Spændende nyhed fra Google Analytics: Nu kan du lære meget mere om brugerne på sideniveau. (Update: link til Googles eget indlæg – det var ikke udkommet da dette indlæg blev udgivet)

Der har netop været afholdt eMetrics i USA og det plejer at være tiden for at Google afslører det nye i Google Analytics. Men der var ingen pib og den officielle blog kører “kedelige” back-to-basic indlæg . Men men men, så kom dagen alligevel.

Jeg var inde og kontrollere opsætning for en kunde, og under menupunktet ”Indhold” finder jeg pludselig noget nyt – In-page Analytics (både dansk og engelsk – google translate har ikke været på spil endnu).

In-page Analytics – viden på sideniveau

Jeg er både glad og skeptisk for denne nyhed. Nye muligheder for at analysere glæder mig altid, det gør mit arbejde lettere og giver mine kunder bedre resultater. Men jeg er skeptisk da det nye menupunkt afløser det gamle menupunkt “Webstedsoverlejring”, som aldrig har fungeret rigtig godt.

In-page Analytics består af to ting:

1. Data om siden som bouncerate, exit-rate osv
2. Gode gamle webstedsoverlejring peppet op med ny grafik og en “klik under”

Del 1 – sideoplysninger

I venstre kolonne kan du se en masse data. I virkeligheden er der ikke noget nyt at hente, for det alle data du kan finde i andre menupunkter. Det nye er at det er samlet og præsenteret meget bedre. Det giver et formiddabelt overblik over hvordan en side performer.

Det er også interessant at man kan se de mere tørre tal som demografi og tekniske data, da det er sammenlignet med gennemsnittet. Nok ikke noget mange får resultater ud af, men ved at de er præsenteret på denne måde bliver det lettere at finde spændende ting.

In-page Analytics har også to “barer” der ikke er foldet ud med data, men som du kan klikke på og få mere viden om: Stien til og fra siden. Det er rigtig godt placeret her, og er let at se og tilgå. Dejligt tiltag.

Personligt kan jeg godt bruge det, men jeg vinder ikke heeeelt vildt på det. Men for brugere, der ikke spenderer hele deres liv i Analytics så er det et rigtig godt tiltag. Det er meget lettere at få overblik og overskue landingpage optimering.

Men Google – hvor er entries, altså antal brugere der er startet på siden? Der er kun en procentvis udregning som giver almindelige brugere panderynker over at skulle gange op og samtidig give usikkerhed om entydige visninger er det samme som sidevisninger (hvilket det ikke er – men om udregningen rent faktisk er lavet på entydige er ikke til at sige, det ville dog give mest mening). 

Del 2 – webstedsoverlejringen

Et af de gamle problemer med overlejringen er at det ikke registreres hvor en bruger klikker – det registreres hvor brugeren går hen bagefter, og hvor der er link til denne efterfølgende side. Lad os tage et eksempel: Du kommer ind på forsiden af webanalytiker.dk og klikker på menupunktet “tracking”. Analytics registrerer så at du går til siden /tracking – men der er faktisk tre links på forsiden til denne side. Hvis 30 ud af 100 gør som du, bør der være 30% klikrate på det ene link og 0% på de to andre. Men da Analytics ikke registrerer HVOR der klikkes, så vil der stå 30% på alle tre links.

Sådan har det været bagudrettet, og den dårlige nyhed er at det stadig er sådan. Jeg har endnu ikke fået baggrundsviden fra Google, så jeg ved ikke om de har lavet tiltag der gør det skarpere. Google har dog tilføjet en smart ting – er der flere ens links, så er tallet markeret med stiplet linie om boblen.

En lækker ting er den nye “Klik under” feature – her kan du se hvor mange klik der har været under scroll i forhold til det skærmbillede du ser. Hvordan de har lavet data er dog næsten mere interessant, pga. ovennævnte problem med klik vs mange links. Jeg har et link under scroll hvor der stod 16%, men når jeg scroller op, så siger den 10% under scroll. Dvs. der er taget højde for at procentsatsen er for høj når linket er flere steder. Om Analytics tæller antal links og i ovenstående eksempel dividerer klik med 3 (altså antal klik divideret med antal links) ved jeg ikke (endnu).

Mine forslag til in-page Analytics udvidelser

(Tilføjet afsnit:) Jeg skal ikke være den der sabler nye gode initiativer ned, men vil alligevel give et par bud på forbedringer, som burde være ret lette for Analytics. Som Bror nævner i kommentarerne, så er demografi og tekniske oplysninger ikke vildt sexede eller brugbare for den almindelige bruger. Faktisk er det oftest kun interessant ved redesign. Så fold dette sammen og flyt nederst.

GIV MIG TRAFIKKILDER!!! Jeg vil se hvor brugerne kommer fra til den pågældende side. Punktet “indgående kilder” viser hvilke andre sider fra sitet brugeren kommer fra, men ikke eksternt – det er kun nævnt som “entrance”. Så Google: Giv os en oversigt over hvilke mediums der har givet trafik til den specifikke sider, en oversigt med søgeord der gav trafik samt en oversigt over henvisningswebsteder der linker ind til siden. Se DET er interessant og kan bruges når man evaluerer siden. Indtil da skal vi ud i avancerede segmenter, og her ryger der nogle brugere i svinget (sådan ca 95% af alle formentlig).

Så spændende nye muligheder fra Google, men stadig med mulighed for at gøre endnu lækrere. Data er alle data vi kunne se i forvejen, men desværre er det ikke de aller mest interessant eksisterende data.

Video introduktion til In-Page Analytics

Jeg har lavet en screencast video introduktion til In-Page Analytics

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

Her er Googles egen beskrivelse:

httpv://www.youtube.com/watch?v=Nl8GW3M_2h0

Gavner det dig, er du glad for det nye overblik? Lad mig høre hvad du  mener )

PS: Jeg har fået NYHEDSBREV: Tilmeld dig og få viden om nye projekter, gode tilbud og meget mere

Optimering af landingpage: Udvælg med avanceret filter

Du skal i gang med at forbedre din konverteringsrate, og du vil starte med at optimere udvalgte landingpages. Men hvilke sider skal du starte med?

Du skal selvfølgelig starte med de sider hvor du får mest ud af arbejdet. Dvs. de sider hvor der er mange der starter, og som samtidig performer utrolig dårligt.

Optimer landingpages med høj afvisningsprocent

Der er flere sider af sagen, men lad os gøre det simpelt i dag. Den mest simple måde er at kigge på afvisningsprocenten på startsiderne. Jeg har tidligere selv analyseret forholdet mellem afvisningsprocenten og konverteringsraten, og det følges utrolig godt ad (min analyse blev foretaget på en række websites med store mængder trafik). Dvs. når afvisningsprocenten er høj, så er konverteringen lav, og omvendt.

For at finde landingpages med høj afvisningsprocent skal du gå ind i rapporten over Topdestinationssider (under Indhold i Google Analytics) eller Entries (i Yahoo! Web Analytics). Sorter data i forhold til afvisningsprocenten.

Når du klikker på kolonnen med høj afvisningsprocent får du en oversigt over siderne med højest afvisningsprocent. Perfekt, det søgte vi. Men men, spis nu ikke kagen før kaffen er klar - for det er næsten ingen indgange det drejer sig om. Eksemplet viser problematikken – listen viser næsten altid 10 sider med afvisningsprocent på 100%, på baggrund af 1 besøg. Og nu kommer den fantastiske løsning.

Avancerede filtre viser hvor du skal optimere

Yahoo! Web Analytics har længe givet muligheden for at filtrere data, og det er nu også muligt i Google Analytics. Under rapporten finder du en lille tekst – “Avanceret filter”, som ses længst til højre på billedet. Det avancerede filter giver mulighed for at sætte nogle betingelser op.

Lav fx et filter, som angiver at du har haft minimum 100 indgange, og se hvilke sider, der så har størst bouncerate.

I mit tilfælde (da data i eksemplet er af ældre dato, hvor sitet ikke havde så mange besøg) vil jeg lave et filter, som sikrer at der er minimum 10 indgange på den pågældende side.

Resultat af det avancerede filter: Oversigt over Landingpages med en vis mængde trafik samt høj afvisningsprocent. Det er ganske enkelt en arbejdsliste over sider du skal arbejde med.

Filtrer på afvisninger

Inden du kaster dig over al arbejdet bør du selvfølgelig kigge på lidt flere data. En anden rigtig god måde at bruge avanceret filter på er at lave et minimum på afvisningsprocenten. Lav fx et avanceret filter så afvisningsprocent er minimum 40%, og sorter derefter på antal indgange i tabellen. På den måde får du en liste over siderne med flest bounces. Det betyder at når du optimerer disse sider, så får du mest muligt ud af mindst arbejde. Sådan kan en rigtig webanalytiker godt lide at arbejde

Og så er kaffen klar – spis gerne kagen nu!