Tidsforbruget pr. side reelt højere
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.
Pingback: www.anyhed.dk
Bah, nu havde jeg lige lagt en lang kommentar i gårsdagens post, hvor jeg argumenterer for at Visit Duration er en ubetydelig metric
Det eneste jeg har at tilføje er, at WAA jo sådan har en klar definition af begrebet:
TERM: Visit Duration
Definition/Calculation:
The length of time in a session. Calculation is typically the timestamp of the last activity in the session minus the timestamp of the first activity of the session.
Comments:
When there is only one piece of activity in a session (a single-page visit or single-event visit), no visit duration is typically reported.
@Søren: Mange tak for din kommentar. Og din kommentar var skam relevant nok i den anden tråd
Du argumenterer for at det mest er en metric man bør bruge når man skal se udviklingen, fx i forbindelse med en optimering. Jeg er helt enig i at det er absolut mest brugbart når man optimerer en side, og ønsker at se om tidsforbruget har ændret sig. Men i den situation er det også vigtigt at have ovenstående viden og bruge det aktivt. Forestil dig situationen hvor tidsforbruget er gået fra 4 til 3 minutter og man tror helvede er løs (hvis målet var størst muligt tidsforbrug på siden). Men hvis ændringen i virkeligheden skyldes at bounce raten på siden er gået fra 25% til 50% og brugerne i virkeligheden bruger længere tid efter optimeringen, så giver det et helt forkert billede. At man så bør arbejde på bounce-raten er en helt anden ting
Burde det i princippet ikke være rimelig let for Google og Yahoo at filtrere besøgende fra med kun én sidevisning? Hvad er grunden til de medregnes i netop tidsforbruget på en side?
Du har helt ret. Selve udregningen er som sådan såre simpel. Nogle argumenter for ikke at justere den er at enhver ændring, som påvirker data, er utrolig “farlig”. Det vil betyde at de mange tusinde brugere lige pludselig får en markant forøgelse i tidsforbruget (alt efter størrelsen på bounce raten og gns antal sidevisninger pr bruger), og man mister dermed muligheden for historisk sammenligning. Man kan naturligvis lave ovenstående udregning på “gamle data” eller Google kan gøre det for en. Men jeg tror ikke det vil ske foreløbigt.
hej webanalytiker,
for en som står helt udenfor dette professionelle felt, og som søgte på Google for at finde ‘noget om’ tidsforbrug på hjemmesider i håbet om at få noget validerende info – så var det her indlæg aldeles fremragende! Jeg vidste ikke, at der var denne spidsfindighed og har straks regnet mig frem til et noget højere tidsforbrug på min hjemmeside, mange tak.
I tilgift vil jeg gerne spørge om nogen kan give mig en tommelfingerregel på hvor lang tid ‘man’ typiske bruger på en hjemmeside? jeg vil jo gerne have noget at sammenligne med, når jeg skal vurdere tidsforbruget på den hjemmeside jeg er ansvarlig for.
tak
vh
lotte
Hej Lotte
Godt at høre du kan bruge mit indlæg til at besvare dit spørgsmål. TId på sitet er en lidt kompleks variabel, selv om den burde være så simpel. Hvis du gerne vil måle den reelle tid, så skal du bruge værktøjer som clicktale, mouseflow eller Woopra. De måler på en anden måde.
Det er meget forskelligt hvor lang tid brugerne benytter på et website. I nogle tilfælde er det ikke positivt hvis der bruges lang tid, for så har brugeren måske svært ved at finde det de søger, mens nyhedsmedier mv., i høj grad gerne vil holde fast på brugeren. Men ofte ser jeg 2-3 minutter for et besøg. Du kan prøve at slå sammenligning af data til, så kan du sammenligne tid på sitet i forhold til kategori for dit website.
Hilsen Jacob