Analyser din webstedstrafik efter dag eller måned og forbered dig på at blive overrasket

Reklame

Hvis jeg spurgte, om du ville have en appelsin at spise, ville du sige ja? Hvad hvis jeg spurgte dig, om du ville have en frisk navle orange, håndplukket fra de orange felter i Californien? Det er mere sandsynligt, at du accepterer tilbuddet, ikke? Information er alt, og det at have alle de oplysninger, der skal laves uddannet beslutning er en ting, der ligger i hjertet af enhver vellykket bestræbelse.

Det samme er meget, når du indsamler data om dit websted ved hjælp af Google Analytics. Hver dag mens jeg prøver at grave mig ind nye områder i Google Analytics, Hvordan Google Analytics-underretninger kan e-maile eller smsse dig om webstedsproblemerGoogle Analytics tilbyder en speciel alarmfunktion, der sender en e-mail eller en SMS-alarm, når der sker en begivenhed på dit websted. At indstille dem er ikke så kompliceret, som du tror. Læs mere eller prøv at gøre det bland og match Google Analytics-data Automatiser informative Google Analytics-rapporter med brugerdefineret rapportering

Én ting, som jeg altid har ønsket at få bedre arbejde med Google Analytics, er en automatiseret rapporteringsfunktion, der giver de oplysninger, jeg vil have, og i det format, der er let for hvem behov ... Læs mere på kreative nye måder, opdager jeg altid noget nyt og forbløffende. Dette skete faktisk denne måned, da jeg kiggede nærmere på andre dimensioner der er tilgængelige i Analytics. To af de mest interessante - og efter min mening de mest værdifulde - dimensioner, der er tilgængelige, er "Hour" og "Day of the Week Name".

I denne artikel skal jeg forklare, hvad disse to dimensioner fortæller dig, og hvordan du kan kombinere dem med andre data for at afsløre en masse fantastiske ting om din webstedstrafik, læsernes adfærd på dit websted og endda hvordan man bedre kan optimere webstedet, når du udgiver bestemte typer artikler eller andet indhold på dit websted. Ligesom på Twitter eller Facebook er timing ofte alting. Det samme er tilfældet, når du udgiver nyt indhold på dit eget sted, og disse Google Analytics-dimensioner kan hjælpe dig med at optimere det.

Forståelse af time og dag dimensioner

Når folk besøger dit websted i større antal, er der visse mønstre, der vil dukke op, hvis du ved, hvor de skal se. Jeg dækkede en hel masse af dem i vores MUO Google Analytics-guide Din guide til Google AnalyticsHar du nogen idé om, hvor dine besøgende kommer fra, hvilke browsere de fleste af dem bruger, hvilke søgemaskiner de bruger, eller hvilke af dine sider er de mest populære? Læs mere , som jeg varmt kan anbefale. Selvom du helt sikkert kan se ting som sidevisninger eller afvisningsrater pr. Time eller uge i diagrammerne, fortæller det kun de samlede trafikudviklinger pr. Time eller uge.

Hvad timen og dagen dimensioner giver dig adgang til er langsigtede mønstre. Disse dimensioner tager trafik, sociale data og alle andre metrics tilgængelige på Google Analytics og derefter beregne overordnede mønstre over et længere tidsinterval, og efter min mening, jo længere interval er bedre. Jo flere data du bruger til disse dimensioner, desto mere sandsynligt vil du identificere ekstremt nyttige mønstre, der kan forbedre dine odds for succes.

Men først ting først. Da du ser på timedata, er tidszonen meget vigtig. Så kontroller først indstillingen af ​​tidszone i Google Analytics ved at gå til Admin-området og klikke på “Vis indstillinger” under Profil.

Under "Tidszone-land eller -område" ser du din aktuelle tidszoneindstilling. Dette er virkelig kun vigtigt, hvis du ser på et websted med en udgivelsesplan, der er oprettet i en anden tidszone. Du skal korrelere tidszonen for Analytics-dataene med den specifikke tidszone, du overvejer at offentliggøre bestemte typer indhold.

Arbejde med timedimensionen

Du kan få adgang til timedimensionen ved at oprette en brugerdefineret rapport. Du får adgang til dem ved at klikke på "tilpasning" i topmenuen i Google Analytics og derefter klikke på knappen "Ny brugerdefineret rapport". Når du redigerer den nye rapport, finder du "Hour" tilgængelig under "Other" i rullelisten for feltet Dimension.

Selv bare en generel sidevisningsrapport baseret på timedimensionen kan fortælle dig meget om dine besøgende mønstre. Igen, at undersøge disse data over en længere periode er bedst til at finde mønstre, så jeg har lavet min egen analysespænding over seks måneder. Hvad dataene afslører, er, at mine højeste trafikperioder er eftermiddagen fra 13:00 til 17:00. Og så er det interessant, at der er endnu en bølge meget sent om aftenen, omkring 22:00 (sandsynligvis efter at børnene alle er gået i seng og forældre er online for at undersøge).

Dette er virkelig kun toppen af ​​isbjerget igennem. Når du bevæger dig ud over sidevisninger, skal du bare tænke på, hvad andre målinger fortæller dig, når du ser på det i form af timemønstre. På hvilket tidspunkt på dagen ser du ud til at have det højeste exit-satser fra dit websted? Mine ser ud til at være værst lige før og efter midnat.

Hvilket tidspunkt på dagen får du de mest nye besøgende? Ved hjælp af metrisk% nyt besøg pr. Time kan du se, hvornår du har den højeste antal nye besøgende. I mit tilfælde får jeg maksimal ny trafik før og efter midnat og langt ind i den tidlige morgen. Det er meget almindeligt, at en høj frekvens af nye besøg fra steder som Google Search korrelerer med højere exit-satser, fordi en del af disse nye besøgende er "speed-clickers", bare klikke igennem for at se, om din artikel besvarer det spørgsmål eller interesse, de havde, da de udførte Søg.

Dette er kun et par eksempler på timetrends, du kan bruge til at lære mere om besøgende's adfærd og trafikmønstre, men hvis du er kreativ med de målinger eller kombinationen af ​​målinger, du ser på, er mulighederne virkelig ubegrænsede.

Arbejde med dagsdimension

Hvis du vil se på større mønstre, er en ugens dag dimensionen en fantastisk oplevelse. Du kan finde denne under "Andet" i boksen Dimension, når du opretter din brugerdefinerede rapport. Dimensionens navn er "Ugens dag".

Ligesom timrapporten er ugedagsrapporten med sidevisning en hurtig måde at se, hvilken ugedag du får mest trafik. Overraskende følger min egen blog et temmelig klart mønster fra ugens begyndelse med mest trafik til slutningen af ​​ugen med mindst. Men det er bestemt ikke altid tilfældet. Jeg har set andre steder, hvor midten af ​​ugen helt klart er den travleste. Det hele afhænger af den niche eller det emne, du dækker, og når de mennesker, der er interesseret i dit indhold, mest sandsynligt vil bruge tid online.

I lighed med timrapporten kan ugedagsrapporten, der er sorteret efter exit-sats, fortælle dig, hvilken ugedag folk har tendens til at forlade dit websted, når de oprindeligt besøger det. Du skulle måske tro, at dette direkte skulle svare til trafikniveauer, men det er ikke tilfældet. Som du kan se her, repræsenterer hele weekenden en periode med høje exit-satser på min blog, mens flere mennesker har en tendens til at hænge rundt i starten og i slutningen af ​​den 5-dages arbejdsuge.

Der er dog meget mere, du kan gøre med dette ud over bare standardmetrics som sidevisninger og exit-satser. Hvad med at lære, hvilke dage flere mennesker deler dine artikler, eller hvilke dage dit websted ser ud til at kæmpe mere med sidehastighed?

Andre mønstre, du kan se

Der er så mange ting, du kan analysere om dit websted ved hjælp af dags- eller timemetriket, at det er en smule overvejende at overveje det. Der er et par flere eksempler, som jeg ønskede at dele bare for at få din appetit. Når du har din rapport opført efter ugedag, kan du slippe boksen Sekundær dimension og vælge “Besøgstype” for at se de specifikke dage, hvor du har flere tilbagevendende eller nye besøgende.

Dette afslører, at jeg får det højeste antal nye besøgende lige i starten af ​​ugen, fra søndag til tirsdag. Dette er tilfældigvis de dage, hvor jeg får de besøgende, der har den højeste tilbagevenden, hvilket viser, at begge numre svarer til det samlede trafikmønster. Intet overraskende der.

Hvis du imidlertid gør noget som at sortere rapporten efter andre målinger, kan du udtrække nogle temmelig interessante data. Hvis jeg f.eks. Sorterer efter gennemsnitlig tid på siden, lærer jeg, at tilbagevendende (loyale) besøgende bruger den maksimale tid på mine sider på Torsdage, søndage og tirsdage, mens nye besøgende har tendens til at forblive på stedet længst i weekenden, fra fredag ​​til Søndag.

Disse oplysninger kan være meget nyttige til at målrette mod disse læsertyper i de korrekte ugedage. Giv dine loyale læsere indhold, som du ved, at de vil have mest glæde af på torsdag, mens du tilbyder nyt læsermålrettet indhold, der muligvis opmuntrer dem til at blive loyale læsere i løbet af weekenden.

Et andet eksempel kan være at vælge metoden "Handlinger pr. Socialt besøg", som kunne afsløre dagene for uge får du den mest sociale aktivitet på dine artikler - dvs. de dage, hvor folk har en tendens til at dele dem med dem mest.

I løbet af denne brugerdefinerede rapport har jeg opdaget, at jeg får den bedste aktiekurs på torsdag. Dette giver mig en mulighed for ikke kun at målrette mod læsere, der er mere aktive på sociale netværk i løbet af den bestemte dag (udstationering af sociale netværkskampagner), men det viser dig også, hvilke andre dage du muligvis skal arbejde på for at øge den sociale aktivitet på websted.

Et sidste eksempel kan være at kontrollere, hvordan din webserver fungerer i løbet af ugen. Du kan se dette ved at vælge Gennemsnitlig. Sideindlæsningstid metric for den brugerdefinerede rapporteditor.

Ved at sortere efter denne beregning i rapporten “Ugedag” afsløres det, at min server virkelig anstrenger sig på fredage og søndage. Når dette ikke svarer direkte til trafikken, kan du undersøge andre årsager til det, da der kan være løsninger, der kan forbedre sidelastningen i disse dage. Sidebelastning har SEO-implikationer for dit websted, så det er en vigtig metrik at følge (og forbedre).

Du kan endda nedbryde sidelastningsmetriken pr. Time for at se, hvilket tidspunkt på dagen du ser ud til at have flest problemer. Igen skulle dette svare til trafikken.

Når det ikke gør det, er det en antydning om, at du kan have andre problemer, der foregår med serveren i disse tider - måske er du på en delt webserver, og andre websteder bugner det ned i disse tider.

Afsluttende bemærkninger

Som du kan se, kan timebaserede og daglige dimensioner hjælpe dig med at opdele dine webstedsmetrikker i meget mere meningsfulde data. Ved at blande og matche disse data kan du bedre forstå en hel masse om, hvordan og hvornår der ankommer trafik på dit websted, og hvordan læsere opfører sig på forskellige tidspunkter. Du kan udforske ting som de bestemte dage, hvor du får specifik henvisningstrafik, de timer på dagen visse dele af dit websted har en tendens til at fungere bedst og meget mere.

Bruger du time- eller dagsmålinger, når du udforsker Google Analytics? I bekræftende fald, hvilke slags ting har du analyseret, og hvad fortalte det dig om dit websted? Del dine egne oplevelser og ideer i kommentarfeltet nedenfor!