Gjenkjennelse av trender avdekker små, men viktige og langvarige endringer i dataene dine. Denne funksjonen ligner på gjenkjennelse av uregelmessigheter, siden begge registrerer endringer i dataene. Hovedforskjellen er at gjenkjennelse av uregelmessigheter fremhever plutselige fall eller økninger i dataene, mens gjenkjennelse av trender fremhever mer subtile endringer over lengre tid.
Google Analytics viser disse endringene på et statistikkort i «Statistikk og anbefalinger»-delen på startsiden, i statistikksenteret, i annonseringsoversikten og i oversikten over rapporter.
Forstå endringer i trender
Mange typer endringer kan føre til at trender endrer seg. Noen endringer er tilsiktede og forutsigbare. Og i så fall trenger du ikke å gjøre noe. Hvis du for eksempel starter en ny annonsekampanje, kan inntektene øke gradvis, og Analytics gjenkjenner endringspunktet som startdatoen for kampanjen.
Andre endringer er uventede og krever at tiltak iverksettes, for eksempel når viktige beregninger går nedover. For eksempel hvis du nylig har oppdatert koden på nettstedet, og det har ført til at registreringsknappen ikke fungerer lenger. Du ser kanskje ikke noen umiddelbar nedgang i antallet aktive brukere, men over tid ser du at veksten stopper opp, siden ingen nye brukere kan registrere seg. Analytics registrerer denne endringen, så du kan gjøre de nødvendige endringene på nettstedet.
Slik fungerer det
Når Google identifiserer en retningsendring i tidsrekkedata for en gitt beregning, ser du en sirkel rundt datoen da endringen skjedde. Du kan holde markøren over sirkelen for å finne ut mer om endringen, deriblant den forrige og nåværende endringstakten og tidspunktet da endringen ble registrert.
Du kan også klikke på Undersøk rapporten nederst på statistikkortet for å se nærmere på dataene. Når du klikker på knappen, åpner du en mer detaljert rapport med den samme datoperioden, beregningen og dimensjonen. Du kan justere datoperioden, sammenligne andre dimensjoner eller legge til flere dimensjonsoversikter for å se nærmere på endringen i trenden.
Typer endringer som gjenkjennes
Gjenkjennelse av trender viser trendendringer når verdiprognosene ikke stemmer med virkeligheten, noe som skjer når trenden går i en annen retning:
- en økning til en nedgang
- en nedgang til en økning
- en større økning eller nedgang
- en mindre økning eller nedgang
Feilsøk endringer i trender
Før du endrer noe i appen din eller på nettstedet ditt når en endring i en trend registreres, er det viktig at du vurderer om endringen er forventet eller ikke, og hva som er årsaken hvis den er uventet. Hvis endringen er positiv eller forventet, ønsker du neppe å endre noe.
Nedenfor kan du se mulige årsaker til at en endring oppsto:
Forretningssykluser
I tradisjonelle forretningssykluser kan det oppstå negative, forventede endringer i trender som vanligvis ikke krever at tiltak iverksettes, med mindre trenden er utenfor et rimelig område. Noen eksempler på dette er julesesongen for nettbutikker og skolestart for spillapper.
Endringer i Analytics-området
Endringer i konfigurasjonen av områder kan føre til trendendringer. Klikk på Endringsloggen i området under Område på Administrator-siden, og sjekk om det ble gjort noen endringer før endringen i trenden. Finn ut hvordan du kan se loggen over endringer i kontoer og områder.
Endringer i apper eller på nettsteder
Negative endringer i trender kan oppstå hvis du ikke har konfigurert appen eller nettstedet på riktig måte. Eksempler:
- Det kan skyldes tekniske problemer som økt tidsforsinkelse (eller sideinnlastingstid), overbelastning av tjeneren og så videre.
- Det kan være feil eller manglende innstillinger i metadataene om sidene dine, for eksempel SSL, robots.txt eller sitemap.xml. Søkemotorer bruker metadata til å rangere sidene, og feilkonfigurerte metadata kan føre til endringer i trender for organisk trafikk.
- Annonsekampanjer kan ha ineffektive innstillinger hvis endringer i trender bare registreres for betalt trafikk.
Slik registrerer Analytics endringer i trender
Analytics Observasjon bruker en algoritme for signalsegmentering på en tidsrekke for å registrere om endringer i trender har forekommet. Modellen deler tidsrekken inn i flere deler, slik at hver del har unike datamønstre. Grensepunktene mellom to deler blir endringene i trender vi rapporterer.
Den vanlige opplæringsperioden for gjenkjennelse av endringer er rundt 90 dager for daglige data og rundt 32 uker for ukentlige data.