Dziś weszła do użytku nowa wersja Google Analytics, którą obwieszczano już w połowie listopada w Waszyngtonie. Nowy kody GA opiera się na nowym kodzie śledzącym stronie:
zamiast kodu dostępnego pod
[code lang=”php”]http://www.google-analytics.com/urchin.js[/code]
można używać kodu dostępnego pod adresem:
[code lang=”php”]http://www.google-analytics.com/ga.js[/code]

Update
Nowy kod Google Analytics ga.js został zastąpiony kodem asynchronicznym

Nowy kod GA na koncie Google Analytics

Nowy kod GA można zobaczyć na koncie Google Analytics przy dodawaniu nowego profilu. Pojawi się tam wówczas opcja wyboru pomiędzy nowym i starym kodem.

ga.js

urchin.js

Czytaj dalej »

Jak wiadomo segmentacja użytkowników jest jedną z najważniejszych elementów badania używalności witryny internetowej. Jej obserwacja ma moim zdaniem szczególne znaczenie przy zastosowaniu Google Analytics w analizie używalności stron Ecommerce. Segmentowanie użytkowników pozwala na:

• właściwą ocenę potencjału witryny;
• planowanie rozwoju strony internetowej pod kątem najbardziej wartościowych dla nas grup użytkowników (np. lojalnych klientów w przypadku sklepu internetowego);
• obserwację elementów, które umożliwiają wzrost witryny jak również tych, które mogą ten wzrost blokować.

Podstawowa składnia funkcji utmSetVar

Segmentacja klientów jest możliwa w GA dzięki funkcji segementacyjnej _utmSetVar, którą można wywołać na dowolnej podstronie witryny internetowej:

• jako funkcję przekazującą wartość parametru bezpośrednio w obrębie kodu javascript, np.:

[code lang=”php”]

[/code]

• jako funkcję pobierającą wartość z danych przesłanych z formularza, np:
  

Czytaj dalej »

Na swoim serwisie pisałem już kilka razy o skryptach Greasemonkey, np jego zastosowania dla sprawdzania linków w Narzędziach dla Webmasterów. Dziś chciałbym przedstawić ciekawe wykorzystanie tego skryptu, wzbogacające funkcjonalność Google Analytics. Marcin Kaszyński stworzył skrypt, który pozwala sprawdzać dostępność online serwisu internetowego z poziomu interfejsu Google Analytics.

Czytaj dalej »

Jak wiadomo wyszukiwarka jest jednym z podstawowych elementów usability większych witryn internetowych. Brak wyników lub też wyniki słabej jakości przy wysokiej liczbie zapytań do wyszukiwarki oznacza dużą stratę potencjalnych użytkowników serwisu. W tej sytuacji obserwowanie zapytań wyszukiwarki powinno się stać priorytetem profesjonalnego serwisu internetowego.

Od jakiegoś czasu możliwość obserwowania zapytań do wyszukiwarki jest również możliwa w samym interfejsie Google Analytics (wcześniej również była możliwa, ale nie w formie odrębnej sekcji). Śledzenie zapytań możliwe jest tylko przy wyszukiwarkach przekazujących zapytanie metodą get w adresie url podstrony.
Czytaj dalej »

Jakiś czas temu w postach AdWords – optymalizacja strony docelowej reklamy oraz Raport – Optymalizacja strony docelowej pisałem o znaczeniu stworzenia właściwej podstrony lądowania na potrzeby reklamy AdWords.

Pisałem wówczas o reklamie w AdWords, ale oczywiście sam temat powinno się traktować dużo szerzej, w odniesieniu do innych systemów reklamowych typu PPC, działań SEO, reklamy banerowej, reklamy poprzez newsletter i email oraz każdej innej formy reklamy w Internecie.
.

Jak długo powinienem testować stronę docelową?

Jak wiadomo istnieje ścisła zależność pomiędzy miarodajnością wyników testów strony docelowej a czasem przeprowadzenia testów i ilością i ilością testowanych wariantów landing page. Im lepsze rezultaty chcemy uzyskać i im większą ilość wariantów strony docelowej chcemy przetestować, tym dłużej powinien trwać sam test (dokładnie mówiąc potrzeba większej ilości mierzonych konwersji).

Narzędziem, które może się przydać przy obliczaniu czasu potrzebnego do przeprowadzania testów stron docelowych w zależności od dziennych ilości konwersji uzyskiwanych na stronie jest Landing Page Test Calculator dostępny na stronie Marketo.com.

Narzędzie to wykorzystuje następujący wzór przy statystycznym wyliczaniu czasu testowania strony lądowania:

gdzie:
T = liczba przeprowadzanych testów
D = liczba dni, w których uzyskuje się rezultat (e.g. 14 days)
a = procentowa wielkość dostępnej populacji brana do tworzenia doświadczenia (% z wszystkich konwersji, które są dostępne do testowania)
p = średni oczekiwany współczynnik konwersji na stronie
R =dzienna ilość konwersji na stronie
zL = błąd pierwszego rodzaju, czyli prawdopodobieństwo popełnienia błędu (np. 1.2816 dla 80% pewności uzyskiwanych rezultatów)
zß = błąd drugiego rodzaju, czyli prawdopodobieństwo przyjęcia hipotezy fałszywej (np. 0.84 dla 80%)

Czytaj dalej »

Ostatnio coraz częściej piszę na swoim blogu posty związane z Google Analytics. Nie ukrywam, że jestem prawdziwym fanem tego narzędzia; z tego względu zdecydowałem się nawet napisać o nim bezpłatny przewodnik.

Z jakich słów użytkownicy przyszli z AdWords ?

W domyślnych ustawieniach Google Analytics, GA pokazuje dane na temat słów kluczowych,które zostały zdefiniowane na potrzeby słów kluczowych. Nie ma tam jednak informacji na temat tego, jakie rzeczywiście słowa kluczowe użytkownicy wpisywali przed kliknięciem reklamy.

Przykład:
Zdefiniowane słowo kluczowe „szkoły językowe” w dopasowaniu frazy powoduje wyświetlanie się reklamy na takie słowa kluczowe jak: „szkoły językowe Warszawa”, „szkoły językowe angielski”. W efekcie końcowym w Google Analytics mamy podane zbiorcze dane na temat zdefiniowanego w AdWords słowa kluczowego „szkoły językowe”, przy czym nie wiemy na jakie dokładnie słowa kluczowe nastąpiły te kliknięcia.

Kliknięcia z AdWords – Filtr w Google Analytics

Informacje na temat dokładnych wyszukań użytkowników przybyłych z AdWords można jednak zdobyć poprzez dość zakręcony filtr w Google Analytics. Sam filtr wygląda nieco skomplikowanie, ale jego przygotowanie nie powinno zająć więcej niż 10 minut.

Rezultat uzyskanego w ten sposób filtra można zobaczyć na poniższym zrzucie ekranu.

Filtr nie jest na pewno doskonały, ale bardzo może się przydać przy zwiększaniu ROI z AdWords jak również poszukiwaniu nowych zyskownych słów kluczowych dla kampanii.

Czytaj dalej »