Google Analytics Tricks

Google Analytics (GA) är en exceptionell analysmotor, men den saknar en inneboende förståelse för ditt företags kritiska mätvärden. Oavsett om dina viktigaste online-mål kretsar kring abonnemangsköp eller telefonsamtal, behöver GA anpassas för att återspegla vad som är viktigast för dig. Denna guide kommer att fokusera på hur du kategoriserar dataströmmar—som besök, händelser, klick, visningar och scrollningar—i meningsfulla grupper för att underlätta djupare och mer effektiv analys.

Innehållsgrupp

Innehållsgruppering i GA låter dig organisera URL:er i logiska kategorier som är meningsfulla för ditt företag. Istället för att analysera varje enskild sida kan du segmentera dem i bredare grupper som representerar olika sektioner av din webbplats.

Till exempel, på True, använder vi följande struktur:

• /analytics, /competitors och /segmentation är kategoriserade som "dashboard" eftersom dessa sidor handlar om användaranalys och affärsinsikter.
• /dev och /tableau faller under kategorin "utveckling", eftersom dessa är inriktade på utvecklare som söker integrationslösningar med True.
• /contact och /about är kategoriserade som "kontakt", eftersom besökare här sannolikt letar efter information om hur man når eller lär sig mer om företaget.

Denna metod för innehållsorganisation ger en tydligare och mer strukturerad översikt över webbplatsens prestanda. Det förenklar engagemangsanalysen genom att fokusera på stora, meningsfulla block som "dashboard", "landningssidor" eller "e-postkampanjer", istället för att fastna i de intrikata detaljerna med hundratals enskilda sidor. Detta gör det enklare att bygga riktade engagemangstrattar och mäta viktiga prestandamått över olika sektioner av din webbplats.

Användar-ID

Användar-ID är en viktig funktion i Google Analytics, som låter dig spåra och känna igen enskilda användare över olika enheter och sessioner. Detta är särskilt värdefullt om dina användare loggar in på flera enheter, som stationära datorer, surfplattor, mobiltelefoner eller inom din app. Genom att tilldela samma användar-ID till en person över enheter kan GA konsolidera dessa sessioner i en enad användarprofil.

Denna enade vy är avgörande för att förstå kundbeteende över flera kontaktpunkter. Till exempel kan du spåra en användares resa från en betalkampanj till ett direkt besök eller en hänvisningslänk. Genom att se hela interaktionsvägen kan du identifiera den första kontaktpunkten, vilket gör det möjligt att fatta bättre beslut om var du ska fördela dina marknadsresurser. Denna insikt gör det möjligt att investera mer strategiskt i kanaler som driver initialt intresse eller höga konverteringar.

Användaregenskaper

Användaregenskaper är ofta underutnyttjade men kan vara otroligt kraftfulla, särskilt för företag med prenumerationsbaserade modeller eller långa kundengagemangscykler, som appar eller spel. Google Analytics låter dig ställa in upp till 25 anpassade användaregenskaper, vilket möjliggör mycket specifik spårning och segmentering.

Till exempel använder vi på True följande struktur för användaregenskaper:

user_properties: {
	subscription: "enterprise", // typ av abonnemang
	customer_type: "owner" // eller medlem
}

Med dessa egenskaper på plats är det enkelt att segmentera användare baserat på prenumerationstyp, beteende och engagemangsmönster. Vi kan filtrera data för att studera hur företagsabonnenter beter sig annorlunda jämfört med användare med en standardplan. På liknande sätt skiljer customer_type-egenskapen mellan huvudkontoinnehavaren och en teammedlem, vilket hjälper oss att förstå vilka funktioner som är viktigast för olika typer av användare.

Realtidsrapporten ger en användbar ögonblicksbild av dessa användaregenskaper. Medan realtid huvudsakligen används för felsökning, kan den också ge värdefulla insikter i hur olika typer av användare interagerar med din webbplats. Utöver felsökning kan dessa egenskaper tillämpas över olika rapporter för att filtrera trafik, bygga trattar och analysera beteenden baserat på användarsegmentering.

Användarupplevelse-mätvärden: Sidgenereringstid & Sidladdningstid

Sidgenereringstid i Google Analytics kan delas upp i två huvudkategorier:

Det finns en lista över tider men de 2 huvudkategorierna är:

• sidgenereringstid - Serverprestanda: Detta mäter hur snabbt din server kan generera webbsidor. Det speglar hastigheten på din webbserver och databas, och identifierar tunga sidor eller flaskhalsar som ditt utvecklingsteam bör optimera.
• sidladdningstid - Klientprestanda: Denna kategori mäter hur snabbt en sida laddas från användarens perspektiv. Faktorer som anslutningshastighet, DNS-förfrågningstid och latens påverkar sidladdningstiderna. Den mest kritiska mätningen här är hur lång tid det tar att generera webbsidan när servern har bearbetat förfrågan.

Genom att analysera sidgenereringstid kan du identifiera flaskhalsar som får användare att överge din webbplats eller app. Till exempel, om din serverprestanda är långsam kan det indikera behovet av serveroptimering eller databastuning. Å andra sidan kan överdrivna sidladdningstider resultera i högre avvisningsfrekvens, vilket gör det viktigt att åtgärda problem som anslutningstid eller webbsidrendersningshastighet.

Som bilden ovan illustrerar kan även mindre förbättringar i sidladdningstid leda till betydande ökningar i konverteringsfrekvenser. Därför är det viktigt att förstå och optimera sidgenereringstid för att förbättra både användarupplevelsen och affärsresultaten.

På True använder vi enkel kod för att sätta alla nödvändiga variabler till Google Analytics

<script type="text/javascript">window.gaConfig={
    "user_id": "random-user-id-you-generated",
    "content_group": "landing",
    "page_generation_time": 19,
    "user_properties": {
    	"subscription": "small",
    	"customer_type": "member"
    }
};</script>
<script defer="defer" src="/js/ga.js"></script>

Och sedan i ga.js

if(element.getElementById('gajavascriptscript') === null) {
	let script = element.createElement('script');
	script.setAttribute('src', 'https://www.googletagmanager.com/gtag/js?id=G-XXXXXXXX');
	script.setAttribute('id', 'gajavascriptscript');
	element.body.appendChild(script);

	// vänta nu tills den laddas...
	script.onload = () => {
	  window.dataLayer = window.dataLayer || [];
	  function gtag(){dataLayer.push(arguments);}
	  gtag('js', new Date());
	  gtag('config', 'G-XXXXXXXX', window.gaConfig);
	  gtag('event', 'page_generation_time', {value: window.gaConfig.page_generation_time});
	  gtag('event', 'page_load_time', {value: Date.now() - window.performance.timing.navigationStart});
	};
}

Koden laddar gtag.js från GoogleAnalytics och när den har laddats körs kod som skickar sidgenereringstid och sidladdningstid till GA.

Som bevisat i diagrammet är Sidgenereringstiden nästan noll för de flesta sidor, förutom /setting/account-sidan. Detta indikerar att backend-bearbetningen för majoriteten av sidorna är mycket effektiv. Däremot visar den Genomsnittliga sidladdningstiden, som beror på besökarens nätverks- och webbläsarprestanda, något högre värden, från 0,5 till 1,2 sekunder. Dessa är utmärkta resultat som speglar betydande ansträngning och optimering.

Det sagt, jag är särskilt bekymrad över den Genomsnittliga sidgenereringstiden på 0,2 sekunder. Även om detta kan verka litet, tyder det på att vissa sidor tar ovanligt lång tid att ladda på serversidan. Dessa avvikelser kan representera potentiella flaskhalsar i applikationen. Att undersöka och lösa dessa anomalier skulle vara avgörande för att säkerställa konsekvent prestanda över alla sidor.

Genom att fokusera på sidor med högre genereringstider, som /setting/account, kan vi identifiera de specifika områden som behöver optimeras. Dessa förbättringar kan innefatta att minska komplexiteten i databasfrågeställningar, optimera serverbearbetningen eller åtgärda ineffektiva kodvägar. Att göra detta kommer ytterligare att förbättra applikationens övergripande prestanda och användarupplevelse.