för en webbanalysanalytiker eller en datadriven marknadsförare är det här ord att leva efter: ”utan data är du bara en annan person med en åsikt.”

optimering handlar inte om utbildade gissningar och föraningar, oavsett hur många år du har varit i branschen. Det handlar om att göra forskningen, ställa rätt frågor, gräva efter ledtrådar i problemområden, uppmärksamma tecknen när de visas och köra smarta A/B-tester.

Webbanalysanalys är en stor del av det. Det hjälper till att skilja optimeringsmedlen från bara en annan person med en åsikt.

varför webbanalysanalys är viktig

Webbanalysanalys är en viktig del av ResearchXL-modellen. Om du inte känner till vårt ramverk för konverteringsforskning, här är en visuell sammanfattning:

när jag förklarar webbanalysanalys säger jag vanligtvis att det är när du ” genomför en hälsokontroll för analys, ställer in dina KPI: er och identifierar läckor i din tratt.”

i praktiken är det lite mer komplext. Jag är villig att satsa en hel del människor hoppa över detta steg helt och hållet. Och de som inte gör det? De är sannolikt miste om en hel del dolda möjligheter.

nu finns det fyra huvudskäl till att du vill inkludera webbanalysanalys i din konverteringsforskningsprocess:

1. se till att dina data är tillförlitliga och korrekta.
2. svara på frågor som uppstod under heuristisk analys.
3. Upptäck nya, dolda problemområden / intresseområden som genererar fler frågor.
4. hitta snabba vinster/korrigeringar och framtida A / B-testideer.

frågor som behöver svar

innan du kan slutföra din webbanalysanalys korrekt bör du ha en lista med frågor som behöver svar. Till exempel:

• är det någon som faktiskt använder textstorleken eller utskriftsknapparna?
• när de surfar, använder de sökning?
• Vad gör våra mest värdefulla användare annorlunda på vår webbplats? Spelar det nån roll?
• finns det trasiga enheter eller webbläsare?
• Var är läckorna i tratten? Hur kan vi fixa dem?
• vilka kampanjer är mest effektiva?
• när de gör X, är en händelse avfyras?
• registreras felmeddelanden?
• hur ofta tas objekt bort från kundvagnen?

det är därför att ställa intelligenta affärsfrågor är en så viktig färdighet. (Tyvärr, men dumma frågor finns.) Som Peep förklarar, att ställa intelligenta frågor betyder att svaret du upptäcker kommer att vara handlingsbart:

närma dig alltid analys med ett problem: du måste veta i förväg vad du vill veta och vad du ska ändra/göra baserat på svaret.

om ingenting behöver du det inte.

under arbetet med Peep på ett konverteringsforskningsprojekt skrev jag till exempel flera frågor under en genomgång. I slutet frågade han: ”Vad ska du ändra/göra baserat på svaret på den här frågan?”Om jag inte kunde svara, togs frågan bort.

du har massor av data till hands, så om du inte vet vad du letar efter hittar du det inte. Och när du hittar det måste du veta vad du ska göra med det. Det finns en stor skillnad mellan data och användbar data.

så, innan du börjar webbanalysanalys, gör följande:

1. en enkel webbplats genomgång.
2. leta efter misstänkta / ”dåliga” delar av webbplatsen.
3. leta efter tecken på dålig spårning (t.ex. kan varje flöde inte mätas separat eftersom webbadresserna är desamma).
4. utveckla en lista med frågor du behöver svar på.
5. gå igenom listan med frågor och fråga dig själv, ”Vad ska du ändra/göra baserat på svaret på den här frågan?”Om du inte har ett svar, Ta bort det.

Chris Mercer av MeasurementMarketing.io tillägger att det inte räcker med att ställa intelligenta frågor:

Google Analytics kan ofta fungera som din bästa vän. Ställ det en fråga, och det kommer att ge dig ett svar. Ibland är det dock som att försöka få information från en förtrollare som talar i gåtor! Tricket i båda fallen är att gå långsamt, vara specifik och uppmärksamma ledtrådarna du får.

genomföra en Google Analytics hälsokontroll

jag har skrivit en hel artikel om hur man genomför en Google Analytics hälsokontroll, så jag ska hålla detta kort. Målet med hälsokontrollen är att hjälpa dig att svara på dessa tre frågor:

1. samlar jag in all data jag behöver?
2. kan jag lita på de uppgifter jag samlar in?
3. är något trasigt eller spårning/rapportering felaktigt? Varför?

du kan titta på:

• är enhanced link attribution aktiverat?
• har du din ”Virgin View” och ”Working Views” korrekt konfigurerad?
• har du konfigurerat dina anpassade och standardkanalgrupperingar?
• är intern webbplatssökning inställd och fungerar korrekt?
• använder webbplatsen en kundvagn från tredje part? Om så är fallet, har de cross-domain tracking på plats?

i huvudsak vill du titta runt och se till att du samlar in alla data du kan, och att uppgifterna är korrekta.

när du växer och med tiden riskerar din webbanalysinställning att bli alltför komplicerad och kommer därför ständigt att kräva felsökning. Det här är inget engångsjobb. När du fortsätter att växa ditt företag och din webbanalys mognad, titta på vår för frågor om dataintegritet, data mognad, och datastyrning.

du börjar ställa frågor som:

• ska vi ställa in filter och vyer för just detta team?
• vem ska ha åtkomst och kontroll för att ställa in ny händelsespårning?
• Vad är vår händelsespårning taxonomi? Vad är vår utm-kampanj-tagging taxonomi? Kan vi städa upp det?
• finns det strategiska händelser som vi för närvarande inte spårar? Vad är en riktig färdplan för att förbättra spårningen?
• Hur kan vi effektivisera viss rapportering för intressenter och chefer? Hur kan vi förbättra processen med affärsfrågor och svar?

kom ihåg att kontext är kung

innan du dyker in, vet att kontext är kung när det gäller webbanalysanalys. Jeff Sauer från Data Driven U använder avvisningsfrekvens som ett exempel:

det har funnits så länge som det fanns Google Analytics. När det gäller avvisningsfrekvens har jag blivit frågad hundratals variationer av samma fråga:

” är min avvisningsfrekvens bra?”

som jag alltid säger, ” Det beror på.”

du ser, bounce rate räknar antalet personer som kom till din webbplats och bara spelade in en sidvisning. De kunde ha lämnat din webbplats i en huff eller deras webbläsare kunde ha kraschat. Eller de kunde ha spenderat 10 minuter på din webbplats.

om en hög avvisningsfrekvens är dålig eller inte beror på vad du vill att personen ska göra. Vill du att någon ska se din webbplats, hitta svaret och lämna? Eller vill du att de ska stanna kvar länge och fönsterbutik hela dagen?

är du fokuserad på att konvertera de människor som kan konverteras? Då kommer din avvisningsfrekvens troligen att vara mycket hög. Och så kommer din omvandlingsfrekvens.

det finns online miljonärer med 95% avvisningsfrekvenser. Det finns webbplatser med 5% avvisningsfrekvenser som går i konkurs.

avvisningsfrekvensen är nästan helt meningslös utan affärssammanhang. Det är därför jag tycker att en mycket bättre indikator på framgång är ”Sidvärdet” i Google Analytics.

liksom avvisningsfrekvens försöker sidvärdet att uppskatta värdet på dina målsidor. Den största skillnaden är att detta mått är knutet till webbplatsresultat. Bounce rate betyder bara att inga fler sidor visades. Sidvärde visar hur mycket värde den här sidan bidrar till dina mål.

Sidvärde ställs in automatiskt när du ställer in mål i Google Analytics och tilldelar dem ett värde.

är avvisningsfrekvens en värdelös indikator? Självklart inte. Ska du uteslutande använda sidvärde för att indikera framgång? Också nej. Vad som är viktigt är att du är hyperaware av sammanhang hela tiden.

Använd samma kritiska tankesätt när du tittar på någon form av metrisk, inklusive klickfrekvens och jämn omvandlingsfrekvens. Det finns inga absoluta i det här fallet, och en analytikers bästa styrka är ett nyfiken, ödmjukt och nyfiken sinne.

kom ihåg att du letar efter något som är ovanligt för din webbplats. Precis som det inte finns någon ”bra” omvandlingsfrekvens, finns det ingen ”bra” avvisningsfrekvens eller ”bra” sidvärde.

du är som en detektiv som gräver efter ledtrådar när du genomför en webbanalysanalys. Om du inte känner till historien om fallet/brottet/misstänkta, kommer du förmodligen att sätta fel person bakom staplarna.

Steg 1: Börja med det högsta värdet

det finns två värdefulla platser du kan titta på direkt:

1. hög volym, lågt värde sidor. Till exempel ett gammalt blogginlägg som får mycket organisk trafik eftersom det rankas bra för ett populärt nyckelord.
2. sidor med låg volym och högt värde. Till exempel din kassasida.

optimering av någon typ skulle sannolikt resultera i stort värde för ditt företag, eller hur? Sauer gillar att börja med de höga volymer, lågt värde sidor:

en av mina favoritmetoder för att generera optimeringsideer är att titta på sidor med hög volym / lågt värde och upptäcka sätt att optimera dem. Faktum är att jag publicerade en fallstudie om hur du kan använda denna beslutsprocess för att påverka beslut.

den grundläggande förutsättningen är lätt. Om din sida får mycket trafik och inga konverteringar bör den vara i fokus för din nästa optimering. Härifrån kan du gå till den här sidan och upptäcka vad som kan vara fel. Hittar dina besökare vad de behöver? Erbjuder du en innehållsuppgradering eller e-postanmälan? Finns det tekniska fel? Skulle du vidta de åtgärder du vill att användarna ska vidta? Ber du dem att vidta åtgärder?

det finns miljontals konverteringsfrågor du kan ställa när du upptäcker hålen i din strategi. Och det finns alla typer av verktyg som hjälper dig att få svaren.

Bounce rate berättar vad folk inte gjorde, men är till stor del beroende av din webbdesign. Sidvärde berättar vad folk inte köpte och ger dig en tydlig väg att upptäcka varför.

när det gäller analys vill vi alla samma sak: att öka våra chanser till framtida framgång genom att lära av det förflutna. Att fokusera på de åtgärder du vill att användarna ska ta kommer att få dig dit, snabbare.

så, till exempel, här är en lista över toppsidor (efter sidvisningar) och deras avvisningsfrekvenser (jämfört med genomsnittet):

om jag skulle gå efter sidor med hög volym, lågt värde, skulle jag börja med sidorna 3, 7, 8 och 9. Du kan naturligtvis ändra avvisningsfrekvens till vilken framgångsindikator du vill.

du kanske har märkt att jag använder ett avancerat filter. Varför? För att filtrera bort sidor med för liten provstorlek. Om inte tillräckligt många har sett sidan är framgångsindikatorn inte tillförlitlig.

sidorna 3, 7, 8 och 9 ska läggas till i en lista över misstänkta/”dåliga” delar av webbplatsen. Därifrån kan vi undersöka sidorna på djupet.

är något tekniskt fel? Är kopian tråkig eller oklar? Är UX hemskt? Ta en titt på liknande sidor som går bra. Vad kan de dåliga sidorna lära av de goda?

tips: navigationssammanfattningen är en fantastisk, mindre känd resurs. Du kan använda den för att ta reda på var människor går när de lämnar nyckelsidor, vilket kan indikera vad som saknas på dessa sidor. Du kan också identifiera sällan använda länkar som distraherar från din mest önskade åtgärd.

här är ett exempel från en blogg:

cirka 9,7% av människorna lämnar bloggen (Sidan 1) för att besöka sidan 2. Ytterligare 8,5% lämnar för att återvända till huvudsidan. Självklart, Detta är 10x mer användbart för SaaS och e-handel webbplatser.

steg 2: Web analytics kvalitetssäkring

jag har sagt det tidigare och jag säger det igen, webbplats kvalitetssäkring är avgörande. Sidor och flöden som är tekniskt trasiga är en konverteringsmördare-det finns ingen väg runt det.

som Peep förklarar är cross-browser och cross-device-problem låghängande frukt för optimerare:

du kommer inte att tro hur många omvandlingar som går förlorade på grund av dåliga kompatibilitetsproblem mellan webbläsare och enheter.
medan vissa kanske anser att detta är en teknisk fråga och inte en konverteringsfråga, säger jag annars. Allt som vi som optimerare kan göra för att öka konverteringarna är en optimeringsfråga. Och det här är låghängande frukter.

frågor vi försöker svara här:

– fungerar webbplatsen med alla större webbläsare?
– fungerar webbplatsen med alla enheter?

tekniska problem och dålig användarupplevelse kommer att döda konverteringar.

du gjorde en enkel genomgång ovan, men du bör också göra en djupgående teknisk genomgång där du utforskar din webbplats (börjar först med dina trattar) med alla enheter och webbläsare som till och med är fjärr relevanta idag.

ett verktyg som BrowserStack kan hjälpa dig med webbläsare och enhetstestning, men det är tidskrävande. Så medan du arbetar igenom dem alla, fokusera på den handfulla som ger mest värde.

Mercer förklarar hur man identifierar de största möjligheterna:

om du planerar att använda Google Analytics som ett verktyg för att ta reda på vad som kan döda dina konverteringar är det enklaste stället att börja först en teknisk revision.

vilka webbläsare använder dina besökare? Vilka versioner? Vilka enheter? Dra dessa Publikrapporter och jämföra dem mot varandra.

finns det en viss webbläsare som inte konverterar lika bra som andra? Eller kanske en viss version? Vad sägs om att jämföra Android vs Apple-enheter? Medan du förväntar dig en viss skillnad i omvandlingsfrekvenser, om du tycker att en viss kategori inte producerar som förväntat, kan du ha en teknisk glitch som är redo för en utvecklare att ta en titt.”

här är ett exempel på webbläsarens rapport:

cirka 37,8% av Chrome-sessionerna resulterar i en transaktion. Safari (33%) och Firefox (39%) är ungefär samma. Om de var drastiskt annorlunda, du kanske har upptäckt ett problem.

du kan också borra ner och se vilka webbläsarversioner som är viktigast, vilket kan hjälpa dig att upptäcka problem under ytan:

ta en titt på nummer 7. Avvisningsfrekvensen är genom taket jämfört med genomsnittet. Det kräver definitivt en närmare titt, så du vill lägga till den i din lista.

lämna inte denna kvalitetssäkring till ditt tekniska team. De kommer att sakna saker. Kontrollera och kontrollera igen. Gå igenom varje webbläsare, varje webbläsarversion, varje enhet. Under tiden kan du upptäcka problem med högt värde baserat på din nuvarande publik.

steg 3: trasiga länkar

en trasig länk är friktion. En besökare länkade en länk eftersom de ville ha X, men istället fick de en 404. En besvikelse, eller hur?

det är en stor del av anledningen till att du bör leta efter och fixa dina trasiga länkar. Låter ganska enkelt, men:

• hur många människor har landat på en 404 under de senaste 30 dagarna?
• är dina 404 fel oftare resultatet av en gammal lista eller en länk som aldrig funnits?

många människor kommer inte att kunna svara. Det beror på att det är ett välkänt faktum att trasiga länkar är dåliga, men de flesta vet inte hur man/vill göra mycket åt det.

Mercer föreslår ett sätt att komma igång…

du hittar dessa i dina” beteende ” – rapporter (Sök efter sidtitlar som innehåller ”sidan hittades inte”). När du har en lista över dessa kommer du att upptäcka att några av dem inte är en stor sak; andra kan vara en gammal försäljningssida länk som av misstag raderades och i behov av en omdirigering så att trafiken träffar sin avsedda plats.”

innan du börjar, se till att Google Analytics-koden faktiskt finns på din 404-sida. Om så är fallet, när du söker efter ”sidan hittades inte” (eller vad titeln på din 404-sida kan vara) ser du något så här:

när du klickar igenom ser du vad som i huvudsak är en prioriterad lista över 404s att fixa:

om du vill ha mer information, Lägg till en sekundär dimension för ” Full Referrer.”Detta kommer att berätta de webbadresser som hänvisade trafik. Detta kan vara en stor hjälp, särskilt om du har externa webbplatser som utlöser din 404s.

som Ian Lurie påpekar, trasiga länkar är också dåligt för SEO…

Google rankar webbplatser, delvis, baserat på webbplatsen ” kvalitet.”De har erkänt att 404 fel är en del av den formeln.

du kommer aldrig att straffas för 404 fel, men du kan säkert rankas lägre. Det finns en kritisk skillnad – ett straff verkställs eftersom du bryter mot Googles TOS. Du har inte gjort det.

men Google kommer definitivt att vidta två åtgärder med att många 404s:

– Crawl din webbplats mindre ofta, eller åtminstone crawl färre bra webbadresser, som Googlebot tillbringar tid spottar igenom alla 404s.
– lägre webbplatsens betydelse ur användarupplevelsen. En webbplats med 99K 404-fel passar inte deras definition av en bra upplevelse.

så att fixa dessa 404s är ett måste.”(via Quora)

Observera att formulärfelmeddelanden också är viktiga. Vi har skrivit en hel artikel om att göra dem perfekta och spåra dem i Google Analytics, så jag föreslår att du tar dig tid att läsa den.

du kan också använda Google Analytics-händelser för att spåra allmänna webbplatsfel (t.ex. ”produkt slut i lager”, ”ogiltig inloggning”, ”ogiltig kupong”).

steg 4: webbplatshastighet

den här är ganska enkel. Att ha en långsam webbplats dödar omvandlingar. Vi har skrivit om det gång på gång, så jag kommer inte att bry mig om att gå över det. Notera bara denna regel från Peep:

medan en laddningstid på en sekund skulle vara trevligt, om du lyckas få en laddningstid under tre sekunder, gör du det bra. Om det är under sju sekunder är det okej också (men du måste förbättra det). Över 10 sekunder och du förlorar pengar i märkbara mängder.

Yehoshua Coren från Analytics Ninja visar hur du gör fallet för en snabbare webbplats i vår nybörjarguide för optimering av omvandlingsfrekvens:

i grund och botten, för att undvika att förlora pengar i märkbara mängder, håll ett öga på dina sidladdningstider.

här är ett super grundläggande exempel där jag helt enkelt jämför den genomsnittliga sidladdningstiden för mina toppsidor med webbplatsens genomsnitt:

Uppenbarligen finns det en del arbete att göra här. Återigen, notera dessa sidor så att du kan gräva efter fler ledtrådar senare.

men du kan få mycket mer insikt med lite segmentering. Har vissa enheter långsammare laddningstider? Vissa länder? Webbläsare?

Steg 5: tratten

du kan använda konverteringsrapporterna i Google Analytics för att identifiera vilka delar av tratten som läcker pengar (och hur snabbt). Detta kommer att berätta var du ska fokusera först och kan peka dig i rätt riktning för ytterligare webbanalysanalys.

trattvisualiseringsrapporten ser lite ut så här:

här är det tydligt att fokus bör ligga på steget ”lägg i kundvagn”. I din tratt kan du behöva fokusera på betalningssidan eller granskningssidan—det kommer att vara annorlunda för alla.

kom ihåg, ju längre ner i tratten du får, desto mindre påverkan behöver du göra för att få en stor avkastning.

om du till exempel är en genomsnittlig e-handelswebbplats och du förbättrar kassan till och med något, ser du en stor ökning av intäkterna. Om du optimerar närmare toppen av tratten kommer en liten förbättring inte att ha så stor inverkan.

det finns dock en hel del begränsningar med den typiska måltrattvisualiseringen i Google Analytics (inklusive återfyllning och bristen på segmenteringsfunktioner). Lyckligtvis kan de flesta begränsningar överträffas (med förbättrad e-handel) genom att använda funktionen horisontell tratt.

dessa är helt anpassningsbara (så att du kan använda dem för saker som spårning av innehållsengagemang), och du kan analysera efter vilket Anpassat segment du vill samt efter dimensioner.

en annan cool funktion i denna trattfunktion är att om ditt Google Analytics-konto är integrerat med Google Ads eller DoubleClick kan du skapa en publik från alla som överger ett visst steg och använda dem i dina annonskampanjer.

du har också målflödesrapporten, som ska se ut så här:

så, vad är skillnaderna?

• målflödesrapporten är mer flexibel.
  • du kan använda avancerade segment, se retroaktiva data om du lägger till/ändrar en tratt, dra full nytta av datumjämförelser etc.
• målflödesrapporten visar den mest exakta vägen dina besökare tar innan de slutför ett mål.
  • det tillåter loopbacks, vilket innebär att om någon går från steg ett till steg två och sedan tillbaka till steg ett, ser du det (ingen utgång inspelad).
  • det fyller inte heller steg om besökaren hoppar över ett steg i tratten.
  • slutligen visar det dig den faktiska ordningen i vilka steg i tratten visades.

om du är intresserad av att lära dig mer om dessa och de många andra skillnaderna, klicka här.

målflödesrapporten berättar mer om de vägar människor tar, där det finns friktion och var du ska prioritera din grävning/optimering.

Tips: Kontrollera alltid rapporten omvänd målväg, som visar de tre sista sidorna personen besökte innan du slutför ett mål. Detta kan berätta om dina mest värdefulla vägar, av vilka du kanske inte ens har övervägt.

finns det något ovanligt beteende här? Varför kan det vara?

steg 6: intern sökning

om du tillåter besökare att söka på din webbplats och du inte följer upp hur ofta de använder den, vad de söker efter, om de hittar den etc., du lämnar pengar på bordet. Över hela bordet.

enligt Avinash Kaushik finns det fem frågor värda att utforska:

1. hur ofta använder användarna min sökruta och vad letar de efter?

2. var börjar folk söka och vad hittar de?

3. är användarna nöjda med vad de hittar?

4. Hur söker olika grupper av användare på min webbplats?

5. vilka affärsresultat resulterar från användare som söker på min webbplats?

svaren på dessa frågor öppnar många dörrar att utforska. Lyckligtvis, Det är ganska lätt att navigera allt detta i webbplatsen sökrapporten:

1. frekvens. Site Search > Användning.
2. börja. Webbplatssökning > Sidor.
3. tillfredsställelse. Titta på måttet % Search Exit. Om det är hög, människor lämnar omedelbart efter sökning, vilket innebär att de sannolikt inte var mycket nöjda. Också, titta på resultaten sidvisningar / sökning. Om detta är över 1, människor var tvungna att gräva för att hitta det de verkligen letade efter. (OBS: Detta är inte alltid en dålig sak; kom ihåg vikten av sammanhang.)
4. Olika Grupper. Använd avancerade segment.
5. resultat. Webbplatssökning > söktermer > webbplatssökning Kategori (primär Dimension) > Välj kategori > välj fliken Mål eller fliken E-handel.

här är ett exempel på söktermsrapporten…

den rapporten är ganska grundläggande, men med lite grävning berättar webbplatssökning vad folk letar efter och om din webbplats är effektiv för att hjälpa dem att hitta det. Det är mycket insikt. När du märker något ovanligt, var noga med att notera det för senare.

Samantha Barnes ger bara några verkliga exempel på hur webbplatssökning kan avslöja insikter:

Web analytics-segmentering är den verkliga hemligheten

så vi har täckt mycket. Nu har du förmodligen en ganska stor lista över misstänkta/”dåliga” delar av din webbplats för att utforska vidare, liksom en stor lista över problem som helt enkelt behöver åtgärdas.

men sanningen är att din lista kommer 10x när du verkligen fokuserar på segmentering, vilket gör att du kan skära och tärna dina data för att hitta ännu mer insikter.

Sauer ger en bra översikt över avancerade segment:

jag har faktiskt skrivit en hel artikel om avancerade segment, som nämnts ovan, Coren talar om segmentering kraftigt i sin del av vår CRO guide. Läs dessa två resurser innan du fortsätter med webbanalysanalys.

som Mercer påpekar går webbanalysanalys hand i hand med de andra stegen i ResearchXL-modellen, som kvalitativ forskning:

Använd anpassade rapporter

glöm inte att du kan sätta ihop anpassade rapporter för att hjälpa dig med webbanalysanalys. Så fastna inte och tro att du är begränsad till den handfull standardrapporter som Google Analytics levererar.

du kan lära dig om några viktiga anpassade rapporter för optimerare (och hur du gör din egen) genom att läsa 12 Google Analytics anpassade rapporter som hjälper dig att växa snabbare.

slutsats

frågor leder till fler frågor, men om du frågar intelligenta, så småningom leder de dig till insikter om problemområden och smartare A/B-testideer.

allt detta blir lättare ju oftare du gör det. Varför? Eftersom data i sig inte kommer att berätta mycket av någonting—det är därför det kallas webbanalysanalys. Tillbringa några dagar roaming runt Google Analytics, experimentera.

för nu, hålla sig till följande process:

1. gör en enkel genomgång av din webbplats. Leta efter misstänkta / ”dåliga” delar av webbplatsen och tecken på dålig spårningsinställning.
2. skapa en lista med frågor som kommer att resultera i handlingsbara svar.
3. utför en hälsokontroll för Google Analytics för att säkerställa att du samlar in alla data du behöver, du kan lita på de data du samlar in och ingenting är trasigt eller rapporterar felaktigt.
4. kom ihåg att sammanhanget är kung. Du är en detektiv som gräver efter ledtrådar; du letar efter oegentligheter för din webbplats.
5. förstå de grundläggande Google Analytics-rapporterna och hur du får mest insikt från dem.
6. förstå segmentering och hur du dyker djupare in i dina data för ännu mer insikter.
7. utveckla dina egna anpassade rapporter.