När man ska plocka ut delar av trafiken för en sajt så finns det flera sätt att göra. Förra inlägget handlade om grunderna i filtrerade profiler, och nu handlar det om vad som skiljer sådana från avancerade segment.
Filter är förstås i en del fall något helt annat än segment. Man kan ju förändra saker som t ex de rapporterade URLerna med filter vilket inte segmenteringar alls gör, men det finns också användningsområden där de är ganska lika där man ibland kan behöva välja mellan filter och segment för att lösa en uppgift.

Ett sådant exempel är när man vill mäta trafiken på en del av en sajt. Som jag beskrev med filter i förra inlägget. Det går även att göra med avancerade segment, med ett par viktiga skillnader.

Bakdata
Den första skillnaden är i historiska data, dvs de data som
samlats in innan filtret/segmentet skapats. Med en filtrerad profil finns inga historiska data, utan den filtrerade insamlingen börjar när filtret läggs in i en profil. Segmenteringen sker ju på redan insamlad data, så därför kan man med en segmenterad rapport skapa rapporter även på data från innan segmentets skapande.

Omfattning
Den andra skillnaden är omfattningen. Gör man ett filter så omfattar det allt som spåras. Ställer man in en specifik katalog som ska spåras så är det vad som händer i den som spåras, och inget annat. Segment är istället besöksbaserade vilket innebär att om man gör samma inställning, att segmentera på en viss katalog så kommer inte bara det som händer i den att  spåras, utan allt som händer under besök som inkluderar aktivitet i denna.

Om man t ex skapar ett segment som ser ut så här
så kommer segmentet att innehålla all trafik (som ingår i den aktuella profilen) under besök som innehåller aktivitet i katalogen /en/, vilket förstås är minst lika mycket som lösningen med filtret och i vissa fall mycket mer.

Vilket ska man då använda?
Det beror förstås på vad man vill mäta.
Och hur sajten man mäter är strukturerad.

Om den är byggd så att den del man vill mäta även refererar till andra delar av sajten, och man även vill mäta dessa andra delar, så är förmodligen segment-lösningen en bra lösning. Det gäller även när det är troligt att besökare under ett besök använder flera olika delar av sajten.
Är däremot den aktuella delen av sajten helt separat från övriga delar kan man förmodligen välja filter-vägen utan problem.

Och man kan ju för all del välja båda varianterna om man vill äta cookien och samtidigt ha den kvar.

Average Rating: 4.4 out of 5 based on 203 user reviews.

När man mäter trafiken på en sajt är det inte ovanligt att man vill dela upp dessa mätningar. Man kan vilja mäta olika delar av sajten separat, filtrera bort besökare baserat på olika parametrar eller mer avancerat skriva om de data som samlas in. Då kan filter vara bra att ha.

Jag börjar med ett enkelt exempel där jag vill rapportera trafiken för den engelskspråkiga versionen av www.pop.nu separat.
Jag börjar därför med att skapa totalt tre profiler; en för den svenska versionen, en för den engelska och en för hela sajten utan uppdelning.

Nya profiler lägger man till genom att klicka på ”Lägg till ny profil”-länken uppe i högra hörnet på inställningssidan. Då kommer man till detta formulär:
I detta fall ska jag lägga till en profil för en befintlig domän, och väljer därför det valet överst. Sedan väljer man vilken domän det gäller, ger profilen ett namn och trycker på Slutför-knappen. Klart och betalt.

När alla profiler är skapade ser det ut så här på inställningssidan, med tre profiler listade under ett spårnings-id:
Sedan är det dags att lägga till filter. Länken dit finns i nedre högra hörnet på samma sida. Den leder till en sida där alla tillgängliga filter listas, och med en Lägg till filter-länk i övre högra hörnet.

I formuläret där anger man vilka parametrar man ska filtrera efter. För att exkludera trafiken till katalogen /en/ ser fyller man i så här:
och där under markerar man vilka profiler som ska använda filtret, i detta fall profilen för bara den svenska sajten, och klickar på lägg till-knappen. Därefter trycker man på Spara ändringar och filtret är klart.

Sedan repeteras samma procedur för att skapa ett filter som istället endast inkluderar /en/, och detta filter läggs till profilen för den engelska sajten. Den tredje profilen lämnas i detta fall utan filter.

Dessa tre profiler kommer nu, från det att de skapats, att fungera parallellt. Trafik från innan en profil är skapad kommer kommer inte att kunna filtreras. Filter är ett av de områden där det finns mest saker att utveckla, så dit kommer jag att återkomma många gånger. Nästa gång kommer det dock att handla om något som är närbesläktat: segmentering.

Average Rating: 4.4 out of 5 based on 163 user reviews.

Det nya gränssnittet i Google Analytics har varit ute för alla i några veckor nu, och som daglig användare märker man att det händer saker. Detaljer och funktioner som fanns i gamla GA och som hade försvunnit börjar dyka upp igen, men fortfarande är inte allt på plats. Det finns dessutom saker som jag gärna vill se i det nya som inte heller fanns förut.

I den här posten listar jag saker i båda dessa kategorier, dvs både saker som försvunnit men som är saknade och saker som verkligen borde läggas till. Jag startar listan idag, och fyller på/stryker varefter saker dyker upp

Saknade funktioner som funnits tidigare (i godtycklig ordning)

– Schemalagda Epost-utskick av rapporter
– Delning  av avancerade segment till andra användare
– Direktlänkar till rapporter från översiktsdata

Saknade funktioner som inte funnits tidigare

– Delning av Dashboards (översikter)

Inte så lång lista till att börja med, men tanken är som sagt att den ska fyllas på efter hand.

Average Rating: 4.5 out of 5 based on 300 user reviews.

I andra delar av världen kan det ha hänt större saker, men i webbanalys-världen är veckans stora händelse att Google Analytics numera kan mäta laddningstider för sidor. Det är dessutom jätteenkelt att implementera.

Men först, vad är detta bra för?Om man t ex har en blogg eller en mindre sajt med inte alltför många besökare, där sidorna tekniskt sett inte särskilt olika varandra och man inte har särskilt mycket egen kontroll över den kod som sidorna består av eller hur den genereras så är förmodligen inte detta jätte intressant om man inte själv upplever laddningstiderna som ett problem.

Har man däremot tekniskt sett flera olika sidor/mallar som t ex hämtar innehåll från olika databaser eller som innehåller olika typer av innehåll, eller har besökare från olika delar av världen som man misstänker upplever skillnader i laddningstider så kan detta verktyg vara väldigt intressant för att se både om man har problem och var man behöver arbeta för att göra något åt dem.

Eftersom funktionen är helt ny så har jag ännu inte tillräckligt med data för att ha någon nytta av den ännu, men jag återkommer med test och analystips om några veckor.

Själva implementationen då? Lätt som en plätt!
Lägg bara in raden
_gaq.push([’_trackPageLoadTime’]);
i GA-koden, t ex direkt efter _trackPageview-raden.

Average Rating: 4.7 out of 5 based on 229 user reviews.

För användare av Google Analytics finns det flera nivåer som bestämmer vad man får se och göra.

Till att börja med finns det användarkontot. Det är själva Google-kontot som gör att man kommer in i GA överhuvudtaget. Det är personligt och går att koppla till många av Googles tjänster, och det finns ingen anledning alls att dela användaruppgifter med någon annan.

Nästa nivå är Google Analytics-kontot. Det kan ha flera användare kopplat till sig, tex om man är flera som arbetar med en sajt eller om man vill vill låta någon konsult eller leverantör se ens siffror. Man behöver dock inte låta alla se allt. Det finns två användarnivåer, användare och administratör där administratören/administratörerna kan lägga till och ta bort användare, medan de vanliga användarna inte kan styra något sådant. Administratörerna kan dessutom se alla profiler inom kontot, medan man för varje användare individuellt kan bestämma vilka profiler inom kontot som ska vara synliga.

Den tredje nivån är profilerna. Det kan betyda en webbsajt, men det behöver inte nödvändigtvis vara så. En sajt kan ha ett antal profiler kopplade till sig, och ibland kan flera sajter dela på en profil. Tekniskt uttryckt betyder det att flera profiler kan dela på ett spårnings-id, och ibland kan det vara motiverat med flera spårnings-id på en sajt eller till och med en enskild sida.

Ofta när man har flera profiler på ett spårnings-id är det för att separera rapporteringen för olika delar av en sajt. Man kan t ex ha separata profiler för olika språkversioner av en sajt och dessutom ha en profil där den totala trafiken redovisas, och det med en och samma spårningskod på hela sajten. Eller motsvarande där man i en profil exkluderar trafiken inifrån det egna företaget, och en profil där bara den interna trafiken mäts. Detta görs alltså med filter (som jag redan gjort en liten försmak av), men som jag återkommer mer till senare

Average Rating: 4.4 out of 5 based on 153 user reviews.

Och inte så lite överkurs heller.

Den som undrar vad GAs spårningskakor egentligen innehåller kan med fördel gå till http://www.tutkiun.com/2011/04/a-google-analytics-cookie-explained.html där man får en innehållsdeklaration. Det är ganska sällan man överhuvudtaget behöver titta på dessa kakor, men för de tillfällen när man behöver det så kan det vara bra att veta.

Average Rating: 4.4 out of 5 based on 276 user reviews.

Som alla framstående bloggare får jag läsarfrågor. Den här gången kommer frågan från Andreas som försöker ta reda på vilka veckodagar som lämpar sig bäst för bloggposter om nakenspinning. Han undrar helt enkelt enkelt om man i Google Analytics kan se vilka veckodagar som har mest respektive minst trafik.
Svaret på den frågan verkar vara att det inte går. Inte i Google Analytics. Men det betyder inte att man inte kan få fram siffrorna, man behöver bara gå ett steg till.
Så här gör man:

  1. Gå till rätt sida i Google Analytics. I detta fall är rätt sida översiktssidan för besökare.
  2. Ställ in ett lämpligt datumintervall. Eftersom vi ska dra ut ett genomsnitt så vill vi ha en hyfsat lång period, men beroende på hur den allmäna besöksutvecklingen varit så kanske inte alltför gamla siffror är intressanta. Jag väljer att ta fram de tre senaste månadernas besök.
  3. Exportera. Överst i själva statistikdelen av sidan finns Exportera-knappen. När man klickar på den öppnas en rad med ett antal val för vilket format man vill exportera i. Nu väljer vi CSV för Excel. Den nedladdade filen öppnar vi sedan i just Excel (eller Numbers eller något annat liknande som går precis lika bra).
  4. Räkna dagar. I den nyss öppnade filen står det nu i den första kolumnen t ex ”tisdagen den 1:e februari 2011” och i kolumnen efter hur många besök sajten hade just den dagen. Vad vi ska göra här är alltså att summera antalet besök, grupperat per veckodag.Det gör vi genom att i en tom kolumn skriva formeln =SUMIF(A;”Måndag*”;B) där A är datumkolumnen och B är antal besök-kolumnen. Detta summerar besöken för alla måndagar i tabellen. I samma rad, men nästa kolumn lägger vi formeln =COUNTIF(A;”Måndag*”) för att räkna antalet måndagar, och slutligen i nästa kolumn dividerar vi summan med antalet för att få det genomsnittliga antalet besök under måndagar.
    Upprepa proceduren för övriga veckodagar.

För egen del fick jag fram att jag har ganska jämn ström av besök över hela veckan, men något högre på fredagar och söndagar.

Men sedan är ju frågan vad manska använda den till. Ska man, som bloggare, publicera sina bästa poster på de bästa veckodagarna för att ytterligare förstärka effekten, eller ska man lägga dem på de svagare dagarna för att väga upp den svagare veckodagen?

Notera också att denna lösning i dagsläget inte fungerar i det nya GA-gränssnittet, eftersom inga veckodagar visas i den exporterade filen där. Det händer dock mycket i den nya versionen, så det är mycket möjligt att veckodagarna kommer tillbaka där.

Average Rating: 4.9 out of 5 based on 296 user reviews.

Jag hade egentligen tänkt vänta ett tag innan jag började skriva om filter, men eftersom det denna post handlar om är en av de första saker man bör göra när man sätter upp en WordPress-blogg, och något som jag alltså gjort, så tar jag det redan nu.

Det handlar alltså om att filtrera bort den trafik man själv står för, vilket när man startar en ny blogg ofta är en ganska stor del av den den totala trafikmängden.

Det första steget är att installera ett tillägg till WordPress, och jag har valt att använda ett som heter Analyticator. När det är installerat och aktiverat dyker en Google Analytics-länk upp under Inställningar i admin-gränssnittet. Där gör man först de grundläggande inställningarna, och sedan går man vidare till de avancerade.

Där är det första valet ”Track all logged in WordPress users”, dvs ”Spåra alla inloggade WordPress-användare”:

Där gör man inställningen No.

Därefter ska man bestämma vilka användarnivåer som inte ska vara med i statistiken.

Vilka man väljer beror förstås på vilka roller man överhuvudtaget använder. Här är det bara administratörer som ska exkluderas ur statistiken.

Det tredje valet är hur exkluderingen ska gå till.

Här kan man välja att antingen inte mäta något alls, eller att lägga till en admin-variabel som man sedan kan använda för filtrering. Eftersom det här handlar om filter, så väljer jag variabel-alternativet. Det som händer då är precis vad det låter som, en variabel läggs till i GA-koden på sidan, och tittar man där ser man _gaq.push([’_setVar’, ’admin’]); tillagt i sidans källkod.

Den variabeln tar vi med oss när vi går in i Google Analytics. Under tabellen med spårningsprofiler i ett konto finner man länken till filterhanteraren, och väl där klickar man på Lägg till filter.
Formuläret där fyller vi i så här:

Vi gör alltså ett anpassat filter som ska utesluta trafik. Den trafik som ska uteslutas definieras av ett filtreringsfält, med ett filtreringsmönster, i detta fall en användardefinierad variabel med namnet admin.

I nästa del av formuläret väljer man vilka profiler filtret ska användas. Välj profil/er och Spara, så är filtret klart.

I dagsläget funkar denna lösning helt utan problem, men en liten reservation är att Google inte längre rekommenderar användandet av _setVar, utan istället förordar det nyare variabelformatet _setCustomVar. Analyticator kommer förmodligen att uppdateras om det skulle behövas, och då måste också detta filter uppdateras. Men tills vidare funkar det alltså som det är, och eftersom det ännu inte går att använda _setCustomVar-variabler för filtrering så kommer nog inget att hända den närmaste tiden.

Average Rating: 5 out of 5 based on 186 user reviews.

Som med all statistik måste man börja med att fråga sig vilka frågor det är man vill ha svar på. Olika sajter används på olika sätt, och ett resultat som anses som bra för en sajt behöver inte alls vara bra för en annan, och det gäller inte bara antal besök.För en blogg kan återkommande besökare ses som ett mått på framgång även om de inte bara tittar på en sida vid varje besök. För en annan sajt kan framgången mätas i att varje besökare stannar länge på sajten och ser många sidor, men för en tredje sajt kan samma antal sidvisningar per besök betyda att man har en onödigt lång väg för besökarna att hitta vad de letar efter. Man måste helt enkelt komma fram till vad det är man vill mäta.

När man har kommit fram till det är vad man mäter så kan man börja titta på själva siffrorna, och basutbudet där är i princip Besökare, Besök och Sidvisningar och när man sedan gräver ner sig i detaljerna så bygger det mesta på något av dessa tre. I navigationen hittar man informationen om besök och besökare under Besökare-rubriken, och det mesta som har med sidvisningar att göra under Innehåll.
Men är man bara intresserad av en översiktsbild så får man en ganska bra sådan redan på förstasidan, som ser ut ungefär såhär:

Men vad betyder då en besökare, ett besök och en sidvisning?
I den bästa av världar betyder en besökare en person, ett besök helt enkelt ett besök av den personen (eller någon annan) och en sidvisning när någon tittar på en sida. I verkligheten är det inte riktigt lika enkelt.

Besökare
En besökare i GA betyder en webbläsare. Har jag t ex både Firefox, Internet Explorer och Chrome på min dator så kan jag utan någon större ansträngning vara tre besökare samtidigt, och om jag dessutom rensar mina cookies så ”dör” den besökaren som besökt en sajt och vid nästa besök räknas jag som en helt ny besökare. Om jag dessutom har en dator på jobbet och en annan hemma så blir jag en (eller flera) nya besökare.
Allt detta händer ju inte varje dag, så i normalfallet stämmer antalet ”besökare” som GA definierar dem hyfsat bra med antalet verkliga besökare, men något exakt mått är det inte, speciellt inte vid låga trafikvolymer.

Besök
Ett besök är lite lättare, men även här finns det detaljer som gör att ett besök inte alltid är ett besök. Vad man skulle vilja var ett besök är ju förstås när någon kommer in på sajten, kanske klickar sig runt en stund, och sedan går vidare någon annanstans. Men så går det ju inte alltid till. Någon kanske kommer in på sajten och tittar på ett par sidor för att sedan öppna ett nytt webbläsarfönster, surfa runt någon annanstans en stund och sedan gå tillbaka till vår sajt som har legat kvar i ett fönster i bakgrunden.
Frågan är då, är detta ett nytt besök eller är det samma besök som fortsätter?
Svaret är att det beror på.
Vad det beror på är hur länge man varit borta. I GA räknas det som ett nytt besök om man inte gjort något på 30 minuter, om man inte har ändrat den inställningen.

Men även i detta fall är normalfallet av ett besök precis vad man förväntar sig att det ska vara, men man bör vara medveten om att det inte heller här är något exakt mått.

Sidvisning
Men en sidvisning då? Det måste väl iallafall vara visningen av en sida. Ja, det är det, men då kommer man istället till frågan vad en sida är. För tio år sedan var detta lättare, för då var nästan alltid en sida en sida. Idag är det inte riktigt lika enkelt, med AJAX och delar av sidor som uppdateras istället för att hela sidor laddas. Men har man en enkel ”klassisk” webbsajt där en sida är en sida så är sidvisningar ett bra mått att använda. Har man inte det bör man komplettera sin statistik med att spåra händelser, men det ligger lite utanför den grundläggande nivån här.

Sammanfattning
Sammanfattningsvis kan man säga att sammanhängande sidvisningar från en person blir ett besök, och personen som gör besöket blir en besökare. Om samma person kommer tillbaka senare är han/hon fortfarande samma besökare, men gör ett nytt besök. Om samma webbläsare på samma dator används vill säga. Och inga cookies har rensats bort.

Average Rating: 4.5 out of 5 based on 257 user reviews.

Att börja använda Google Analytics (GA) är inte särskilt svårt. Det man behöver är ett Google-konto (inte att förväxla med ett gmail-konto) och en webbsajt där man på ett eller annat sätt har möjlighet att lägga till kod. Har man en blogg så kan det, beroende på vilken bloggplattform man använder, finnas insticksmoduler så man slipper koda alls. Även om man redan använder GA så kan det vara en bra idé att kolla den kod man använder, Google uppdaterade nämligen kodens utseende för ett par år sedan och har man haft samma kod liggande länge så är det möjligt att man fortfarande använder en gammal version. Det gör ingen skillnad i funktion om man har den näst senaste eller senaste kod-versionen, men med den senaste är man lite friare i var på sidan den kan placeras. Instruktioner för denna finns hos Google

Men nu tillbaka till själva installationen:

Steg 1 är att skaffa ett GA-konto.
Det gör man på http://www.google.com/analytics/. Där går man igenom några grundläggande steg, som sajtens URL, var i världen man befinner sig och som alltid ett användaravtal. Det är inga problem att ha statistik för flera sajter i ett konto, och det är oftast inte nödvändigt med mer än ett konto per sajt även om man har många del-sajter som ska mätas separat. Den uppdelningen gör man istället med filter och profiler inom ett konto. Mer om det i senare inlägg.

Steg 2 är att lägga in GA-koden på den sajt som ska mätas.
Koden, som även finns i länken ovan ser ut så här:

<script type=”text/javascript”>
var _gaq = _gaq || [];
_gaq.push([’_setAccount’, ’UA-XXXXX-X’]);
_gaq.push([’_trackPageview’]);
(function() {
var ga = document.createElement(’script’); ga.type = ’text/javascript’; ga.async = true;
ga.src = (’https:’ == document.location.protocol ? ’https://ssl’ : ’http://www’) + ’.google-analytics.com/ga.js’;
var s = document.getElementsByTagName(’script’)[0]; s.parentNode.insertBefore(ga, s);
})();
</script>

där UA-XXXXX-X på tredje raden ersätts med kontonumret för det konto som ska användas.

Rekommendationen är att lägga in koden i slutet av <head>-delen av sidan, dvs precis före </head>-taggen, men det funkar att lägga den nästan var som helst i sidkoden. Det viktiga är förstås att lägga den på alla sidor på sajten.
Finns det ingen kod på en sida så kommer ingen trafik dit mätas.
Det är också bättre att lägga in spårningskoden på för många sidor än på för få. Om det finns sidor man inte vill ha med i statistiken är det bättre att ta bort den med ett filter än att inte spåra den alls. På så sätt är det lättare att ändra sig i efterhand om man senare vill ha dessa sidor mätta.

När man har gått igenom dessa två steg är det bara att vänta. Trafiken börjar mätas direkt, men det dröjer ett par timmar innan något syns i själva statistiken. Tänk också på att grundinställningen när man tittar i själva statistiken är att se den senaste månadens statistik, fram till dagen innan. Man måste alltså ändra datuminställningen för att se dagens trafik och den kommer alltid att ligga lite efter, ofta mellan en och tre timmar.

Nästa post kommer att handla om vilka de grundläggande siffrorna i själva statistiken är, och var man hittar dem.

Average Rating: 5 out of 5 based on 298 user reviews.