مهم نیست که چه نوع وب سایتی را راهاندازی میکنید, باید به طریقی به جست و جوی داده بپردازید. به احتمال زیاد, این میتواند از طریق پلاگینJetpack و آمار داخلی آن یا Google Analytics و مجموعه ای باورنکردنی از معیارهای ردیابی شده آن خواهد بود زمانی که واقعا این اعداد را تجزیه و تحلیل میکنید, در حال ورود به تجزیه و تحلیل دادهها در سطوح مختلف هستید. تجزیه و تحلیل دادهها چیست? چکاری می توان با ان انجام داد? خوب, این چیزی است که ما میخواهیم به شما بگوییم.
تجزیه و تحلیل دادهها چیست؟
data analytics پروسه بررسی داده های خام، درک معنای انها و سپس بکارگیری این دانش برای حل مشکلات به ساده ترین شکل ممکن است. این بخشی از زیرمجموعه دانش داده های عظیم تر است، و در همه جا وجود دارد. زیرا تمام افراد با وب سایتشان به نوعی با دادههای خام سر و کار دارند.
به عنوان مثال شما در حال استفاده از Google Site Kit هستید زمانی که بر داشبورد کلیک می کنید مجموعه ای داده های زیر را مشاهده می کنید.
تمام این اطلاعاتی که می توانید ببینید و بخوانید خام هستند به همین خاطر است که data analytics ارائه می شود.اما تفسیر، مسئله اصلی است. اینکه در طول ماه گذشته شاهد افزایش 23.7% کلیک بوده اید. عالی است اما با ان می خواهید چکار کنید.
همین جاست که data analyticsبخشی از شخصیت وب شما میشود. انچه که دارید داده است. دادههای مربوط به کاربران و رفتارهای آنها که باید دقیق باشند. دانش داده، چتر مفهومی است که به نحوی از ان استفاده میکنید. Data analytics روشی است که شما آن را انجام میدهید و آنچه با آن روش بعد از ان انجام میدهید. بیشتر به دادههای ریزتر نسبت به بزرگ ها می پردازد.
امکان دارد شما از الگوریتمی برای مرتب و پاکسازی داده ها و حذف دورریز ها و موارد افراطی یا تکراری استفاده کنید. حتی مواردی ساده مانند مشاهده افزایش کلیک ، بررسی صفحات یا پست هابا بالاترین عملکرد و سپس برنامه ریزی برای ایجاد مقاله بنیاد محتوا ( کرنر استون )در این مباحث در حوزه تجزیه و تحلیل داده است.
4 مدل تحلیل داده
به هنگام دیدن واژه تجزیه و تحلیل داده, به احتمال زیاد به چهار حوزه خاص تقسیم بندی می شود
- تجزیه و تحلیلهای توصیفی
- تجزیه و تحلیل های تشخیصی یا برشناختی
- تجزیه و تحلیل های تجویزی
- تجزیه و تحلیلهای پیشبینیکننده
اهمیتی ندارد که شما با چه چیزی کار می کنید، داده و روشی که بکار میگیرید جزئی از این تقسیم بندی خواهد بود.
تجزیه و تحلیلهای توصیفی
این چیزی است که در بالا هنگام بحث درباره آمار وب سایت بکار گرفته می شود . تجزیه و تحلیل توصیفی آنچه را که در طول زمان اتفاق میافتد را پوشش میدهد .موارد رو به افزایش یا کاهش- زمان سپری شده در پلتفرم، کلیک ها ، اینکه اغلب کدام پلتفرم ها به سایت شما مراجعه میکنند و غیره . شما ممکن است علت اینکه چرا کاربر روش خاصی را بکار میگیرد را ندانید ، اما میتوانید دقیقا ً مشخص کنید که چه کاری انجام می دهند .
تجزیه و تحلیل های تشخیصی یا برشناختی
زمانی که به دنبال دلیل وقوع چیزی هستید از تجزیه و تحلیل تشخیصی استفاده میکنید . اگر آمار وب سایت شما در حال رشد است و دنبال دلیل ان هستید ( به طوری که بتوانید آن را انجام دهید ) به تمامی اطلاعات وب سایت خواهید پرداخت. کلیک ها بیشتر می شود اما چه چیز خاصی دیده می شود؟آیا زمانهایی در طول روز هست که ترافیک بیشتری دریافت کنید ? شما در پی کند و کاو ، تعیین جمعیت بازدید کنندگان و اینکه آیا هیچ کمپین ایمیلی ارسال شدهاست یا خیر، خواهید بود .
با نگاهی جامع به دادههاو با در نظر داشتن حاشیه خطای منطقی , می توانیدمحتملترین عواملی که باعث می شوند داده همانطور که هست عمل کند را، مشخص کنید . و با تشخیص اینکه چرا این اتفاق افتاد , میتوانید آن را تکرار کنید . ( یا اگر مشکلی پیش آمده باشد, از انتخاب مجددش اجتناب کنید . )
تجزیه و تحلیل های تجویزی
تحلیل تجویزی زمانی است که شما به دادهها نگاه می اندازید و عکس العملی نشان می دهید. از این قبیل، اگر تعداد کلیک روی مقالههای Nintendo Switch ۲۵ درصد دیگر را برای چند ماه آینده افزایش دهد، شما در حال برنامهریزی برای خارج کردن مقالات از ان تاپیک و شاید حتی شروع به استخدام نویسندگان بیشتر برای پوشش دادن این رشد کنید. شما طبق تمام داده های در دست که میدانید بیش از یک دوره زمانی به طول انجامیدهاست، برنامه ریزی خواهید کرد.
تجزیه و تحلیلهای پیشبینیکننده
از طرف دیگر، این روش نگاه کردن به مجموعهای از دادههای گذشته و ایجاد یک برنامه فرضی براساس آن است و با prescriptive متفاوت است، زیرا هیچ راهی برای اینکه بدانید 100 درصد برنامه شما درست پیش می رود وجود ندارد. برای مثال، اگر ۷۰ % از شهروندان در نظر سنجی اعلام کرده اندکه یک بازار کشاورزی در شهر شما را میخواهند و شما برنامهای برای باز کردن یک بازار هفتگی دارید…این موجب تحلیل پیش بینی کننده بر اساس داده می شود. شما بر اساس داده یک بر اورد تجربی خواهید داشت و پیشبینی میکنید که ساکنان شهر به طور مثبت به بیزینس شما پاسخ خواهند داد، اما شما هیچگونه دیتا مربوط به مارکت کشاورزی را به نوبه خود ندارید که به این کار ادامه دهید.
از کجا شروع به تحلیل داده کنید
بنابراین این طرح پایه ای از مفهوم Google Analytics است. اما حالا کجا میروید؟
اول، شما Google Analytics را در سایت خود نصب خواهید کرد. خیلی ساده همراه با چند کلیک است. هنگامی که این کار را کردید، میتوانید با برخی از برنامههای آموزشی ما مانند landing page trackingو tracking user engagement شروع کنید. می توانید پلتفرم خود را با تنظیمyour own analytics dashboard یکپارچه سازی کنید.اگر زیاد اهل جست جو در گوگل نیستید اجازه دهید سایر گزینه ها some of the other options را معرفی کنیم.
انواع مختلفی از دادهها وجود دارند که شما میتوانید آنها را ردیابی و بررسی کنید. ممکن است بخواهید heatmap data را داشته باشید تا در جریان تعامل کابران با سایت خود باشید . شاید میخواهید در رسانههای اجتماعی حضور داشته باشید.
همچنین دوست داریم ابزار Databox. را معرفی کنیم. اساسا، تمام ابزارهای تجزیه و تحلیل دادههای مختلف را گرفته و آنها را در یک مکان قرار میدهد. اکنون که مجبور هستید با تحلیل داده ی خود کار کنید داشتن تمامی این KPI ها یکجا باورنکردنی است.
نتیجه
مهم نیست که با تجزیه و تحلیل دادهها،شما یک تازه کار یا یک سرباز باتجربه هستید، ایده خوبی است که فراتر از اصول پیش بروید. چون تنها با نگاه کردن به داده ها اقدامی نخواهید کرد. شما فقط داده دارید.نحوه چطور دیدن انها و پیش بردن انهاست که اهمیت دارد. چه شما مشکلی را تشخیص دهید و یا واکنش کاربران خود را پیشبینی کنید، بهترین تصمیم را با تجزیه و تحلیل دادهها می توانید شروع کنید یا پایان دهید.
0 نظر