【導入】
ウェブサイト分析はまだ新しいため、私たちの理解にはさまざまな点で偏りがある可能性があります。この記事では、私が仕事の中で見つけた、Web サイト分析に関するさまざまなよくある誤解をまとめました。これはパート 2 であり、このパートではさらに詳細な領域に入ります。前編については、Web サイト分析のトップ 10 の誤解と代替案 (1) を参照してください。後半については、Web サイト分析のトップ 10 の誤解と代替案 (2) を参照してください。
【文章】
このシリーズの前回の記事を書いたときはまだ 5 月 1 日でしたが、今では 8 月 1 日になり、時が経つのは本当に早くて感慨深いです。
実際、最初の 2 つのエピソードでは、トップ 10 の誤解について説明しましたが、今日はその代わりの誤解についてのみ説明します。それらが代替品と呼ばれる理由は、私が同じ家族の一員であり、それらはすべて非常に物議を醸している領域であるため、私はまだあなたを笑わせることだけを敢えてしています。しかし、知識に代わるものはありません。本当の洞察と真実を得るために、議論、さらには議論を巻き起こしたいと思っています。
通説 1: Web サイト分析には標準ベンチマークがある
ここはよく誤解されやすいところです。私たちは現場で直帰率と時間についてよく話し合うので、多くの友人が次のように尋ねます。
私のウェブサイトの直帰率は 60% ですが、大丈夫ですか?または、現場での平均時間は 5 分です。
ウェブサイト分析には、これらの重要な指標を参照するためのいわゆる標準ベンチマークがないため、これらの質問は実際には私には答えることができません。私が言えるのは、60% という直帰率は、これまで見た中で最悪でも最高でもないということです。ただし、それが良いかどうかに関しては、これらは区別されます。データだけでは質問に答えることはできません。
Web サイト分析に標準的なベンチマークが存在しない理由は、Web サイト間の差異が大きすぎるためです。第一に、ウェブサイトの閲覧者やトラフィックソースが異なります。第二に、ウェブサイトの機能が異なります。第三に、ウェブサイトのデザインの内容も異なります。
したがって、Web サイト分析の標準ベンチマークはありません。たとえば、直帰率が 60% 未満であれば良く、直帰率が 60% を超えると悪いとは言えません。
では、もっと良い質問をするとよいでしょう。
同じ業界セグメントに属している場合、またはオーディエンスが非常に重複している Web サイトを所有している場合、直帰率、サイト滞在時間、PV/V、訪問者のロイヤルティなどの基本的な指標を相互に比較できますか?たとえば、Sina と Sohu、Tudou と Ku6、JD.com と Newegg は、これらの指標を相互に比較できますか?
比較することはできると思いますが、自分のWebサイトが良くないからといって、自分のWebサイトの指標値が他のWebサイトよりも悪いとは考えないでください。新浪の直帰率が10％、捜狐の直帰率が15％だと楊兄は発狂するでしょうか？その必要はありません、これは必ずしも捜狐が新浪よりも悪いという意味ではありません。そのため、新浪と捜狐のページは実際には大きく異なります。どちらもポータルであり、競合していますが、それでも大きく異なります。
同様に、Nike と Adidas の Web サイト、Intel と AMD の Web サイトは、すべて同じ階層 (カテゴリ) に属しますが、実際には大きく異なります。これらの指標の大きさは、ある Web サイトが別の Web サイトよりも優れているか劣っているかを単純に意味するものではありません。
そこで私は常々「同じカテゴリのWebサイトであっても、単純な数値指標ではWebサイトの良さを説明できない」と主張してきました。
次に、次のように再度尋ねます。
比較して良いか悪いかを示すことはできないのに、比較する意味は何でしょうか? ！
はい、もちろん！競合他社の数値的な状況がわかれば、それを分析することができ、自分の数値がそれに比べて劣っていることがわかり、自分自身を理解することができます。人から学ぶことで損得が分かると言われますが、それはWebサイト間でも同様です。
一番いいのですが、これ以上誤解を招かないでください。つまり、標準的なベンチマークがないので、私の数値がどのようなものであっても、それが私の Web サイトの良し悪しを意味するわけではありません。そして、私は座ってリラックスすることができます。
そう思う友人はいないと思います。
あなたの値があまりにも法外で、正常の範囲を超えている場合でも、それは依然として問題である可能性があります。たとえば、Web サイト全体の直帰率が 80% または 90% を超えている場合でも、注意を払う必要があります。ウェブサイト分析はこうした異常を好みます。
私の経験から得たいくつかの極端な値を以下に示します (これらの値は Google Analytics を使用した分析にのみ有効です。他の WA ツールでは、これらの値が異なる定義と監視方法により大幅に異なる値になる可能性があることに注意してください)。を超えた場合、Web サイトにさらに深刻な問題が発生したことを示している可能性があります (ただし、確実ではありません)。
最後に、各 Web サイトは独自であり、指標自体を単独で解釈することはできないため、Web サイト分析の標準ベンチマークは存在しないことを皆さんにもう一度思い出していただきたいと思います。
通説 3: 個人の行動を分析することは非常に重要です
ページ上のすべての訪問者のマウスの軌跡を記録するツールをいくつか見たことがあります。これらのツールにはそれぞれ長所と短所がありますが、どれも強力です。通常、これらのツールは UED (UCD) デザイナーを対象としていますが、Web サイト分析に重大な影響を及ぼしますか?
Web サイト分析では通常、すべて (つまり、サンプリングをまったく行わない) または大きなサンプル サイズのデータを使用して、Web サイト訪問者が集中するいくつかの行動パターンを分析し、それに応じて最も重要な訪問者グループのアクセス エクスペリエンスを最適化します。個人の訪問行動を調査することによって Web サイト分析が実行されることはほとんどありません。この時点で、Web サイト分析と Web サイトのユーザビリティ分析はまったく異なります。
「Don't Make Me Think」を読んだことがあるなら、Web サイトが完成したら、Web サイトを使用したことのない一般人に、目の前で指定したネットワーク アクセス タスクを完了するように依頼し、それを記録することをご存知でしょう。訪問行動は、Web サイトのユーザビリティをテストおよび改善するための非常に重要な手法ですが、Web サイトの分析では、Web サイトに訪問者が残したデータを通じて分析および最適化するこの手法が採用されることはほとんどありません。
理由は簡単で、多数の訪問者のアクセス状況が正規分布に従うからです。これらのデータを分析に使用すると、一部の訪問者のアクセスデータが極端な領域に分散している可能性があります。たとえば、訪問者 A は Web サイトに最大 1 時間滞在し、100 ページも訪問しました。これは、すべての訪問者がこのようであるという意味ではなく、1 人の訪問者を分析すると簡単に危険につながる可能性があります。おそらく、もう少し多くの訪問者の行動を分析できれば、より信頼できると言うかもしれません。ただし、問題は、何百万人もの訪問者の数と比較すると、分析できる個人の数は常に限られており、分析する個人の数が増えるほど、分析が難しくなるということです。
したがって、私の実際の仕事では、非常に特殊なマウス軌跡監視ツールを使用することはほとんどありませんが、すべてのマウスの動作を記録し、さまざまな色を使用してマウスの動作の密度を表すマウス軌跡記録ツールを用意したいと考えています。私たちにとって非常に便利であり、現在行っているヒート マップよりも価値のあるものになるでしょう。しかし、現在そのようなツールは存在していないようです。
通説 4: 最適化ソリューションは分析の必然的な結果です
ウェブサイト分析は分析に重点を置いていますが、分析の主な目的は問題を見つけることですが、分析自体は問題の解決に十分ではなく、問題の一部しか解決できません。
たとえば、コンバージョンを調査していると、特定のページが大量の訪問者を失っていることは明らかですが、なぜこのページのパフォーマンスがそれほど悪いのでしょうか?経験に基づいて、すぐに理由を思いつき、それに応じた改善を提案できる場合もありますが、実際にはなぜページがそれほど悪いのかがわからない場合もあります。経験に基づいて原因が考えられたとしても、それが本当の（または根本的な）原因であるとは限りません。
したがって、場合によっては (実際、ほとんどの場合、より正確です)、本当に信頼できる最適化ソリューションは分析から直接取得できず、分析を通じて提案を行った後のテストから得られます。アドバイス自体は主観的なものですが、テスト後の結果は客観的です (科学的な方法とプロセスを使用している限り)。 Web サイト分析のサイクルは分析で終わるのではなく、テストで終わります。テストこそが進むべき道なのです。
したがって、下の図はありきたりではありますが、本当に重要な方法論です。
さて、この記事もついに終わり、このシリーズもついに終了です（今後加筆・修正があるかもしれません）。励まし続けてくれた友達のみんなに感謝します！皆さんにはさまざまな意見があると思います。議論することは歓迎です。議論することも歓迎します。
記事のソース: http://www.chinawebanalytics.cn/top10-誤解-for- web-analytics-part3/
著者: 宋興