Google Analyticsissa on paljon ”kätkettyjä” ominaisuuksia.
Tai kyllähän ne ovat näkyvillä, mutta silti kukaan ei käytä niitä.
Pivot-taulukot ovat varmasti vähiten käytettyjä GA:n ominaisuuksia. Siitä huolimatta, että pivot-taulukkojen avulla numerot muuttuvat ymmärrykseksi.
Pivot-taulukko auttaa tarkastelemaan mittaria usean dimension kautta
Mistä pivot-tauluissa oikein on kysymys?
Oikeastaan kyse on yksinkertaisesti ristiintaulukoinnista. Voit tarkastella mittaria kahteen dimensioon jaettuna.
Eli suomeksi:
Jos haluat vertailla esimerkiksi miten
- eri laskeutumissivut toimivat eri kampanjojen kanssa
- eri kampanjat toimivat eri medioissa
tai vaikkapa miten miesten ja naisten käyttäytyminen eroaa eri ikäryhmissä, tarvitset pivot-taulukoita.
Nyt kun olet (toivottavasti) sisällä Google Analyticsissa, voit heti kokeilla ensimmäisen pivot-taulukon rakentamista.
Laskeutumissivu, media ja myyntitapahtumat
Siirry ensiksi raporttiin Behavior > Landing Pages (eli Käyttäytyminen > Aloitussivut).
Pivot-työkalun löydät raporttinäkymän oikeasta laidasta. Klikkaa pientä taulukkokuvaketta, niin pääset rakentamaan ensimmäisen pivot-taulukkosi!
Valitse tämän jälkeen:
- Primary dimension: Landing Page (Ensisijainen mittasuhde: Aloitussivu)
- Pivot by: Medium (Pivot: Liikenteen lähde)
- Pivot metrics: Transaction (Pivot-tiedot: Tapahtumat)
Tämän jälkeen näet pivot-taulukon, jossa myyntitapahtumat on ristiintaulukoitu laskeutumissivun ja tulotavan perusteella.
Pivot-taulukkoon voit lisätä myös kolmannen ulottuvuuden käyttämällä Secondary dimension -valintaa. Tämän jälkeen taulukon hahmottaminen on kuitenkin hankalaa: kun litistät kolme ulottuvuutta kaksiulotteiselle näytölle, menetät pivot-taulukkojen suurimman hyödyn.
Eri selaimet ja käyttöjärjestelmät
Toisinaan olen kiinnostunut eri selaimien ja käyttöjärjestelmien käytöstä. Myös tätä on helpoin tarkastella pivot-taulukoiden avulla.
Usein pivot-taulukosta tulee valtavan kokoinen, mutta suuri osa soluista sisältää arvon 0.
Koska taulukon skrollaamatta näkyvä osa on rajattu 5 pystysarakkeeseen, tekevät nämä nollasolut taulukon tarkastelemisesta GA-käyttöliittymässä hankalaa.
Siksi pivot-taulukkoon sisällytettävä data kannattaa usein segmentoida.
Esimerkiksi yllä olevaa kuvankaappausta varten käytin lisäksi segmenttiä, jonka avulla rajasin tarkastelun vähän suositumpiin käyttöjärjestelmiin.
Tämä segmentti sisältää 96 % tutkimani sivuston liikenteestä.
Samalla tavalla voit rajata taulukkoon tulevat käynnit molempien dimensioiden perusteella.
Jos haluat tutkia myös harvinaisempia kahden dimension yhdistelmiä, kannattaa sinun viedä taulukko esimerkiksi Exceliin tai Google Sheet -taulukkoon. Silloin suuren taulukon tarkastelu on huomattavasti helpompaa kuin natiivissa Google Analytics -käyttöliittymässä.
Artikkelit samasta aiheesta
Pullonkaulat analytiikan hyödyntämisessä: tunnista ja avaa ne CARE-mallin avulla!
Usein analytiikkaa ei saada tuottamaan arvoa, koska kohtaamme erilaisia pullonkauloja datan keräämisessä, analysoinnissa ja toimenpiteisiin ryhtymisessä. Helpota näitä haasteita hyödyntämällä CARE-mallia.
Tekoäly ja koneoppiminen rakentavat parempia ostajapersoonia
Ostajapersoona on tuttu työkalu markkinoinnin johtamisen apuna. Suurten kielimallien ja koneoppimisen avulla dataan perustuvien persoonien rakentaminen onnistuu aikaisempaa tehokkaammin. Mitä ostajapersoona tarkoittaa? Ostajapersoonat kuvaavat yrityksen kannalta ideaalisia ostajia. Ostajapersoonan esitys […]
Digianalytiikan käyttäjätunnisteet paljastavat pitkätkin ostopolut
Käyttäjätunnisteet (user ids) auttavat seuraamaan pitkiä ostopolkuja, kun käyttäjät saadaan välillä kirjautumaan sisään tai antamaan sähköpostiosoitteensa.
Kiinnostuitko tästä aiheesta?
Soita meille 020 788 8120 tai täytä alla oleva lomake niin jatketaan juttua!