Ελέγχεις το Google Analytics. Αναφέρει 5.000 επισκέπτες. Ελέγχεις τα logs του server. Δείχνουν 7.000 αιτήματα. Ελέγχεις την πλατφόρμα analytics προϊόντος. Αναφέρει 4.500 επισκέπτες. Τρεις πηγές δεδομένων, τρεις διαφορετικοί αριθμοί. Ποια είναι σωστή;
Όλες. Και καμία. Διαφορετικά εργαλεία μετράνε διαφορετικά πράγματα και χρησιμοποιούν διαφορετικούς ορισμούς. Οι διαφορές είναι φυσιολογικές. Αν καταλάβεις γιατί υπάρχουν, ερμηνεύεις καλύτερα τα δεδομένα σου.
Γιατί διαφορετικά εργαλεία δείχνουν διαφορετικούς αριθμούς
Διαφορετικοί ορισμοί της «συνεδρίας»
Ένα εργαλείο ορίζει τη συνεδρία ως 30 λεπτά αδράνειας. Ένα άλλο χρησιμοποιεί 45 λεπτά. Ένα άλλο 24 ώρες. Ένας χρήστης που φεύγει από το site σου για 40 λεπτά και ξαναγυρίζει μπορεί να μετράει ως μία συνεδρία σε ένα εργαλείο και ως δύο σε άλλο. Ο αριθμός συνεδριών θα διαφέρει πάντα.
Διαφορετικοί κανόνες μέτρησης προβολών σελίδας
Κάποια εργαλεία μετράνε μόνο παραδοσιακές προβολές σελίδας. Άλλα μετράνε εικονικές προβολές σελίδας από εφαρμογές μίας σελίδας. Κάποια μετράνε τα events pushState ως προβολές σελίδας. Άλλα όχι. Οι αριθμοί προβολών σελίδας διαφέρουν εξαιτίας αυτών των διαφορών.
Διαφορετικό φιλτράρισμα bots
Το Εργαλείο Α φιλτράρει τα bots των μηχανών αναζήτησης. Το Εργαλείο Β όχι. Το Εργαλείο Γ χρησιμοποιεί διαφορετική λίστα bots. Οι διαφορές στο φιλτράρισμα bots αλλάζουν τα σύνολα επισκεψιμότητας. Θα βλέπεις πάντα διαφορετικούς αριθμούς αν τα εργαλεία φιλτράρουν διαφορετικά.
Διαφορετική χρονική στιγμή συλλογής δεδομένων
Τα logs του server καταγράφουν σε επίπεδο server τη χιλιοστή του δευτερολέπτου που φτάνει το αίτημα. Οι βιβλιοθήκες analytics συλλέγουν από την πλευρά του πελάτη και στέλνουν αιτήματα σε ομάδες. Αν ένας χρήστης κλείσει το πρόγραμμα περιήγησης πριν σταλεί το αίτημα των analytics, χάνεται. Τα logs του server το πιάνουν. Τα εργαλεία της πλευράς του πελάτη όχι.
Διαφορετικός χειρισμός ζώνης ώρας
Έχεις το Google Analytics ρυθμισμένο στην ώρα της Ανατολικής Ακτής και τα logs του server σε UTC. Τα ημερήσια σύνολα ευθυγραμμίζονται διαφορετικά. Τα χθεσινά δεδομένα μπορεί να περιλαμβάνουν τη σημερινή επισκεψιμότητα του server αν οι ζώνες ώρας δεν συγχρονίζονται. Εμφανίζονται μικρές διαφορές.
Διαφορετικά μοντέλα απόδοσης
Τα εργαλεία χρησιμοποιούν διαφορετικούς κανόνες απόδοσης. Κάποια χρησιμοποιούν last-click. Κάποια first-click. Κάποια time decay. Αν έχεις πολλά σημεία επαφής πριν τη μετατροπή, διαφορετικά εργαλεία θα πιστώσουν διαφορετικές πηγές. Η απόδοση πολλαπλών επαφών δεν θα ταιριάζει ποτέ με την απόδοση last-click.
Διαφορετική κατηγοριοποίηση επισκεψιμότητας
Το Εργαλείο Α κατατάσσει την επισκεψιμότητα από μια συγκεκριμένη πηγή ως οργανική. Το Εργαλείο Β ως άμεση. Το Εργαλείο Γ ως παραπομπή. Κάθε εργαλείο χρησιμοποιεί διαφορετικούς κανόνες. Η κατανομή των πηγών θα διαφέρει.
Συνηθισμένα μοτίβα διαφορών
Το Google Analytics δείχνει χαμηλότερους αριθμούς από τα logs του server
Αυτό είναι τυπικό. Τα logs του server δείχνουν όλα τα αιτήματα. Το Google Analytics χάνει την επισκεψιμότητα που μπλοκάρεται από ad blockers, από προστασία παρακολούθησης ή όπου ο κώδικας παρακολούθησης δεν ενεργοποιείται. Το Google Analytics είναι συνήθως 20-40% χαμηλότερο από τα logs του server.
Αριθμοί μετατροπών που διαφέρουν από τον πάροχο πληρωμών
Τα analytics μπορεί να παρακολουθούν περισσότερες μετατροπές από τον πάροχο πληρωμών, επειδή μετράνε εγκαταλειμμένες ολοκληρώσεις αγοράς ή άλλα events ως μετατροπές. Ή μπορεί να παρακολουθούν λιγότερες αν κάποιες μετατροπές ολοκληρώνονται εκτός σύνδεσης ή σε πλατφόρμες τρίτων.
Διαφορές στην οργανική επισκεψιμότητα ανάμεσα στα εργαλεία
Διαφορετικά εργαλεία κατατάσσουν την οργανική επισκεψιμότητα διαφορετικά. Το Google Search Console δείχνει οργανικές λέξεις-κλειδιά. Το Google Analytics δείχνει οργανική επισκεψιμότητα. Σπάνια ταιριάζουν ακριβώς, γιατί μετράνε διαφορετικά πράγματα σε διαφορετικά στάδια της διαδρομής.
Διαφορές στις πηγές επισκεψιμότητας
Ένα κλικ από το Facebook μπορεί να κατατάσσεται ως «άμεση» σε ένα εργαλείο και ως «social» σε άλλο, ανάλογα με το πώς έχει σημανθεί το URL και πώς κατατάσσουν τα εργαλεία την επισκεψιμότητα χωρίς σήμανση.
Πώς διαχειρίζεσαι τις διαφορές
Κατάλαβε τι μετράει το κάθε εργαλείο
Το πρώτο βήμα: να ξέρεις τι μετράει το κάθε εργαλείο. Το Google Analytics μετράει προβολές σελίδας και events. Τα logs του server μετράνε αιτήματα HTTP. Ο πάροχος πληρωμών μετράει συναλλαγές. Μετράνε διαφορετικά πράγματα, άρα οι διαφορές είναι αναμενόμενες.
Διάλεξε μία πηγή αλήθειας για κάθε μέτρηση
Αποφάσισε ποιο εργαλείο «κατέχει» ποια μέτρηση. «Το Google Analytics κατέχει τις μετρήσεις επισκεψιμότητας.» «Η πλατφόρμα του καταστήματος κατέχει τις μετρήσεις μετατροπών.» «Τα logs του server κατέχουν τη τεχνική διάγνωση.» Όταν χρειάζεσαι επισκεψιμότητα, κοιτάς πάντα τα Analytics. Έτσι αποφεύγεται η σύγχυση.
Κατάγραψε τις διαφορές και εξήγησέ τες
Για τις μεγάλες διαφορές, κατάγραψέ τες. «Το Google Analytics δείχνει 5K επισκέπτες. Τα logs του server δείχνουν 7K. Η διαφορά εξηγείται από ad blockers που μπλοκάρουν τον κώδικα παρακολούθησης (~40% της επισκεψιμότητας).» Κατάγραψε την εξήγηση για να καταλαβαίνει η ομάδα σου.
Φτιάξε διαδικασία συμφωνίας δεδομένων
Κάθε μήνα, σύγκρινε τα κύρια εργαλεία σου μεταξύ τους. Google Analytics με την πλατφόρμα analytics προϊόντος. Google Analytics με τον πάροχο πληρωμών. Έλεγξε αν η διαφορά είναι σταθερή. Αν αλλάξει ξαφνικά, ψάξε γιατί.
Χρησιμοποίησε την πιο πλήρη πηγή δεδομένων για την ανάλυση
Αν χρειάζεσαι πραγματικά δεδομένα συναλλαγών, χρησιμοποίησε τον πάροχο πληρωμών. Αν χρειάζεσαι μοτίβα επισκεψιμότητας, χρησιμοποίησε τα logs του server. Αν χρειάζεσαι συμπεριφορά χρηστών και segments, χρησιμοποίησε εργαλεία analytics. Κάθε πηγή είναι καλύτερη για συγκεκριμένες ερωτήσεις.
Τα εργαλεία πρέπει να αλληλοσυμπληρώνονται
Χτίσε πλήρη εικόνα από πολλές πηγές
Αντί να παλεύεις με τις διαφορές, χρησιμοποίησέ τες όπως πρέπει: κάθε εργαλείο δίνει διαφορετική οπτική. Τα analytics δείχνουν τη συμπεριφορά των χρηστών. Τα logs του server δείχνουν μοτίβα επισκεψιμότητας. Το CRM δείχνει δεδομένα πελατών. Ο πάροχος πληρωμών δείχνει έσοδα. Μαζί είναι πιο πλήρη από οποιοδήποτε μεμονωμένο εργαλείο.
Χρησιμοποίησε τις διαφορές για να βρεις προβλήματα
Όταν οι διαφορές αλλάζουν ξαφνικά, μπορεί να έχει χαλάσει κάτι. Η παρακολούθηση μπορεί να απέτυχε. Μπορεί να εφαρμόστηκαν φίλτρα. Η διαφορά αποκαλύπτει το πρόβλημα.
Συχνές ερωτήσεις
Πόση διαφορά είναι φυσιολογική ανάμεσα σε εργαλεία analytics;
Διαφορά 10-30% είναι τυπική. Διαφορά 5% ή λιγότερο σημαίνει ότι τα πας καλά. Διαφορά 50% και πάνω δείχνει ότι κάτι δεν πάει καλά. Σύγκρινε τα δικά σου εργαλεία για να καταλάβεις τη φυσιολογική σου απόκλιση. Με τον δημιουργό ιστοσελίδων του WEMASY μπορείς να το στήσεις απευθείας στην ιστοσελίδα σου.
Να εμπιστεύομαι το εργαλείο που αναφέρει υψηλότερους αριθμούς;
Όχι απαραίτητα. Περισσότεροι αριθμοί δεν σημαίνουν μεγαλύτερη ακρίβεια. Κατάλαβε γιατί διαφέρουν οι αριθμοί. Ο υψηλότερος μπορεί να είναι φουσκωμένος. Ο χαμηλότερος μπορεί να υποεκτιμά. Κανένας δεν είναι αυτόματα σωστός.
Γιατί το Google Analytics δείχνει λιγότερες μετατροπές από τον πάροχο πληρωμών;
Συνηθισμένοι λόγοι: ο κώδικας παρακολούθησης δεν ενεργοποιείται σε κάποιες μετατροπές, ad blockers που εμποδίζουν την παρακολούθηση μετατροπών, μετατροπές εκτός σύνδεσης που τις καταγράφει ο πάροχος πληρωμών αλλά όχι τα analytics, ζώνες ώρας που δεν ταιριάζουν.
Ποιο εργαλείο να χρησιμοποιώ ως πηγή αλήθειας;
Εξαρτάται από τη μέτρηση. Για τη συμπεριφορά χρηστών, χρησιμοποίησε το εργαλείο analytics. Για τα έσοδα, τον πάροχο πληρωμών. Για τεχνική διάγνωση, τα logs του server. Μην βασίζεσαι σε ένα εργαλείο για όλα.
Σημαίνουν οι διαφορές ότι κάποιο από τα εργαλεία μου είναι χαλασμένο;
Συνήθως όχι. Οι διαφορές είναι φυσιολογικές. Όμως οι ξαφνικές αλλαγές στο μοτίβο μπορεί να δείχνουν πρόβλημα. Αν τα Analytics πέσουν ξαφνικά 50% σε σχέση με τον πάροχο πληρωμών, κάτι χάλασε. Οι σταθερές διαφορές είναι αναμενόμενες.
Μπορώ να συμφωνήσω πλήρως τα δεδομένα από διαφορετικά εργαλεία;
Όχι πλήρως, γιατί μετράνε διαφορετικά πράγματα. Μπορείς όμως να εντοπίσεις τις πιθανές πηγές των διαφορών και να καταλάβεις το κενό. Κατάγραψε τις διαφορές ώστε η ομάδα σου να ξέρει τι να περιμένει.