در سلسله مقالاتی تلاش خواهیم داشت یک بخش مهم و کاربردی دیگر از google Analytics به عنوان Conversions را مورد بررسی و مطالعه قرار دهیم. این بخش برای افرادی که در حوزه تجارت الکترونیک، تبلیغات و بازاریابی فعالیت می‌کنند اهمیت بسیاری دارد. در قدم اول در مورد اهداف در تبدیلات در گوگل آنالیتیکز صحبت خواهیم کرد.

درباره اهداف

از اهداف برای اندازه گیری تعداد دفعات انجام اقدامات خاص توسط کاربران استفاده کنید.

اهداف میزان رسیدن سایت یا اپلیکیشن شما به اهداف مورد نظر را اندازه‌گیری می‌کنند. یک هدف نشان دهنده یک فعالیت تکمیل شده است که تبدیل نام دارد و به موفقیت کسب و کار شما کمک می کند. نمونه هایی از اهداف عبارتند از خرید (برای یک سایت تجارت الکترونیک)، تکمیل سطح بازی (برای یک برنامه بازی موبایل)، یا ارسال فرم اطلاعات تماس (برای یک سایت بازاریابی).

تعیین اهداف جزء اساسی هر طرح اندازه گیری تحلیل دیجیتالی است. داشتن اهدافی که به درستی پیکربندی شده اند به Analytics اجازه می دهد تا اطلاعات مهمی مانند تعداد تبدیل ها و نرخ تبدیل سایت یا برنامه شما را در اختیار شما قرار دهد. بدون این اطلاعات، ارزیابی اثربخشی کمپین های بازاریابی و تجارت آنلاین شما تقریبا غیرممکن است.

اهداف چگونه کار می کنند

اهداف در تبدیلات در گوگل آنالیتیکز در سطح view پیکربندی می شوند. اهداف را می توان برای صفحات یا صفحه های خاصی که کاربران شما بازدید می کنند، تعداد صفحات/صفحه هایی که در یک جلسه مشاهده می کنند، مدت زمانی که در سایت یا برنامه شما باقی می مانند و رویدادهایی که در حین حضور در آنجا ایجاد می کنند اعمال شوند. هر هدفی می تواند ارزش پولی داشته باشد، بنابراین می توانید ببینید که این تبدیل چقدر برای کسب و کار شما ارزش دارد. استفاده از مقادیر برای اهداف به شما امکان می‌دهد روی بالاترین ارزش تبدیل‌ها تمرکز کنید، مانند تراکنش‌هایی با حداقل مقدار خرید.

هنگامی که یک بازدید کننده از سایت شما یا کاربر برنامه شما اقدامی را انجام می دهد که به عنوان هدف تعریف شده است، Analytics آن را به عنوان تبدیل ثبت می کند. سپس این داده‌های تبدیل در تعدادی از گزارش‌های هدف ویژه، که در ادامه توضیح داده خواهند شد، در دسترس قرار می‌گیرند.

انواع هدف

اهداف به یکی از 4 نوع تقسیم می شوند که در جدول زیر ذکر شده است:

اهداف هوشمند

علاوه بر انواع اهدافی که در بالا توضیح داده شد، Analytics یک روش ردیابی تبدیل جایگزین به نام اهداف هوشمند ارائه می دهد. اهداف هوشمند به طور خاص برای کمک به تبلیغ‌کنندگان Google Ads طراحی شده‌اند که ممکن است تبدیل‌های کافی برای استفاده از ابزارهای بهینه‌سازی Google Ads نداشته باشند، مانند مناقصه خودکار. هنگامی که اهداف هوشمند را فعال می‌کنید، Analytics به‌طور خودکار بازدیدهای وب‌سایت یا برنامه شما را ارزیابی می‌کند و به هر یک امتیازی اختصاص می‌دهد و «بهترین» بازدیدها به اهداف هوشمند ترجمه می‌شوند.

قیف برای اهداف مقصد

با هدف مقصد، می‌توانید مسیری را که انتظار دارید ترافیک کاربران در سایت شما طی کند را مشخص کنید. به این مسیر قیف می گویند. وقتی مراحلی را در یک قیف مشخص می‌کنید، Analytics می‌تواند محل ورود و خروج کاربران از مسیر را در مسیر رسیدن به هدف شما ثبت کند. این داده‌ها در گزارش‌های جریان هدف و قیف ظاهر می‌شوند. برای مثال، ممکن است صفحه یا صفحه‌ای را در یک قیف ببینید که قبل از تکمیل هدف، ترافیک زیادی از آن خارج می‌شود، که نشان‌دهنده مشکل در آن مرحله است. همچنین ممکن است تعداد زیادی از مراحل رد شدن از ترافیک را مشاهده کنید که نشان می‌دهد مسیر تبدیل بسیار طولانی است یا شامل مراحل اضافی است.

ارزش هدف

وقتی هدفی را تعیین می کنید، این امکان را دارید که مبلغی پولی به تبدیل اختصاص دهید. هر بار که هدف توسط یک کاربر تکمیل می شود، این مقدار ثبت می شود و سپس با هم جمع می شود و در گزارش های شما به عنوان ارزش هدف دیده می شود.

هر اقدامی که کاربر انجام می دهد را می توان به یک دلار تبدیل کرد. یکی از راه‌های کمک به تعیین ارزش هدف این است که ارزیابی کنید کاربرانی که هدف را تکمیل می‌کنند چقدر مشتری می‌شوند. به عنوان مثال، اگر تیم فروش شما بتواند 10 درصد از افرادی را که برای خبرنامه ثبت نام می کنند را جذب کند، و میانگین تراکنش شما 500 دلار است، ممکن است 50 دلار (یعنی 10 درصد از 500 دلار) به هدف ثبت نام در خبرنامه خود اختصاص دهید. در مقابل، اگر فقط 1٪ از ثبت نام ها منجر به فروش شود، ممکن است فقط 5 دلار به هدف ثبت نام در خبرنامه خود اختصاص دهید.

Goal ID and goal sets (شناسه هدف و مجموعه هدف)

به هر یک اهداف در تبدیلات در گوگل آنالیتیکز که ایجاد می‌کنید یک شناسه عددی از 1 تا 20 اختصاص داده می‌شود. اهداف در مجموعه‌های حداکثر 5 تایی جداگانه گروه‌بندی می‌شوند. مجموعه اهداف به شما این امکان را می دهد که انواع مختلف اهداف را برای سایت خود دسته بندی کنید. برای مثال، ممکن است صفحات دانلود، ثبت نام و رسید را در مجموعه های هدف جداگانه ردیابی کنید. این مجموعه‌ها در گزارش‌های شما به‌عنوان پیوندهایی در زیر تب Explorer در بسیاری از گزارش‌ها ظاهر می‌شوند.

گزارش از اهداف

می‌ توانید نرخ‌ های تکمیل هدف یا نرخ تبدیل را در گزارش‌ های Conversion>goals تجزیه و تحلیل کنید. تبدیل‌های هدف همچنین در گزارش‌ های دیگر، از جمله گزارش‌ های Conversions> Funnels Multi Channel، گزارش‌های Conversions > Attribution و گزارش‌های Acquisition ظاهر می‌شوند.

محدودیت اهداف

• تعداد نمایش هدف در هر گزارش به 20 عدد محدود است. برای ردیابی بیش از 20 هدف، یک نمای اضافی برای آن ویژگی ایجاد کنید یا یک هدف موجود را که دیگر به آن نیاز ندارید ویرایش کنید.

• اهداف پس از ایجاد هدف برای داده هایی که جمع آوری می کنید اعمال می شود. برای مشاهده گزارش اهداف در گزارش های خود، باید اهدافی را در حساب Analytics خود تنظیم کنید.

• اهداف را نمی توان حذف کرد، اما می توانید ثبت داده های یک هدف را متوقف کنید.

• داده های هدف متفاوت از داده های معمولی Analytics پردازش می شوند.

• شناسه‌های هدف و مجموعه‌های هدف را نمی‌توان پس از ایجاد آنها تغییر داد، اما اگر می‌خواهید از هدف خاصی استفاده مجدد کنید، می‌توانید نام و نوع هدف را تغییر دهید.

بهترین شیوه ها برای استفاده از اهداف

از اسامی شهودی برای اهداف خود استفاده کنید. این به شما و دیگران کمک می‌کند تا گزارش‌های تبدیل را راحت‌تر درک کنید.

اگرچه تخصیص یک مقدار هدف اختیاری است، توصیه می‌کنیم برای کمک به کسب درآمد و ارزیابی تبدیل‌های خود، این کار را انجام دهید. توجه داشته باشید که Analytics همچنین از داده‌های ارزش هدف برای محاسبه سایر معیارها مانند ROAS (بازده هزینه تبلیغات) استفاده می‌کند. اگر استفاده از مبلغ دلاری به عنوان ارزش هدف برای سایت یا برنامه شما کاربردی به نظر نمی رسد، فقط از یک مقیاس عددی ثابت برای وزن و مقایسه تبدیل های خود استفاده کنید. مثلاً به اهداف کم ارزش «1» و به اهداف با ارزش «10» بدهید.

اگر هدف موجود را تغییر می‌دهید، مطمئن شوید که چه زمانی تغییر را ایجاد کرده‌اید. از آنجایی که اهداف روی داده‌های تاریخی اعمال نمی‌شوند، تغییر یک هدف، داده‌های تبدیل شما را از نقطه ویرایش تغییر می‌دهد. این ممکن است منجر به سردرگمی در گزارش های شما شود. (این دلیل دیگری برای نامگذاری اهدافتان به صورت شهودی است).

منابع:

https://support.google.com/analytics/answer/1012040?hl=en&ref_topic=6150889#zippy=%2Cin-this-article

اگرچه ممکن است در ابتدا بعید به نظر برسد اما، جاوا اسکریپت یک زبان شی گرا بسیار قدرتمند است. با استفاده از اشیاء، می توانیم کد تمیز و قابل استفاده مجدد ایجاد کنیم. در این نوشتار قصد داریم به طور خلاصه، اصول برنامه نویسی شی گرا در جاوا اسکریپت را مرور کنیم. البته فرض این نوشتار این است که خواننده با مفاهیم برنامه نویسی شی گرا، آشنایی اولیه دارد.

ابتدا برخی از تعاریف را مرور میکنیم:

• شی نمونه ای از یک کلاس است که دارای متدها و خصوصیات (properties) است.

• کلاس طرحی از یک شی است.

چهار اصل مهم برنامه نویسی شی گرا که در برنامه نویسی شی گرا در جاوا اسکریپت نیز برقرار است، شامل موارد زیر هستند:

• کپسوله سازی (Encapsulation).

• انتزاع (Abstraction).

• وراثت (Inheritance).

• چندشکلی (Polymorphism).

کپسوله سازی

جالب است که حتی اگر نمی‌دانیم کپسوله‌سازی چیست، می‌توانیم فقط با این کلمه حدس بزنیم که چیزی را «محصور» یا پنهان می‌کنیم، دقیقاً درست حدس زده ایم! با کپسوله سازی، روش ها و ویژگی های شی در داخل شی محصور می شوند، بنابراین در معرض دید قرار نمی گیرند. به عنوان مثال، فرض کنید شما یک کلاس دارید. اجرای اصل کپسوله سازی به این معنی است که تمام ویژگی های این کلاس خصوصی هستند و از کلاس های دیگر پنهان هستند.

در این مثال، متغیرها مستقیماً در معرض دید قرار نمی‌گیرند، بلکه از طریق توابع تنظیم یا «محصور» می‌شوند. این مفهموم به شما امکان می‌دهد کنترل بیشتری بر نحوه دسترسی یا اصلاح داده ها و انعطاف پذیری بیشتری برای ایجاد تغییرات داشته باشید.

انتزاع

اگر به ماشین نگاه کنیم، فقط می توانیم آنچه را که بیرون است ببینیم. چرخ ها، درها، پنجره ها و غیره را می بینیم. اما چیزی که ما نمی بینیم موتور پیچیده و تمام آن قطعات داخلی است. انتزاع همین است: پنهان کردن جزئیات پیچیده و نشان دادن موارد ساده. این ویژگی به درک بیشتر کد کمک می کند. ایده پشت این اصل این است که دنیای خارج باید فقط با اطلاعات ضروری در مورد یک شی ارائه شود. یعنی فقط اطلاعات مربوط به استفاده از آن را ارائه شود، نباید اطلاعاتی در مورد جزئیات اجرای این آن ارائه گردد.

در این مثال ما دو تابع در داخل تابع اصلی داریم: findAddress و getAddress. انتزاع با پنهان کردن متغیر «address» و تابع «findAddress» به دست می‌آید و آن‌ها تنها از تابع getAddress قابل دسترسی هستند.

این نکته نباید فراموش شود که خود زبان جاوااسکریپت، کلیدواژه abstract برای کلاس و متدهای آن را ندارد. اما typescript دارای این ویژگی است و برنامه نویسان می توانند از آن استفاده کنند. بعدا در مقاله ای جداگانه در مورد typescript و ویژگی های آن صحبت خواهیم کرد.

وراثت

وراثت یکی از پرکاربردترین اصول برنامه نویسی شی گرا است. اشیاء در دنیای واقعی اغلب بسیار شبیه به هم هستند. آنها در بسیاری از ویژگی ها و رفتارها مشترک هستند. مثلا سگ و گربه هر دو حیوان هستند. هر دوی آنها چهار پا دارند. هر دوی آنها به نوعی می توانند راه بروند و صحبت کنند.

وراثت به شما این امکان را می دهد که این ویژگی ها و رفتارهای مشترک را در یک کلاس جداگانه استخراج کنید. این مساله به شما کمک می‌کند تا از نوشتن مکرر کد مشابه جلوگیری کنید. درعوض، می‌توانید به کلاس‌های دیگر اجازه دهید از این کلاس جداگانه «ارث ببرند». وقتی این اتفاق می‌افتد، کلاسی که سایر کلاس‌ها از آن به ارث می‌برند، «کلاس والد» یا «سوپرکلاس» نامیده می‌شود.

کلاس هایی که از این کلاس «والد» به ارث می‌برند، «کلاس‌های فرزند»، «زیر کلاس‌ها» یا «مشتق‌شده» نامیده می‌شوند. هنگامی که یک کلاس (کلاس فرزند) از کلاس دیگر (کلاس والد) ارث می برد، تمام ویژگی ها و متدهای والد را به ارث می برد. یک استثنا، ویژگی ها و متدهای خصوصی (private) هستند. استثنای دیگر متد constructor است. constructor یک متد کلاس معمولی نیست و توسط کلاس های فرزند به ارث نمی رسد. وقتی کلاس والد را نمونه سازی می کنید، متد constructor کلاس والد فراخوانی می‌شود.

وراثت به کلاس والد اجازه می دهد تا عملکرد را دوباره به کلاس فرزند منتقل کند، کد تمیز و قابل استفاده مجدد ایجاد کند و از تکرار جلوگیری کند. اگر کلاس خودرویی داشته باشیم که دارای عملکرد «drive» و کلاس Motocycle با عملکرد مشابه است، می‌توانیم آن عملکرد را به Motocycle تعمیم دهیم. در مثال زیر، این مساله نشان داده شده است:

ما از کلمه کلیدی “extends” برای ایجاد یک زیر کلاس از کلاس Car استفاده می کنیم و می توانیم ببینیم که چگونه کلاس Motocycle ساخته می شود و تابع – drive- را در این مورد به ارث می برد.

چندشکلی

ما چندشکلی را به عنوان چیزی با اشکال چندتایی در نظر می گیریم. برای اینکه چندشکلی داشته باشیم، دو مساله باید اتفاق بیفتد. ابتدا یکی از کلاس های فرزند متد خود را ایجاد می کند. دوم، این متد به نحوی متدی با همان نامی که در کلاس والد اعلان شده است را بازنویسی می کند.

در این مثال، پلی مورفیسم به این معنی است که روش یکسانی را می توان بر روی اشیاء مختلف استفاده کرد. به عنوان مثال، اگر یک ماشین و یک موتورسیکلت عملکرد یکسانی داشته باشند – درایو، پلی مورفیسم به ما توانایی فراخوانی یک روش مشابه را بر روی اشیاء مختلف می دهد.

با این مثال ما می‌توانیم متوجه شویم که چگونه یک تابع در کلاس های مختلف فراخوانی می شود.

هنگام شرکت در مصاحبه های فنی، آشنایی کامل با اصول OOP بسیار مهم است. امکان دارد در هر زمان، تعاریف، مثال‌ها یا هر دو مطرح شود. خوشبختانه، در حین یادگیری این اصول، مفاهیم بسیار واضح و حتی شهودی می شوند که به فرد امکان می‌دهد به راحتی درک کند که هر یک از آنها چه کاری انجام می دهند.

منابع:

https://medium.com/@khmel87/javascript-four-principles-of-object-oriented-programming-cd81a04262cb

https://blog.alexdevero.com/principles-of-object-oriented-programming/

گزارش Users Flow در گوگل آنالیتیکز (جریان کاربران) یک نمایش گرافیکی از مسیرهایی است که کاربران از سایت شما بازدید کرده اند، از ورود به سایت شما، صفحات مختلفی که مشاهده کرده اند و صفحه ای که از سایت شما خارج شده اند. گزارش Users Flow به شما امکان می دهد حجم ترافیک را از منابع مختلف مقایسه کنید، الگوهای ترافیک را از طریق سایت خود بررسی کنید و کارایی سایت خود را عیب یابی کنید. گزارش Users Flow در گوگل آنالیتیکز یکی از قسمت های بخش Audience (مخاطبان) است.

پیش نیازهای گزارش Users Flow

ندارد.

نحوه دسترسی به گزارش Users Flow

برای مشاهده گزارش Users Flow:

• وارد Google Analytics شوید.
• به view خود بروید.
• Reports را باز کنید.
• Audience > Users Flow را انتخاب کنید.

با گزارش Users Flow چه کاری می توانم انجام دهم؟

مشاهده Users Flow به شما امکان می دهد موارد زیر را بهتر تحلیل کنید:

• حجم نسبی ترافیک به سایت شما بر اساس ابعادی که انتخاب می کنید (به عنوان مثال، منابع ترافیک، کمپین، مرورگر).
• حجم نسبی بازدید از صفحه در هر صفحه یا مجموعه ای از صفحات.

گزارش Users Flow بسیار شبیه به گزارش Behavior Flow (جریان رفتار) است. با این حال، Users Flow بر روی صفحاتی که کاربران شما بازدید می کنند متمرکز است، در حالی که گزارش Behavior Flow شامل رویدادها و گروه بندی محتوا نیز می شود.

در ادامه، روش‌های مختلفی را برای استفاده از گزارش Users Flow برای مقایسه حجم ترافیک از منابع مختلف، بررسی الگوهای ترافیک از طریق سایت و عیب‌یابی کارآمدی سایت شما را بررسی خواهیم کرد.

مقایسه حجم ترافیک و کانال های مارکتینگ

این ابزار امکان مقایسه حجم نسبی ترافیک را از منابع مختلف در یک بعد برای شما فراهم می کند: برای مثال، ترافیک موتورهای جستجو، کمپین‌ها یا رسانه‌های مختلف. مقایسه‌های کلی به شما امکان می‌دهد تصمیم‌های اولیه درباره اینکه کدام کانال‌ها مؤثرتر هستند یا بهترین بازده را ارائه می‌دهند، داشته باشید.

به عنوان مثال، اگر یک کمپین ترافیک بسیار بیشتری نسبت به دیگری ارائه می‌کند، می‌توانید منابع را تغییر دهید تا کمپین موفق‌تر را حتی بیشتر نمایان کنید. یا اگر یکی از رسانه‌ها، مانند ایمیل یا cpc، از بقیه بهتر است، می‌توانید سرمایه‌گذاری سنگین‌تری روی آن رسانه انجام دهید.

اگر متوجه شدید که یک منبع از نظر حجم ترافیک از منابع دیگر بهتر است، می‌توانید با مشاهده تنها آن یک بخش، آن ترافیک را با دقت بیشتری بررسی کنید. روی گره بعد شروع در ستون اول کلیک کنید، سپس روی View only this segment کلیک کنید. (این با استفاده از یک بخش مبتنی بر کاربر یا جلسه، همانطور که در زیر توضیح داده شده است، متفاوت است).

فقط با این ترافیک قابل مشاهده، می‌توانید ببینید که آیا آن کاربران مسیرهایی را که می‌خواهید از طریق سایت شما دنبال می‌کنند یا خیر، آیا به تعداد کافی به صفحه‌های هدف شما می‌رسند یا خیر و از کجا سایت شما را ترک می‌کنند.

اصلاح تجزیه و تحلیل خود را با Segments

علاوه بر مشاهده فقط ترافیک از یک منبع خاص، می توانید با اعمال یک بخش، view خود را بیشتر اصلاح کنید. برای مثال، اگر از یک کشور خاص ترافیک را مشاهده می‌کنید، می‌توانید از گزینه‌های Segment builder’s Condition استفاده کنید تا فقط کاربرانی از آن کشور را نشان دهید که هدف خاصی را نیز تکمیل کرده‌اند یا بیش از مبلغ خاصی را هزینه کرده‌اند.

اندازه گیری تعامل

ممکن است بخواهید بدانید که کاربران چند صفحه را پس از صفحه اولیه طی کرده اند. آیا آنها بدون خرید اضافی مستقیماً از صفحات محصول به تسویه حساب رفتند؟

با تعیین حداقل تعاملی که می خواهید از کاربران مشاهده کنید، شروع کنید. Users Flow سه تعامل اول را به طور پیش فرض نشان می دهد و در حال حاضر حداکثر هشت تعامل را پشتیبانی می کند. هر تعداد مرحله را که لازم است اضافه کنید تا حداقل نیاز خود را برآورده کنید. هنگامی که تعداد مراحل لازم را اضافه کردید، سپس می توانید روی گره بعد کلیک کنید و از گزینه Highlight traffic through here استفاده کنید تا ببینید آیا ترافیک از آن منبع به حداقل آستانه تعامل شما رسیده است (مثلاً چهار یا پنج تعامل).

علاوه بر اندازه گیری سطح تعامل، می توانید میزان کاهش ترافیک را با پیشرفت کاربران در سایت خود نیز مشاهده کنید. اگر کاربران آن‌طور که انتظار داشتید حرکت نمی‌کنند، یا اگر ترافیک با سرعتی بیشتر از آنچه می‌خواهید کاهش می‌یابد، می‌توانید ناوبری سایت یا طراحی گرافیکی خود را دوباره طراحی کنید تا امکان جابجایی آسان‌تر بین صفحات فراهم شود.

کاوش محتوا

گزارش Users Flow در گوگل آنالیتیکز به شما امکان می دهد تعدادی از مسائل مربوط به محتوا را بررسی کنید.

تست A/B

اگر نسخه‌های مختلفی از یک صفحه وب را آزمایش می‌کنید، و هر نسخه URL خاص خود را دارد، می‌توانید ببینید که کدام یک از آنها اهدافی مانند تشویق تعامل سایت یا انتقال ترافیک به صفحه هدف را بهتر انجام می‌دهد.

مرورگر و وضوح  صفحه نمایش

از مرورگر یا وضوح صفحه به عنوان بعد شروع استفاده کنید تا بتوانید ببینید که آیا ترافیک آنطور که انتظار دارید بین مرورگرها یا وضوح صفحه توزیع شده است یا خیر، و ببینید آیا صفحاتی وجود دارند که با یک مرورگر یا وضوح صفحه نمایش با افت غیرعادی مواجه می شوند یا خیر. اگر متوجه افت قابل توجهی از یک صفحه شدید، ممکن است آن صفحه در آن مرورگر یا در آن وضوح تصویر به درستی رندر نشده باشد. برای مثال، ممکن است صفحه شما در مرورگر تلفن همراه یا با وضوح کمتر به درستی نمایش داده نشود، که باعث می شود پیوندها یا دکمه ها در دسترس نباشند یا به راحتی دیده نشوند.

تحلیل مسیر

آیا مسیرهایی از طریق سایت شما وجود دارد که محبوب تر از سایرین باشد، و اگر چنین است، آیا این مسیرهایی هستند که می خواهید کاربران دنبال کنند؟ ممکن است مسیری مانند صفحه اصلی > صفحه محصول > سبد خرید > تسویه حساب را برای کاربران خود در نظر داشته باشید، اما ممکن است مسیر محبوب تری مانند صفحه اصلی > محصول > جستجو > نتایج جستجو > جستجو > نتایج جستجو > خروج پیدا کنید. این مسیر غیرمنتظره می‌تواند مواردی مانند عدم یافتن محصولات مورد نظر توسط کاربران یا عدم دریافت نتایج مفید توسط جستجوی داخلی شما را نشان دهد. همچنین ممکن است از صفحه جدیدی که معرفی کرده اید، مانند صفحه اصلی جدید یا صفحه محصول جدید، چیزی مانند کاهش غیرمعمول ترافیک را مشاهده کنید. بررسی کنید که آیا طراحی صفحه جدید، پیوندها یا کنترل‌هایی را که اجازه می‌دهد ترافیک به صفحاتی که می‌خواهید کاربران وارد شوند، در دسترس و دید کاربران هستند یا نه.

منابع:

https://support.google.com/analytics/answer/1709395?hl=en&ref_topic=2542044#zippy=%2Cin-this-article

https://support.google.com/analytics/answer/1713056?hl=en&ref_topic=2542044#zippy=%2Cin-this-article

بخش Benchmark در گوگل آنالیتیکز به شما این امکان را می دهد که داده های خود را با داده های انبوه شرکت های دیگر که داده های خود را به اشتراک می گذارند مقایسه کنید. این زمینه ارزشمندی را فراهم می‌کند و به شما کمک می‌کند تا اهداف معنی‌داری را تعیین کنید، در مورد روندهایی که در صنعت شما رخ می‌دهد بینش کسب کنید و دریابید که در مقایسه با رقبایتان چگونه عمل می‌کنید. بخش Benchmark در گوگل آنالیتیکز یکی از قسمت های بخش Audience (مخاطبان) است.

مشاهده گزارش

۱. وارد حساب گوگل آنالیتکز خود شوید.

۲. وارد view دلخواه شوید.

۳. بخش Reports را باز کنید.

۴. انتخاب کنید Audience > Benchmarking.

بخش ‌Benchmark

با استفاده از منوی موجود در گزارش‌های Benchmarking، می‌توانید از میان بیش از ۱۶۰۰ دسته‌بندی صنعتی، دسته موردنظر را انتخاب کنید. می‌توانید داده‌ها را بر اساس موقعیت جغرافیایی اصلاح کنید و از بین هفت طبقه‌بندی اندازه ترافیک بازدید، انتخاب خود را محدودتر کنید. همچنین به شما این امکان را می‌دهد که property خود را با properties با سطوح ترافیکی مشابه در صنعت خود مقایسه کنید. به عنوان مثال، می‌توانید property خود را با تمام properties در صنعت «هتل‌ها و اقامتگاه‌ها» در بریتانیا که ۵۰۰ تا ۱۰۰۰ sessions متوسط روزانه دریافت می‌کنند، مقایسه کنید.

داده های در دسترس

داده های Benchmarking برای هر مقدار از ابعاد زیر در دسترس است:

• گروه‌بندی پیش‌فرض کانال (مانند کانال‌های اجتماعی، سرچ مستقیم، Referral، جستجوی ارگانیک، جستجوی پولی، نمایش، و کانال‌های ایمیل)
• مکان (کشور/منطقه)
• دستگاه (مانند دسکتاپ، موبایل و تبلت)

می توانید داده های خود را با معیارهای زیر مقایسه کنید:

• جلسات (یعنی تعداد جلسات)
• % جلسات جدید
• جلسات جدید (یعنی تعداد جلسات از کاربران جدید)
• تعداد صفحات / جلسه
• میانگین مدت زمان جلسه
• نرخ پرش

نحوه فعال کردن ‌Benchmarking

برای مشاهده داده‌های Benchmark، باید داده‌های خود را «به‌صورت ناشناس با Google و دیگران» به اشتراک بگذارید. پس از انجام این کار، داده های شما در Benchmarks گنجانده می شود. داده هایی که به اشتراک می گذارید (از جمله اطلاعات مربوط به حسابی که از آن به اشتراک گذاشته شده است) ناشناس هستند.

• به حساب Analytics خود وارد شوید.
• روی Admin کلیک کنید.
• در زیر ACCOUNT، روی Account Settings کلیک کنید.
• چک باکس Benchmarking را انتخاب کنید.
• روی save کلیک کنید.

گزارش‌های مربوط به Benchmarking

در این بخش می‌توانید از بین سه گزارش زیر، مورد دلخواه را انتخاب کنید:

• Channels داده های کانال شما را با Benchmarkهای هر کانال در گروه بندی کانال پیش فرض مقایسه می کند: Social، Direct، Referral، Organic Search، Paid Search، Display، Email.
• Location داده‌های کشور/منطقه شما را با Benchmarkهای هر یک از کشورها/سرزمین‌هایی که از آن‌ها ترافیک دریافت می‌کنید مقایسه می‌کند.
• Devices داده‌های دستگاه‌های شما را با Benchmarkهای ترافیک دسکتاپ، تلفن همراه و تبلت مقایسه می‌کند.

نحوه مقایسه داده ها با استفاده از Benchmark

از منوهای انتخاب (بالای هر گزارش) برای تعیین Benchmark که می خواهید داده های خود را با آن مقایسه کنید، استفاده کنید.

• Industry Vertical (الزامی): یکی از بیش از ۱۶۰۰ دسته صنعتی را انتخاب کنید.
• Size by daily visits (الزامی): از هفت طبقه بندی اندازه ترافیک انتخاب کنید. این به شما امکان می دهد property خود را با properties با سطوح ترافیکی مشابه در صنعت خود مقایسه کنید.
• Geographic location (اختیاری): با انتخاب یک مکان جغرافیایی، داده های Benchmark را به یک کشور یا قلمرو خاص محدود کنید.

تفسیر گزارش

در بخش Benchmark در گوگل آنالیتیکز مقادیر موجود در جدول، درصدی را نشان می‌دهد که دارایی شما نسبت به معیار برای هر متریک بهتر یا کمتر عمل می‌کند. یک مقدار مثبت (به عنوان مثال، ۶۷.۸۰٪) نشان می دهد که دارایی شما بهتر از معیار عمل می کند. یک مقدار منفی (به عنوان مثال –۲۵.۲۵٪) نشان می دهد که دارایی شما از معیار عملکرد کمتری دارد.

دو کلید برای نمایش بهتر در بالای جدول موجود است:

• مقادیر واقعی متریک را در جدول نشان دهد/نشان ندهد.

• نشان دادن/نشان ندادن رنگ‌های نقشه در جدول. رنگ سبز تیره‌تر را نشان می‌دهد که در آن مورد، property شما به طور قابل توجهی بهتر از Benchmark است و رنگ تیره‌تر قرمز نشان می‌دهد که در آن مورد، property شما به طور قابل‌توجهی عملکرد پایین تری از Benchmark دارد.

گزارش های Benchmark هر ۲۴ تا ۴۸ ساعت به روز می شوند.

منابع:

https://support.google.com/analytics/answer/6086666?hl=en&ref_topic=6086651#zippy=%2Cin-this-article

https://support.google.com/analytics/answer/6086659?hl=en&ref_topic=6086651

https://support.google.com/analytics/answer/6086676?hl=en&ref_topic=6086651

در مقاله تعادل در تنگل IOTA اهمیت یافتن تعادل نش برای بازی اتصال تراکنش ها به تنگل را توضیح دادیم. در مقاله (Equilibria in the tangle) وجود آن را ثابت کردیم و نشان دادیم که در این مرحله، همه گره‌های خودخواه استراتژی مشابهی را در انتخاب تیپ در تنگل IOTA انتخاب می‌کنند. با این حال، ما هنوز باید ببینیم که این تعادل نش چه چیزی است. در حالی که این تئوری وجود یک تعادل نش “تقریبا متقارن” را اثبات می کند، این نتیجه چیزی در مورد ماهیت استراتژی و تأثیر آن بر عملکرد کلی تنگل نمی گوید. با توجه به پیچیدگی سیستم، برای تحلیل این نکات باید به شبیه سازی های کامپیوتری روی بیاوریم.

برای آشنایی بیشتر با تعادل نش، مقالات نگاهی مقدماتی به نظریه بازی ها و کاربرد نظریه بازی‌ ها در ارزهای دیجیتال را مطالعه نمایید.

در طی چند هفته، شبیه‌سازی‌های تنگل بر روی یک پردازنده Intel Xeon 12 با فرکانس 3.20 گیگاهرتز اجرا شد. نمونه‌هایی از تقریباً 50000 تراکنش آزمایش شد که پارامترهای مختلف مربوط به نرخ ورود تراکنش‌های جدید (λ)، هزینه (متغیری شبیه به میانگین زمان مورد نیاز برای تایید یک تراکنش)، “randomness” الگوریتم انتخاب تیپ  تصادفی پیش‌فرض (α)، تاخیر انتشار شبکه (h) و درصد گره هایی که خودخواهانه رفتار می کنند در آن ها متغیر بود.

از طریق این شبیه‌سازی‌ها، ما توانستیم تعادل‌هایی را برای انواع خاصی از استراتژی‌های آزمایش‌شده پیدا کنیم و نشان دادیم که، حتی زمانی که بخش بزرگی از گره‌ها یک استراتژی انتخاب تیپ حریصانه را در انتخاب تیپ در تنگل IOTA انتخاب می‌کنند، با خودخواه بودن چیز زیادی برای به دست آوردن ندارند. علاوه بر این، ما نشان دادیم که گره‌های غیر خودخواه، با استفاده از استراتژی انتخاب تیپ پیش‌فرض، کارایی خود را با حضور گره‌های حریص به طور قابل توجهی از دست نخواهند داد.

برای شروع، فرض کنید نسبت گره‌های خودخواه که می‌توانند بین استراتژی انتخاب تیپ پیش‌فرض و یک استراتژی خاص انتخاب تیپ «بهینه‌شده» انتخاب کنند، ثابت است و با γ ارائه می‌شود. بقیه گره ها نمی توانند استراتژی خود را انتخاب کنند، بنابراین همیشه از استراتژی پیش‌فرض استفاده می کنند. چنین بازی‌ای با استراتژی مختلط معادل بازی دیگری خواهد بود که در آن بخشی از گره‌های حریص، استراتژی بهینه‌شده و بقیه گره‌های خودخواه، استراتژی پیش‌فرض را انتخاب می‌کنند. صرفا برای ساده سازی، از این به بعد این بازی جایگزین را در نظر داریم.
سپس، می‌پرسیم: از بین این گره‌های خودخواه، چه تعداد با اراده خودشان استراتژی پیش‌فرض را در انتخاب تیپ در تنگل IOTA انتخاب می‌کنند؟ البته این نسبت را در نقطه‌ای بررسی می‌کنیم که هزینه انتخاب استراتژی پیش‌فرض برابر با هزینه انتخاب استراتژی بهینه‌شده است. یعنی نقطه‌ای که هیچ بازیکن خودخواهی با انحراف از استراتژی فعلی خود چیزی برای به دست آوردن ندارد. ما این نقطه را تعادل نش می نامیم.
برای یک سیستم معین (یعنی برای λ/h و α معین) هزینه‌های گره‌ها فقط به p بستگی دارد، یعنی درصد تراکنش‌های صادر شده تحت استراتژی بهینه‌شده. (توجه داشته باشید که اگر γ درصد از گره‌ها خودخواه را در سیستم داشته باشیم و θ درصد از این گره ها استراتژی بهینه‌شده را انتخاب می کنند، خواهیم داشت: p=γθ). بنابراین، وقتی در مورد یافتن تعادل نش صحبت می کنیم، حتی اگر در مورد مقادیر θ، یعنی متغیر مربوط به استراتژی گره های حریص، صحبت کنیم، باید بررسی و مطالعه کنیم که چگونه هزینه ها در p تغییر می کند. سپس، این درصد p را به متغیر θ ترجمه می کنیم.

سه نتیجه ممکن وجود دارد:

1. استراتژی پیش فرض همیشه برای همه مقادیر ممکن p بهتر است. در این حالت، تمام گره های خودخواه استراتژی پیش فرض را انتخاب می کنند (یعنی θ=0).
2. استراتژی «بهینه شده» همیشه برای همه مقادیر ممکن p بهتر است. همه گره‌های خودخواه، استراتژی «بهینه‌سازی شده» را انتخاب می‌کنند (یعنی θ=1).
3. اگر هیچ یک از دو گزینه بالا درست نباشد، استراتژی پیش‌فرض با استراتژی «بهینه‌سازی شده» در یک نقطه خاص p برابری می‌کند. در این p (در واقع، در θ مربوط به این p)، تعادل نش سیستم پیدا خواهد شد.

برای نمودار زیر (شکل ۱)، استراتژی پیش‌فرض مورد استفاده در شبیه سازی، در انتخاب تیپ در تنگل IOTA ، دارای درجه بالایی از تصادفی بودن (0.01 = α) بود. شبیه سازی ها برای دو نرخ تراکنش ورودی (λ = 25 و λ = 50) اجرا شد. حال می پرسیم: کدام یک از سه سناریوی ممکن بالا درست خواهد بود؟ آیا گره های خودخواه همیشه استراتژی پیش فرض را انتخاب می کنند؟ یا همیشه استراتژی “بهینه‌شده” را انتخاب می کنند؟ یا فقط نسبتی از این گره ها یک استراتژی را بر دیگری انتخاب می کنند؟

در موارد نشان داده شده، هزینه استراتژی پیش‌فرض با هزینه استراتژی بهینه‌شده تلاقی می کند. نسبت گره هایی که از استراتژی بهینه‌شده استفاده می کنند در این نقطه تقاطع تقریباً 0.07=p برای 25=λ و 0.12=p برای 50=λ است. اکنون این درصدهای p باید به θ ترجمه شوند، جایی که نقاط تعادل نش خواهد بود. برای انجام این کار، با استفاده از دو مثال مجزا، داده‌ها را برای λ=25 تجزیه و تحلیل می‌کنیم که ما را به دو نتیجه احتمالی این مسئله هدایت می‌کند.

1. فرض کنید که γ=0.5 درصد از گره ها خودخواهانه رفتار می کنند. حداکثر درصد ممکن تراکنش های صادر شده تحت استراتژی بهینه‌شده کدام است؟ واضح است که 0.5 است، زیرا گره های غیر حریص نمی توانند استراتژی بهینه‌شده را انتخاب کنند. بنابراین، p≤0.5 خواهد بود. حال برای به دست آوردن درصد تراکنش های صادر شده تحت استراتژی بهینه‌شده از p=0.07، باید θ=0.14 باشد. بنابراین، این تعادل نش خواهد بود.
2. حال فرض کنید که γ=0.05 درصد از گره ها خودخواهانه رفتار می کنند. حداکثر درصد تراکنش های صادر شده تحت استراتژی بهینه‌شده کدام است؟ واضح است که به همان دلایل مثال قبل، 0.05 است. بنابراین، p ممکن، p≤0.05 خواهد بود، به این معنی که، در این حالت، ما همیشه یک استراتژی «بهینه» با هزینه کمتر، برای همه مقادیر p ممکن خواهیم داشت. بنابراین، همه گره‌های خودخواه، استراتژی بهینه‌ شده را انتخاب می‌کنند (یعنی θ=1).

به طور خلاصه، اگر هزینه‌های گره‌های تحت استراتژی بهینه‌ شده برابر با هزینه‌های گره‌های تحت استراتژی پیش فرض در p=p باشد، تعادل نش در θ = min (1,p/Y) خواهد بود. یکی از کاربردهای مستقیم احتمالی این اطلاعات (در جنبه نظریه بازی) می تواند برای بهبود الگوریتم انتخاب تیپ پیش فرض در انتخاب تیپ در تنگل IOTA باشد. اگر الگوریتم انتخاب تیپ پیش‌فرض فعلی را برای الگوریتمی که از p درصد مواقع استراتژی بهینه شده و مابقی مواقع استراتژی پیش فرض را استفاده می‌کند تغییر دهیم، از آن جا که گره‌های خودخواه در حالت تعادل نیز به آن نقطه تمایل پیدا می‌کنند، گره‌های خودخواه هیچ انگیزه‌ای برای انحراف از استراتژی پیش فرض نخواهند داشت.

اکنون که تعادل نش را پیدا کرده‌ایم، یک سوال بی‌پاسخ باقی می‌ماند: وجود استراتژی‌های حریصانه چه هزینه‌ای بر عملکرد کلی سیستم تحمیل می‌کند؟ آیا گره های غیر خودخواه (در مقایسه با موقعیتی که اصلاً گره خودخواهانه وجود ندارد) به طور معناداری آسیب می بینند؟
نمودار زیر (شکل۲) میانگین افزایش هزینه تحمیل شده بر گره های دنبال کننده استراتژی پیش فرض توسط گره های خودخواه را نشان می دهد. فرض کنید W(p) هزینه های گره های غیر خودخواه نشان داده شده در شکل ۱ باشد. افزایش هزینه به صورت (W(p)-W(0))/W(0) محاسبه می شود، بنابراین افزایش هزینه تفاوت هزینه یک گره غیر خودخواه در حضور p درصد تراکنش خودخواهانه و هزینه یک گره غیر خودخواه وقتی که اصلاً تراکنش خودخواهانه‌ای وجود ندارد. همانطور که در نمودار نشان داده شده است، میانگین افزایش هزینه تحمیل شده بر روی گره های غیر خودخواه در واقع منفی است، به این معنی که وجود گره های خودخواه، به طور متوسط، هیچ آسیبی به سایر گره ها برای α های پایین وارد نمی کند.

توجه داشته باشید که نتیجه بالا لزوماً برای α بالاتر صدق نمی کند. همچنین، ما در اینجا ادعا نمی کنیم که گره های خودخواه همیشه به غیر خودخواهان کمک می‌کنند، زیرا ما فقط میانگین ها را تجزیه و تحلیل می‌کنیم، نه تمام حالت های هزینه های گره را. به عنوان مثال، توزیع های گسترده (به این معنی که برخی از گره ها هزینه بسیار کم و برخی دیگر هزینه بسیار بالایی دارند) ممکن است عملکرد سیستم را مختل کند. بنابراین در مطالعات بعدی باید تحلیل عمیق تری در این زمینه صورت گیرد.

علاوه بر این، سود گره‌های خودخواه نسبت به گره‌های غیر خودخواه در مقایسه با برخی رشدهای ذاتی در هزینه‌های محاسباتی از نظر اقتصادی جذاب نیست، به این معنی که سود حاصل از اقدام خودخواهانه در مقایسه با سود حاصل از الگوریتم انتخاب تیپ گره های غیر خودخواه کمتر است (در شکل ۳ توجه داشته باشید که حداکثر بهره ممکن در این مورد کمی بیش از 10٪ است). همچنین، ما “هزینه های اجتماعی” حریص بودن را در نظر نمی گیریم، زیرا وقتی گره ای خودخواه تشخیص داده می شود، می تواند توسط گره های دیگر کنار گذاشته شود، به این معنی که در دراز مدت، این گره ممکن است از شبکه ترد شود، مخصوصا زمانی که هیچ کس دیگر گره ها را مجبور به انجام این کار نمی کند.

به طور خلاصه، نتایج اولیه این تحقیق در مورد چگونگی تکامل تنگل در حضور گره‌های خودخواه را بیان کرده است. تحقیقات بیشتر شامل گسترش فضای استراتژی‌های انتخاب تیپ حریصانه احتمالی، اجرای شبیه‌سازی با تکنیک‌های ML و AI و ادامه بهینه‌سازی الگوریتم پیش فرض انتخاب تیپ در تنگل IOTA  خواهد بود تا این استراتژی هم برای گره‌های خودخواه و هم غیر خودخواه بهینه باشد.

منبع:

https://blog.iota.org/equilibria-in-the-tangle-let-me-try-to-explain-part-2-6dcc8e7c0ad8/

یک cohort گروهی از کاربران است که ویژگی مشترکی دارند که در این گزارش با یک بعد Analytics مشخص شده است. به عنوان مثال، همه کاربران با تاریخ جذب یکسان به یک cohort تعلق دارند. گزارش تحلیل cohorts در آنالیتیکز برای شما این فرصت را ایجاد می‌کند تا رفتار گروهی را جداسازی و تجزیه و تحلیل کنید. بخش cohorts درآنالیتیکز یکی از قسمت های بخش Audience (مخاطبان) است.

نحوه مشاهده اطلاعات مربوط به cohort

گزارش تجزیه و تحلیل cohort برای propertyهایی که از Universal Analytics استفاده می کنند، در دسترس است. هیچ تغییری در کد رهگیری لازم نیست. برای دیدن داده های cohort قدم‌های زیر را بردارید:

1. وارد Google Analytics شوید.

2. به view خود بروید.

3. بخش Reports را باز کنید.

4. Audience > Cohort Analysis را انتخاب کنید.

راه های استفاده از داده های cohort

تجزیه و تحلیل cohort به شما کمک می کند تا رفتار گروه های کاربران را علاوه بر بررسی کل جمعیت کاربران به طور کلی درک کنید. نمونه هایی از نحوه استفاده از تحلیل cohort عبارتند از:

cohort های فردی را برای سنجش موفقیت تلاش های کوتاه مدت بازاریابی مانند کمپین های ایمیلی یک روزه بررسی کنید.

ببینید چگونه رفتار و عمل‌کرد یک cohort از کاربران روز به روز، هفته به هفته و ماه به ماه نسبت به زمانی که آن کاربران را جذب کرده‌اید تغییر می‌کند.

کاربران را بر اساس ویژگی های مشترک مانند تاریخ جذب به cohort ها سازماندهی کنید و سپس رفتار آن cohort ها را بر اساس معیارهایی مانند حفظ کاربر یا درآمد بررسی کنید.

پیکربندی سفارش

از منو برای انتخاب استفاده کنید:

• بعدی که cohort را مشخص می کند (نوع cohort).

• اندازه cohort: شما با انتخاب نوع مقدار برای بعد، اندازه cohort را تعیین می کنید. به عنوان مثال، اگر همگروهی را بر اساس تاریخ Acquisition تعیین کنید، می توانید گزینه ها را به روز، هفته یا ماه تغییر دهید. با این تنظیمات، یک cohort همه کاربرانی هستند که در یک روز، یا در طول یک هفته یا ماه جذب شده‌اند.

• معیاری که می خواهید ارزیابی کنید (Metric).

• محدوده تاریخ نسبی داده ها و تعداد cohorts (محدوده تاریخ).

• کدام cohort در نمودار نشان داده شوند (N انتخاب شده).

راهنمای داده های نمایش داده شده

Chart

به طور پیش فرض، نمودار مقادیر متریک تجمعی را برای همه cohort ها نشان می دهد. از N منوی انتخاب شده برای انتخاب یک خط نمودار تجمعی و/یا خطوط نمودار برای گروه های فردی استفاده کنید.

Columns

ستون اول cohort ها و تعداد کاربران هر cohort را مشخص می کند. برای مثال، اگر بُعدی که cohort ها را با آن مشخص می‌کنید تاریخ Acquisition باشد، این ستون تاریخ جذب هر گروه و تعداد کاربرانی را که در آن بازه زمانی به‌دست آورده‌اید (روز، هفته، ماه) را فهرست خواهد کرد.

بقیه ستون ها افزایش زمانی را که برای اندازه گروه انتخاب می کنید منعکس می کنند. به عنوان مثال، اگر معیار را روز انتخاب کنید، هر ستون شامل یک روز داده است. 13 ستون افزایش زمان (time-increment) وجود دارد، 0-12.

Rows

ردیف اول مقدار کل متریک را برای همه cohortها برای هر ستون نشان می‌دهد. به عنوان مثال، اگر متریک، بازدید از صفحه باشد و ستون‌ها داده‌های روزانه باشند، ردیف اول کل بازدید از صفحه را برای آن روز نشان می‌دهد. ردیف های دیگر مقادیر مربوط به cohortهای منفرد را نشان می دهند.

Cells

سلول های افزایش زمان 0-12 مقادیر متریک انتخابی را نمایش می دهند. به عنوان مثال، اگر از متریک بازدید از صفحه استفاده می کنید، هر سلول حاوی تعداد بازدید از صفحه در هر cohort در هر افزایش زمانی است.

Colors

گوگل آنالیتیکز از 5 رنگ به عنوان نشانه ای از مقادیر نسبی متریک استفاده می کند: تیره ترین رنگ نشان دهنده بالاترین مقادیر متریک و روشن ترین رنگ نشان دهنده کمترین مقادیر متریک است. هر رنگ نشان دهنده همان محدوده نسبی مقادیر است. به عنوان مثال، اگر بالاترین مقدار در جدول 100٪ باشد، هر رنگ محدوده ای از 20 (100/5) را نشان می دهد. اگر بالاترین مقدار در جدول 50٪ باشد، هر رنگ محدوده 10 (50/5) را نشان می دهد.

Segments

وقتی segment هایی را در این گزارش اعمال می کنید، داده های هر segment در جدول جداگانه ای نمایش داده می شود.

نمونه هایی از کاربرد

Micro Trends

بررسی روندهای کوچک که در مجموع روندهای کلان شما را تشکیل می دهند، می تواند تصویر واقعی تری از کسب و کارتان به شما بدهد. به عنوان مثال، داده های فصلی شما ممکن است افزایش ثابتی را در معاملات در آن دوره نشان دهد، که شما آن را به عنوان یک نتیجه مثبت در نظر بگیرید. با این حال، اگر بخواهید گروه‌های هفتگی را که مجموعه داده‌های بزرگ‌تر را تشکیل می‌دهند، بررسی کنید، ممکن است متوجه شوید که در حالی که هجوم کلی کاربران جدید به افزایش تعداد تراکنش‌ها کمک می‌کند، کاهش منظم و چشمگیر تراکنش‌ها بعد از هفته پنجم وجود دارد. اکنون دقیقاً می دانید که چه زمانی کاربران را مجدداً جذب کنید (هفته 4) تا عملکرد هر روند کوچک را بهبود بخشید و در نتیجه تأثیر آن را بر روند کلان خود چند برابر کنید.

سازگاری، بهبود یا کاهش در cohorts

با مقایسه مقادیر در یک ستون، به سادگی می توانید تشخیص دهید که آیا رفتار ثابتی در بین cohort های شما وجود دارد یا اینکه آیا عملکرد بهبود می یابد یا بدتر می شود. همانطور که ستون را با مشاهده داده‌های هر cohort پایین می آیید، در بعد زمان به پیش می روید (به عنوان مثال، روز 5 برای گروه دوم پس از روز 5 برای گروه اول اتفاق می‌افتد، اگرچه آنها در همان ستون ظاهر می‌شوند).

اگر داده‌های روزانه را ارزیابی می‌کنید، می‌توانید به یک ستون نگاه کنید، مثلاً ستون روز 5، تا ببینید آیا همه گروه‌ها در آن مرحله رفتار مطابق انتظار دارند یا اینکه داده‌ها نشان‌دهنده روند بهبود یا رو به وخامت است. به عنوان مثال، اگر در روز 5،درصد یکسانی از کاربران را در همه گروه‌ها حفظ کنید، این می‌تواند نشان دهنده ثبات در تجربه کاربر باشد. از سوی دیگر، اگر در روز 5،شاهد افزایش ثابت ماندگاری بودید، ممکن است بتوانید آن را با بهبود محتوای خود یا ارتقای سرعت عملکرد برنامه خود مرتبط کنید. بدتر شدن ثابت ماندگاری کاربر در روز 5،ممکن است نشان دهنده محتوای قدیمی، یا سطح غیرمعمول دشوار یا کدگذاری ضعیف در یک فرآیند باشد – چیزی که باعث می شود کاربران کمتر و کمتری به این تجربه ادامه دهند.

Engagement, retention, and acquisition

درک نقطه ای که کاربران تمایل به جدا شدن از آن دارند (به عنوان مثال، شروع جلسات کمتر، مشاهده صفحات کمتر، ایجاد درآمد کمتر) می تواند به شما در شناسایی دو چیز کمک کند:

• نقاط خروج معمولی که ممکن است به راحتی برطرف شوند.

• نرخی که با آن نیاز به جذب کاربران جدید دارید تا خروج اجتناب ناپذیر را جبران کنید.

به عنوان مثال، اگر متوجه شدید که درآمد به طور منظم در هفته سوم یا چهارم پس از خرید شروع به کاهش می‌کند، ممکن است کاربران را با بازاریابی مجدد یا کمپین ایمیلی که تخفیف‌ها یا تبلیغاتی را برای محصولات جدیدی که از آخرین sessions اضافه شده‌اند، جذب کنید. همچنین می‌توانید با ارائه تبلیغات برای محصولات مرتبط با محصولاتی که در طول تعامل اولیه خود خریداری کرده‌اند، آن کاربران را با بازاریابی مجدد پویا جذب کنید.

اگر الگوهای فرسایشی اجتناب ناپذیر را شناسایی کنید، مثلاً 10 درصد در ماه، آنگاه می‌توانید نرخی را به دست آورید که با آن نیاز به جذب کاربران جدید برای کسب و کار خود دارید.

پاسخ به تلاش های کوتاه مدت بازاریابی

اگر تلاش‌های بازاریابی کوتاه‌مدتی مانند کمپین‌های ایمیلی یک روزه انجام می‌دهید، این گزارش به شما این فرصت را می‌دهد که رفتار کاربرانی را که در بازه‌های زمانی مرتبط به دست آورده‌اید، ردیابی کنید. برای مثال، اگر کمپین‌های متوالی 30% تخفیف، 25% تخفیف، و 20% تخفیف را با نزدیک شدن به تعطیلات اجرا می‌کنید، می‌توانید ببینید که چگونه معیارهای مختلفی مانند درآمد به ازای هر کاربر و تراکنش‌ها به ازای هر کاربر در بین گروه‌های کاربران مقایسه می‌شوند.

منابع:

https://support.google.com/analytics/answer/6158745?hl=en&ref_topic=6158744#zippy=%2Cin-this-article

https://support.google.com/analytics/answer/6074676?hl=en&ref_topic=6158744#zippy=%2Cin-this-article

رایان دال برای اولین بار نسخه پایه Node.js را در سال 2009 منتشر کرد. از آن زمان، Node.js به عنوان قابل اعتمادترین فناوری برای کد زنی در بخش سرور در اکثر برنامه ها مورد استفاده قرار گرفته است. در این نوشتار، انواع مختلف برنامه هایی را که می توانید با Node.js بسازید، بررسی می کنیم. علاوه بر آن، در مورد معروف ترین اپلیکیشن های ساخته شده با Node.js نیز صحبت خواهیم کرد.

چرا Node.js:

Node.js یک محیط اجرای جاوا اسکریپت با یک اکوسیستم قدرتمند است و بر روی موتور جاوا اسکریپت V8 کروم ساخته شده است. این یک محیط سریع، سبک، مقیاس پذیر و کارآمد است. Node.js بزرگترین اکوسیستم کتابخانه های منبع باز جهان با ویژگی های برجسته مانند مدل رویداد محور، معماری بدون سرور و بسیاری موارد دیگر است.

روندهای توسعه Node.js در سال 2020 به اندازه ای بوده است که می توانید حداکثر استفاده را از ابزارها و فریم ورک های آن برای دستیابی به یک اپلیکیشن کارآمد، ببرید. بنابراین، Node.js در حال حاضر انتخاب اول 98 درصد از شرکت های بزرگ در دنیاست. نه تنها این، بلکه در صدر فهرست پرکاربردترین فریم ورک ها و کتابخانه ها نیز قرار دارد. نمودار زیر بیانگر میزان محبوبیت Node.js می باشد.

انواع برنامه هایی که می توانید با Node.js بسازید:

Node.js مزایای زیادی برای طیف گسترده ای از برنامه ها ارائه می دهد. در زیر 6 نوع برنامه برتری که می توانید با استفاده از Node.js بسازید آورده شده است:

۱)‌ اینترنت اشیا(Internet Of Things):

اینترنت اشیا (IoT) به شبکه‌ای از دستگاه‌های فیزیکی مانند حسگرها و چراغ‌ها اطلاق می‌شود که داده‌ها را از طریق اینترنت به اشتراک گذاشته و مبادله می‌کنند. داده ها معمولاً از دستگاه ها به سرورها و از سرورها به برنامه ای که داده ها را نمایش می دهد منتقل می شود. اغلب اوقات، یک سیستم IoT ممکن است از تعداد زیادی دستگاه تشکیل شده باشد. از این رو، وظیفه مدیریت درخواست ها و جریان های داده در سیستم اینترنت اشیا بسیار پیچیده می شود. Node.js به عنوان بهینه ترین راه حل برای توسعه سیستم های IoT خصوصی و یا عمومی عمل می کند.

چرا از Node.js برای اینترنت اشیا استفاده کنیم؟

بزرگترین دلیل برای انتخاب نود جی اس برای چنین شبکه هایی، توانایی قابل توجه آن در پردازش چندین درخواست همزمان است. Node.js دارای معماری رویداد محور است و پردازش داده های ناهمزمان را تسهیل می کند. در نتیجه، سرورهای Node.js مسدود نمی شوند و درخواست های داده به راحتی پردازش می شوند.

در مرحله دوم، نود جی اس به عنوان یک لایه کاربردی و کارآمد بین دستگاه های IoT و پایگاه های داده ای که اطلاعات منتشر شده توسط این دستگاه ها را ذخیره می کند، عمل می کند.

علاوه بر این، Node.js حداقل نیاز را به حافظه دارد. در نتیجه، توسعه دهندگان node.js می توانند به راحتی آن را با کنترل کننده های تک بردی مانند آردوینو (Arduino) ادغام کنند. اینها معمولاً در ایجاد دستگاه‌های دیجیتالی که یک سیستم اینترنت اشیا را تشکیل می‌دهند، استفاده می‌شوند.

۲) برنامه های چت بلادرنگ (Real-Time)

چت بلادرنگ یک ابزار ارتباطی آنلاین است که امکان انتقال مستقیم پیام های متنی، صوتی یا تصویری را فراهم می کند. اینها مبتنی بر فناوری‌های پیام‌رسانی فوری (IM) یا گفتگوی در بستر اینترنت (IRC) هستند. البته، آنها می توانند چت گروهی یک به یک و یک نفر با چند نفر را تسهیل کنند.

برنامه‌های چت بلادرنگ یکی از رایج‌ترین انواع برنامه‌هایی هستند که می‌توانید با Node.js بسازید. این برنامه ها می توانند شامل برنامه‌های شبکه‌های اجتماعی یا یک وب‌سایت تجاری تعاملی باشند.

چرا با Node.js برنامه های چت بلادرنگ بسازیم؟

Node.js دارای یک Event API است که به توسعه دهندگان اجازه می دهد تا در رویکرد رویداد محور با هر داده ای کار کنند. این قابلیت کمک زیادی به اجرای رویدادهای سمت سرور و اعلان‌ها می‌کند. هر دوی این ویژگی ها اغلب در برنامه های ارتباطی بلادرنگ استفاده می شوند.

ساختار رویداد محور نود جی اس به آن این اجازه را می دهد تا همکاری با وب سوکت ها (WebSockets) را ایجاد و حفظ کند. یک وب سوکت برای تبادل سریع پیام ها بین مشتری و سرور از طریق یک کانکشن باز بسیار مهم است. بنابراین، Node.js نقش بسیار مفیدی را در برنامه‌های چت بلادرنگ بازی می‌کند.

اگر بخواهید وب سوکت را در سمت سرور و همچنین در سمت سرویس گیرنده نصب کنید، Node.js می‌تواند پیام‌های بلادرنگ را با تأخیر کمتر و انتقال داده سریع‌تر انجام دهد.

۳) برنامه های تک صفحه ای (SPA):

برنامه تک صفحه ای یک برنامه وب است که در یک صفحه مرورگر قرار می گیرد. به جای بارگیری کل صفحه جدید، برنامه به صورت پویا صفحه وب فعلی را نمایش می دهد. این به کاربران تجربه ای مشابه تجربه یک برنامه دسکتاپ می دهد.

امروزه، SPA ها به طور گسترده ای برای ایجاد اپلیکیشن های شبکه های اجتماعی، ابزارهای مدیریت پروژه و موارد دیگر استفاده می شوند. جی میل کاربردی ترین نمونه SPA است.

چرا با Node.js برنامه تک صفحه ای بسازیم:

Node.js یک محیط زمان اجرا قوی است که می تواند دستورات ناهمزمان را با کارایی بالا مدیریت کند. این باعث می شود که برای SPA های پیچیده مناسب باشد.

در نهایت، نود جی اس به همان زبان (جاوا اسکریپت) نوشته شده است که برای ساخت SPA استفاده می شود. این کار توسعه دهندگان را بسیار ساده می کند زیرا آنها می توانند از زبان و ساختار داده مشابه در سرور و سمت مشتری استفاده کنند. به نوبه خود، روند توسعه سرعت و قابلیت نگهداری SPA ها را افزایش می دهد.

۴)  ابزارهای همکاری بلادرنگ:

ابزارهای همکاری بلادرنگ آنهایی هستند که چندین کاربر را قادر می سازند به طور همزمان روی یک برنامه کار کنند. طیف گسترده ای از ابزارهای همکاری وجود دارد که مجموعه ای از راه حل های نرم افزاری را به ما ارائه می دهند.

برخی از موارد استفاده برجسته عبارتند از برنامه مدیریت پروژه (Trello) و ویرایش مشترک اسناد (Google Docs).

چرا با Node.js برنامه های بلادرنگ بسازیم؟

برنامه‌های همکاری بلادرنگ موردی شبیه به چت‌های بلادرنگ ارائه می‌کنند. معماری ناهمزمان و مبتنی بر رویداد Node.js مزیت بزرگی را در ساخت این برنامه ها فراهم می کند.

برنامه های همکاری، چندین رویداد را به طور همزمان ایجاد می کنند. به عنوان مثال، گروهی از دانشجویان می توانند همان سند یا حتی همان پاراگراف آن سند را ویرایش کنند. در این سناریو، Node.js از WebSockets و Event API استفاده می‌کند تا مطمئن شود که درخواست‌ها و داده‌های ارسال شده توسط چندین کاربر، سرور را از کار نمی اندازد و تمام داده‌های سمت سرور بدون هیچ تاخیری به مشتری تحویل داده می‌شود.

اعلان های ارسالی توسط Node.js به سرعت محیط همکاری را به روز می کنند. این برای اطمینان از این است که همه کاربران یک دید واحد و منسجم از برنامه دارند.

۵) برنامه های استریمینگ(Streaming Apps):

برنامه استریمینگ یک نوع نرم افزار بر اساس تقاضا است. ماهیت آنها با برنامه های سرور از راه دور متفاوت است. برنامه استریمینگ از شما می‌خواهد که فقط بخش‌های خاصی از برنامه را بر حسب تقاضا بر روی دستگاه بارگذاری کنید، در حالی که قسمت‌های دیگر بعدا در صورت نیاز قابل دانلود کردن می باشد. این ویژگی از لود بیش از حد سرور و رایانه محلی جلوگیری می کند.

همچنین می توانید پس از دانلود کامل برنامه، بدون هیچ گونه اتصالی به اینترنت، آن را به خوبی اجرا کنید. برنامه های استریمینگ مانند Netflix مطمئناً یکی از بهترین انواع برنامه هایی هستند که می توانید با Node.js بسازید.

چرا با Node.js برنامه های استریم بسازیم؟

یکی از ویژگی‌های ذاتی Node.js، خاصیت Stream API می باشد. این خاصیت Node.js  را به گزینه‌ای عالی برای طراحی چنین برنامه‌هایی تبدیل می‌کند. علاوه بر این، Node.js دارای یک رابط جامع از جریان های قابل خواندن و نوشتن است که می تواند به طور موثر کنترل و پردازش شود.

۶) برنامه هایی با معماری میکروسرویس:

هنگامی که یک برنامه کاربردی با معماری میکروسرویس می سازید، آن را به عنوان مجموعه ای از ماژول های جداگانه می سازید. هر ماژول نقش خاصی را در عملکرد برنامه ایفا می کند و به طور مداوم توسعه و آزمایش می شود. وقتی تیم تمام ماژول ها را ساخت، آنها را برای تشکیل برنامه کامل، یکپارچه می کند.

برنامه های کاربردی سازمانی بزرگ تا حد زیادی از این نوع معماری سود می برند. این به این دلیل است که تیم های توسعه آنها، گسترده و از نظر جغرافیایی توزیع شده اند. این رویکرد به کل تیم کمک می کند تا در مسیر خود باقی بماند.

چرا از Node.js برای معماری میکروسرویس ها استفاده کنیم؟

فریمورک‌های نود جی اس مانند Koa و Express که شما را قادر می‌سازد چند ماژول میکروسرویس بسیار انعطاف‌پذیر ایجاد کنید.

Node.js حداقل نیاز به منابع را دارد. بنابراین ساخت میکروسرویس ها با Node.js باعث می شود که برنامه ها کارآمد و به سرعت قابل اجرا باشند

برترین برنامه های ساخته شده با Node.js:

به دلیل ویژگی‌های پیشرفته و نیازهای منابع محدود، تعداد زیادی از غول‌های شرکتی توسعه اپلیکیشن Node.js را پذیرفته‌اند.

PayPal، LinkedIn، Netflix، Uber و GoDaddy از جمله برنامه های مطرحی هستند که توسط Node.js ساخته شده اند. با توجه به تمامی مزایای گفته شده درباره ی نود جی اس، تیم آوین آویسا نیز در پروژه های خود مانند پروژه ربات معامله گر از تکنولوژی نود جی اس استفاده می کند. برای مطالعه درباره ربات معامله گر می توانید به مقاله ربات معامله گر چیست؟ مراجعه کنید. علاوه بر این در طراحی فروشگاه اختصاصی برای کسب و کار شما، آوین آویسا از تکنولوژی Node.js در بخش سرور استفاده می کند. برای مطالعه درباره این موضوع می توانید به مقاله فروشگاه اختصاصی با تکنولوژی‌های ریکت و نود جی اس موجود در سایت آوین آویسا مراجعه کنید.

منبع: 

https://www.thirdrocktechkno.com/blog/6-types-of-applications-you-can-build-with-node-js/

در بخش Demographics و Interests در گوگل آنالیتیکز می توانید به خوبی با جزییات کامل کاربران را بر اساس سن، جنسیت و دسته های علاقه مندی تجزیه و تحلیل کنید. این بخش یکی از قسمت های بخش Audience (مخاطبان) است.

اطلاعات Demographics و Interests، اطلاعاتی درباره سن و جنسیت کاربران شما، همراه با علایقی که از طریق فعالیت‌های خرید و رفتار آنلاین خود ابراز می‌کنند، ارائه می‌کند.

پیکربندی تجزیه و تحلیل را برای نمایش Demographics و Interests

قبل از اینکه بتوانید داده‌های جمعیت‌شناسی و علایق را در Analytics ببینید یا با آنها کار کنید، باید:

1. Advertising Reporting Features را برای property خود فعال کنید.

2. گزارش‌های Demographics and Interests را برای property فعال کنید.

نحوه جمع آوری داده توسط Analytics :

هنگامی که Analytics را برای پشتیبانی از Advertising Reporting Features به‌روزرسانی می‌کنید، Analytics داده‌های جمعیتی و علایق را از منابع زیر جمع‌آوری می‌کند:

اطلاعات جمعیت‌شناسی و علایق ممکن است فقط برای زیرمجموعه‌ای از کاربران شما در دسترس باشد و ممکن است ترکیب کلی ترافیک شما را نشان ندهد: اگر کوکی DoubleClick یا Device Advertising ID موجود نباشد، Analytics نمی‌تواند اطلاعات جمعیتی و علایق را جمع‌آوری کند.

نمودارها و ردیف اول ستون Sessions در گزارش نمای کلی، درصد کل داده‌های شما را نشان می‌دهد (به عنوان مثال، سن – 41.39٪ از کل جلسات).

ابعاد

شما می‌توانید هر معیار تجزیه و تحلیل کاربردی را در زمینه این ابعاد مشاهده کنید (به عنوان مثال، جلسات، نرخ پرش، تراکنش‌ها، درآمد).

می‌توانید بر اساس این ابعاد، بخش‌هایی ایجاد کنید و می‌توانید از این بخش‌ها برای تجزیه و تحلیل داده‌ها و ایجاد مخاطبان بازاریابی مجدد استفاده کنید.

برخی از مناطق جغرافیایی پوشش محدودی از علایق دارند. ممکن است داده‌ها برای مقادیر زیادی از Affinity Categories ،In-Market Segments و سایر دسته‌ها در دسترس نباشد. همچنین، ممکن است متوجه شوید که داده‌های کمتری برای In-Market Segments نسبت به Affinity Categories و سایر دسته‌ها در دسترس است.

گزارش استاندارد (Standard Report)

هفت گزارش استاندارد زیر در بخش Demographics و Interests در گوگل آنالیتیکز موجود هستند:

Demographics Overview: توزیع جلسات (یا سایر معیارهای کلیدی) در property شما بر اساس گروه سنی و جنسیت. Sessions معیار کلیدی پیش‌فرض است. همچنین می توانید از New Sessions, Avg. Session Duration ،Bounce Rate ،Pages per Session استفاده کنید.

Age: معیارهای Acquisition، Behavior و Conversions به تفکیک گروه سنی. وقتی یک گروه سنی را در نظر می گیرید، تقسیم بندی بر اساس جنسیت و سپس بر اساس علاقه را مشاهد می کنید. سن زیر 18 سال در داده ها لحاظ نشده است.

Gender: معیارهای Acquisition، Behavior و Conversions بر اساس جنسیت تفکیک شده اند. وقتی یک جنسیت را مورد مطالعه قرار می دهید، تقسیم بندی بر اساس گروه سنی و سپس بر اساس علاقه را مشاهده می کنید.

Interests Overview: توزیع Sessions (یا سایر معیارهای کلیدی) در property شما بر اساس 10 مورد علاقه مندی برتر در Affinity Categories ،In-Market Segments، و سایر دسته‌ها.

Affinity Categories (دسترسی): معیارهای Acquisition، Behavior و Conversions براساس دسته‌های وابستگی تفکیک شده‌اند.

In-Market Segments: معیارهای Acquisition، Behavior و Conversions براساس بخش‌های درون بازار تفکیک شده‌اند.

Other Categories: معیارهای Acquisition، Behavior و Conversions بر اساس دسته‌های دیگر تفکیک شده‌اند.

گزارش های شخصی سازی شده

می‌توانید از ابعاد جمعیت‌شناسی و علایق در گزارش‌های سفارشی استفاده کنید. به عنوان مثال، ممکن است بخواهید از ابعاد جنسیت و/یا سن برای تعیین زمینه برای ارزیابی معیارهای تجارت الکترونیک مانند نرخ خرید به جزئیات یا درآمد محصول به ازای هر خرید استفاده کنید.

قبل از اینکه بتوانید داده ها را در گزارش های سفارشی ببینید، باید Advertising Features را برای property خود فعال کنید.

آستانه داده ها

آستانه‌ها برای جلوگیری از استنباط اطلاعات جمعیتی یا علائق تک تک کاربران اعمال می‌شوند. وقتی گزارشی شامل سن، جنسیت یا دسته علاقه (به عنوان یک بعد اولیه یا ثانویه، یا به عنوان بخشی از یک segment کاربردی) باشد، ممکن است یک آستانه اعمال شود و برخی از داده‌ها ممکن است در گزارش حذف شوند. برای مثال، اگر کمتر از N نمونه جنسیت=مرد در یک گزارش وجود داشته باشد، ممکن است داده‌های مربوط به مقدار مرد پنهان بماند.

این آستانه ها در بخش Demographics و Interests در گوگل آنالیتیکز سیستمی تعریف شده اند و شما نمی توانید آنها را تنظیم کنید.

علاوه بر این، زمانی که اطلاعات جمعیت شناختی همراه با شناسه های کاربر، ابعاد سفارشی و فیلدهای محتوای تولید شده توسط کاربر خاص مانند شناسه کاربر، شناسه مشتری، و منبع/رسانه درخواست می شود، ممکن است داده ها از گزارش ها حذف شده باشند.

توجه داشته باشید که اگر آستانه ای برای یک گزارش اعمال شده باشد، یک اعلان زیر عنوان گزارش خواهید دید.

هدف گذاری در Google Display Network

گوگل آنالیتیکز از همان دسته بندی های سن، جنسیت و علایقی استفاده می کند که شما در Google Ads استفاده می کنید تا تبلیغات خود را در Google Display Network قرار دهید. برای تبلیغ‌کنندگان، این برابری بین محصولات برای شما این فرصت را فراهم می نماید که داده‌ها را در Analytics کاوش کنید و سپس یافته‌های خود را در Google Ads به کار ببرید. برای مثال، می‌توانید تفاوت رفتار کاربران در segmentهای مختلف را بررسی کنید (آیا علاقه‌مندان به تکنولوژی ۲۵ تا ۳۴ ساله نرخ تبدیل بالاتری نسبت به علاقه‌مندان به تکنولوژی ۳۵ تا ۴۴ ساله دارند؟). نتایج آن کاوش به شما این امکان را می دهد که هدف گذاری تبلیغات خود را در Google Display Network اصلاح کنید. به عنوان مثال، اگر علاقه‌مندان به تکنولوژی ۲۵ تا ۳۴ ساله با نرخ بالاتری نسبت به همتایان ۳۵ تا ۴۴ ساله خود تبدیل می‌شوند، ممکن است بودجه تبلیغاتی خود را بیشتر روی گروه ۲۵ تا ۳۴ ساله متمرکز کنید.

منبع:

https://support.google.com/analytics/answer/2799357?hl=en&ref_topic=2799375#zippy=%2Cin-this-article