Kiedy można spodziewać się większej ilości wejść na stronę internetową? - Google Analytics pomaga w badaniu sezonowości zjawiska!

Sezonowość zjawisk w internecie

W internecie nie jest tak, że każdego dnia, miesiąca i roku ilość wejść na stronę, odsłon stron, ilość pobrań aplikacji, zakupu danego produktu jest identyczna. Wręcz przeciwnie cały czas te wartości się zmieniają. Odpowiada za to właśnie zjawisko sezonowości.


Jak mierzyć sezonowość w internecie?

Sezonowość podlega swoistym czynnikom i w internecie te zjawiska także mają swoje odzwierciedlenie. Prócz tego jednak w internecie dochodzą dodatkowe czynniki - ich znajomość jest niezwykle ważna. Same metody pomiaru sezonowości w internecie są takie same jak w pozostałych dziedzinach gospodarki.


Sezonowość jest związana z cyklami. Cykl jest to z kolei powtarzający się w czasie w miarę w równych odstępach czasowych zjawisko. Sezonowość jest następstwem ruchu Ziemi wokół Słońca. Ruch ten powoduje zmianę pór roku, a temu podlega wiele zjawisk gospodarczych i społecznych. Tak też jest w zjawiskach, jakie można zaobserwować w internecie.



Przykład mierzenia sezonowości w Internecie

Dzień	Dzień tygodnia	Liczba odwiedzin z naturalnych wyników wyszukiwania w Google (google organic)	wartości teoretyczne z trendu	Wartości wygładzone
1	poniedziałek	6000	4886,21	1113,79
2	wtorek	4500	4877,73	-377,73
3	środa	4200	4869,26	-669,26
4	czwartek	5100	4860,78	239,22
5	piątek	4800	4852,30	-52,30
6	sobota	3800	4843,83	-1043,83
7	niedziela	5000	4835,35	164,65
8	poniedziałek	6050	4826,88	1223,12
9	wtorek	4400	4818,40	-418,40
10	środa	4150	4809,93	-659,93
11	czwartek	4950	4801,45	148,55
12	piątek	5000	4792,97	207,03
13	sobota	3750	4784,50	-1034,50
14	niedziela	5100	4776,02	323,98
15	poniedziałek	6100	4767,55	1332,45
16	wtorek	4460	4759,07	-299,07
17	środa	4250	4750,60	-500,60
18	czwartek	5150	4742,12	407,88
19	piątek	4750	4733,65	16,35
20	sobota	3850	4725,17	-875,17
21	niedziela	4950	4716,69	233,31
22	poniedziałek	5950	4708,22	1241,78
23	wtorek	4300	4699,74	-399,74
24	środa	4300	4691,27	-391,27
25	czwartek	5200	4682,79	517,21
26	piątek	4800	4674,32	125,68
27	sobota	3850	4665,84	-815,84
28	niedziela	4900	4657,36	242,64

Przykład ten można zobaczyć w dokumentach google: Sezonowość w reklamowaniu - Maripoza

Powyższe dane uzyskaliśmy dla pewnej firmy z "Google Analytics" - jest to ilość wejść na stronę poprzez wyszukiwarkę Google z naturalnych wyników wyszukiwania.

Już intuicyjnie przeczuwamy, że "ilość wejść" np. w środę jest inna niż w poniedziałek. chcielibyśmy wiedzieć dokładnie, ile można się spodziewać wejść w kolejnym tygodniu i w jakie dni. Możemy wtedy dostosować swoje działania do tej prognozy i dokonywać np. zmian na stronie wtedy, gdy jest mała ilość wejść na stronę. Pozwala to także stwierdzić, czy strona zyskuje na popularności czy ją traci.


Wykres sezonowości "ilości wejść" z "Google Organic"


Krok 1: Ustalenie metody dekompozycji zjawiska. Można zrobić to specjalistycznymi metodami ścisłymi lub intuicyjnie odczytując z wykresu. Łatwo zauważyć, że w tym przypadku sezonowość jest nałożona na tendencję rozwojową w sposób addytywny. Zastosujemy zatem sezonowość addytywną.

Krok2: Wyznaczenie trendu liniowego. Jest on już pokazany na wykresie u góry wraz z współczynnikiem determinacji.

y=-8,48X+4895

Wyraz wolny oznacza, że w dzień poprzedzający nasz przykład teoretyczna wartość wejść na stronę z "Google Organic" wynosiła 4895.

Współczynnik kierunkowy oznacza, że z dnia na dzień liczna wejść na stronę spadała o średnio 8,48 - była zatem tendencja malejąca.

Czy to oznacza, że coś złego dzieje się z naszą stroną? Może to oznaczać gasnący rynek na nasze produktu, ale nie musi, trzeba by to zjawisko odnieść do sezonowości miesięcznej i rocznej. Może bowiem być tak, że spadek ten jest wynikiem cyklu miesięcznego czy kwartalnego - wtedy nie byłoby to niczym złym.


Krok 3: Wyznaczenie wartości teoretycznych z trendu i oczyszczenie zjawiska "liczby wejść" z tendencji rozwojowej. Jest to zrobione w przykładzie w kolumnie 4 i 5.


Krok4: Wyznaczenie wartości wskaźników sezonowości addytywnej:

Tydzień	1	2		3		4				suma	wskaźniki sezonowe
poniedziałek	1113,79	1223,12		1332,45		1241,78				4911,15	1228
wtorek	-377,73	-418,40		-299,07		-399,74				-1494,95	-374
środa	-669,26	-659,93		-500,60		-391,27				-2221,05	-555
czwartek	239,22	148,55		407,88		517,21				1312,86	328
piątek	-52,30	207,03		16,35		125,68				296,76	74
sobota	-1043,83	-1034,50		-875,17		-815,84				-3769,34	-942
niedziela	164,65	323,98		233,31		242,64				964,56	241
											0,00

Przykład ten można zobaczyć w dokumentach google: Sezonowość w reklamowaniu - Maripoza


W tabelce powyżej mamy w każdym tygodniu w odpowiednim dniu wartości wygładzone. Następnie są one zsumowane. W końcu został wyliczony wskaźnik sezonowości addytywnej. Na końcu na dole jest wartość "0" jest to suma wskaźników sezonowości. Oznacza to, że nasze wskaźniki są już oczyszczone i nadają się bezpośrednio do prognozowania. Należałoby jeszcze sprawdzić dopasowanie modelu sezonowości do danych empirycznych, lecz w tym poście to pominę.


Ile można się spodziewać wejść w kolejnym tygodniu?

W poniedziałek ilość wejść z Google z wyników naturalnych wyszukiwania była większa o średnio 1228 niż wskazuje na to wartość z trendu.

W wtorek ilość tych wejść była średnio o 374 mniejsza niż wartość wynikająca z trendu. W środy była o 555 mniejsza.

W czwartki można się spodziewać średnio o 328 więcej wejść niż wynika to z trendu ilości tych wejść. W piątki o 74 więcej. W sobotę znów spada ilość średnia wejść w stosunku do trendu o 942. W niedziele ilość wejść z "Google Organic" średnio będzie o241 większa niż wartość z trendu.

Są zatem dwa minima - w środy i w sobotę - w sobotę jest ono silniejsze.
Są dwa maksima w tej funkcji - w poniedziałek i czwartek - w poniedziałek jest silniejsze maksimum.

Sama analiza za pomocą ścisłych narzędzi nie wystarcza, w kolejnym kroku należy zastanowić się bardzo mocno, dlaczego tak się dzieje, że są maksima"ilości wejść" w poniedziałki i w czwartki a minima w soboty i w środy?


Analiza zachowań konsumentów internecie

W sobotę ludzie często spędzają czas w inny sposób niż przed internetem, to jest główna przyczyna, dlaczego spada ilość wejść na nasza stronę w tych dniach. Ponieważ nasza strona jest komercyjna w poniedziałki ludzie chcą dokonać zakupów po weekendzie.

Po dokonaniu zakupów w poniedziałek liczba wejść już maleje dopiero, jak zbliża się koniec tygodnia ludzie znów wyszukują haseł w "Google" związanych z naszą firmą i znów wchodzą na stronę częściej w czwartki.



Jak analizy firmy "Maripoza" mogą wpłynąć na skuteczność reklamy?

Podobnej analizy, jak przedstawiona powyżej można dokonać w ciągu dnia i odkryć w jakich godzinach najlepiej jest się reklamować, żeby zwiększyć sprzedaż. Tak na przykład pewna firma konsultingowa zwiększyła w krótkim czasie liczbę klientów dzięki wnikliwej analizie cykliczności ilości wejść na stronę oraz analizie przyczyn tego zjawiska.

Często właściciele firm mówią później: "Jakie to oczywiste, dlaczego sami na to nie wpadliśmy." Właściciele firm doskonale znają się na swoim biznesie, lecz nie maja czasu na analizy ścisłe swojego biznesu w "Google Analytics" i programach ekonometrycznych w związku z tym pomimo tego, że gdzieś głęboko w podświadomości wiedzą o przyczynach małej sprzedaży nie mogą tego sobie uświadomić, dopiero takiego rodzaju analizy ścisłe jak przedstawione w tym poście to uświadamiają.

Jak można zaprognozować sprzedaż produktu?

Dekompozycja zjawiska sprzedaży w ekonometrii - Czyli jak zrozumieć zjawisko sprzedaży?

Z ekonomicznego punktu wiedzenia sprzedaż produktu jest zjawiskiem, które podlega ścisłym prawom. Zjawisko sprzedaży produktu może zachowywać się w różny sposób w zależności od rodzaju dobra, trendu rynkowego, koniunktury i pór roku. Na zjawisko to nakład się także przypadkowość. Powstaje często problem, jak zaprognozować wielkość sprzedaży na kolejny okres?

Do wielkości sprzedaż chcemy dopasować wydatki reklamowe, działania promocyjne i inne czynności w firmie. Sprzedaż można mierzyć ilościowo lub wartościowo. W gospodarce rynkowej zalecaną metoda jest mierzenie sprzedaży w postaci wartościowej, czyli w danej walucie np. w złotych. Pozwala to na porównywanie działań firm z różnych branż, gdyż ujęcie wartościowe ma charakter porównawczy.

Dla osób, które chciałyby zaprognozować zjawisko na podstawie modelu liniowego Holta udostępniono na stronie MEGAEDUKACJA kalkulator online modelu Holta.


Przykład wykonania prognozy dla pewnej firmy — Można to odnieś do własnej firmy!

Przykład: W pewnej firmie sprzedaż miesięczna pewnego produktu w tys. zł. wynosiła:

	2007	2008
styczeń	400	430
luty	390	420
marzec	450	470
kwiecień	460	480
maj	500	510
czerwiec	590	580
lipiec	700	730
sierpień	780	810
wrzesień	600	620
październik	550	570
listopad	500	510
grudzień	670	690

Chcemy zaprognozować sprzedaż na styczeń 2009 roku.

Metoda prognozowania naiwnego (tak jest przyjęte w literaturze przedmiotu nazywanie tej metody, jest to inne rozumienie słowa "naiwnego" niż potocznie).

Metoda 1: Sprzedaż będzie z poziomu miesiąca poprzedniego - zakładamy, że zjawisko podlega tym samym czynnikom, co w miesiącu poprzednim, nie ma charakteru sezonowego i brak przypadkowości zakupów impulsowych.

Prognoza styczeń 2009= wartość sprzedaży z grudnia 2008 = 690tys. zł.

Metoda 2: Metoda naiwna z poprawką
a) bezwzględnym przyrostem - Sprzedaż będzie na poziomie miesiąca 2009 z bezwzględnym przyrostem pomiędzy dwoma ostatnimi miesiącami.
b) względnym przyrostem - Sprzedaż będzie na poziomie miesiąca 2009 z względnym przyrostem pomiędzy dwoma ostatnimi miesiącami.

a) Prognoza I2009=Wartość rzeczywista(y) sprzedaży z XII2008+(y XII2009 - y XI 2009)
Y prog. I2009= 690 +(690-510)= 690+180=870tys. zł

W tym przypadku zakładamy, że ten czynnik, który działa w listopadzie i grudniu i spowodował, że sprzedaż z listopada 2008 wzrosła do poziomu z grudnia 2008 będzie nadal dział i spowoduje, że sprzedaż w styczniu wzrośnie do 890tys. zł.

b) Prognoza I2009=Wartość rzeczywista(y) sprzedaży z XII2008*(y XII2009 /y XI 2009)
Y prog. I2009 = 690 *(690/510)= 933,53tys. zł
W tym przypadku zakładamy, że ten czynnik, który dział w listopadzie i grudniu spowodował, że sprzedaż z listopada 2008 wzrosła do poziomu z grudnia 2008 będzie nadal działał i spowoduje, że sprzedaż w styczniu wzrośnie do 933,53tys. zł. W tym przypadku zakładamy, że utrzyma się procentowy wzrost z miesiąca listopad.

Metoda 3. Średniej zwykłej r-okresowej

W tym przypadku zakładamy, że prognoza będzie na poziomie średniej wartości sprzedaży z r-ostatnich okresów.

Najczęściej w biznesie przyjmuje się prognozowanie kwartalne (np. w artykułach HBR zaleca się właśnie takie zarządzanie trzy miesięczne - choć podobno najwięksi biznesmeni myślą o dłuższym okresie działania, czyli mają wizje firmy) - przyjmijmy zatem, że r=3

yprog. I2009= (y X2008+ y XI2008 + y XII2008)/3 = (570+510+690)/3=590tys. zł

Metoda 4. Średnia ważona r-okresowa

Ta metoda jest zbliżona do poprzedniej, ale zakłada, że czynniki wpływające na sprzedaż nie mają jednakowego wpływu w czasie. Zakłada się, że czynniki z ostatniego miesiąca mają większy wpływ niż czynniki sprzed 3 miesięcy. Wagi powinny dawać 1 i być malejące w czasie. Dobór wag może być ustalony heurystycznie lub za pomocą ścisłych metod matematycznych. W naszym przypadku dobierzmy je arbitralnie na poziomie: (0,6, 03, 0,1)

ypro.I2009=wI*yXII2008+wII*yXI2008+wIII*yX2008
ypro.I2009=0,6*690+0,3*510+0,1*570=627tys.zł


A co, gdy zjawisko w Mojej Firmie ma charakter sezonowy?

Metoda 5. Metoda naiwna uwzględniając sezonowość zjawiska.

Gdy przyjrzymy się danym z przykładu, to łatwo zauważyć, że zjawisko to podlega wahaniom sezonowym. W tej metodzie uwzględnia się te spostrzeżenie:

yprog. I2009=yI2008=430tys.zł

Zakładamy więc, że sprzedaż w 2009 w styczniu wyniesie tyle ile wynosiła w styczniu 2008 roku.

Metoda naiwna z poprawką bezwzględną i sezonowością:

yprog. I2009=y I2008+(yI2008-yI2007)=430+(430-400)=460tys. zł

W tym przypadku zakładamy, że utrzyma się trend wzrostowy, lecz że wartość bazowa jest ze stycznia 2008 roku.

Metoda naiwna z poprawką względną i sezonowością:

yprog. I2009=y I2008*(yI2008/yI2007)=430*(430/400)=462,25tys. zł

Zakładamy, że skoro pomiędzy styczniem 2007 i styczniem 2008 nastąpił 7,5% wzrost sprzedaży, to że pomiędzy styczniem 2008 i styczniem 2009 też będzie 7,5% wzrost sprzedaży. Bazą jest oczywiście nie grudzień 2008, lecz styczeń 2008.

W metodach uwzględniającymi sezonowość zakłada się, że każdy miesiąc ma swoje swoiste czynniki wpływające na sprzedaż.


Dobór metody prognozowania na podstawie błędu prognozy Ex-Post

Która metoda jest najlepsza? Na to pytanie odpowiada błąd ex-post. Nie będziemy go tu jednak liczyć, żeby nie przedłużać postu. Zaprezentowane tu metody miały charakter nieekonometryczny. Prócz tych metod wyróżniamy wiele innych metod: modele Holta, Helwiga, Wintersa, ARIMA i oczywiście całą gamę modeli ekonometrycznych.

Metody ilościowe są tak bogate, że każde zjawisko sprzedażny da się wyprognozować. Tym bardziej, że w gospodarce postmodernistycznej posiadamy takie wspaniałe dane jak z "Google Analytics", które wręcz idealnie nadają się do wyznaczania prognoz. Takie wyznaczanie modeli ekonometrycznych pomaga w zarządzaniu budżetami kampanii reklamowych w internecie. Analiza ekonometryczna w reklamie ma swoje mocne uzasadnienie.