forlader dit site igen, fordi brugeren ønsker at læse om priser og udbudet på andre sites. I frokostpausen vender brugeren tilbage, for det var nu lidt spændende og en ok pris du havde. Om aftenen skal konen lige spørges, men så er beslutningen heller ikke større, end at varen købes samme aften. Som besøg vil dette tælles som 3, men som unik besøgende pr. dag, så er det kun 1. Udregnes konverteringsraten på baggrund af antallet af unikke besøgende pr. dag, så bør det være fordi beslutningen tages samme dag. Typisk skal der flere besøg til, men beslutningen om køb er ikke længere væk, end at den tages samme dag. Produktet kan være en håndpisker (hvor mange mænd har købt en håndpisker uden at spørge konen først? Markering med håndsoprækning).

Unikke besøgende pr. uge

Nu tages beslutningen ikke længere samme aften. Der er brug for mere ro omkring købet, og det kræver en weekend med. Konen skal lige se på udvalget, og være enig i beslutningen, som begge parter måske lige skal tænke over. Produktet kan være nye spisebordsstole. Her vil unikke besøgende pr. uge give en retfærdig konverteringsrate, da brugeren kun tæller med én gang, men også kun har i tankerne at købe én gang i denne periode. Det er vigtigt at pointere at unikke besøgende pr. uge ikke er for en løbende uge, men mandag til søndag (i Google Analytics dog søndag til lørdag, hvis sproget er sat til engelsk), hvilket betyder at brugeren kan tælle med 2 gange inden for en periode på 7 dage.

Unikke besøgende pr. måned

Historien gentager sig. Denne gang er beslutningsprocessen blot længere – mere end en uge, og formentlig under en måned. Produktet kan være en tørretumbler. Man skal liiiige ud og se varen i en butik, og rådføre sig flere steder før valget tages. Igen skal det pointeres at en bruger kan tælle med to gange, selv om besøgende foretages inden for en 30 dages periode – hvis det er over et månedsskift (og her er amerikanerne heldigvis enige i hvornår man deler ).

Hvilken unik til konverteringsraten?

Der er ingen tvivl om at det giver god mening af skille tingene ad, og bruge antallet af unikke besøgende i forhold til beslutningsprocessens længde. Men omvendt giver det et endnu større slør i ønsket efter et benchmark og en ensartet måde at gøre tingene på. Resultatet af at bruge unikke besøgende er at konverteringsraten stiger, og den stiger mere, jo længere periode de unikke besøgende gælder for (dvs. konverteringsraten vil være størst hvis det udregnes på baggrund af månedlige unikke besøgende).

Min holdning er derfor: Rør ikke ved periodens længde for de unikke besøgende. Den eneste effekt dette har, er niveauet for konverteringsraten – udviklingen er ens. Benyt ugentlige unikke besøgende, da det dækker bredest, tager bedst højde for sæson udsving (julen varer en uge rent helligdagsmæssigt, efterårsferien er en uge mv) og endeligt, så er det mit indtryk af størstedelen af produkterne solgt over nettet har en beslutningsperiode mellem 2 og 7 dage (hvis vi renser for de tilfælde hvor besøg vil blive brugt).

Mit forslag til endnu en branchestandard er derfor: I de tilfælde hvor brugeren benytter 2 eller flere besøg før et køb foretages, så skal konverteringsraten udregnes på baggrund af de ugentlige unikke besøgende.

Tak til Johan for et godt indlæg i webanalyse debatten, og for tilladelse til gengivelse her. Jeg håber flere vil starte debatter i gruppen på Linkedin, og ellers er man som altid meget velkommen til at skrive her til bloggen, så jeg kan tage emnet op

Hvad mener du? Er det relevant at dele konvertering op i flere måder at udregne det på, eller bør det kun være på baggrund af besøg? Er mine forslag til branchestandarder for skæve, for overfladiske eller generelt bare ubrugelige? Eller er der skabt historie i den danske webanalyse verden på en tilfældig mandag aften?

Jeg fortsætter stilen fra i går med fokus på udregning af tidsforbrug. Gårsdagens indlæg omhandlede Google Analytics beregning af tid, specielt med fokus på det gennemsnitlige tidsforbrug på sitet.

Udregning af tid pr. sidevisning

Dagens emne er udregning af den gennemsnitlige sidevisning.

Som nævnt i går udregnes tidsforbruget ved at registrere hver enkelt sidevisnings tidsforbrug. Det udregnes ved at tidsforbruget mellem registrering af side 1 og side 2 måles, og dette tidsforbrug tilskrives side 1.

Denne metode gør at tidsforbruget for sidste sidevisning aldrig registreres (uanset om brugeren ser 1 eller 14 sidevisning).

I går omtalte jeg hvordan det påvirker det samlede tidsforbrug. Men det er vigtigt også at holde for øje, at det også påvirker det gennemsnitlige tidsforbrug ved hver enkelt sidevisning.

Eksempel på tidsforbrug pr. side

Ovenstående eksempel viser en række sider, hvor tidsforbruget er 00:00:00. Man kan samtidig se at % Exit er lig 100% – alle der så disse sider, forlod sitet fra den pågældende side.

Det gennemsnitlige tidsforbrug pr. side påvirkes dermed meget kraftigt af om siden er brugerens side på sitet. Det er lidt tricky, for det er ikke helt så let at gennemskue hvordan de forskellige sider påvirkes.

Få det rigtige gennemsnitlige tidsforbrug på siden

Og alligevel er det ikke så avanceret. Kig på sidens % Exit, som viser hvor meget påvirkning, der er af dette.

Ønsker du det rigtige tidsforbrug for hver side, så skal du i gang med regnemaskinen. Først skal du udregne det samlede tidsforbrug på siden, og derefter skal du udregne hvor mange læsere, som bør indgå i udregningen, altså som har bidraget til tidsforbruget i data.

Det samlede tidsforbrug udregner du ved at gange tidsforbruget med det samlede antal sidevisninger.

Antallet af læsere, som bør indgå i udregningen, finder du ved at trække andelen af % Exits fra det samlede antal sidevisninger.

Det rigtige gennemsnitlige tidsforbrug for den konkrete side kan nu findes ved at dividere dine to tal: Samlet tidsforbrug divideret med antal læsere (fra din egen udregning).

Hvis halvdelen af sidevisningerne resulterer i et exit, så vil det gennemsnitlige tidsforbrug på siden dermed være dobbelt så højt. Hvis hver fjerde exit´er, så vil det rigtige tidsforbrug være 4 minutter, hvis det angivne er 3 min osv.

Google Analytics og Yahoo! Web Analytics

Det er ikke kun Google Analytics, hvor man skal være opmærksom på dette. Et system som Yahoo! Web Analytics og andre har samme måde at beregne tidsforbruget pr. sidevisning ud.

Er Google Analytics eller Indextools bedst til at evaluere Adwords kampagner?

Dette kan betragtes som startskudet på en række indlæg om forskellene på Indextools og Google Analytics. Formålet med dette er ikke at hædre det ene værktøj, men helt objektivt at vise forskellene.

Indextools vs. Google Analytics. Dag 1

For mange er trafiktal ens lige meget hvad værktøj man bruger, så noget af det flest nævner, hvis man spørger om de har lyst til at skifte fra Google Analytics til Indextools er muligheden for analyse af Adwords. Adwords optimering kan man forholde sig til, for det er meget konkret kroner og ører.

Jeg er derfor blevet spurgt flere steder om det er muligt at analysere sin adwords kampagne i Indextools, og det korte svar er “Ja”. Den længere udgave kommer med følgende punkter: Opsætning, overblik, analyse, øvrigt analyse, avancerede muligheder

Opsætning

Det er let at koble Google Analytics og Google Adwords sammen. Foretages oprettelsen af Analytics via Adwords, så er det fra start sat op. Hvis ikke, så kan opsætningen ske ved at trykke på et par knapper (aktiver “auto tagging” under “Min Konto” -> “konto indstillinger”).

Indextools opsætning

Opsætning af kampagne tracking i Indextools kræver lidt mere, men ikke noget uoverskueligt.

Først skal man oprette kampagnen (Angive hvad der definerer den – det kan fx være en angivelse i entry URL, fx ref=adwords). 

Og derefter skal man sørge for at data overføres fra Adwords.

Så er data hevet ind i systemerne.

Præsentation af Adwords data

Google Analytics præsentation af Adwords

I google analytics er der god mulighed for at analysere på sine adwords data.

 Ved at trykke på fanebladene kan man analysere i forhold til adfærd, de opsatte mål og salget. I “Dimension” kan man skifte fra kampagne til annoncegruppe eller keyword, og på den måde analysere på præcis det niveau man ønsker. Man kan dog kun se de variable som er prædefineret. For at analysere på effekten af kampagnen ud fra andre variable, så skal man lave et “advanced segment”. Desværre er der stadig begrænsninger på denne mulighed, og man kan fx ikke se mål og funnels med segmentering. Kilde: Google selv. En sidste mulighed for segmentering er via “Custom reporting” hvor man selv kan sætte tabeller op. Har du fx en tabel som mailes dagligt eller ugentlig, som viser effekten af din Adwords? (mit bud er at 93% af jer kan svare nej, og havde Thomas Mygind været hos jer havde han sagt SÆT IGANG!).

Google Analytics har en funktion, som måske vil overraske flere læsere. Man kan analysere på resultaterne i forhold til hvor annoncen var placeret da brugeren trykkede på den.

Du trykker blot på søgeordet og data kommer frem i højre side. Øverst i højre side er der et dropdown vindue, som gør det muligt for dig at ændre variablen, du ser. Visits er relevant (Ved hvilken placering klikker flest på annoncen?), men du ved blot ikke hvor mange visninger der har været. Ærgeligt Google ikke har variablen CTR også (dvs. hvor stor en andel af visningerne, som annoncen blev klikket på). Til gengæld kan du analysere på værdien. Omsætning, antal transaktioner mv.

“Jamen det er jo ikke muligt at bestemme placeringen”… Nej, men Google har implementet en ønske mulighed i Adwords. Dvs. du kan ønske en placering, og så prøver Google så vidt muligt ud fra de øvrige normale måder at placere annoncen på, at placere annoncen hvor du ønsker. Det kan jo vise sig at nr. 1 ikke giver dig særlig meget, og så kan du ønske nr. 2 og 3 i stedet. Der er dybdegående Adwords evaluering.

Ovenstående feature er der hvor Analytics er Indextools overlegen. Man kan måske lave noget filter på entry URL, hvis Google viderefører annonceplaceringen i referencen (men der er jeg lidt rusten, måske andre kan byde ind her?), men det er ikke opsat for en pr. default i Indextools.

En sidste bemærkning er at konverteringer (salg mv) ikke registreres helt ens i Analytics og Adwords. I Adwords gør en cookie med 30-dages levetid at Adwords kampagnen krediteres for brugere, der vender tilbage og køber (inden for de 30 dage). I Analytics er det kun salg i samme besøg som klikket på Adwords-annoncen, som bliver krediteret Adwords.

Indextools Adwords præsentation 

Indextools griber sagerne anderledes an. Her er Adwords inddraget flere steder i systemet. Mest spændende finder jeg kampagneoversigten.

Her har man en super mulighed for hurtigt at få overblik over ens online kampagner. Det kan sættes op så man i oversigten ikke kun har Adwords som overordnet kategori, men så man også kan bryde ned på kampagner og annoncegrupper.

I kampagne oversigten (og generelt rundt i systemet) kan man vælge tre former når man vælger trafikkilde: Direct, Intelligent og Original. Det er lettere indviklede definitioner, som i ikke behøver blive kedet med nu, men overordnet set betyder det at man kan analyse på om brugeren direkte kom fra Adwords eller om brugeren tidligere kom fra Adwords (på forskellige måder) og vendte tilbage for at købe.

En anden meget væsentlig ting, er at man i oversigten kan se udgiften forbundet med. Der er derfor en ROAS (Return on ad spend), som er meget interessant når man optimerer sin kampagne.

I oversigten er det ikke kun salg man kan analysere på, men alt man har tracket med actionkoder (som er Indextools måde at tracke det man sætter op som mål i Google Analytics).

Alt er ikke rosenrødt hos Indextools, for man bliver lidt træt når man skal finde ud af antallet af besøg via Adwords. I oversigten ses “Clicks” og “Unique Clicks”, og det reele antal besøg fra Adwords ligger et sted i mellem. Så man skal over i “Visits” og filtrere på Campaign=Google Adwords for at få dette tal. Et eksempel er Clicks=1.130, Unique Clicks=784 og visits=787. Som “normal” bruger er dette svært at regne ud.

Derudover kan man rundt i systemet filtrere på “Paid search” og se præcis de data man ønsker (filteret er lettere at lave end i Google Analytics, men til gengæld skal det laves når man skifter menupunkt).

Indextools eller Google Analytics?

Jeg synes begge systemer kommer rigtig godt ud af at analysere Adwords. Der er mulighed for at analysere på meget detaljeret niveau, og kun tiden sætter grænsen. Analytics gør det lidt mere overskueligt at analysere, mens Indextools er lettere når man skal gå helt i detaljen. Desuden er Indextools kampagneoversigt rigtig god.

Har du en anden holdning? Hvad er vigtigst for dig når du analyserer din Adwords?

Dette var første sammenligning af Google Analytics og Indextools. Formålet er ikke at finde en vinder, men at præsentere ligheder og uligheder i de to systemer. Så kan du bedst selv vurdere hvad der passer bedst til dit temperament

Webstedssøgning: Din interne søgemaskine er vigtigere end du tror

Alt for mange undervurderer effekten af at analysere data for den interne søgning på deres site. Faktisk kan du starte med at optimere helt uden webstatistik – har du fx prøvet at lave en søgning på dit eget site for nylig? Ville du som bruger synes resultaterne giver dig det du søger efter?

Kan du svare ja til de tre følgende udsagn?

• 1. Indenfor den seneste tid har jeg selv prøvet min interne søgning for at se præsentationen af resultatet
• 2. Min webstatistik / tracking måler hvad brugerne søger på
• 3. Inden for den seneste måned har jeg kigget på resultaterne af hvad brugerne søger på, og brugt det til at optimere mit site

Hvis du havde et eller flere nej, så bør du læse videre. Kunne du svare ja til alle, så læs videre og udnyt dit forspring til at nå endnu længere.

Hvorfor bruger dine brugere den interne søgemaskine?

De er to typer brugere – dem, som navigerer via menu eller links, og dem, der navigerer via den interne søgemaskine. For dig gælder det om at minimere brugen af den interne søgemaskine, da det kan være svært at ramme deres behov fuldstændig (Du får i al fald lov at betale for en søgemaskine i den kaliber). Den sidstnævnte gruppe er svær at flytte, med mindre de fra start lokkes af et godt tilbud på forsiden. Den første gruppe ønsker som sådan ikke at bruge den interne søgning, men bliver nødsaget til det, når de ikke kan finde det de søger. Problemet er her for dårlig navigation og usability på sitet.

Hvor stor en andel af dine brugere søger?

Brugen af den interne søgemaskine fortæller utrolig meget om sitet. Normalt vil omkring 1-3% af alle besøg indeholde en søgning. Hvis der søges ved mere end 10% af besøgende, så er det så langt over normen at det er en klar indikation på at navigationen er problematisk. Problemet kan også skyldes at det søgte ikke indgår i sitets sortiment, og derfor umuligt at finde, men giver det en søgeprocent på over 10, så er det vist tid til at revurdere brand og signaler kraftigt (eller sortiment).

Hvordan ser din resultatside ud?

Lige meget hvor mange der søger, så bør de præsenteres for en side, som fører dem sikkert videre til hvad de søger. Billedet viser søgeresultatsiden for hifiklubben.dk, og de har tydeligvis glemt selv at søge. Jeg søgte tilmed på “Fladskærm” og da de to første resultatsider kun indeholdt andre produkter, så opgav jeg. Wupti.com´s er lige så håbløs, se blot deres side. Når du måler dine søgninger, så kan du også se hvor mange, der forlader sitet umiddelbart efter søgningen. Undersøg hvilke søgeord, som medfører at brugeren forlader dit site og prøv selv at søge på disse søgeord. På den måde finder du ud af hvorfor brugeren forlader dit site – er det uoverskueligt resultat, nul resultater, eller resultater der ikke matcher søgningen?

Brugere der søger giver dig informationer

Et utrolig vigtigt output fra de interne søgninger er interesse tilkendegivelsen. Følg løbende op på de 10-20 mest søgte ord, og se om du har dem i sortimentet og om søgeresultatet matcher efterspørgslen. Søgeordene er en klar tilkendegivelse af hvad brugerne tror de kan finde, men ikke kan finde. Så tag handling: Sørg for det indgår i sortimentet. Indgår det allerede i sortimentet, så overvej hvordan brugeren kan finde det uden brug af søgemaskinen. Hvis navigationen til varen er ulogisk eller lang, så optimer din navigation. Gør det let at finde de mest solgte samt mest søgte produkter. Overvej at integrere et dynamisk område, som på skift viser de 5 mest søgte varer.

Hvilke søgeord giver ikke resultat?

En ting er dårlig resultatfremstilling, men får brugeren slet ikke noget resultat, så er salget helt tabt. Kig derfor godt på listen over 0-resultat søgninger. Har du produkterne i dit sortiment, så sørg for at få dem præsenteret. Har du ikke, så overvej om det skal indgå. Og i stedet for at skrive “søgningen gav ingen resultater”, så lav et til dels mere underholdende og hyggeligt svar, samt noget brugeren kan agere videre på. Det kan fx være “Lagerchefen er ude efter kaffe, så produktet findes ikke på hylden lige nu. Se i denne uges tilbud og få et godt tilbud i stedet – klik her.”

Følg resultatet af din optimering

Hav et dokument hvor du skriver dine justeringer ind i, med dato. Og undersøg så om din optimering rent faktisk er en optimering. Gå efter at få andelen af besøg med søgninger ned, mindske antallet der forlader sitet efter en søgning, og selvfølgelig at få øget salg via søgning. Alle tre kan dit webanalyse værktøj hjælpe dig med (hvis du har sat det op). Husk at fejre succes! Det er selvfølgelig ikke godt hvis det er skidt nu, men det er først rigtig møg hvis det stadig er skidt om et år.

Hvilke værktøjer til at måle?

Til interne søgninger er en kombination af Google Analytics og Indextools rigtig godt. Google Analytics giver svar på

• Bounces efter søgninger
• Brug af sitet efter søgning
• Andel af besøgene, som indeholdt en søgning
• Mest søgte ord

Men antallet af 0-resultats søgninger indgår ikke (pr default), så dette ses i Indextools.

Brugen af blot det ene værktøj kan næsten føre dig i mål, så frygt ikke hvis du “kun” har det ene (det er nok mest mig der godt kan lide at have implementeret en masse – man har vel lov at være fagnørd).

Måling af den interne søgning

Det er lettere at måle den interne søgning end du regner med. Indgår søgeordet i søgeresultatsidens URL, så kan man sætte det op i Google Analytics ved blot at angive hvad der står lige før = i url (hvis q=searchterm, så indsættes blot q i settings) og hvis ikke kan et enkelt kode-hack gøre det muligt. I Yahoo! Web Analytics skal man blot placere et stykke kode på søgeresultat-siden.

Kom i gang med det samme

Svarede du nej til udsagnene i toppen? Så er det bare om at komme i gang med at rette op. Lige nu og her: Prøv selv at søge. Derefter: Undersøg om det registreres i din tracking – hvis ikke, så sæt det op. Sæt en deadline for hvornår det skal være fuldt implementeret og opsat og overhold denne. Følg op på data en uge efter.

Ps: Kig ikke på dette sites interne søgning, jeg satser på uerfarne brugere og at sitets usability er for vildt ;-)

Webanalytikeren skriver til kommunikationsbranchen

Mit erklærede mål er at udbrede viden om webanalyse til alle, der har et website eller overvejer at få et. Jeg har derfor forfattet og fået publiceret en artikel på kommunikationsforum.dk, som i dag er på forside og sendt ud i nyhedsbrevet.

Ønsker i at læse indholdet så klik på: artikel om webanalyse fra A til W.

Forslag til emner til andre indlæg på kommunikationsforum eller andre steder modtages gerne.

Webanalyse 2008 – året der gik

I år 2008 kom der for alvor aktivitet i forhold til webanalyse. Nye systemer så dagens lys, andre kom i nye eller opdaterede udgaver og virksomhedernes fokus har bestemt rykket sig mere mod analyse.

Nye webanalyse udbydere 2008

I år 2008 stødte jeg på flere helt nye webanalyse udbydere på markedet. Udover at det altid er spændende med nye udbydere, så var tendensen helt klart, at det ikke længere var nok at afrapportere sidevisninger og besøg, men at vi er kommet til webanalyse 2.0 (eller i al fald 1.5). Blandt de nye udbydere så vi nemlig det tidligere omtalte Woopra, som byder på en mere kvalitativ betonet analysefremlægning og GoingUp!, som ikke kun har data fra webanalyse, men også inddrager SEO. Jeg har også tidligere omtalt Clicktale, som jeg vil betragte som værende fra 2008 (selv om årstallet 2006 også indgår på deres site). Clicktale fik skubbet lidt til de to andre klikværktøjer og vist hvordan man også kan lave kvalitativ analyse uden at skulle kigge respondenten over skulderen.

Nye releases 2008

Det var ikke kun nye udbudere på markedet som viste udviklingen og vejen frem, da flere af de eksisterende udbydere også bød på forandringer.

Netminers udvikling

Netminers kunne efter flere års forskning og udvikling præsentere deres system med nye klæder. Og det må sige at klæde systemet. Her bliver man for alvor tvunget til at overveje hvilke variable som virkelig giver værdi, da der per default ikke er nogle faner med data – alt skal bygges op med egne dashboards. Jeg er egentlig vild med ideen, selv om det i en hastig stund kan være rart med den “gode gamle faste menu”.

Google Analytics udvikling

Google Analytic har udviklet sig markant i 2008. Måske et synspunkt fordi jeg savnede muligheden for filtrering. I oktober kom muligheden for filtrering og samtidig lancherede Google skræddersyet dashboards. Det er et stort skridt fremad, men ingen af delene matcher endnu fx Yahoo! Web Analytics. På en af mine kontoer er der også åbnet for event-tracking, hvilket betyder at det ikke længere kræver en unik URL for at registrere en event. Det er en stor fordel, fx hvis handlingen sker i en popup (tilmelding til nyhedsbrev fx) eller hvis du ønsker at dele salget op i kategorier og din backend for salget er ens for alle. Google Analytics steg et niveau i mine øjne, men der er stadig mulighed for forbedringer. Det positive er at det tyder det også på. Der er flere elementer på vej, heriblandt API og større integration med andre programmer (heriblandt Google Website Optimizer).

Google Website Optimizer

Det skal jo nævnes – Google Website Optimizer så også dagens lys. Jeg har set referencer til 2006, men jeg vil mene at 2008 var året hvor det for alvor blev lanceret og muligt at bruge.

Gemius. Udvikling?

Min kæphest Gemius er endnu ikke så omtalt her på bloggen, men skal absolut nævnes. Herefter ville jeg med glæde have omtalt en lang række ændringer, opgraderinger og spændende nye features, men de er udeblevet. Trods systemet nu i 1½ år har været det officielle system til registrering af webtrafik i Danmark, så er det stadig meget langt fra noget der minder om webstatistik. Her taler jeg naturligvis om Gemius Traffic. GemiusAudience er egentlig langt mere spændende, og værdien af dette er steget i det forgangne år. Ikke fordi Gemius har opdateret, men simpelthen fordi flere og flere sites er tilmeldt FDIM og dermed Gemius. Det betyder at man som tilmeldt website kan få langt bedre indblik i sine brugeres web-adfærd, i form af dobbeltdækning med de andre sites.

Omniture udvidede paletten

Omniture er ikke kun tracking og webstatistik, hvilket de i høj grad viste i 2008. De fik endelig implementeret Instadias survey, og kunne derfor lancere Omniture Survey. Derudover kom tilføjelserne SearchCenter (optimering af PPC – fx muligt at lave regler hvorefter der automatisk optimeres herefter. En regel kan være “maks converteringspris: 200 kr”) og Test&Target. Sidstnævnte er Omnitures bud på A/B og multivariate testing system. Alle de nye produkter er utrolig spændende og i et højt niveau, men desværre er prisen stadig derefter, så det er hovedsageligt brugbart for de helt store virksomheder, som for alvor kan kapitalisere på udbyttet.

Indextools opkøbt

2008 blev også året hvor Indextools blev til Yahoo! Web Analytics. Yahoo! er gået i angreb mod Google, og som modkandidat til Google Analytics er det tidligere Indextools nu kommet på banen. Det er et meget kvalificeret modspil, som dog er lidt sværrere for brugerne at gå i gang med. I Danmark er Yahoo! PPC sjældent noget som så mange bruger tid på, men i udlandet er markedsandelen noget større. Mere interessant betød købet at Indextools blev gratis. Ikke alle kan endnu få adgang, men i første kvartal 2009 ser dette anderledes ud.

Webanalyse branchen i Danmark

Det var ikke kun udbudet af analyse værktøjer som viste, at 2008 var et år med fart på. På markedet skete der også forskellige rokader og nye start.

Guava og deres aktiefald

The Milk var et lille uskyldigt firma, som havde deres helt eget område – de var i lang tid nordens eneste Google Analytic Certificerede partner og sad tungt på dette. I maj 2008 blev firmaet købt af Notabene, og i nogenlunde samme omgang blev det hele til Guava. Det kunne lyde som en spændende sammenlægning, men i mine øjne mistede markedet en nichespiller, for at prøve at lave en mastodont. Ikke kun jeg var imod opkøbet – aktiekurset styrtdykkede i September: 8. september var kursen 4,29 mens den 30. september var 1,05. I 2008 er kursen gået fra 6,15 til 0,6. Der var vist også nogle historier om at optioner til medarbejdere blev lavet om, da værdien af dette var helt til grin. Guava har ledt an i finanskrisen.

Glassbox – nyt firma i 2008

En sådan ændring kommer sjældent alene, og derfor så firmaet Glassbox dagens lys i september 2008. Virksomheden er funderet i tidligere The Milk medarbejdere, og arbejder udelukkende med webanalyse.

Valtech også GAAC

The Milk mistede i 2008 retten som den eneste Google Analytics Authorized Consultants i norden, da Valtech i November annoncerede at nu var de også GAAC. Helt Gaac Gaac. Så Valtech som tidligere har lugtet mere af udviklingshus er nu også begyndt at røre mere på sig i forhold til webanalyse og tracking. Dog ikke mere end at det er godt gemt på deres website, og så er det udelukkende Google Analytics, som omtales. Det er fint og det er gratis, men kunderne har nu og engang forskellige behov…

Webanalytiker.dk

Og endelig… Så opstod dette site med denne blog. Pt. betragter jeg det som den største og i virkeligheden den eneste blog som i så høj grad beskæftiger sig med webanalyse på dansk. Det danske marked ER langt fremme med webanalyse, så det var på tide med en blog som tog emnet seriøst. Jeg kan ikke prale af at have sitet helt på plads endnu, for lysten til at gå i gang var større end til at få finpudset detaljerne inden launch. Derfor blev startåret 2008 og forhåbentlig en start til mange år med stor inspiration og vigtigst af alt – til god debat og sparring for alle i branchen. 

Webanalyse fremtiden – 2009

Det er svært at spå – specielt om fremtiden, men lad mig gøre et forsøg alligevel. Vadkær mener i sit nytårsindlæg at 2008 var i SEO´ens tegn, mens 2009 bliver i webanalysens tegn. Med ovenstående er jeg ikke helt enig i 2008 ikke bar markant præg af webanalyse, men giver gerne ret i at 2009 bliver interessant

Jeg er ikke i tvivl om at endnu flere virksomheder begynder at få øjnene op for vigtigheden af webanalyse og tracking, og der vil derfor være behov for mere og mere arbejdskraft. Allerede i dag er det svært at få kvalificerede medarbejdere, og dette vil være et endnu større problem i 2009. Der er kommet flere virksomheder til på markedet, men min vurdering er at der er masser af plads til dem alle. Virksomhederne begynder også at blive mere fokuserede i valg af udbyder og arbejdsmetode, hvilket vil give udbudet en større bredde til glæde for kunder, men også for webanalyse branchen overordnet set.

Google

Der er ingen tvivl om at Google har mere i støbeskeen, og her tror jeg at vi får en langt større integration mellem Google Analytics, Google Website Optimizer og Google Webmaster tool at se. Generelt vil GWO blive mere udviklet, og der vil komme flere features til Google Analytics. Event tracking vil blive åben for alle, og systemet vil blive mere avanceret – til glæde for de proff. men samtidig vil det gå ud over den simpelthed der har kendetegnet systemet.

Juhuu Yahoo!

Så blev det 2009 og vi skal formentlig maksimalt vente 3 måneder før alle kan få adgang til Yahoo! Web Analytics. To ting er spændende her: Hvor offensive bliver de (både på verdensplan og i DK), og bliver fokus hovedsageligt at kunne modtage mængden af kunder frem for udvikling? Dennis Mortensen (dansker, som er chef for foretagenet i Florida) har en ny bog på trapperne, som umiddelbart ligner en manual til programmet. Jeg tror ikke det vil blive markedsført så offensivt i DK pga. Yahoo!´s lave PPC markedsandel, men udbredelsen skal nok finde sted alligevel, da landet allerede har taget godt imod. Så godt som alle bureauer tilbyder det, og DeMib har også gjort sit for at omtale det.

Generelle tendenser

Jeg tror 2009 bliver året hvor vi i langt højere grad ser nye udbydere komme til. Jeg tror dog det bliver i langt mindre grad med store flotte systemer, men derimod mindre features. Successen vil derfor afhænge af muligheden for integration med andre værktøjer, så man kan samle data og krydse dem.

Webanalytiker.dk 2009

Sitet kommer til at udvikle sig i 2009 og samtidig vil brugertallet stige betydeligt (ikke kun pga. høj selvtillid, men det er endnu i et begynder niveau ). Går alt efter planen kan det være der tilføjes et debat-forum, og alternativt åbnes bloggen for indlæg fra andre. Med den rivende udvikling på markedet er der mere end aldrig før brug for sparring, og derfor vil dette site være en god grundsten. Også i 2009

Og hvorfor alle de billeder af strande og palmer? Fordi vi i den kolde tid har brug for at tænke på varme. Og nåja, så er det egne feriebilleder fra min juleferie på Zanzibar

Tilføjelse 6. januar 2009:

Et år med så mange begivenheder kostede et par mangler: 1-mands webanalyse firmaet Misura startede ligeledes i 2008. Desuden var 2008 også året hvor den første Web Analytics Wednesday kom til København. Det første arrangement blev afholdt i april 2008, og bragte ligeledes Danmark på det store webanalyse verdenskort

Tilføjelse 8. januar 2009:

Som nævnt i kommentarerne, så er der også oprustet i flere andre virksomheder.
Creuna har ansat flere folk, og har angiveligt en webanalyse afdeling på 7 personer (men hvad man tæller med som webanalyse er meget forskelligt fra firma til firma – tæller man fx sine programmører, der implementerer tracking med?).

Deducta har ligeledes oprustet deres afdeling, og deriblandt er jeg selv blevet ansat (hvilket klart må betragtes som et kvalitetstempel ). Derudover er Deducta i 2008 blevet certificeret i Sitecatalyst, Sitecatalyst implementering, Test&Target samt SearchCenter.