Два абсолютно разных подхода к анализу практически не разделяются в интерфейсах современных систем интернет-статистики. А в области маркетингового анализа с использованием интернет-статистики до сих пор находится множество пробелов. Это объясняется тем, что у Интернета богатые технические традиции и «балом правят» программисты, а не маркетологи.
Выявив серьезные проблемы на этапах постановки задач и выбора методологии, на практике можно было бы закрыть тему вообще. Тем не менее, выход из сложившейся ситуации искать надо, поэтому переходим к рассмотрению третьего этапа – сбор данных.
Как уже говорилось ранее, практически все современные системы интернет-статистики предназначены именно для предоставления данных для анализа. За время развития этой области произошло много интересного и полезного. Стоит отметить появление «людей», как единицы измерения, появления возможности сегментировать аудиторию и настраивать отчеты под конкретные задачи.
Тем не менее, и в плане сбора данных присутствует как минимум одна очень важная проблема – принципы получения синтетических показателей. Существуют исходные данные, получаемые счетчиками и лог анализаторами. Среди них есть:
Кроме исходных данных существуют синтетические данные, которые получаются путем обработки исходных данных по определенным алгоритмам. Среди синтетических данных можно выделить такие показатели, как «посетитель», «сессия», «география» и ряд других.
Проблема синтетических данных заключается в алгоритмах их получения. Если быть более конкретным, то в том, что пользователи систем статистики не только не могут влиять на эти алгоритмы, но даже не знают принципов их работы.
В результате с максимальной степенью вероятности получение в популярных системах интернет-статистики следующих данных:
продиктовано не целью увеличения точности исследования, а
желанием снизить расчетную нагрузку на сервер или оптимизировать программный
код.
А если бы аналитики знали, с какой точностью вычисляется «время, проведенное на сайте», то они вообще бы усомнились в целесообразности использования этих систем.
Следующим этапом исследования идут обработка и оформление данных. Зачастую, обеспечение этих функций лежит за пределами возможностей статистических систем, т.к. данные в отчетах счетчиков и лог-анализаторов организованы по типу данных (чтобы хоть как-то можно было найти нужное среди сотен страниц), а не по принципу ответа на вопросы исследования.
Финальные этапы – «формирование выводов» и «практическое применение результатов исследования» современные решения на базе интернет-статистики целиком и полностью перекладывают на плечи пользователей.
Резюмируя все вышесказанное:
Все это в сочетании с низким уровнем знаний в области исследований и интернет технологий у большинства пользователей систем интернет-статистики подтверждает тезис о том, что «польза от интернет-статистики заключается лишь в формировании ощущения контроля над ситуацией». При этом потенциал описываемого направления так и остается нереализованным.
Дмитрий Малявкин