Новый уровень интернет-статистики

В течение последних трех лет одним из основных направлений деятельности нашей компании являлось развитие технологий и методики проведения исследований с использованием интернет-статистики.

За это время у нас скопилось множество идей и практических наработок, которыми и хочется поделиться в рамках этого материала. Для того, чтобы понять что из себя представляет новый уровень, следует описать сложившуюся ситуацию в области интернет-статистики.

Тема эта не новая, имеет сложившиеся стереотипы и традиции, которые поддерживаются перепечатыванием интернет архивов в современную литературу по интернет маркетингу. Результатом подобных традиций, к примеру, является сам факт существования и развития популярных счетчиков.

Определенно положительным моментом является то, что люди чувствуют потенциал интернет-статистики. Что же касается пользы от современных решений в этой области, то ее можно сформулировать как «создание ощущения контроля над ситуацией».

Показатели посещаемости служат предметом гордости сайтовладельцев, а данные о просмотренных страницах и источниках посетителей способны вызвать восторг от собственной осведомленности.

Эмоции – это очень важная составляющая человеческой жизни, но если говорить об интернет-статистике, то кроме эмоций она предназначена еще и для решения множества серьезных бизнес задач. И тут встает ряд проблем, о которых следует упомянуть.

Работа с интернет-статистикой – это исследование, а исследование можно условно представить как процесс состоящий из следующих этапов:

1. постановка задачи

2. выбор методологии

3. сбор данных

4. обработка данных

5. формирование выводов

6. практическое применение результатов исследования

Обратите внимание, что по сути, все существующие системы интернет-статистики представляют из себя только инструменты третьего этапа исследования: «сбор данных» (data mining).

Постановка задач перед исследованиями отдается на откуп пользователей и получается парадоксальная ситуация, когда системы предоставляют данные, не зная задач исследования.

Частично они выходят из ситуации тем, что окунают пользователей в сотни отчетов, в надежде, что люди сами найдут то, что им нужно. Стоит ли говорить о том, что часть людей теряются в этом многообразии, еще часть пользователей приходит в ужас от обилия непонятных, «сложных» терминов, а если говорить о профессионалах, то им эти горы информации откровенно мешают, отнимая драгоценное время на извлечение нужных крупиц информации из груды мусора.

Отдавая бесконтрольно этап постановки задач перед исследованием в руки многочисленных пользователей, нельзя быть уверенным в том, что задачи будут поставлены правильно. Ошибки на данном этапе делают дальнейшее исследование бессмысленной потерей времени и, как следвствие, подрывают доверие к интернет-статистике.

Переходим ко второму этапу исследования – «выбор методологии». Это очень обширная тема, поэтому я остановлюсь лишь на главном. Существуют, как минимум две разных точки зрения на тему того, что считать работающим сайтом:

Техническая: работающий сайт – это сервер, который незамедлительно реагирует на запрос пользователя и выдает результаты запроса в виде, предусмотренном разработчиками.

Маркетинговая: работающий сайт – это проект, в результате взаимодействия с которым, люди достигают цели коммуникации, предусмотренной создателями сайта.

Соответственно существуют и два абсолютно разных вида анализа – технический и маркетинговый.

В поле зрения технического анализа попадают:

• нагрузки на сервер

• скорость обработки запросов

• качество каналов и доступность сервера

• эффективность использования ресурсов сервера

• защищенность информации и устойчивость к атакам

• совместимость с клиентским программным обеспечением

• и т.п.

Для технического анализа используются такие показатели, как хиты, хосты, сессии, версии браузеров, экранные разрешения, цветность дисплеев, прокси-сервера, ошибки сервера, домены, директории и файлы, Java и т.п.

В область маркетингового анализа входят:

• охват аудитории

• осведомленность

• частота показов

• сегменты аудитории (в т.ч. география)

• источники аудитории

• эффективность работы маркетинговых бюджетов

Показателей маркетингового анализа всего четыре: люди, отношение одного сегмента к другому, деньги и показы.

Два абсолютно разных подхода к анализу практически не разделяются в интерфейсах современных систем интернет-статистики. А в области маркетингового анализа с использованием интернет-статистики до сих пор находится множество пробелов. Это объясняется тем, что у Интернета богатые технические традиции и «балом правят» программисты, а не маркетологи.

Выявив серьезные проблемы на этапах постановки задач и выбора методологии, на практике можно было бы закрыть тему вообще. Тем не менее, выход из сложившейся ситуации искать надо, поэтому переходим к рассмотрению третьего этапа – сбор данных.

Как уже говорилось ранее, практически все современные системы интернет-статистики предназначены именно для предоставления данных для анализа. За время развития этой области произошло много интересного и полезного. Стоит отметить появление «людей», как единицы измерения, появления возможности сегментировать аудиторию и настраивать отчеты под конкретные задания.

Тем не менее, и в плане сбора данных присутствует как минимум одна очень важная проблема – принципы получения синтетических показателей. Существуют исходные данные, получаемые счетчиками и лог анализаторами. Среди них есть:

точные данные: хит, хост, время запроса, протокол, код возврата сервера и др.

данные, которые могут содержать неконтролируемую погрешность: referer, user-agent и большинство того, что счетчики вытаскивают через яваскрипты.

Кроме исходных данных существуют синтетические данные, которые получаются путем обработки исходных данных по определенным алгоритмам. Среди синтетических данных можно выделить такие показатели, как «посетитель», «сессия», «география» и ряд других.

Проблема синтетических данных заключается в алгоритмах их получения. Если быть более конкретным, то в том, что пользователи систем статистики не только не могут влиять на эти алгоритмы, но даже не знают принципов их работы.

В результате с максимальной степенью вероятности получение в популярных системах интернет-статистики следующих данных:

• глубина просмотра

• пути по сайту

• средние значения

продиктовано не целью увеличения точности исследования, а желанием снизить расчетную нагрузку на сервер или оптимизировать программный код.

А если бы аналитики знали с какой точностью вычисляется «время проведенное на сайте», то они вообще бы усомнились в целесообразности использования этих систем.

Следующим этапом исследования идут обработка и оформление данных. Зачастую, обеспечение этих функций лежит за пределами возможностей статистических систем, т.к. данные в отчетах счетчиков и лог-анализаторов организованы по типу данных (чтобы хоть как то можно было найти нужное среди сотен страниц), а не по принципу ответа на вопросы исследования.

Финальные этапы – «формирование выводов» и «практическое применение результатов исследования» современные решения на базе интернет-статистики целиком и полностью перекладывают на плечи пользователей.

Резюмируя все вышесказанное:

1. Волоча за собой воз традиций и стереотипов, системы интернет-статистики продолжают развиваться и улучшаться

2. Системы не являются законченным инструментом исследования, т.к. не участвуют ни на этапе постановки задач, ни на этапе формирования выводов

3. Часть предоставленных данных содержат высокую погрешность, а иногда, и вовсе, не пригодны для анализа.

Все это в сочетании с низким уровнем знаний в области исследований и интернет технологий у большинства пользователей систем интернет-статистики подтверждает тезис о том, что «польза от интернет-статистики заключается лишь в формировании ощущения контроля над ситуацией». При этом потенциал описываемого направления так и остается нереализованным.

Для того, чтобы поднять интернет-статистику на новый уровень и закрыть все вышеописанные проблемы нам пришлось организовать аналитический сервис. В работе над каждым отчетом задействуется как минимум один из аналитиков Артон, в обязанности которого входит обеспечение корректности постановки целей и содействие в формировании выводов исследования.

Сегодня мы можем с гордостью заявить о выходе 3ей версии системы ArtonSiteReport, на основании которой в только в течение последних нескольких месяцев предоставлялась регулярная аналитика для таких крупных и требовательных к качеству проектов, как МИЭЛЬ Недвижимость, Тойота Бизнес Кар, Genser, Городской Ипотечный Банк, Simplexgroup и ряду других. Нашим исследованиям доверяют международные компании, такие как Colliers International, Standard & Poor's. и рейтинговое агентство.

В заключение, хочется выразить надежду на то, что участники рынка прислушаются к перечисленным проблемам и поднимут качество собственных решений в области интернет-статистики.

Дмитрий Малявкин

апрель 2005