ซีรี่ย์ 7 ปัญหาคาใจใน Google Analytics

• ตอนที่ 1: Bounce Rates vs. Exit Rates
• ตอนที่ 2: Visitor Recency
• ตอนที่ 3: Absolute Unique Visitor
• ตอนที่ 4: New vs. Returning Visitors
• ตอนที่ 5: Sources และ Media
• ตอนที่ 6: Google Analytics Account
• ตอนที่ 7: Goal และ Funnel
• ตอนพิเศษ: Average Time on Site ตัวเลขที่ควรหลีกเลี่ยง

ใน Google Analytics ตัวเลข Time on Page ก็คือเวลาที่ visitor ใช้ในเว็บเพจหน้านั้นๆ

Total Time on Site ก็คือเวลารวมทั้งหมดที่ visitor ใช้ดูเว็บไซต์ทุกๆ หน้า

ส่วน Average Time on Site ก็คือ เวลารวมทั้งหมดที่ visitor ใช้ดูเว็บไซต์ทุกๆ หน้า หารด้วยจำนวน visitor (Total Time on Site / visitor)

เคยสงสัยกันมั้ยครับว่า Google Analytics วัดค่า Time on Page ได้ด้วยวิธีไหน และ Google จะรู้ได้อย่างไรว่า visitor อ่านเว็บไซต์หน้านั้นๆ เป็นเวลากี่นาที กี่วินาที

จริงๆ แล้วรูปแบบการคำนวณ Time on Page เป็นแบบนี้ครับ

• เมื่อ visitor เข้ามาสู่เว็บไซต์สมมุติว่าเป็น page1.html ตัว Tracking Code ของ Google Analytics จะเริ่มจับเวลา time(1) ทันที
• เมื่อ visitor คลิกลิงค์ไปที่หน้าอื่นๆ ภายในไซต์ สมมุติว่าเป็น page2.html ตัว Tracking Code ก็จะทำการจับเวลา time(2)
• และ Time on Page ของ page1.html ก็จะเท่ากับ time(2) - time(1)
• ส่วน Time on Page ของ page2.html ก็จะเป็น time(3) - time(2)
• และ Time on Page ของหน้าที่ n ก็จะเป็น time(n+1) - time(n) แบบนี้ไปเรื่อยๆ

ปัญหาของการจับเวลาในรูปแบบนี้มีมากมายครับ

• ข้อแรก หน้าที่เป็น Bounce page จะไม่สามารถบันทึก Time on Site ได้ เพราะเราไม่มี time(2) เนื่องจาก visitor ออกจากเว็บไซต์ทันที โดยไม่ได้ลิงค์ไปที่หน้าอื่น ในกรณีนี้ Time on Page จะมีค่าเป็น 00:00:00
  
• ดังนั้นเราไม่ต้องแปลกใจที่เราเห็น Bounce page ในเว็บไซต์มี Average Time on Site เป็น 00:00:00 ทั้งหมด!!
  
• ข้อสอง หน้าที่เป็น Exit page ก็จะไม่สามารถบันทึก Time on Site ได้ด้วยเหตุผลเดียวกับข้อแรก ดังนั้น Time on Page จะมีค่า 00:00:00 เช่นกัน
  
  จากภาพด้านบน จะเห็นได้ว่า Total Time on Site ของ visitor คนนี้จะมีค่าเป็น 6 นาที เพราะเราไม่ทราบจริงๆ ว่าหน้าสุดท้ายมี Time on Page เท่าไหร่?
• ข้อสาม ปัญหาต่อเนื่องจากสองข้อแรก มีผลทำให้การคำนวณ Average Time on Site ผิดไปอย่างมากมาย ผมสมมุติง่ายๆ ว่า…
  • ถ้าผมมี visitor 100 คน ที่เข้ามาเว็บไซต์เพียงหน้าเดียว (Bouncing) ใช้เวลาเฉลี่ยคนละ 2 นาที และมี visitor อีก 500 คน ที่เข้ามาเว็บไซต์ 4 หน้า ใช้เวลาเฉลี่ยคนละ 6 นาที
  • ถ้าเราทำการคำนวณ Average Time on Site ที่ถูกต้องจริงๆ จะคำนวณได้ดังนี้
    • ((100 x 2) + (500 x 4)) / 600 = 2,200 / 600 = 00:03:40
  • แต่ในการคำนวณของ Google Analytics จะได้ดังนี้
    • ((100 x 0) + (500 x (4-n)) / 600 (โดยที่ n คือเวลาเฉลี่ยในของหน้า Exit page สมมุติว่าเป็น 30 วินาที)
    • ((100 x 0) + (500 x (4-0.5)) / 600 = (0 + 1,750) / 600 = 00:02:55
    • ผิดไปจากความจริงเกือบๆ 1 นาที!! ยิ่งถ้า Bounce page และ Exit page มีมาก จะยิ่งทำให้ Average Time on Site เพี้ยนมากขึ้นไปกว่านี้อีก!!
  • พูดง่ายๆ ว่า ค่าความผิดพลาดของ Total Time on Site จะเกิดขึ้น เนื่องจากหน้า Bounce page และ Exit page ทั้งหมด จะไม่มีการบันทึกเวลาลงไปใน Google Analytics

สรุปสั้นๆ ก็คือ ตัวเลข Average Time on Site เป็นตัวเลขใน Google Analytics ตัวเดียว ที่เราควรจะมองผ่าน ไม่ต้องไปสนใจมันครับ

(ทำความเข้าใจเรื่องของ Bounce page และ Exit page ที่นี่ > 7 ปัญหาคาใจใน Google Analytics - ตอนที่ 1: Bounce Rates vs. Exit Rates)

Popularity: 49%

ผมเชื่อว่าคนเขียนบล็อกในเมืองไทยส่วนใหญ่น่าจะรู้จัก WordPress ที่เป็นซอฟต์แวร์บล็อกแบบ Opensource ที่ได้รับความนิยมสูงมาก เนื่องจาก ฟรี ใช้ง่าย และปลั๊กอินเพียบ

(บล็อกของแมกซินคิวบ์เองก็ใช้ WordPress เหมือนกันครับ)

ผมเองสนใจในเรื่อง Web Analytics อยู่แล้ว เลยของไปหาปลั๊กอิน Google Analytics ที่จะมาใช้กับ WordPress จนสุดท้ายไปได้ปลั๊กอินมาตัวนึง ชื่อว่า Google Analyticator

การติดตั้ง Google Analyticator จะทำให้ Google Analytics เก็บสถิติของผู้เข้าชมบล็อกของคุณได้อย่างละเอียด แบบเดียวกันกับที่ใช้ Google Analytics กับเว็บไซต์เลยครับ

PS. คำอธิบายต่อจากนี้ ใช้ความรู้ด้านเทคนิค คือ FTP, HTML และ WordPress Configuration ถ้าคุณไม่เข้าใจลองหาผู้ช่วยเป็นคน IT ซักคนเพื่อให้เค้าช่วยทำให้ครับ

วิธีการติดตั้งก็คือ

• สมัคร บัญชี Google Analytics ก่อน
• เราจะได้ Tracking Code มาชุดหนึ่ง ให้จด UID ของ Google Analytics เก็บเอาไว้ ที่เป็นรหัส “UA-XXXXX-X” ใน Tracking Code โดยการ
  • Sign-In เข้า Google Analytics
  • กด Edit ที่เว็บไซต์ Profile
  • ที่มุมบนขวา เลือก Check Status
  • สังเกตที่ New Tracking Code (ga.js)

• ทำการดาวน์โหลดปลั๊กอินจาก http://wordpress.org/extend/plugins/google-analyticator/
• แตกไฟล์ที่ดาวน์โหลดมา จะได้ไฟล์ปลั๊กอินชื่อว่า google-analyticator.php
• ทำการ FTP ปลั๊กอินนี้ไปที่บล็อกโฮสติ้งของคุณในโฟลเดอร์ /wp-content/plugins/
• ทำการ Activate ปลั๊กอิน ผ่านทาง WordPress Admin (ที่เมนู Plug-Ins)
• เซตค่าจากเมนู Settings > Google Analytics ดังนี้
  • Google Analytics logging is: Enabled
  • Your Google Analytics’ UID: (ใส่ UID ที่เราจดเอาไว้เข้าไป)

• WordPress Admin logging: หากต้องการเก็บสถิติการใช้งาน Admin ด้วย ก็เลือก Enabled
• Footer tracking code: ปกติแล้วเราจะแทรกรหัสติดตาม Google Analytics ที่ส่วนหัว หรือไม่ก็ส่วนท้ายของไฟล์ การเลือก Footer tracking code เป็น Enabled แปลว่า เราจะให้โปรแกรมแทรก Tracking Code ที่ส่วนท้ายของไฟล์ (ข้อดีคือ บล็อกจะโหลดเร็วขึ้น เพราะระบบทำการเก็บสถิติหลังการโหลดเนื้อหาบล็อกทั้งหมดแล้ว ข้อเสียคือ ข้อจำกัดทางเทคนิค ที่จะปรับแต่งการเก็บข้อมูลของ Google Analytics ได้ไม่หลากหลาย)
• Outbound link tracking: ทำการเก็บสถิติการลิงค์ออกจากเว็บไซต์ (visitor ลิงค์ออกไปที่ไหนบ้าง)
• Download extension to track: อันนี้จะเป็นการเก็บสถิติไฟล์ที่ visitor ทำการดาวน์โหลด ให้ระบุนามสกุลไฟล์ที่เราต้องการเก็บสถิติไว้ เช่น pdf,zip,rar,mp3,doc,xls,swf
• Additional tracking code (before tracker initialization) กับ (after tracker initialization): อันนี้ผมยังไม่พูดถึงครับ จะมาต่อให้ในตอนที่ 2 ที่ advance มากขึ้น

แค่นี้ก็เรียบร้อยครับ รอซักครึ่งวันถึงหนึ่งวัน แล้วทำการ Sign-In เข้าไปใน Google Analytics สังเกตที่ช่อง Status ในเว็บไซต์ Profile ถ้าเป็นแบบด้านล่าง แสดงว่า การติดตั้ง Google Analyticator เรียบร้อยดีครับ

หลังจากนั้น เราลองคลิกไปที่ปุ่ม View Reports ดู จะเห็นรายงาน Google Analytics ที่น่าตื่นตาตื่นใจครับ

ส่วนถ้าใครยังมือใหม่กับ Google Analytics แล้วงงๆ กับรายงาน ผมแนะนำให้อ่าน

ซีรี่ย์ ฝึกวิเคราะห์เว็บไซต์

• Web Analytics ฝึกวิเคราะห์เว็บไซต์ (ตอนที่ 1)
• Web Analytics ฝึกวิเคราะห์เว็บไซต์ (ตอนที่ 2) (ยังเขียนไม่เสร็จครับ)
• Web Analytics ฝึกวิเคราะห์เว็บไซต์ (ตอนที่ 3) (ยังเขียนไม่เสร็จครับ)

ซีรี่ย์ 7 ปัญหาคาใจใน Google Analytics

• ตอนที่ 1: Bounce Rates vs. Exit Rates
• ตอนที่ 2: Visitor Recency
• ตอนที่ 3: Absolute Unique Visitor
• ตอนที่ 4: New vs. Returning Visitors
• ตอนที่ 5: Sources และ Media
• ตอนที่ 6: Google Analytics Account
• ตอนที่ 7: Goal และ Funnel

แล้วพบกันในตอนที่ 2 วันนี้ผมขอตัวไปลุ้นอิตาลีก่อนครับ

Popularity: 65%

ซีรี่ย์ 7 ปัญหาคาใจใน Google Analytics

• ตอนที่ 1: Bounce Rates vs. Exit Rates
• ตอนที่ 2: Visitor Recency
• ตอนที่ 3: Absolute Unique Visitor
• ตอนที่ 4: New vs. Returning Visitors
• ตอนที่ 5: Sources และ Media
• ตอนที่ 6: Google Analytics Account
• ตอนที่ 7: Goal และ Funnel
• ตอนพิเศษ: Average Time on Site ตัวเลขที่ควรหลีกเลี่ยง

มาถึงตอนสุดท้ายของ 7 ปัญหาคาใจกันแล้วนะครับ โพสสุดท้ายนี้จะเป็นเรื่องที่น่าสนใจเกี่ยวกับ Goal Settings ของ Google Analytics

ในการออกแบบเว็บไซต์ จุดที่สำคัญที่สุด ที่เจ้าของเว็บไซต์จะต้องเข้าใจให้ชัดเจนก็คือ

กลุ่มเป้าหมาย (target) และ เป้าหมาย (goal)

ถ้าคุณไม่รู้จักกลุ่มเป้าหมายของคุณ และไม่รู้ว่าคุณต้องการอะไรจากพวกเค้า เว็บไซต์ของคุณจะไม่มีทางประสบความสำเร็จ

แนวคิดในการเอาความต้องการของลูกค้ามาตั้งเป็นโจทย์ ผมเรียกว่า Goal Oriented Web Planning ซึ่งเป็นวิถีทางที่น่าจะเหมาะสมมากกว่าในการวางแผนออกแบบเว็บไซต์

ผมทำงานด้านเว็บไซต์มาเกือบสิบปี บริษัทเว็บเมืองไทย ชอบที่จะวางแผน โดยการเอา Sitemap ออกมากาง และออกแบบเว็บไซต์ตาม Sitemap นั้นๆ (Sitemap ส่วนใหญ่ก็มักจะเกิดจากความต้องการของเจ้าของเว็บไซต์ ว่าอยากมีอะไรในเว็บบ้าง ผมเรียกวิธีการแบบนี้ว่า Content Oriented Web Planning ซึ่งมีข้อเสียหลายอย่าง ซึ่งค่อนข้างนอกเรื่องในโพสนี้แล้ว ไว้ผมจะมาเล่าสู่กันฟังใน MAXincube on Marketing 2.0 นะครับ)

จุดสำคัญที่เราต้องตีโจทย์ให้ได้ก็คือ เราต้องการสร้างเว็บไซต์เพื่อ visitor แบบไหน? และต้องการให้ visitor เข้ามาทำอะไร?

ถ้าหากเว็บไซต์ของคุณตอบคำถามสองข้อนี้ได้อย่างชัดเจน โดยไม่ต้องนั่งนึกล่ะก็ คุณมาถูกทางครึ่งหนึ่งแล้วครับ

Goal Settings ของ Google Analytics คือ การประเมินผลเว็บไซต์ ว่าบรรลุเป้าหมาย (Goal) ที่ตั้งไว้หรือไม่ มากน้อยเพียงใด มองอีกแง่หนึ่ง เป็นการพยายามแปลงข้อมูลเชิงปริมาณ (PV) ไปเป็นข้อมูลเชิงคุณภาพ (Goal)

ถ้าเปรียบเทียบเว็บไซต์ เหมือนกับรถไฟฟ้า

• Goal ก็คือสถานีปลายทาง (e.g. หมอชิต)
• Funnel คือเส้นทาง (e.g. ทองหล่อ ไป หมอชิต)
• Step ก็คือสถานีระหว่างทาง (ทองหล่อ > พร้อมพงษ์ > อโศก > นานา > … > สะพานควาย > หมอชิต)
• การเดินทางจากสถานีหนึ่งไปยังอีกสถานีหนึ่ง เรียกว่า Conversion (ทองหล่อ Converse ไปยัง พร้อมพงษ์)

เคสตัวอย่างที่ง่ายที่สุด ในเรื่อง Goal Settings ก็คือตัวอย่างเว็บไซต์ขายสินค้า Goal ของเว็บไซต์ ก็คือ “ขายของให้ได้” ดังนั้น Funnel ของ Goal Settings ก็จะเป็นดังนี้

• Step 1 - ลูกค้าเข้าร้าน
• Step 2 - ลูกค้าเลือกซื้อสินค้า (add to cart)
• Step 3 - ลูกค้า check out
• Step 4 - ลูกค้ากรอกรายละเอียดการชำระเงิน
• Step 5 - ลูกค้ายืนยันการสั่งซื้อ

ในระหว่างทางจากจุดเริ่มต้นไปถึง Goal สัดส่วนของ Conversion จะลดลงเรื่อยๆ

• Step 1 > Step 2: ลูกค้าเข้าร้าน 100 คน Converse ไปเป็นลูกค้าเลือกซื้อสินค้า 80 คน (80%)
• Step 2 > Step 3: ลูกค้าเลือกซื้อสินค้า 80 คน Converse ไปเป็นลูกค้า check out 32 คน (40%)
• Step 3 > Step 4: ลูกค้า check out 32 คน กรอกรายละเอียดการชำระเงินเรียบร้อย ไม่ล้มเลิกกลางคัน 20 คน (62.5%)
• Step 4 > Step 5: สุดท้าย กลุ่มคน 20 คนที่เหลือ ยืนยันการสั่งซื้อ 15 คน (75%)

ถ้าเราสังเกต Conversion ในแต่ละ Step ของ Goal Settings เราจะสามารถวิเคราะห์จุดอ่อนจุดแข็งของเว็บไซต์ได้ทันที ผมยกตัวอย่างข้างบน Conversion Rate ที่มีปัญหา น่าจะเป็น Step 2 > Step 3 คือลูกค้าที่ add to cart แล้ว แต่ไม่ยอม checkout

ประมาณ 40% ของ visitor จาก Step 2 (add to cart) ที่ Converse ไปสู่ Step 3 (check out) นักวิเคราะห์จะเริ่มมาสังเกตหาสาเหตุที่คนที่เหลืออีก 60% ที่ทำการ add to cart แล้วแต่ไม่ยอม check out

• ขั้นตอนการ check out มันยากไปหรือเปล่า (ปัญหาอยู่ที่เว็บไซต์ ดังนั้นเราน่าจะต้องทำ usability study เพื่อปรับปรุงวิธีการสั่งซื้อให้ง่ายที่สุด)
• สินค้าแพงเกินไปหรือเปล่า (ปัญหาไม่ได้อยู่ที่เว็บไซต์แล้ว ทีมการตลาดต้องลงมาศึกษาต่อ)

แต่ถ้าอยากรู้ว่า สินค้าเหมาะกับกลุ่มเป้าหมายหรือไม่ เราต้อไปมองที่ Conversion ของ Step 1 > Step 2 (เพราะถ้าสินค้าไม่ถูกใจ ลูกค้าคงไม่เลือกที่จะ add to cart)

พอจะได้ไอเดียคร่าวๆ นะครับ

ผมจะยกตัวอย่างที่น่าสนใจอีกซักหนึ่งตัวอย่าง ผมทำเว็บไซต์สำหรับตอบแบบสอบถามให้กับลูกค้ารายหนึ่ง ด้วยความต้องการอยากรู้ว่า แบบสอบถามที่เตรียมไว้นั้นมันดึงดูดใจให้คนเข้ามา participate หรือไม่อย่างไร ผมจึงวางแผน Goal Settings ขึ้นมาหนึ่งอัน (คลิกที่รูปด้านบนดูนะครับ)

• Step 1 - visitor เข้าสู่เว็บไซต์ (ผมตั้งชื่อ step ว่า Enter Website)
• Step 2 - visitor คลิกที่ปุ่มแบบสอบถาม (ผมตั้งชื่อ step ว่า Enter Survey)
• Step 3 - visitor ทำการกรอกแบบสอบถาม (ผมตั้งชื่อ step ว่า Fill in Address)
• Step 4 - visitor ส่งแบบสอบถาม (ผมตั้งชื่อ step ว่า Finish Questionnaire)

จุดที่น่าสนใจมีอยู่สองจุดด้วยกันครับ

• ผมอยากรู้ว่าปุ่มแบบสอบถามบนหน้าเว็บไซต์นั้นเด่นพอที่จะทำให้ visitor สนใจหรือเปล่า ดังนั้น ผมจึงพุ่งเป้าไปที่ Conversion จาก Step 1 > Step 2 (คนเข้าเว็บทั้งหมด ทำการคลิกที่ปุ่มแบบสอบถามกี่ %) จากภาพ ที่ลูกศร (1) จะเห็นได้ว่า คนเข้าเว็บไซต์ ทำการกรอกแบบสอบถามทั้งหมด 43% ถือเป็นเลขที่สูงมากๆ ครับ
• ผมอยากรู้ว่าแบบสอบถามยาวเกินไปจน visitor เซ็ง ขี้เกียจกรอกหรือไม่ ผมก็ดูไปที่ Conversion จาก Step 3 > Step 4 (พวกที่ไม่ Converse ก็คือพวกที่กรอกไม่เสร็จ คือ เริ่มทำการกรอก แต่สุดท้ายดันไม่ส่งแบบสอบถาม) จากภาพ ที่ลูกศร (2) คนที่กรอกแบบสอบถาม ทำการส่งแบบสอบถามถึง 100%!! อันนี้ก็สุดยอดอีกเหมือนกัน

ดังนั้น วิธีการที่เราจะสร้าง Goal Settings ที่ดีได้นั้น เราจะเป็นจะต้องตีความ Goal ของเรามาเป็น Funnel ให้ได้เสียก่อนครับ

โดยปกติ Step แต่ละ Step ก็คือ เว็บเพจแต่ละหน้านั่นเอง แต่ในการปรับแต่ง Google Analytics ระดับสูงนั้น เราสามารถนำ Event ของ visitor มาใช้เป็น Step ได้ด้วย

ถ้าไปเที่ยวปารีสแล้วไม่ได้ไปหอไอเฟล ก็เหมือนคุณไปไม่ถึงปารีส

เช่นเดียวกันครับ หากใช้ Google Analytics แต่ไม่เคยแตะ Goal Settings ก็เหมือนคุณยังไม่ได้ใช้ Google Analytics นั่นเอง

(ผมจะมีซีรี่ย์โพสเกี่ยวกับ Goal Settings ล้วนๆ ประมาณ 7 ตอน ในเดือนหน้านี้ครับ คอยติดตาม :-D)

Popularity: 55%

เมื่อชั่วโมงก่อนหน้านี้ผมไปได้ e-Book ของ Google Analytics ที่ชื่อว่า Installing and Customizing the Google Analytics Tracking Code (Beta Version) มาโดยบังเอิญ

(คลิกที่ไอคอนเพื่อดาวน์โหลด)

(e-Book เล่มนี้เหมาะมากสำหรับโปรแกรมเมอร์หรือเว็บดีไซเนอร์ที่คล่อง JavaScript จะนำมาใช้อ้างอิงในการ customize รหัสติดตาม (Tracking Code) ไว้ผมจะมาคุยให้ฟังในโพสหลังจากนี้ครับ)

ด้วยความแปลกใจว่า e-Book ดังกล่าวมาจากในเว็บไซต์ Google Analytics เอง แต่ตัวผมเองเข้าๆ ออกๆ เว็บไซต์ Google Analytics มาวันละสิบๆ รอบ กลับไม่เคยเจอลิงค์ให้ดาวน์โหลด e-Book ฉบับนี้เลย (สงสัยตาถั่วครับ) ก็เลยลองไปใช้ Advance search ใน Google เอา จากลิงค์นี้ครับ…

ได้ผลครับ ผมได้ไฟล์ PDF ที่เป็น e-Book ของ Google Analytics มาเพียบเลย แต่ที่น่าสนใจที่สุดไม่ใช่คู่มือการติดตั้งรหัสติดตามครับ แต่กลับเป็น Case Study เกี่ยวกับ Web Analytics ทั่วโลก จากบริษัทที่เป็น Google Analytics Authorized Partner (ในเว็บ Google Analytics มีอยู่บ้าง แต่ไม่เยอะซักเท่าไหร่ครับ)

ลองตามลิงค์นี้ไปแล้วดาวน์โหลด case มาดูกันน่ะครับ มีมุมมองน่าสนใจเกี่ยวกับ Web Analytics เยอะมากๆ

Popularity: 53%

ซีรี่ย์ 7 ปัญหาคาใจใน Google Analytics

• ตอนที่ 1: Bounce Rates vs. Exit Rates
• ตอนที่ 2: Visitor Recency
• ตอนที่ 3: Absolute Unique Visitor
• ตอนที่ 4: New vs. Returning Visitors
• ตอนที่ 5: Sources และ Media
• ตอนที่ 6: Google Analytics Account
• ตอนที่ 7: Goal และ Funnel
• ตอนพิเศษ: Average Time on Site ตัวเลขที่ควรหลีกเลี่ยง

เข้าใจโครงสร้างระบบบัญชี Google Analytics

จริงๆ แล้วหัวข้อนี้น่าจะมาบอกเล่ากันก่อนเป็นโพสแรกเลยด้วยซ้ำ แต่เนื่องจากผมอยากเปิดโพสแรกๆ ด้วยเนื้อหาที่น่าสนใจเกี่ยวกับ “โครงสร้างข้อมูล” ของ Google Analytics ก่อนที่จะพูดเรื่อง “โครงสร้างระบบบัญชี” ที่ฟังแล้วค่อนข้างน่าเบื่อ ก็เลยเอาหัวข้อนี้มาไว้ในโพสท้ายๆ

ระบบบัญชีของ Google Analytics จริงๆ แบ่งออกเป็น 3 ระดับ ดังภาพด้านล่าง

พูดแบบสั้นๆ เข้าใจง่ายๆ ก็คือ ก่อนที่เราจะใช้งาน Google Analytics เราจำเป็นจะต้องมีบัญชี Google Account เสียก่อน ถ้ายังงงๆ ว่า Google Account คืออะไร? จริงๆ Google Account ก็คือบัญชีที่เราเปิดเพื่อใช้งานบริการของ Google ทั้งหลายนั่นเองครับ พูดง่ายๆ ก็คือ หากเคย Sign in เข้าใช้งานระบบใดๆ ของ Google มาก่อน แปลว่า เราเคยมี Google Account แล้ว (ไม่ว่าจะเป็น Gmail, Adword, Bookmark หรือบริการอื่นๆ อีกล้านแปดของ Google) ถ้ายังไม่มี Google Account ก็เปิดได้เลย ที่หน้า Google Analytics  หาปุ่ม “Sign Up” แล้วก็จัดการเปิดบัญชีให้เรียบร้อย

ใน 1 Google Account เราสามารถมีบัญชี Google Analytics Account ได้หลายบัญชี (ดูตามภาพบน) ถ้าเจ้าของบัญชีต้องการเปิดบัญชี Google Analytics Account เพิ่ม โดยไม่เปิด Google Account ใหม่ ก็สามารถทำได้ (ดูภาพด้านล่าง)

ผมยกตัวอย่างง่ายๆ ในกรณีที่แมกซินคิวบ์เป็นเอเยนซี่ในการทำ Web Analytics ให้ลูกค้า ทางบริษัทเปิด Google Account ส่วนกลางเพื่อให้ทีมงานการตลาดทุกคนสามารถบริหารบัญชี Google Analytics ได้ โดย Google Account ของเรามีชื่อว่า marketing.maxincube@gmail.com

ใน marketing.maxincube@gmail.com นี้ มี Google Analytics Account กี่บัญชีก็ได้ (จริงๆ แล้วผมไม่แน่ใจว่าเปิด Google Analytics Account ได้สูงสุดกี่บัญชี ถ้าลูกค้าเยอะจนกระทั่ง Google Account เปิดบัญชีต่อไม่ได้ แล้วผมจะมาบอกครับ… สาธุ) Google Analytics Account แต่ละ Account ก็คือบัญชีของลูกค้าแต่ละรายของแมกซินคิวบ์นั่นเอง

ต่อมา ใน Google Analytics Account เราสามารถสร้าง Website Profile ได้อีกหลายๆ Profile (ดังภาพด้านล่าง)

ทีนี้หลายๆ คนอาจจะเริ่มงงในการ organize บัญชี Google Analytics กันแล้ว ว่า หากเรามีเว็บไซต์ที่ต้องดูแลมากกว่า 1 เว็บไซต์ เราจะจัดระเบียบกันอย่างไร

แนวคิดของผมง่ายๆ ก็คือ

• เว็บไซต์ที่มีความเกี่ยวข้องกัน ให้จัดอยู่ใน Google Analytics Account เดียวกัน แยกคนละ Website Profile
• เว็บไซต์ที่ไม่เกี่ยวข้องกัน ก็แยก Google Analytics Account กันไปเลย

เช่น ใน Google Account ส่วนตัวของผม มี Google Analytics Account อยู่สองอัน แต่ละอันมี Website Profile อยู่อีกหลายๆ อันดังนี้

• Google Account (curaccao@gmail.com) <<< ส่วนตัว
  • Google Analytics Account (Personal Websites)
    • My Bloggang Profile (http://angos.bloggang.com)
  • Google Analytics Account (Official Blogs)
    • MAXincube on Marketing 2.0 Profile (http://blog.maxincube.com/maxincube-on-marketing-2.0)
    • MAXincube on Web Analytics Profile (http://blog.maxincube.com/analytics)
    • Apricot Ion’s Greenroom Profile (http://greenroom.apricotion.com)
    • Apricot Ion’s Programming Academy Profile (http://academy.apricotion.com)
• Google Account (marketing.maxincube@gmail.com) <<< ของบริษัท
  • Google Analytics Account (Customer A)
    • Website Profile 1
    • Website Profile 2
    • …
  • Google Analytics Account (Customer B)
    • Website Profile 1
    • Website Profile 2
    • …

แชร์ข้อมูลให้ User คนอื่น

นอกจากนี้ที่เมนู User Manager เรายังสามารถแชร์ข้อมูล Google Analytics Account ให้กับ user คนอื่นๆ ดูข้อมูลได้ด้วยครับ โดยสามารถเลือกได้ว่า จะให้สิทธิ user คนนั้นๆ เข้าถึงข้อมูลได้กี่ profile และมีสิทธิในการดูข้อมูลอย่างเดียว (View reports only) หรือว่าสามารถปรับแต่งบัญชีได้ด้วย (Account Administrator)

คิดว่าพอจะเห็นภาพกันนะครับ

เรื่องวุ่นๆ อีกนิดของ Website Profile

• เราสามารถเก็บสถิติของเว็บไซต์คนละโดเมน เข้าไว้ใน Website Profile เดียวกันได้ ดูภาพบนสุดหัวข้อ (1) (ดูวิธีการที่นี่ Track multiple domains in one profile)
• เราสามารถเก็บสถิติของเว็บไซต์คนละซับโดเมน เข้าไว้ใน Website Profile เดียวกันได้ ดูภาพบนสุดหัวข้อ (1) (ดูวิธีการที่นี่ Track multiple subdomains in one profile)
• เราสามารถเก็บสถิติของเว็บไซต์โดเมนเดียวกัน แยกเป็นหลายๆ Website Profile ได้ ดูภาพบนสุดหัวข้อ (2) (Track single domain in seperate profiles) อันนี้มีประโยชน์ในกรณีเว็บไซต์ใหญ่มากๆ และต้องการวิเคราะห์สถิติโดยแยกแต่ละส่วนออกจากกัน เช่น Product Section Profile, News Section Profile, Support Section Profile
• เราสามารถเก็บสถิติของเว็บไซต์คนละซับโดเมน แยกเป็นคนละ Website Profile ก็ยังได้ (Track multiple subdomains in seperate profiles) วิธีนี้ก็เหมือนการสร้าง Website Profile ใหม่อีกอัน เอาไว้ Track ซับโดเมนโดยเฉพาะ

ผมให้ไว้แต่ลิงค์ไปยัง help ของ Google ซึ่งค่อนข้างมีศัพท์แสงทางเทคนิคเยอะพอสมควร โพสในเดือนหน้าผมจะมาอธิบายวิธีการรวม Website Profile จากเว็บไซต์คนละโดเมน หรือคนละซับโดเมน โดยละเอียดอีกที

พบกันตอนหน้าเป็นตอนสุดท้าย สำหรับซีรี่ส์ 7 ปัญหาคาใจครับ…

Popularity: 75%

หลังจากผมกับคุณกี้เริ่มเขียนบล็อก MAXincube on Marketing 2.0 กันมาซักพัก เริ่มเห็นภาพชัดเจนว่าเนื้อหาจะแบ่งออกเป็นสองส่วนที่แตกต่างกัน นั่นก็คือ Google Analytics กับเรื่องของ New Media แล้วก็ Marketing 2.0 กลุ่มผู้อ่านก็อาจจะเป็นคนละกลุ่มด้วย (บางคนอ่านทั้งสองส่วน บางคนสนใจแค่ส่วนใดส่วนหนึ่ง)

ตัวผมเองและทีมงาน อยากจะวาง position ของ MAXincube Blog ให้ชัดเจน และลดการส่ง feed ไปให้กับ subscriber ที่ไม่ได้สนใจในเนื้อหาบางส่วน การยิง feed ทั้งหมดทุกๆ โพส อาจจะทำให้เกิดความรำคาญได้

ผมเลยตัดสินใจสร้าง Blog Maxincube on Web Analytics นี้ขึ้นมา

ซึ่งจะเน้นเนื้อหาเกี่ยวกับ Google Analytics ล้วนๆ โดยผมจะแบ่งเนื้อหาในบล็อกใหม่เป็นส่วนๆ โดยจะลงลึกในเรื่องของ Web Analytics ให้มากขึ้น ทั้งข้อมูลเชิงลึกของเทคโนโลยี รวมไปถึงอัพเดทข่าวสารใหม่ๆ ในวงการ Web Analytics ด้วย

ส่วนในบล็อก MAXincube on Marketing 2.0 ผมจะไม่พูดถึงเนื้อหาของ Google Analytics อีก โดยถ้ามีโพสที่เกี่ยวข้อง ผมจะใช้การลิงค์มายังบล็อกนี้แทน

สำหรับผู้ที่สนใจในเนื้อหา feed ของ Google Analytics ก็สามารถสมัคร RSS feed ที่มุมบนซ้าย สำหรับโพสที่เกี่ยวข้องกับ Google Analytics โดยเฉพาะได้นะครับ

Popularity: 32%

ซีรี่ย์ 7 ปัญหาคาใจใน Google Analytics

• ตอนที่ 1: Bounce Rates vs. Exit Rates
• ตอนที่ 2: Visitor Recency
• ตอนที่ 3: Absolute Unique Visitor
• ตอนที่ 4: New vs. Returning Visitors
• ตอนที่ 5: Sources และ Media
• ตอนที่ 6: Google Analytics Account
• ตอนที่ 7: Goal และ Funnel
• ตอนพิเศษ: Average Time on Site ตัวเลขที่ควรหลีกเลี่ยง

เรื่องของ Sources และ Media (ใน Google Analytics ใช้คำว่า Medium ที่เป็นเอกพจน์ของ Media) จริงๆ แล้วเป็นเรื่องที่ทำความเข้าใจได้ด้วยตัวเองไม่ยากนัก แต่สาเหตุที่ผมเลือกนำ Sources กับ Media มาอยู่ใน 1 ใน 7 ปัญหาคาใจ ก็เพราะว่า พื้นฐานของ Sources กับ Mediums จะถูกนำไปใช้ในการ Tracking ที่ซับซ้อนมากขึ้นอย่าง Campaign Analysis (ที่ผมจะโพสในอนาคตอันใกล้)

เริ่มมาทำความรู้จักกับ Medium/Media กันซะก่อน

ในภาษาคนทั่วไป Media ก็คือ สื่อนั่นเองครับ สื่อในที่นี้เป็น “สื่อแบบออนไลน์” มีประเภทกว้างๆ ตามที่ Google จัดแบ่งให้ดังนี้

• (none) คือ การเข้าเว็บไซต์โดยตรงไม่ผ่านสื่อ (เช่น พิมพ์ผ่านช่อง Address ของบราวเซอร์ หรือเข้าผ่านทาง Favorite ของบราวเซอร์)
• organic คือ การเข้าเว็บไซต์ผ่านทางระบบ Search Engine แบบไม่เสียเงิน เรียกเป็นภาษาทางการว่า Organic Search เช่น ผลลัพธ์การค้นหาฝั่งซ้ายมือของ Google
• ppc คือ การเข้าเว็บไซต์ผ่านทางระบบ Search Engine แบบ Pay-per-Click ซึ่งจะเสียเงินต่อเมื่อมีคนคลิกลิงค์เท่านั้น เช่น Google Adwords หรือ Yahoo! Search Marketing
• referral คือ การเข้าเว็บไซต์โดยลิงค์มาจากเว็บไซต์อื่นๆ
• rss คือ การเข้าเว็บไซต์โดยลิงค์ผ่าน feed ในรูปแบบ RSS ที่กำลังได้รับความนิยมมากในปัจจุบัน

นอกจากนี้เรายังสามารถสร้างรูปแบบสื่อต่างๆ เพิ่มได้ด้วยตัวเอง ไม่ว่าจะเป็นสื่อแบบออนไลน์ หรือออฟไลน์ เช่น

เราอาจแบ่ง referral ออกเป็นหลายๆ ประเภท เช่น

• banner
• text-link

หรือแม้กระทั่งกำหนดรูปแบบสื่อแบบออฟไลน์ เช่น

• newspaper
• magazine
• radio
• billboard
• ฯลฯ

หลายๆ คนคงจะสงสัยว่า เรากำหนดสื่อแบบหลากหลายแบบนี้แล้ว จะมีวิธีการ tracking อย่างไร เช่น เราจะรู้ได้อย่างไรว่าลูกเค้าเข้าเว็บไซต์ผ่านทางสื่อจำพวกหนังสือพิมพ์ หรือนิตยสาร เอาไว้จะเล่าให้ฟังในโพสเกี่ยวกับ Campaign Analysis ครับ

ที่นี้ Sources ก็คือแหล่งที่มาของ Medium ประเภทนั้นๆ นั่นเองครับ

• Sources ของ organic ก็อาจจะเป็น google, live, yahoo, aol
• Sources ของ referral ก็อาจจะเป็นเว็บไซต์ต่างๆ ที่ลิงค์มายังเว็บไซต์ของเรา เช่น pantip.com

พอเข้าใจ Medium กับ Sources แล้ว เราจะดูรายงานของ Google Analytics ในส่วน Traffic Sources ได้เข้าใจมากขึ้นเกือบครบทุกส่วนดังภาพด้านล่างครับ

เกริ่นนำเกี่ยวกับ Campaign ซักหน่อยครับ

พอเราเข้าใจ Media กับ Sources แล้ว ถึงเวลาที่จะรู้จักกับ Campaign ซักที ผมจะยกตัวอย่างง่ายๆ ครับ สมมุติเว็บไซต์ของคุณตัดสินใจจัดโปรโมชั่นต้อนรับวันสิ้นปี โดยโปรโมตทาง Google Adwords

• Campaign ก็คือ “โปรโมชั่นวันสิ้นปี”
• Medium ก็คือ ppc และ
• Source ก็คือ Google Adwords

นั่นก็คือ แบ่ง Traffic ออกเป็นสาม Level ก็คือ Campaign > Medium > Source นั่นเองครับ เราจะใช้พื้นฐานความรู้ของ Traffic 3 ระดับตรงนี้อย่างเต็มที่ในเรื่องของ Campaign Analysis ครับ

ไม่ยากเลยใช่ไหม…

Popularity: 57%

ซีรี่ย์ 7 ปัญหาคาใจใน Google Analytics

• ตอนที่ 1: Bounce Rates vs. Exit Rates
• ตอนที่ 2: Visitor Recency
• ตอนที่ 3: Absolute Unique Visitor
• ตอนที่ 4: New vs. Returning Visitors
• ตอนที่ 5: Sources และ Media
• ตอนที่ 6: Google Analytics Account
• ตอนที่ 7: Goal และ Funnel
• ตอนพิเศษ: Average Time on Site ตัวเลขที่ควรหลีกเลี่ยง

ในบรรดารายงานต่างๆ ของ Google Analytics รายงาน New vs. Returning Visitors นี่เอง ที่เป็นรายงานที่ก่อให้เกิดความเข้าใจผิดกับผู้ใช้งาน Google Analytics อย่างร้ายแรงที่สุด

คุณสามารถเปิดดูรายงาน New vs. Returning Visitor ได้ โดยเลือก Visitors > New vs. Returning จะเห็นรายงานแบบภาพด้านล่าง

เจ้าของเว็บไซต์ทุกคนย่อมอยากรู้ว่า มีผู้เข้าชมใหม่ๆ ที่รู้จักเว็บไซต์ของเขาเพิ่มขึ้นมากน้อยแค่ไหน

สมมุติว่าผมวัดสถิติผู้เข้าชมเฉพาะช่วงเดือน มิถุนายน 2008 เพียง 1 เดือน คำว่า “New Visitors” ควรจะมีความหมายถึง

• คนที่ไม่เคยเข้าเว็บไซต์มาก่อนหน้ามิถุนายน 2008
• ไม่ว่าภายในเดือนมิถุนายน 2008 คนๆ นี้จะเข้าเว็บไซต์กี่ครั้งก็ตาม ยังไงก็ถือว่า คนๆ นี้เป็น New Visitors ในการเข้าชมครั้งแรก
• ครั้งถัดๆ ไปจะต้องถือว่าเป็น Returning Visitors เสมอ
• หากเคยเข้าเว็บไซต์มาก่อนเดือนมิถุนายน 2008 แล้ว ในการเข้าครั้งแรกภายในเดือนมิถุนายน 2008 ก็จะต้องนับเป็น Returning Visitors

ผมจะยกตัวอย่างเดียวกันกับตอนที่ 3 มาอีกซักรอบนะครับ

จากภาพด้านล่าง ลองมาดูกันว่า New Visitors ของเดือนมิถุนายน 2008 ควรมีตัวเลขเท่าใด?

• การเข้าเว็บไซต์ของ D ในครั้งแรกของเดือนมิถุนายน 2008 ถือเป็น New Visitor เนื่องจากในเดือนพฤษภา D ไม่เคยเข้าเว็บไซต์มาก่อนเลย (รวมถึงเดือนก่อนหน้าพฤษภาด้วย)
• การเข้าเว็บไซต์ครั้งที่สองของ D นับเป็น Returning Visitor
• A และ C ถือเป็น Returning Visitors

ดังนั้น หากเราคิดในภาพแบบนี้แล้ว ค่า New Visitors ของ Google Analytics จะเป็น 1 Visit (D เข้าเว็บไซต์ครั้งแรกในเดือนมิถุนา) และ Returning Visitors จะเป็น 4 Visits (ก็คือ D ครั้งที่สอง, C หนึ่งครั้ง และ A อีกสองครั้ง)

ทีนี้ผมจะยกตัวอย่างรายงานอีกตัวหนึ่งที่เกี่ยวข้องกับ New vs. Returning Visitors และมักจะเป็นรายงานที่ทำให้ผู้ใช้สับสนอันหนึ่ง นั่นก็คือ Visitor Loyalty ครับ ลองดูภาพด้านล่างเป็นตัวอย่าง หลายๆ คนที่ยังไม่เข้าใจอาจจะงงว่า ทำไมในรายงาน Visitor Loyalty ตัวเลขที่บอกจำนวนผู้ที่เข้าชมเว็บไซต์เพียงครั้งเดียว คือตัวเลขเดียวกันกัน New Visitors เป๊ะๆ เลย)

ผมอยากให้ย้อนกลับไปดูภาพแรกนะครับ ตัวเลขในวงเล็บคือตัวเลขบอกว่า ผู้เข้าเว็บไซต์เข้ามาเป็นครั้งที่เท่าไหร่ ซึ่งตรงกับตัวเลข “n times” ในรายงาน Visitor Loyalty นั่นเองครับ ดังนั้น

• 1 times จึงเท่ากับ New Visitor ซึ่งก็คือผู้เข้าชมที่เพิ่งเคยเข้าเว็บไซต์เป็นครั้งแรก แต่ไม่ได้หมายความว่า ผู้เข้าชมนั้นๆ เข้ามาเพียงแค่ครั้งเดียว เพราะว่าหลังจาก Visit นั้นๆ เค้าอาจจะกลับเข้ามาอีกก็ได้ในอนาคต ยกตัวอย่างเช่น Visit ครั้งแรกของ D จัดอยู่ในกลุ่ม 1 times ซึ่งก็คือ New Visitor, ส่วน Visit ครั้งที่สองของ D จัดอยู่ในกลุ่ม 2 times ครับ
• ส่วน Visit ครั้งแรกของ A ในเดือนมิถุนายน นับเป็นการเข้าชมครั้งที่ 3 เมื่อนับย้อนกลับไปตั้งแต่ต้น ดังนั้น Visit ครั้งแรกในเดือนมิถุนาของ A ถือเป็น Returning Visitor ที่ถูกจัดอยู่ในกลุ่ม 3 times ส่วนครั้งที่สองในเดือนมิถุนา จึงถูกจัดอยู่ในกลุ่ม 4 times นั่นเองครับ

ผมจบเรื่องของ New vs. Returning Visitors กับ Visitor Loyalty เพียงแค่นี้ แต่จุดที่อยากจะย้ำก่อนจบก็คือ ความเข้าใจผิดอย่างร้ายแรงของคนบางคนนั่นเองครับ!!

ถ้าหากคุณได้เห็นรายงาน New vs. Returning แล้วเห็นยอด Returning Visitors สูงๆ แล้วล่ะก็ อย่าเพิ่งดีใจไปครับ สาเหตุมาจากว่า

• หน่วยที่ Google นับ นั้นเป็น Visits ไม่ใช่ Visitors แปลว่า ถ้าคุณมีคนเข้าเว็บไซต์ห้าคน แต่มีคนเพียงคนเดียวที่เข้าเว็บไซต์สิบครั้งในรอบเดือน (ซึ่งในภาคปฏิบัติแล้ว Visitor คนนั้น อาจเป็นตัวคุณเอง) อีกสี่คนที่เหลือ เข้ามาเหยียบเพียงครั้งเดียว แล้วไม่ได้กลับเข้ามาอีกเลย สถิติจะเป็นดังภาพด้านล่างครับ (Return = 10 Visits = 10/14 = 71%, New = 4 Visits = 4/14 = 29%)

หลายๆ คนเห็นสถิติที่ Google เตรียมให้คล้ายๆ กับภาพที่ผมยกตัวอย่าง ก็หลงระเริงดีใจไปไกลครับ คิดว่า ผู้เข้าชมหวนกลับมาที่เว็บไซต์เราเยอะเป็นพิเศษ

ความจริงแทบจะตรงกันข้ามกับตัวเลขสถิติเลย มีเพียงแค่ Visitor คนเดียวที่กลับเข้ามาบ่อย แต่คนที่เหลือไม่เคยกลับเข้ามาอีกเลย!!

พอผมรู้เข้าใจหลักการคำนวณนี้ในช่วงแรกๆ ที่เพิ่งหัดใช้ Google Analytics ผมงี้รีบตื่นจากฝันแทบไม่ทัน

อย่าพลาดแบบที่ผมเคยพลาดนะครับ…

Popularity: 40%