Tento článok som napísala na základe analýzy, ktorú som pripravila pre náš blog. Cieľom je ukázať, ako je možné postupovať pri meraní obsahových častí webstránky, konkrétne blogu, na čo sa zamerať, a hlavne, na čo si dávať pozor.

Určite poznáte porekadlo “Obuvníkové deti chodia bosé”. Ako už asi tušíte, bude to platiť aj v našom prípade 🙂 . Na druhej strane, merania a analytika nie sú veci, ktorú nastavíte raz a tým to končí. Je to neustála činnosť, kedy vylepšujete merania, vytvárate nové alebo odstraňujete tie, ktoré už nie sú relevantné. Poďme však pekne od začiatku.

Ako som postupovala pri analýze blogu:

  1. Pozrela som sa, čo všetko meriame a čo môžeme použiť ku obsahovej (content) analýze.
  2. Vytvorila som časovú os vlastných meraní, ktoré by sa dali použiť na analýzu.
  3. Zisťovala som, aké odpovede chceme z blogu vyčítať, aby sme sa vedeli rozhodnúť o kvalite článkov?
  4. Vytvorila som “pracovný” report v Data Studiu pre lepšie zobrazenie dát.
  5. Hlavnou časťou bola (samozrejme) analýza dát.
  6. Následne som spísala zistenia z analýzy – čo má význam ďalej merať a aké ďalšie merania potrebujeme.
  7. Na záver som zhrnula poučenia, na ktoré netreba zabúdať.

Počiatočný stav

Keďže sa pri hodnotení contentu (napr. blogových článkov) zameriavame skôr na kvalitu, ako kvantitu, je náročnejšie odmerať, ktorý článok performuje lepšie a na aké typy článkov sa na blogu zamerať. Hlavne, keď si to porovnáme napríklad s eshopom. Google Analytics je “prednastavený” pre eshopy, je v ňom vytvorená celá štruktúra enhanced ecommerce, ktorá umožňuje ľahšiu analýzu a čítanie dát. Samozrejme, merania sa dajú prispôsobiť, a tým pádom vieme vytvoriť aj štruktúru, ktorá dáva zmysel pre blogové články.

Čo meriame a vieme využiť pre analýzu

V našom prípade sme blog napasovali na merania enhanced ecommerce. To znamená, že meriame nasledujúce:

  • Product impression – zobrazenie článkov v prehľade všetkých článkov.
  • Product detail page – otvorenie konkrétneho článku.
  • Add to cart – prvé zoskrolovanie článku.
  • Checkout – 33 % a 66 % skrolovania.
  • Purchase – zobrazenie prvku na konci článku + čas na stránke podľa dĺžky článku.

Okrem enhanced ecommerce odosielame do Google Analytics aj rôzne eventy, ktoré vieme nastaviť aj ako ciele (pokiaľ chceme analyzovať dáta na úrovni session; eventy sú hit scope). Ide o tieto eventy:

  • Koniec obsahu
  • Článok dočítaný do konca
  • Blog CTA
  • Mám záujem

Na dotvorenie celého obrazu nesmieme zabudnúť na vlastné dimenzie a metriky. Vďaka vlastným dimenziám vieme posielať do Analyticsu dáta, ktoré by sme nemali kam inam “napasovať”.

Dimenzie, ktoré používame pre blogové články, sú nasledovné:

  • Autor článku
  • Kategória článku
  • Dni, od kedy bol článok publikovaný
  • Deň v týždni, kedy bol článok publikovaný
  • Dĺžka článku
  • Časť dňa, kedy chodia užívatelia na stránku
  • Deň publikácie

Metriky meriame tieto:

  • Dosiahnutý koniec obsahu
  • Otvorený článok
  • Prečítaný článok

Pre analýzu som sa chcela tentokrát zamerať hlavne na využitie vlastných dimenzií, metrík a zistiť, ktoré články sú pre užívateľov najzaujímavejšie. 

Čo sa týka štandardných metrík, v prvom rade som sa zamerala na zobrazenia stránky a unikátne zobrazenia stránky. Je to z toho dôvodu, že väčšina dimenzií je hit scope, čo platí aj pre zobrazenie stránky. Zároveň viem bližšie špecifikovať, o ktorý článok sa jedná (názov je v URL adrese, ktorá je tiež hit scope). 

Na aké obdobie sa zameriame

Pôvodne som mala v pláne urobiť analýzu od publikácie prvého článku (október 2016). Dôvodov, prečo som tak nemohla spraviť, bolo hneď niekoľko. V prvom rade, Google Analytics už nezobrazí dáta spred štyroch rokov. Druhým faktom je, že dané merania sme implementovali až v júli 2017. Preto nemá zmysel pozerať sa na staršie dáta. V neposlednom rade, až od januára 2019 sme začali viac makať na blogu a marketingových aktivitách (veľká vďaka patrí Julke, ktorá nás motivovala a makala spolu s nami:) ), čo významne ovplyvnilo návštevnosť.

Po dôkladnom zvážení som sa rozhodla, že sa pozriem na dáta od roku 2018, pretože v tom čase som už mala k dispozícii dáta z vlastných dimenzií.

Tip: Ak sa zaujímate o to, ako rozbehnúť marketingové aktivity aj s malým rozpočtom, určite si prečítajte tento článok.

Na aké otázky hľadáme odpovede

Hlavné otázky, ktoré nás zaujímali, sú nasledovné:

  • Typy (kategórie) článkov – najčítanejšie kategórie, ktoré kategórie najviac používame/píšeme.
  • Analýza autora – ktoré články sú najčítanejšie, koľko článkov autor za dané obdobie napísal.
  • Vracajú sa používatelia na blog? Alebo si len prečítajú jeden článok a už sa nevrátia?
  • Dĺžka článku – je podstatná? Sú kratšie články v priemere dočítateľnejšie?
  • Ktoré články sú celkovo najnavštevovanejšie a najčítanejšie?
  • V akom čase navštevujú užívatelia blog (dni v týždni, časť dňa)?
  • Aká akcia nasleduje po prečítaní článku? Majú užívatelia záujem o naše služby, prípadne sa zapíšu do newslettra alebo si stiahnu ebook?
  • Aké sú rozdiely v dátach pre jednotlivé segmenty? Hlavne čo sa týka platenej vs. organickej návštevnosti a použitého zariadenia.

Podklady pre kvalitnú analýzu, ktorá by nám vniesla svetlo do správania užívateľov na našom blogu, som mala. Aspoň som si to myslela. Či sa mi ju aj podarilo spraviť, sa dozviete v ďalšej časti článku – analýze dát 🙂 . 

Analýza dát

Analýzu dát som začala robiť v Google Analytics, ale po chvíli som si uvedomila, že si to môžem zjednodušiť. Google Analytics je dobrý pre konkrétnejšie dáta a rýchle pozretie trendov. Problém však nastáva vtedy, ak chceme robiť nejakú komplexnejšiu analýzu, pri ktorej potrebujeme používať viacero typov segmentov, či vlastných dimenzií. Je síce možné vytvoriť vlastný report, ale opäť, je to hlavne tabuľkový prehľad.

Preto som si zvolila Google Data Studio, v ktorom viem rýchlo meniť dimenzie a metriky, filtre, a hlavne, grafické zobrazenie. Zároveň je možné v jednom type grafu pozrieť viacero dimenzií a metrík, čo značne skracuje čas. Vytvorenie celého takéhoto prehľadu je veľmi rýchle, takže to jednoznačne odporúčam vyskúšať.

Nižšie pripájam príklad časti môjho reportu. Samozrejme, report nie je “pekný”, ale to ani nebolo jeho účelom.

data studio report

Celkový vývoj návštevnosti 

Na začiatku analýzy som sa pozrela na celkový vývoj návštevnosti na našom blogu.

vývoj návštevnosti

Z grafu môžete vidieť, že postupne rastieme. Jednak je to spôsobené tým, že trochu investujeme do reklamy na sociálnych sieťach a v Googli. Keď sa však pozrieme na organické vyhľadávanie (graf nižšie), určite pomáhajú aj iné aktivity, ktoré robíme (pravidelné uverejňovanie článkov, ebooky, školenia, analytický slovník atď.).

organický vývoj návštevnosti

Top články

Medzi top články za sledované obdobie (od roku 2018 – apríla 2020) určite patrí Julkin článok o marketingu pre malú firmu a Peťov článok o novom Google Analytics App+Web. Samozrejme, aj návody a technickejšie veci sú medzi top článkami (podľa pageviews), ale niektoré sú napísané už dlhšie, takže mali viac príležitostí, aby sa dostali do daného zoznamu 🙂 .

top články

Samozrejme, jedná sa o zobrazenia daného blogového článku, čo neznamená, že článok bol aj reálne prečítaný. Dáta o prečítaní článku máme až od júna 2019, preto som túto metriku nepoužila v ďalších prehľadoch. Môžete si však všimnúť, že poradie prvého článku sa aj tak nezmenilo.

top články

Top autori, dĺžka článku, čas návštevy

V ďalšej tabuľke a grafe som sa pozrela na to, ktorý autor má najviac zobrazení článku. Tu sa však dostávame k problému, ktorý mi znemožňoval adekvátne zanalyzovať aj ostatné vlastné dimenzie tak, aby mali nejakú výpovednú hodnotu. Ako hlavný ukazovateľ nám totižto chýba údaj o počte článkov. Tým pádom nemôžem s určitosťou povedať, ktorý autor bol najvýkonnejší v pomere na jeden článok. Ťažko porovnávať autora, ktorý nastúpil do DASE neskôr a tým pádom aj napísal menší počet článkov, s niekým, kto písal od začiatku.

Tabuľka a grafy, ktoré som pripojila nižšie síce ukazujú, ako sa daná dimenzia vyvíjala, ale bez daného pomeru nám neukážu to, čo potrebujeme vidieť.

top autori

top autoridĺžka článku

čas návštevy

Pokiaľ by sme mali danú metriku, vedeli by sme pomerne jednoducho určiť, kedy je najlepšie postovať články na sociálne siete, aké dlhé majú byť, aké kategórie sú najčítanejšie. Našťastie, máme implementovanú metriku, ktorá meria, či bol článok prečítaný do konca, a tak v ďalšej analýze by sme ju už použili (už by sme mali mať dostatok dát na vyhodnotenie).

Kategórie článkov

Čo sa týka kategórii článkov, tie síce odosielame ako vlastnú dimenziu, ale aj tu je potrebná optimalizácia. Uvediem príklad:

kategória článkov

Ako môžete v dátach vidieť, kategórie sú dosť neusporiadané. Kategórie priraďujeme pri publikácii článku vo WordPresse. Na začiatku sme nemali žiadne pevne stanovené pravidlá, ako ich máme používať, preto sme niekedy používali aj viac kategorií naraz, prípadne niektoré sú veľmi jedinečné. Čo spôsobilo značný chaos v dátach, ktorý sme si uvedomili až následne.

Kohortová analýza

Čo sa týka analýzy vracajúcich sa používateľov pomocou kohortovej analýzy, pozrela som sa len na užívateľov z platenej reklamy na Facebooku. 

kohortová analýza

Táto analýza si však zaslúži viac pozornosti, ktorú jej určite budeme venovať v budúcnosti. Určite by bolo zaujímavé dať do porovnania aj počet promovaných článkov a kedy boli promované, aby sme získali reálny obraz o vývoji.

Splnenie cieľa

Pri hľadaní odpovede na otázku, či užívatelia, ktorí navštívili blog, vykonali aj nejakú inú (nami žiadanú) aktivitu, sa môžeme pozrieť na dáta na úrovni session scope. Konkrétne, z akého zdroja bola daná aktivita (zapísanie sa do newslettra, odoslanie formulára, záujem o ebook) vykonaná. Pre analýzu som použila vlastné zoskupenie kanálov. Dáta sú až od októbra 2019, pretože skôr neboli dané ciele aktívne, prípadne dané ciele neexistovali na stránke.

Ako príklad uvediem Newsletter subscription. 

splnenie cieľa

Ako iste vidíte, analýzu som spravila v Google Analytics, pretože tentokrát sa mi na to priamo hodil report, ktorý je tam už predvytvorený. Z daných dát pekne vidno, že najviac prihlásení do noviniek máme z neplatenej komunikácie na sociálnych sieťach.

Segmentácia dát

Posledným, ale nemenej dôležitým krokom, bola segmentácia dát. Pokiaľ nepoužívate segmentáciu pri analýze, skreslenie dát sa vám nevyhne. 

Ja som sa zamerala hlavne na segmentáciu podľa zdroja návštevy. Dôležitý bol segment organickej návštevnosti, aby som vedela zistiť, či nemáme návštevnosť blogu vytvorenú len “umelo” tým, že si sponzorujeme príspevky. Ďalší segment, ktorý je pre mňa dôležitý, je porovnanie návštevnosti z mobilu vs. počítača. Na základe daných dát viem povedať, či sa návštevnosť z mobilov líši oproti desktopu a pozrieť sa na dáta bližšie.

Zhrnutie analýzy

Toto bola len veľmi krátka ukážka toho, ako sa môžete pozerať na dáta. Aj keď prvotným cieľom analýzy mala byť odpoveď na otázky, ktoré som uviedla v prvej kapitole, v konečnom dôsledku táto analýza slúžila na zistenie aktuálneho stavu meraní a či vieme dané merania aj použiť. Pretože, vždy je pekné merať všetko, ale je to zbytočné (a drahé), ak to koniec koncov nikdy nepoužijeme pri rozhodovaní.

V poslednej časti článku sa pokúsim zhrnúť všetko, čo som sa z danej analýzy naučila a na čo by ste mali myslieť dopredu, aby ste sa vyhli rovnakým chybám.

Poučenia na záver

Ako to už býva, aj v našom prípade sa stalo, že sme hneď na začiatku zanedbali stratégiu blogu a nepremysleli sme si do detailov, na aké otázky chceme vedieť z daných dát odpovedať. Ako sa stránka a firma postupne vyvíjala, menili sa aj ciele, ktoré chceme dosiahnuť. Keďže sme vo veľkej miere pracovali na zahraničných klientoch, blog nebol veľmi podstatný. Čo sa však zmenilo a aktuálne budujeme vedomostnú základňu webovej analytiky na Slovensku 🙂 .

Aj v našom prípade sa presne ukazuje, prečo je dôležitá analytická stratégia. Určite ju odporúčam vytvoriť čím skôr a pravidelne aktualizovať (hlavne vtedy, ak sa mení smerovanie webu/firmy). Takýmto spôsobom zistíte, čo je pre vás dôležité, aké sú vaše ciele (samozrejme SMART) a čo má význam merať a analyzovať. Analytická stratégia by sa mala zamerať nielen na hlavné webové stránky, ale aj na obsahové. Samozrejme, stratégie sa môžu líšiť podľa zamerania.

Ďalším mojím odporúčaním je, že pokiaľ nastavujete pokročilejšie merania, nezabudnite na vytvorenie (a následnú aktualizáciu) implementačného dokumentu, kde budú zosumarizované všetky potrebné merania. Pretože, postupom času môžete zabudnúť, ako sa čo meria, prípadne vám odíde človek, ktorý sa o dané veci staral. Ku tomuto by som ešte rada dodala, že treba myslieť aj na zapisovanie poznámok najdôležitejších zmien a meraní aj do Google Analytics. Takýmto spôsobom ich budete mať hneď k dispozícii, keď budete vyhodnocovať dáta.

Čo sa týka analýzy, ktorú som robila, vyplynulo z nej viacero krokov, na ktoré sa musíme zamerať:

  • Vytvorenie analytickej stratégie
  • Doplnenie poznámok v Google Analytics
  • Implementovanie metriky Počet článkov
  • Úprava a zosúladenie kategórií
  • Odstránenie nepotrebných vlastných dimenzií
  • Nastavenie kategórií do zoskupenia obsahu v Google Analytics
  • Úprava formátu vlastnej dimenzie (deň, kedy bol článok publikovaný) na dátum rozpoznateľný Data Studiom

Po doladení vyššie uvedených vecí, sa budeme môcť pozrieť na dáta s väčšou výpovednou hodnotou. Získame tým potrebné informácie, ktoré nám pomôžu v ďalšom plánovaní blogu a rozhodovaní 🙂 .

Dúfam, že vám môj článok aspoň čiastočne priblížil možnosti, čo je možné merať, na čo si dávať pozor a ako postupovať pri analýze. Pripájam aj úplne poslednú radu na záver – vždy si vyberte jednu otázku/hypotézu, na ktorú sa chcete v analýze zamerať a pozrite sa na ňu z viacerých strán. Pokiaľ sa rozhodnete analyzovať príliš veľa otázok/hypotéz, môže vám to prerásť cez hlavu a aj z časového hľadiska to môže byť ubíjajúce.

Ak sa vám článok páčil a považujete ho za užitočný, budem rada, ak ho pomôžete šíriť ďalej 🙂 .