веб-аналитика Archives

Распределение показов по длине запроса

Любопытное наблюдение от liveuser’а: можно эксплуатировать тот факт, что wordstat склеивает одинаковые термины запроса. Из этого следует логичное решение — несколькими запросами к wordstat’у мы легко получаем распределение запросов по длине в нужной тематике!

Простой пример: запрос «мебель». В регионе «Москва и область» запрос «мебель» демонстрирует 12636 показов, «мебель мебель» — 282687 показов, «мебель мебель мебель» — 313147 показов и т.д. Приведенные цифры соответствуют числу показов 1,2 и 3-словных запросов, содержащих слово мебель. Сумма показов запросов, состоящих из 1-50 слов, равна общему числу показов запроса мебель (1035820).

Конечно, логичен вопрос — одинаково ли распределение для различных тематик? Проверил первые пришедшие в голову однословники:

Сравнивать абсолютные величины некорректно, поэтому я нормализовал число показов на общее количество показов запроса:

Очевидно, различие есть.

Вывод: оценка распределения показов по длине запроса полезна при формировании семантического ядра.

Мы (я имею в виду команду Wikimart), вероятно, автоматизируем сбор этих данных. Возможно, публичные сервисы также обзаведутся этим функционалом. Александру Люстику, идеологу Key Collector, уже отписал :)

Зависимость внутрисайтовой конверсии от длины и особенностей запроса

В конце ноября я привел данные, свидетельствующие о росте CTR в выдаче поисковых систем при увеличении длины запроса. Предлагаю свои наблюдения по зависимости внутрисайтовой конверсии от длины и некоторых свойств запроса.

Зависимость конверсии от длины запроса по данным Рэнда Фишкина и Oneupweb

Поводом для этого мини-исследования стал фрагмент доклада Рэнда Фишкина на Web 2.0 Expo, прошедшей в Сан-Франциско. Рэнд привел зависимость внутрисайтовой конверсии от длины запроса со ссылкой на OneUPweb. Lawrence Lampton из OneUPweb прислал мне полную версию исследования. Из него видно, что эффективность трех- и четырехсловных запросов демонстрирует чудеса, а однословники практически бесполезны. Некоторая логика в этом есть, но слишком эффектно выглядит график. Я решил проверить эти наблюдения на примере он-лайн торгового центра Wikimart.

Выборка достаточно обширна — десятки тысяч запросов, генерирующие суммарный трафик в несколько миллионов. Количество слов в запросе считал двумя способами: а) используя разделитель пробел, б) используя разделители пробел, точка, запятая, дефис. Разница оказалось несущественная, на уровне нескольких процентов. В графиках приведены значения коэффициентов конверсии, взвешенные на среднее по выборке значение. Итак, найденные закономерности:

Видно, что витальные запросы прилично влияют на конверсию в срезе по однословным запросам. Это понятно и логично, поэтому в дальнейших расчетах я исключил из выборки витальные запросы (название компании и домен во всевозможных начертаниях).

Второй любопытный момент — трафикогенерация запросов. Исследователи из OneUpweb заметили, что влияние длины запроса на конверсию зависит от частотности запроса. Я выделил группу наиболее частотных запросов (примерно 1% запросов, которые генерируют четверть трафика выборки), вот результат:

Действительно, для ВЧ запросов зависимость конверсии от длины запроса  выражена более явно, особенно, на больших длинах запросов. Нужно отметить, что последние пара точек (5 и 6-словные запросы) сомнительны ввиду небольшого количества запросов, попавших в этот набор.

Очевидно существенное отличие в 1-3 словных запросах: по данным OneUpweb это «мертвая зона». По нашим данным однословники, 2 и 3-словные запросы нормально «продают», причем независимо от частотности запроса. Таким образом, целесообразно продвижение по 1-4 словным ВЧ запросам, и по 1-5 словным СЧ/НЧ запросам.

Оказалась интересна зависимость конверсии от длины запроса для Яндекса и Google:

Видно, что более интересен трафик из Google по коротким запросам, а из Яндекса — по более длинным. Конечно, в этих кривых зарыто множество факторов, в числе которых — и отличия в ранжировании 😉

В трафикогенерации видна похожая зависимость:

Ну и, «на закуску», влияние на внутрисайтовую конверсию некоторых слов:


Это, пожалуй, тема для отдельного исследования, но уж коли данные собраны — грех не обсчитать :-)

Честно говоря, недооценивал слово «Москва», считая его существенно накрученным ушлыми сеошниками. Был неправ, признаю 😉 Видно, что хорошо работают «купить|куплю», прочие варианты не дают выигрыша.

Удачи, и продающих запросов!

Практика юзабилити: лучшее не враг хорошего ;)

Удобство восприятия можно и нужно улучшать бесконечно.

Живой пример с сайта Яндекс.Директ:

Так выглядит страница, открывающаяся после переноса денег между рекламными кампаниями.  Если пользователь хочет продолжить переводы, он должен кликнуть по ссылке. Мне удобно платить на одну кампанию, а потом распределять деньги на другие кампании по необходимости. Кампаний много. Думаю, это вполне типовая ситуация для многих.

Вопрос — зачем лишний клик?

Все считается. Берем срез пользователей, совершивших хотя бы одну операцию по переносу денег за сессию. Считаем, сколько переносов денег они совершили. Если среднее близко к единице — отправляйте пользователей к списку кампаний. Если заметно больше — возвращайте клиента к странице продолжения переводов.

Просто и эффективно. Лишних кликов станет меньше :)

Можно пойти дальше и не просто повысить «пользовательское счастье среднего пользователя», а порадовать буквально каждого. Это просто: делаем пользовательскую настройку («куда идти после платежа»), а первоначальное значение определяем для каждого пользователя, исходя из статистики его переводов.

Собирайте данные, придумывайте метрики, анализируйте!

Пользователи оценят 😉

PS. В скриншот попала кампания номер 330, работает с 2005 года… Уже история :)

Удалить (,) нельзя (,) оставить?!

Итак, что можно и нужно анализировать для определения важности страницы:

  • Количество просмотров страницы. Обычно, если речь зашла об удалении документа, количество просмотров невелико. Т.е. документ не популярен.
  • Популярные пути входа и выхода. Исследование дает представление о мотивации аудитории, посещающей документ.
  • И, главное, участие документа в пути к конверсии. Понятно, что меньше всего нам бы хотелось негативно повлиять на внутрисайтовый коэффициент конверсии. Нужно убедиться, что обсуждаемый документ не участвует в типичных путях к конверсии:В Google Analytics весьма удобно выгрузить пути в Excel для дальнейшего анализа.

В любом случае, определяющее значение имеет опыт. Есть смысл протестировать изменение либо при помощи Google Website Optimizer, либо просто оценить изменение конверсии.

Ошибки не пройдут. Удачи!

Зависимость конверсии от показов объявления

Вот такая зависимость:

Как видно из кривой, скорость роста конверсии заметно падает после 2-3 показов. Стоит ли переплачивать за дополнительные показы? Это зависит от себестоимости показов и дохода, генерируемого конверсией. Но, в любом случае, 2-3 показа вместо одного дадут неплохой дополнительный результат.

Кстати, действительно замечен неплохой эффект от присутствия сайта в ТОП’е Яндекса и размещения контекстной рекламы (особенно в спецразмещении). Это однозначно положительно влияет и на кликабельность обоих элементов на странице поиска, и на внутрисайтовую конверсию.

Данные представлены MediaMind и опубликованы на портале eMarketer.

Какой показатель отказов в Google Analytics приемлем?

Показатель отказов = доля аудитории, покинувшая сайт после просмотра лишь одной страницы. Уровень отказов в Google Analytics зависит от множества факторов, в числе которых:

  • тип сайта,
  • источники трафика,
  • ключевые слова входа,
  • качество страницы входа (landing page)

В зависимости от перечисленных обстоятельств показатель отказов может существенно варьироваться даже в рамках одного сайта. Понятно, что в большинстве случаев нужно стремиться уменьшить показатель отказов. Однако, бывают исключения и их немало. Например, какой показатель отказов обеспечивает поиск Яндекса по запросу «мой ip»? Полагаю, bounce rate близок 80-90%, ведь пользователь получает ответ сразу на странице поиска. В данном случае, конечно, высокий показатель отказов не свидетельствует о низком качестве страницы.

Мне удалось найти некоторую оценку «средних по больнице» значений.

Steve Jackson, редактор Conversion Cronicles и со-председатель отделения Web Analytics Association, предлагает следующую оценку показателя отказов в зависимости от типа сайта:

  • Розничная торговля, при условии качественно таргетированного трафика — 20-40% (один из производителей сообщил о критической планке на уровне 33%).
  • Простые страницы входа (далее требуется одно действие — звонок или «купить») — 70-90%.
  • Веб-сайты, содержащие много контента и хорошо видимые в поисковых системах (в том числе, часто по нерелевантным или слабо релевантным запросам) — 40-60%.
  • Порталы  (MSN, Yahoo groups, и т.д.) — 10-30%.
  • Справочные сайты и сервисы  — 10-30%.
  • Лидогенераторы — 30-50%.

Конечно, приведенные значения bounce rate не являются истиной в последней инстанции, но порядок цифр, на мой взгляд, вполне верный.

Включать или исключать в Google Analytics?

Alden DeSoto, редактор Google Analytics Conversion University, предложил оригинальный подход к фильтрации данных в Google Analytics. Один из его клиентов, проводя рекламную кампанию на популярном ресурсе, решил узнать — каков результат этих вложений. Стандартное решение — создать расширенный сегмент, включающий статистику только для посетителей, пришедших с промо-ресурса. Однако, был выбран прямо противоположный путь — сегмент включал всех посетителей, за исключением тех, что пришли с промо-ресурса. Результат говорит сам за себя:

Поясню: синей линией отображен общий трафик. Очевиден его рост в период кампании. Оранжевой линией отображен общий трафик за вычетом трафика с промо-ресурса. Таким образом, если бы мы анализировали результаты кампании стандартным образом, включая посещения с промо-сайта, то однозначно упустили бы тот факт, что прочий трафик также вырос в этот период времени!

В общем, как ни банально, но бессмертное «think different» работает :)

В Google Analytics можно сортировать по взвешенным данным!

В официальном блоге Google Analytics сегодня сообщили о введении новой возможности сортировки. Суть проста. Допустим, мы изучаем отчет о ключевых словах и сортируем их в порядке уменьшения процента отказов. В этом случае мы получим примерно такую картину:

Очевидно, без дополнительной обработки данных этот отчете почти бесполезен. Да, мы видим проблемные ключевые слова, но это запросы с крайне низкой частотностью. Эффективнее сделать сортировку, учитывая популярность ключевых слов. Тогда мы можем сконцентрировать усилия по улучшению сайта на запросах, которые действительно дадут осязаемый результат.

Раньше для этого приходилось выгружать данные из Google Analytics в Excel, и далее комбинировать данные об отказах и частотностях. Сейчас все упростилось: Google добавил чекбокс «взвешенная сортировка», который позволяет в один клик решить эту важную задачу!

Спасибо разработчикам, отличное решение давно назревшей проблемы.

Подробный пресс-релиз — в блоге Google Analytics.

Страница 3 из 3123