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:

• точные данные: хит, хост, время запроса, протокол, код возврата сервера и др.
• и данные, которые могут содержать неконтролируемую погрешность: referer, user-agent и большинство того, что счетчики вытаскивают через яваскрипты.

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:

• глубина просмотра
• пути по сайту
• средние значения

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:

1. Волоча за собой воз традиций и стереотипов, системы интернет-статистики продолжают развиваться и улучшаться
2. Системы не являются законченным инструментом исследования, т.к. не участвуют ни на этапе постановки задач, ни на этапе формирования выводов
3. Часть предоставленных данных содержат высокую погрешность, а иногда, и вовсе, не пригодны для анализа.

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