【소개】
웹사이트 분석은 아직 새로운 것이기 때문에 이에 대한 우리의 이해는 다양한 방식으로 편향될 수 있습니다. 이 글은 제가 작업하면서 발견한 웹사이트 분석에 대한 다양한 일반적인 오해를 요약한 것입니다. 이것은 2부이며, 이 부분에서는 좀 더 자세한 영역을 다룹니다. 첫 번째 부분은 다음을 참조하십시오: 웹사이트 분석에 대한 10가지 오해와 대안(1) 두 번째 부분은 웹사이트 분석에 대한 10가지 오해와 대안(2)을 참조하십시오.
【텍스트】
이 시리즈의 마지막 글을 썼을 때는 아직 5월 1일이었는데, 이제 8월 1일이네요. 시간이 참 빠르게 흘러가는 것 같아 감동적입니다.
실제로 처음 두 에피소드에서는 상위 10가지 오해에 대해 논의했으며 오늘은 대체 오해에 대해서만 이야기하겠습니다. 대체라고 불리는 이유는 모두 논란이 많은 분야이기 때문이다. 나는 같은 가족이고 여전히 감히 웃게 만들 뿐이다. 그러나 지식을 대체할 수 있는 것은 없습니다. 저는 진정한 통찰력과 진실을 얻기 위해 토론, 심지어 토론을 촉발하고 싶습니다.
대체 오해 1: 웹사이트 분석을 위한 표준 벤치마크가 있습니다.
이곳은 공통적인 오해가 있는 곳이다. 우리는 사이트 이탈률과 시간에 대해 자주 논의하므로 많은 친구들이 다음과 같이 질문합니다.
내 웹사이트 이탈률이 60%인데, 괜찮나요? 아니면 사이트에 머무는 평균 시간은 5분입니다. 그렇죠?
웹사이트 분석에는 이러한 주요 지표를 참조할 소위 표준 벤치마크가 없기 때문에 실제로 답변할 수 없는 질문입니다. 내가 말할 수 있는 것은 60%의 이탈률이 내가 본 것 중 최악도 최고도 아니라는 것 뿐이다. 현장에서의 5분 시간도 마찬가지다. 데이터만으로는 '라는 질문에 답할 수 없습니다.
웹사이트 분석에 대한 표준 벤치마크가 없는 이유는 웹사이트 간 차이가 너무 크기 때문이다. 첫째, 웹사이트의 청중/트래픽 소스가 다릅니다. 둘째, 웹사이트의 기능이 다릅니다. 셋째, 웹사이트 디자인의 내용도 다릅니다.
따라서 웹사이트 분석에 대한 표준 벤치마크는 없습니다! 예를 들어 이탈률이 60% 미만이면 좋다, 60% 이상이면 나쁘다고 말할 수 없습니다.
이제 더 나은 질문을 하게 될 것입니다.
동일한 업종에 속하거나 잠재고객이 매우 중복되는 웹사이트가 있는 경우 이탈률, 사이트에 머문 시간, PV/V, 방문자 충성도 등과 같은 기본 지표를 서로 비교할 수 있습니까? 예를 들어 Sina와 Sohu, Tudou와 Ku6, JD.com과 Newegg는 이러한 지표를 서로 비교할 수 있습니까?
하지만, 단지 귀하의 웹사이트가 좋지 않다고 해서 귀하의 웹사이트의 지표 가치가 다른 웹사이트보다 나쁘다고 생각하지 마십시오. 시나 이탈률이 10%, 소후 이탈률이 15%라면 양형제는 미쳐버릴까요? 필요하지 않습니다. 이것이 반드시 Sohu가 Sina보다 나쁘다는 의미는 아닙니다. 그렇기 때문에 시나와 소후의 페이지는 사실 매우 다릅니다. 둘 다 포털이고 열심히 경쟁하고 있지만 여전히 매우 다릅니다.
마찬가지로 나이키와 아디다스의 웹사이트, 인텔과 AMD의 웹사이트는 모두 같은 계층(카테고리)에 속하지만 실제로는 매우 다릅니다. 이러한 지표의 크기는 단순히 한 웹사이트가 다른 웹사이트보다 좋거나 나쁘다는 것을 의미할 수 없습니다.
그러므로 나는 항상 주장해 왔다: 같은 카테고리의 웹사이트라도 단순한 수치 지표로는 웹사이트의 품질을 설명할 수 없습니다.
그러면 다시 이렇게 질문하게 될 것입니다.
비교가 좋다 나쁘다를 나타낼 수 없다면 비교의 요점은 무엇입니까? !
물론이죠! 경쟁사의 수치적 상황을 알면 이를 분석할 수 있고, 자신의 수치적 가치가 그만큼 좋지 않다는 것을 알고 스스로 이해할 수 있습니다. 사람에게서 배우면 득실을 알 수 있다는 말이 있듯이, 웹사이트에서도 마찬가지입니다.
가장 좋은 점은, 또 다른 오해를 만들지 마시기 바랍니다. 즉, 표준적인 벤치마크가 없기 때문에 내 수치가 어떻든 내 웹사이트가 좋은지 나쁜지 의미하는 것이 아니며, 편안하게 앉아 있을 수 있다는 것입니다.
나는 친구 중 누구도 그렇게 생각하지 않을 것이라고 믿습니다.
귀하의 값이 너무 터무니없고 정상 범위를 벗어나는 경우에도 여전히 알 수 있습니다. 예를 들어 웹사이트의 전체 이탈률이 80% 또는 90%보다 높더라도 주의를 기울여야 합니다. 웹사이트 분석은 이러한 변칙적인 현상을 좋아합니다.
다음은 내 경험에서 나온 몇 가지 극단적인 값입니다(이 값은 Google Analytics를 사용한 분석에만 유효하며, 다른 WA 도구는 다른 정의 및 모니터링 방법으로 인해 상당히 다른 값을 가질 수 있습니다). 을 초과하면 웹사이트에 더 심각한 문제가 발생했음을 나타낼 수 있습니다(그러나 확실히는 아닙니다!).
마지막으로, 각 웹사이트는 고유하고 지표 자체를 개별적으로 해석할 수 없기 때문에 웹사이트 분석을 위한 표준 벤치마크가 없다는 점을 다시 한번 상기시켜 드리고 싶습니다.
또 다른 오해 3: 개인의 행동을 분석하는 것은 매우 중요합니다.
페이지에서 모든 방문자의 마우스 궤적을 기록하는 몇 가지 도구를 본 적이 있습니다. 이러한 도구 각각에는 고유한 장점과 단점이 있지만 모두 강력합니다. 일반적으로 이러한 도구는 UED(UCD) 디자이너를 위한 것이지만 웹 사이트 분석에 중요한 영향을 미치나요?
웹사이트 분석은 일반적으로 전체(즉, 샘플링 없음) 또는 대규모 샘플 크기 데이터를 사용하여 웹사이트 방문자가 집중하는 일부 행동 패턴을 분석하고 이에 따라 가장 중요한 방문자 그룹의 액세스 경험을 최적화합니다. 개별 방문 행동을 연구하여 웹사이트 분석을 수행하는 경우는 거의 없습니다. 이 시점에서 웹사이트 분석과 웹사이트 사용성 분석은 상당히 다릅니다.
"Don't Make Me Think"를 읽어보셨다면, 웹사이트가 완성된 후 귀하의 웹사이트를 사용해 본 적이 없는 일반 사람들에게 귀하가 눈앞에서 지정한 일부 네트워크 액세스 작업을 완료하도록 요청하고 이를 기록한다는 것을 알고 계실 것입니다. 방문 행태는 웹사이트 사용성을 테스트하고 개선하기 위한 매우 중요한 방법이지만, 웹사이트 분석에서는 방문자가 웹사이트에 남긴 데이터를 분석하고 최적화하는 방법을 거의 채택하지 않습니다.
그 이유는 간단합니다. 많은 방문객의 접속 상황이 정규분포를 따르고 있기 때문입니다. 일부 방문자의 접속 데이터가 극단적인 지역에 분산되어 있을 가능성이 있으며, 이러한 데이터를 분석에 활용하면 편차가 커질 수 있습니다. 예를 들어 방문자 A가 웹사이트에 최대 1시간 동안 머물렀고 최대 100페이지를 방문했다고 해서 모든 방문자가 이렇다는 뜻은 아니며 방문자 한 명을 분석하면 쉽게 위험에 빠질 수 있습니다. 어쩌면 당신은 내가 더 신뢰할 수 있는 몇 명의 방문자의 행동을 분석할 수 있다고 말할 것입니다. 하지만 문제는 방문자 수 수백만 명에 비해 분석할 수 있는 개인의 수가 항상 제한되어 있고, 분석하는 개인이 많을수록 분석하기가 더 어렵다는 점입니다.
따라서 실제 작업에서는 매우 구체적인 마우스 궤적 모니터링 도구를 거의 사용하지 않지만 모든 마우스 동작을 기록하고 다양한 색상을 사용하여 마우스 동작의 밀도를 나타내는 마우스 궤적 기록 도구가 있으면 좋겠습니다. 우리에게 매우 유용하며 현재 우리가 수행하는 히트맵보다 더 가치가 있을 것입니다. 하지만 현재는 그런 도구가 없는 것 같습니다.
대체 신화 4: 최적화 솔루션은 분석의 불가피한 결과입니다.
웹사이트 분석은 분석에 중점을 두고 있습니다. 하지만 분석이 웹사이트 분석의 전부는 아닙니다. 분석의 주요 목적은 문제를 찾는 것이지만 분석 자체는 문제 해결에 도움이 되지 않거나 문제의 일부만 해결할 수 있습니다.
예를 들어, 전환을 연구할 때 특정 페이지에서 많은 방문자가 사라지고 있음이 분명하지만 이 페이지의 실적이 왜 그렇게 저조한가요? 때로는 경험을 바탕으로 원인을 즉시 파악하고 이에 따라 개선 사항을 제안할 수도 있지만 실제로 페이지가 왜 그렇게 나쁜지 알 수 없는 경우도 있습니다. 경험을 바탕으로 원인을 생각할 수 있더라도 이것이 반드시 실제(또는 근본적인) 원인은 아닙니다.
따라서 때로는(실제로 대부분의 경우 더 정확함) 진정으로 신뢰할 수 있는 최적화 솔루션은 분석에서 직접 얻을 수 없고 분석을 통해 제안한 후 테스트를 통해 얻을 수 있습니다. 조언 자체는 주관적이지만, 테스트 후의 결과는 객관적입니다(과학적인 방법과 프로세스를 사용하는 한). 웹사이트 분석 주기는 분석으로 끝나는 것이 아니라 테스트로 끝나며, 테스트는 계속 진행됩니다.
그러므로 아래 그림은 진부하지만 정말 중요한 방법론이다.
뭐, 이 글이 드디어 끝났고, 이 시리즈도 드디어 끝났습니다(추후 수정 및 추가가 있을 수 있습니다). 계속해서 격려해 주시는 모든 친구들에게 감사드립니다! 모두가 서로 다른 의견을 갖고 있기를 바랍니다. 토론을 환영하고 논쟁을 환영합니다!
기사 출처: http://www.chinawebanalytics.cn/top10-misunderstanding-for-web-analytics-part3/
작가 : 송싱