Google Analytics för Content-siter!

Att sätta upp mål i Google Analytics känns numera ganska självklart. Aktiviteter som genomförda köp, ifyllda formulär, nedladdade pdf:er o.s.v. kan vi med enkelhet sätta upp för i Google Analytics. Men vad gör vi om siten kretsar kring content och huvudmålet är att engagera läsare och optimera innehåll? Svaret är page level custom variables.

Min tanke var att dela upp denna artikel i två delar. Den första handlar om teknik för att beskriva hur man implementerar script för att samla in datan, och den andra handlar om analys, för att beskriva hur man kan analysera och nå insikter.

Implementation:

Gruppera innehåll efter skribent

Genom dessa kan vi gruppera innehåll efter skribent eller område och få data över exempelvis vilka skribenter som driver mest trafik, vilka som engagerar och driver återkommande besökare o.s.v.

För att lyckas med detta så måste man, som vanligt när det gäller spårning av mer data, modifiera spårningskoden.

Custom variables-taggen som används ser ut på följande sätt och innehåller värden som bestämmer hur datan ska samlas in och presenteras i Google Analytics:

_setCustomVar(index, name, value, scope)

Värdena i taggen betyder följande:

• Index är ett numeriskt värde (1-5) som bestämmer vilken ’slot’ man ska placera variabeln i. Standardversionen av Google Analytics har man möjligheten att spara data i 5 olika ’slots’.

• Name och value är alfameriska värden för att strukturera datan i kategorier och underkategorier. Låt säga att vi vill mäta sidvisningar för olika ämnesområden och under dem olika skribenter så går detta med hjälp av name och value.

• Scope har att göra med vilken nivå dessa ska läggas i, d.v.s om datan ska läggas på besökarnivå, besöksnivå eller sidnivå. Detta är också ett numeriskt värde (1-3) där 3 representerar sidnivå. Hur de olika nivåerna fungerar och vad de kan användas till kan du läsa här.

När du bestämt dig för hur du vill strukturera ditt innehåll så är det bara att se till att den modifierade spårningskoden implementeras på webbplatsen. För att allting ska fungera korrekt behöver vi se till att taggen för custom variabeln körs innan trackPageview. Körs den efter så skickas inte datan för än vid nästa sidvisning, vilket gör att datan blir felaktig.

Såhär skulle det kunna se ut i källkoden:

<script type=’text/javascript’>
    
    var _gaq = _gaq || [];    
    _gaq.push([’_setAccount’, ’UA-XXXXXX-X’]);
    _gaq.push([’_setCustomVar’, 1, ’Category, ’Author’, 3]);
    _gaq.push([’_trackPageview’]);

    (function() {
        var ga = document.createElement(’script’); ga.type = ’text/javascript’; ga.async = true;
        ga.src = (’https:’ == document.location.protocol ? ’https://ssl’ : ’http://www’) + ’.google-analytics.com/ga.js’;
        var s = document.getElementsByTagName(’script’)[0]; s.parentNode.insertBefore(ga, s);
    })();
</script>

Det är även möjligt att skicka custom variables med hjälp av ett non-interaction event, men då kan inte parametern ’sidvisningar’ användas i rapporterna som man sedan skapar. Dock kan totala events och unika events användas, men detta kan krocka om man spårar andra event på webbplatsen.

När detta väl är implementerat så gäller det att presentera datan på något vettigt sätt för att kunna göra bra analyser. Detta gör man enklast genom att skapa anpassade rapporter och plocka in de dimensioner och parametrar som man vill titta på.

Analys:

Skribenter över tid

Genom att använda custom variabeln som vi nu spårar som dimension tillsammans med parametern sidvisningar kan vi få en ranking över de mest lästa skribenterna och se hur det utvecklas över tid. Vill vi se utvecklingen över tid placerar vi enkelt de olika skribenternas rader i grafen som i bilden nedan.

Stamgäster eller nykomlingar

En annan intressant aspekt med att mäta engagemang kopplat till olika skribenter är vilken typ av besökare de lockar. Har vi exempelvis några skribenter som i större utsträckning lockar återkommande besökare till webbplatsen? Har vi några som lockar nya besökare till webbplatsen, och i sådana fall, vilka källor kommer dom ifrån?

Segmentera efter skribent

För att koppla skribenter till besökare behöver vi först skapa ett avancerat segment. Här matchar vi alla besök som inkluderat en sidvisning för en speciell skribent.

När vi skapat segment för de skribenter vi vill titta närmare på så applicerar vi dem på rapporten frekvens som vi hittar under sektionen målgrupp. Här får vi snabbt en bild av vilka typer av besökare som olika skribenter lockar till sina artiklar. I exemplet nedan kan vi exempelvis se att Stefan driver betydligt mer nya besökare till webbplatsen än Angelica som har en mer återkommande läsarskara.

Trafikkällor

Genom att gå vidare till trafikkällor med samma segment applicerade kan vi få svaret till varför Stefan driver en större mängd nya besökare till sina artiklar.

Han har en större mängd trafik från Google / Organic än Angelica, vilket också indikerar att hans artiklar har bättre synlighet, eller att ämnena han skriver om har fler relaterade sökningar under den period som vi analyserar.

På content-siter ger dessa typer av analyser mycket bättre insikter än traditionella mål eftersom produkten är själva innehållet och personerna som producerar det.

Har du fler idéer för hur man kan analysera content-siter eller hur man kan använda custom variables? Lämna gärna någon rad i kommentarerna!