Posts Tagged ‘segmentering’

Demografisk data i webbstatistiken, hur surfar män jämfört med kvinnor till exempel

Att segmentera statistik och se hur en viss användargrupp beter sig på webbplatsen kan man göra i många webbstatistiksystem, till exempel Google Analytics, SiteCatalyst (Discover) och WebTrekk.

Till exempel kan man se hur besökare från Google som konverterar, hur besökare från en viss hänvisande webbplats surfar, hur sökmotoranvändare som skriver in ett visst sökord och kommer till din webbplats beter sig etc.

Att använda demografisk data som till exempel kön, ålder, intressen, utbildningsnivå, hushållets storlek, hushållets inkomst etc. vid segmentering finns det inget webbstatistikverktyg som har “out-of-the-box”.  Det här typen av information måste man skicka in till webbstatistiksystemet på något sätt.

När man väl har denna informationen i systemet kan man segmentera, det vill säga filtrera statistiken med hjälp av den demografiska informationen. Nu kan du till exempel  se hur kvinnor interagerar med din webbplats jämfört med män, om 30-åringar beter sig annorlunda än vad 60-åringar gör etc.

Det kan även vara intressant att skicka in information om olika kundgrupperingar (kundgrupp A, kundgrupp B etc., kunder som köper för mer upp till X kronor, kunder som köper för mellan X och Y SEK och storhandlare som köper för mer än Y kronor).

Hur ska man få tag på den demografiska informationen

Det finns egentligen inga genvägar. Antingen måste du ha informationen lagrad på något sätt (till exempel kanske du har information om ålder, kön, intressen etc. från någon form av inloggningsfunktion/medlemsfunktion) eller så måste du fråga efter den demografiska informationen (till exempel via ett formulär).

Bestäm vilken demografisk data som du vill kunna segmentera på och skicka in informationen till webbstatistikprogrammet.

Demografisk data i Google Analytics

Exempel på Custom Variables i Google AnalyticsOm du vill kunna segmentera din webbstatistik med hjälp av demografisk data i Google Analytics så är det antagligen bäst att använda så kallade Custom Variables.

Här kan du skicka in demografisk data och olika former av kund/medlemsinformation som du sedan kan segmentera webbstatistiken med och dra värdefulla slutsatser.

När man väl har en eller fler Custom Variables, så kan du använda Avancerade segment i Google Analytics och skapa egna filter/segment (custom segments) som du kan filtrera de vanliga rapporterna med.

Sedan är det bara att dyka ned i rapporterna och hitta mönster och trender som du kan använda för att förbättra webbplatsen och möta dina mål.

Custom Segments i Google Analytics

Bli den första som kommenterar  Artikelförfattare: Erik Nettelbrandt - 2010-11-18 kl 23:58

Kategorier: Nyheter, Rekommendationer, Webbstatistikverktyg   Taggar: , , ,

Firefox troligen över 20% marknadsandel globalt

Enligt flera oberoende källor har webbläsaren Firefox i slutet av 2008 en marknadsandel som ligger över 20% över hela världen. Som alltid så är det många olika felkällor när man pratar global data, men nu är det så många som kan uppvisa siffror som tyder på att den magiska gränsen är nådd.

Internet Explorer har fortfarande en överlägsen ledning med Internet Explorer 7 och Internet Explorer 6, men den minskar.

Google vet bäst

Google är med stor säkerhet den marknadsspelare som bäst vet vilken webbläsare som är mest populär på global basis. De samlar in otroliga mängder trafikdata via verktyg som Google Analytics och Google Toolbar, men den datan behåller de dock för sig själva…

Källor för global webbstatistikdata

Jag brukar använda följande källor när man vill studera trender på gobal basis som till exempel nyckeltal för vilken webbläsare som är mest populär:

http://marketshare.hitslink.com/browser-market-share.aspx?qprid=0 (Net Applications)

http://www.thecounter.com/stats/2008/December/browser.php

http://www.w3counter.com/globalstats.php

Känner du till fler? Hör av dig via vår kontaktsida.

Hur ser det ut för nyckeltalet populäraste webbläsaren i Sverige?

Ja, det är förstås ändå svårare att svara på eftersom det inte finns lika många som mäter detta. I våra egna begränsade undersökningar baserat på trafiken på ett antal stora webbplatser ser det dock ut som om vi i Sverige ligger lite efter i användningen av Firefox som webbläsare.

Webbläsare och webbutvecklare

Många webbutvecklare är mycket intresserade av vilken typ av webbläsare som besökarna använder. Det gäller att hela tiden att testa av webbplatsen så att den fungerar felfritt för “alla” webbläsare, eller åtminstone de största webbläsarna.

I en tidigare skrev jag om de nya webbläsarna med ny “porn mode” funktionalitet som kan påverka statistiken. Denna typ av webbläsare är också viktigt att hålla koll på.

Webbläsare och segmentering

Om man har ett mer avancerat webbstatistiksystem så kan man segmentera innehållet baserat på vilken webbläsare man har. Det kan vara så att en viss användargrupp som använder en viss webbläsare konverterar sämre (eller bättre). Om man kan identifiera detta via statistikverktyget (till exempel att konverteringen av någon anledning är 20% för låg) kan det tyda på svårigheter att konvertera med en viss webbläsare.

Frågor kring nyckeltal eller global trafikdata

Hör av dig via vår kontaktsida så svarar vi så fort som möjligt.

1 comment  Artikelförfattare: Erik Nettelbrandt - 2008-12-23 kl 09:46

Kategorier: Nyckeltal/KPI, Webbstatistikverktyg   Taggar: , , ,

Geografisk data i webbstatistiksystem

I så gott som alla webbstatistiksystem finns det geografisk data om varifrån besökarna surfar ifrån i form av länder, städer och län. Denna information är inte speciellt rättvisande i Sverige, men den kan i alla fall ge en viss idé om varifrån besökarna surfar ifrån.

Varför blir trafikdatan missvisande?

Den information som webbstatistiksystemen kan “spela in” är varifrån besökaren surfar ifrån, det vill säga den dator man faktiskt surfar via. Då pratar jag inte om din egna dator utan den ISP (Internet Service Provider, tex Telia, Telenor, Bredbandsbolaget, ComHem etc.) eller företag/organisation (tex Volvo, Försäkringskassan, Skatteverket) som du surfar via när du är ute på Internet.

Den är lokaliseringen av denna server som hamnar i webbstatistiken. I Sverige brukar det vara minst 50% av besökarna som är från Stockholm. Visserligen är Stockholm den största staden i Sverige, men att en lokal webbplats som riktar sig till en lokal målgrupp utanför huvudstaden har siffror runt 50% för Stockholmsbesökare är såklart inte så troligt. Det beror som nämnts ovanför på att besökarna surfar via en dator som står i Stockholmsregionen.

Går det att komma runt problemen med missvisande geografisk data?

Det går inte att komma ifrån problemen med missvisande geografisk data på något enkelt sätt. Om man använder sig av ett mer avancerat webbstatistikverktyg som till exempel Omniture SiteCatalyst, WebTrends eller Sitestat från Nedstat så kan man samla in geografisk data som till exempel postnummer, postadress och adress om man har någon form av formulär på webbplatsen där man har fält för detta.

Enkätsystem kopplade till webbstatistiksystem

Ytterligare ett sätt att samla in geografisk (och egentligen all typ av demografisk data) är att använda sig av externa enkätsystem. Vissa webbstatistikleverantörer som till exempel Omniture (Omniture Survey) har egna enkätverktyg som är kopplade till webbstatistiksystemet (SiteCatalyst) eller så kan man integrera externa enkätsystem med webbstatistiken.

Bli den första som kommenterar  Artikelförfattare: Erik Nettelbrandt - 2008-09-22 kl 13:16

Kategorier: Nyckeltal/KPI, Rekommendationer   Taggar: , , , ,

Möjlighet att föda webbstatistiksystem med data från webbsidor?

Vad innebär detta? Jo, ett webbstatistiksystem där man har möjlighet att skicka in egen data från webbsidan ger dig som webbanalytiker helt andra förutsättningar att skapa och analysera den trafikdata som samlas in från webbplatsen.

I många fall är det en förutsättning för att man ska kunna ta fram och analysera de rapporter som man önskar. Det kanske låter lite krångligt, men för en webbutvecklare/alternativt tillsammans med en konsult som arbetar med webbanalys är det normalt sätt inget som är svårt.

Det som man kan analysera och skapa rapporter utifrån i ett enklare verktyg (eller ett avancerat verktyg där man bara har gjort en standardinstallation) är normalt sätt urlen och/eller sidans titel (det som är sidans Title, det som står i blått längst upp i webbläsaren).

I många fall är urlen helt oanvändbar eftersom man där använder dynamiska urler. Detta är fallet för många webbplatser som byggts baserat på ett webbpubliceringssystem som använder dynamiska urler (EPiServer fram till version 4.51, Litium, Polopyly, SiteVision etc.).

Ett exempel på en dynamisk url kan se ut som följer: DNet/jsp/polopoly.jsp?d=570. I ett rapportgränssnitt inne i ett webbstatistiksystem skulle denna typ av sida säga lite eller inget om den aktuella sidan. Det är även svårt eller omöjligt att  skapa egna rapporter, till exempel rapporter där man vill dela upp webbplatsen i olika grupper och analysera dessa var för sig.

Att analysera och tolka rapporter där man istället för sidans url ser sidans titel är i allmänhet bättre, eftersom man i bästa fall ser/vet vilken sida det rör sig om. För små webbplatser med ett litet antal sidor räcker med stor säkerhet detta, men för webbplatser där man har mer segmenteringsbehov och webbanalysbehov behöver man mer möjligheter till analys och uppföljning.

Vad är lösningen?
Om man har lite mer behov av analysmöjligheter behöver man välja ett verktyg där man kan skicka in egen data till webbstatistiksystemet. Detta ger helt andra möjligheter att tolka och skapa egna rapporter.

Tillsammans med till exempel en webbanalyskonsult går man igenom de webbanalysbehov man har inom organisationen. Detta “översätts” sedan till ett antal parametrar och trafikdata som samlas in från era webbsidor. Innehållet samlas in av webbstatistiksystemet och finns sedan tillgängligt där för vidare analys. I slutändan innebär detta att ni som användare i systemet kan skapa och ta ut de rapporter som ger er svar på de optimerings- och användarfrågor som ni vill ha svar på.

Det finns inte några möjligheter att genomföra denna typ av analyser när en webbserverloggfil analyseras. Man måste använda en loggfil uppbyggd av script som placeras på webbplatsen. Läs mer om olika loggfiler.

Exempel på verktyg där det är möjligt att skicka data till är HBX Analytics, WebTrends, ClientStep och SiteCatalyst. Exempel på verktyg där man inte kan skicka in egen data till är ClickTracks, LiveSTATS, AWStats och Google Analytics. Läs mer om olika webbstatistikverktyg.

Frågor kring möjligheten att skicka data till webbstatistiksystemet?
Om du känner att du har frågor kring inskick av data eller känner att du behöver stöd av någon oberoende aktör vid val webbstatistiksystem, skapande av rapporter eller något närliggande område så kan du höra av dig via vår kontaktsida.

Bli den första som kommenterar  Artikelförfattare: Erik Nettelbrandt - 2007-05-22 kl 20:17

Kategorier: Rekommendationer, Webbstatistikverktyg   Taggar: , ,