الدقة في التحليلات الرقمية: ما يحتاج المسوقون إلى معرفته

هناك اعتقاد خاطئ بأن تقارير التحليلات الرقمية غير دقيقة. في الواقع ، فهي دقيقة للغاية بطريقتها الخاصة ، ولكنها ليست دقيقة. تكمن المشكلة في المستخدمين الذين لا يعرفون ما تعنيه بيانات التحليلات أو كيف يتم جمعها. لجعل الأمور أسوأ ، تقيس الأدوات المختلفة الأشياء بشكل مختلف ولكن نسميها بنفس الاسم.

في هذه المقالة ، سنلقي نظرة فاحصة على الفروق الدقيقة في قياس البيانات وكيف تعمل برامج التحليلات المختلفة.

النظر في الفروق الدقيقة في قياس البيانات

لم يكن الغرض من أدوات التحليلات الرقمية هو العمل كنظم محاسبة أو سجلات مبيعات. لقد تم تصميمها لجمع وقياس بيانات المستخدم التفاعلي في رؤى وتقارير سهلة الاستخدام. على مر السنين ، تطورت أساليب جمع البيانات لهذه الأدوات. بدورها ، تغيرت أيضًا طريقة قياس نقاط البيانات المحددة.

لنفترض أنك غيرت شريط القياس من إمبراطوري (قياس بالبوصة) إلى متري (القياس بالسنتيمتر). قد يبلغ طول المكتب 39.4 في واحد و 100 في الآخر. لم يتغير طول المكتب ، ولكن تغيرت طريقة قياسه.

حاول التبديل بين الأدوات التحليلية المختلفة. غالبًا ، ستلاحظ أن أرقامك قد تكون مختلفة ، لكن خطوط الاتجاه تظل متشابهة. كل أداة تحسب الأشياء بشكل مختلف قليلاً ؛ يتم تطبيق نفس المشكلة بشكل متكرر عند ترقية البرنامج.

في مرحلة ما ، تم حساب المستخدمين الفريدين من خلال الجمع بين العدد الإجمالي لعناوين IP الفريدة التي وصلت إلى موقع ويب في فترة معينة. في النهاية ، بدأت المؤسسات في استخدام جدران الحماية / الخوادم الوكيلة ، مما يتطلب من جميع المستخدمين الداخليين الوصول إلى الإنترنت باستخدام عنوان IP واحد. لم تتغير طريقة حساب عناوين IP الفريدة ، ولكن انخفض عدد المستخدمين الفريدين بشكل كبير.

تطور حساب المستخدمين الفريدين إلى استخدام مزيج من عنوان IP ونظام التشغيل والمتصفح (النوع والإصدار) ، ثم إضافة ملف تعريف ارتباط دائم لتقدير المستخدمين الفريدين بشكل أفضل. مرة أخرى ، بغض النظر عن كيفية حساب المستخدمين الفريدين إذا قام المستخدم بمسح ملفات تعريف الارتباط وذاكرة التخزين المؤقت أو تبديل أجهزة الكمبيوتر (المكتب مقابل المنزل مقابل الهاتف) ، فلن توفر أي أداة تحليلات رقمًا دقيقًا. في الوقت الحاضر ، تأخذ الأدوات في الاعتبار عوامل أخرى عند حساب المستخدمين الفريدين ..

حفر أعمق: تحليلات البيانات: ماضي المكدس الخاص بك والقيود

كيف تفكر في بيانات التحليلات الخاصة بك

برنامج التحليلات الخاص بك غير كامل بسبب العديد من العوامل الخارجة عن سيطرته. قد يحظر المستخدمون ملفات تعريف الارتباط أو طرق التتبع الأخرى. قد تمنع الإشارات الضوئية عبر الإنترنت البيانات من الوصول إلى خادم جمع البيانات. أفضل طريقة للتفكير في بيانات التحليلات الخاصة بك هي مشاهدتها كاستطلاع لنشاط المستخدم.

الجميع على دراية باستطلاعات الرأي في أوقات الانتخابات. استطلاع رأي نموذجي للانتخابات الرئاسية الأمريكية يستقصي ما يقرب من 10000 شخص (أو أقل) من بين أكثر من 150 مليون ناخب مؤهل (0.006٪ من الناخبين). هذا هو السبب في أنه عندما تقدم جهات بث الأخبار نتائج الاستطلاع ، تسمع شيئًا على غرار "هذه البيانات دقيقة في حدود 4 نقاط مئوية 4 من أصل 5 مرات". هذا يعني أنه يتم إيقافه بأكثر من 4 نقاط مئوية بنسبة 20٪ من الوقت.

عندما يتعلق الأمر بأدوات التحليلات الرقمية الخاصة بك ، يقدر معظم متخصصي التحليلات أن فقدان البيانات لا يزيد عن 10٪ وعلى الأرجح حوالي 5٪. كيف يترجم هذا إلى دقة البيانات؟

إذا تلقى موقعك 10000 جلسة في فترة إعداد التقارير ولكن لأسباب مختلفة ، يمكنك فقط التقاط بيانات من 9000 جلسة ، وستكون بياناتك دقيقة ضمن هامش خطأ أقل من 1٪ ، 99 مرة من 100.

بعبارة أخرى ، 99 مرة من 100 ، تكون بياناتك دقيقة وواحدة من كل 100 مرة ، تكون متوقفة بنسبة تزيد عن 1٪. ببساطة ، بياناتك دقيقة ، لكنها ليست مثالية (دقيقة) ولن تتطابق مع سجلات مبيعاتك.

هذه البيانات أكثر من دقيقة بما يكفي لتحديد الجهود التسويقية - تحسين محركات البحث ، والإعلانات المدفوعة ، والمنشورات الدعائية ، والتسويق عبر وسائل التواصل الاجتماعي ، والتسويق عبر البريد الإلكتروني ، وما إلى ذلك - التي تعمل وحتى تلك التي تدفع حركة المرور مقابل زيادة المبيعات.

حفر أعمق: لا تطبق التفكير بالتمني على بياناتك

التحليلات في العمل

على الرغم من أن بيانات التحليلات قد تكون دقيقة ، إلا أن عدم دقة نسبة مئوية صغيرة يمكن أن يجعل تحليلك موضع تساؤل. هذا صحيح بشكل خاص عندما يتغير الفرق بين مصدري البيانات.

المفتاح هو مراقبة البيانات ومقارنتها حيثما أمكن ذلك. إذا كان هناك تغيير مفاجئ في الدقة ، فأنت بحاجة إلى التحقيق. على سبيل المثال ، هل تم تغيير موقع الويب الخاص بك مؤخرًا؟ هل تم وضع علامات على هذا التغيير بشكل صحيح لالتقاط البيانات؟

أضاف العميل ذات مرة نافذة منبثقة إلى حساب Shopify الخاص به بعد تقديم الطلب ولكن قبل إنشاء صفحة شكرًا لك. تسجل أداة التحليلات الخاصة بهم المبيعات فقط عندما يتلقى المستخدم صفحة الشكر.

مع النافذة المنبثقة في مكانها ، استمر تنفيذ الطلب ، لكن العديد من المستخدمين لم ينقروا فوق الرسائل. نتيجة لذلك ، لم يتم التقاط نسبة كبيرة من المبيعات فجأة نظرًا لأنه لم يتم إنشاء صفحة شكرًا لك. لن تكون هناك مشكلة إذا ظهرت النافذة المنبثقة بعد صفحة الشكر.

فيما يلي مثال على مراقبة المبيعات والطلبات بين Shopify و Google Analytics 4 (GA4). يمكننا أن نرى مقدار البيانات المفقودة بسبب عوامل مختلفة. باستخدام تحليلات Shopify كسجل للمبيعات الحقيقية ومقارنتها بالبيانات التي تم جمعها عبر GA4 ، نرى ما يلي:

تفاوتت الاختلافات اليومية في إجمالي الإيرادات والطلبات من 0٪ تقريبًا إلى ما يقرب من 13٪. بشكل عام ، في هذه الأيام الـ 24 ، أبلغ GA4 عن إيرادات أقل بنسبة 5.6٪ وطلبات أقل بنسبة 5.7٪. هذه البيانات دقيقة ، خاصة عند تطبيقها على جهود التسويق لمعرفة ما دفع المستخدم إلى الموقع لإجراء عمليات الشراء.

هل يجب على هذه الشركة استخدام GA4 للإبلاغ عن المبيعات؟ 100٪ لا! هذا هو الغرض من برامج المحاسبة.

إذا كانت مؤسستك تتطلب بيانات أكثر دقة ، فهناك طرق لدفع البيانات مباشرة إلى معظم أدوات التحليل (جانب الخادم). هذا يتجنب المشاكل مع متصفحات المستخدم وملفات تعريف الارتباط.

بينما قد تكون بيانات المبيعات أكثر دقة ، قد تنخفض جوانب القياس الناعمة الأخرى لتفاعل المستخدم (على سبيل المثال ، تتبع التمرير). هذه طريقة معقدة وتستغرق وقتًا طويلاً لتطبيقها في معظم المؤسسات.

يجب أن تسأل نفسك ، "هل هذا الجهد الإضافي ضروري فقط للحصول على 2-5٪ أخرى من عائدات المبيعات في تقارير التحليلات الخاصة بي؟"

فهم بيانات التحليلات الخاصة بك

يحتاج الجميع إلى الإيمان ببيانات التحليلات الخاصة بهم. المفتاح هو التأكد من تثبيت برنامج التحليلات وتهيئته بشكل صحيح. افهم أنه لا يمكنه التقاط كل شيء.

يأخذ برنامج التحليلات الخاص بك ببساطة استطلاعًا بحجم عينة يزيد عن 90٪. هذا يجعل النتائج عالية الدقة (على الهدف) ، إن لم تكن دقيقة بنسبة 100٪ (الأرقام الفعلية).

احصل على MarTech! يوميًا. حر. في بريدك الوارد.

عنوان البريد الإلكتروني للنشاط التجاري

يشترك يعالج...

انظر الشروط.