Kom i gang med Google Advanced Analytics

Google Analytics Academy tilbyr et nettbasert gratiskurs for nybegynnere og fem andre sertifiseringer for litt mer drevne brukere av Google Analytics. Nybegynnerkurset er for dem som ønsker å tilegne seg mer kunnskap om hvordan man kan analyse og optimalisere data på eget nettsted. I denne artikkelen kommer i all hovedsak til å gjennomgå hvordan verktøy fra kurset i Advanced Google Analytics fungerer slik at du kan implementere dem i din innsiktsanalyse av nettbutikk eller nettside.

  • Tracking med JavaScript
  • Brukerinteraksjon
  • Filter og kategorisering

Tracking

Google Analytics samler inn og prosesserer data gjennom en tracking kode kalt, JavaScript som er en HTML-kode du må implementere på eget nettsted som følger og måler brukeratferd og kundereise på siden din. Handlingene koden følger kan være alt fra innlastinger av nettside, trykk på lenker, avspillinger av video og andre klikk. Koden bruker nettstedet sitt domene til å definere data i analyserapporten i Google Analytics. Med koden implementert på nettstedet vil Google Analytics slippe en “cookie” i brukerens browser på nettsted og andre relevante sub-domener som følger brukerens navigasjon og handling inne på nettstedet.

Brukeratferd

Med hver brukerinteraksjon sender tracking-koden et “hit” til Google Analytics. Et hit er en URL-string med ulike parametere med verdifull informasjon om brukerne. Informasjonen kan f.eks inneholde informasjon om brukerens format, språkinnstilinger og bruker-ID som skiller mellom nye besøkende og gjengangere på nettsiden. En deler hits inn i tre ulike kategorier:

  • Sidevisning
  • Event
  • Transaksjon

Sidevisning-hits trigges når en bruker laster inn ditt nettsted. Dette kan enten være ved at de har trykket på en lenke de har blitt tilsendt, google søk, markedsføring på andre kanaler eller et aktivt søk på nettstedet. Hver enkelt bruker har en unik ID som gjør at vi som administratorer kan få innsikt i brukerens besøks-vaner på nettstedet. Dersom en bruker har besøkt nettstedet før og ved en senere anledning besøker den igjen, vil den samme bruker-IDen følge brukeren. Dette gjør at vi kan analysere hvordan en tidligere besøkende agerer på innhold på nettstedet til sammenlikning med en ny besøkende. Dersom en besøkende blokkerer cookies på nettstedet mister du dataen på brukeren, og hvis de besøker siden ved en senere anledning vil de få en ny bruker-ID. Derfor kan det opptre noe ukorrekt samvariasjon mellom disse variablene i Google Analytics.

På bildet ovenfor ser du et eksempel på hvordan Google Analytics viser antall sidevisninger per sekvens og brukere. (Bildet er hentet fra Google Analytics Academy).

Event-hits trigges hver gang en besøkende utfører en handling på nettstedet. Disse handlingene kan være predefinerte av Google Analytics eller så kan du sette opp alternativene selv. Typiske handlinger kan være å trykke på lenker, knapper. Du kan også sette inn Custom variabler av events som kan være egendefinerte handlinger. For å lære mer om dette se denne videoen.

Transaksjon-hits trigger av kjøp eller andre gitte konvertinger på nettstedet. Dette kan for eksempel være transaksjons-ID, SKU (Stock Keeping Units), produktkjøp eller fratrekk eller supplering i handlekurv.

Filter

I Google Analytics kan du legge inn konfigurasjonsinnstillinger som bestemmer hvordan dine data blir prosessert og utvalg. Filter er blant annet en slik innstilling. Du får muligheten til å legge på filter som enten ekskluderer eller inkluderer spesifikke data som er av interesse eller ikke av interesse for deg som administrator. Et filter kan anses som en “regel” som Google Analytics implementerer under datainnsamlingen. Det er to potensielle grunner til at du kan ønsker å legge på et slikt filter. En årsak kan være at du ønsker å se på trafikk på et spesielt geografisk område. Eksempel vis trafikk i Norge eller Oslo i istedenfor globalt. En annen årsak kan være at du ikke ønsker data på intern trafikk fra ansatte, da velger du å ekskludere disse fra rapporten. Filter hjelper deg å raffinere rådata inn i ulike grupperinger som demografi, atferd, teknologi, sekvenser eller Ecommerce. (Se bilde under)

Hvis du kunne tenke deg å ta en Google Analytics sertifisering ta kurset til Google Analytics Academy. PS! Dersom du ikke har arbeidet med Google Analytics før anbefaler jeg deg å ta kurset, Google Analytics for Beginners der du får en generell innføring i verktøyet. Det kan være lurt å ta kursene i kronologisk rekkefølge da de ulike kursene bygger på hverandre.

Lykke til!

Algoritmer – filterbobler

Hvordan har det seg at produkter du så vidt har tenkt på dukker opp overalt på sosiale medier og nettet? Når vi navigerer oss rundt på nettet tenker vi ofte ikke så godt over hva vi søker på, hvilke sider vi besøker på og hvilke vi unngår. Likevel opptrer vi er i et slags vanedannende mønster. Enkelte kategorier, merker og produkter søker vi mye informasjon om, og andre har vi enten liten interesse av eller opptar oss ikke i like stor grad. Uavhengig av interessen vår blir atferden våres målt og overvåket av algoritmer som innhenter nyttig informasjon av oss som forbrukere. Algoritmene presenterer innhold på søkemotorer, sosiale medier og andre plattformer som er av interesse for oss. Men hva er algoritmer, hva vet de om oss og hvem er det som eier informasjonen om os?

En algoritme er en kode som innhenter data den skal reagere på. Den har flere muligheter og baserer seg på dine atferdsmønstre på nett. I likhet med en manual har algoritmen presise beskrivelser av en serie steg den skal i er et sett med operasjoner som følges – steg for steg – litt som en bakeoppskrift eller bruksanvisning. Om disse følges korrekt vil det gi et bestemt resultat.

Filterboble Google bruker filterbobler til å filtrere ut relevant og irrelevant informasjon i Google-søk. En filterboble er når algoritmene tar tak preferansene dine, siler ut informasjon og skreddersyr dem slik at de treffer deg og oppleves relevante. Utforsk-siden på Instagram, anbefalte søketreff på Google eller innlegg på Facebook baserer seg på dette. En filterboble og ekkokammer er to begreper som har en tendens til å bli brukt om hverandre. Til tross for likheter er det vesentlige forskjeller som skiller de to. Der en filterboble navigerer for deg basert på innsamlet datainformasjon, vil et ekkokammer til forskjell være en selvbestemt filtrering da individet aktivt er medlem av en gruppe. Medlemmer som kommuniserer i ekkokamre vil sjelden bli eksponert for motstridende meninger/holdninger/atferd, noe som kan gi dem et ensidig bilde på tematikken. En trussel ved slik filtrering er fremvekst av ekstremisme. Medlemmene deler gjerne politiske, kulturelle eller religiøse verdier og holdninger.

EdgeRank Nyhetsoppdateringen på Facebook regulerer i aller høyeste grad innhold som blir presentert for brukeren. I 2013 het algoritmen som kontrollerte hva som kom opp i nyhetsoppdateringen, Edgerank. I dag har tar Facebook i bruk en maskin-lærende algoritme som tar over 100 000 faktorer i betraktning når den filtrer innhold . Den tidligere formelen for algoritmen står forenklet nedenfor:

\sum_{\mathrm{edges\,}e} u_e w_e d_e
Dette er den forenklede formelen for algoritmen, EdgeRank. De to første faktorene står for attraksjon, de to påfølgende bestemmer hvordan innhold blir vektet og de to siste faktorene er tidsbaserte parametre.

InnholdAltså er mesteparten av innhold på nett styrt av algoritmer i den hensikt av at innhold skal være skreddersydd for brukeren. Algoritmens kode er laget slik at den skal sile ut relevant innhold ned på individnivå. Siden algoritmen plukker opp mønstrene våre på nett er det desto viktigere å opptre med skjønn og forsøke å være mer konsekvent på hva man søker opp. Hvis ikke risikerer man å bli presentert med mengder av irrelevant innhold på ulike nettsteder og søkemotorer. Internett kjenner deg altså bedre enn man skulle ha trodd. K

Kilder:  https://en.wikipedia.org/wiki/EdgeRank Arne Krokan, Friksjonsfrie samfunn, 2015

Tillitsøkonomi

Da jeg var liten formanet moren min meg gjentatte ganger om å styre unna fremmede og fremmedes biler. Det var det trolig ikke kun moren som ikke hadde tillit til fremmede, denne mistilliten hadde nok de fleste foreldre. Med dette svakt i minnet undrer jeg meg om hva som gjør at jeg likevel gjentatte ganger setter meg inn i en Uber i Oslo og i utlandet når jeg ikke kjenner sjåføren. Hva gjør at vi handler på tross av denne kognitive dissonansen? Svaret jeg vil frem til er tillit.

Tillit kan være så mangt og blir trolig beskrevet ulikt ut i fra hvem du snakker med. Tillit har blitt mer tillit enn hva den en gang var. En kan snakke om tillit til andre medmennesker, et system, regjering eller til en organisasjon. Jeg velger å se på tillit i denne sammenheng som prosessen der en aktør overlever resurser til en aktør med en uskreven antakelse om at aktøren ikke misbruker disse. Dette kan eksempelvis være penger, tid, oppmerksomhet, arbeid eller andre tjenester.

Tillit til aktøren eller systemet? Når jeg setter meg inn i en Uber eller leier ut leiligheten min til fremmed – har jeg egentlig tillit til aktøren eller ligger tilliten min i systemet (plattformen)? Den teknologiske utviklingen og den digitale økonomien har brakt med seg enda et gyldighetskrav til digitale tjenesteplattformer. Nemlig mekanismer som håndterer tillit. Mekanismene skal verne om brukerne slik at de kan følge seg trygge til å benytte tjenesten. Et betryggende tiltak kan eksempelvis være en funksjon registreringsprosessen som tar for seg ID-vertifisering av brukeren. Ved å dokumentere at man er den man utgir seg for å være skiller ikke plattformen det digitale og virkelige selvet. En slik versifisering skaper en lavere terskel for å opptre imot strid med retningslinjer da aktøren frykter for sanksjoner.

Ranking Et annet tiltak for å unngå at brukere misbruker profilen sin er rankingsystemer. Ved å gi brukere muligheter rangere bruker andre aktører som bruker plattformen får virksomheten muligheter til å kontinuerlig ettergå svindlere eller andre. Kraften av en dårlig omtale kan være make og break for den enkelte selgeren/sjåføren eller utleieren i en situasjon der tillit er nødvendig. Uber opererer med et poengsystem sjåfører må holde seg innenfor. En dårlig anmeldelse av en passasjer kan derfor få følger som medfører at en sjåfør ikke får forsette hos Uber

Double spending Likevel, til tross for flere forebyggende tiltak for svindel er det likevel rom for å utnytte systemet. Double spending er et slikt fenomen som ofte utarter seg på plattformer som Finn.no, eBay og andre nettsteder som for eksempel Shpock. Til tross for ulike verifiseringer av autensitet kan en selger for eksempel selge en konsertbillett til flere kjøpere og sende den på E-post uten å bli oppdaget. Den første som scanner billetten sin i døren på konsertdagen vil få tilgang til konserten, mens de andre vil forstå at de har blitt lurt. Slike hendelser oppstår jevnlig og fordrer at brukere viser nettvett og skjønn når de handler på nett. Til tross for at digitaliseringen har ført oss en lang vei kan ikke tillit i hele ordets forstand byttes ut med et system og mekanismer som håndterer tillit.

Kilder: Nettverksøkonomi (2017) og Det friksjonsfrie samfunnet (2015) – Arne Krokan http://www.krokan.com/arne/2018/07/11/ny-bok-deling-plattform-tillit-perspektiver-pa-delings-og-plattformokonomi/ https://www.uber.com/nb-NO/safety/ (04.02.19)