ИЗСЛЕДВАНЕ ПАЗАРА НА ПРИЛОЖЕНИЯЗА УЕБ-АНАЛИЗ

Гл. ас. д-р Радослав Йорданов

РезюмеСтремейки се към повишаване продуктивността на своите маркетингови бю-

джети, все повече предприятия осъзнават необходимостта от регистриране и из-мерване на резултатите от онлайн-дейността. Настоящото изследване е провоки-рано от засилващия се интерес на бизнеса към използване на инструменти за уеб-анализ. В изследването са коментирани някои от факторите, влияещи върху дифу-зията на инструменти за уеб-анализ. Направен е обзор на ключови показатели ифункционалности за уеб-анализ. Представени са резултатите от изследване напредлагането и търсенето на приложения за уеб-анализ. Констатирана е структу-рата на предлагането в бранша, като е установено едноличното лидерство наGoogle Analytics (и в света, и в България). Констатиран е дефицит на знание усобствениците на сайтове относно ползите, които уеб-анализът предоставя. Ком-пенсирането на този дефицит може да стане чрез създаване на интерактивен обу-чителен модул, популяризиращ възможностите, които инструментите за уеб-анализ предоставят.

Ключови думи: Уеб-анализ, приложения за уеб-анализ, показатели за уеб-анализ, Google Analytics, пазар на приложения за уеб-анализJEL: M31, O32

STUDY OF WEB ANALYTICS MARKET

Head Assist. Prof. Radoslav Yordanov, PhD

AbstractAiming to increase the productivity of their marketing budgets, more companies

realize the necessity of measuring the results of online activities. This study wasprompted by the growing interest of business to use web analytics tools. It reviews somefactors that affect the diffusion of web analytics tools and provides an overview of thekey indicators and functionalities for web analytics. The results of a study of webanalytics tolls market are presented. The study identifies the structure of web analyticsmarket, on which Google Analytics has established an unrivaled leadership (bothglobally and in Bulgaria in particular). One of the findings is that site owners lacksufficient knowledge about the web analytics benefits. This deficiency can becompensated by creating an interactive training module that promotes the benefits ofweb analytics tools.

Key words: Web analytics, web analytics tools, web analytics indicators, Google Ana-lytics, web analytics marketJEL: M31, O32

2

ВЪВЕДЕНИЕВ продължение на много години предприятията харчеха пари за изг-

раждане и поддържане на уеб-сайт просто защото „всички го правят”. Съ-ществуването на уеб-сайтовете бе свързано по-скоро с представителнифункции. В последно време, обаче, уеб-средата се превърна в основенканал за реализиране на приходи за много компании. Стремейки се къмповишаване ефективността на усилията и средствата за онлайн-дейности,все повече предприятия инвестират в изграждане на системи за проследя-ване и отчитане на резултатите, реализирани в уеб-среда. Теоретичните ипрактически изследвания в тази посока водят до поява на нова област назнанието, наречена уеб-анализ. С лансирането на Google Analytics през2005 г. се създава солидна предпоставка за бързо разпространяване на уеб-анализа сред потребителите. Причината – безплатното използване на пъл-ния пакет функционалности на приложението. Остава, обаче, едно препят-ствие – натрупването на познания какво, как и кога да се прави, така чеуеб-анализът да доведе до желаните резултати.

В настоящото изследване е направен опит да се установи моментнотосъстояние на пазара на инструменти за уеб-анализ в България. По-долу садефинирани основните цели, задачите и обекта на изследването.

Основната цел на изследването е като се проучи пазара на приложе-ния за уеб-анализ да се установи съществува ли съответствие между: (1)възможностите, които предлагат инструментите за уеб-анализ, (2) компе-тенциите и (3) желанията на предприятията за измерване и анализ на ре-зултатите от онлайн-дейността. Цел с второстепенно значение е дефини-рането на комплекс от фактори, влияещи (позитивно или негативно) върхуразпространението на приложения за уеб-анализ сред българските предп-риятия.

Реализирането на целите предполага изпълнение на следните задачи:1. Проучване предложенията на основните играчи в бранша на инстру-

менти за уеб-анализ.2. Дефиниране профила на предлагането на приложения за уеб-анализ.3. Дефиниране профила на търсенето на приложения за уеб-анализ.4. Оценяване степента на съответствие между профила на предлагане и

профила на търсене.5. Установяване на онези фактори, които ускоряват или възпрепятстват

разпространението на приложения за уеб-анализ на българския пазар.

Обект на настоящото изследване е пазарът на приложения за уеб-анализ. В обхвата на понятието „пазар” се включват както потребителите,така и предложителите на изследвания продукт.

Тезата на настоящото изследване може да се развие в следните насо-ки:

3

Измерването на резултатите от онлайн активности е ключова предпос-тавка за подобряване ефективността на маркетинговата дейност. В контек-ста на българския пазар във връзката предложител – потребител на при-ложения за уеб-анализ водеща е ролята на предложителите, а потребите-лите (пасивно) се адаптират към използването на предложените функцио-налности и алгоритми. Доколкото предприятията ползват приложения зауеб-анализ, основната насока за приложение е просто регистриране наинформация по отделни показатели, а не подобряване на маркетинговитерешения.Така формулираната теза е натоварена със следните авторови очаквания: Пазарът на приложения за уеб-анализ е с ясно изразена структура от

гледна точка на предложители и предлагани продукти. Предлаганите на пазара приложения за уеб-анализ имат сходни ха-

рактеристики и те са насочени към генериране на информация, голя-ма част от която не би могла да се използва пълноценно за подпома-гане на маркетингови решения.

Потребителите на приложенията за уеб-анализ не са убедени в пол-зите от прилагането им, не са запознати с техните възможности иограничения и не оказват необходимия натиск върху предложителитеза предоставяне на по-адекватни решения.

I. АНАЛИЗ НА СЪСТОЯНИЕТО НА ПРОБЛЕМА

Интернет е откритие, чиято значимост за развитие на човечеството есъизмерима с откриването на двигателят с вътрешно горене, електричест-вото, компютъра, вероятно и много други. Променят се не само осигуре-ността на хората с информация и взаимната им свързаност. Променят сеценности, обичаи, поведение. Все по-масово и отчетливо се констатиратбелезите на т.нар. виртуално поколение.1

Като изключим мобилната телефония, интернет е медията с най-голяма скорост на разпространение сред потребителите. За първите 5 го-дини от своето съществуване световната мрежа привлича над 50 млн. пот-ребители (при радиото този брой потребители е достигнат за 38 г., приобикновената телевизия – за 13 г., а при кабелната – за 10 г.).2 Естественоповедение на предложителите е да следват своите потребители. С на-растване броя на интернет потребителите все повече предприятия прех-върлят своята дейност отчасти или изцяло онлайн. В днешно време ком-паниите отделят все повече средства за изграждане и поддържане на уеб-сайтове и за извършване на разнородни по своя характер онлайн-дейности.

1 Марчевски, И., Р. Йорданов. Оценка на информационните потребности на студентите вСА „Д. А. Ценов”, Алманах научни изследвания „Проблеми на бизнеса и висшето образо-вание”, том 15, Академично издателство „Ценов” – Свищов, 2011, сс. 521-522.2 Кръстевич, Т. Интерактивен маркетинг, глава седма от „Еволюция на съвременниямаркетинг”. Академично издателство „Ценов”, Свищов, 2003, с. 163.

4

На свой ред, все по-голяма част от приходите на компаниите се получаваткато резултат от тяхната онлайн-активност. Според проучване на AndersonAnalytics, проведено през периода 11.01.-08.02.2010 г. сред членове наMENG (Marketing Executives Networking Group), планираното съотношениемежду офлайн- и онлайн-маркетингови бюджети за 2010 г. е 55% към45%.3 При това положение, изглежда логично да расте интересът към инс-трументи за измерване, анализиране и оценяване на онлайн-резултатите иизработване на адекватни маркетингови решения. Този инструментариумсе обозначава в англоезичната литература с понятието Web Analytics. Набългарски това понятие е придобило популярност като уеб-анализ, но обх-ватът му не се простира само до анализа на данни. Една сравнително из-черпателна дефиниция за понятието уеб-анализ би могла да звучи така:

Уеб-анализът включва набиране, съхраняване, анализ и представянена данни за поведението на интернет потребителите, чиято главнацел е оптимизиране на уеб-сайтовете и повишаване ефективносттана онлайн-инициативите на предприятието.

По своята същност, подобно е определението на Асоциацията за уеб-анализ.4 Със своя официална дефиниция асоциацията се ангажира едвапрез 2006 г., което идва да покаже колко млада област на знанието е уеб-анализът. За начална точка на историческото му развитие се приема осно-ваването на компанията Webtrends през 1993 г. и появата на пазара на ко-мерсиалното приложение Webtrends Analytics. Това се случва само тригодини след епохалното откритие на World Wide Web oт Тимъти ДжонБърнърс-Лий.

През последните години бюджетите за уеб-анализ устойчиво нараст-ват, като се очаква в близко бъдеще тази тенденция да се запази.5 Бюдже-тите за уеб-анализ се разпределят основно за (1) наемане на уеб-анализатори и (2) купуване/разработване на технологии (софтуер и харду-ер, необходими за уеб-анализ). Все по-голям става делът на инвестициитев „жива сила”, за сметка на намаляване делът на инвестициите в нови тех-нологии. В тази връзка, препоръката на Авинаш Каушик, световно признатексперт в областта на уеб-анализа, е 90% от бюджетите да се изразходватза наемане и развитие на специалисти, а останалите 10% – за купува-не/разработване на технологии.6

Един от доскорошните митове, свързани с интернет маркетинга, пос-тулира, че измерването на резултатите от онлайн маркетингови активнос-ти е трудно или невъзможно.7 С развитието на новите информационни

3 http://bit.ly/hacSJo (последен достъп: 12.11.2011 г.)4 http://bit.ly/zPk7em (последен достъп: 21.01.2012 г.)5 http://bit.ly/kXjtxp (последен достъп: 23.01.2012 г.)6 Kaushik, A. Web Analytic: An Hour a Day, Wiley Publishing, Inc., 2007, p. 81.7 Томс, Ж., Г. Белогушева. Онлайн маркетинг – мисия още по-възможна, CIELA, София,2007, с. 22.

5

технологии предприятията имат на разположение инструменти, позволя-ващи безпрецедентно големи възможности за измерване на резултати иефективност.

В контекста на тези обстоятелства интерес провокират въпроси като: Кои са основните предложители на приложения за уеб-анализ? Какви възможности за измерване предлагат водещите приложе-

ния за уеб-анализ? Във връзка със своята онлайн дейност какво искат да мерят бъл-

гарските предприятия? Какво всъщност измерват българските предприятия във връзка

със своята онлайн дейност? Как българските предприятия измерват и анализират резултатите

от дейността си в интернет? Самостоятелно ли правят това или използват външни услуги? Каква е степента на разпространение на приложения за уеб-

анализ сред българските предприятия с онлайн-присъствие? Кои фактори влияят върху разпространението на приложения за

уеб-анализ? Каква е ценовата готовност на българските предприятия при по-

купката на приложения за уеб-анализ?На някои от тези въпроси е потърсен отговор в настоящото изследва-

не. Други, надяваме се, ще намерят своите отговори в недалечно бъдеще.

ИЗВОДИ1. Интернет е една от най-бързо развиващите се медии. Все повече пот-

ребители използват интернет. Все повече предприятия прехвърлятсвоята дейност в уеб-среда. Все по-голям става делът на бюджетите,изразходвани за онлайн активности. Все по-масово осъзната става не-обходимостта от знания, подходи, методи, техники, инструменти заизмерване продуктивността на онлайн-разходите. Тази необходимостможе да бъде успешно задоволена чрез използването на приложения зауеб-анализ.

2. В контекста на нарастващ интерес в световен мащаб към измерване нарезултатите от онлайн дейността е полезно да се направи оценка засъстоянието на търсенето и предлагането на инструменти за уеб-анализ на българския пазар.

II. ТЕОРЕТИЧНИ ИЗСЛЕДВАНИЯ ПО ТЕМАТА

1. Фактори, влияещи върху пазарното разпространение на инстру-менти за уеб-анализ

6

Върху пазарната дифузия на иновациите оказват влияние (ускоряващоили възпиращо) две групи фактори: Контролируеми от предложителя фактори – в тази група попадат:

естество (характер) на иновацията, цена на иновацията, комуникаци-онна подкрепа от предложителите, интензивност на дистрибуционнитеусилия на предложителите, момент на лансиране на иновацията на па-зара и др.

Неконтролируеми от предложителя фактори – интензивност на кон-куренцията, нормативна уредба, технологично развитие, хомогенностна потребителите, социални норми и др.

Един от основните фактори, определящи мащабите и скоростта на па-зарно проникване на инструменти за уеб-анализ, е фактора характер напродукта (иновацията).

Еверет Роджърс разграничава пет характеристики на продукта, коитомогат да повлияят ускоряващо или възпиращо върху дифузионния про-цес:8

a. Относително предимство – степента, в която една иновация се възп-риема като по-добра от заместваната идея. Степента на относителнопредимство може да се оцени икономически, но социалният престиж,удобството и удовлетвореността също са важни фактори. Няма значе-ние дали една иновация притежава обективно предимство. Важно едали иновацията се възприема от потребителите като имаща предимс-тво. Колкото по-голямо е субективно възприеманото предимство наиновацията, толкова по-бързо тя ще бъде възприета от потенциалнитепотребители. Когато говорим конкретно за приложения за уеб-анализ,относителните предимства могат да се търсят в следните посоки: леко-та на първоначално инсталиране, лекота на последващо използване,предлагани функции, адаптивност към специфичните потребности напотребителите и др.

b. Съвместимост – степента, в която една иновация се възприема катосъвместима със съществуващите ценности, миналия опит и потребнос-тите на членовете на социалната система. Може да се очаква бързо ишироко възприемане на идея, която съответства на установените цен-ности и норми на поведение. Един инструмент за уеб-анализ би ималвисока степен на съвместимост, ако използването му не налага драс-тични промени във вече изградените навици на потребителите, задо-волява техни значими потребности и не налага сериозни промени в ор-ганизационно, кадрово, финансово и технологично отношение.

c. Сложност – степента, в която една иновация се възприема като трудназа разбиране и употреба. Някои иновации могат лесно да бъдат разб-рани от членовете на социалната система, други са по-комплицирани и

8 Rogers, E., Diffusion of Innovations, 5th Edition, Free Press, 2003, p. 15.

7

това забавя тяхното възприемане. Нови идеи, които са прости за раз-биране, се възприемат по-бързо от иновации, изискващи изгражданетона нови умения и/или промяна на схващанията и навиците. Принципнопогледнато, инструментите за уеб-анализ се възприемат от собствени-ците на сайтове като неразбираеми, като трудни за използване. Това еедна от посоките, в които има все още какво да се прави, за да бъдеулеснено възприемането на иновацията от пазара.

d. Възможност за изпробване – степента, в която една иновация можеда бъде изпробвана преди окончателното й възприемане. Предлаганетона опции като „изпробвай и заплати след месец”, „връщане на паритепри неудовлетвореност”, „първите n ползвания на софтуер X са безп-латни” или др. ускорява възприемането на една иновация. От другастрана, ако иновацията по своя характер представлява делимо цяло, товъзможността да се изпробва само част от иновацията също е предпос-тавка за ускоряване на възприемането й. Пробното използване намаля-ва неизвестността за потенциалния потребител, намалява субективновъзприемания риск и по този начин улеснява вземането на решение запокупка, респ. ускорява възприемането на иновацията от потенциал-ните потребители. Добра практика в тази посока са т.нар. демо-версиина софтуерни продукти, както и предлагането на безплатен пакет (оси-гуряващ безсрочно ползване на ограничен брой функционалности иливременно ползване на всички функционалности) и платен пакет (оси-гуряващ безсрочно ползване на всички функционалности).

e. Видимост – степента, в която резултатите от иновацията могат да сезабележат от членовете на социалната система. Колкото по-лесно по-тенциалните потребители могат да видят резултатите от иновацията,толкова по-вероятно е да комуникират с реални или с други потенци-ални потребители по повод на иновацията и в крайна сметка да я възп-риемат. Може да се очаква, например, че скоростта на разпростране-ние на мобилен (безжичен) интернет ще бъде значително по-висока отскоростта на разпространение на стационарен (кабелен) интернет по-ради по-високата видимост при потребяване на първата иновация.Видимостта стимулира дискусиите, свързани с иновацията, тъй катоблизки, приятели, познати на хората, възприели иновацията, се инте-ресуват от потребителския им опит и оценките за нейните характерис-тики. Видимостта дава възможност потенциалните потребители и самос наблюдение на чужд опит (без вербални комуникации) да си съста-вят самостоятелна преценка за ползите от иновацията.

Наред с класическите пет характеристики на иновациите, дефинираниот Еверет Роджърс, смятаме за уместно в анализа на иновацията инстру-менти за уеб-анализ да се включи и следната характеристика:f. Интеграция на иновацията – потенциалните потребители биха възп-

риели инструментите за уеб-анализ по-бързо при интегрирането им в

8

цялостна информационно-аналитична система. Добър пример в тазипосока е интегрирането на програмата AdWords с Google Analytics, ко-ето създава удобство за потребителя и повишава възможностите му заизвършване на анализи. Множество други приложения се стремят къмсъвместимост и интеграция с големите играчи в даден бранш – приме-ри в това отношение са разработчиците на различни приложения заFacebook, интегриране на приложения за e-mail-кампании с GoogleAnalytics и др.

В специализираната литература могат да се открият редица изследва-ния, посветени на факторите, влияещи върху дифузията на информацион-ни технологии, в частност на приложения за уеб-анализ. Някои от тезифактори са:g. Възприемани ползи9 – колкото по-големи са ползите, които потреби-

телите смятат, че продуктът им осигурява, толкова по-голяма би биласкоростта на дифузионния процес. Ползите, които инструментите зауеб-анализ предоставят, са многопосочни, но като цяло водят до по-вишаване ефективността на онлайн активностите на предприятието.Няма икономическа логика собственикът на един уеб-сайт да откажеизползването на инструменти за уеб-анализ, ако тези инструменти во-дят до увеличаване на приходите от сайта, повишаване удовлетворе-ността на посетителите от ползването на сайта, подобряване класация-та на сайта в резултатите при търсене по определени ключови думи ит.н.

h. Разходи, свързани с инструментите за уеб-анализ – по-ниските па-рични разходи за първоначално придобиване и текущо използване наинструменти за уеб-анализ са предпоставка за тяхното по-бързо и по-широко пазарно проникване. Разходите могат да са еднократни (припървоначално закупуване), но може и да са свързани и с текущо под-новяване на лиценз. За малките и средни предприятия високите разхо-ди са основно препятствие за използване на информационни техноло-гии.10 При това положение е логично голям брой собственици на сай-тове да се ориентират към безплатните пакети, позволяващи извърш-ване на уеб-анализ, но с ограничен набор от функционалности. Изк-лючението в бранша е само едно, поне към настоящия момент, и то сенарича Google Analytics – приложение, което се предлага напълно без-платно и без ограничаване на пакета от ползвани функционалности.

9 Alam, S., K. Noor, ICT Adoption in Small and Medium Enterprises: an Empirical Evidence ofService Sectors in Malaysia, International Journal of Business and Management, Vol. 4, №2,February, 2009, pp. 114-115.10 Dixon, T., B. Thompson, P. McAllister, The value of ICT for SMEs in the UK: a criticalliterature review, Report for Small Business Service research programme, The College of EstateManagement, September 2002, pp. 15-16.

9

Съставянето на комплекс от фактори, влияещи върху дифузията на ин-струменти за уеб-анализ, е важна предпоставка за ефективно управлениена иновациите в този бранш. Някои от разгледаните тук фактори са изпол-звани впоследствие за оценка атрактивността на най-популярните прило-жения за уеб-анализ на българския пазар.

2. Показатели и функционалности за уеб-анализВ хода на времето за набиране на данни за онлайн-поведението на

потребителите са използвани различни технологии. Две от тях са получи-ли широко пазарно признание – т.нар. Server log file и Page tags. Server log file – в хронологичен порядък, това е първата технология за

набиране на данни за поведението на потребителите в интернет. Сър-върът, на който е поместен даден сайт, прави автоматично записи навсички активности на потребителите, използващи сайта. Тези записисе съхраняват в текстов файл (лог-файл). Обикновено интернет дос-тавчиците предоставят на собствениците на сайтове възможност забезплатно използване на приложения за анализ на данните от лог-файловете. Трябва да се отбележи, че по своя замисъл тази технологияе била предназначена за откриване на грешки при функционирането насайта и е използвана основно от IT-специалисти. С натрупването намасиви от данни относно момент на зареждане на сайта, адрес, от кой-то идва потребителят, IP-адрес на потребителя, браузър и операционнасистема на потребителя и др. все повече узрява идеята за използванетоим при вземането на маркетингови решения. Някои по-често използ-вани приложения са Analog, Webalizer, AWStats и др. Безплатният дос-тъп до тези приложения е едно от обясненията за широкото им разп-ространение на пазара. Все повече, обаче, лог-файл анализиращитеприложения биват изместени от по-прогресивна технология, обознача-вана с понятието Page tags.

Page tags – при тази технология данните за поведението в интернет сенабират посредством браузъра на потребителя. Регистрирането наданните става чрез JavaScript-код (съставен от т.нар. тагове). Той седобавя към основния код на уеб-сайта и служи за препращане къмвъншен сървър на данни, свързани с онлайн-действията на потребите-ля. За идентифициране на потребителите се използват т.нар. „бисквит-ки” (cookies). Бисквитката е уникален идентификатор (поместен в ма-лък текстов файл), който се дава на всеки браузър, заявил уеб-страница от даден сървър. При постъпване на нова заявка, сървърътпроверява дали вече е пращал „бисквитка” на заявяващия браузър. Акобраузърът има „бисквитка” от сървъра, бива „разпознат”. Ако сървъ-рът не открие своя „бисквитка”, асоциирана с браузъра, изпраща нова.

10

Обикновено всеки уеб-сървър поддържа два вида „бисквитки”: (а)Краткосрочни (session-cookies) – съществуват само за времето, презкоето потребителят разглежда сайта. Използват се от електронни мага-зини за запазване на заявените продукти в потребителската кошница,докато потребителят разглежда сайта, за изучаване на потребителскотоповедение в рамките на отделна потребителска сесия и др. След прик-лючване на потребителската сесия краткосрочните „бисквитки” се за-личават от браузъра на потребителя. (б) Дългосрочни (Persistent-cookies) – запазват се върху браузъра и след края на потребителскатасесия. Имат различна продължителност на живот (задава се от уеб-дизайнерите). На дългосрочните „бисквитки” се разчита при разпозна-ване на повторни посещения на сайта от потребителя (в случая се при-ема, че браузърът се ползва от един и същ потребител). В случаите, ко-гато потребителят деактивира „бисквитките” в своя браузър или ги из-трива твърде често, се получават изкривявания на данните за посеща-емостта на сайта. Така например, ако сървърът не разпознае браузъра,му изпраща нова „бисквитка”. Ако потребителят я изтрие и на следва-щия ден отново зареди сайта, той ще бъде интерпретиран като нов по-сетител, тъй като липсва идентификатор, свидетелстващ за неговотоминало поведение на сайта.

За измерване успеха на един уеб-сайт е възможно използването намножество показатели. Тук са коментирани само някои от тях, като стре-межът е да се акцентира върху полезността им при вземане на маркетин-гови решения. Доколко важен е един показател при управлението на уеб-сайтовете е въпрос, на който трудно може да се даде еднозначен отговор.Обикновено вижданията по въпроса са разнопосочни и се основават наиндивидуалния опит на мениджърите (изследователите) и/или специфика-та на конкретния сайт.

Брой посещения. Общият брой посещения се изчислява като сума отвсички потребителски сесии в рамките на определен период, без да седържи сметка за броя на посетителите. Началото на една потребителскасесия се отбелязва със зареждането на първата уеб-страница от сайта. Кра-ят на потребителската сесия се отбелязва с настъпване на едно от следнитесъбития: (a) Посетителят напуска сайта; (б) Посетителят затваря браузъра;(в) Уеб-сървърът автоматично прекъсва сесията на потребителя порадилипса на активност в продължение на определено време (обикновено 29минути). В случая, ако един потребител зареди даден сайт 10 пъти в рам-ките на един час, ще бъдат отчетени 10 отделни посещения. Същият ре-зултат ще бъде отчетен, ако сайтът бъде зареден по веднъж от 10 различнипотребителя.

11

Уникални посетители. В този показател се отчита броя на уникалнитепосетители на сайта за определен период. В случая, ако един потребителзареди даден сайт 10 пъти в рамките на един час, ще бъде отчетен самоведнъж, като един посетител. Ако сайтът е зареден по веднъж от 10 раз-лични потребителя, показателят уникални посетители ще има стойност 10.

Време, прекарано на сайта (продължителност на визитата). За изчис-ляване на показателя продължителност на визитата е необходимо да сеосредни времето за престой на сайта на всички посетители. Показателятима високи стойности, когато сайтът успява да привлече вниманието напосетителите и им предлага релевантно съдържание. На пръв поглед тозипоказател изглежда лесен за интерпретиране. Всъщност, при използванетому следва да се имат предвид следните съображения: Начин на измерване на показателя. За илюстриране на идеята е изпол-

зван следния пример: Посетителят разглежда общо 4 страници в рам-ките на сайта. Последователността на зареждане и продължителносттана престой на всяка страница са показани на следната схема:

Клик 1 – зареждане на страница А – време на зареждане – 16:25 ч.Клик 2 – зареждане на страница B – време на зареждане – 16:28 ч.Клик 3 – зареждане на страница C – време на зареждане – 16:34 ч.Клик 4 – зареждане на страница D – време на зареждане – 16:39 ч.

В 16:39 ч. посетителят напуска сайта. Престоят на всяка отделна стра-ница се изчислява като разлика от момента на зареждане на тази стра-ница и момента на зареждане на следващата страница. Например,престоят на страница А е бил 3 минути (от 16:25 ч. до 16:28 ч.), настраница В – 6 минути, на страница С – 5 минути. Колко, обаче, е про-дължил престоят на посетителя на страница D? Към настоящия моментнякои инструменти за уеб-анализ не дават отговор на този въпрос, тъйкато не регистрират как и кога е напусната последната страница отпрестоя на сайта. Посетителят може да е оставил страницата отворенаи да се занимава с нещо друго. Може да е затворил браузъра или да езаредил друг адрес в URL-полето. Поради невъзможността да се изме-ри продължителността на престоя на последната посетена страница,някои инструменти за уеб-анализ отчитат, че на тази страница посети-телят е престоял 0 минути. Тогава в горния пример показателят време,прекарано на сайта ще има стойност 14 минути (3 + 6 + 5 + 0). Тазиограниченост на измерването е толкова по-критична, колкото по-малъке броят на посещаваните страници в рамките на сайта (нулевият прес-той за последната страница ще се отрази по един начин при разгледаниобщо 10 страници и по друг начин при разгледани общо 3 страници).Има и сайтове, състоящи се само от една страница, на която е разпо-ложено цялото съдържание. В такъв случай показателят продължи-телност на визитата остава неизползваем, тъй като не е ясно дали

12

посетителят е посветил на съдържанието на сайта половин час или енапуснал на втората секунда.

Начин на агрегиране на индивидуалните стойности. Тъй като голямачаст от посетителите на сайтовете разглеждат само по една страница(без значение от колко страници е съставен сайтът), за тези посетителище бъде отчетена нулева продължителност на престой. В такъв случайе нормално при изчисляване на средната продължителност на престояот общия брой посетители да бъдат приспаднати тези, които са посе-тили само една страница на сайта (и имащи съответно нулева продъл-жителност на престой).

Продължителният престой на сайта не винаги е добър знак. Целтапри някои сайтове е да се реши максимално бързо проблема на посе-тителите (например, поръчване на продукт, консултиране по даденвъпрос или др.). В такъв случай „добрите” стойности за показателяпродължителност на визитата ще зависят от естеството и целта насайта (респ. на съставляващите го страници). Възможно е голяматапродължителност на престоя в сайта да е получена за сметка на труд-ната ориентация на посетителя (лоша навигация), трудно разбираемосъдържание, сложна схема за поръчване на продукти или др.

Лоялни (повторно завърнали се) посетители. Повторното използванеможе да се интерпретира като харесване на уеб-сайта. Правилото е, чеколкото по-голям е броят на повторните посетители, толкова по-добре.Посетители, които са заредили сайта само веднъж, нямат никакъв илипочти никакъв принос към неговия успех. Показателят лоялни посетителие един от най-важните за измерване ефективността на уеб-сайта и привле-кателността на заложената в него идея.

Брой разгледани страници. Броят разгледани страници често е основа-ние за определяне цената на банерна реклама, излъчена в даден сайт.Вместо общия брой разгледани страници, обаче, за целите на уеб-анализае по-полезно да се използва показателят брой разгледани страници отедин посетител (отношение между общия брой разгледани страници иброя посетители на сайта). Обикновено високите стойности на показателясе приемат като знак, че потребителите харесват сайта, оценяват позитив-но предложеното съдържание и съответно разглеждат много негови стра-ници. Възможно е, обаче, големите стойности на показателя да са причи-нени от лоша навигация на сайта, принуждаваща посетителите да разг-леждат повече страници докато открият необходимото им съдържание.

Ангажираност на посетителите. За измерител на способността на сайтада ангажира посетителите може да се използва показателят брой потре-бителски сесии на един уникален посетител (отношение между брой по-сещения на сайта и брой на уникалните посетители). Този показател същоняма еднозначна интерпретация. Така например, невъзможно е да се пре-

13

цени дали големият брой посещения на един посетител се дължи на качес-твеното съдържание на сайта или на лоша навигация, която затрудняваориентацията и принуждава посетителите да се връщат повторно на сайта,за да открият необходимото им съдържание.

Степен на отпадане (баунс-рейт). Степента на отпадане е един от най-важните показатели за използваемост на сайта. Отчитането му се предлагаот всички сериозни приложения за уеб-анализ. Интерпретацията на пока-зателя е следната: Ако сайтът е бил зареден от 100 000 посетителя и сте-пента на отпадане е 95%, в действителност само 5 000 посетители са посе-тили уеб-сайта. Един уеб-сайт може да има по-малък брой посетители и дасе радва на по-голям успех, ако степента на отпадане е по-ниска. В обрат-ния случай се генерира голям трафик, който се оказва ненужен, безполе-зен. Добре таргетираният качествен трафик от посетители е един от ос-новните ключове за успешния уеб-сайт.

Следваща страница. За да накарат потребителите да посетят повече отедна страница в рамките на сайта, уеб-дизайнерите използват вътрешнивръзки (internal links). С проследяване на показателя следваща страницаза конкретна целева страница може да се определи дали посетителитеследват зададената последователност от препратки и дали искат да видятповече информация.

Изходящи страници. Изходяща страница е тази, от която посетителятнапуска сайта. Как може да се интерпретира фактът, че голям брой посе-тители напускат сайта от определена страница? Дали тази страница реша-ва техният проблем или поражда усещането, че това "не е техният сайт"?Еднозначен отговор на този въпрос не може да бъде даден единствено набаза показателя изходящи страници.

Разделителна способност (резолюция) на екрана. Разделителната спо-собност показва какъв брой точки (пиксели) могат да бъдат показани врамките на екрана на монитора по хоризонтала и вертикала. Показателят енеобходим, за да се реши с какъв размер да бъдат изработени уеб-страниците на сайта. Разбира се, че тази информация е полезна, но тя сеползва по-скоро от уеб-дизайнерите, отколкото от маркетинговите анали-затори. Данни за разделителната способност се предоставят от всеки инст-румент за уеб-анализ. А дали това е толкова необходимо? Дали постоян-ното отчитане на този показател и включването му в доклади не разхища-ва време, усилия и средства? Всъщност, стойностите на показателя са изк-лючително стабилни във времето и е достатъчно веднъж или два пъти го-дишно да се отчитат тенденциите в поведението на потребителите.

Анализ на кликовете в рамките на уеб-страница. Авангардните инст-рументи за уеб-анализ предлагат възможността за съставяне на карта, по-казваща къде са се случили кликванията в рамките на дадена страница

14

(някои инструменти показват и движенията на „мишката”, дори да не ерегистриран клик). Това дава възможност да се определи интензивносттана кликване върху отделните линкове от страна на посетителите (понякогапосетителите кликват върху графични обекти или думи, зад които не стоилинк). В приложението Google Analytics инструментът за анализ на пове-дението на посетителите в рамките на дадена уеб-страница се нарича In-Page Analytics. От Google са възприели практиката на изписване на про-центи до всеки линк, показващи делът от общите кликове в рамките наанализираната страница.

При други приложения (Crazy Egg, Click Density, ClickHeat и др.) инс-трументът за графично изобразяване на кликовете в рамките на една уеб-страница е наречен Heat Map. При него областите с различна интензив-ност на кликовете се представят чрез различни цветове, кореспондиращисъответно с нисък, среден или висок интерес от страна на посетителите(виж фиг. 2).

Фиг. 2. Графичен вид на инструмента Heat Map на Crazy Egg

Практическите ползи от подобно графично представяне поведениетона посетителите се свързват с подобряване съдържанието на страницата,позициониране на ключово съдържание или рекламни форми на най-горещите позиции, определяне популярността на линковете в уеб-страницата, повишаване релевантността на навигационните линкове и др.Следва да се има предвид, че интензивността на кликовете не винаги епоказателна за атрактивността на съдържанието. Така например, възмож-ни са следните ситуации: линк с ниска популярност препраща към страница с важно съдържание

– в този случай е необходимо да се коригира текста и/или визията наобекта, съдържащ линка;

15

линк с висока популярност препраща към страница с маловажно съ-държание – за да се установи подобна ситуация, е необходимо да севземе предвид както интензивността на кликовете, така и да бъдат от-четени показателите степен на отпадане и продължителност на по-сещенията за страницата, към която линкът препраща.

Проследяване на погледа (Eye-tracking). Подобно на анализа на кликове,чрез проследяване погледа на посетителите могат да се установят онезиучастъци от една уеб-страница, които в най-голяма степен привличат вни-манието на посетителите. Възможно е регистриране на резултатите отпроследяването по отделни посетители (както е показано на фиг. 3), но по-полезни са агрегираните графични карти (виж фиг. 4).

Фиг.3. Индивидуален резултат от проследяване на погледа

16

Фиг. 4. Агрегиран резултат от проследяванена погледа

Вътрешни търсения. За собствениците на сайтове интерес представлявавъпросът дали посетителите следват стриктно структурата на сайта илисами избират какво да прегледат. За да се отговори на този въпрос, е нуж-но да бъдат анализирани вътрешните търсения. Някои (но не всички) при-ложения за уеб-анализ дават възможност за проследяване на вътрешнитетърсения в рамките на сайта. Отчетите за вътрешното търсене предоставятинформация за: брой посетители, използвали търсещата машина на сайта;ключови думи, използвани за търсене в сайта; взаимодействие на посети-телите със сайта в резултат на търсенето – дали прецизират търсенето си,дали преглеждат повече страници или излизат от сайта.

Детайлна информация за показателите за вътрешно търсене, които сеизчисляват в Google Analytics, е достъпна на адрес http://bit.ly/uL5lFv (пос-леден достъп: 11.11.2011).

Някои от коментираните показатели не са особено полезни за целитена уеб-анализа. Възможно е дори да насочат мениджърите към грешнирешения. В стремежа за повишаване на ползите за клиента, предложите-лите на инструменти за уеб-анализ постоянно развиват своите продукти,като добавят нови показатели и функционалности. Независимо, обаче, койинструмент за уеб-анализ се използва, независимо от това какви показате-ли и функционалности той предлага, анализиращият може да получи самоотговор на въпроса „Какво се случва?”. Приложенията за уеб-анализ (къмнастоящия момент) не дават отговор на важния за всеки мениджър въпрос„Защо нещата се случват именно по този начин?”. За да се получи отго-

Легенда: С червен цвят са

означени зоните, рад-ващи се на най-голяминтерес от страна напосетителите.

С жълт цвят са озна-чени зоните, привли-чащи в по-ниска сте-пен погледа на посе-тителите.

Със син цвят са озна-чение онези зони, кои-то провокират най-слаб интерес у посе-тителите.

В сив цвят са оцвете-ни всички останализони от уеб-страницата, коитоизобщо не привличатпогледа на посетите-лите.

17

вор и на този въпрос, се налага използването на допълнителни инструмен-ти. Към тях се отнасят: Допитване до посетителите на сайта чрез анкета. За целта може на

централно място на сайта да се помести линк, насочващ посетителитекъм онлайн-анкетна карта. С цел привличане вниманието на потенциал-ни участници в допитването се използват и pop-up прозорци, чрез коитосе разяснява целта на изследването и се препраща към онлайн-въпросник (обичайна практика на Gemius, Nielsen Online и др. при изс-ледване поведението на интернет потребителите).

Допитване до посетителите на сайта чрез провеждане на неструкту-рирано интервю. За разлика от структурираната анкета, на която пот-ребителят отговаря самостоятелно и в асинхронен режим, неструктури-раното интервю протича в реално време в диалогов режим. За целта сеизползват софтуерни приложения (например Promptchat), които даватвъзможност изследователят да „заговори” посетител, който разглеждасайта, и да предложи за коментар интересуващите го въпроси.

Мониторинг на уеб-пространството. Редица компании – Google(Google Alerts), Nielsen Online (BuzzMetrics) и др. – предлагат услугатаследене и информиране за състояли се коментари по определени теми вблогове, социални мрежи, форуми, видео-съдържание и др. Полученатапо този начин информация (мнения, отношения, нагласи) може да еособено полезна при обясняване на начина, по който потребителитевзаимодействат със сайта.

Провеждане на онлайн-експерименти. През 2006 г. Google пуска напазара Website Optimizer като самостоятелен продукт (дотогава същест-вувал като част от програмата AdWords). Към настоящия момент опти-мизаторът на уеб-сайтове предоставя възможност за провеждане на дву-вариантни (А/В) и многовариантни (multivariate) тестове, чрез които поекспериментален път се установява кои съдържателни компоненти науеб-страницата я правят най-въздействаща за потребителите. По тозиначин анализиращият може да установи причините, които обясняват ре-зултатите от функционирането на сайта, както и да набележи онези ко-рекции, които биха повишили степента на реализация на поставенитецели.

Провеждане на лабораторни наблюдения. Поведението на потребите-лите при използване на сайта може да се изследва и с помощта на наб-людение в лабораторни условия. При тези наблюдения се регистриратдействията на потребителите, въз основа на които се съди за ефектив-

18

ността на отделни компоненти на уеб-сайта. Така например, Tobii из-ползват специализиран хардуер и софтуер за проследяване движениетона погледа, като по този начин установяват кои секции от уеб-страницата привличат в най-голяма степен вниманието на респондента.

Някои от описаните по-горе показатели и функционалности за уеб-анализ са използвани при съставяне на въпросите към допитване, резулта-тите от което са докладвани в точка III на изследването.

ИЗВОДИ1. За пазарната дифузия на приложения за уеб-анализ значение имат две

групи фактори – контролируеми и неконтролируеми от страна напредприятията-производители. Някои от ключовите фактори са: отно-сително предимство, съвместимост, сложност, възможност за изпроб-ване, видимост при потребление, интеграция на иновацията, възприе-мани ползи, разходи за придобиване.

2. Развитието на технологиите позволява прецизното измерване на пока-затели с ключово значение за уеб-анализа. Достъпни за използванестават все по-рафинирани функционалности, позволяващи провежданена задълбочен анализ и вземане на пазарно аргументирани решения.

3. Към настоящия момент приложенията за уеб-анализ дават отговор навъпроса „Какво се случва?”, но не и на въпроса „Защо нещата сеслучват по този начин?”. За обясняване поведението на уеб-потребителите се налага използване на допълнителни изследователскиинструменти (допитване, наблюдение, експеримент).

III. ЕМПИРИЧНИ РЕЗУЛТАТИ ОТ ИЗСЛЕДВАНЕТО

1. Измерване използваемостта на приложения за уеб-анализ в светаЗа целта са използвани възможностите, предлагани от сайта

w3techs.com. При нея се сканират ежедневно първите 1 000 000 сайта снай-голям брой посетители (за света като цяло). Съставът на обследванитесайтове може да се види на адрес http://bit.ly/10N9o7 (последен достъп:29.01.2012 г.). Сайтовете се сканират автоматично с помощта на специал-но създаден за целта софтуер, като се следи за вида на използваните тех-нологии (език за програмиране, формат на графичните файлове, вид наизползвания сървър, участие на сайта в рекламни мрежи, използвани при-ложения за уеб-анализ и др.). Наличието на една технология се констатираза сайта като цяло, а не за отделни негови страници. С други думи, акоедна технология е „засечена” на някоя страница, се смята, че сайтът катоцяло използва съответната технология. Резултатите се обновяват ежеднев-но. По отношение на приложенията за уеб-анализ ситуацията (за света)към 17.10.2011 г. е представена в таблица 1.

19

Таблица 1. Процент сайтове, ползващи определен инструмент за уеб-анализ(в света като цяло) Източник: W3Techs.com, 17.10.2011

Инструмент % от пол-зващите

% отвсички Инструмент % от пол-

зващите% от

всичкиNone 34,4% Flag Counter 0,4% 0,2%Google Analytics 81,6% 53,5% INFOlnine 0,3% 0,2%

LiveInternet 5,6% 3,7% Yahoo! WebAnalytics 0,3% 0,2%

CNZZ 4,3% 2,8% Hubspot 0,3% 0,2%StatCounter 4,1% 2,7% Mint 0,2% 0,2%Quantcast 3,5% 2,3% Revolver Maps 0,2% 0,1%WordPress Stats 3,0% 2,0% Reinvigorate 0,2% 0,1%Yandex.Metrika 2,8% 1,8% AddfreeStats 0,2% 0,1%Rambler 2,7% 1,7% Nedstat 0,2% 0,1%Whos.amung.us 2,3% 1,5% stat24 0,2% 0,1%Histats 2,0% 1,3% ClustrMaps 0,2% 0,1%51.la 1,8% 1,2% AWeber 0,1% 0,1%Omniture 1,7% 1,1% Coremetrics 0,1% 0,1%Piwik 1,5% 1,0% HitTail 0,1% 0,1%Site Meter 1,3% 0,9% HitsLink 0,1% 0,1%Clicky 1,2% 0,8% Onlinewebstats 0,1% 0,1%Full Circle Studies 1,2% 0,8% phpMyVisites 0,1% 0,1%Top.Mail.Ru 1,0% 0,7% KISSmetrics 0,1% 0,1%Gemius 0,8% 0,5% AdEmails 0,1% 0,1%eXTReMe Tracker 0,8% 0,5% Clickdensity 0,1% 0,1%AT Internet 0,7% 0,5% GoStats 0,1% 0,1%Nielsen NetRatings 0,6% 0,4% Specific Click 0,1% 0,1%Chartbeat 0,6% 0,4% Mixpanel 0,1% 0,1%Woopra 0,6% 0,4% Web-Stat 0,1% 0,1%ClickTale 0,6% 0,4% VisiStat 0,1% 0,1%Feedjit 0,5% 0,3% GoingUp 0,1% 0,1%Webtrends 0,5% 0,3% OneStat 0,1% 0,1%CrazyEgg 0,5% 0,3% Snoobi 0,1% 0,1%Urchin 0,4% 0,3% Opentracker 0,1% 0,1%Etracker 0,4% 0,3% Lyris 0,1% 0,1%

Данните в таблица 1 следва да се интерпретират по следния начин:34,4% от сайтовете не използват нито едно от приложенията за уеб-анализ,за които софтуерът на W3Techs.com следи. Google Analytics се използва от53,5% от всички сайтове, което се равнява на 81,6% от сайтовете, използ-ващи приложение за уеб-анализ. Някои сайтове използват по повече отедно приложение, поради което сборът на процентите надвишава 100.11

11 Към 17.10.2011 г. следните приложения за уеб-анализ имат пазарен дял по-малък от 0,1%(класацията е динамична и при всяка следваща проверка съставът и подредбата на прило-женията може да са различни): GoSquared, W3Counter, Gomez, BlueKai, Webmasterpro, CQCounter, Gravity, Insights, DC Storm, ShinyStat, pMetrics, IceRocket Blog Tracker, UnicaNetInsight, Lotame, Crowd Science, WiredMinds, OurStats, WebHits, NeoCounter, Optimost,BlogCounter, Speed-Trap, AuriQ, Tiny Counter, Trackset, Intellitracker, ActiveMeter, Navegg,123Count, Top-Rank.pl, TraceWatch, 103bees, nextSTAT, 24Counter, MapMyUser, Logaholic,

20

2. Измерване използваемостта на приложения за уеб-анализ в Бълга-рия

Измерването е извършено отново с помощта на w3techs.com, който да-ва възможност да се провери какви технологии са използвани при изра-ботването на произволно избран сайт. На наблюдение са подложени общо627 сайта на предприятия с голямо разнообразие в предмета на дейност(банки; застрахователни компании; производители на мебели, обзавежданеи оборудване за дома; счетоводни къщи; IT-компании; транспортни ком-пании; здравни заведения; печатници; издателски къщи; рекламни аген-ции; производители на парфюмерия и козметика; туристически, търговс-ки, строителни, фармацевтични компании и др.). Периодът на регистрира-не на данните е 3-12.10.2011 г. Наблюдаваните сайтове са случайно избра-ни от съвкупност, наброяваща 5100 предприятия (не всички от тях разпо-лагат с уеб-сайт), като е следван стремежа за равномерно представяне визвадката на предприятия от различни сфери на дейност. Получените ре-зултати формално не могат да се разглеждат като представителни, тъйкато не са следвани конкретни правила за излъчване на представителнаизвадка. При 34 от предприятията (5,42% от всички случи) се оказа, чеадресът на сайта не съществува или е променен. Съвсем естествено, тезипредприятия бяха изключени от анализа, с което извадката се редуцира до593 случая. Обобщените резултати са показани на фиг. 6.

Отчетливо впечатление прави големият дял на предприятията, коитоне използват никакъв инструменти за уеб-анализ – 62,73%. За сравнение, всвета като цяло този дял е приблизително наполовина – 34,4%. Разбира се,при това съпоставяне следва да се имат предвид мащабите на анализира-ните сайтове. В анализа на използваемостта на инструменти за уеб-анализв света като цяло са обхванати само най-големите сайтове, докато изборътна български сайтове е произволен (критерият големина на сайта не сеизползва при формиране на извадката). Що се отнася до най-често използ-ваният инструмент за уеб-анализ – подобно на ситуацията в световен ма-щаб (81,6%), българските уеб-сайтове използват предимно Google Ana-lytics (80,54%).

eVisit Analyst, BLVD Status, eWebcounter, RiteCounter, Koego, Open Web Analytics, SiteT-racker, Fireclick, StatsSheet, iWebTrack, Bango, Performable, Lynchpin, Statisfy, Trafit, Real-Tracker, Stat08, Stats4You, Pagealizer, Branica, Logdy, RedEye, Da Counter, TrafficFile, Edge,Grape, Trendcounter, FacilitateOne, SCL Analytics, Trackyourvisitor.

21

Фиг. 6. Процент сайтове, използващи определен инструмент за уеб-анализ (заБългария)

3. Сравнителен анализ на инструменти за уеб-анализАнализът е базиран на експертни оценки на български и чуждестранни

специалисти по уеб-дизайн и оптимизация на сайтове (SEO, от Search En-gine Optimization). Сравнявани са само онези инструменти, които иматнай-висока степен на използване от потребителите на българския пазар –Google Analytics (GA), StatCounter (SC), Gemius (G) и eXTReMe Tracker(eT). При съпоставяне на конкурентните продукти са използвани следнитеоценъчни критерии: (А) лекота на инсталиране; (Б) лекота на използване;(В) пакет от предлагани функции; (Г) възможност за адаптиране съобразноспецифичните потребности на потребителите; (Д) цена. Приложена е пре-тегляща оценъчна процедура, в която се присвоява тегло на оценяванитекритерии, след което по 5-степенна скала (1 – много лоша оценка, 2 – по-

22

скоро лоша оценка, 3 – нито лоша, нито добра оценка, 4 – по-скоро добраоценка, 5 – много добра оценка) е оценено състоянието на критериите присъответния предложител. Приложението на процедурата е илюстрираночрез таблица 2.

Таблица 2. Оценка на инструменти за уеб-анализ

Оценка (от 1 до 5) Претеглена оценкаОценъченкритерий Тегло*

GA SC G eT GA SC G eT(А) 0,05 4 5 5 4 0,20 0,25 0,25 0,20(Б) 0,15 5 5 4 5 0,75 0,75 0,60 0,75(В) 0,3 4 4 5 3 1,20 1,20 1,50 0,90(Г) 0,1 5 4 4 3 0,50 0,40 0,40 0,30(Д) 0,4 5 3 2 2 2,00 1,20 0,80 0,80

СУМА 1 --- --- --- --- 4,65 3,80 3,55 2,95

* Теглата на отделните критерии са избрани с оглед спецификата на българскияпазар.

Анализът на отделните приложения показва, че те предлагат сравни-телно хомогенни функции. Стремежът на отделните предложители е даразвият отчетливо конкурентно предимство в дадена посока и да акценти-рат върху нейната важност за потребителите. Така например: Основното предимство на Google Analytics се изразява в нулевата цена

за пълнофункционален достъп. StatCounter залага на изчистения дизайн, опростената навигация и ле-

кота на използването. Gemius инвестират в авангардни технологии, позволяващи им да пред-

лагат специфични функции – в допълнение към данните за използване-то на сайта, предлагат още и демографски и социо-икономически данниза потребителите на сайта.

Силна страна на eXTReMe Tracker е възможността за изключване отдокладите на данни, регистрирани от определени IP-адреси – напримерадресите на анализаторите, адресите на собственика на сайта и негови-те служители и т.н.

Както се вижда от таблица 2, експертните оценки се припокриват съсстепента на пазарно разпространение на анализираните инструменти зауеб-анализ. При това положение, отчитайки резултатите от точки 1, 2 и 3,изглежда резонно фокусът на изследването да се насочи към едноличнияпазарен лидер – Google Analytics.

23

4. Използване на Google Analytics в България

4.1. Цели на емпиричното изследване

Изучаването на начина, по който Google Analytics се използва от соб-ствениците на сайтове в България, е ориентирано към постигане на след-ните цели: Изследване степента на използване на Google Analytics – по видове

данни и видове функции. Откриване на „бели петна” във функционалния пакет на Google Ana-

lytics. Установяване модела на взаимоотношенията „SEO-експерт – собстве-

ник на уеб-сайт” в България, що се касае до ползване отчетите наGoogle Analytics.

Проверка за наличие на различия при използването на инструменти зауеб-анализ от български и чуждестранни собственици на уеб-сайтове.

Оценка на влиянието, което уеб-анализа оказва върху резултатите науеб-сайтовете.

4.2. Съображения при планиране на емпиричното изследванеОсновните предизвикателства при планиране на допитването се свърз-

ват с:a) Избор на подходящи за целите на изследването респонденти. Въз-

можен подход в случая е допитването да бъде реализирано със самитесобственици на сайтове. В такъв случай въпросите биха звучали най-общо така: "Доколко важни за Вас са следните данни (или функцио-налности), предоставяни от Google Analytics?". Екипът избра другподход – допитването да бъде проведено с експерти по оптимизацияна сайтове, които са запознати с инструмента Google Analytics, кон-тактуват със собствениците на сайтове и познават информационнитеим потребности.

b) Избор на подходящ канал за достигане до целевите респонденти.В качеството на респонденти попадат едни от най-грамотнитепотребители на информационни технологии – специалистите по SEO.Като така, най-удачен метод за набиране на данни се оказа онлайн ан-кетата. Принципно, към предимствата на онлайн допитванията можемда отнесем: пространствена и времева неограниченост, бързо събира-не на данните, елиминиране на риска от допускане на грешки при въ-веждане на данните, нулеви разходи за отпечатване и доставяне наанкетата до респондента, нулеви разходи за въвеждане на суровитеданни. За да се възползваме от тези предимства, ни бяха необходимиe-mail адресите на български SEO-специалисти. Тези адреси бяха съб-рани директно от сайтовете, в които SEO-специалистите предлагатсвоите услуги.

24

c) Дефиниране на въпросите и отговорите по начин, позволяващправилното им разбиране от всички респонденти (SEO-експерти)– т.е. да се борави с разбираеми за респондентите понятия. Винагипри провеждане на допитване е полезно предварително да бъде тест-ван изследователския инструмент с представители на целевите рес-понденти. Тестването на анкетната карта бе направено сред петимаинтензивни потребители на Google Analytics, двама от които професи-онално занимаващи се с уеб-анализ. След отчитане на събраните ко-ментари и препоръки, се стигна до финалния вид на анкетната карта.

d) Да не се допускат двусмислия или неясноти, налагащи допълни-телно разясняване. Това е особено важно при изследователски инст-рументи с висока степен на структурираност, каквато е анкетата. Рес-пондентът е сам със себе си и липсва възможност за консултиране отстрана на изследователя. В подобни случаи правилното разбиране съ-държанието на анкетата е критично важно за получаването на неизк-ривени данни. В тази посока бе полезно споменатото вече предвари-телно тестване на анкетната карта.

e) Да бъдат дадени ясни и еднозначни указани за начина на отгова-ряне на различните типове въпроси. При съставянето на анкетнатакарта изследователският екип се ръководеше от разбирането, че е по-добре указанията за начина на отговаряне да бъдат направени конк-ретно към всеки отделен въпрос, а не само веднъж в началото (във въ-веждащата част) на анкетата. Съдържанието и местоположението наотделните указания могат да се видят в приложената към настоящияотчет анкетна карта.

f) Тежестта на анкетата да не подтиква респондентите към отказ. Зацелта броят, видът, последователността и тежестта на въпросите бяхатака подбрани, че да предразполагат респондентите към цялостно по-пълване на анкетата.

g) Дизайнът на анкетата да позволява безпроблемното преминаванеот секция в секция и безпроблемното й завършване. Съдържаниетона анкетата бе разделено на отделни смислово обособени секции. Приподобно структуриране на анкетата респондентът преминава къмследваща секция от въпроси едва след попълване на въпросите отпредходната секция. Това дозиране на съдържанието създава усеща-нето за логическа завършеност, за лекота на анкетата, не позволява нареспондента да види накуп всички въпроси, а го заставя да даде свои-те отговори в заложен от изследователя порядък.

h) Добавяне към писмото на проследяващ код. Предназначението напроследяващия код е да предостави допълнителна информацияотносно броя на отворилите писмото и броя на кликналите върхуизпратения в писмото линк към анкетата. Оказа се, че това не еподходящо решение, тъй като бяха породени съмнения у респонден-тите относно анонимността на анкетата. На практика, използваният

25

проследяващ код няма възможност за идентифициране на респонден-та, стоящ зад даден отговор. Така или иначе, обаче, част от реципиен-тите на писмото не попълниха анкетата именно поради наличието напроследяващ код.

i) Използване на специалиизиран софтуер за e-mail-кампании. Доба-вянето на проследяващ код е реализирано с помощта на специализи-ран софтуер за провеждане на e-mail-кампании. В изследването бе из-ползвано приложението SendBlaster 2. Софтуерът се предлага в адап-тирана на български език версия и включва следните възможности: създаване на списъци с e-mail-адреси, до които да бъде изпратено

писмото; импортиране на списъци с адреси, създадени в други приложения; задаване на схема за изпращане на масов e-mail, така че да не бъде

улавян от спам-филтрите на mail-сървърите на реципиентите; получаване на данни за: брой на изпратените писма, брой на не-

доставените писма, брой на отворените от реципиентите писма,брой кликвания върху линк от писмото;

интеграция с Google Analytics – позволява отчитане на ефектите отe-mail-кампанията – брой на последвалите поръчки, брой на напра-вените покупки, етап, на който е била стопирана поръчката и др.;

поддържане на архив с всички минали кампании; персонализиране на писмата; обработка на върнати писма; филтриране на контактите по избрани критерии и др.

4.3. Резултати от емпиричното изследванеПо-долу са обобщени резултатите от допитването, реализирано със

SEO-експерти. Допитването е проведено в периода 1-10 ноември 2011 г. Вкачеството на респонденти бяха използвани специалисти по SEO. Аргу-ментите за това са:a) В качеството си на експерти, SEO-специалистите познават принципи-

те на уеб-измерванията и уеб-анализа;b) SEO-специалистите контактуват със собственици на сайтове, за които

изготвят доклади с показатели за уеб-анализ и в тази връзка познаватинформационните предпочитания на своите клиенти;

c) Ако в качеството на респонденти се използват собствениците на сай-тове, е много вероятно да се получат завишени оценки за интересакъм показателите за уеб-анализ, докато SEO-специалистите нямат ин-терес от надценяване на измерваните конструкции и е по-вероятно дададат безпристрастна, по-реалистична оценка.

В посочения период ефективно участие в допитването взеха общо 18експерти по SEO, които през 2011 г. са имали приблизително 323 клиенти

26

(собственици на сайтове). Писма с линк към анкетата бяха пратени до об-що 113 адресати. Три от e-mail-адресите се оказаха недостъпни. От 110писма, доставени до mail-сървърите на адресатите, 42 са отворени от ре-ципиентите, а 30 от тях са кликнали върху изпратения линк към анкетата.Освен 18-те попълнени анкети, бяха регистрирани и три „празни” анкети(изпратени от респондентите без да са попълнени). Тези отчетни данни сасистематизирани в таблица 3:

Таблица 3. Количествени параметри от реализацията на допитването/в рамките на периода 1-10 ноември 2011 г./

Пратениписма

Доставениписма

Грешниадреси

Отворениписма

Кликваниявърху линк

към анкетата

Пратени„празни”анкети

Попълненианкети

113 110 3 42 30 3 18

От предишни онлайн допитвания сме констатирали, че степента навъзвръщаемост е сравнително ниска – варира от 1-2% (в най-лошия вари-ант) до 5-6% (в най-добрия вариант). Подобен нисък резултат може данамери различни обяснения. В настоящото допитване е регистрирана въз-връщаемост от 16,36% (18 / 110). Този необичайно висок резултат може дасе обясни основно с интересната за SEO-специалистите тема на анкетата.Не може да не направи впечатление, обаче, големият брой неотворениписма – 68 от 110 доставени (61,82%). Малко вероятно е SEO-специалистида не проверяват регулярно e-mail, който са публикували за контакт с по-тенциални свои клиенти. Възможно обяснение е задействането на спам-филтрите на някои от mail-сървърите, до които е изпратено съобщението.

4.3.1. Степен на заинтересованост на собствениците на сайтове от пока-затели, предлагани в Google Analytics. Очаквано, не всички показа-тели за уеб-анализ се радват на еднакъв интерес от бизнеса (вижфиг. 8).

27

Фиг. 8. Интерес на бизнеса към показатели за уеб-анализ

Ако скалата от 0% до 100% бъде условно разделена на три равни части(0%-33,33% – зона на слаб интерес, съответно зона на маловажните пока-затели, 33,33%-66,67% – зона на среден интерес, съответно зона показате-ли със средна степен на важност, 66,67%-100% – зона на силен интерес,съответно зона на най-важните показатели), се получават следните групи:a) Най-важни показатели: Ключови думи, по които сайтът е бил наме-

рен чрез търсачки; Общ брой посещения от всички посетители на сай-

28

та; Източници на трафик; Вид на продадените продукти (само присайтовете за електронна търговия); Абсолютен брой уникални посе-тители на сайта.

b) По-скоро важни показатели: Средна стойност на една поръчка отсайта (само при сайтовете за електронна търговия); Държави, от коитоса направени покупки (само при сайтовете за електронна търговия);Степен на отпадане на посетителите на сайта; Брой посещения на сай-та, необходими на потребителя да стигне до покупка (само при сайто-вете за електронна търговия); Най-добри източници на приходи (самопри сайтовете за електронна търговия); Държави, от които са регист-рирани посещения; Брой дни, необходими на потребителя да стигнедо покупка (само при сайтовете за електронна търговия); Средно вре-ме, прекарано на сайта.

c) По-скоро маловажни показатели: Продължителност на посещения-та; Общо приходи от продажби от сайта (само при сайтовете за елект-ронна търговия); Брой нови и повторни посещения; Брой страници,разгледани при едно посещение; Брой страници, видяни от всички по-сетители на сайта; Браузър, който ползват посетителите на сайта; Ло-ялност на посетителите; Операционна система, която ползват посети-телите на сайта; Брой посещения, реализирани с помощта на мобилниустройства; Разделителна способност на екрана на посетителите насайта; Актуалност на посещенията (кога посетителите са направилипредишното си посещение).

Необичайно нисък е интересът към ключови показатели като продъл-жителност на престоя на посетителите на сайта, брой на новите и повтор-ните посещения, брой на страниците, разгледани при едно посещение и др.

Преобладаващите мнения на SEO-експертите по втори въпрос от ан-кетната карта „От данни за кои показатели се интересуват Вашитеклиенти (собственици на сайтове), които Google Analytics понастоящемне предлага?” са две: Собствениците на сайтове не проявяват интерес към допълнителни

показатели, липсващи в пакета на Google Analytics. Собствениците на сайтове „искат клиенти за малко пари” и “не се

интересуват от никакви показатели, защото това са само цифри”.

Получените отговори очертават следната ситуация: На българския па-зар на приложения за уеб-анализ водеща е страната на предлагането. Товае изцяло воден от технологията пазар. Потребителите се задоволяват спасивната роля да се адаптират към предложените им функционалности.Не съществува натиск от страна на потребителите за развитие на предла-ганите им технологии в определена насока. Смятаме, че основна причиназа това е ниската аналитична култура на хората, ангажирани с управление-то на уеб-сайтове.

29

4.3.2. Оценка степента на полезност на предлаганите в Google Analyticsфункционалности. В тази секция се отчита мнението на самитеSEO-специалисти, а не се търси мнението на техните клиенти. По-лучените оценки са обобщени на фиг. 9.

Фиг. 9. Оценки на респондентите за полезността на функционалности, пред-лагани от Google Analytics

За измерване на променливата „Полезност на функционалностите,предлагани от Google Analytics” е използвана 5-степенна оценъчна скала,чиито степени са натоварени със следните значения: 1 – изключителнополезна, 2 – по-скоро полезна, 3 – нито полезна, нито безполезна, 4 – по-скоро безполезна, 5 – напълно безполезна.

От фиг. 9 се вижда, че респондентите са сравнително единодушни от-носно високата полезност на всички оценявани функционалности. За хо-могенността на оценките говорят и относително ниските стойности надисперсията, измерена чрез стандартното отклонение (виж таблица 4).

30

Таблица 4. Стандартни отклонения при оценяване полезността на функцио-налности, предлагани от Google Analytics

Оценявана функционалност Стандартно отклонение

Съпоставяне стойностите на един и същ показа-тел за различни периоди 0,704

Интегриране на AdWords и Google Analytics про-фили на потребителите 0,743

Сравняване стойностите на два показателя заедин и същ период 0,828

Сегментиране на посетителите по определенипоказатели 0,828

Филтриране на данни от отчетите 0,737Дефиниране на цели и проследяване за тяхнотоизпълнение 1,014

Визуализиране поведението на потребителите врамките на уеб-страницата (In-Page Analytics) 0,704

Създаване на персонализирани отчети 0,884Създаване на автоматични сигнали, уведомяващиза промени при използването на сайта 0,884

Препоръките на специалистите по SEO са в следните посоки: Да се додобави функционалност, позволяваща проследяване на

движенията на мишката и изготвяне на т.нар. Heat Maps (по подобиена тази от фиг. 2).

Да се добави функционалност, позволяваща анализ на най-търсенитедуми. Такава функционалност се предлага, но в друг инструмент –Google Inside. Интегрирането на двата инструмента би улеснилоизвършването на уеб-анализи.

Да се предлагат социо-икономически и демографски данни запосетителите на определени сайтове. Подобна услуга към настоящиямомент е платена и се предлага от Nilsen Online и Gemius.

Да се предоставят данни за позицията, на която се класира сайтът притърсене по определена ключова дума. Този показател и към моментаможе да се следи чрез инструмента Google Webmasters.Интегрирането му в Google Analytics би улеснило извършването науеб-анализи.

4.3.3. Отношение „SEO-специалист – клиент”. С цел установяване намоделите, по които се случват взаимоотношенията между SEO-специалисти и техните клиенти (собственици на сайтове), бяхапоставени въпроси относно заплащането на направените анали-тични отчети и правата за достъп, които клиентите имат до профи-

31

ла на своя сайт в Google Analytics. По отношение заплащането заизготвяне на аналитични доклади се установи наличието на тримодела:

Ползването на аналитичните отчети е безплатно – за около 78,33% отклиентите на обхванатите в извадката респонденти (253 / 323).

Ползването на аналитични доклади е платено – при 18,58% (60/ 323)от клиентите на обхванатите в извадката респонденти.

Ползването на аналитични доклади е безплатно, но само доопределен обем отчети – при 3,1% (10 / 323) от клиентите наобхванатите в извадката респонденти.

Както се вижда от резултатите, обичайна практика в България е SEO-експертите да предоставят на своите клиенти безплатно отчетите от уеб-анализа. Очертава се следната хипотеза, която би могла да бъде проверенав по-нататъшно изследване: Собствениците на сайтове не възприемат от-четите от уеб-анализа като нещо полезно, за което си заслужава да се пла-ща отделна цена, поради което SEO-специалистите предпочитат да гипредлагат безплатно, като бонус към основната услуга.

За екипа представляваше интерес и въпросът как е уреден достъпа насобствениците на сайтове до профила на техния сайт в Google Analytics.Различно от предварителните очаквания, по-голямата част от собствени-ците на сайтове имат пълноправен достъп до своя профил (виж фиг. 10).

Фиг. 10. Достъп до профил в Google Analytics

Процентите, които SEO-специалистите са посочили за всяка от чети-рите алтернативи, са претеглени с броя на обслужваните клиенти за 2011г. С претеглянето на отговорите се цели получаването на по-надежднаоценка в сравнение с простата аритметична непретеглена величина.

32

След анализ на резултатите от допитването се оказва, че все още иманепопълнени информационни полета, т.е. така замислената анкета давачаст от необходимите отговори, но подсказва и насоки за допълнителноизследване. Така например, възниква въпросът дали клиентите, които иматдостъп до профила на своя сайт в Google Analytics, използват целево и посъщество този достъп. Смятаме, че отговорът е по-скоро отрицателен.Основание за подобно мнение ни дава оценката на SEO-специалистите заразликите в степента на използване на инструменти за уеб-анализ междучуждестранните и българските собственици на сайтове (виж фиг. 11).

Фиг. 11. Различия в използването на Google Analytics от чуждестранни и бъл-гарски клиенти

Значенията на оценките от 1 до 4 от фиг. 11 са както следва: 1 – несъществува никаква разлика, 2 – по-скоро не съществува разлика, 3 – по-скоро съществува разлика, 4 – съществува огромна разлика.

В заключение, смятаме за важно експертното мнение на специалисти-те по SEO за връзката между уеб-анализа и резултатите на уеб-сайта. Ка-тегорично, то е в полза на уеб-анализа (виж фиг. 12).

33

Фиг. 12. Връзка между уеб-анализ и резултати на сайта

Значенията на оценките от 1 до 4 от фиг. 12 са както следва: 1 – Уеб-анализът категорично подобрява резултатите на уеб-сайтовете, 2 – Уеб-анализът по-скоро подобрява резултатите на уеб-сайтовете, 3 – Уеб-анализът по-скоро не влияе върху резултатите на уеб-сайтовете, 4 – Уеб-анализът категорично не влияе върху резултатите на уеб-сайтовете.

Като се имат предвид разминаванията между (1) потенциал на прило-женията за уеб-анализ и (2) фактическо използване на приложения за уеб-анализ в България, изглежда логично предприемането на действия за по-вишаване убедеността на българските мениджъри в ползите от уеб-анализа. В тази връзка смятаме за уместно разработване (с привличане наSEO-експерти) на интерактивен модул, демонстриращ нагледно и разбира-емо: как се регистрира профил в Google Analytics; как се инсталира Java-Script-кода на Google Analytics; как се интерпретират получените отGoogle Analytics данни; как се използват предлаганите от Google Analyticsфункционалности; как се използват получените от Google Analytics данниза подобряване резултатите на сайта и свързаните с него активности.

ИЗВОДИ1. В световен мащаб едноличен лидер в бранша на приложения за уеб-

анализ е Google Analytics – използван от 81,6% от сайтовете към мо-мента на провеждане на изследването. Около една трета (34,4%) отсайтовете в света не ползват никакъв инструмент за уеб-анализ.

2. В България, подобно на състоянието в света като цяло, едноличен ли-дер в бранша на приложения за уеб-анализ е Google Analytics – използ-ван от 80,54% от сайтовете към момента на провеждане на изследване-то. Около две трети (62,73%) от сайтовете в света не ползват никакъвинструмент за уеб-анализ.

34

3. Сравнителният анализ на най-популярните на българския пазар инст-рументи за уеб-анализ показва, че те са сравнително хомогенни отгледна точка на предлагани функционалности. Направената оценка покритериите лекота на инсталиране, лекота на използване, предлаганифункционалности, адаптивност и цена потвърждава лидерската пози-ция на Google Analytics. Ключовото предимство на приложението енулевата цена за използване на пълния пакет от функционалности.

4. На българския пазар на приложения за уеб-анализ водеща е странатана предлагането. Потребителите се задоволяват с пасивната роля да сеадаптират към предложените им функционалности. Не съществува на-тиск от страна на потребителите за развитие на предлаганите им тех-нологии в определена насока. Причина за това е ниската аналитичнакултура на хората, ангажирани с управлението на уеб-сайтове.

5. SEO-специалистите са единодушни относно: високата полезност напредлаганите от Google Analytics функционалности; наличието на раз-лики в начина на ползване на Google Analytics от български и чуждест-ранни собственици на сайтове; положителната връзка между уеб-анализа и успеваемостта на уеб-сайта.

6. Създаването на интерактивен модул, разясняващ възможностите наGoogle Analytics и неговото безвъзмездно разпространяване би пови-шило аналитичната култура на собствениците на сайтове и би допри-несло за по-висока ефективност на техните онлайн-активности.

ИЗПОЛЗВАНА ЛИТЕРАТУРА

1. Кръстевич, Т. Интерактивен маркетинг, глава седма от „Еволюция на съвре-менния маркетинг”. Академично издателство „Ценов”, Свищов, 2003.

2. Томс, Ж., Г. Белогушева. Онлайн маркетинг – мисия още по-възможна,CIELA, София, 2007.

3. Alam, S., K. Noor. ICT Adoption in Small and Medium Enterprises: an EmpiricalEvidence of Service Sectors in Malaysia, International Journal of Business andManagement, Vol. 4, №2, February, 2009, pp. 112-125.

4. Clifton, B. Advanced Web Metrics with Google Analytics, Second Edition, WileyPublishing, Inc., 2010.

5. Dixon, T., B. Thompson, P. McAllister. The value of ICT for SMEs in the UK: acritical literature review, Report for Small Business Service research programme,The College of Estate Management, September 2002, pp. 1-26.

6. Jackson, S. Cult of Analytics: Driving Online Marketing Strategies Using WebAnalytics, Elsevier, 2009.

7. Jansen, B. Understanding User – Web Interactions via Web Analytics, Morgan &Claypool, 2009.

8. Kaushik, A. Web Analytic: An Hour a Day, Wiley Publishing, Inc., 2007.9. Teixeira, J. Your Google Game Plan for Success: Increasing Your Web Presence

with Google AdWords, Analytics, and Website Optimizer, Wiley Publishing, Inc.,2010.