10 mýtů webové analytiky, kterým nevěřte

Lukáš Čech: Na to, abyste mohli analytiku využívat, stačí rozumět dobře svému byznysu a vědět, která čísla potřebujete znát, abyste se správně rozhodovali. Pokud si chcete být dodanými čísly jistí, je vhodné zajistit si též kompetenci v interpretaci měřených dat a implementaci měřicích nástrojů, nicméně to lze již vyřešit dodavatelsky. Pokud chcete celý obor opravdu detailně obsáhnout, uvedené tituly vám jistě budou ku pomoci, ale nejsou nezbytné. Upřímně, já sám se považuji za celkem zkušeného digitálního analytika, ač mám sám vystudovaný obor softwarového inženýrství, kde jsme se o matematiku i statistiku pouze zlehka otřeli.

Lukáš Čech: Tento mýtus krásně ilustruje největší zoufalství tohoto oboru. V centru pozornosti jsou nástroje a srovnávání jejich funkcí. Pokud navíc v hodnocení nástroje upřednostníte kritérium ceny, je těžké Google Analytics konkurovat. Jenže ty opravdové náklady se skrývají právě ve schopnosti změřit a korektně reportovat byznysově zajímavá data. Snadnou tříminutovou implementací paradoxně dost pravděpodobně proděláte kalhoty, protože následná snaha v těch všech pohyblivých koláčích a křivkách nalézt něco smysluplného vás bude stát spoustu času, který byste jinak zcela jistě využili lépe.

Lukáš Čech: Už v roce 2009 jsem se na partnerském summitu Google Analytics smál označení těchto metrik jako “HITS” (zkratka “How Idiots Track Success”, kdy nejbližší český překlad samotné zkratky by mohl být “záznamy”). Tuto hříčku tam zmínil Avinash Kaushik, ale ač to zní velmi tvrdě, uvedené metriky a dimenze přesto nelze zcela zatracovat. Klíčový je zde kontext.

Něco jiného vás zajímá, pokud hodnotíte přínosy investic do digitálních kampaní a něco jiného, pokud řešíte efektivitu nákupního rádce nebo navigačních prvků. Nicméně ačkoliv je hloubka přizpůsobení téměř neomezená (lze měřit v podstatě i pohyby myší či údery do klávesnice), omezené jsou vždy přinejmenším náklady na implementaci. Je proto nutné prioritizovat a optimálně pokračovat od jednodušších řešení k těm propracovaným.

Kupříkladu na e-shopu lze začít správným změřením, že došlo ke konverzi (vězte, že i toto bývá často celkem oříšek). Následně je možné přidat podrobnější statistiky prodejů v modulu E-commerce, a toto měření později rozšířit i o podrobnější záznam akcí návštěvníků před samotnou konverzí, jako jsou zobrazení detailů produktů, interakce s interními upoutávkami či detailnější průchod nákupním košíkem (Enhanced E-commerce).

V neposlední řadě je pak možné zahrnout do zpřesnění měření též zpětné zaznamenání stornovaných objednávek. Takto by se dalo postupovat dále a dále. U plného využití všech možností měření do Google Analytics se ale snadno dostanete k nákladům na přizpůsobení v řádu stovek tisíc korun.

Lukáš Čech: Bounce Rate, to je takový “otloukánek” webové analytiky. V jednoduchosti jde o podíl návštěv, v rámci kterých nedošlo ke změření žádné další akce (zobrazení další stránky či interakci měřené na dané stránce) vůči vstupům na web či příslušnou stránku. Zní celkem zřejmě, že v drtivé většině případů chceme, aby návštěvník udělal na webu akcí více. Nicméně existují notoricky známé příklady, které tento mýtus snadno rozpráší. Jde kupříkladu o přístupy z vyhledávačů na stránky s nápovědou, kde často návštěvník nalezne odpověď po které pátral, a proto ihned odchází.

Je také nutné znát, kde a jak se co měří, protože Bounce Rate může být ovlivněn též měřením událostí na stránce, kde může celkem snadno nastat chyba, která způsobí skokový pokles této metriky. Tedy ve výsledku se opět vracíme ke kontextu. Provozovatel by sám měl vědět, zda je na příslušné stránce vysoký Bounce Rate v pořádku.

Lukáš Čech: Existují technologická omezení, ze kterých jasně vyplývá, že to tak být nemůže. V pojmech nástrojů webové analytiky se sice bavíme o uživateli, ale ve výsledku jde téměř vždy o cookie v nějakém konkrétním webovém prohlížeči. Ten může sdílet více lidí, stejně jako jeden člověk využívá více prohlížečů (navíc v různých zařízeních). Ve své podstatě se nemůžeme o lidech bavit ani v případě, že měříme vždy pouze ID přihlášených uživatelů – nikdo nám přece nemůže garantovat, že jeden účet nesdílí více lidí.

Nicméně toto téma aktuálně rezonuje. Řada dodavatelů nástrojů webové analytiky se snaží vyřešit propojování různých zařízení (slušná data k tomu má Google nebo Facebook, protože na jejich platformách jsou návštěvníci často přihlášení téměř neustále) a následně dle dalších dat o chování těch “cookies”, které přímo propojit nelze, statistickými metodami určit totéž. Spolehlivost je opět limitována možnostmi dnešních technologií.

Lukáš Čech: V principu je nutné si uvědomit hlavně to, že tato data nám může a také nemusí zpřístupnit provozovatel vyhledávače (Google, Seznam, Bing…). Google se pouze rozhodl pod záminkou ochrany osobních údajů svých uživatelů, že nebude poskytovat tento údaj třetím stranám a dokonce ani provozovatelům webů snadno přes HTTP referrer, ale že tato data zpřístupní pouze přes vlastní nástroje (Google Adwords a Webmaster Tools) a navíc pouze určitým způsobem. Přímo v click-stream analýze tedy již tento údaj nenajdeme. Při propojení Google Analytics s Webmaster Tools je lze sice zobrazit v rozhraní Google Analytics, ale propojit je s chováním návštěvníka na webu stále nelze – k pročtení doporučuji nápovědu.

Dále jsou tu samozřejmě možnosti, jak se to pokusit odhadnout i pro Google z dalších indicií (např. vstupní stránka) a porovnat tato data s daty od vyhledávačů, které nám informace o klíčových slovech stále ještě poskytují (Seznam).

Lukáš Čech: Zcela nerozumím pojmu “reálná čísla”, ale pokud se bavíme o “dokonale přesných číslech”, pak tento mýtus popravdě není tak úplně mýtus. Nicméně tím, že v analytice nemáme zcela přesná čísla, nelze prohlásit celý obor za nadbytečný. Při dobré znalosti kontextu nám může poskytnout slušný odhad reality a navíc systémovou chybu měření lze považovat v čase za neměnnou, což v důsledku znamená, že byznys přínos analytiky lze postavit na trendech. Uděláme-li nějaké změny na našem webu a čísla se znatelně zlepší, pak lze změnu hodnotit jako přínosnou, protože hodnocení před i po změně bylo “stejně nepřesné”. Bez analytiky však zůstáváme slepí.

Uvedený příklad se trochu vrací k mýtu č. 5 a ano, zde je nutné si přiznat, že využívání více zařízení je dnes poměrně časté a navíc s boomem mobilních zařízení stabilně nadále poroste. Při hrubých odhadech dnes obvykle vycházíme z průměru cca 1,6 zařízení na uživatele. Prozatím máme ale k řešení těchto technikálií omezené možnosti stejně jako např. při odhadech toho, jaké procento lidí přes internet produkty pouze vyhledává, ale následně nakoupí v kamenné pobočce.

Lukáš Čech: Předně “Direct” nelze považovat za kanál. “Direct” je myšlenkový konstrukt analytiky, který říká, že neumím-li kanál identifikovat, označím ho tímto způsobem. To se děje vždy, když informaci o kanálu nedostanou analytické skripty buď parametry v cílové URL nebo z HTTP referreru.

Název se vžil, protože dle různých průzkumů je nejčastější příčinou neschopnosti analytických skriptů rozpoznat zdroj to, že uživatel do prohlížeče přímo zadal doménu webu nebo případně použil záložku (v některých nástrojích se bavíme např. o kanálu “Typed/Bookmarked”).

Jsou ale známé i další scénáře, kdy se toto děje. Například proklikne-li návštěvník na web neoznačeným odkazem z jiné aplikace než z prohlížeče (např. Outlook). Případně přechází-li návštěvník z webu na zabezpečeném HTTPS protokolu na nezabezpečený měřený web. Pokud se navíc bavíme o analýze zdrojů návštěvnosti, kterým chceme přisuzovat konverze vyskytující se hlouběji v cestě návštěvníka webem, dostáváme se do nové oblasti analytiky – atribučního modelování. Konverzi totiž mohlo předcházet více zdrojů a je velmi obtížné rozhodnout, který z nich si za výslednou konverzi zaslouží kredit.

Lukáš Čech: Ohledně tohoto tématu se vede neustálá a velmi široká debata. Řada webů (principielně minimálně všechny, které mají nějaké přihlašování) se bez cookies dnes vůbec neobejde. Legislativa, jejíž důsledkem jsou tyto lišty, se snaží spíše o to, aby provozovatelé byli transparentní vůči návštěvníkům a popsali, co se s daty o jejich chování děje. Většina návštěvníků nemá problém nechat provozovatele něco zaznamenat, pokud díky tomu dojde ke zlepšení služeb. Častěji mají problém s odesíláním dat třetím stranám (např. Google či jiní provozovatelé reklamních sítí), protože jim některé varianty retargetingu připadají obtěžující. Cookies (jak třetích, tak první strany) lze blokovat již velmi dlouho a tyto lišty mohou podíl návštěvníků, kteří tuto možnost využívají, trochu zvýšit. Dle mého názoru je ale přímý dopad na klasickou click-stream analýzu minimální.

Lukáš Čech: Google Analytics samozřejmě nejsou na trhu jediným nástrojem podobného ražení. Za zmínku zcela jistě stojí placené Adobe Analytics, IBM Analytics, Webtrends či Webrtekk. Zajímavými alternativami mohou být též Yandex Metrica či Open Source nástroj Piwik.

Dále jsou na trhu k dispozici i nástroje s mírně odlišným zaměřením, které se specializují na jiná specifika digitálního marketingu. Jsou jimi například ClickTale, Decibel Insight, HotJar či CrazyEgg na analýzy heatmap či nahrávek jednotlivých návštěv, dále Optimizely, Visual Website Optimizer či Adobe Target na variantní testování a personalizaci a mnohé další nástroje dalších kategorií.

Přes všechny neduhy Google Analytics ale zůstávají rozumným startovacím můstkem pro kohokoliv, kdo se chce začít rozhodovat na základě dat a má o oboru ještě spíše mlhavou představu. Díky své rozšířenosti má totiž výhodu veliké komunity a stabilní základny profesionálů, kteří nástroj znají, umí používat a poradit, pokud narazíte na nějaký problém.