Data o vytíženosti webových serverů byla pravidelně sledována a hodnocena již s boomem internetu v devadesátých letech, kdy každou druhou webovou stránku „zdobilo" nevzhledné počitadlo zobrazení stránky. Možnosti využití a interpretace těchto dat byly ovšem velmi omezené, a těžko lze tedy mluvit o analytice v pravém slova smyslu. Co se od té doby změnilo?

Jsou to především metody a nástroje, které tato data zpracovávají a s jejichž pomocí lze data mnohem sofistikovaněji vyhodnocovat. Ruku v ruce s vývojem se také rozšířily způsoby využití získaných poznatků, neboť mnohé společnosti si uvědomily, že mohou ze svých webových dat získat cenné informace. Současné technologie dokáží mnohem více než jen vyhodnocovat množství návštěvníků, sumu shlédnutých stránek nebo průměrný čas strávený na konkrétním webu.

Co tedy dokáží nástroje webové analytiky?

Nástroje webové analytiky (jako jsou populární bezplatný nástroj Google Analytics nebo sofistikovanější placená řešení, jako například Adobe Omniture Site Catalyst) dnes umožňují celou řadu mnohem užitečnějších funkcí. Jednou z těch klíčových je především možnost segmentace dat o návštěvnosti podle nejrůznějších kritérií.

Agregovaná data (například kolik návštěvníků celkem za poslední měsíc vidělo náš web) nebývají zpravidla z hlediska interpretace příliš zajímavá. Pokud jsme ovšem schopni rozdělit návštěvníky webu podle toho, z jakého zdroje přišli (placené/neplacené vyhledávání, bannery, stránky partnerů, sociální sítě atd.), získáme mnohem lepší přehled o struktuře návštěvnosti. Je možné kategorizovat jednotlivé návštěvy z vyhledávačů i podle klíčových slov, která na naše stránky uživatele dovedla. Často se například ukazuje, že v e-shopech nakoupí návštěvníci vyhledávající přímo název či značku daného obchodu spíš než návštěvníci hledající konkrétní produkt.

Některé nástroje jsou schopny sledovat chování uživatele i mezi jednotlivými návštěvami, a lze tak pozorovat rozdíl v on-line chování nových a stávajících zákazníků nebo analyzovat celý nákupní cyklus zákazníka (například kolikrát daný uživatel navštíví obchod, než si něco skutečně koupí). Většina nástrojů také umožňuje v přehledné vizuální formě zobrazit typické „cesty" mezi jednotlivými stránkami v rámci průměrné návštěvy. To může v kombinaci se segmentací umožnit mnohem lepší pochopení chování jednotlivých skupin návštěvníků.

U konkrétních stránek je dokonce možné přímo zobrazit, na jaká místa návštěvníci nejvíce či nejméně „klikají", což může vést k lepšímu pochopení toho, co zde návštěvníci hledají. Pokud web obsahuje vlastní interní vyhledávání, je možné analyzovat nejčastější klíčová slova, která zde návštěvníci hledají, a vyhodnocovat, zda daný obsah skutečně nalézají.

K čemu se poznatky z WA využívají?

Výstupy webové analytiky je možné využít mnoha způsoby. Typicky jsou analýzy vstupním podkladem pro vylepšení on-line aktivit dané firmy. Pomocí zmíněných nástrojů je možné vyhodnocovat úspěšnost jednotlivých on-line marketingových kampaní (bannery, kontextová reklama atd.) nebo spolupráci s partnerskými weby (kolik jsme díky jejich odkazům získali zákazníků). Pokud zjistíme, že nějaký zdroj návštěvnosti (například příchody z vyhledávače Google) dominuje, můžeme se pokusit do tohoto zdroje více investovat a využít tak plně jeho potenciál. Po identifikaci klíčových výrazů vyhledávání zase můžeme jednoduše zlepšit SEO strategii (optimalizace pro klíčová slova).

WA je také ideální cestou pro zlepšení samotného webu. Pokud jste schopni identifikovat klíčová místa, odkud návštěvníci nejvíce odcházejí, můžete tuto situaci změnit. Typicky se pak navrhne modifikace na webu odstraňující příčiny problému (například odlišné rozmístění a viditelnost klíčových prvků stránky), kterou je poté možné testovat. Testování probíhá nejčastěji tím způsobem, že na webu běží současně stará i vylepšená verze problémové stránky. Některým uživatelům se zobrazí původní verze a některým nová, testovaná verze. Pomocí nástrojů WA pak lze v čase sledovat, o kolik úspěšnější je nová verze a zda bude efektivní ji dlouhodobě nasadit.

Obrovský prostor pro využití WA nabízejí přirozeně stránky e-shopů. Naprostá většina nástrojů je přímo uzpůsobena pro analyzování e-commerce, pro kterou je připravena celá řada specifických funkcí. Lze například sledovat finanční data k jednotlivým produktům či produktovým kategoriím podle vybraných zákaznických segmentů, sledovat chování zákazníků s nadprůměrnou nebo podprůměrnou hodnotou objednávky a mnoho dalšího. Jednou z klíčových funkcí pro e-shopy je tzv. funnel analýza (z angl. funnel – trychtýř). Ta umožňuje vizuálně sledovat „odpadání" návštěvníků e-shopu cestou k dokončení nákupu. Typicky se jedná o analýzu jednotlivých kroků od prvního přidání zboží do nákupního košíku přes vyplňování údajů, výběru způsobu platby a dopravy až po potvrzení objednávky (obr. 1). Všechny tyto kroky lze vizuálně hodnotit v podobě trychtýře, který zobrazuje, kolik lidí odpadává v jednotlivých krocích procesu, případně kam odcházejí. Velmi dobře tak lze identifikovat úzká hrdla procesu, která je třeba následně zjednodušit, aby se co nejvíce potenciálních zákazníků dostalo až na konec nákupního procesu.

Obr.1: Funnel analýza

Výstupy z WA nástrojů je však možné využít i v kombinaci s dalšími podnikovými informačními systémy. Typickým příkladem je integrace dat z WA nástroje a interního CRM systému, která umožňuje mnohem komplexnější pohled na minulé i stávající zákazníky. Pomocí informací o minulém on-line chování je k jednotlivým kontaktům v CRM například možné přiřadit jejich potenciální hodnotu pro další obchod (tzv. lead scoring) nebo nejčastěji navštěvované skupiny produktů, což umožňuje v budoucnu kontaktovat se správnou nabídkou právě ty zákazníky, kteří mohou být největším přínosem.

Jak se data sbírají?

Pokročilé uživatele internetu často zajímá, jakým způsobem se vlastně data do WA nástrojů dostanou a jaké informace o sobě naším brouzdáním po internetu zanecháváme. V současné době většina nástrojů funguje na základě kombinace JavaScript kódů a cookies.

Pokud chceme vyhodnocovat své webové stránky pomocí některého z těchto nástrojů (například Google Analytics), musíme nejdříve do HTML kódu všech svých stránek, které chceme sledovat, vložit jednoduchý kód JavaScriptu (tzv. tracking code), který nám většina nástrojů pohodlně předgeneruje. Pokud pak návštěvník se svým prohlížečem navštíví některou z těchto stránek, aktivuje tím (vedle získání samotného obsahu stránky) také zmíněný kód. Tento kód přečte a následně uloží nové hodnoty některých cookies v návštěvníkově počítači. Tyto cookies slouží především k identifikaci daného návštěvníka, času jeho návštěvy, případně nesou informaci o konkrétní kampani (např. banner), ze které se uživatel na naše stránky dostal. Díky informacím, uloženým v cookies na straně návštěvníkova prohlížeče, je pak možné sledovat celkový počet unikátních návštěvníků, identifikovat nové a vracející se návštěvníky a mnoho dalšího. Podstatné je, že uživatele sice lze pomocí cookies jednoznačně identifikovat, na druhé straně ale o sobě neposkytuje žádné informace přímo spojitelné s jeho osobou. Pouze je mu přiřazeno unikátní číslo, ale nikdo už nepozná, že uživatel s tímto číslem jste například právě vy.

Po aktivaci kódu, přečtení a uložení nových hodnot cookies jsou tato data poslána na specializovaný zabezpečený server daného WA nástroje (tzv. sniffer). Ten data zachytí, zpracuje a následně je promítne do všech vašich reportů v tomto nástroji. Celý proces probíhá poměrně rychle a v současné době některé nástroje dovolují aktivitu na vašem webu sledovat dokonce v (téměř) reálném čase.

Obr. 2: Schéma zpracování dat

S uvedeným technologickým zpracováním (graficky viz obr. 2) souvisí i problémy měření WA nástrojů. Pokud má návštěvník webu ve svém prohlížeči vypnutý JavaScript nebo má zapnutou automatickou blokaci cookies, pak nedojde k přenosu dat a aktivita tohoto uživatele není do WA nástroje vůbec započítána. Stejně tak pokud si uživatel smaže cookies, bude při opakované návštěvě chybně započítán jako nový unikátní návštěvník, neboť budou chybět jeho historické identifikační údaje. Je tedy jasné, že data zpracovávaná a vyhodnocovaná ve WA nástrojích nemohou být z principu nikdy absolutně přesná. To ovšem není zas až takový problém, jelikož primárním účelem WA není sledovat absolutní čísla, ale především analyzovat a interpretovat trendy a pochopit chování uživatelů na webu.

Webová analytika nejsou jen data

Závěrem je důležité upozornit, že prací webového analytika není pouze sledování dat ze zmíněných nástrojů. Jednotlivé metriky je potřeba pochopit v kontextu. Každý web je specifický a většinou nebývá snadné identifikovat jeho slabá místa nebo definovat klíčové zákaznické segmenty. Nástroje poskytují pouze čísla, ale úkolem analytika je pochopení komplexního chování návštěvníků.

Často proto nestačí pouze kvantitativní data, tedy čísla, která poskytují zmíněné nástroje. Zpravidla je potřeba zároveň pochopit i strategii, cíle a klíčové ukazatele výkonnosti (KPI) vlastníka webu. Na straně návštěvníků webu je pak pro správné pochopení nutné doplnit tvrdá číselná data o data kvalitativní, která by umožnila porozumět jejich skutečnému chování. K tomu slouží buď různé formy on-line dotazníků, nebo je možné zorganizovat uživatelský výzkum. Při něm testovaná osoba dostane za úkol splnit nějaký úkol na našem webu (například objednat produkt) a při jeho plnění je osobně pozorována analytiky. Teprve provázání těchto kvalitativních i kvantitativních informací v návaznosti na stanovené cíle provozovatele pak umožňuje analytikům skutečně sofistikované pochopení webu v celém jeho kontextu.

Pavel Trejbal
Autor působí jako analytik ve společnosti Optimics, která se zaměřuje na optimalizaci obchodní výkonnosti webů.