Trendimuutosten havaitseminen tuo esiin hienovaraisia mutta pitkäaikaisia ja merkittäviä muutoksia datatrendeissä. Se muistuttaa poikkeamien havaitsemista siinä, että molemmilla tekniikoilla havaitaan datamuutoksia. Merkittävin ero on, että poikkeamien havaitsemisessa korostuvat datassa esiintyvät äkilliset piikit tai pudotukset, kun taas trendimuutosten havaitseminen nostaa esiin hienovaraisempia muutoksia pitkällä aikavälillä.
Muutokset näkyvät Google Analyticsin etusivulla Vinkit ja suositukset ‐osion Vinkki-kortissa, yleisnäkymässä ja mainonnan yhteenvedossa sekä Insights-hubissa.
Tietoa trendimuutoksista
Trendimuutoksen taustalla voi olla monen tyyppisiä muutoksia. Osa muutoksista on ennustettavissa olevia ja tavoiteltuja. Näissä tapauksissa sinun ei tarvitse tehdä mitään. Jos esimerkiksi aloitat uuden mainoskampanjan, tulot saattavat kasvaa asteittain ja Analytics katsoo trendimuutoksen käynnistyneen kampanjan alkamispäivänä.
Toiset muutokset ovat odottamattomia ja vaativat enemmän huomiota. Tällainen muutos voi olla vaikkapa tärkeiden mittareiden kääntyminen laskuun. Esimerkki: Sivustosi koodi on päivitetty äskettäin, ja sivustolla oleva rekisteröintipainike lakkaa toimimasta. Aktiivisten käyttäjien määrä ei välttämättä laske heti, mutta käyttäjämäärän kasvu pysähtyy ajan myötä, koska yhä harvempi käyttäjä pystyy rekisteröitymään. Analytics havaitsee tämän muutoksen, ja voit tehdä sivustolle tarvittavat korjaukset.
Näin se toimii
Kun Google havaitsee aikasarjadatan suunnassa muutoksen tietyn mittarin osalta, Google ympyröi muutospäivämäärän. Jos viet hiiren ympyrän päälle, saat lisätietoa muutoksesta. Näet esimerkiksi aiemman ja sen hetkisen muutosnopeuden ja trendimuutoksen ajankohdan.
Jos haluat tutkia dataa tarkemmin, klikkaa Vinkki-kortin alareunasta Tutki raporttia. Näytölle avautuu tarkempi raportti, jossa on käytössä sama aikaväli, mittari ja ulottuvuus. Voit muuttaa aikaväliä, vertailla muita ulottuvuuksia tai lisätä ulottuvuuserittelyjä saadaksesi lisätietoa trendimuutoksesta.
Havaittujen muutosten tyypit
Trendimuutosten havaitseminen tuo esiin trendimuutoksen, kun ennustettu arvo poikkeaa todellisesta arvosta. Näin käy, kun trendi muuttuu jollakin seuraavista tavoista:
- Noususta laskuun
- Laskusta nousuun
- Suurempi nousu tai lasku
- Pienempi nousu tai lasku
Trendimuutoksiin liittyvien ongelmien ratkaiseminen
Ennen kuin teet muutoksia verkkosivustolle tai sovellukseen trendimuutoksen vuoksi, mieti, onko kyseessä odotettu muutos. Jos muutos on odottamaton, mieti, mistä se voi johtua. Jos muutos on odotettu tai positiivinen, et todennäköisesti halua muuttaa mitään.
Alla on kerrottu mahdollisia syitä trendimuutokseen.
Liiketoimintasyklit
Perinteiset liiketoimintasyklit voivat johtaa odotettavissa olevaan negatiiviseen muutokseen. Tähän ei yleensä tarvitse kiinnittää erityistä huomiota, jollei muutos ole epätavallisen suuri. Esimerkkejä ovat juhlakauden päättyminen verkkokauppasivustoilla ja kouluun paluu pelisovelluksissa.
Analytics-mittauskokonaisuuden muutokset
Mittauskokonaisuuden määrityksiin tehdyt muutokset voivat johtaa trendimuutokseen. Mene Järjestelmänvalvoja-sivulle, klikkaa Mittauskokonaisuus-kohdasta Mittauskokonaisuuden muutoshistoria ja tarkista, onko ennen trendimuutosta tehty muutoksia. Lue, miten voit katsoa tilin tai mittauskokonaisuuden muutoshistoriaa.
Verkkosivuston tai sovelluksen muutokset
Negatiivinen trendimuutos voi aiheutua siitä, että verkkosivustoa tai sovellusta ei ole määritetty oikein. Esimerkkejä:
- Tekniset ongelmat, kuten lisääntynyt viive (pidemmät sivun latausajat) ja palvelimen ylikuormittuminen
- Sivujen metadatasta (kuten robots.txt, sitemap.xml ja SSL) puuttuu asetuksia tai ne ovat virheellisiä. Hakukoneet käyttävät metadataa sivun sijoituksen määrittämiseen, ja virheellinen metadata voi johtaa trendimuutokseen orgaanisessa liikenteessä.
- Jos trendimuutos tapahtuu vain maksetussa liikenteessä, mainoskampanjoita ei ole määritetty optimaalisesti.
Näin Analytics tunnistaa trendimuutokset
Analyticsin automaattiseuranta soveltaa aikasarjaan signaalien segmentointialgoritmia, jonka avulla se havaitsee, onko trendissä tapahtunut muutos. Malli jakaa aikasarjan useisiin osiin niin, että data on kussakin osassa samanlaista ja eri osissa erilaista. Kahden osan väliset rajapisteet ovat raportoitavia trendimuutospisteitä.
Päivittäisen datan muutosten havaitsemiseen tarvitaan tavallisesti noin 90 päivän koulutusjakso. Viikoittaisen datan osalta jakson pituus on noin 32 viikkoa.