Что такое аналитика данных?

Независимо от того, какой у вас веб-сайт, вы каким-то образом копаетесь в данных. Скорее всего, это будет либо через плагин Jetpack и его встроенную статистику, либо через Google Analytics и его невероятно подробный набор отслеживаемых показателей. Когда вы садитесь действительно анализировать эти числа, вы попадаете в аналитику данных на разных уровнях. Но что такое аналитика данных? И что с этим делать? Что ж, вот что мы здесь, чтобы вам сказать.

Что такое аналитика данных?

Проще говоря, аналитика данных - это процесс просмотра необработанных данных, выяснения их значения и последующего применения этих знаний для решения проблем. Это своего рода подраздел более крупной области науки о данных и действительно один из наиболее распространенных. Потому что каждый, у кого есть веб-сайт, так или иначе имеет дело с необработанными данными.

Например, предположим, что вы используете Google Site Kit. Когда вы нажмете на панель инструментов, вы увидите набор подобных данных.

Аналитика данных приходит, потому что все это необработанная информация, которую вы видите и можете прочитать. Но главное - это интерпретация. Знать, что у вас увеличилось количество кликов на 37,2% за последний месяц, - это здорово. Но… что ты с этим делать?

Вот где аналитика данных становится частью вашего присутствия в Интернете. У вас есть данные. Данные о пользователях и их поведении, если быть точным. Наука о данных - это общий термин, который вы используете, когда говорите, что собираетесь каким-то образом работать с этими данными. Аналитика данных - это способ, которым вы это делаете, и то, что вы делаете с ним после, более конкретно рассматривая детализированные данные, чем крупные тенденции.

Вы можете использовать алгоритм для сортировки и очистки данных, чтобы исключить выбросы, экстремумы или дубликаты. Даже такая простая задача, как наблюдение за увеличением количества кликов, проверка наиболее эффективных страниц или публикаций, а затем составление плана по созданию краеугольного контента по этим темам, находится в сфере анализа данных.

Четыре вида аналитики данных

Каждый раз, когда вы встречаете термин «анализ данных», вы, скорее всего, также увидите, что он разбит на четыре конкретных области.

• Описательная аналитика
• Диагностическая аналитика
• Предписательная аналитика
• Прогнозная аналитика

Независимо от того, с чем вы работаете, данные и способ их обработки попадают в одну из этих категорий.

Описательная аналитика

Это то, что было бы использовано выше, когда говорилось о статистике веб-сайта. Описательная аналитика охватывает то, что происходит с течением времени. Вещи увеличиваются или уменьшаются - время, проведенное на платформе, клики, какие платформы чаще всего ссылаются на ваш сайт и т. Д. Вы можете не понять, почему пользователь ведет себя определенным образом, но вы можете точно определить, что они делает.

Диагностический анализ

Когда вы ищете причину, почему что-то происходит, вы используете диагностическую аналитику. Если статистика вашего веб-сайта быстро растет, и вы хотите знать почему (чтобы продолжать это делать), вы будете просматривать всю информацию с веб-сайта. Вы знаете, что количество кликов выросло. Но какие именно статьи просматриваются? Есть ли время суток, когда трафик увеличивается? Вы будете копаться и определять демографические данные посетителей и были ли отправлены какие-либо почтовые кампании, которые коррелируют со всплеском. Взглянув на данные комплексно, вы можете определить с разумной погрешностью наиболее вероятные факторы, из-за которых данные выглядят так, как они есть. И, диагностировав, почему это произошло, вы можете попытаться воспроизвести это. (Или, если что-то пошло не так, не делайте того же выбора.)

Предписывающий анализ

Предписательная аналитика - это когда вы изучаете данные и определяете реакцию на них. Например, если количество кликов по статьям Nintendo Switch увеличится еще на 25% в течение следующих нескольких месяцев, вы затем планируете увеличить выпуск статей по этой теме и, возможно, даже начать процесс найма большего количества писателей, чтобы покрыть это увеличение. Вы строите планы, полностью основанные на данных, которые у вас есть и которые известны за определенный период времени.

Прогнозный анализ

С другой стороны, это практика изучения набора прошлых данных и составления на их основе предположительного плана. Это отличается от предписания, потому что нет никакого способа узнать, сработает ли ваш план на 100%. Например, если у вас было 70% всех граждан, которые указали в опросе, что им нужен фермерский рынок в вашем городе, и вы планируете открыть еженедельный рынок ... это составляет план прогнозирования на основе данных. Вы делаете обоснованное предположение, основанное на данных, предсказывая, что жители города положительно отреагируют на ваш бизнес, но у вас нет собственных данных о фермерском рынке, чтобы продолжить.

С чего начать с аналитики данных

Итак, это основная схема того, что такое аналитика данных. Но куда вы теперь идете?

Во-первых, вам нужно установить Google Analytics на свой сайт. Это очень просто, и это всего лишь пара кликов. Как только вы это сделаете, вы можете начать с некоторых из наших руководств, таких как отслеживание целевой страницы и отслеживание взаимодействия с пользователем. Вы даже можете настроить свою собственную аналитическую панель инструментов для интеграции с платформой.

Если вы не из тех, кто занимается Google, это не единственная игра в городе, даже если она самая крупная. Позвольте нам показать вам некоторые из других вариантов, которые у вас есть, кроме Big G.

И есть всевозможные типы данных, которые вы можете отслеживать и в которых можно копаться. Возможно, вы захотите получить данные тепловой карты, чтобы понимать, как пользователи взаимодействуют с вашим сайтом. Возможно, вы хотите привлечь внимание к своим социальным сетям.

Мы также хотели бы порекомендовать инструмент Databox. По сути, он собирает все ваши различные инструменты анализа данных и помещает их в одно место. Хотя вам все равно придется самостоятельно работать с аналитикой данных, объединить все KPI в одном месте - это невероятно.

Заключение

Независимо от того, где вы работаете с аналитикой данных, новичок или опытный ветеран, неплохо было бы изучить основы. Потому что, если вы просто просматриваете данные, вы не предпринимаете никаких действий. У вас просто есть данные. Важно то, как вы смотрите на эти данные и как продвигаетесь с ними. Независимо от того, диагностируете ли вы проблему или прогнозируете реакцию пользователей, принятие оптимальных решений начинается и заканчивается с анализа данных.

Для чего вы используете аналитику данных в своем бизнесе?

Статья от Джулии Тим / Shutterstock.com