Web-analytiikan mittaristo tutuksi

Markkinoinnin tunnettu lause, "Jos et voi mitata sitä, et voi kehittää sitä", korostaa mittaamisen merkitystä markkinoinnin tehokkuuden ja menestyksen kannalta. Markkinointitoimenpiteiden tuloksia on mitattava ja seurattava jatkuvasti, jotta voidaan varmistaa, että panostukset tuottavat haluttuja tuloksia ja että markkinointistrategiaa voidaan tarvittaessa muokata ja optimoida. Yksi näkökulma web-analytiikkaan on, että se onkin muutostenseurantaa hyvin spesifisillä mittareilla.

Metriikat, dimensiot ja segmentit

Web-analytiikassa metriikat ja dimensiot ovat keskeisiä käsitteitä, jotka auttavat ymmärtämään verkkosivuston suorituskykyä ja käyttäjien käyttäytymistä. Segmentit puolestaan auttavat poreutumaan määrättyihin käyttäjäryhmiin.

Metriikat ovat kvantitatiivisia mittareita, jotka kuvaavat verkkosivuston suorituskykyä tai käyttäjien toimintaa. Ne ovat numeerisia arvoja, kuten sivunäyttökerrat, istuntojen määrä, konversioprosentti tai keskimääräinen istunnon kesto. Metriikat tarjoavat konkreettista tietoa siitä, miten verkkosivusto suoriutuu ja miten käyttäjät sitä käyttävät. Analytiikan KPI-mittarit perustuvat usein metriikoihin.

Dimensiot ovat ominaisuuksia tai kategorioita, joiden avulla metriikoita voidaan ryhmitellä ja analysoida tarkemmin. Ne antavat kontekstia metriikoille ja auttavat syventämään ymmärrystä käyttäjien toiminnasta. Esimerkkejä dimensioista ovat käyttäjän maantieteellinen sijainti, käyttöjärjestelmä, selain, sisällön kategoria tai käyttäjän laitteen tyyppi.

Segmentit ovat käyttäjäryhmiä, joita yhdistävät demografiset tiedot, käyttäytymismallit tai ostoaikeet. Segmentoinnin avulla voit analysoida ja vertailla eri käyttäjäryhmien käyttäytymistä ja suorituskykyä. Useimmat analytiikkasovellukset tarjoavat mahdollisyyden hyödyntää sekä sisäänrakennettuja segmenttejä (esim. maksetun mainonnan kautta sivulle tulleet käyttäjät) tai mukautettuja segmenttejä (esim. käyttäjät määrätyllä promootiokoodilla).

Esittelyssä muutamia perustason metriikoita

Alhaisen vaatimustason metriikat ovat helppoja ymmärtää ja kerätä. Näitä ovat esimerkiksi sivunäyttökerrat, istuntojen määrä, poistumisprosentti ja keskimääräinen istunnon kesto. Nämä metriikat tarjoavat yleiskuvan sivuston suorituskyvystä ja käyttäjien käyttäytymisestä.

Kävijämäärä (Users): Kuinka monta kävijää verkkosivusto saa tiettynä ajanjaksona? Kävijämäärän prosentuaalinen muutos vertailujaksoon on eräs helpoimmista tavoista selvittää onko palvelun suosio kasvussa vai laskussa. Pitemmällä seurantajaksolla tämä mahdollistaa myös kausivaihtelun tunnistamisen ja ennustamisen. Kävijämäärän kehityksen ymmärtäminen auttaa suunnittelemaan tehokkaampia markkinointikampanjoita ja sisältöstrategioita sivustolle.

Sivunäyttökerrat (PageViews): Kuinka monta kertaa eri sivuja on katsottu? Sivunäyttökerroissa prosentuaalinen muutos vertailujaksoon yhdistettynä dimensioihin auttaa tunnistamaan trendaavat sisällöt sekä mahdolliset kehityskohteet. Sivunäyttökertojen seuraaminen pidemmällä aikavälillä voi auttaa tunnistamaan kausivaihtelua, kuten hakukäyttäytymisen muutoksia eri vuodenaikoina tai markkinatapahtumien yhteydessä. On tärkeä huomata, että sivuston sisäisen arkkitehtuurin muutokset voivat vaikuttaa huomattavasti sivunäyttöjen lukumäärään. Sivunäyttökertojen muutokset voivat johtua myös ulkoisista tekijöistä, kuten markkinointikampanjoista tai ulkoisista linkityksistä.

Istunnot (Sessions): Kuinka monta istuntoa (käyttäjän yhtäjaksoista vierailua) verkkosivustoilla on ollut? Istuntojen prosentuaalinen muutos (kävijämääriin suhteutettuna) auttaa tunnistamaan onko käyttäjien sitoutuminen palveluun kehittynyt positiivisesti tai negatiivisesti vertailujakson aikana.

💡 Kun seuraat sivunäyttökertoja ja istuntoja eri käyttäjäsegmenttien välillä, voit tunnistaa tiettyjä segmenttejä, jotka ovat erityisen kiinnostuneita tietyistä aiheista tai tuotteista. Tämän tiedon avulla voit kehittää personoituja sisältöjä tai tuotevalikoimia näille segmenteille ja testata niiden tehokkuutta seuraamalla sivunäyttökertojen ja istuntojen muutoksia kyseisten segmenttien keskuudessa. Asian mittaaminen voi siis edistää käyttäjien sitoutumista palveluun ja lisätä konversioita.

Keskimääräinen istuntokohtainen aika (Session Duration): Kuinka kauan kävijät viettävät aikaa verkkosivustolla keskimäärin yhden istunnon aikana. Tämä mittari on tärkeä mm. kävijöiden sitoutumisen ymmärtämisessä. Istunnon aikana käytetty aika voi vaihdella merkittävästi sivuston ja analytiikan rakenteen mukaan. Esimerkiksi sivustot, jotka hyödyntävät tapahtumaseurantaa, saattavat näyttää korkeampia istuntokohtaisia aikoja, koska ne tunnistavat käyttäjän tekemät toiminnot sivustolla. Toisaalta sivustot ilman tapahtumaseurantaa saattavat mitata lyhyempiä aikoja, koska ainoa tunnistettava tapahtuma on uuden sivun lataus.

Uudet kävijät vs. paluukävijät (New Users vs Returns Users): Kuinka suuri osa kävijöistä on uusia ja kuinka suuri osa on palanneita kävijöitä? Uudet kävijät vs. paluukävijät -mittari kuvaa sitä, kuinka suuri osa verkkosivuston kävijöistä on uusia ja kuinka suuri osa on palanneita kävijöitä. Tämä mittari antaa tietoa palvelun kyvystä sitouttaa kävijöitä ja on tärkeä kustannustekijä, sillä uusasiakashankinta on yleensä kalliimpaa kuin vanhojen käyttäjien säilyttäminen. Sijoittamalla informatiivista ja houkuttelevaa sisältöä tärkeille laskeutumissivuille voidaan kasvattaa kävijöiden sitoutumista, mikä voi lisätä paluukävijöiden määrää. Samoin paluukävijöiden sitoutumista voidaan parantaa tarjoamalla heille personoituja suosituksia ja kokemuksia, jotka vastaavat heidän aiempaa käyttäytymistään ja mieltymyksiään.

Välitön poistumisprosentti (Bounce Rate, BR): Kuinka suuri osa kävijöistä poistuu verkkosivustolta heti ensimmäisen sivulatauksen jälkeen? Korkea (yli 70-80 %) poistumisprosentti voi kertoa, että keskeisillä laskeutumissivuilla on joko sisältöön, käytettävyyteen tai teknologiseen toimivuuteen liittyviä ongelmia, joiden takia käyttäjät eivät jatka pitemmälle. Kyseessä voi olla myös kohdennusongelma. Korkea BR voi johtua myös esimerkiksi siitä, että kävijä löytää etsimänsä tiedon heti ensimmäiseltä sivulta eikä hänen tarvitse siirtyä eteenpäin palvelussa.

Mukautettu välitön poistumisprosentti (Adjusted Bounce Rate, ABR): Kuinka suuri osa kävijöistä poistuu verkkosivustolta heti ensimmäisen sivulatauksen jälkeen määrätyn aikaviiveen jälkeen? Tämä metriikka jättää huomioimatta käyttäjät, jotka ovat olleet laskeutumissivulla vähintään x ajan (yleensä 30 sekunttia) ja sen jälkeen poistuneet sivustolta. Mukautettu BR-luku antaa välitöntä poistumisprosenttia tarkemman kuvauksen sisällön sitovuudesta.

Poistumisprosentti (Exit %): Kuinka suuri osa kävijöistä poistuu sivustolta määrätyn sivun katsomisen jälkeen. Poistumisprosenttia käytetään ymmärtämään, kuinka tehokkaasti eri sivut sitouttavat kävijät. Analysoimalla poistumisprosentteja esim. vertailemalla muihin sivuihin tai AB-testeihin voidaan tunnistaa heikot kohdat, ja tehdä tarvittavia muutoksia (esim.lisätä CTA-painikkeita) kävijöiden sitouttamisen parantamiseksi.

💡 Ristiin vertailemalla Bounce- ja Exit prosentteja voidaan saada tarkempaa tietoa siitä, mitkä sivut houkuttelevat kävijöitä, mutta eivät pidätä heitä tarpeeksi kauan sivustolla (korkea bounce, korkea exit). Samalla voidaan tunnistaa sivuja, jotka pidättävät kävijöitä pidempään, mutta joilta he lopulta poistuvat (matala bounce, korkea exit). Tämä tieto voi auttaa tekemään parannuksia kävijöiden sitouttamiseksi ja konversioiden parantamiseksi.

Esittelyssä muutamia perustason dimensioita

Suosituimmat sivut: Mitkä sivut saavat eniten kävijöitä ja mitkä sivut ovat vähemmän suosittuja? Kasvupainotteisen sisältöstrategian ytimessä on tavoite painottaa suosittuja sivuja ja aiheita. Analysoimalla vähemmän suosittuja sivuja voidaan puolestaan tunnistaa parannusmahdollisuuksia niiden sisällössä tai käyttäjäkokemuksessa.

Liikenteen lähteet: Mistä eri kanavista kävijät tulevat verkkosivustolle (esim. hakukoneet, suorat vierailut, mainokset, sosiaalinen media jne.)? Analysoimalla näitä lähteitä ja niiden metriikoita voidaan ymmärtää mistä kävijät tulevat ja miten eri markkinointi- ja mainoskanavat suoriutuvat. Tämä tieto auttaa markkinointistrategian optimoinnissa, kun panostuksia suunnataan parasta tulosta tekeviin kanaviin ja mainosbudjettia allokoidaan tehokkaimpiin lähteisiin. Lähteiden analysointi voi paljastaa myös heikommin suoriutuvat kanavat, joita voidaan sulkea pois käytöstä. Analyysin avulla voidaan myös tunnistaa aliarvostettuja kanavia, jotka saattavat tarjota merkittävää potentiaalia jos niihin kiinnitetään huomiota.

Laskeutumissivu (Landing Page): Laskeutumissivu kertoo, mitkä sivut ovat kävijöiden ensimmäisiä näkemiä sivuja verkkosivustolla. Niiden analysointi auttaa ymmärtämään kävijöiden ensivaikutelmaa ja sitä, miten eri markkinointikanavat ohjaavat liikennettä. Välittömään poistumisprosenttiin yhdistettynä laskeutumissivun analyysi voi auttaa paljastamaan sivuston heikot kohdat. Laskeutumissivun tehokkuuden arvioinnissa on tärkeää tarkastella muitakin mittareita ja kontekstuaalisia tekijöitä, kuten käyttäjän käyttäytymistä sivulla, konversioprosenttia ja sivuston yleistä tavoitetta.

Keskitason mittarit

Keskitason mittarit tarjoavat syvempää tietoa käyttäjien käyttäytymisestä ja auttavat yrityksiä ymmärtämään paremmin, miten käyttäjät vuorovaikuttavat verkkosivuston kanssa ja miten sivuston suorituskykyä voidaan parantaa entisestään. Alla muutamia esimerkkejä keskitason mittareista:

Konversioaste (Conversion Rate, CR): Kuinka suuri osuus kävijöistä suorittaa toivotun toimenpiteen, kuten ostoksen tekemisen, rekisteröitymisen tai uutiskirjeen tilaamisen. Konversioaste antaa arvokasta tietoa siitä, kuinka tehokkaasti verkkosivusto ohjaa kävijät haluttuun toimintaan ja kuinka hyvin se muuntaa vierailijat asiakkaiksi. Moni palvelu seuraa myös nk. mikro-konversioita (kuten määrätyn sivun osion lukemista), joiden katsotaan ennakoivan kävijän konvertoitumista asiakkaaksi Konversioastetta voidaan käyttää myös markkinointikampanjoiden tehokkuuden arvioimiseen ja verkkosivuston optimointiin käyttäjäkokemuksen parantamiseksi.

Vuorovaikutuksen määrä eri kanavien välillä ennen konversion suorittamista: Mittaa missä määrin kävijät ovat vuorovaikutuksessa eri kanavien, kuten hakukoneiden, sosiaalisen median ja suoran liikenteen kanssa ennen konversion suorittamista. Esimerkiksi Google Analyticsin "Multi-Channel Funnels" -raportti tarjoaa tietoa siitä, miten eri kanavat vaikuttavat käyttäjän konversioprosessiin. Tämä raportti näyttää polun, jota pitkin käyttäjät ovat saavuttaneet konversion. Vuorovaikutuksen määrän mittaaminen auttaa arvioimaan kanavien tehokkuutta ja optimoimaan markkinointistrategiaa.

Edistyneet mittarit

Edistyneitä mittareita voidaan käyttää strategisesti liiketoiminnan kehittämiseen ja markkinoinnin optimointiin. Tässä muutamia esimerkkejä edistyneistä mittareista:

Ennustava analytiikka: pyrkii nimensä mukaisesti tarjoamaan mallinnuksen tulevaisuudesta. KPI-mittareina voivat olla ennusteet mm. myyntitulojen kasvuprosentista aiempaan jaksoon.

Monikanavaisen polun analyysit: Tämä auttaa ymmärtämään, miten eri kanavat vaikuttavat toisiinsa ja miten ne yhdessä vaikuttavat konversioprosessiin. Keskeisenä työkaluna mallinnuksessa ovat erilaiset attribuutiomallit. KPI-mittareita ovat mm. kanavakohtaiset konversioprosentit, kannattavuuslaskelmat ja

Tuottavuus- ja kannattavuusanalyysit: Mittaa eri markkinointikanavien, kampanjoiden ja sisältöjen tuottavuutta ja kannattavuutta. Tämä auttaa optimoimaan markkinointibudjettia ja investointeja niiden perusteella, mikä tuottaa parhaan tuoton sijoitetulle pääomalle (ROI).