Şub 22, 2023 2394 reads

UA ve GA4 Arasındaki Farklar Nelerdir?

Universal Analytics ve yakında tamamen yerini alacak Google Analytics 4’ün çalışma prensiplerini ve en dikkat edilmesi gereken farklarını bu yazımızda inceledik, iyi okumalar.Google Analytics’in Kısa Tarihsel Süreci Urchin, 2000’li yılların başında web sitesi trafiğini izlemek için en popüler araçtı. Google bu popülarite karşısında etkisiz kalamadı ve günümüzü doğrudan etkileyecek o hamleyi yapıp 2005 yılında Urchin Software Corp.’ u satın aldı. Başlarda "Urchin from Google" olan isimlendirme günümüzde de kullandığımız haliyle "Google Analytics" adını aldı ve Google tarafından ilk satın alındığı 2005 yılından bu yana çok gelişti. Yıllar içerisinde hem internetin yaygınlaşması hem de insanların alışveriş alışkanlıklarının evrilmesi sonucunda bugün kullanıcı verilerini online tutmak ve bu verileri anlamlandırmak için Analytics bizim için en önemli araçlardan biri haline geldi diyebiliriz. 2005 —> GA1: Google Analytics (urchin.js) 2008 —> GA2 : Google Analytics Classic (ga.js) 2012 —> GA3：Google Analytics Universal (analytics.js) 2020 —> GA4: Google Analytics 4 İlerleyen başlıklarımızda ilk olarak APP+Web olarak duyurulan Google Analytics 4 için bir inceleme yapacağız.Universal Analytics Ne Zaman Kullanımdan Kalkıyor? Nelere Dikkat Edilmeli? Google, UA’ in kapatılmasını her ne kadar birkaç kere ertelesede kaçınılmaz sona günden güne yaklaşıyoruz. GA4 her ne kadar betadan çıkmamış olsa da Google’ın en son duyurduğu tarih olan Temmuz 2023 sonrası için veri toplamayı durduracak ve yeni işlemlere izin vermeyecek gibi görünüyor. Son açıklamaya buradan ulaşabilirsiniz. Kaçırılmaması gereken nokta ise 6 ay içerisinde bu verilerinizi dışa aktarmanız gerektiği. Çünkü Google bize sonrası için bir erişim garantisi vermiyor. Burada 360 Universal Analytics mülkleri için Google ek olarak 1 sene daha vermekte. 360 kullanıcılar için 1 Temmuz 2024’e kadar GA hesapları aktif olacak. Püf Noktalar - UA 1 Temmuz 2023’de kapanıyor. - 360 Google Analytics mülkleri için kapanma tarihi 1 Temmuz 2024. - 6 ay boyunca verilere erişilebilecek. - Veri kaybı yaşanmaması adına verileri dışarı aktarmak son derece önemli bir nokta. GA4 Bize Neler Sunuyor? Neleri Hedefliyor? Google Analytics 4 (GA4), Google Analytics' in en son sürümüdür. Özellikleri ve topladığı veriler açısından eski Universal Analytics (GA3) platformundan oldukça farklıdır. GA4 veri toplarken kullanıcıların gizliliğini daha ön plana alıp kullanıcıları GA’ da olan oturum bazlı (sessions based) değil etkinlik (event) bazlı takip etmeye başladı. Bu değişikliklerle birlikte Google raporlama sistemlerinde yapay zeka destekli raporlama çalışmaları yapmakta. Henüz bu konuda istenilen seviyede doğru raporlar sunamasa da zannediyoruz ki ileride AI destekli raporlama kısmı analytics içinde en sık kullanacağımız yerlerden biri olacaktır. Google, GA4 ile beraber kullanıcı gizliliği ile ilgili yeni bir pencere açtı. Çerez (Cookie) ve GDPR ile ilgili yazının devamında detaylarına ineceğimiz birçok değişiklikte bulundu. Özetle, GA4 daha az kişisel veri toplama, daha fazla veri kontrolü ve daha az veri saklama süresi sunuyor. böylece kullanıcı gizliliğini daha iyi korumayı hedefliyor. UA ve GA4 Kullanıcıları Nasıl Ölçümler? UA ve GA4 arasındaki farkların belki de en temeli ölçümleme konusunda karşımıza çıkıyor. Universal Analytics kullancıları oturuma dayalı (session based) olarak ölçümlerken, GA4 ise kullanıcıları etkinliğe dayalı (event based) şekilde takip eder. Universal Analytics, oturumları ve sayfa görüntülemelerini temel alan bir ölçüm modeli kullanır. GA4 ise verilerinizi izlemek için olay tabanlı bir model kullanır. Oturumlar, verileri tek bir bireye bağlayabilir ve özellikle sitenizle etkileşime girdikçe onları izleyebilir. Etkinlik verileri anonimdir ve belirli kullanıcıların bu eylemleri gerçekleştirmesi yerine gerçekleştirilen belirli eylemlere önem verilir. Web analitiği bağlamında event bir ziyaretçinin sitenizde veya uygulamanızda gerçekleştirdiği bir etkileşimdir. Bir event, bir tıklama veya bir sayfa görüntüleme veya bir kaydırma veya bir dosya indirme veya bir satın alma veya diğer herhangi bir izlenebilir etkileşim olabilir. GA4 özelliği, tüm isabet türlerini event olarak değerlendirmektedir. Bugüne kadar kullanmış olduğumuz Universal Analytics'te ise buton tıklamaları, kaydırma (scroll) derinliği ve indirmeler gibi etkinlikleri ölçmek mümkündü ancak bunları gerçekleştirebilmek için Google Tag Manager’a ihtiyaç duyuyor ve özel kurulumları gerçekleştirebiliyorduk. GA4'da, Google Etiket Yöneticisi'nin oluşturmasına ihtiyaç duyduğumuz belirli etkinlikler tabi ki hala yerini koruyor fakat scroll gibi custom kurulumlar gerektiren bazı etkinlikleri GA4 otomatik takip edebiliyor. Merak etmeyin, GTM popülerliğinden hiç bir şey kaybetmiyor diyebiliriz. UA → GA4 Değişen Metrikler Nelerdir?UA ve GA4 arasındaki farklardan dikkat çekici ve kritik olanlardan biri değişen metrikler. Bu konuda özellikle dikkat etmemiz gereken nokta, örneğin total users (toplam kullanıcı) vb metriklerin hem GA4 hem de UA’da bulunmasına rağmen birbirinden farklı hesaplanmasıdır. Bu da kullanıcılarda kavram karmaşası yaratmaktadır. Aşağıda ki tabloda UA ve GA4 arasındaki farklar özelinde incelediğimiz metrik karşılaştırma tablosunda adım adım bu kısımlara değinmeye çalışacağız. Not: Aktif olarak UA ve GA4 hesaplarınızda bazı metriklerde uyumsuzluk yaşıyorsanız aşağıdaki tablo sorularınızı yanıtlayabilir.MetrikUAGA4Total Users (Toplam Kullanıcı Sayısı)UA’da ki birincil kullanıcı metriği Toplam kullanıcı sayısıdır.Etkin kullanıcı sayısıNew Users (Yeni Kullancı Sayısı)Sitenizi ilk kez ziyaret eden kullanıcılarSitenizi ilk kez kullanan veya uygulamanızı ilk kez ziyaret eden kullanıcıların sayısı first_open (web) ve first_visit(app)Active Users (Etkin Kullanıcılar)N/AGA4’da ki birincil kullanıcı metriği active users’dır.Unique Pageview (Benzersiz Sayfa Görüntüleme Sayısı)Yinelenen sayfaların hariç tutulduğu sayfa görüntülenme sayısıN/ABounce RateKullanıcının sayfada herhangi bir etkileşimde bulunmadığı yahut hemen terk ettiği oturumlardır. Kullanıcıların sayfada 10 saniyeden az ve sadece bir eventi tetiklediği oturumlardır.Kaynakça: https://support.google.com/analytics/answer/11986666?hl=en#zippy=%2Cin-this-articleGA4’da çoğu filtre henüz tam olarak desteklenmediği için UA ve GA4 karşılaştırmalarınızda özellikle  pageview gibi metrikler de tutarsızlıklar gözlemleyebilirsiniz. View (Görünüm) ve Data Streams (Veri Akışı) Universal Analytics’in olmazsa olmazı view ayarları GA4 ile maziye karışacak gibi görünüyor. Hemen hemen her Analytics kullanıcısının alışmış olduğu Raw-Master-Test View'lar GA4’da bulunmuyor. Google Analytics 4’de bir web sitesi veya uygulama bir "veri akışı" olarak kabul edilir ve bunlar tek bir mülkün altına toplanabilir. Her GA4 mülkü en fazla 50 veri akışına sahip olabilir. UA ve GA4 arasındaki farkları daha iyi anlayabilmemiz için bu konuyu aşağıda başlıklar altında inceliyor olacağız.  Cross-Device Tracking GA4'daki bir mülkte çeşitli veri akışlarını (bir web sitesi veya uygulama) gruplandırabildiğiniz için artık alanlar arası trafiği görebileceğiniz ve verileri toplayabileceğiniz raporlar oluşturabilir, aynı zamanda akış başına verileri parçalama özelliğini koruyabilirsiniz. GA4, cihaz düzeyindeki ve kullanıcı düzeyindeki verilerin bir kombinasyonunu kullanarak cihazlar ve platformlar genelinde kullanıcı davranışını izleyebilir. Cihaz düzeyindeki veriler, kullanılan belirli cihaz veya tarayıcı hakkında bilgiler içerir. Kullanıcı düzeyindeki veriler belirli bir kullanıcıya bağlıdır ve bu kullanıcıların cihazlar genelindeki etkinliklerini izlemek için kullanılabilir. Bu, GA4'ün kullanıcı etkinliğini cihazlar ve platformlar arasında bağlamasına ve davranışlarına ilişkin kapsamlı bir görünüm sağlamasına olanak tanır. Universal Analytics Enchanced E-commerce Eventlerinin GA4’da Karşılıkları Nelerdir? E-ticaret siteleri ve lead toplamak isteyen herhangi bir sitenin kullanıcı hareketlerini anlamlandırabilmesi için önce bu veriyi takip edilebilir kılması ve gerekli kurulumların sağlanması gereklidir. UA ve GA4 arasındaki farklarda özellikle e-ticaret sitelerinin bir an önce enhanced e- commerce ayarlarının farklarını iyi anlayıp sitelerinde uygulaması gerekmektedir.Bu konuda yazılım ekipleri ve web/product ekiplerinin Enchanced E-commerce yapılandırmasında datalayer yapısını kurgulaması gerekmektedir. Bu kurguda Universal Analytics’den GA4 geçişlerde bir değişim söz konusudur. Aşağıda sıralayacağımız tabloda Universal Analytics Enhanced E-commerce eventlerini ve GA4'da ki kullanım farklılıklarını detaylı bir şekilde görebilirsiniz. E-commerce EventUAGA4Product Impressionsimpressionsview_item_listProduct ClicksproductClickselect_itemAdd to CartaddToCartadd_to_cartRemove from CartremoveFromCartromeve_from_cartCheckoutcheckoutbegin_checkoutPurchasepruchasepurchaseProduct Detail ViewsProductDetailview_itemPromotion ImpressionspromoViewview_promotionPromotion ClickspromoClickselect_promotion Universal Analytics ve GA4 Arasındaki Veri Toplama ve Gizlilik Farkları Universal Analytics ile GA4 farklarını incelediğimiz bu yazımızda veri toplama ve gizlilik özellikleri arasındaki temel farklar şunlardır: Veri Toplama Universal Analytics, kullanıcı davranışını izlemek için çerezleri kullanır. Bu, yalnızca tarayıcılarında çerezleri etkinleştirmiş olan kullanıcılardan veri toplayabileceği anlamına gelir. Öte yandan GA4, çerezler devre dışı bırakılmış olsa bile cihazlar ve platformlar genelinde kullanıcı davranışını izlemesine olanak tanıyan, olaya dayalı bir veri modeli kullanır. Universal Analytics'te veriler bir web sitesiyle bireysel etkileşimleri (ör. sayfa görüntülemeleri, etkinlikler, işlemler) temsil eden eventler (hit) halinde düzenlenir. Bu durum belirli kullanıcı davranışı türlerini izlemeyi ve analiz etmeyi kolaylaştırır. GA4, mobil uygulamalardan kullanıcı davranışını izlemenize de olanak tanırken, Universal Analytics öncelikle web sitelerindeki davranışları izlemeye odaklanır. Gizlilik GA4, veri toplama ve işleme üzerinde Universal Analytics'ten daha ayrıntılı kontrol sağlar. Hangi verileri toplamak istediğinizi ve hangi etkinlikleri izlemek istediğinizi seçebilirsiniz. GA4 ayrıca, web sitesi sahiplerinin veri toplamayı kullanıcı iznine göre ayarlamasına olanak tanıyan, Consent Mod adlı yeni bir özelliğe sahiptir. Bir kullanıcı belirli veri toplama türlerine izin vermezse GA4 bu verileri toplamaz. Fakat burada Google çerezleri reddeden kullanıcıların davranışları makine öğrenimi ile tahmin edip bize data sunabilir. Son olarak GA4, Universal Analytics'ten farklı bir veri saklama modeli kullanır. GA4'te, siz daha uzun tutmayı seçmediğiniz sürece veriler 14 ay sonra otomatik olarak silinir. Universal Analytics'te veriler, siz manuel olarak silmediğiniz sürece süresiz olarak saklanır. Özetle GA4, Universal Analytics'e kıyasla veri toplama ve gizlilik üzerinde daha fazla esneklik ve kontrol sunar. Ayrıca, web sitesi sahiplerinin pazarlama stratejileri hakkında daha bilinçli kararlar almalarına yardımcı olabilecek, cihazlar ve platformlar genelinde kullanıcı davranışına ilişkin daha kapsamlı bir görünüm sağlamayı hedefler. GA4 Çerez (Cookie) Politikası GA4, üçüncü taraf tanımlama bilgilerini izlemeyecek; odak noktası birinci taraf tanımlama bilgileri olacaktır. Birinci taraf tanımlama bilgileri, bir web sitesindeki etkinliğinizi izleyen ve o web sitesinin sahibi tarafından oraya konulan tanımlama bilgileridir. Üçüncü taraf tanımlama bilgileri, bir web sitesine o sitenin sahibi dışında biri tarafından yerleştirilen ve etkinliğinizin üçüncü taraflarca otomatik olarak izlenmesini sağlayan tanımlama bilgileridir. Google, üçüncü taraf çerezlerini Analytics ve Chrome'dan kaldırıyor. Üçüncü taraf tanımlama bilgilerinin kaldırılması, Google ve diğer reklam verenlerin neleri izleyebildiğini ve veri toplama şeklini  kökten değiştirecek bir konu. Bu konuyla ilgili Google neden değişikliğini daha iyi anlamak ve derinlemesine inlemek için bir sonraki yazımızda görüşmek üzere. 

Şub 10, 2023 914 reads

Nörobilim Işığında UX Yasaları ve UX Analizi

Markanızın ve markanıza ait web sitenizin keşfedilmesi ve dönüşüme giden yolda kullanıcılarınızın markanıza karşı düşüncelerini ve duygusal tepkilerini ölçebilmek kullanıcınızın marka yolculuğunu analiz edebilmeniz için oldukça önemlidir.Kullanıcılarınızın markanıza ait web sitenizde bir etkileşim gerçekleştirdiğinde platform (app veya web) farketmeksizin yaşadığı deneyimler bütününe kullanıcı deneyimi yani UX (user experience) denmektedir. Kullanıcı deneyimini etkileyen pek çok faktör bulunmaktadır. Bu yazımızda bu faktörleri nörobilim ışığında tasarlanan UX yasaları çerçevesinde nasıl saptayacağımızı ve bu saptama sonucunda nasıl çıktılar elde ederek UX analizi yapacağınızı paylaşacağız.Nörobilim Nedir?Neuro Science (Nörobilim ya da sinirbilim) sinir sistemini inceleyen disiplinlerarası bir bilim dalıdır. Nörobilim, beyin ve sinir sistemi hakkında bilgi ve keşifler yapmayı amaçlamaktadır.Nöronların ve nöral devrelerin temel özelliklerini anlamayı hedefleyen bu bilim dalı fizyolojli, anatomi, matematik, gelişim biyolojisi ve psikoloji gibi pek çok bilim dalını bu amaç uğruna birleştirerek öğrenme, bellek, davranış, algı ve bilincin açıklanmasını temel almıştır. Bu alandaki araştırmacılar beyin fonksiyonlarını, beynin davranışlarını ve hastalıkların nörolojik temellere dayalı olarak nasıl oluştuğunu incelemektedir.Bilindiği gibi beynimiz vücudumuzun en karmaşık ve dünyada var olmamızı sağlayacak tüm düzenlemeleri yapan organımızdır. Bizi biz yapan duygu, düşünce ve hafızadan nefes alma, dokunma, motor işlevler, görme, sıcaklık ve açlık algısı gibi tüm becerilerimizin merkezidir. Bundan yola çıkarak nörobilim kapsamında sinirbilimciler beyin üzerinde gerçekleştirmiş oldukları araştırmaları büyük ölçüde genişletmiş ve kullanmış oldukları teknikler ile zaman içinde nöronların moleküler ve hücresel çalışmalarından beyindeki duyusal, motor ve bilişsel görevlerin sinirsel görüntülenmesine gelişim göstermiştir.Nörobilim Işığında UX YasalarıKullanıcı deneyimini en fazla etkileyen faktörler bilişsel ve psikolojik faktörlerdir. UX (Kullanıcı Deneyimi) yasaları ise, web ve mobil uygulamalar gibi interaktif sistemlerin tasarımı ve kullanımı ile ilgili genel kural ve prensipleri ifade etmektedir.Kullanıcıların çevresindeki dünyayı nasıl algıladığını ve o dünya ile ne şekilde etkileşime geçtiğini önceden tahmin edebilen, günün sonunda onunla birlikte hareket edebilen ve empati kurabilen, ulaşmak istediği noktaya hızlı ve pratik bir şekilde taşıyabilen tasarımları hayata geçirmek; özetle marka tasarımlarını nörobilim ışığında kurgulayarak UX yasalarına göre dizayn etmek bir tasarımcının en temel amacı olmalıdır.Şayet yukarıda sözü edilen kurguda bir tasarım gerçekleştirilmediyse analistlerin temel amacı da ilgili siteleri Nörobilim ışığında UX yasalarına uygun bir şekilde analiz ederek olması gereken noktaya getirmek olmalıdır.Çünkü web tasarımınızla sitenizle etkileşime giren her bir kullanıcı insan olmanın bir gereği olarak belirli psikolojik ilkelere tabidir. Odak noktasına insanı koyan tasarım anlayışı ve iyi deneyime sahip diyebileceğimiz ürünleri ortaya çıkarabilmenin en temel yolu insan psikolojisini iyi anlayabilmek, bu konuda yapılan çalışmaları ve belirlenen kanunları takip etmekten geçmektedir. UX yasaları sadece deneyim tasarımı alanında aklımıza ilk gelen Don Norman, Jacob Nielsen gibi tasarımcılar tarafından değil, aynı zamanda insan davranışı üzerinde uzun yıllar çalışmalar yapan Zeigarnick gibi psikologlar tarafından belirlenmiştir.UX Yasaları İçerisinde Yer Alan Nörobilim TeknikleriKullanıcı deneyimi arttırabilmek, site tasarımınızı UX doğrultusunda daha hoş ve verimli bir hale getirebilmek için UX analizi yaparken yararlanabileceğiniz nörobilim ışığında geliştirilen UX yasalarını sizler için listeleyerek, açıkladık.Estetik ve Kullanılabilirlik İlkesiKullanıcılar genellikle estetik açıdan hoşa giden tasarımı daha kullanışlı tasarım olarak algılamaktadır. Çünkü estetik açıdan hoşa giden bir tasarım, insanların beyinlerinde olumlu bir tepki yaratır ve bu algı kullanıcıların tasarımın gerçekten daha iyi çalıştığına inanmalarını sağlar. Bu doğrultuda bir ürün veya hizmetin tasarımının estetik açıdan hoş olması insanların o ürün veya hizmeti kullanılabilirlik sorunlarına karşı daha toleranslı kılmaktadır. Bunun sonucunda da estetik ve görsel olarak hoş bir tasarım kullanılabilirlik ile ilgili sorunları maskelemektedir.Jakob Yasası“Kullanıcılar alışılagelmiş etkileşim kurallarının sizin ürününüzde/sitenizde de olmasını bekler.”Bu kural yenilik ve ustalık arasındaki denge ile ilgilidir. Nielsen Norman Group'tan Jakob Nielsen, kullanıcıların web siteleri söz konusu olduğunda tanıdık deneyimlere değer verdiğini söylemektedir. Bu yasa doğrultusunda site tasarımcısının tekerleği yeniden icat etmesinden ziyade kullanıcıların mevcut zihinsel modellerini referans alarak onların beklentilerini karşılamayı hedeflemek gerektiğine vurgu yapmaktadır. Kullanıcıyı merkeze koyarak en iyi deneyimleri ve tasarımları oluşturabilmek için faydalandığımız bu yöntemle, kullanıcıların hali hazırdaki davranış alışkanlıklarından faydalanarak onları hedeflerine giden yoldan saptırmadan yaşadıkları tecrübeyi iyileştirmeyi amaçlarız.Örnek verecek olursak, bir e-ticaret sitesinde kullanıcılar sepetlerine eklemiş oldukları ürünleri görüntüleyebilmek için sitede bir sepet veya alışveriş çantası ikonu aramaktadırlar. Bu kurgudan bağımsız sepet veya alışveriş ikonu yerine sepeti temsil eden farklı bir ikonun kullanımı UX yasalarına aykırı olacak ve kullanıcı deneyimini olumsuz etkileyecektir.Hick YasasıKarar vermek için geçen süre, seçeneklerin sayısı ve karmaşıklığı arttıkça artar.Hick-Hyman Yasası olarak da bilinen bu yasada, William Edmund Hick ve Ray Hyman seçim sayısı arttıkça karar verme süresinin katlanarak değil logaritmik olarak arttığını belirtir. Bu yasa ile bu ekip, kullanıcıların seçim yapmasını kolaylaştırmak ve kullanıcılara daha iyi bir deneyim yaşatmak için onların bilişsel yükünü azaltmayı amaçlamaktadır. Bu noktada Hick Yasası’na göre UX için dikkate edilmesi gerekilen noktalar şunlardır:Karar süresini arttırmak için yanıt sürelerinin kritik olduğu durumlarda seçenekleri azaltmak.Bilişsel yükü azaltmak için karmaşık görevleri daha küçük adımlara bölmek.Önerilen seçenekleri vurgulayarak kullanıcıları bunaltmaktan kaçınmak.Yeni kullanıcılar için bilişsel yükü en aza indirmek için aşamalı eklemeyi kullanmak.Örnek verecek olursak, İpekyol web sitesinde ürün listeleme ekranında her seferinde kullanıcının karşısına 2-4 adet ürün çıkartarak, kullanıcının daha kolay karar vermesini sağlamaktadır.Miller YasasıMiller tarafından geliştirilen bu yasa hafıza kapasitemizle ilgilidir. Miller, ortalama bir insanın, çalışma belleğinde yalnızca 7 (artı veya eksi 2) öge tutabileceğini söylemektedir. Kısa süreli hafızamız 7 (+/-2) kuralını aşacak şekilde bilgiye maruz kalırsa kapasite aşılır ve insan beyni karışmaya başlar. Karmaşa azalır ve bilgi gruplar halinde sunulursa, beyin bu bilgileri daha kolay işler ve kalıcı hafızaya yazar.Netflix örneğinde olduğu gibi kullanıcıya toplu bir şekilde içerik bilgilerini ilettiğimiz menü, navigasyon veya kategorizasyon tasarımlarında başlıklar altında gruplama yöntemi Miller Yasası doğrultusunda algılanabilirliği arttırmaktadır. Gestalt İlkeleri“İnsanlar, en az bilişsel çaba harcayarak karşılarına çıkan karmaşık görüntüleri mümkün olan en basit form olarak algılayacak ve yorumlayacaktır.”Gruplandırma ilkeleri (veya Gestalt gruplandırma yasaları) psikolojide bir dizi ilkedir ve ilk olarak Gestalt psikologları tarafından, insanların nesneleri doğal olarak organize modeller ve nesneler olarak algıladıkları gözlemini açıklamak için önerilmiştir, bu ilke Prägnanz olarak bilinir. Görsel olarak bağlantılı ögeler, bağlantısı olmayan ögelere göre daha ilişkili olarak algılanmaktadır. Bu bağlamda renkler, çizgiler, çerçeveler ve diğer şekillerle görsel olarak bağlantılı olacak şekilde benzer yapıdaki işlevleri gruplandırmak önemlidir. Alternatif olarak, görsel bir bağlantı oluşturmak için bir öğeden diğerine somut bir bağlantı referansı (çizgi, ok vb.) kullanılabilir. Bağlamı göstermek veya benzer öğeler arasındaki ilişkiyi vurgulamak için ise tek tip bağlantılılık kullanmak gerekmektedir. Von Restroff EtkisiBu teori, Alman psikiyatrist ve çocuk doktoru Hedwig von Restorff (1906-1962) tarafından 1933 yılında yaptığı çalışmada, katılımcılara kategorik olarak benzer öğelerden oluşan bir liste sunulduğunda, listede ayırt edici, izole edilmiş bir öğenin, hafızada daha fazla yer etmesi üzerine geliştirilmiştir. İzolasyon Etkisi olarak da bilinen Von Restorff etkisi, birden çok benzer nesne bulunduğunda diğerlerinden farklı olanın büyük olasılıkla hatırlanacağını öngörür.UX tasarımı içinÖnemli bilgileri veya önemli eylemleri ayırt edici bir hale getirin. Birbiriyle rekabet etmelerini önlemek ve göze çarpan ögelerin yanlışıkla reklam olarak tanımlanmamasını sağlamak için görsel ögeleri vurgu yaparken kısıtlama kullanın. Kontrastı iletmek için yalnızca renge güvenmeyin. Burada hareketi de devreye sokarak hareket duyarlı kullanıcıları göz ardı etmeyin. Tepe - Son Kuralıİnsanlar bir deneyimi, deneyimin her anının toplamından veya ortalamasından ziyade, büyük ölçüde doruk noktasında ve sonunda nasıl hissettiklerine göre yargılamaktadırlar. Kahneman, Fredrickson, Charles Schreiber ve Donald Redelmeier tarafından 1993 yılında "Daha Fazla Acı Daha Azına Tercih Edildiğinde: Daha İyi Bir Son Eklemek" başlıklı bir çalışma, yukarıda sözünü ettiğimiz deneyimi tepe noktası kuralı ile açıklayarak çığır açan kanıtlar sağlamıştır. Bu deneyde katılımcılar, tatsız bir deneyimin iki farklı versiyonuna maruz bırakılmış ve ilk denemede denekler ellerini 60 saniye boyunca 14°C suya batırmıştır. İkinci denemede ise, deneklerin diğer elini 60 saniye boyunca 14°C'lik suya batırması, ancak daha sonra sıcaklığın 15°C'ye yükseltilerek 30 saniye daha ellerini suyun altında tutması sağlanmıştır. Deneklere daha sonra hangi denemenin tekrarlanacağı seçeneği sunulmuş ve zamansal monotonluk yasasına aykırı olarak, deneklerin rahatsız edici sıcaklıklara uzun süre maruz kalmalarına rağmen, ikinci denemeyi tekrarlamaya daha istekli olduğu gözlemlenmiştir.Bu doğrultuda tepe - son kuralı çerçevesinde UX tasarımı için kullanıcı yolculuğunun en yoğun noktalarına ve “son” anlarına çok dikkat etmek gerekmektedir.İnsanların olumsuz deneyimlerini olumlu deneyimlerinden daha canlı hatırladıklarını unutmayarak ürününüzü en değerli, yararlı veya eğlenceli olduğu anları belirleyerek son aşamada kullanıcıyı memnun etmeyi amaçlayacak şekilde tasarlamak altın kuraldır denilebilir. Zeigarnik Etkisi“İnsanlar tamamlanmamış veya kesintiye uğramış görevleri, tamamlanmış görevlerden daha iyi hatırlar.” Berlin Okulu Deneysel Psikoloji ve Vygotsky Circle üyesi bir Sovyet psikolog ve psikiyatr olan Zeigarnik, bu etki ile 2.Dünya Savaşı sonrası dönemde Sovyetler Birliği’nde deneysel psikopatolojinin ayrı bir disiplin olarak kurulmasına katkıda bulunmuştur. Zeigarnik Etkisine göre bir hedefe yönelik yapay ilerleme sağlamak kullanıcıların bu görevi tamamlamak için daha fazla motivasyona sahip olmalarını sağlamaya yardımcı olacaktır.Bu etkiden hareketle UX analizi yaparken kullanıcı deneyimini arttırabilmek adına kullanıcıları görevleri tamamlamaya motive ederek net bir ilerleme göstergesi sağlamak önemlidir. Örnek verecek olursak Duolingo’nun üyelik adımı sürecinde kullanıcıların hangi aşamada olduklarını takip edebilecekleri bir tasarım ile Zeigarnik Etkisi çerçevesinde UX dostu bir tasarımla ilerlediğini söyleyebiliriz. Özetle yukarıdaki örneklerden ve nörobilimden faydalanarak sizler de markalaşma yolunda kullanıcı deneyiminizi gözetebilir ve kullanıcılara daha keyifli bir deneyim yaşatarak sitenizin ve markanızın conversion oranını arttırabilirsiniz. Jakob Nielsen’in de söylediği gibi, tekerleği yeniden icat etmenize gerek yok, tekerleğin farklılıklarını ön plana çıkararak basit bir şekilde süreci olumlu bir hale dönüştürmenize gerek vardır.

Oca 5, 2023 1402 reads

Yeni Nesil Davranışsal Analiz Tool’u: Microsoft Clarity

Sitenizi ziyaret eden kullanıcıları analiz edebilmek ve mevcut sitenizi kullanıcı deneyimine (UX) uyumlu hale getirebilmek için yeni nesil davranışsal analiz toollarına ihtiyacınız bulunmaktadır. Bu noktada devreye yeni nesil davranışsal analiz tool'u olarak Microsoft Clarity girmektedir. Daha önce Microsoft Clarity’i duymadıysanız asla endişelenmeyin. Bu yazımızda sizlerle “Microsoft Clarity nedir?” sorusunu detaylı bir şekilde yanıtlayarak Clarity aracılığıyla yapacağınız analizler ile sitenizi nasıl UX uyumlu bir hale getireceğinizin inceliklerini paylaşacağız. Microsoft Clarity Nedir?Microsoft Clarity, 2020 yılında Microsoft’un ücretsiz bir şekilde kullanıma sunduğu, kullanıcı verilerini görsel içgörülere dönüştüren ve web sitenizin hangi bölümlerinin en fazla etkileşimi aldığını gösteren davranışsal bir analiz aracıdır. Gösterge tabloları, ısı haritaları, oturum tekrarları, öfkeli ve ölü tıklamalar gibi kullanıcıları hayal kırıklığına uğratan sorunları analiz etmeyi kolaylaştıran özellikler sunmaktadır. Microsoft Clarity, web sitenizdeki verilerin performansını ölçmek ve analiz edebilmek için kullanıcının sitedeki haraketlerini takip eder. Ayrıca kullanıcının her bir etkileşimini ölçerek web sitenizin kalitesini arttırabilmeniz ve ilgili hataları ayıklayabilmeniz için size rehberlik etmektedir. Microsoft Clarity, ücretsiz bir tool olmasının yanı sıra; trafik sınırının olmaması ve site hızını yavaşlatmayacak şekilde optimize edilmiş olması ile diğer davranışsal analiz araçlarına kıyasla daha avantajlı ve tercih edilebilir bir konumdadır. Trafik sınırı olmaması özelliği ile trafik yoğunluğu çok yüksek olan (örneğin günde 1 milyon ziyaretçisi olan) siteler dahi Clarity’i kolaylıkla kullanabilmektedir. Site hızını yavaşlatmayacak şekilde optimize edilmesi sayesinde ise, sayfa yükleme süreleri üzerinde diğer toollara nazaran daha az bir etkiye sahip olduğu için kullanıcıların beklemek zorunda kalmamasını sağlayarak kullanıcı deneyimini olumlu etkiler. Kolay arayüzü, detaylı filtreleme özellikleri, ısı haritalı ve kullanıcı kayıtları ile web sitenizde detaylı bir UX analizi gerçekleştirebilir; markalarınızda karşılaşılan ölü tıklamaları, öfke tıklamaları ve JavaScript hatalarını tespit ederek mevcut durumu iyileştirebilirsiniz. Microsoft Clarity’nin Özellikleri Nelerdir? Öncelikle Microsoft Clarity’nin hem marka hem de UX analizini gerçekleştiren analistler için en can alıcı ve en önemli özelliği kontrol paneli diyebiliriz. Kontrol panelinin yanı sıra Clarity ile web sitenize gelen kullanıcıların hangi sayfa ziyaretlerini gerçekleştirdiklerini (Recording - Kayıtlar- alanı ile) ve her ziyaretçinin hangi alanlarda click işlemi gerçekleştirdiklerini (Heatmap -Isı Haritaları- alanı ile) görebilir, ve bundan yola çıkarak UX analizlerimizi detaylandırabiliriz. Sayfa sayfa inceleyecek olursak, öncelikle Dashboard panelinde bizi neler karşılıyor birlikte inceleyelim: Dashboard (Kontrol Paneli) Aşağıdaki görselde göreceğiniz üzere tool içerisinde web sitenizin projesini oluşturduğunuzda ve gerekli kurulumları tamamladığınızda sizi, tüm detaylı parametreleri kolaylıkla görebileceğiniz bir dashboard karşılar. Kontrol paneli ile site ziyaretçilerinin performansı ve davranışları hakkında genel bir bakış açısı kazanabilir ve site trafiğini detaylı bir şekilde analiz ederek toplu ölçümler yapabiliriz. Kullanıcıların sayfa hareketlerini takip edebilir ve kullanıcının oturum süresince karşılaştıkları hataları detaylı bir şekilde görüntüleyebiliriz. Özetle kontrol paneli bize bir dizi web sitesi metriği sunmaktadır ve bu metrikler şu şekilde açıklanabilir: Sessions: Kullanıcıların web sitemizdeki oturum sayısıdır. Bu metrik total session olarak dashboard üzerinde görüntülenmektedir. Pages per Sessions: Kullanıcıların web sitemizdeki sayfa başına ortalama oturumlarını göstermektedir. Scroll Depth: Kullanıcıların web sitemizdeki ilgili sayfayı ne kadar kaydırdıklarını, yani scroll ettiklerini yüzdesel olarak ifade eder. Time Spent: Kullanıcıların web sitemizde aktif (active) ve pasif (ınactive)olarak ne kadar zaman geçirdiklerini görüntülememizi sağlayan metriktir.Sessions, scroll depth gibi metrikler bize kullanıcıların sitedeki oturum sayısı ve süresi hakkında bilgi verirken aşağıda yer alan metrikler ise kullanıcıların click oranlarından yola çıkarak karşılaştıkları hataları ve bu hatalara sebebiyet veren ilgili clickleri neden yaptıklarına dair bilgi sunmaktadır.Dead Clicks (Ölü Tıklamalar): Kullanıcıların web sitemizde yer alan ögelere tıklayıp yanıt alamama durumunu ifade eder. Dead clicks genellikle bozuk bağlantıların ve JavaScript hatalarından kaynaklı olabilmektedir. Rage Clicks (Öfke Tıklamaları): Bir kullanıcının aynı anda ,genellikle yaşamış olduğu dead clicks sebebiyle, aynı alanda pek çok kez tıklama yapması rage clicks yani öfke tıklamaları olarak adlandırılmaktadır. Öfke tıklamaları, yetersiz hedef boyutlarına veya yanıltıcı görsel tasarıma işaret edebilir. Excessive Scrolling (Aşırı Kaydırma): Bir kullanıcının ortalama bir kullanıcıdan daha sık olmak kaydıyla bir sayfa özelinde acele bir şekilde aşağı yukarı kaydırma yapmasını ifade etmektedir. Excessive Scrolling, zayıf keşfedilebilirliği ve alakasız içeriklerin varlığına işaret edebilmektedir. Quick Backs (Hızlı Geri Dönüşler): Kullanıcıların bir sayfaya gittikten sonra hızla bir önceki sayfaya geçmesini yani mevcut sayfasını terketmesini ifadee eder. Quick backs, oranının fazlalığı yanıltıcı ve yanlış içerik açıklamalarından kaynaklanıyor olabilir. Kullanıcıların web sitemize hangi lokasyon ve hangi device üzerinden geldiğini, web sitemizde en fazla hangi sayfa ve ürünleri görüntülediğini analiz edebileceğimiz metrikler ise şu şekildedir: Most Viewed Products: Bu veri bize kullanıcıların web sitemiz eğer bir e-ticaret sitesiyse sitemizdeki hangi ürünün popüler olduğu ve en fazla görüntüleme aldığı bilgisini sunar. Populer Pages: Kullanıcıların web sitemizdeki en fazla ziyaret ettiği popüler sayfaların verisini sunmaktadır. Refferers: Bu veri ile kullanıcılarımızın web sitemize hangi web sayfası aracılığı ile geldiği bilgisini vermektedir. Browsers: Bir kullanıcının web sitemize hangi browser üzerinden geldiği bilgisini vermektedir. Bu bilgi sayesinde kullanıcı kitlesi daha anlamlı bir şekilde analiz edilmektedir. Devices: Bir kullanıcının web sitemize hangi cihaz üzerinden geldiği bilgisini vermektedir. Bu bilgi sayesinde kullanıcı kitlesi daha anlamlı bir şekilde analiz edilmektedir. Countries: Bir kullanıcının web sitemize hangi ülkeden geldiği bilgisini vermektedir. Bu bilgi sayesinde kullanıcı kitlesi daha anlamlı bir şekilde analiz edilmekte ve site tasarımı kullanıcı kitlesine göre özelleştirilebilmektedir. Kontrol paneli, header alanında bulunan filter kısmı ile hangi sayfada veya hangi tarihte, hangi device özelinde analiz gerçekleştirmek istiyorsak bu analizi kolay bir şekilde yapmamıza olanak sağlar. Filter kısmı ile dashboard üzerindeki tüm alanları ayrıca özelleştirebildiğimiz için Clarity UX anlamında bizlere eşsiz bir deneyim sunmaktadır. Recordings (Oturum Kayıtları)Recordings sayfası, kullanıcıların web sitemizde gerçekleştirmiş olduğu oturumların (sessions) kayıtlarını izleyebildiğimiz alandır. Recording alanı ile her kullanıcının sayfa ziyaretlerini yeniden izleyebilmek ile birlikte kullanıcının, tam olarak nereye tıkladığını, hangi yerleri kaydırıp duraklattığını veya diğer sayfalara yaptıkları tıklamaları görebilmekteyiz. Ekstra yapılacak filtrelemeler ile birlikte sadece dead clicks, rage clicks, javascript errors alınan recordları izleyerek buradaki hataları minimize edebilmek için bir aksiyon planı da çıkartabilmekteyiz. Recordings sayfası, kullanıcı oturumlarını zaman çizelgesi olarak göstermekte ve ziyaret edilen sayfaları ve kullanıcıların etkileşime girdikleri sayfaları bir film gibi oynatabilme özelliği ile UX anlamında biz analistlerin markalarında mutlaka kullanması gereken bir yeni nesil davranışsal analiz tool’u olarak ön plana çıkmaktadır. İzlenen kayıtlar, imleç haraketlerini ve tıklamaları izlemeye ek olarak giriş ve çıkış URL’leri, oturum süresi, tarih ve cihaz gibi bilgileri de bizlere sunmaktadır. Ayrıca kullanıcı session süresince eher uzun süre herhangi bir işlem yapmadıysa burada “Haraketsizliği Atla” onay butonu ile bizlere birden çok oturumu görüntülerken büyük oranda zamandan tasarruf etmemizi sağlar. İzlenen kayıtlar sayesinde kullanıcıların session içerisinde ne kadar beklediğini ve bir sayfanın web veya mobile tarafta sayfa yüklenme süreleri hakkında da bilgi vermesi ile SEO tarafını da beslememize ayrıca imkan sağlamaktadır. Ayrıca her videonun üzerinde bulunan “Daha fazla ayrıntı” seçeneği sayesinde kullanıcıların eylemlerini zaman çizelgesini de göstermesi, hem session hem de kullanıcı hakkında detaylı bilgi edinebiliriz. Heatmaps (Isı Haritaları) Microsoft Clarity, heatmaps yani bir diğer ismiyle ısı haritaları ile kullanıcıların bir sayfayla nasıl etkileşim kurduğunu kolayca anlamamıza ve kullanıcılarımızın web sitemizde gerçekleştirmiş olduğu oturumları kırmızıdan maviye renk gecişleri ile görselleştirmemize olanak sağlar. Daha sıcak renkler (kırmızılar) kullanıcıların yoğunluklu olarak tıklama işlemi gerçekleştirdikleri popüler alanları gösterirken, daha soğuk renkler (maviler) ise kullanıcıların daha az etkileşim içerisine girdikleri popüleritesi az olan alanları gösterir. Kullanıcıların tam olarak nereye veya hangi alana tıkladığını gösteren bu özellik ile ziyaretçilerimizin sayfamızda ne kadar ilerlediğini görebilir ve ilgili alana neden ve nasıl ulaştığına dair ipuçları da yakabiliriz. Özetle heatmaps sayfası ile Clarity bizlere derinlemesine bir UX analizi için 3 çeşit ısı haritası sunmaktadır: Clicks Heatmaps (Tıklama Isı Haritaları): Kullanıcıların masaüstü, mobil veya tablet üzerinden web sitemizde gerçekleştirmiş olduğu tıklamaları göstermektedir. Scroll Heatmaps ( Kaydırma Isı Haritaları): Kullanıcıların bir sayfada aşağı bir şekilde o sayfayı ne kadar kaydırdığını göstermekte, yüzdesel olarak kullanıcının sayfayı ne kadar görüntülediği verisini bizlerle paylaşmaktadır. Area Heatmaps (Bölgesel Tıklama Isı Haritaları): Kullanıcıların masaüstü, mobil veya tablet üzerinden web sitemizde gerçekleştirmiş olduğu bölgesel tıklamaları göstermektedir. Özellikle click ve area clicks verileri spesifik bir tarih aralığı filtrelemesi yapılarak incelendiğinde web sitemizdeki - özellikle de web sitemizin ana sayfasındaki- hangi alanların yoğunluklu bir şekilde ilgili çekici olduğunu belirleme konusunda yardımcı olmakta tasarımsal olarak iyileştirmeler yapılacaksa bu veriler ışığında bizlere yol gösterir. Bir örnek ile anlatacak olursak; bir e-ticaret sitemizin olduğunu düşünelim. Büyük Kasım İndirimleri yani Black Friday döneminde web sitemizin Microsoft Clarity ile UX analizini yapalım. Bu analiz çerçevesince kullanıcılarımızın sitemizde gerçekleştirdiği etkileşim ve davranışları, sitemizdeki tüm performansını analiz edebilir ve clicks heatmap (tıklama ısı haritaları) verisi ile hangi kategori özelinde en fazla tıklama işlemi yaptığını tespit edebiliriz. Farz edelim Black Friday döneminde yapmış olduğumuz bu analiz sonucunda kullanıcılarımızın anasayfada en fazla Kadın > Jeans kategorisinde tıklama işlemi gerçekleştirmiş olsunlar. Analizi biraz daha detaylandırdığımızda ise, kullanıcılarımızın bu sayfa özelinde en fazla Mom Jeans, 32/33 size ve Dark Blue filtrelerinde tıklama yapmış olduğunu, yine aynı kullanıcılarımızın alışveriş davranışının mobil cihaz üzerinden gerçekleştiğini düşünelim. Ancak Kadın > Jeans sayfasında sessions gerçekleştiren, en fazla Mom Jeans, 32/33 size (beden) ve Dark Blue filtrelerinde clicks yapan bu kullanıcılar size (beden) filtesi alanında dead click yapmış olsunlar ve bu sebeple sepet adımına gidemesinler. Bu durum conversion'a (dönüşüme) giden yolda kullanıcı deneyimini olumsuz etkileyecek ve bize dead click yaşanan alanlarda hızlıca iyileştirme çalışmalarının yapılması gerektiği mesajını verecektir. Bu örnek özelindeki bir diğer UX adına yapılacak iyileştirme ise performans tarafını da besleyecek şekilde bir sonraki Black Friday döneminde ya da başka bir kampanya kurgusunda web sitemizde Mom Jeans, 32/33 size ve Dark Blue modelinde mobilden gelen kullanıcılara remarketing çalışmalarının yapılabileceği yönündedir. Tüm bu yukarıdaki örneklerden ve Microsoft Clarity’nin bizlere sunmuş olduğu kolay ve çok yönlü panel özellikleri ile söyleyebiliriz ki, UX analizleri yaparken Clarity, mutlaka web sitelerimizle buluşturmamız gereken belki de en iyi yeni nesil davranışsal analiz tool’udur. Umuyoruz ki bu yazı ile UX analizlerinizde Microsoft Clarity’e daha fazla yer verirsiniz. Bir sonraki yazımızda görüşmek dileğiyle...

Eki 21, 2022 2874 reads

Pazar Sepeti Analizi

Günümüz dünyasında, hepimizin çok iyi bildiği pandemi sonrası e-ticaret sektörü güneş gibi yükseldi. Bu yükselişle birlikte, nispeten küçük işletmelerden en büyük markalara kadar hemen her markanın web siteleri çok daha fazla popülerlik kazandı ve trafikleri neredeyse %50 arttı. Uluslararası Ticaret İdaresi’ne (2021) göre, pandemi sonrasında e-ticaret gelirlerinde ortalama %19’luk bir artış (Gıda ve Kişisel Bakım ürünlerinde %26) öngörülmektedir.Bu büyüme istatistikleri ve gelişmeler bize tek bir önemli şeyi söylüyor: İşletmeler artık e-ticaret/pazarlama departmanlarına ve operasyonlarına çok daha fazla dikkat (ve bütçe) ayırmalı.E-ticaret denince akla ilk gelen elbette web siteleri. Ürünler, işletme sahiplerinin en değerli kaynağı olan müşteriden daha fazla satış ve gelir elde edebilmelerini sağlayacak şekilde sitelerde sergilenmeye çalışılıyor.Müşterilerin dikkatini çekmek ve onları daha fazla satın almaya yönlendirmek için onlarca yöntem var. Bu yazıda, “Sepet Analizi” adı verilen bir yöntemi açıklamaya çalışacağım.Sepet Analizi Nedir?Sepet Analizi, müşterilerin web sitesindeki sepetlerini inceleyen ve anlamlı, kişiselleştirilmiş ürün önerileri sunmak için bunları analiz eden bir yöntemdir. Analizin teknik kısmına geçmeden önce şu noktaları belirtmekte fayda var: Her müşteri ve satın alma davranışı farklıdır. Her ürün farklıdır; ancak bazıları birlikte kullanılır ve satın alınır. Bazı durumlarda, tamamen alakasız ürünler bir arada satılabilir ve insan gözü bunları her zaman fark edemeyebilir. İşte burada yapay zeka ve makine öğrenimi devreye giriyor.Algoritmalara daha derinlemesine bakalım.Apriori AlgoritmasıApriori algoritması 1994’ten beri kullanılıyor ve boole türündeki birliktelik kuralları için sık kullanılan öğe kümelerini bulmamıza yardımcı oluyor. Algoritmanın adı, sık kullanılan öğe kümesi özellikleri hakkındaki ön bilgiyi kullanmasından kaynaklanıyor.Bu algoritmayı uygulamak için verisetimizde şu sütunlar olmalı: İşlem Kimliği (Sepet ID) Ürün SKU (Ürün ID) Ürün Kategorisi Adet Gerekli verileri edindikten sonra sihir başlıyor. R Studio, Python vb. dillerde bu algoritmayı uygulayabiliriz.Veri, tekrar eden işlem kimliklerini içerdiği için önce her işlem kimliğine göre grup oluşturup o sepete eklenen her benzersiz ürünü öğrenmeliyiz.Ardından tüm ürünler için ikili (dummy) değişkenler yaratır, her benzersiz işlem satırı için ilgili sütuna miktarı yazarız. Örnek işlenmiş veri: Transaction IDÜrün AÜrün BÜrün CÜrün D 123abc7300 456def2011 Makine öğrenimi kuralları gereği, burada yalnızca ürünlerin sepete eklenip eklenmediğine (sık kullanılan ürün kümelerini bulmak istediğimiz için) odaklanmak amacıyla hücreleri 1 ve 0 olarak kodlarız.Modeli uygulamadan önce şu veriyi elde ederiz: Transaction IDÜrün AÜrün BÜrün CÜrün D 123abc1100 456def1011 “mlxtend” kütüphanesinden “apriori” ve “association_rules” paketlerini kullanarak verimli ve hızlı bir şekilde modeli uygulayabiliriz.Gerekli parametreleri verisetine ve amaca göre ayarladıktan sonra aşağıdaki gibi bir sonuç tablosu elde ederiz: Ön KoşulSonuçÖn Koşul DesteğiSonuç DesteğiDesteğiGüvenLiftLeverageConviction Ürün AÜrün B0.40.60.50.832.780.0221.67 Ürün AÜrün C0.40.30.450.652.110.11.12 Ürün BÜrün D0.60.50.50.621.98-0.321.43 Not: Gizlilik nedeniyle değerler rastgele üretilmiştir.Sonuçları Nasıl Yorumlarız?Burada en önemli metrikler “desteği” ve “güveni” değerleridir. Yine de daha iyi kavramak için her birinin ne anlama geldiğine bakalım: Ön Koşul Desteği: Ön koşul ürünün tüm işlem içindeki oranı. Sonuç Desteği: Sonuç ürünün tüm işlem içindeki oranı. Desteği: Ön koşul ve sonuç ürünlerin aynı sepette bulunma oranı. Güven: Ürünlerin birlikte satın alınma güven oranı. Lift: Beklenen güven oranına göre elde edilen güven oranı. Leverage: Ürünlerin bağımsızlığına göre birlikteliğin istatistiksel ölçüsü. Conviction: Sonuç ürünün ön koşula bağımlılığı arttıkça yükselen değer. Tabloyu elde ettikten sonra sonuçları analiz edebiliriz. Örneğin güven eşiğini 0.6 olarak belirlersek, güven değeri bu eşiğin üzerinde olan satırları “anlamlı” kabul ederiz: müşteriler bu ürünleri birlikte sıkça satın alır.Bu Sonuçlar Nerede Kullanılır?Bu sonuçları öneri algoritmalarında ve mağaza rafı tasarımında kullanmak yaygındır. Örneğin, bir müşteri Ürün A’yı sepete eklediğinde Ürün B’yi önermek, bu ürünleri birlikte satın alma ihtimalini artırır. Ayrıca ürün listeleme sayfalarında Ürün A ve B’yi yan yana konumlandırarak müşterilere satın almaları hatırlatılabilir. Kampanya senaryolarında da sepete Ürün A ekleyen müşterilere Ürün B indirimli sunulabilir. Hatta fiziksel mağaza rafları bile bu ilişkilere göre düzenlenebilir.Böylece satış miktarı, sipariş adedi, gelir ve trafik gibi anahtar performans göstergeleri artar, ürün ve pazarlama maliyetleri daha verimli tahsis edilebilir.

Eki 21, 2022 4436 reads

Ürün Puanlama Algoritması

Ürünlerinizin performansını merak ediyorsunuz. Ayrıca, gelir artırmak için ürün portföyünüzü nasıl yöneteceğinizi merak ediyorsunuz. Tüm sorularınızın yanıtları burada: blogumuzu inceleyin ve Ürün Puanlama Algoritmamız hakkında bilgi edinin.Ürün yönetiminde sıkça karşılaşılan problemlerProfesyoneller, şirketlerinin performansını değerlendirirken zihinlerinde birçok soru taşır. Bu sorulardan bazıları, web sitelerinde, uygulamalarda ve pazarlama kanallarında satılan ürünlerin verimliliğini artıracak önemli aksiyonları düşünürken çok faydalıdır.Hangi e-ticaret metriklerine odaklanmalıyız? Hangi ürünler daha değerli? Aynı ürün portföyüyle gelirimizi nasıl artırabiliriz? Ürünlerimizin pazarlama kampanyalarını optimize etmek için kilit metriklerimiz neler olmalı? Web sitemizde veya uygulamamızda ürün listelemeyi nasıl belirlemeliyiz?Evet, doğru tahmin ettiniz! AnalyticaHouse Veri Bilimi & İçgörüler Ekibi bu gizemli soruların tamamı ve daha fazlası için sihirli bir algoritmaya sahip: Ürün Puanlama Algoritması. Bu yazıda algoritmanın yapısını ve dijital pazarlama alanındaki uygulamalarını inceleyeceğiz.Algoritma nasıl inşa ediliyor?Her web sitesi ve uygulamada, renkler, bedenler, ürün tipleri, sezon, hedef cinsiyet, yaş grupları vb. boyutlara göre çok sayıda ürün ve varyant grubu bulunur. Sahip olduğumuz verilere bağlı olarak Ürün Puanlama Algoritması sayesinde ürünlerin tüm detaylarını analiz edebiliriz.Bu analiz için minimum veri gereksinimi, ürünlerin işlem verileri ve mevcut envanter bilgileridir. İşlem verilerini incelerken odaklandığımız metrikler şunlardır: satin alma sayısı, toplam miktar, gelir, ortalama fiyat vb. Elbette, kullanıcı/oturum bazlı veriler olduğunda daha da ilginç hale gelir: ürün detay görüntülemeleri, sepete ekleme, alışveriş yapan kullanıcı sayısı, ürüne bakan kullanıcı sayısı, gelir/ürün detay görüntüleme, işlem/ürün detay görüntüleme vb.Bu metrikleri şu iki gruba ayırabiliriz: Gelir destekleyici metrikler: satın alma sayısı, toplam miktar, gelir, ortalama fiyat, gelir/ürün detay görüntüleme, işlem/ürün detay görüntüleme Müşteri ilgisini gösteren metrikler: ürün detay görüntüleme, sepete ekleme, alışveriş yapan kullanıcı sayısı, ürüne bakan kullanıcı sayısı, gelir/ürün detay görüntülemeMetrik tanımları Satın alma sayısı: İşlem (transaction) sayısı Toplam miktar: Satın alınan ürün adedi Gelir: Toplam gelir tutarı Ortalama fiyat: Ürünlerin ortalama fiyatı gelir/ürün detay görüntüleme: Her ürün için detay görüntüleme başına gelir işlem/ürün detay görüntüleme: Dönüşüm oranı (ürün detay görüntülemeye göre) sepete ekleme: Sepete eklenen ürün adedi alışveriş yapan kullanıcı sayısı: İlgili ürünü satın alan müşteri sayısı ürüne bakan kullanıcı sayısı: İlgili ürünü görüntüleyen kullanıcı sayısı Modelin uygulamasıAlgoritma, her ürün seviyesinde uygulanabilir ve hem büyük resmi hem de ayrıntıları analiz etmemize yardımcı olur. Aşağıdaki örnek, bir e-ticaret şirketi için kategori/ürün düzeyini göstermektedir: Seviye 1: Ayakkabı/Çanta Seviye 2: Ayakkabı Seviye 3: Spor Ayakkabı Seviye 4: X Markası Spor Ayakkabı Seviye 5: X Markası Beyaz Spor Ayakkabı Seviye 6: X Markası Beyaz Spor Ayakkabı (Size: 38) Ürün puanı nasıl hesaplanır?Ürün Puanlama Algoritması temel olarak iki kısımdan oluşur. İlk kısım, daha alt seviyedeki bir ürünün (örneğin Seviye 6’daki “X Markası Beyaz Spor Ayakkabı (Size: 38)”) daha üst seviyedeki ürün (Seviye 5: “X Markası Beyaz Spor Ayakkabı”) toplamı içindeki oranını, önceki metrikler kullanarak hesaplar. İkinci kısım ise, ürünün mevcut envanter bilgisini göz önünde bulundurur ki kısa ve uzun vadede envanter yönetimi için hayati önemdedir. Yukarıdaki örnekte, sepete ekleme ve satılan miktar metriklerinin yanı sıra envanter skoru (stokta varsa 1, yoksa 0) kullanılarak Seviye 6 ürününün puanı hesaplanmış: Her satır (Seviye 6’daki her varyant) puanlandıktan sonra, Seviye 5’in puanını bulmak için tüm Seviye 6 puanları toplanır. Örneğin “X Markası Beyaz Spor Ayakkabı” için toplam puan: 0,0747 + 0,0245 + 0,0036 + 0,0028 + 0,0251 + 0,0000 = 0,131 Bu örnekte “X Markası Siyah Spor Ayakkabı” en yüksek skora (0,193), “X Markası Kırmızı Spor Ayakkabı” en düşük skora (0,071) sahiptir.Sonuçları nerede kullanabiliriz?Bu analiz, alt seviyeden üst seviyeye kadar tüm düzeylerde uygulanabilir ve önceki metriklere ek olarak daha fazla metrikle detaylandırılabilir. Ayrıca, metriklerin önemini Değişken Önem Analizi kullanarak ayarlayabiliriz. Son olarak, analiz sonuçları otomatik olarak ürün beslemelerini güncellemek için pazarlama kampanyalarında da kullanılabilir.

Eyl 5, 2022 976 reads

GTM Element Visibility ile Sanal Sayfa Entegrasyonu Nasıl Yapılır

Bu blog içeriğimizde yukarıdaki sorunun cevabını bulacak;  Sanal Sayfa nedir, Sanal Sayfanın avantajları ve dezavantajları nelerdir, GTM Element Visibility ile Sanal Sayfa Entegrasyonu yaparak yazılımcı desteği olmadan bu süreç nasıl yönetilebilir konularında detaylı bir öğrenim sağlayacaksınız.Sitenizde sayfa url’i değişmeden içeriğin değiştiği durumlarda zaman zaman ek sayfa ölçümlemelerine ve daha detaylı analizlere ihtiyaç duyabilirsiniz. Bu gibi durumlarda detaylı funnel analizi yapabilmeniz içinde yukarıdaki sözünü ettiğim tanımların ne anlama geldiğini ve Element Visibility ile herhangi bir yazılımcı desteği olmadan GTM üzerinden nasıl kurulum yapabileceğinize bakalım.Sanal Sayfa (Single Page Application) Nedir?Sitenizin daha hızlı bir performans göstermesi konusunda avantaj sağlayan Sanal Sayfa kısaca SPA (Single Page Application), sunucudan yeni sayfaların tamamını yüklemek yerine geçerli olan sayfanın dinamik bir şekilde yeniden yazılması ile kullanıcıyla etkileşime giren web uygulamalardır.SPA (Single Page Application) olan bir sitede, siteniz açıldığında bütün kaynak kodları aynı anda bir kere yüklenir ve bu tek bir kere yüklenen kaynak kodları kullanıcılara yeni sayfalar gösterilirken ön yüzdeki kodlar çalıştırılarak gösterilir. Buradaki avantaj ise kullanıcının farklı bir sayfaya geçiş yaptığında bu kodların tekrar yüklenmesini beklememesidir. Özetle,  Sanal sayfa site hızının artmasını sağladığı için kullanıcı deneyimi açısından oldukça önemlidir.Örneğin, bir e-ticaret web sitesinde gezindiğinizi ve gezindiğiniz sayfalar içerisinde bulunan ürünlerin her birini açıp incelediğinizi düşünelim. Burada her defasında farklı bir sayfa açarak sunucuya yeni bir istek gönderiyorsunuz ve sunucu size yanıt olarak görüntülemek istediğiniz tüm sayfaları yeniden size gönderiyor. Bu senaryo da her ne kadar her şey olması gerektiği gibi gözükse de, site trafiğinizin yoğun olduğu bir dönemde site hızınız açısından ciddi sorunlar yaratabilir. Bu örneği SPA açısından düşünecek olursak, tüm kaynak kodları en başından yükleneceği için sizin site içerisinde gezinirken alacağınız aksiyonlar gelen isteğe göre şekilleceğinden dolayı site hızınızı olumsuz etkilemez. Bir sayfaya tıkladığınız zaman sayfa değişir ancak yeniden yüklenmez.Ancak elbetteki artan site hızının yanında sanal sayfaların siteniz üzerinde olumsuz bir etkisi de vardır. SPA sitelerinde kaynak takibinin bozulması söz konusu olabilir ve bu duruma rogue referrer ismi verilmektedir. Referrer kaydı, web sitenizde gelen kullanıcıların hangi kaynaktan geldiklerini, ne kadar kaldıklarını saptayabilmek ve analiz edebilmek için oldukça önemlidir.Buna ek olarak SPA uygulamaları, SEO açısından da bir dezavantaja dönüşebilmektedir. Şöyle ki SPA uygulamaları tek bir sayfa gibi gözüktüğünden sitenizin gerektiği şekilde indekslenmesini engelleyerek sayfa sıralamanızın düşmesine sebebiyet verebilmektedir.Yukarıda sözünü etmiş olduğumuz avantaj ve dezavantajları özetlemek gerekirse;SPA (Single Page Application) ‘nın Avantajları:Hız / Performans: Daha önce de belirtmiş olduğum gibi SPA kullanımınında kullanıcı ile etkileşime giren web uygulaması tüm sayfayı her seferinde yeniden yüklemek yerine dinamik bir şekilde sayfayı yüklemeden içeriği güncellediği için kullanıcının site içerisinde hızlı bir şekilde aksiyon almasını sağlar.UX (Kullanıcı Deneyimi): SPA uygulamaları, sayfalar arasında kullanıcı deneyiminin kesintiye uğramasını engelleyerek mobil uygulamalara yakın bir deneyim sağlar. Bu sayede kullanıcıya etkili ve pratik bir süreç sunar.Caching (Önbellek): SPA’lar geliştiricilerin cache dediğimiz önbelleğin çok daha hızlı bir şekilde oluşturulmasına izin verir. Böylelikle lokal veriler ve bağlantı akışı SPA uygulamalarında etkili bir şekilde kullanılabilmekte, herhangi bir internet kopması ya da yavaşlaması durumunda dahi kullanıcının siteyi kullanabilmesini sağlamaktadır. SPA (Single Page Application) ‘nın Dezavantajları:Rogue Referrer: SPA uygulamalarında, kaynak takibinin bozulması sebebiyle referrer olarak gelen kullanıcıların saptanması zorlanabilir. Bu durum detaylı funnel analizini engelleyebilir.SEO açısından: SPA uygulamaları, SEO açısından değerlendirilecek olunursa sitenizdeki sayfanın tek bir sayfa olarak gözükmesi sebebiyle indekslenmesini engelleyebilmektedir.GTM üzerinden kurgulanan All Pages triggerı her sayfa yüklenmesi durumunda tetiklendiği için için Sanal Sayfa Entegrasyonu olan web sitelerinde Analytics tarafından ölçümlenemez. Bu durum ise detaylı funnel analizi yapmak istediğimizde karşımıza bir engel olarak çıkar. Bu durumun önüne geçebilmek için önce, Sanal Sayfaların sitemizde kullanıldığı alanlara ve ardından Sanal Sayfa Entegrasyonu Nasıl Yapılır, GTM Element Visibility ile Sanal Sayfa Entegrasyonu konularına bakalım.Sanal Sayfaların Kullanıldığı AlanlarSanal Sepet Sayfaları: Sanal sepet sayfaları sepet adımına gitmeden önce sağ veya sol tarafta yandan açılan Sepet & Sipariş Özeti sayfalarıdır.Lead Generation Sayfaları: Sitenizde yer alan SMS ve onay pop-uplarında genellikle sanal sayfalar kullanılmaktadır.Sanal Sayfanın Kullanıldığı Bazı Önemli Örnekler:GmailFacebookTwitterGoogle DriveGoogle MapsNetflixSanal Sayfa Entegrasyonu Nasıl Yapılır?Sanal Sayfa Entegrasyonu yapmanın birkaç yolu vardır. Bu yollardan ilk akla geleni yazılımcı desteği ile native veya GTM üzerinden event pushlanmasıdır. Her ne kadar bu seçenek daha kolay ve pratik gibi gelse de sizi yazılımcıya bağlı kılacağı için işlerin yavaşlamasına ya da herhangi bir problem durumunda ilgili evente doğrudan müdahale edemeyeceğiniz için hızlı aksiyon alamamanıza sebebiyet verebilir.Bir diğer yöntem ise birazdan detaylıca anlatacağım GTM Element Visibility ile Sanal Sayfa Entegrasyonudur. GTM üzerinden kurulacak element visibility triggerı ile yazılımcı desteğini senaryodan çıkararak daha hızlı sonuçlar alabilir ve detaylı funnel analizleri yapabilirsiniz. GTM Element Visibility ile Sanal Sayfa EntegrasyonuYukarıda sözü geçen Sanal Sepet Sayfası ve Lead Generation için bu yazımızda Sanal Sayfa entegrasyonu için GTM seçeneğini kullanacağız. GTM Element Visibility ile Sanal Sayfa Entegrasyonu yapabilmeniz için öncelikle web sitenizde GTM kodunun ekli olması gerekmektedir. Ardından GTM’in bize sunmuş olduğu Element Visibility triggerı ile gerekli kurulumlara başlayabiliriz. Ancak öncesinde gelin Element Visibility triggerını daha iyi anlayalım ve bu triggerın hangi durumlarda ve ne şekilde tetiklendiğini görelim. GTM üzerinde Trigger > New Trigger dediğimizde öncelikli olarak karşımıza aşağıdaki ekran çıkmaktadır.Trigger Configuration alanına tıkladığımızda ise GTM bizden trigger type seçmemizi ister.Trigger type olarak Element Visibility seçeneğini seçtiğimizde ise bizi aşağıdaki ekran karşılamaktadır.Burada sayfadaki sıralamaya göre gidilecek olunursa ilk önce Selector Method alanından kullanacağımız selector methodunu seçmemiz gerekiyor. Eğer ID kullanacaksak ilgili sayfada bulunan elementin ID’sini buraya yazmak yeterli olacaktır. Ancak ID dışında CSS seçeceksek element selector bilgisini yazmamız gerekiyor. (Bu arada ID seçtiğimizde de yine CSS seçip bu inputa #id şeklinde yazabilmekteyiz.)Element Visibility triggerı 3 şekilde tetiklenmektedir:Once per page ile Element Visibility triggerımız sayfada sadece bir kere tetiklenecektir. Bu sayede kullanıcının bir pop-up gördüğünde Analytics’e her seferinde hit göndermesi yerine sadece bir kere gönderilmesi sağlanmaktadır.Once per element seçtiğimizde ise element başına trigerrımızın tetiklenmesini sağlarız. Eğer kullanıcının bir SMS onay pop-up’ında bilgilerini yanlış girip tekrar pop-up’un açılmasını sebebiyet verdiği bir durumda yeniden sayfa sayımı yapmak istiyorsak bu seçeneği seçmek akıllıca olacaktır.Every time an element appears on screen seçeneğinde ise kullanıcının her seferinde en az % minimum percent visible alanına girdiğimiz değer kadarını gördüğümüzde tetiklensin demekteyiz. Percent visible, triggerımız etkinleştiğinde seçili öğenin ne kadarının görünür olduğunu belirten sayısal bir değerken; minimum percent visible ise, seçilen öğenin yüzdelik olarak en az ne kadarının görüntülendiğinde tetiklenmesini istediğimiz alandır. Burada farklı bir yüzdelendirme yapılabileceği gibi varsayılan olarak, tetikleyicinin etkinleşmesi için öğelerin en az %50’si ekranda olmak zorundadır. Bu noktada Advanced ayarlar içerisinde minimum on screen duration alanını seçerek de kullanıcıların ilgili öğeyi (selektörü) seçtiğimiz alanın sayfada en az 1 saniye gördükten sonra tetiklenmesini de seçebiliriz. 1 saniye değer cinsini ise 1000 ms değerinden yazmak gerektiğini de belirtelim.Son olarak eğer seçtiğimiz selektör sayfada sonradan ortaya çıkıyorsa observe DOM changes özelliğini seçmeliyiz ki, sayfa yüklendikten sonra istediğimiz alan tetiklensin. Eğer görüntülenmesini istediğimiz öğe sayfanın başından beri sayfada bulunuyorsa bu seçeneği seçmemize gerek olmamaktadır. Element Visibility’nin genel olarak nasıl çalıştığını öğrendikten sonra gelin sanal sayfaların kullanıldığı alanlardan olan sanal sepet sayfaları ve lead generation sayfalarında GTM Element Visibility ile entegrasyonu nasıl yapacağımıza bakalım.Sanal Sepet Sayfaları için GTM Element Visibility EntegrasyonuYukarıda anlatılanlardan yola çıkarak öncelikle bir selector seçmemiz gerekmektedir. Bunun için görüntülenen alanın üzerine tıklayarak Inspect> Elements alanına tıklamalıyız. Yukarıdaki örnekte belirli bir ID bilgisi ver almadığı için class üzerinden giderek, sitedeki olası bir değişikliği de göz önüne alarak en sade olan selectorü seçmeliyiz. Burada kullanacağımız selector aşağıda box-flex classı altındaki cart-summary olacak.document.querySelector("box-flex. cart-summary") . . . Seçtiğimiz selectorün doğruluğundan, sayfada tek olduğunu ve sanal sepet sayfasında görüntülendiğinden emin olabilmek aşağıdaki şekilde concole üzerinden bir arama gerçekleştirip Lenght değerinin 1 olduğundan emin olduktan sonra GTM üzerinden kuruluma devam edebiliriz. `document.querrySelector(“box-flex. cart-summary”)` `NodeList [div.cart-summary.cart-summary-container.cart-summary-sticky]` `> 0: div.cart-summary.cart-summary-container.cart-summary-sticky` `Length: 1` `__proto__: NodeList`Trigger’ın kurulumunu tamamladıktan sonra Tag kurulumuna geçebilir ve kuracağımız tagı sayfa sayımı olarak PageView hitinde seçerek Analytics’e verilerimizi pushlayabiliriz. Ancak Analytics’te page değerlerimizin sayfa URL’inden gitmemesi için More Settings > Field to Set override etmeyi unutmamalıyız. Burada kendi istediğimiz isimlendirme ile sayfanın isim ve başlığı page ve title olarak gönderebiliriz.Lead Generation Sayfaları için GTM Element Visibility EntegrasyonuLead Generation sayfalarında bazen SMS onayı farklı bir sayfada değil pop-up olarak kullanıcıya gösterilebiliyor. Bu gibi durumlarda sayfa sayımı yapılmadığı ve pop-up takip edilmediği için kullanıcıların SMS funnelını ne zaman terk ediyor ya da terk ediyor mu, bu adımda ne kadar aksiyon alan kullanıcılar ve bunları kaçırabiliyoruz. Burada da GTM Element Visibility ile SMS modelini kullanıcı görüntülediği zaman page view olarak Analytics’e pushalayabiliyor ve bu sayede detaylı funnel analizi yapabiliyoruz. Böylece yukarıdaki örneklerden yola çıkarak Sanal Sepet sayfası olan ya da pop-up şeklinde lead generation sayfasına sahip markalarınızda yazılımcı desteği olmadan GTM Element Visibility ile Sanal Sayfa Entegrasyonu yaparak bu sayfaların performanslarını daha iyi ölçümleyip analiz yapabileceksiniz.Bir sonraki yazımızda görüşmek dileğiyle…