Шаг 3.

В открывшемся окне нам необходимо найти место, где указано название автомобиля и выделить уникальные html теги в которые оно заключено. После чего нажимаем “Готово”. Для задания границ второго параметра (цены) выполняем аналогичные действия.

Полученный данные можно импортировать в таблицу exel для сортировки, построения графиков и т.д. указав поставленный нами разделитель страниц “;”.
Как можно увидеть, данный способ настраивается под любые нужды, любое количество данных и виды сайта. Разобравшись на подобном примере и поняв логику работы данной программы, вы сможете собирать необходимые вам данные абсолютно с любого сайта, будь то для наполнения ваших разработок или же в целях маркетинга(фу-фу-фу как нехорошо).

Здравствуйте, уважаемые читатели блога сайт. Не так давно я опубликовал статью « ». Там мы познакомились с этой бесплатной системой аналитики как бы изнутри, т.е. узнали, как собираются данные, как они обрабатываются, хранятся, и как на их основе формируются нужные нам отчеты.

Эти знания безусловно нам пригодятся в дальнейшем. Ну, а сейчас я хочу уже непосредственно перейти к разговору об аналитике, как таковой. Для чего она нужна? Какие способы анализа сайта существуют и какие критерии эффективности при этом стоит отслеживать.

Также мы посмотрим, каким образом осуществляется сбор статистики сайта, какие методы и инструменты при этом чаще всего используются, а главное — каким образом эти самые данные снимаются. В связи с этим мы подробно остановимся на таких понятиях, как посетитель, сессия и хит, которые являются основой всей веб-аналитики. Без понимания этих вещей вам очень трудно будет дальше постигать все тонкости повышения эффективности вашего сайта, о котором мы будем говорить в статьях этой рубрики.

Что отслеживать и как ставить задачи для аналитики?

Из приведенной чуть выше статьи мы с вами узнали, что, по сути, система Google Analytics состоит из нескольких блоков, основными из которых можно считать:

1. Инструмент сбора данных
2. Инструменты анализа, обработки и отображения собранных статистических данных

Для чего же нам могут понадобиться подобные системы аналитики ? Давайте посмотрим:

Это в общих чертах, а вообще аналитика нужна именно для улучшения положения дел с вашим сайтом (и бизнесом). Благодаря ей вы сможете что-то измерить и отследить влияние вносимых вами изменений на какие-то важные для вас характеристики (посещаемость, конверсию и т.п.). То, что измерить нельзя, также не получится и осмысленно улучшить, поэтому так много внимания последнее время все SEO специалисты уделяют сбору статистики, ее обработке и анализу. Дело это не простое, но очень перспективное.

с помощью систем подобных Гугл Аналитикса, зависит от типа вашего сайта. В принципе, вариантов не так уж и много, поэтому давайте их просто перечислим:

1. Продажи — актуально для онлайн-коммерции
2. Сбор лидов — например, регистраций на сайте, подписок на новостную ленту, заполнений формы заказа и т.п. Актуально для многих видов ресурсов, которые собирают коллекции различных действий пользователей, чтобы потом их монетизировать тем или иным способом.
3. Вовлеченность аудитории и посещаемость ресурса — актуально для информационных и новостных ресурсов
4. Помощь пользователям в поиске информации — актуально для информационных ресурсов типа поисковых систем, каталогов, энциклопедий и т.п.
5. Повышение узнаваемости торговой марки, а также лояльности аудитории к ней — актуально при брендировании, т.е. раскрутке бренда

Соответственно, вам нужно будет понять к какому типу относится ваш проект, и на основе этого вы уже будете выбирать те показатели его эффективности, которые следует отслеживать с помощью системы аналитики (Гугла или Яндекса — не важно). В теории процесс, выглядит довольно-таки просто:

Самое неприятно заключается в том, что все описанное выше, по-хорошему, нужно продумывать еще до того, как вы создаете сайт. Зачастую уже готовый и работающий интернет-проект очень сложно бывает привести к такому виду, что можно было бы мерить нужные показатели эффективности. Без всего этого использование мощнейших систем аналитики на вроде Google Analytics становится не более эффективным, чем забивание гвоздей микроскопом.

Основные варианты сбора статистики вашего сайта

Однако, абстрагируемся от этого и допустим, что по всем вышеозначенным пунктам у вас появились более-менее осмысленные ответы. После этого встает вопрос — а каким образом можно собирать нужные нам для анализа данные. Как я уже упоминал в статье про , технически сбор данных можно реализовать двумя способами :

1. Собирать их непосредственно на веб-сервере , где находится ваш сайт, фиксируя все запросы к нему. Для этого используются данные журналов и логов сервера, а также специально предназначенные для этого скрипты. Данный способ имеет свои плюсы и минусы:

   В плане технической реализации такой метод представляет из себя программу, которая устанавливается непосредственно на сервер, где, собственно, ваш сайт и расположен. Самые популярные из серверных систем аналитики :

   1. — весьма популярная система, которая зачастую устанавливается хостерами на сервера по умолчанию.
   2. Piwik — очень мощный инструмент, который по возможностям ничем не уступает, например, такой популярной клиентской системе сбора статистики, как Яндекс Метрика (хотя вебвизора в пивике, конечно же, нет).
   3. Loganalyzer — чуть более продвинутая аналитика, чем у Awstat.
   4. Weblog Expert — тоже похож по сути на Awstat.
2. Но в то же время собирать нужные данные можно и непосредственно в браузерах пользователей , которые ваш сайт посещают. Есть такой клиентоориентированный язык программирования под названием JavaScript, команды которого можно включать в Html код вебстраницы. Как раз на этом принципе и работает большинство счетчиков посещений и систем аналитики вроде Гугл Аналитикса или Яндекс Метрики.

   Вы добавляете на все страницы вашего сайта предлагаемый вам фрагмент кода, который выполняясь будет собирать все необходимые данные из браузеров посетителей вашего сайта (и потом ее передает на сервера системы аналитики, которую вы используете). У этого способа тоже имеются свои плюсы и минусы:

   1. Собранные данные будут не такими точными, как в случае серверной статистики. Степень этой неточности определить довольно сложно, и зависит она как от используемых методов, так и от случайных обстоятельств (в браузерах каких-то пользователей может быть принудительно отключено исполнение команд, записанных на ДжаваСкрипте, или же вы забыли внедрить скрипт в какие-то отдельные страницы своего сайта).
   2. Все данные будут собираться и храниться на серверах третьей стороны (системы аналитики, которую вы используете). Правда, в этом случае будет ограничен срок их хранения, да и ваш доступ к данным в исключительных случаях (утерян пароль, нарушены правила использования и т.п.) может быть ограничен. По сути, эти самые данные и являются вашей платой за бесплатность большинства из этих сервисов, которые могут использовать эту огромную статистическую базу по огромному числу сайтов как в своих целях, так и передавать, например, заинтересованным игрокам рынка поиска за деньги.
   3. То, что массивы с собранным данных не нужно будет хранить на своем сервере, является одновременно и положительным моментом, ибо это не потребует дополнительных затрат, как в случае с серверной статистикой.
   4. Возможности аналитики клиентских систем (тех, кто снимает данные в браузерах пользователей, т.е. клиентах), как правило, серьезно превосходят серверные аналоги.

   Примерами клиентских систем сбора статистики могут служить:
   

   1. — те ресурсы, которые разместят у себя этот счетчик, автоматически попадают в данный рейтинговый каталог (довольно-таки трастовый).
   2. — еще один счетчик статистики, на основе которой выстраивается рейтинг самых посещаемых сайтов в тематике.
   3. — самый популярный в рунете способ сбора статистики своего сайта.
   4. — довольно популярный в рунете рейтинг сайтов.
   5. — чуть более продвинутая система сбора статистики с рейтингом сайтов, которые установили их счетчик.
   6. — это уже полноценная система сбора и анализа статистических данных сайта, имеющая довольно увесистый бриллиант в своей короне — вебвизор.
   7. — самая продвинутая из всех доступных бесплатно систем аналитики. Вообще, довольно давно Аналитикс назывался немного иначе и был платной системой (несколько сотен долларов в месяц за то, чтобы узнать посещаемость и сопутствующие ей параметры), но потом его купил великий и ужасный Google, после чего сделал доступным всем желающим. Однако, несколько лет назад появилась платная версия Analytics для крупных сайтов, которая имеет расширенный функционал.
   8. Adobe SiteCatalyst — основной конкурент платной версии Гугл Аналитикса. Данный пакет тоже платный, и имеет довольно-таки высокую популярность в буржунете.
   9. WebTrends — тоже довольно мощный инструмент, широко распространенный в буржунете.

   Мы с вами в продолжении этой серии статей будем рассматривать именно клиентские системы сбора статистики, поэтому поговорим о них поподробнее.

Как работают системы аналитики при сборе статистики сайта?

Итак, на практике сбор статистики сайта в клиентской системе осуществляется с помощью внедрения во все его страницы небольшого фрагмента кода, написанного на ДжаваСкрипте. Хотя, по сути, это не сам код, а лишь способ его вызова. Сам же код сбора статистики довольно-таки объемный, и загружается он одновременно с загрузкой этой вебстраницы с серверов Гугла или Яндекса (в случае использования Аналитикса и Метрики, соответственно), если, конечно же, ранее он не был закеширован в браузере пользователя.

Браузер этот код исполняет, запуская его в своем интерпретаторе ДжаваСкрипта. В результате собираются и отправляются на сервера Яндекса или Гугла различные данные (что за страница, откуда на нее пришел посетитель, какие куки хранятся для него в браузере, какое у него разрешение экрана, какой браузер, какая ОС и многое другое). А уже далее собранная статистика хранится в базе данных той системы аналитики, которую решили использовать.

К этим данным уже обращается система аналитики, когда мы через ее веб-интерфейс пытаемся посмотреть те или иные отчеты по своему сайту. На основании этих отчетов мы можем уже проводить дальнейший анализ. Вот и все, очень просто. Если говорить о мобильных приложениях, то, как я уже упоминал в статье про , там для отслеживания используется не ДжаваСкрипт код, а так называемый пакет средств разработчика (SDK). Статистические данные, снятые в мобильных приложениях, отправляются не постоянно, а пакетами через определенное количество времени.

Все собранные кодом отслеживания статистические данные, которые прошли обработку, будут вам доступны в виде отчетов в веб-интерфейсе системы аналитики. В Google Analytics в основе всех отчетов лежат комбинации параметров (метрик) и показателей (измерений) .

Однако для того, чтобы в дальнейшем нам с вами разговаривать на одном языке, нужно будет дать определения тем основным понятиям (терминам), которые мы будем использовать. В общем-то я говорил о них в статье про Гугл Аналитикс (см. ссылку в начале этой публикации), но не мешает это повторить.

При анализе статистики сайта используются три основных понятия: хиты, сессии и пользователи . Все собранные статистические данные в любой системе аналитики организованы иерархически по трехуровневой системы. В самом низу находятся хиты, чуть выше расположены сессии, ну, а в самом верху — пользователи.

Таким образом хиты являются составляющей частью сессии (набор действий, совершенных за время визита данного пользователя на сайт), а набор сессий характеризует уже поведение пользователя на сайте (сколько раз он заходит на сайт и как долго продолжались его визиты). Давайте рассмотрим все это более подробно и досконально:

Чуть подробнее остановимся на кукисах . Это небольшие фрагменты данных в текстовом формате, которые хранятся в кеше браузера. Их довольно часто используют как механизм, позволяющий запоминать посетителя и его предпочтения — хранить сделанные им на сайте настройки, параметры авторизации и что-то еще. При повторном посещение данного сайта браузер считывает записанные для него куки и посетитель попадет в привычный ему интерфейс, ему не требуется при каждом обновлении страницы заново авторизовываться на этом сайте.

Куки можно разделить на два типа — основные (куки того сайта, куда зашел посетитель) и сторонние (они не относятся к этому сайту, но присутствуют на открытой странице). Примером источника сторонних кукисов может служить баннер, отображаемый на странице, но загружающийся со стороннего сервера. В настройках браузерах прием сторонних куков можно отключить, что, собственно, многие и делают.

Тем не менее лимит, отведенный для одной статьи, исчерпан, поэтому продолжим разговор про кукисы и все остальное, что позволит нам освоить науку осмысленного сбора статистики сайта и работы с построенными на ее основе отчетами, в последующих публикациях рубрики « ».

Удачи вам! До скорых встреч на страницах блога сайт

посмотреть еще ролики можно перейдя на

Вам может быть интересно

ОпенСтат - счетчик посещений и рейтинг (бывший SpyLog) , установка и работа со статистикой
Счетчик Яндекса видимый на сайте - его настройка и установка информера Новая книга Ingate: практическое пособие по комплексной веб-аналитике
HotLog - регистрация в рейтинге сайтов и получение кода счетчика посещений
Посещаемость сайта - как проверить статистику посещений своего ресурса или узнать показания счетчика чужого сайта
Как работает Google Analytics и что нового привносит в систему Universal Analytics

Предположим, компании или банку нужно понять, что собой представляют их клиенты, кто пользуется их продуктами. Где вы будете брать информацию?

Источников, которые могут что-то рассказать о клиенте, на самом деле, очень много. Во-первых, тексты на страницах соцсетей: примерно двухсот слов, написанных клиентом, обычно бывает достаточно, чтобы определить его психотип. Во-вторых, о многом говорят фотографии, которые люди выкладывают в соцсетях Instagram, Facebook и подписи к ним. Например, экстравертам нравятся яркие динамичные фото, изображения людей. Интровертам, наоборот, - фотографии предметов, а в оформлении они используют более спокойную цветовую гамму.

Кроме того, любой банк или крупная компания анализируют обратную связь на свои рассылки сообщений: внимательно наблюдают, на какие сообщения и как вы отреагировали, а какие проигнорировали.

Еще один источник - так называемое транзакционное поведение клиента. На что он тратит деньги? И где? Интроверты, например, много покупают в магазинах «Сад и огород», в книжных магазинах, они не скупятся на страховки. Экстраверты больше денег тратят в барах и ресторанах, покупают билеты на концерты.

Важно и то, расходует ли клиент все деньги до копейки или предпочитает делать накопления. Мы используем любую информацию, которая хоть как-то может помочь.

Мы анализируем доходы и расходы клиента примерно за полгода - этого бывает достаточно, чтобы создать его профиль

А если никаких транзакций нет? Если человек сразу после зарплаты снимает все деньги и потом расплачивается наличными?

Безусловно, есть «сложные» клиенты. Но большинство - 75-80% - мы все-таки можем «просчитать». В наше время банковские карты есть почти у всех. И далеко не все, как вы говорите, сразу снимают наличность - большинство все-таки предпочитают хранить ее на картах и расплачиваться ими.

Удобнее купить онлайн-билет на самолет, чем искать в городе представительство авиакомпании. Комфортнее купить платье в интернет-магазине, чем тратить час, чтобы добраться до торгового центра, а потом еще полдня ходить по магазинам, чтобы найти наряд, который понравится. Мы анализируем доходы и расходы клиента примерно за полгода - этого бывает достаточно, чтобы создать его профиль.

И эта информация в том числе влияет на то, даст банк кредит или нет, правильно?

Да, в том числе на это.

Но как тогда вы можете объяснить тот факт, что одному моему знакомому, который уже 4 года официально не работает и получает гонорары наличными, банк постоянно дает мелкие кредиты, а другой знакомой с официальным доходом в 1000 долларов банк отказывает в кредите 5000 долларов? В чем тут подвох?

Я не знаю, о каких банках вы говорите, поэтому мне трудно сказать о причинах.

Сформулируем вопрос иначе. Какой психотип клиента наиболее выгоден банку?

Все зависит от банка и от продуктов, которые он предлагает. Разным людям нужны разные книги, разная еда. И разные банковские продукты. Например, страховка при выезде за рубеж нужна экстравертам, потому что они часто путешествуют. С другой стороны, наша компания использует такие технологии, которые вдохновят интровертов рассмотреть возможность приобретения страховки.

На конференции вы говорили, что большие данные не приносят вреда людям.

Нет, при неправильном использовании они могут нанести серьезный ущерб. Но мы в DataSine делаем все для того, чтобы информация использовалась строго по назначению. Если компания-клиент вызывает у нас какие-то подозрения, мы не будем с ней сотрудничать или ограничим количество предоставляемой информации.

Мы с коллегами работаем над тем, чтобы люди получали только те письма с предложением продуктов, которые действительно им нужны

Собственно, почему я пришел работать в эту компанию? Потому что мне надоело получать неперсонализированные сообщения по электронной почте, мне надоел весь этот спам, который валился в ящик без учета моего типа личности, моих потребностей.

Мы с коллегами работаем над тем, чтобы объем спама сократился, чтобы люди получали только те письма с предложением продуктов, которые действительно им нужны или могут пригодиться. Всю полученную информацию мы используем только для этого - ни в коем случае не во вред клиенту.

Кстати, в Евросоюзе уже появился регламент по защите персональных данных. Думаю, что правительствам других стран нужно последовать нашему примеру.

Какие данные, на ваш взгляд, лучше не выкладывать в интернет, не делать достоянием общественности?

Совершенно точно - медицинские данные. Они не должны нигде разглашаться. Их нельзя ни публиковать, ни монетизировать. Люди сами должны решать, какая информация должна быть публичной, а какая нет.

Об эксперте

Йорган Каллебаут - член Британского психологического общества (BPS), руководитель психологического направления в компании DataSine, где исследует большие данные и их влияние на личность. Стоял у истоков использования big data для персонализации маркетинговых кампаний банков в Европе, Великобритании и России.