Monille yrityksille verkkosivujen analytiikan tulkitseminen on vierasta, vaikka analysoinnilla ja sen perusteella tehtävällä kehitystyöllä voidaan parantaa lähes mitä vain – keskimääräisen ostoksen arvoa, välitöntä poistumisprosenttia tai vaikka uutiskirjeiden tilauksia.

Verkkosivujen analytiikan tarjoamiin lukuarvoihin saa järkeä vasta, kun niitä vertaa aiempiin tai vastaaviin arvoihin. Näiden lukuarvojen hyödyntäminen on keskeisessä osassa, kun analysoidaan verkkosivujen toimivuutta.

Vertailemalla lukuarvoja keskenään saadaan selville esimerkiksi se, onko verkkosivujen onnistumista mittaava mittari hyvä, onko se parempi kuin viime vuonna tai onko se parempi kuin toisen vastaavan sivuston.

Aikapohjainen tiedonvertailu

Yksi irrallinen lukuarvo kuvaa vain yhden hetken tilannetta. Moni asia kuitenkin muuttuu ja kehittyy ajan myötä – aiemmin toiminut verkkosivun ratkaisu ei välttämättä tuota samaa lukuarvoa myöhemmin. Vertaamalla nykyhetken lukuarvoa menneeseen, voidaan arvioida kehityksen suuntaa, huomata muutoksia mm. käyttötottumuksissa ja siten ennakoida tulevaa.

Aikaan vertaamalla voidaan myös havaita trendejä, eli onko yksittäinen lukuarvo aiempaa parempi vai huonompi. Lukuarvojen aikapohjaisessa vertailussa havaitut trendit kertovat siis muutoksesta.

Mistä muutos sitten johtuu? Johtuuko se jostain tietystä verkkosivuilla toteutetusta ratkaisusta? Muutoksen syy pysyy arvoituksena, kunnes joku harjaantunut ammattilainen tarjoaa muutokselle relevantin selityksen.

Verrokkipohjainen tiedonvertailu

Tulkinta siitä, onko jokin lukuarvo hyvä vai huono, vaatii aikapohjaisen vertailun lisäksi vertaamista verrokkiin eli vastaavaan lukuarvoon toisaalla. Verrokki voi sijaita esimerkiksi toisen (vertailukelpoisen) verkkosivuston analytiikassa.

Kun lukuarvo on positiivisessa trendissä ja verrokkia parempi, voidaan sen sanoa olevan hyvä. Kun se pesee kaikki tunnetut verrokit, se on paras.

Suodata vertailuun vaikuttavat poikkeamat

Aika- ja verrokkipohjaisessa vertailussa tulee aina ottaa huomioon mahdolliset poikkeamat, jotka vaikuttavat lukuarvoihin ja niiden trendeihin. Poikkeamia voivat aiheuttaa muun muassa yksittäiset verkkomainoskampanjat, makrotalouden tilanne tai vaikka jääkiekon MM-kisat.

Poikkeamat pitää pyrkiä suodattamaan pois vertailusta. Perinteinen analytiikka, esim. Google Analytics, tarjoaa siihen työkalut. Jos ollaan esimerkiksi kiinnostuneita selvittämään hakukoneoptimoinnin muutosten vaikutus uusien vierailijoiden määrään verkkosivuilla, pitää vertailusta suodattaa muut kuin hakukoneen kautta saapuneet uudet vierailijat.

Vasta, kun vertailuun otettavat lukuarvot on suodatettu, voidaan suorittaa itse vertailu.

Suhdelukujen hyödyntäminen vertailussa

Koska yksittäiset lukuarvot, esimerkiksi vierailijoiden lukumäärä, vaihtelevat vuodenaikojen mukaan, pitää vertailussa käyttää absoluuttisten lukuarvojen sijaan suhdelukuja.

Kaikki vierailut Uudet vierailut Vierailujen suhdeluku
Tammikuu 9000 1500 16,69%
Helmikuu 14000 2000 14,29%

Absoluuttisilla lukuarvoilla helmikuu näyttää paremmalta kuukaudelta uusasiakashankinnan kannalta. Mutta kun käyttöön otetaan suhdeluku, paljastuu totuus, eli tammikuu oli oikeasti tehokkaampi.

Executive Analytics Dashboard (EAD)

Jos verkkosivusto- tai kauppa haluaa pysyä ajan tasalla, on analytiikan tarjoamaa tietoa seurattava – jos nyt ei jatkuvasti, niin ainakin säännöllisesti. Eikä sitä ole pakko tehdä itse.

Olemme kehittäneet käyttäjäystävällisen EAD-raportointipalvelun, jossa toimitamme kuukausittain asiakaskohtaisesti räätälöidyn analyysin. Raportti sisältää numeroiden lisäksi huomiot sekä toimenpide-ehdotukset.

Jos haluat jatkossa lukea markkinoinnin eri aihealueita käsitteleviä blogejamme uunituoreena, klikkaa allaolevaa linkkiä ja valitse mistä aiheista haluat saada uutiskirjeet suoraan sähköpostiisi.
×