Současné vnímání hodnoty nástrojů webové analytiky
Emer Kirrane (na twitteru @exxx) pracuje pro Yahoo! jako manažerka služby Yahoo! Web Analytics v pobočce v Budapešti. Ve své prezentaci parafrázovala ekonomickou poučku, že neexistuje nic takového jako je oběd zdarma.
Emer pro představu použila příklad malé firmičky, která se rozhodla uspořádat soutěž, v níž lze vyhrát večeři (všimněte si prvních slidů v prezentaci). Soutěžícími nemuseli být pouze zákazníci, a tak se stalo, že první cenu vyhrál klučina, který se soutěže zúčastnil z rozmaru a bez jakéhokoliv důvodu stát se zákazníkem dané firmy. Když šel na vítěznou večeři se svou přítelkyní, pochopil, kde je háček. Místní novináři byli povoláni, aby si udělali několik fotek těch šťastných výherců v soutěži. Takže sice nezaplatili za večeři penězi, ale stálo je to kousek soukromí, které se otisklo v novinách spolu s PR článkem firmy.
Velice zajímavě Emer vysvětlila, že termín zdarma se často prezentuje a vnímá pouze k placení peněz (tedy např. 0 Kč měsíčně za používání nástroje). Poukázala na model Podmíněného placení (Conditional costing), který jednoduše ukazuje, že určitá obchodní transakce je (a existenčně musí být) vždy někde v pozadí.
Postupně Emer přešla k představení názoru, že je třeba správně vyjádřit hodnotu využívaných nástrojů. Hodnota nástroje se neposuzuje podle toho, kolik stojí, ale podle dat, které se z něj dají vytáhnout. Má pro vás nějakou cenu schopnost segmentovat návštěvníky? Má pro vás nějakou cenu sledovat profil individuálních návštěvníků?
Nástroje webové analytiky nejsou zařízeny k tomu, aby poskytovaly přímo odpovědi na otázky. Poskytují data, a podle Emer tento úkol plní dobře poměrně všechny. Firma by měla hledat nástroje zejména podle otázek, k jejichž zodpovězení potřebují data. Ale firmy často ani neví, jaké otázky si mají klást, a tím vzniká dost nejasností a často zbytečných hádek o používaném nástroji.
Každá, ač zdánlivě bezplatná služba či produkt má v mnoha případech svou skrytou profitabilní stránku, která však rozhodně nemusí znamenat přímou cestu k penězům. Zmíněný příklad tuto skutečnost velice dobře vystihuje. Přemýšlejte proto v opačném pořadí, než jsou vám informace prezentovány. Ze strany toho malého podniku totiž na začátku asi nebyla nabídka večeře zdarma, ale přemýšlení nad PR článkem a jeho čtenáři.
Stejně tak zacházejte i s daty získanými z nástrojů. Nevytvářejte si přehled, nad kterým si poté sednete a budete přemýšlet, k čemu vám daná data jsou. Řekněte si, co přesně a proč chcete vědět, a poté se snažte nalézt data, která vás k odpovědi přiblíží.
Doporučovací systémy a služba sme.sk - co číst
Ján Suchal (twitter @jsuchal) přednášel typickým akademicky-programátorským stylem - z temného rohu se díval na slidy. Ovšem obsah jeho přednášky byl natolik zajímavý, že na drobné nedostatky posluchač mohl hned zapomenout.
Prezentace poodhalila několik základních principů doporučovacích systémů a ukázala, na čem zrovna se svým týmem dělá pro deník SME.sk.
Na klasických příkladech z Amazonu jsem si díky Jánovi uvědomil dva typy doporučování - podle analýzy celkových dat (kdo si koupil X, koupil si také Y) a personalizované doporučení (vám by se mohlo líbit Z).
Novinkou pro mne byl také negativní přístup k vyhodnocování dat z těchto systémů. Když uživatel na titulní stránce deníku klikne na čtvrtý článek, je něco špatného s prvními třemi? Zjednodušeně lze říci, že takto na základě kliků v SME.sk měří, co lidé nemají rádi. Takže místo přístupu ukazovat články, které se lidem podobným jako vy líbily, spíše lze nezobrazovat články, které se lidem podobným jako vy také nelíbily (Ján to akademicky nazývá implicitní negativní zpětná vazba).
Těmito doporučeními se nesnaží nahrazovat nějaké přístupy odhadující, co by se mohlo uživateli líbit. Takové prediktivní modely by uživateli ukázaly články, které by si našli i tak. Místo toho tyto doporučovací systémy chtějí ukazovat články, které by uživatel sám nenašel.
Jak vyhodnocovat takové doporučovací systémy? Ján ukázal, že používají zejména kombinaci ukazatelů CTR a RR. CTR (Click Thru Rate) využívají jako obdobu míry prokliků známou třeba z PPC kampaní, jen zřejmě počítají i s celkovým množstvím odkazů, na které uživatel mohl na stránce kliknout. RR (Rejection Rate) je pěkná metrika sledující akci, při které uživatel kliknul na křížek u doporučeného odkazu, kterým dal najevo nezájem. Doporučovací algoritmus by tedy měl mít vysoké CTR a co nejnižší RR.
Ján povídal také o měkčích dopadech jejich nástroje. Zejména, jak se lidem nezdálo, když viděli frázi "Toto čítali ľudia ako vy". Prý se ozývali s reakcemi: "Jak víte, kdo je se mnou podobný? Já jsem přece unikátní!"
Co to přináší SME.sk? Dle Jána slouží tyto systémy ke zkvalitnění celkového obsahu webu a budování kreditu daného zpravodajství. Doporučení by měla způsobovat, že návštěvníci budou na webu déle a budou si číst pro ně relevantější věci. Relevancí se v zahraničí zabývá třeba Dennis Mortensen, který na svém blogu píše o personalizaci zpravodajství.
Znáte nějaké české internetové zpravodajství, které by řešilo jiný způsob doporučování než jen ruční výběry šéfredaktorů a žebříčky "Top10 nejčtenější za včerejšek"?
Web Analytics Wednesday Bratislava je akce zaštiťovaná mezinárodní asociací Web Analytics Association a organizovaná Petrem Fabiem a Martinem Botťánkem. Díky moc klukům za sehnání zajímavých řečníků. I tak si ale musím dovolit jednu výtku - čekali byste, že v Bratislavě bude takřka nemožné sehnat slovenské pivo? :-)
