Vier onbruikbare metrics

Vorige week weer een heerlijk artikel gelezen van Avinash Kaushik. Dus voordat ik van plagiaat wordt beschuldigd vermeld ik dat zijn artikel de bron is en waarbij ik een weerslag zal geven van het artikel en aanvullen met eigen ervaringen (onderstaande afbeeldingen zijn gemaakt in Speedtrap, onze web analytics tool.

Gemiddelde

Niemand is gemiddeld, iedereen is uniek. Het hebben van een gemiddelde tijd op de site of het gemiddeld aantal pageviews per bezoeker zegt weinig. Hiermee bedoel ik ´Wat ga je doen als je dit weet?´ Als er geen actie uitkomt dan is de metric onbruikbaar.

Iemand een actie kunnen bedenken?

Maar hoe kan je deze dan wel gebruiken en waardevoller maken. We blijven het herhalen: segmentatie! En daarbij categoriseren van de data.

Nu kun je aan de slag met deze metric. Welke bron bezoekt de meeste pagina´s? Wijkt dit significant af van andere bronnen en hoe kan dit?

Percentage

Wij gebruiken veel percentages in onze rapportages. Het is belangrijk hierbij in welke context je deze plaats en welke waardes je nog meer laat zien om een waardevolle metric te krijgen. Laten we kijken naar:

Ja inderdaad sommigen zijn laag en anderen zijn hoog, maar wat kan je ermee? En nu de volgende:

Nu komt de context erbij en krijgen de percentages meer waarde. Je ziet dat de groep waar je het minst verliest relatief één van de kleinere groepen is. Kunnen we deze groep uitbreiden waarom werkt die zo goed en wie zijn het? Tip is om bij de percentages altijd absolute waardes te tonen. En natuurlijk daar gaan we weer segmenteren!!

Ratio

Iets waar wij zelf overigens niet mee werken. Avinash geeft aan dat hierin een gevaar schuilt dat je grote veranderingen niet kan waarnemen. In onderstaand figuur kun je zien dat wanneer je alleen naar ratio zou kijken je niet hebt kunnen waarnemen dat het volume aanzienlijk is toegenomen.

Let er dus op wanneer deze worden gebruikt in jouw rapportages of diegene die je ontvangt.

Wat kun je doen? Gebruik geen ratio. Kom niet in de verleiding en probeer er achter te komen wat je echt wilt weten.

Compound Metrics

Wie droomt er niet van? De formule die aangeeft of de website is GOOD or SUCKS. Het geheim van Coca Cola, is die er ook voor een webanalist/website? Alleen de quest , zoekend naar de schat is al meer dan de moeite waard en veel fun.

Het gevaar schuilt erin dat je niet kan zien waar de wijziging plaatsvindt. Het zijn een hoop metrics die resulteren in een cijfer waarbij je niet meer weet wat er nu echt is gebeurt en door welke metric dit is gekomen.Je kunt dan beter in gesprek gaan en achterhalen welke metrics belangrijk zijn in de formule en die goed monitoren en neerzetten. Gebruik je ze wel neem ze dan van tijd tot tijd onder loep en evalueer of dit nog past bij de dan geldende situatie. Ik denk dat een aantal combinatie van metrics prima kunnen werken alleen moet je ze wel visualiseren. Ik vind de online middelen matrix (https://www.webanalisten.nl/analyse/campagne-analyse/de-online-middelen-matrix.html) een prima voorbeeld net als het model van Avinash (http://www.kaushik.net/avinash/2006/07/the-awesome-power-of-data-visualization.html). Kortom loop eens door je rapportages die je ontvangt en maakt. Wanneer je bovenstaande metrics gebruikt of tegenkomt vraag jezelf dan af ´Wat als die metric veranderd, wat ga ik dan doen?´