اصول، روشها، معیارها و نقشهای مورد نیاز برای پیاده سازی آنالیز وبسایت موفق
برای تسلط بر تجزیه و تحلیل دادهها، باید بر ۳ اصل راهنما تسلط داشته باشید:
۱. اصل اول: به داده ها کار بدهید
این اساس تجزیه و تحلیل دادهها است. هر داده ای که جمع آوری میکنید باید به شما کمک کند که به سوالات پاسخ دهید و تصمیمات هوشمندانه بگیرید.
نمودار قیف معیارها (Funnel Metrics Flowchart)
ابتدا TOFU یا بالای قیف، مرحله آگاهی است.
میانه MOFU یا وسط قیف، مرحله ارزیابی است.
انتها BOFU یا پایین قیف، مرحله تبدیل است.
مرحله پس از تبدیل، بعد از اینکه شخصی مشتری می شود چه اتفاقی می افتد.
که بر چگونگی تبدیل مشتریان به مشتریان تکراری، مشترکین مادام العمر و حامیان کسب و کار تمرکز دارد.
به این ترتیب به داده های خود کار می دهید. شما به یکباره به همه دادههای خود نگاه نمیکنید بلکه شما معیارهای مختلفی را به هر مرحله از قیف اختصاص میدهید.
بالای قیف(TOFU)
هدف شما برای این مرحله داشتن بازدیدکنندگان جدید است.
سوال کلیدی هنگام انتخاب معیارها برای این مرحله این است: آیا این معیار به من بینشی نسبت به بازدیدکنندگان کاملاً جدید میدهد؟
بازدیدکنندگان جدید مستقیم: تعداد افرادی است که URL وب سایت شما را مستقیماً در گوگل تایپ میکنند. این میتواند اثربخشی تبلیغات آنلاین و آفلاین را اندازه گیری کند. اگر تبلیغات آگاهی را اجرا کردهاید، باید نسبت به افرادی که سعی در کسب اطلاعات بیشتر در مورد شما دارند، جهشهایی را مشاهده کنید. اگر بیلبوردهایی دارید که URL شما را دارا میباشند، باید رشد بازدید از نواحی جغرافیایی اطراف بیلبورد را مشاهده کنید.
وسط قیف(MOFU)
هدف شما در این مرحله تبدیل بازدیدکنندگان جدید به سرنخ (مشتریان راغب) است.
آیا این معیار به من بینشی میدهد که چقدر بازدیدکنندگان را متعهد میکنم؟
"تعهد" را می توان اینگونه تعریف کرد:
افرادی که مشترک می شوند.
افرادی که فرم را پر می کنند.
افرادی که شما را در شبکههای اجتماعی دنبال می کنند.
این در مورد افرادی است که به شما اجازه میدهند با آنها تماس بگیرید و ارزش بیشتری ارائه دهید.
پایین قیف(BOFU)
هدف شما تبدیل مشتریان بالقوه به مشتریان است.
آیا این معیار به من بینشی در مورد میزان تبدیل مشتریان احتمالی به مشتریان را میدهد؟
این مرحله از اهمیت ویژهای برخوردار است، زیرا زمانی که شخصی چیزی از شما خریداری میکند - حتی چیزی کوچک و ارزان - احتمال خرید مجدد آنها ۱۰ برابر میشود و تمایل او برای سرمایهگذاری در رابطه به میزان قابل توجهی افزایش مییابد.
این به شما میگوید کدام پیشنهادها مؤثر هستند و چه نوع پیشنهادهایی باید به مشتریان جدید ارائه دهید.
حفظ و کسب درآمد (پس از تبدیل) Retention& Monetization
هدف شما برای این مرحله کسب رضایت مشتری است. شما میخواهید عضویت، بازگشت سرمایه ترافیک خریداری شده، حفظ و ارزش طول عمر مشتری را افزایش دهید.
آیا این معیار به من بینشی از میزان رضایت مشتریانمان می دهد؟
دسته بندی دادهها بر اساس نوع
دسته بندی معیارها بر مبنا اطلاعاتی که فراهم میآورند. شما میتوانید از آنها برای سنجش سلامت حوزههای مختلف در کسب و کار خود استفاده کنید و سپس به سؤالات عمیق تر در مورد چگونگی و چرایی پاسخ دهید.
معیارهای کلیدی سلامت کلی. Key metrics dictate overall health
این معیارها مانند یک دماسنج برای کسب و کار شما هستند. برای اینکه یک معیار کلیدی باشد، باید بتوانید به آن نگاه کنید و فوراً بدانید که آیا کسب و کار شما خوب است یا خیر.
معیارهای دقیق به سؤالات بزرگ پاسخ می دهند Drill-down metrics answer big questions
این معیارها دقیقتر هستند و به شما کمک میکنند بفهمید در حوزههای خاص کسبوکارتان چه میگذرد.
به طور معمول، شما از هر دو نوع معیار با هم استفاده می کنید، نه یکی یا دیگری. اگر معیارهای کلیدی به شما میگویند که کارها به خوبی پیش میرود، از معیارهای دقیق استفاده میکنید تا به شما در درک دلیل آن کمک کند، بنابراین میتوانید موفقیت خود را تکرار کنید.
۲.اصل دوم: استفاده از معیارها برای حل مسائل
از آزمون فرضیه برای تبدیل سوالات به استراتژی(Hypothesis Testing) استفاده کنید. این چیزی است که دادهها را معنادار میکند. و این فرآیند تبدیل دادههای خام به تصمیمات تجاری است.
این فرآیند بسیار شبیه "روش علمی" عمل می کند، با این تفاوت که بر اساس معیارها است.
در روش علمی، شما با سوالات و فرضیه ها شروع میکنید و سپس پیش بینی میکنید که اگر فرضیههای مختلف را آزمایش کنید چه اتفاقی میافتد.
در مورد دادهها و تجزیه و تحلیلها هم همینطور است. شما دادههای خود را بررسی میکنید و شروع به پرسیدن سوالات در مورد آن میکنید. شما در مورد اینکه اگر بتوانید بر هر یک از آن اعداد تأثیر بگذارید چه اتفاقی میافتد فرضیه میدهید. و سپس یک آزمایش طراحی میکنید تا ببینید آیا درست میگویید یا خیر.
به سادگی با بررسی نتایج، میتوانید به وضوح ببینید که برای بهبود کسب و کار خود چه کاری باید انجام دهید. تصمیم گیری دیگر مربوط به غرایز درونی شما نیست، بلکه مربوط به چیزی است که دادهها به شما می گویند.
اما در عمل، ما اغلب به اندازه کافی نمیدانیم که بفهمیم چه سوالاتی باید بپرسیم. در چنین شرایطی، اغلب کمک میکند که دادههای دیگری را بدست بیاورید و بینش بهتری داشته باشید.
بررسی معیارهای کلیدی برای الهام بخشیدن به سوالات
مرحله ۱. با بررسی معیارهای کلیدی خود شروع کنید. مکانهایی را که عملکرد شما بهتر از حد انتظار است یا احتمالاً روند نزولی دارند، شناسایی کنید. در بسیاری از موارد، این الهام بخش سوالات است: ترافیک این پست وبلاگ دو برابر بیشتر پستهای وبلاگ دیگر است. چه چیزی باعث عملکرد بهتر آن شد؟ ما هر روز مشترکین جدیدی دریافت میکنیم، اما کل اشتراکهای ما ثابت میماند. چه اتفاقی میافتد؟ کجا داریم مشترکین خود را از دست میدهیم؟ چرا؟ هر بار که فلان نویسنده یک پست وبلاگ مینویسد، ترافیک و اشتراک گذاریها بالاتر از حد معمول است. چه چیزی باعث می شود پستهای وبلاگ او بهتر از هر کس دیگری باشد؟
مرحله ۲. یک فرضیه در مورد آنچه اتفاق میافتد ایجاد کنید. در مورد آنچه در حال وقوع است پیش بینی کنید. فقط به یک فرضیه بسنده نکنید. بهتر است چندین توضیح را در نظر بگیرید - در حالت ایده آل ۵ تا ۷ فرضیه - و همه آنها را آزمایش کنید. در غیر این صورت توانایی خود را برای یادگیری آنچه در حال وقوع است محدود میکنید. در بیشتر موارد، فقط یک دلیل برای مشکلی که مشاهده میکنید وجود ندارد. عوامل متعددی ممکن است به موفقیت یا شکستی که میخواهید بفهمید کمک کند. هرچه فرضیههای بیشتری داشته باشید، شانس بیشتری برای جداسازی همه عوامل دخیل در آن دارید.
مرحله ۳. برای آزمایش فرضیهها از معیارهای عمیق تری استفاده کنید. برای این کار، از دادههای جزئیتر و دقیقتر استفاده میکنید تا بفهمید چه چیزی باعث مشکلی شده است که میخواهید بفهمید. این دادهها معمولاً به صورت روزانه بررسی نمیشوند، اما وجود دارند، و شما میدانید که کجا آن را پیدا کنید. همچنین این دادهها هستند که به شما کمک میکنند به این نوع سؤالات پاسخ دهید. cohort analyses to test
مرحله ۴. بر اساس یافته های خود اقدام کنید.
3.اصل سوم: متنی کردن داده ها برای محاسبه موارد غیر قابل اندازه گیری
برای محاسبات غیرقابل اندازهگیری، زمینه را اعمال کنید. اندازه گیری بعضی چیزها سخت است. برای این شرایط، باید دادهها را زمینه سازی کنید.
مهم نیست که دادههای شما چقدر خوب هستند، گاهی اوقات همه چیزهایی را که باید بدانید به شما نمیگوید.
به عنوان مثال، فرض کنید در حال بررسی دادههای خود هستید و روندی را مشاهده میکنید. چرا این روند در حال شکل گیری است؟ شاید در آن دوره کمپینی راه اندازی کردهاید. شاید رقبای شما کار منحصر به فردی انجام داده اند. یا شاید شما یک مشکل فنی داشتید که داده ها را منحرف کرده است.
اگر این عوامل را هنگام ارزیابی دادههای خود در نظر نگیرید، احتمالاً بر اساس مجموعهای از دادههای نادرست فرض میکنید و به دنبال آن نتیجه گیری شما معتبر نخواهد بود.
در این شرایط، زمینه به شما کمک میکند تا واریانسهای دادههایتان را محاسبه کنید. و ۴ زمینه وجود دارد که باید در نظر بگیرید.
زمینههای تاریخی: با بررسی دادهها از طریق یک لنز تاریخی، میتوانید روندها و رفتار معمول مشتریان خود را درک کنید.
زمینههای خارجی: چه تغییراتی خارج از کنترل ما بر معیارهای ما تاثیر گذاشته است؟ شاید رقیب جدیدی وارد بازار شده باشد. یا شاید تکنولوژی تغییر کرده باشد و نیاز به تغییرات اساسی در نحوه انجام کارها داشته باشد.
زمینههای داخلی: آیا تغییراتی در استراتژی خود ایجاد کردهاید که بر عملکرد شما تاثیر بگذارد؟ آیا تغییراتی در سایت خود ایجاد کردهاید یا کمپین راه اندازی کردهاید؟ این بیشتر یک بررسی شخصی است. به تغییراتی که در داخل ایجاد کردهاید و ممکن است بر شما تاثیر بگذارد فکر کنید.
زمینههای متنی: این به نحوه جمع آوری دادهها مربوط می شود. آیا اعداد خام یا درصد را مقایسه میکنید؟ آیا اعداد شما با اعداد پرت منحرف شدهاند؟ آیا دادههایی دارید که به دلیل یک عامل داخلی یا خارجی منطقی نیستند؟
این عوامل زمینهای با هم به شما کمک میکنند تا چیزهای غیرقابل اندازهگیری را در نظر بگیرید، چیزهایی که نمیتوانید در دادههای خود پیشبینی یا توضیح دهید و آنها به شما کمک می کنند تا اعتبار دادههای خود را ارزیابی کنید.
عملی کردن دادهها
شما باید نقشهایی را به دادههای خود اختصاص دهید تا از مرحله قیف مربوط به آنها مطلع شوید و اینکه آیا آنها به شما کمک میکنند چیزی را بدانید (معیارهای کلیدی) یا اطلاعاتی برای پاسخ دادن به یک سوال به شما میدهند (معیارهای دقیق).
شما همچنین باید از دادهها استفاده کنید تا تصمیمات هوشمندانه تری برای کسب و کار خود بگیرید. از آن برای آزمایش ایدههای خود در مورد اینکه چه چیزی کار می کند و چه چیزی نیست و چگونه می توانید نتایج را بهبود ببخشید، استفاده کنید. وقتی اعداد را برای پاسخ به یک سوال مرور میکنید، میدانید که چه چیزی را میخواهید ثابت یا رد کنید.
سپس در نهایت، باید با ارزیابی عواملی که ممکن است باعث بالا یا پایین رفتن اعداد شوند، دادههای خود را در متن قرار دهید. با گره زدن داده ها به دنیای واقعی، اعداد منطقی تر خواهند بود و استفاده از آنها در کسب و کارتان برای افزایش رشد آسان تر خواهد بود.
معیارهای بررسی و آنالیز وب سایت
۱. تصمیم گیری تحلیلی (Analytical Decision Making)
این به روش علمی دانشمند(scientist's scientific method) داده اشاره دارد. این فرآیندی است که برای شناسایی سوالاتی که باید بپرسید و بهترین روش ها برای پاسخ به آنها استفاده می کنید.
۲.جعبه ابزار تحلیلگر(Analyst's Toolkit)
اینها ابزارها، الگوها و منابعی هستند که برای تبدیل مفاهیم و ایدهها به دادهها و گزارشها استفاده خواهید کرد. جعبه ابزار شما به شما کمک میکند سوالات درست را بپرسید و فرآیندی را ایجاد کنید که تجزیه و تحلیل دادهها را آسانتر میکند.
۳.پارامتر Urchin Tracking Module - UTM
این به کدی اشاره دارد که می توانید به یک URL اضافه کنید تا اطلاعات بیشتری در مورد اینکه ترافیک شما از کجا می آید به شما بدهد. هنگامی که پارامترهای UTM را به پیوندهای خود اضافه می کنید، هرکسی که روی آن پیوندها کلیک کند برچسب گذاری میشود و شما میتوانید آن برچسب ها را در Google Analytics دنبال کنید. این به شما امکان میدهد ببینید کدام منابع و ارتباطات بهترین ترافیک را به شما میدهند.
شاخص کلیدی عملکرد KPI روش دیگری برای ارجاع به یک معیار به طور کلی است، و معمولاً برای صحبت در مورد معیاری استفاده میشود که شخصی فکر میکند کسب و کار او را هدایت می کند. KPI راه دیگری برای صحبت در مورد یک معیار کلیدی است.
۵.داشبورد
داشبورد یک صفحه وب است که معیارهای شما را از یک منبع خاص جمع آوری میکند. احتمالاً برای هر منبع داده یک داشبورد خواهید داشت: Google Analytics، ارائهدهنده خدمات ایمیل، پلتفرمهای رسانههای اجتماعی و موارد دیگر. داشبوردها در یک نگاه به شما درک درستی از آنچه کار میکند میدهند.
نقشهای مرتبط در آنالیز وبسایت
تیم داده و تجزیه و تحلیل: تیم تجزیه و تحلیل (یا فرد) باید مسئولیت اصلی جمع آوری، بررسی و تفسیر دادهها و تجزیه و تحلیلهای شما را بر عهده داشته باشد.
تیمهای بزرگتر ممکن است یک مدیر پیادهسازی داده نیز داشته باشند، که همه این اطلاعات را جمعآوری میکند و آن را به یک داشبورد زیبا تبدیل میکند که به راحتی قابل درک است.
تیم بازاریابی: هر بازاریاب باید کمی در مورد تجزیه و تحلیل و دادهها بداند. چه در حال اجرای کمپین های مانند فیس بوک باشید، چه زمانی که ۲۰ بار در روز توییت میکنید و یا مقالاتی را در وبلاگ خود ارسال میکنید، باید بدانید چه چیزی کار می کند و چه چیزی خوب نیست.
تیم بهینه سازی نرخ تبدیل: افرادی که تستهایی را برای بهینه سازی بازاریابی شما اجرا میکنند، برای توسعه فرضیههای خود، تنظیم تستها و اندازه گیری عملکرد، به شدت به دادهها متکی هستند.