Du ser ett mått i ett verktyg och undrar om det stämmer. Det enda sättet att ta reda på det är att jämföra det med en annan källa. Validering mellan verktyg innebär att kontrollera siffror genom att kolla dem på flera ställen.
Därför är validering mellan verktyg viktig
Fångar trasig spårning tidigt
När ett verktyg visar normala siffror och ett annat visar andra siffror är något fel. Validering fångar det snabbt. Ju tidigare du vet att spårningen är trasig, desto tidigare kan du rätta den.
Identifierar blinda fläckar i datakvaliteten
När du jämför verktyg ser du vad vart och ett missar. Verktyg A visar trafik men inte konverteringar. Verktyg B visar konverteringar men inte detaljer om trafikkällor. När du vet vad varje verktyg ser kan du bygga en komplett bild.
Ökar tilliten till besluten
När samma mått dyker upp i två oberoende verktyg med liknande siffror kan du fatta beslut utifrån det med trygghet. När måtten står i konflikt vet du att du ska gräva djupare innan du agerar.
Vilka mått du ska validera
Validera trafikvolymen först
Jämför den totala trafiken i Google Analytics och serverloggar. De bör ligga i samma storleksordning (analysen ligger oftast 20-40 % lägre på grund av blockerare). Ett stort gap visar ett problem.
Validera antalet konverteringar
Jämför antalet konverteringar i Google Analytics och hos din betalleverantör. De kommer inte att matcha exakt men bör vara proportionella. Analysen kan visa 80 konverteringar för varje 100 hos din betalleverantör.
Validera fördelningen av trafikkällor
Varifrån kommer trafiken? Jämför mellan verktygen. Organisk trafik bör vara en liknande procentandel i båda. Betald trafik bör följa varandra. Skillnader visar problem med klassificeringen.
Validera viktiga händelser och mål
Om du spårar viktiga händelser på flera ställen (både i analysen och i ditt CRM) kan du jämföra dem. De bör stämma överens inom normal variation.
Arbetsflöde för validering
Steg 1: Välj ett mått
Välj ett mått: konverteringar, användare, sessioner, intäkter. Något som är viktigt för din verksamhet.
Steg 2: Hämta det från två källor
Exportera måttet från ditt huvudverktyg och ett sekundärt verktyg för samma datumintervall. Använd exakt samma datum i båda (samma tidszon).
Steg 3: Räkna ut skillnaden
Verktyg A: 1 000. Verktyg B: 950. Skillnad: 50 (5 %). Är det här normalt? Troligen ja för det verktygsparet.
Steg 4: Dokumentera utgångsnivån
Notera att de här två verktygen vanligtvis skiljer sig med 5 %. Om skillnaden ändras till 50 % har något gått sönder.
Steg 5: Validera varje månad
Sätt en månatlig påminnelse om att jämföra samma mått. Följ trenderna i variationen. En konsekvent variation på 5 % är okej. Ett hopp från 5 % till 25 % behöver undersökas.
Skapa ett ramverk för validering
Bygg en valideringsmatris
Skapa ett kalkylblad med de mått du spårar nedåt i raderna och verktygen i kolumnerna. Fyll i siffrorna varje månad. Leta efter avvikande värden.
Sätt gränser för variation
Ange väntad variation för varje par av mått och verktyg. "Google Analytics mot butiksplattformens konverteringar: räkna med 5-10 % skillnad." Om den faktiska variationen överstiger gränsen larmar du.
Automatisera aviseringar när gränser överskrids
Använd formler i kalkylblad eller BI-verktyg för att larma när variationen överstiger det väntade. Automatiska aviseringar fångar problem snabbare än manuell granskning.
Vanliga frågor
Vilka mått är viktigast att validera?
Intäkter och konverteringar först (affärspåverkan). Sedan trafikvolym (grunden för analysen). Sedan trafikkällor (där du optimerar). Sedan härledda mått som avvisningsfrekvens och sessionslängd. Med WEMASY webbplatsbyggare kan du ställa in det direkt på din webbplats.
Hur ofta bör jag validera mått?
Varje månad för kritiska mått som intäkter. Varje kvartal för sekundära mått. Aviseringar i realtid för plötsliga förändringar som överskrider gränserna.
Ska varje mått matcha perfekt mellan verktyg?
Nej. Perfekta matchningar är orealistiska. Räkna med variation som beror på olikheter i mätningen. Konsekvent variation är okej. Förändringar i variationen visar problem.
Vad ska jag göra om måtten inte går att validera?
Undersök skillnaden. Ta reda på vilket verktyg som är mest exakt för det måttet. Dokumentera gapet. Använd det mer pålitliga verktyget för det måttet framöver.
Kan jag automatisera valideringskontrollerna?
Ja. De flesta analysverktyg har API:er. Använd dem för att hämta mått automatiskt och jämföra dem. BI-verktyg kan automatisera jämförelsen.
Hur väljer jag vilket verktyg jag ska lita på när de är oeniga?
Lita på verktyget som ligger närmast den faktiska händelsen. För intäkter litar du på betalleverantören. För användarbeteende litar du på analysen. För tekniska data litar du på serverloggar. Välj källan som ligger närmast sanningen.