ウェブ分析

ウェブ解析とは、ウェブの使用状況を理解し最適化するために、ウェブデータを測定、収集、分析、報告することです。^{[1]ウェブ解析は、}ウェブトラフィックを測定するプロセスであるだけでなく、ビジネスや市場調査のツールとして使用したり、ウェブサイトの有効性を評価して改善したりすることもできます。 ウェブ解析アプリケーションは、企業が従来の印刷広告や放送広告キャンペーンの結果を測定するのにも役立ちます。新しい広告キャンペーンを開始した後、ウェブサイトへのトラフィックがどのように変化するかを推定するために使用できます。 ウェブ解析は、ウェブサイトへの訪問者数やページビュー数に関する情報を提供したり、ユーザーの行動プロファイルを作成したりします。^[2]トラフィックと人気の傾向を測定するのに役立ち、市場調査に役立ちます。

ほとんどのウェブ解析プロセスは、次の 4つの重要な段階またはステップに分かれます。 ^[3]

• データの収集: この段階では、基本的な基本データが収集されます。通常、これらのデータは、物事の数です。この段階の目的は、データを収集することです。
• データのメトリックへの処理: この段階では通常、カウントを取得して比率を作成しますが、カウントが残っている場合もあります。この段階の目的は、データを取得して情報、具体的にはメトリックに変換することです。
• KPI の開発: この段階では、比率 (およびカウント) を使用し、それを主要業績評価指標(KPI) と呼ばれるビジネス戦略に組み込むことに重点を置いています。多くの場合、KPI はコンバージョンの側面を扱いますが、常にそうであるとは限りません。組織によって異なります。
• オンライン戦略の策定: この段階では、組織またはビジネスのオンライン目標、目的、および基準について検討します。これらの戦略は通常、利益の獲得、コストの削減、または市場シェアの拡大に関連しています。

アナリストがウェブサイトの最適化のために開発したもう 1 つの重要な機能は、実験です。

• 実験とテスト: A/B テストは、Web 開発などのオンライン設定で 2 つのバリエーションを使用して制御された実験です。

A/B テストの目的は、統計的にテストされた関心のある結果の効果を高めたり最大化したりする Web ページの変更を特定して提案することです。

各ステージは、その前または後のステージに影響を与えたり、影響を与える可能性があります (つまり、駆動します)。そのため、収集可能なデータがオンライン戦略に影響を与える場合があります。また、オンライン戦略が収集されたデータに影響を与える場合もあります。

Web 分析には、オフサイトWeb 分析とオンサイトWeb 分析の少なくとも 2 つのカテゴリがあります。

• オフサイト Web 分析とは、 Web サイトの所有者または管理者に関係なく、Web サイトの測定と分析を行うことを指します。これには、Web サイトの潜在的な視聴者 (機会)、発言力 (可視性)、インターネット全体で起こっている話題性 (コメント) の測定が含まれます。
• 2 つのうちより一般的なのは、オンサイト ウェブ解析で、特定のウェブサイトでの訪問者の行動を 1 回測定します。これには、そのドライバーとコンバージョンが含まれます。たとえば、さまざまなランディング ページがオンライン購入にどの程度関連しているかなどです。オンサイト ウェブ解析では、商業的なコンテキストにおける特定のウェブサイトのパフォーマンスを測定します。このデータは通常、パフォーマンスの主要業績評価指標と比較され、ウェブサイトまたはマーケティング キャンペーンのオーディエンスの反応を改善するために使用されます。Google Analytics とAdob​​e Analyticsは、最も広く使用されているオンサイト ウェブ解析サービスですが、ヒート マップやセッション リプレイ など、追加の情報レイヤーを提供する新しいツールも登場しています。

これまで、ウェブ解析はオンサイト訪問者測定を指すために使用されていました。しかし、この意味は、主にベンダーが両方のカテゴリにまたがるツールを製造しているために、あいまいになってきました。多くの異なるベンダーが、オンサイトウェブ解析ソフトウェアおよびサービスを提供しています。データを収集する主な技術的な方法は 2 つあります。1 つ目の従来の方法であるサーバー ログ ファイル解析では、ウェブ サーバーがブラウザーによるファイル要求を記録しているログ ファイルを読み取ります。2 つ目の方法であるページ タグ付けでは、ウェブページがウェブブラウザーによってレンダリングされるたびに、または必要に応じてマウス クリックが発生したときに、ウェブページに埋め込まれたJavaScript を使用してサードパーティの解析専用サーバーにイメージ要求を行います。どちらも、ウェブ トラフィック レポートを作成するために処理できるデータを収集します。

ウェブ解析には世界的に合意された定義はありません。業界団体が以前から有用で決定的な定義に合意しようと努めてきたためです。つまり、さまざまな企業のツールや製品の指標には測定やカウントの方法が異なる場合があり、その結果、同じ指標名でもデータの意味が異なる場合があります。この分野に意見を述べた主な団体は、IAB (Interactive Advertising Bureau)、JICWEBS (英国とアイルランドの Web 標準に関する業界合同委員会)、DAA (Digital Analytics Association、正式名称は WAA (米国のウェブ解析協会)) です。ただし、多くの用語は主要な解析ツール間で一貫して使用されているため、これらの規則に基づいた次のリストは便利な出発点になります。

• 直帰率- 単一ページ訪問で、そのページで他のインタラクション（クリック）がない訪問の割合。言い換えれば、特定のセッションでの 1 回のクリックは直帰と呼ばれます。直帰率が高い場合、コンテンツまたはユーザー エクスペリエンスを改善する必要があることを示している可能性があります。 ^[4]
• クリックパス- 訪問またはセッション内のページビューの時系列シーケンス。このパスを分析すると、ユーザーのセッション目標とユーザー目標に関する情報が得られます。 ^[5]
• ヒット- Web サーバーからのファイル要求。ログ分析でのみ使用できます。Web サイトが受信したヒット数は、その人気を主張するためによく引用されますが、この数値は非常に誤解を招きやすく、人気を大幅に過大評価しています。1 つの Web ページは通常、複数 (多くの場合は数十) の個別のファイルで構成され、ページがダウンロードされると各ファイルがヒットとしてカウントされるため、ヒット数は実際には Web サイトの実際の人気というよりも、Web サイト上の個々のページの複雑さを反映した任意の数値です。訪問数またはページ ビューの合計数は、より現実的で正確な人気評価を提供します。
• ページ ビュー (ページビュー) - ウェブ分析ツールの設定でページとして定義されているファイルまたはマウス クリックなどのイベントのリクエスト。通常、ページビューの数は、訪問数や訪問者数 (ユニーク訪問者数) より多くなります。ページ タグ付けでスクリプトが実行されている状態です。ログ分析では、ページを表示するために必要なすべてのリソース (画像、.js ファイル、.css ファイル) もウェブ サーバーから要求されるため、1 つのページ ビューで複数のヒットが生成されることがあります。同じウェブページの「更新」は、別のページビューとしてカウントされることがあります。たとえば、時刻: 16:07、ユーザーがページ A を表示し、2 秒後にユーザーがブラウザーの「更新」ボタンをクリックすると、ページ A のページビュー数は 2 になります。
• 訪問者/ユニーク訪問者/ユニークユーザー- 定義された期間 (日、週、月など) 内にページ ビューまたはヒットを生成している、ユニークに識別されるクライアント。ユニークに識別されるクライアントは通常、マシン (たとえば、職場のデスクトップ コンピューター) とブラウザー (そのマシン上の Firefox) の組み合わせです。識別は通常、サイトのページ コードによってコンピューターに配置される永続的な Cookie によって行われます。ログ ファイル分析で使用される古い方法は、コンピューターの IP アドレスとブラウザーによって Web サーバーに提供されるユーザー エージェント (ブラウザー) 情報のユニークな組み合わせです。「訪問者」は、訪問時にコンピューターの前に座っている人間と同じではありません。これは、個々の人間が異なるコンピューターを使用したり、同じコンピューターで異なるブラウザーを使用したりできるため、それぞれの状況で異なる訪問者と見なされるためです。訪問者が、プライバシーの適用を受けにくいFlash LSO (ローカル共有オブジェクト) によってユニークに識別されることが増えていますが、それでもややまれです。
• 訪問/セッション- 訪問またはセッションは、一意に識別される同じクライアントからの一連のページ リクエスト、またはタグの場合はイメージ リクエストとして定義されます。通常、訪問数は訪問者数 (ユニーク ビジター数) より多くなります。ユニーク クライアントは、通常、IP アドレスまたはブラウザー クッキーに配置される一意の ID によって識別されます。一定時間経過してもリクエストが記録されなかった場合、訪問は終了したとみなされます。多くの分析ツールでは 30 分の制限 (「タイムアウト」) が使用されていますが、一部のツール (Google Analytics など) では別の分数に変更できます。分析データ コレクターと分析ツールには、訪問者がページ ビュー間で他のサイトを閲覧したかどうかを確実に知る方法がありません。イベント (ページ ビュー、クリックなど、記録されているもの) が 30 分以内の間隔で発生している限り、訪問は 1 回の訪問とみなされます。訪問は、1 ページのビューから数千のページ ビューまでです。ページ読み込み間の時間から、訪問者がページを継続的に閲覧していることがわかった場合は、ユニーク訪問セッションを延長することもできます。
• アクティブ時間/エンゲージメント時間- マウスの移動、クリック、ホバー、スクロールに基づいて、訪問者が Web ページのコンテンツと実際にやり取りする平均時間。セッション継続時間やページビュー継続時間/ページ滞在時間とは異なり、この指標は最終的なページビューでのエンゲージメントの長さを正確に測定できますが、多くの分析ツールやデータ収集方法では利用できません。
• 平均ページ深度/平均セッションあたりページビュー数- ページ深度は、平均訪問のおおよその「サイズ」であり、ページビューの合計数を合計訪問数で割って計算されます。
• 平均ページ閲覧時間- 訪問者がサイトの平均的なページに費やす平均時間。
• クリック- 「ユーザーがサイト内のあるページから別のページへのハイパーリンクをたどる単一のインスタンスを指します」。
• イベント- ウェブサイト上で発生する個別のアクションまたはアクションのクラス。ページ ビューはイベントの一種です。イベントには、クリック、フォームの送信、キー押下イベント、その他のクライアント側ユーザー アクションも含まれます。
• 離脱率/離脱率- Web サイトではなく、個々のページに適用される統計。訪問中に最後に表示されたページがページである訪問の割合。
• データセグメンテーション- ウェブ解析ツールは、人口統計、場所、行動などの基準に基づいてデータをより小さなサブセットに分割するデータセグメンテーションを可能にします。これにより、さまざまな視聴者セグメントをより深く理解できます。^[6]
• 初回訪問/初回セッション- (一部のツールでは「絶対ユニーク訪問者」とも呼ばれます) 理論的には以前に訪問したことのない、一意に識別されたクライアントからの訪問。一意に識別されたクライアントが以前にサイトを訪問したことがあるかどうかを知る唯一の方法は、永続的な Cookieが存在するか、以前の訪問時に受信したデジタル フィンガープリント経由であるため、前回の訪問以降にサイトの Cookie が削除されている場合、初回訪問ラベルは信頼できません。
• ユニーク訪問者あたりの頻度/セッション- 頻度は、特定の期間に訪問者が Web サイトにアクセスする頻度を測定します。これは、月や年などの特定の期間の合計セッション数 (または訪問数) をユニーク訪問者数の合計で割ることによって計算されます。これは、「ロイヤルティ」という用語と互換的に使用されることもあります。
• インプレッション-インプレッションの最も一般的な定義は、閲覧したページに広告が表示されることです。広告は、画面に実際に表示される領域の下の閲覧ページに表示されることがあるため、インプレッションの測定結果のほとんどは、必ずしも広告が閲覧可能であったことを意味するわけではありません。
• 新規訪問者- 以前に一度も訪問したことがない訪問者。この定義はある程度の混乱を招き (以下のよくある混乱を参照)、初回訪問の分析に置き換えられることがあります。
• ページの表示時間/ページ表示時間/ページ表示期間- 1 つのページ (またはブログ、広告バナー) が画面に表示されている時間。そのページのリクエスト時間と次に記録されるリクエスト時間の差として計算されます。次に記録されるリクエストがない場合、そのページのインスタンスの表示時間はレポートに含まれません。
• リピーター- 少なくとも 1 回は訪問したことがある訪問者。前回の訪問から今回の訪問までの期間は訪問者の最新性と呼ばれ、日数で測定されます。
• 再訪問者- レポート期間中にサイトを訪問するアクティビティを持つユニーク訪問者で、レポート期間前にもサイトを訪問したことがある訪問者。個人はレポート期間中に 1 回のみカウントされます。
• セッション継続時間/訪問継続時間- 訪問者がサイトを訪問するたびに費やす平均時間。これは、すべてのセッションの継続時間の合計をセッションの合計数で割って計算されます。この指標は、分析プログラムが最終的なページビューの長さを測定できないという事実によって複雑になることがあります。^[7]
• 単一ページ訪問/シングルトン- 1 ページのみが閲覧された訪問 (これは「バウンス」ではありません)。
• サイト オーバーレイは、Web ページの視覚的なスナップショットに、統計 (クリック) またはホット スポットを物理的な場所ごとに重ねて表示するレポート手法です。
• クリックスルー率は、ページ、電子メール、または広告を閲覧したユーザー総数に対する、特定のリンクをクリックしたユーザーの比率です。これは、特定の Web サイトのオンライン広告キャンペーンの成功や電子メール キャンペーンの効果を測定するためによく使用されます。クリックスルー率 (CTR)のもう 1 つの一般的な定義は、クリックされた総数をインプレッションの総数で割ったものです。クリックスルー率の測定基準は、クリック数とインプレッション数の比率を測定するものであり、クリックして閲覧したユーザー数を測定するものではないためです。

オフサイト Web 分析は、オープン データ分析、ソーシャル メディアの調査、Web プロパティでの声のシェアに基づいています。通常、ソーシャル メディアまたは他の Web サイトからこのサイトにタグ付けされたキーワードを特定することで、サイトをマーケティングする方法を理解するために使用されます。

ウェブ解析の基本的な目的は、ウェブトラフィックと使用パターンに関連するデータを収集し分析することです。データは主に4つのソースから得られます。^[8]

1. 直接HTTP 要求データ: HTTP 要求メッセージ (HTTP 要求ヘッダー) から直接取得されます。
2. HTTP リクエストに関連付けられたネットワーク レベルおよびサーバー生成データ: HTTP リクエストの一部ではありませんが、リクエストの正常な送信に必要です (たとえば、リクエスト元のIP アドレスなど)。
3. HTTP リクエストで送信されるアプリケーション レベルのデータ: セッションや参照を含む、アプリケーション レベルのプログラム ( JavaScript、PHP、ASP.Netなど) によって生成および処理されます。これらは通常、パブリック Web 分析サービスではなく内部ログによってキャプチャされます。
4. 外部データ: オンサイト データと組み合わせて、上記の Web サイトの動作データを補強し、Web の使用状況を解釈するのに役立ちます。たとえば、IP アドレスは通常、地理的地域やインターネット サービス プロバイダー、電子メールの開封率やクリック率、ダイレクト メール キャンペーン データ、売上、リード履歴、または必要に応じてその他のデータ タイプに関連付けられます。

Web サーバーは、トランザクションの一部をログ ファイルに記録します。これらのログ ファイルをプログラムで読み取ると、Web サイトの人気度に関するデータが得られることがすぐに判明しました。こうして、Web ログ分析ソフトウェアが誕生しました。

1990 年代初頭、ウェブサイトの統計は主にウェブサーバーに行われたクライアントのリクエスト (またはヒット) の数を数えることでした。各ウェブサイトは単一の HTML ファイルで構成されることが多かったため、当初はこれが妥当な方法でした。しかし、HTML に画像が導入され、ウェブサイトが複数の HTML ファイルにまたがるようになるにつれて、このカウントはあまり役に立たなくなりました。最初の真の商用ログ アナライザーは、1994 年に IPRO によってリリースされました。^[9]

1990 年代半ばに、Web サーバーでの人間の活動量をより正確に測定するために、ページ ビューと訪問(またはセッション) という 2 つの測定単位が導入されました。ページ ビューは、グラフィックではなくページを求めて Web サーバーに行われたリクエストとして定義され、訪問は、一定時間 (通常は 30 分) の非アクティブ状態が続くと期限切れになる、一意に識別されたクライアントからの一連のリクエストとして定義されました。

1990 年代後半に検索エンジンのスパイダーやロボットが登場し、さらにWeb プロキシや大企業やISP向けのIP アドレスの動的割り当ても登場したため、ウェブサイトへの訪問者を一意に特定することがより困難になりました。ログ アナライザーは、Cookieによる訪問の追跡や、既知のスパイダーからのリクエストの無視などの対応をしました。^{[引用が必要]}

ウェブキャッシュの多用は、ログファイルの分析にも問題を引き起こしました。ユーザーがページを再度訪問すると、2 回目のリクエストはブラウザーのキャッシュから取得されることが多く、ウェブサーバーはリクエストを受信しません。つまり、ユーザーのサイト内でのパスが失われます。ウェブサーバーの設定によってキャッシュを無効にすることはできますが、これにより訪問者のパフォーマンスが低下し、サーバーの負荷が大きくなる可能性があります。^[10]

キャッシュが存在する場合のログ ファイル分析の精度に関する懸念と、アウトソーシング サービスとして Web 分析を実行できるようにしたいという要望から、2 番目のデータ収集方法であるページ タグ付けまたは「Web ビーコン」が生まれました。

1990 年代半ばには、Web カウンターがよく見られました。これは、Web ページに含まれる画像で、画像がリクエストされた回数が表示され、そのページへのアクセス回数の推定値となります。1990 年代後半には、この概念は進化し、目に見える画像ではなく小さな目に見えない画像が含まれるようになり、JavaScript を使用して、画像リクエストとともにページと訪問者に関する特定の情報を渡すようになりました。この情報は、Web 分析会社によってリモートで処理され、広範な統計が生成されます。

ウェブ解析サービスでは、ユーザーに Cookie を割り当てるプロセスも管理します。Cookie は、ユーザーの訪問中およびその後の訪問時にユーザーを一意に識別します。Cookie の受け入れ率は Web サイトによって大きく異なるため、収集および報告されるデータの品質に影響する可能性があります。

サードパーティのデータ収集サーバー (または社内のデータ収集サーバー) を使用して Web サイト データを収集するには、収集サーバーの IP アドレスを特定するために、ユーザーのコンピューターによる追加のDNSルックアップが必要です。場合によっては、DNS ルックアップの成功または失敗の完了が遅れると、データが収集されないことがあります。

Ajaxベースのソリューションの人気が高まるにつれ、非表示画像を使用する代わりに、レンダリングされたページからサーバーへのコールバックを実装するようになりました。この場合、ページが Web ブラウザーでレンダリングされると、JavaScript コードの一部がサーバーにコールバックし、クライアントに関する情報を渡します。この情報は、Web 分析会社によって集計されます。

ログファイル解析プログラムとページタグ付けソリューションは、どちらもウェブ解析を希望する企業にとって容易に入手可能です。場合によっては、同じウェブ解析会社が両方のアプローチを提供することもあります。その場合、企業はどちらの方法を選択すべきかという疑問が生じます。それぞれのアプローチには長所と短所があります。^{[11] [12]}

ページ タグ付けと比較したログ ファイル分析の主な利点は次のとおりです。

• 通常、Web サーバーは既にログ ファイルを生成しているため、生のデータは既に利用可能です。Web サイトに変更を加える必要はありません。
• データは会社のサーバー上にあり、独自の形式ではなく標準形式です。これにより、会社は後でプログラムを切り替えたり、複数の異なるプログラムを使用したり、新しいプログラムで履歴データを分析したりすることが容易になります。
• ログ ファイルには、検索エンジン スパイダーからの訪問に関する情報が含まれます。これらの情報は、通常、JavaScript タグ付けを使用して分析ツールから除外されます (一部の検索エンジンでは、ページで JavaScript が実行されないこともあります)。これらの情報は人間の活動の一部として報告されるべきではありませんが、検索エンジンの最適化には役立つ情報です。
• ログ ファイルでは、追加のDNSルックアップやTCP スロー スタートは必要ありません。したがって、ページの読み込み速度を遅くしたり、カウントされないページ ビューを発生させたりする外部サーバー呼び出しはありません。
• Web サーバーは、PDF ドキュメントやスクリプトによって生成されたコンテンツの提供など、実行するすべてのトランザクションを確実に記録し、訪問者のブラウザーの協力に依存しません。

ログ ファイル分析と比較したページ タグ付けの主な利点は次のとおりです。

• カウントは、サーバーにリクエストするのではなく、ページを開くことによってアクティブになります (Web クライアントがタグ スクリプトを実行している場合)。ページがキャッシュされている場合、サーバーベースのログ分析ではカウントされません。キャッシュされたページは、すべてのページ ビューの最大 3 分の 1 を占める可能性があり、多くのサイト メトリックに悪影響を与える可能性があります。^{[引用が必要]}
• データは、通常 JavaScript で記述されたページ内のコンポーネント (「タグ」) を介して収集されます。通常、データを操作し、(通常は) データベースに保存するために、サーバー側スクリプト言語 ( PHPなど) と組み合わせて使用​​されます。
• スクリプトは、訪問者の画面サイズや購入した商品の価格など、クエリでは送信されない Web クライアントまたはユーザーに関する追加情報にアクセスできる場合があります。
• ページ タグ付けでは、 Flashムービー内のインタラクション、フォームの部分的な完了、onClick、onMouseOver、onFocus、onBlur などのマウス イベントなど、Web サーバーへの要求を伴わないイベントをレポートできます。
• ページ タグ付け サービスは、訪問者に Cookie を割り当てるプロセスを管理します。ログ ファイル分析では、これを行うようにサーバーを構成する必要があります。
• ページ タグ付けは、Web サーバーにアクセスできない企業でも利用できます。
• 最近、ページタグ付けはウェブ解析の標準となっている。^[13]

ログファイルの分析は、ほとんどの場合、社内で実行されます。ページのタグ付けは社内で実行できますが、サードパーティのサービスとして提供される場合がほとんどです。これら 2 つのモデルの経済的な違いも、企業がどちらを購入するかを決定する際の考慮事項になります。

• ログファイル分析には通常、1 回限りのソフトウェア購入が必要ですが、一部のベンダーは、追加情報を処理するための追加コストで年間ページビューの上限を設定しています。^{[引用が必要]}商用製品に加えて、いくつかのオープン ソース ログファイル分析ツールが無料で利用できます。
• ログファイル分析では、データを保存してアーカイブする必要があり、そのデータは急速に大きくなることがよくあります。これを行うためのハードウェアのコストは最小限ですが、IT 部門のオーバーヘッドは相当なものになる可能性があります。
• ログファイル分析ソフトウェアでは、更新やセキュリティ パッチなどのメンテナンスが必要です。
• 複雑なページ タグ付けベンダーは、ボリューム、つまり収集された月ごとのページ ビュー数に基づいて月額料金を請求します。

どのソリューションの実装が安価であるかは、企業内の技術的専門知識の量、選択したベンダー、Web サイトでのアクティビティの量、求められる情報の深さと種類、統計を必要とする個別の Web サイトの数によって異なります。

ベンダー ソリューションや採用するデータ収集方法に関係なく、Web 訪問者の分析と解釈にかかるコストも考慮する必要があります。つまり、生データを実用的な情報に変換するためのコストです。これには、サードパーティ コンサルタントの利用、経験豊富な Web アナリストの雇用、適切な社内スタッフのトレーニングなどが含まれます。その後、費用対効果分析を実行できます。たとえば、Web 訪問者データを分析することで、どの程度の収益増加やコスト削減が得られるでしょうか。

一部の企業は、ログファイルとページタグ付けの両方からデータを収集し、両方の種類を分析できるソリューションを提供しています。ハイブリッドな方法を使用することで、どちらか一方の方法よりも正確な統計を作成することを目指しています。^[14]

IPジオロケーションを使用すると、訪問者の位置を追跡することができます。IPジオロケーションデータベースまたはAPIを使用すると、訪問者を都市、地域、または国レベルで地理的に特定できます。^[15]

IP インテリジェンス、またはインターネット プロトコル (IP) インテリジェンスは、インターネットをマッピングし、地理的位置 (国、地域、州、市、郵便番号)、接続タイプ、インターネット サービス プロバイダー (ISP)、プロキシ情報などのパラメータによって IP アドレスを分類するテクノロジです。IP インテリジェンスの第 1 世代は、ジオターゲティングまたはジオロケーションテクノロジと呼ばれていました。この情報は、オンライン広告、行動ターゲティング、コンテンツ ローカリゼーション (またはWebサイト ローカリゼーション)、デジタル著作権管理、パーソナライゼーション、オンライン詐欺検出、ローカライズ検索、拡張分析、グローバル トラフィック管理、コンテンツ配信などのアプリケーションで、企業がオンライン オーディエンスをセグメンテーションするために使用されます。

クリック分析 (クリックストリームとも呼ばれる) は、クリックに特に注目する特殊なタイプの Web 分析です。

一般的に、クリック分析はオンサイト分析に重点を置いています。Web サイトの編集者は、クリック分析を使用して、サイトのユーザーがクリックしている場所に関して、特定のサイトのパフォーマンスを判断します。

また、クリック分析は、求める情報の種類に応じて、リアルタイムまたは「非リアルタイム」で行われる場合があります。通常、トラフィックの多いニュース メディア サイトのトップページの編集者は、コンテンツを最適化するために、ページをリアルタイムで監視する必要があります。編集者、デザイナー、その他の関係者は、ライター、デザイン要素、広告などのパフォーマンスを評価するために、より長い時間枠でクリックを分析する場合があります。

クリックに関するデータは、少なくとも 2 つの方法で収集できます。理想的には、クリックは発生時に「記録」されますが、この方法では、イベントが発生したときに関連情報を取得する機能が必要です。または、ページ ビューがクリックの結果であるという仮定を設定し、そのページ ビューにつながったシミュレートされたクリックを記録できます。

顧客ライフサイクル分析は、訪問者中心の測定アプローチです。^[16]ページビュー、クリック、その他のイベント（API呼び出し、サードパーティサービスへのアクセスなど）はすべて、個別のデータポイントとして保存されるのではなく、個々の訪問者に関連付けられています。顧客ライフサイクル分析は、すべてのデータポイントをマーケティングファネルに接続して、訪問者の行動とWebサイトの最適化に関する洞察を提供しようとします。^{[17]顧客ライフサイクル分析で使用される一般的な指標には、}顧客獲得コスト（CAC）、顧客生涯価値（CLV）、顧客離脱率、顧客満足度スコアなどがあります。^[16]

他のデータ収集方法が使用されることもあります。パケットスニッフィングは、ウェブサーバーと外部の間を通過するネットワークトラフィックをスニッフィングすることでデータを収集します。パケットスニッフィングでは、ウェブページやウェブサーバーに変更は加えられません。ウェブ解析をウェブサーバーソフトウェア自体に統合することも可能です。 ^[18]これらの方法はどちらも、他の方法よりも優れたリアルタイムデータを提供すると主張しています。

ホテルの問題は、一般的に、Web 分析のユーザーが最初に遭遇する問題です。問題は、1 か月の各日のユニーク ビジター数を合計しても、その月のユニーク ビジター数と同じにならないことです。経験の浅いユーザーには、使用している分析ソフトウェアの問題のように見えます。実際、これはメトリック定義の単純な特性です。

この状況をイメージするには、ホテルを想像してください。ホテルには 2 つの部屋 (部屋 A と部屋 B) があります。

表に示されているように、ホテルには 3 日間にわたって毎日 2 人のユニーク ユーザーがいます。したがって、各日の合計は 6 になります。

期間中、各部屋には 2 人の固有のユーザーがいました。したがって、部屋に関する合計は 4 です。

実際には、この期間にホテルに宿泊した人は 3 人だけです。問題は、部屋に 2 泊した人が、各日 1 回カウントされると 2 回カウントされますが、期間の合計を見ると 1 回しかカウントされないことです。Web 分析用のソフトウェアは、選択した期間についてこれらを正しく合計するため、ユーザーが合計を比較しようとすると問題が発生します。

インターネットが成熟するにつれて、自動化されたボット トラフィックの急増が Web 分析の信頼性に対する大きな問題となってきました。^[要出典]ボットがインターネットを横断する際、ボットはオーガニック ユーザーと同様の方法で Web ドキュメントをレンダリングするため、Web 分析がトラフィックをカウントするために使用するのと同じコードを偶然にトリガーする可能性があります。この Web 分析イベントの偶発的なトリガーは、データの解釈可能性とそのデータに基づく推論に影響を与えます。IPM は、Google Analyticsとその競合他社が一般的なボット展開戦略によって簡単にトリガーされるという概念実証を提供しました。^[19]

これまで、ページタグ付け分析ソリューションのベンダーは、閲覧中の Web サイトのドメインではなく、ベンダーのドメインから送信されるサードパーティ Cookie を使用してきました。サードパーティ Cookie は常にベンダーのサーバーによって処理されるため、会社のサイト内の複数の無関係なドメインにまたがる訪問者を処理できます。

しかし、サードパーティのCookieは、原則として、異なる企業のサイト間で個々のユーザーを追跡することを可能にするため、分析ベンダーは、ユーザーが個人情報を提供したサイトでのユーザーの活動と、ユーザーが匿名だと思っていた他のサイトでの活動を照合することができます。ウェブ分析会社はこれを否定していますが、バナー広告を提供する会社など他の会社はこれを行っています。そのため、 Cookieに関するプライバシーの懸念から、少数のユーザーがサードパーティのCookieをブロックまたは削除するようになりました。2005年には、いくつかのレポートによると、インターネットユーザーの約28％がサードパーティのCookieをブロックし、22％が少なくとも月に1回は削除しました。^{[20]ページタグ付けソリューションのほとんどのベンダーは現在、少なくとも}ファーストパーティのCookie （クライアントのサブドメインから割り当てられるCookie） を使用するオプションを提供するようになりました。

もう 1 つの問題は、Cookie の削除です。Web 分析がユニーク ビジターを識別するために Cookie に依存している場合、統計はユニーク ビジター ID を保持する永続的な Cookie に依存します。ユーザーが Cookie を削除すると、通常はファースト パーティとサード パーティの両方の Cookie が削除されます。サイトとのインタラクションの間にこれを実行すると、ユーザーは次のインタラクション ポイントで初回訪問者として表示されます。永続的でユニークな訪問者 ID がなければ、コンバージョン、クリック ストリーム分析、およびユニーク ビジターの長期にわたるアクティビティに依存するその他の指標は正確ではありません。

クッキーが使用されるのは、 IP アドレスがユーザーごとに一意であるとは限らず、大規模なグループやプロキシによって共有される可能性があるためです。クッキーが利用できない場合は、訪問者をより正確に識別するために、IP アドレスがユーザー エージェントと組み合わされることがあります。ただし、プロキシ サーバーの背後にいるユーザーは同じユーザー エージェントを持っていることが多いため、これでは問題が部分的にしか解決されません。ユーザーを一意に識別する他の方法は技術的に難しく、追跡可能な対象が制限されたり、疑わしいと見なされたりする可能性があります。クッキーは、スパイウェアと見なされるテクノロジを使用せずに最低限の共通点に到達し、クッキーを有効化/アクティブにするとセキュリティ上の懸念が生じます。^[21]

第三者による情報収集は、適用されるネットワーク制限やセキュリティの影響を受けます。国、サービスプロバイダー、プライベートネットワークは、サイト訪問データが第三者に渡るのを防ぐことができます。上で説明したすべての方法（およびサンプリングなど、ここでは言及されていない他のいくつかの方法）には、操作（インフレとデフレの両方）に対して脆弱であるという中心的な問題があります。つまり、これらの方法は不正確で安全ではありません（合理的なセキュリティモデルでは）。この問題はいくつかの論文で取り上げられていますが、^{[22] [23] [24] [25]}これまでのところ、これらの論文で提案されている解決策は理論的なものにとどまっています。

• ウェブ解析ソフトウェアの一覧
• モバイルウェブ分析
• オンラインビデオ分析
• ポストクリックマーケティング
• セッション（ウェブ分析）
• Webログ分析ソフトウェア
• ウェブマイニング
• ウェブパフォーマンス
• ウェブトラフィック

• Clifton, Brian (2010)『Advanced Web Metrics with Google Analytics』第 2 版、Sybex (ペーパーバック)
• Mortensen, Dennis R. (2009)。Yahoo ! Web 分析: データに基づく洞察のための追跡、レポート、分析。インディアナポリス、インディアナ州: Wiley。ISBN 978-0470424247。
• Farris, P.、Bendle, NT、Pfeifer, PE、Reibstein, DJ (2009)「主要なマーケティング指標: すべてのマネージャーが知っておくべき 50 以上の指標」、Prentice Hall、ロンドン。
• Plaza, Beatriz (2009 年 9 月 18 日)。「Google Analytics による Web トラフィック ソースの有効性の監視: 時系列の実験」。ASLIB Proceedings。61 ( 5 ): 474–482。doi : 10.1108 /00012530910989625。
• Arikan, Akin (2008) マルチチャネル マーケティング。オンラインとオフラインでの成功のための指標と方法。Sybex。
• Tullis, Tom & Albert, Bill (2008) ユーザー エクスペリエンスの測定。ユーザビリティ メトリックの収集、分析、および提示。Morgan Kaufmann、Elsevier、マサチューセッツ州バーリントン。
• Kaushik, Avinash (2009)。Web分析 2.0:: オンライン アカウンタビリティの技術と顧客中心主義の科学。Sybex。ISBN 9780470529393。
• Kaushik, Avinash、Raybould, Dave (2007)。『Web 分析: 1 日 1 時間』インディアナポリス、インディアナ州: Wiley。ISBN 9780470130650。
• Bradley N (2007) マーケティングリサーチ。ツールとテクニック。オックスフォード大学出版局、オックスフォード。
• Sostre, Pedro および LeClaire, Jennifer (2007) Web Analytics for Dummies. Wiley .
• Burby, Jason および Atchison, Shane (2007) 「実用的な Web 分析: データを使用してスマートなビジネス上の意思決定を行う」
• Davis, J. (2006)「マーケティング指標: 本当に効果のある説明責任のあるマーケティング計画を作成する方法」John Wiley & Sons (アジア)。
• Peterson Eric T (2005) Web Site Measurement Hacks。O'Reilly電子書籍。

• Zheng, JG および Peltsverger, S. (2015) Web Analytics Overview、書籍: Encyclopedia of Information Science and Technology、第 3 版、出版社: IGI Global、編集者: Mehdi Khosrow-Pour