АссистентНовый вопросИсторияОбласти знаний
Партнёрские проектыСпецпроектыСтать автором
Сменить язык
2219276 статей на русском языкеО РУВИКИ
КультураМассовая культураИнтернетВеб-аналитика

Веб-аналитика

Веб-аналитика — область, связанная с измерением, сбором, анализом и представлением данных о веб-среде с целью понимания и оптимизации использования веб-ресурсов[1]. Веб-аналитика — это не только процесс измерения интернет-трафика, но и инструмент для бизнес-маркетинговых исследований, оценки и повышения эффективности сайтов. Программные решения для веб-аналитики позволяют компаниям оценивать результаты рекламных кампаний в традиционных средствах массовой информации, таких как печать и телевидение, а также анализировать изменения посещаемости сайта после запуска новых рекламных кампаний. Веб-аналитика предоставляет информацию о количестве посетителей сайта, количестве просмотренных страниц и позволяет создавать профили поведения пользователей[2].

Основные этапы процесса веб-аналитики

undefined

Большинство процессов веб-аналитики включают четыре основных этапа:[3]

  • Сбор данных: На этом этапе осуществляется сбор базовых данных, обычно в виде количественных показателей. Цель — собрать исходные данные.
  • Обработка данных в метрики: Обычно подсчитываются соотношения на основе собранных данных. Цель — преобразовать их в информативные метрики.
  • Разработка ключевых показателей эффективности (KPI): Использование полученных метрик в сочетании с бизнес-стратегиями. Часто KPI связаны с конверсиями, но не всегда.
  • Формулирование онлайн-стратегии: Определение целей и стандартов компании в онлайне, обычно связанных с максимизацией прибыли, снижением расходов или увеличением доли рынка.

Важной функцией для оптимизации сайтов стала постановка экспериментов:

  • Эксперименты и тестирование: A/B-тестирование — контролируемый эксперимент с двумя вариантами, применяется для выявления изменений, улучшающих интересующий результат.

Каждый этап влияет на предыдущий или последующий: иногда доступные данные определяют стратегию, а иногда стратегия — перечень необходимых данных.

Категории веб-аналитики

Существует как минимум две категории веб-аналитики: внешняя и внутренняя.

  • Внешняя веб-аналитика (англ. off-site web analytics) — анализ и измерение, выполняемые независимо от принадлежности сайта. Она включает оценку потенциальной аудитории (возможностей), видимости и информационного шума сайта в интернете.
  • Внутренняя веб-аналитика (англ. on-site web analytics) — анализ поведения посетителей непосредственно на сайте: переходы, конверсии, ассоциация целевых страниц с действиями пользователей и покупками. Самые распространённые сервисы внутренней веб-аналитики — Google Analytics и Adobe Analytics, а новые инструменты предоставляют дополнительные слои информации, например тепловые карты и отслеживание сессий.

Изначально термин «веб-аналитика» относился только к внутреннему анализу, но современные инструменты часто охватывают обе категории. Существует множество решений и сервисов. Основных технических способа сбора данных два: анализ логов сервера (анализирует журналы обращения к файлам) и постановка тегов на страницы (используется код JavaScript, делающий запросы к аналитическому серверу при загрузке или кликах).

Внутренняя веб-аналитика

Нет общепринятых определений метрик веб-аналитики: разные инструменты и вендоры могут считать одни и те же показатели по-разному. Значимый вклад в стандартизацию определений вносят такие организации, как IAB (Бюро интерактивной рекламы), JICWEBS (Объединённый комитет по веб-стандартам Великобритании и Ирландии), DAA (Ассоциация цифровой аналитики, ранее WAA — Web Analytics Association). Тем не менее, наиболее используемые термины схожи и могут быть сведены к следующему списку:

  • Показатель отказов (англ. bounce rate) — доля сессий, состоящих из одного просмотра страницы без других действий. Высокий показатель отказов может свидетельствовать о необходимости улучшения контента или интерфейса[4].
  • Путь кликов — последовательность просмотров страниц в одной сессии; полезен для понимания целей пользователя и структуры сессии[5].
  • Хит — запрос любого файла (страницы, изображения и пр.) к веб-серверу; не отражает реальные просмотры пользователями.
  • Просмотр страницы — запрос файла или события, определённых как страница. Один просмотр страницы может состоять из нескольких хитов (скачиваний связанных файлов).
  • Уникальный посетитель (user/visitor) — уникально идентифицированный клиент (обычно определяемый по cookie или комбинации IP + User-Agent) за заданный период.
  • Сессия/визит — последовательность действий пользователя за один период; обычно сессия закрывается через 30 минут бездействия.
  • Время активности/вовлечённость — среднее время взаимодействия пользователя с контентом страницы (движения мыши, клики, прокрутки).
  • Глубина просмотра — среднее число просмотренных страниц за визит.
  • Средняя длительность просмотра страницы — среднее время, проведённое на странице.
  • Клик — переход по гиперссылке.
  • Событие — отдельное действие пользователя (просмотр, клик, отправка формы и т. д.).
  • Показатель выхода (%) — доля сессий, для которых конкретная страница стала последней в визите.
  • Сегментация данных — разбиение данных по характеристикам (демография, расположение, поведение и пр.), позволяющее получить дополнительную информацию о разных аудиториях[6].
  • Первый визит — визит уникального посетителя, совершённый впервые (выявляется по наличию cookie или идентификатору устройства).
  • Частота (визитов на уникального) — отношение количества сессий к числу уникальных посетителей.
  • Показы (impressions) — количество случаев отображения рекламы.
  • Новый посетитель — пользователь, не зафиксированный ранее среди посетителей сайта.
  • Время просмотра страницы — время, пока страница находится на экране пользователя.
  • Постоянный посетитель — пользователь, совершавший визиты ранее.
  • Вернувшийся посетитель — уникальный пользователь, совершивший повторный визит за отчётный период.
  • Длительность сессии — среднее время нахождения на сайте за визит[7].
  • Визит с одной просмотренной страницей — визит, в котором была просмотрена только одна страница (отличается от отказа).
  • Наложение данных на сайт — визуализация кликов или горячих зон на снимке страницы.
  • Показатель кликабельности (CTR) — отношение числа кликов на ссылку к общему количеству просмотров страницы, письма или рекламы.

Внешняя веб-аналитика

Внешняя веб-аналитика основана на анализе открытых данных — исследований в социальных медиа и изучении репутации сайта в сети. Обычно применяется для выявления ключевых слов или оценки упоминаемости сайта в интернете.

Источники данных веб-аналитики

Сбор и анализ данных для веб-аналитики обычно выполняется из четырёх основных источников:[8]

  1. Прямые HTTP-запросы (заголовки запроса).
  2. Данные сетевого и серверного уровня (IP-адрес инициатора и др.).
  3. Данные приложений (сессии, рефереры), обычно хранятся в журналах приложений.
  4. Внешние источники (геолокация по IP, показатели email-рассылок, CRM-данные и др.), которые дополняют собственные данные сайта.

Анализ логов веб-сервера

Веб-серверы заносят обращения в лог-файлы (журналы), которые могут быть проанализированы для получения статистики популярности сайта. В начале 1990-х годов статистика сайтов в основном представляла собой подсчёт количества обращений (хитов). Впоследствии появились отдельные понятия «просмотр страницы» и «визит/сессия». Появление поисковых роботов, прокси и динамически выделяемых IP-адресов усложнило определение уникальных пользователей. Тогда стали применять cookie и игнорировать обращения известных роботов.

Устарели также подсчёты из-за кеширования страниц: повторное посещение может не зафиксироваться на сервере, так как страница возвращается из cache. Принудительное отключение кеширования ухудшает производительность, поэтому не применяется массово[9].

Тегирование страниц

Проблемы точности анализа логов и желание использовать внешний сервис привели к методу тегирования (page tagging), при котором на страницы вставляется невидимый элемент (чаще через JavaScript), отправляющий запрос на аналитический сервер при загрузке страницы пользователем. Так собирается информация о действиях посетителя, которую можно анализировать централизованно.

Современные реализации через JavaScript позволяют учитывать больше информации о поведении пользователя, назначать cookie, автоматически определять посетителя и регистрировать взаимодействия, которые не логируются на сервере. Однако показатель принятия cookie может влиять на качество данных.

При использовании внешних аналитических серверов возникает дополнительная задержка (DNS-запрос), которая в ряде случаев может влиять на полноту собираемых данных.

Распространение Ajax привело к появлению альтернативного сбора данных: при взаимодействии с элементами страницы браузер вызывает сервер в фоне, передавая информацию для дальнейшей агрегации.

Сравнение анализа логов и тегирования

Обе технологии доступны как вендорские решения. Программы лог-анализа и системы тегирования имеют достоинства и недостатки[10].[11]

Преимущества анализа логов

  • Журналы серверов формируются по умолчанию, не требует изменений сайта.
  • Данные находятся на серверах компании, в стандартном формате — легко менять ПО.
  • Фиксируются обращения поисковых роботов, что полезно для SEO.
  • Нет дополнительных задержек из-за внешних DNS-запросов или загрузки сторонних скриптов.
  • Все транзакции записываются полностью и не зависят от браузера пользователя.

Преимущества тегирования страниц

  • Учёт запускается по факту загрузки страницы клиентом (реальнее при кешировании).
  • Более гибкая фиксация событий: отслеживаются действия в клиентском сценарии, в том числе Flash, события мыши и клавиатуры.
  • Сервис управления cookie может быть включён без доработок сервера.
  • Используется даже без доступа к серверу сайта.
  • Тегирование стало отраслевым стандартом для корпоративной аналитики[12].

Экономические аспекты

Анализ логов чаще проводится внутри компании, тегирование предоставляется, как правило, внешними сервисами за абонентскую плату (обычно по количеству просмотров).

  • Лог-анализ требует разовой покупки ПО, но некоторые вендоры ограничивают бесплатную обработку по объёму данных.
  • Для хранения и архивации логов требуется дополнительное оборудование и ресурсы IT-поддержки.
  • ПО должно регулярно обновляться и обеспечиваться патчами по безопасности.
  • Стоимость внедрения зависит от внутренней экспертизы, выбранного поставщика и объёма данных.

Вне зависимости от метода сбора данных, анализ должен включать затраты на интерпретацию: сторонние консультанты, обучение штатных аналитиков и др.

Гибридные методы

Некоторые решения объединяют оба способа сбора данных (лог-файлы и тегирование страниц) для повышения точности статистики[13].

Геолокация посетителей

Благодаря использованию баз данных и API геолокации по IP-адресу, возможно определять местоположение посетителя до города или страны[14]. Эта информация используется для персонализации контента, таргетинга, борьбы с мошенничеством и для улучшения аналитики.

Кликабельная аналитика

Кликабельная аналитика (англ. click analytics, также clickstream) фокусируется на анализе действий пользователя при переходе по ссылкам. Она позволяет редактировать структуру сайтов и контента исходя из реальных путей кликов. Данные могут собираться в реальном времени или с задержкой; анализ кликов особенно важен для динамичного новостного контента и оценки эффективности рекламы и дизайна.

Аналитика жизненного цикла клиента

Аналитика жизненного цикла клиента (англ. customer lifecycle analytics) связывает все события, связанные с одним пользователем (просмотры, клики, обращения к API), в единую маркетинговую воронку[15]. Это позволяет глубже понимать поведение, автоматизировать оптимизацию сайта и маркетинговых кампаний. Используются такие ключевые метрики, как стоимость привлечения клиента (CAC), пожизненная ценность клиента (CLV), отток клиентов и индекс удовлетворённости[15].

Другие методы

Используются и альтернативные способы сбора данных, например перехват сетевого трафика (packet sniffing), не требующий изменений сайта, либо интеграция аналитики непосредственно в ПО веб-сервера[16]. Сторонники этих методов отмечают более высокую точность и возможность работы в режиме реального времени.

Распространённые ошибки и проблемы веб-аналитики

Проблема гостиницы

Проблема гостиницы возникает при попытке просуммировать уникальных посетителей по дням и за месяц и обнаружить несоответствие итоговых чисел. Это связано со спецификой агрегации: если человек посещает сайт в несколько дней, он будет засчитан несколько раз по дням, но всего один раз по месяцу.

День 1 День 2 День 3 Всего
Номер A Иван Иван Марк 2 уникальных пользователя
Номер B Марк Анна Анна 2 уникальных пользователя
Всего 2 2 2 ?

Сумма по дням даст большее число, чем по итогу периода; это особенность метрики.

Отравление аналитики

С развитием интернета и ростом объёма бот-трафика стал актуален вопрос надежности веб-аналитики. Боты могут эмулировать действия пользователей и запускать код аналитики, что искажает статистику. Были продемонстрированы примеры успешного инициирования аналитических событий ботами для большинства популярных веб-аналитических инструментов[17].[18]

Проблемы с куки третьих сторон

Традиционно внешние сервисы веб-аналитики использовали куки третьих сторон, что позволяло отслеживать посетителей между доменами, но вызывало опасения относительно приватности. Многие пользователи блокируют такие куки (в некоторых отчётах — до 28 % в 2005 году)[19]. Большинство сервисов теперь используют куки первого уровня.

Удаление куки приводит к тому, что уникальный посетитель при следующем визите опять считается «новым». При ротации IP-адресов, использовании прокси или общего устройства корректность определения уникальных пользователей может снижаться. Альтернативные методы уникализации либо сложны, либо потенциально нарушают приватность[20].

Защищённые методы аналитики

Ограничения безопасности, фильтрация и национальное регулирование могут препятствовать сбору данных сторонними сервисами. Все существующие методы подвержены манипуляциям; решение этой проблемы активно обсуждается в научной литературе[21],[22][23][24] но на практике решения остаются теоретическими.

Примечания

  1. ↑ WAA Standards Committee. "Web analytics definitions." Washington DC: Web Analytics Association (2008).
  2. ↑ Nielsen, Janne (27 апреля 2021). “Using mixed methods to study the historical use of web beacons in web tracking”. International Journal of Digital Humanities [англ.]. 2 (1—3): 65—88. DOI:10.1007/s42803-021-00033-4. ISSN 2524-7832. S2CID 233416836.
  3. ↑ Jansen, B. J. (2009). Understanding user-web interactions via web analytics. Synthesis Lectures on Information Concepts, Retrieval, and Services, 1(1), 1–102.
  4. ↑ Sng, Yun Fei Study on Factors Associated With Bounce Rates on Consumer Product Websites (англ.). Business Analytics 526–546. World Scientific (22 августа 2016). doi:10.1142/9789813149311_0019. Дата обращения: 11 августа 2023. Архивировано 11 августа 2023 года.
  5. ↑ Menasalvas, Ernestina; Millán, Socorro; Peña, José M.; Hadjimichael, Michael; Marbán, Oscar (июль 2004). “Subsessions: A granular approach to click path analysis: Click Path Analysis”. International Journal of Intelligent Systems [англ.]. 19 (7): 619—637. DOI:10.1002/int.20014. Проверьте дату в |date= (справка на английском)
  6. ↑ Chaffey, Dave; Patron, Mark (1 июля 2012). “From web analytics to digital marketing optimization: Increasing the commercial value of digital analytics”. Journal of Direct, Data and Digital Marketing Practice [англ.]. 14 (1): 30—45. DOI:10.1057/dddmp.2012.20. ISSN 1746-0174.
  7. ↑ Как определяется сеанс в Universal Analytics — Справка Analytics. support.google.com. Дата обращения: 11 августа 2023.
  8. ↑ Zheng, G. & Peltsverger S. (2015) Web Analytics Overview, In book: Encyclopedia of Information Science and Technology, Third Edition, Publisher: IGI Global, Editors: Mehdi Khosrow-Pour
  9. ↑ Marketing Management: A Value-Creation Process (2nd Edition) by Alain Jolibert et al., 2012, c. 359.
  10. ↑ Increasing Accuracy for Online Business Growth — аналитический обзор точности веб-аналитики
  11. ↑ Page Tagging vs. Log Analysis An Executive White Paper. sawmill (2008). Архивировано 13 мая 2024 года.
  12. ↑ Revisiting Log File Analysis versus Page tagging. Дата обращения: 26 февраля 2010. Архивировано 6 июля 2011 года.
  13. ↑ Page Tagging (cookies) vs. Log Analysis. Logaholic Web Analytics (25 апреля 2018). Дата обращения: 21 июля 2023. Архивировано 8 сентября 2025 года.
  14. ↑ IPInfoDB. База данных геолокации по IP. IPInfoDB (10 июля 2009). Дата обращения: 19 июля 2009. Архивировано 14 января 2025 года.
  15. ↑ 1 2 Kitchens, Brent; Dobolyi, David; Li, Jingjing; Abbasi, Ahmed (3 апреля 2018). “Advanced Customer Analytics: Strategic Value Through Integration of Relationship-Oriented Big Data”. Journal of Management Information Systems [англ.]. 35 (2): 540—574. DOI:10.1080/07421222.2018.1451957. ISSN 0742-1222. S2CID 49681142.
  16. ↑ Hu, Xiaohua; Cercone, Nick (1 июля 2004). “A Data Warehouse/Online Analytic Processing Framework for Web Usage Mining and Business Intelligence Reporting”. International Journal of Intelligent Systems. 19 (7): 585—606. DOI:10.1002/int.v19:7.
  17. ↑ Analytics Poisoning: A Short Review - IPM Corporation (5 декабря 2020). Дата обращения: 29 июля 2022. Архивировано 10 мая 2025 года.
  18. ↑ Shandily, Hricha Google Analytics counts bots as real traffic [New Test] (англ.). Plausible Analytics (22 мая 2025). Дата обращения: 13 июня 2025. Архивировано 13 июня 2025 года.
  19. ↑ McGann, Rob Study: Consumers Delete Cookies at Surprising Rate (14 марта 2005). Дата обращения: 3 апреля 2014. Архивировано 22 января 2012 года.
  20. ↑ Home News Access the Guide Tools Education Shopping Internet Cookies- Spyware or Neutral Technology? CNET. 2 февраля 2005. Дата обращения: 24 апреля 2017. Архивировано 18 августа 2010 года.
  21. ↑ Naor, M. Secure and efficient metering // Advances in Cryptology – EUROCRYPT'98 / M. Naor, B. Pinkas. — 1998. — Vol. 1403. — P. 576. — ISBN 978-3-540-64518-4. — doi:10.1007/BFb0054155.
  22. ↑ Naor, M.; Pinkas, B. (1998). “Secure accounting and auditing on the Web”. Computer Networks and ISDN Systems. 30 (1—7): 541—550. DOI:10.1016/S0169-7552(98)00116-0.
  23. ↑ Franklin, M. K. Auditable metering with lightweight security // Financial Cryptography / M. K. Franklin, D. Malkhi. — 1997. — Vol. 1318. — P. 151. — ISBN 978-3-540-63594-9. — doi:10.1007/3-540-63594-7_75.
  24. ↑ Johnson, R.; Staddon, J. (2007). “Deflation-secure web metering”. International Journal of Information and Computer Security. 1: 39. CiteSeerX 10.1.1.116.3451. DOI:10.1504/IJICS.2007.012244.

Литература

  • Clifton, Brian (2010). Advanced Web Metrics with Google Analytics, 2nd edition, Sybex.
  • Mortensen, Dennis R. Yahoo! Web analytics: tracking, reporting, and analyzing for data-driven insights. — Indianapolis, Ind : Wiley, 2009. — ISBN 978-0470424247.
  • Farris, P., Bendle, N.T., Pfeifer, P.E., Reibstein, D.J. (2009). Key Marketing Metrics. The 50+ Metrics Every Manager needs to know, Prentice Hall, London.
  • Plaza, Beatriz (18 сентября 2009). “Monitoring web traffic source effectiveness with Google Analytics: An experiment with time series”. ASLIB Proceedings. 61 (5): 474—482. DOI:10.1108/00012530910989625.
  • Arikan, Akin (2008). Multichannel Marketing. Metrics and Methods for On and Offline Success. Sybex.
  • Tullis, Tom & Albert, Bill (2008). Measuring the User Experience. Collecting, Analyzing and Presenting Usability Metrics. Morgan Kaufmann, Elsevier, Burlington MA.
  • Kaushik, Avinash. Web analytics 2.0: The Art of Online Accountability and Science of Customer Centricity. — Sybex, 2009. — ISBN 9780470529393.
  • Kaushik, Avinash. Web analytics: an hour a day / Avinash Kaushik, Dave Raybould. — Indianapolis, Ind : Wiley, 2007. — ISBN 9780470130650.
  • Bradley N (2007). Marketing Research. Tools and Techniques. Oxford University Press, Oxford.
  • Sostre, Pedro and LeClaire, Jennifer (2007). Web Analytics for Dummies. John Wiley & Sons.
  • Burby, Jason and Atchison, Shane (2007). Actionable Web Analytics: Using Data to Make Smart Business Decisions.
  • Davis, J. (2006). Marketing Metrics: How to create Accountable Marketing plans that really work. John Wiley & Sons (Asia).
  • Peterson Eric T. (2005). Web Site Measurement Hacks. O'Reilly Media.
  • Zheng, J. G. and Peltsverger, S. (2015). Web Analytics Overview, In book: Encyclopedia of Information Science and Technology, Third Edition, IGI Global.

Категории