Авинаш Кошик - Веб-аналитика: анализ информации о посетителях веб-сайтов

Ассоциация веб-аналитики ( http://www.webanalyticsassociation.org) недавно предложила стандартное определение для данного понятия:

“Веб-аналитика ( Web analytics ) — это объективное отслеживание, сбор, измерение, оповещение и анализ количественных данных Интернета с целью оптимизации веб-сайтов и инициатив веб-маркетинга.”

Расцвет веб-аналитики пришелся на 1990-е годы. Однако приведенное выше определение (одно из самых первых стандартизированных) не было предложено вплоть до 2006 года, что свидетельствует о молодости данной области знаний.

На заре Интернета все было относительно просто. Достаточно было ввести адрес и унифицированный указатель информационного ресурса (Uniform Resource Locator — URL), и файл с текстом или ссылка доставлялись заказчику, кем бы он ни был. Жизнь казалась простой.

Однако иногда обнаруживалось, что происходят ошибки, и файлы не доставляются или ссылки неверны, что приводило к отказу. В этом случае умные люди запрашивали файл регистрации ошибок сервера и искали в нем информацию об обращениях к веб-серверу (в те простые времена обращения были эквивалентны запросам файлов).

Журналы серверов фиксировали не только сам факт обращения к веб-сайту, но и некоторую дополнительную информацию, включая имя файла, время, реферрер (referrer) (веб-сайт или страница, с которой сделан запрос), IP-адрес, идентификатор браузера, операционной системы и т.д. Дело пошло интересней, поскольку теперь вы уже знали нечто об обстоятельствах обращения.

По мере того как файлы журнала увеличивались в размерах и их данными стали интересоваться и гуманитарии, программисты написали первый сценарий, который автоматически анализировал файлы журнала и выдавал элементарные показатели (рис. 1.1). Так была официально рождена веб-аналитика.

Рис. 1.1. Пример отчета приложения Analog версии 0.9 бета

Приложение Analog, написанное доктором Стивеном Турнером в 1995 году, было одним из первых анализаторов файлов журналов, широко используемых в веб. Оно все еще остается таковым и устанавливается на веб-сайтах большинством провайдеров услуг Интернета (Internet Service Provider — ISP). Приложение Analog и инструменты, подобные ему, подпитывали интерес к веб-аналитике вне групп информационных технологий (Information Technology — IT). Отчеты становились все более симпатичными, и маркетологи смогли наконец-то разобраться в происходящем.

Примерно 1995-96 году обычные пользователи Интернета начали проявлять интерес к веб-статистике из-за быстрого распространения такой восхитительной вещи, как счетчик (counter). Счетчик посещений страницы, 2 5 9 5 7стал, вероятно, первым примером вирусного маркетинга (viral marketing) в веб (записано на счет компании по имени Web-Counter). Счетчики в веб были повсюду; они замечательно выглядели и демонстрировали степень вашей популярности.

Коммерческая веб-аналитика появилась несколькими годами позже, и новым примером для подражания стал инструмент WebTrends. Компания WebTrends усовершенствовала стандартный анализатор файла журнала, добавив представления в виде таблиц и графиков, что наконец привлекло к веб-аналитике бизнес-группы. Пример результата приведен на рис. 1.2.

Рис. 1.2. Пример отчета WebTrends

К 2000 году, с экспоненциальным ростом популярности веб, веб-аналитика твердо укрепилась как дисциплина. Такие компании, как Accrue, WebTrends, WebSideStory и Coremetrics, утвердились в качестве ведущих производителей, предоставляя все более и более сложные решения, которые информировали о все больших массивах данных.

Примерно в то же время производители инструментов веб-аналитики и их клиенты обнаружили, что использование журналов веб-сервера в качестве источников данных не является оптимальным и сопряжено со сложностями.

К проблемам использования журналов относятся следующие.

Кеширование страниц ISP. Проблема кеширования заключается в том, что при получении копии страницы ISP при последующих запросах передает именно ее, а в файлы журнала веб-сайта записи об этих запросах не заносятся.

Поисковые роботы. С увеличением популярности поисковых серверов поисковые боты (search bot) зачастую просматривали сайты целиком, оставляя записи в вебжурналах, хотя пользователь их и не посещал. Эти записи учитывались в показателях. Хотя обращения робота можно отфильтровать, с учетом скорости появления новых роботов сделать это довольно трудно (кроме того, со временем они становятся все более интеллектуальными).

Уникальность посетителей. С увеличением количества пользователей, применяющих динамические IP-адреса и приходящих через прокси-серверы, стало сложно выявлять индивидуальных посетителей, т.е. определять их уникальность. Производители попробовали прибавлять к IP-адресу идентификатор агента пользователя (операционная система пользователя и браузер), но это не оправдало ожиданий. Если сайт устанавливает файлы cookie, использовались они, но на это соглашались не все отделы информационных технологий.

По этим и некоторым другим причинам в качестве нового стандарта для сбора данных веб-сайтов стали использоваться дескрипторы JavaScript (JavaScript tag) (несколько строк кода JavaScript), что значительно упростило сбор данных: несколько строк кода JavaScript добавляются на каждую страницу и срабатывают при ее загрузке, посылая данные серверу сбора данных. Вот пример дескриптора JavaScript, используемого Crazy Egg, новым производителем в области веб-аналитики.

type="text/javascript">

//

document.write('

Дескрипторы JavaScript имеют свой набор проблем, который подробно обсуждается в главе 2, “Сбор данных — важность и возможности”.

Возможно, следующим эволюционным шагом аналитики веб-сайтов будет внедрение наложения данных на сайт (site overlay), иногда называемого плотностью щелчков (click density). Теперь, вместо того чтобы комбинировать сложные наборы данных или корпеть над полными данных таблицами, принимающий решения персонал может просто открыть в браузере веб-страницу, которую необходимо проанализировать, и приложение веб-аналитики точно отобразит, где посетители веб-сайта щелкали на протяжении указанного временного периода.

Это существенно демократизировало то, что ранее было прерогативой исключительно веб-аналитиков и привело к росту популярности аналитических решений, поскольку теперь любой мог понять, что происходит на веб-сайте, рассматривая щелчки пользователей в очень простом представлении. Оптимизация веб-сайтов на основании поведения клиентов значительно упростилась.