Hvis jeg spurgte, om du ville have en appelsin at spise, ville du sige ja? Hvad hvis jeg spurgte dig, om du ville have en frisk navle orange, håndplukket fra de orange felter i Californien? Du ville være mere tilbøjelige til at acceptere tilbuddet, ville du ikke? Oplysninger er alt, og at have al information til at træffe en uddannet beslutning er en ting, der ligger i centrum for enhver vellykket indsats.
Det samme gælder meget, når du samler data om dit websted ved hjælp af Google Analytics. Hver dag, som jeg forsøger at grave ind i nye områder af Google Analytics, hvordan Google Analytics-varsler kan e-maile eller sende dig besked om webstedsproblemer Hvordan Google Analytics-varsler kan sende e-mail eller tekst dig om webstedsproblemer Google Analytics tilbyder en særlig advarselsfunktion, der sender en e-mail eller en SMS-alarm, når der sker en begivenhed på dit websted. Indstilling af dem er ikke så kompliceret som du tror. Læs mere eller prøv at blande og matche Google Analytics-data Automatiser informative Google Analytics-rapporter med brugerdefineret rapportering Automatiser informative Google Analytics-rapporter med brugerdefineret rapportering En ting, som jeg altid har lyst til at få bedre at arbejde med Google Analytics, er en automatisk rapporteringsfunktion, der giver information, som jeg vil have, og i det format, der er nemt for den, der har brug for ... Læs mere på kreative nye måder, opdager jeg altid noget nyt og fantastisk. Dette skete faktisk i denne måned, da jeg kigger nærmere på andre dimensioner, der er tilgængelige inden for Analytics. To af de mest interessante - og efter min opfattelse er de mest værdifulde - dimensioner, der er tilgængelige, "Hour" og "Week of Day".
I denne artikel vil jeg forklare, hvad disse to dimensioner fortæller dig, og hvordan du kan kombinere dem med andre data for at afsløre en masse fantastiske ting om din websteds trafik, læseren adfærd på dit websted og endda hvordan du optimerer bedre hjemmesiden, når du offentliggør bestemte typer artikler eller andet indhold på dit websted. Ligesom på Twitter eller Facebook er timing ofte alt. Det samme gælder, når du udgiver nyt indhold til dit eget websted, og disse Google Analytics-dimensioner kan hjælpe dig med at optimere det.
Forståelse af time og dag dimensioner
Som folk besøger dit websted i større tal, er der visse mønstre, der vil dukke op, hvis du ved, hvor du skal se. Jeg omfattede mange af dem i vores MUO Google Analytics Guide, som jeg stærkt anbefaler. Mens du sikkert kan se ting som sidevisninger eller udvisningsfrekvenser pr. Time eller uge i diagrammerne, fortæller du kun den samlede trafiktendens pr. Time eller i ugen.
Hvad Time og Day dimensioner giver dig adgang til, er længere sigtemønstre. Disse dimensioner vil tage trafik, sociale data og andre beregninger, der er tilgængelige på Google Analytics, og derefter beregne generelle mønstre over en længere periode, og efter min mening jo længere rækkevidde jo bedre. Jo flere data du bruger med disse dimensioner, jo mere sandsynligt vil du identificere yderst nyttige mønstre, som kan forbedre dine odds for succes.
Men første ting først. Da du kigger på timedata, betyder tidszonen meget. Så kontroller du først tidszoneindstillingen i Google Analytics ved at gå til Admin-området og klikke på "Vis indstillinger" under Profil.
Under "Tidszone-land eller -område" vil du se din nuværende tidszoneindstilling. Dette er virkelig kun vigtigt, hvis du kigger på et websted med en forlagsplan, der er oprettet i en anden tidszone. Du skal korrelere tidszonen i Analytics-dataene med den specifikke tidszone, du tænker på at offentliggøre visse typer indhold.
Arbejde med timedimensionen
Tidsdimensionen kan fås ved at oprette en brugerdefineret rapport. Du får adgang til dem ved at klikke på "Tilpasning" i topmenuen på Google Analytics, og derefter klikke på knappen "Ny tilpasset rapport". Når du redigerer den nye rapport, finder du "Time" under "Andet" i rullelisten for Dimension-feltet.
Selvom en generel Pageviews-rapport baseret på timedimensionen kan fortælle dig meget om dine besøgsmønstre. Igen er undersøgelse af disse data over en længere periode bedst for at finde mønstre, så jeg har lavet en egen analyseperiode på over seks måneder. Hvad dataene viser nedenfor er, at mine højeste trafiktider er eftermiddagen, fra kl. 13.00 til 17.00. Og så er det interessant, at der er en anden stigning meget sent om aftenen, rundt kl. 22.00 (sandsynligvis efter at børnene alle er gået i seng og forældre får online for at lave nogle undersøgelser). 
Dette er virkelig kun toppen af isbjerget igennem. Hvis du flytter ud over sidevisninger, skal du bare tænke på, hvad andre målinger fortæller dig, når du ser på det i form af timemønstre. For eksempel, på hvilket tidspunkt på dagen synes du at have de højeste udgangspriser fra dit websted? Mine synes at være værste lige før og efter midnat. 
Hvad tid på dagen får du de mest nye besøgende? Brug af% Nye besøg målt pr. Time, kan du se, når du har den højeste grad af nye besøgende. I mit tilfælde får jeg maksimal ny trafik før og efter midnat og godt ind i tidligt om morgenen. Det er meget almindeligt for en høj grad af nye besøg fra steder som Google Search for at korrelere med højere udgangsrenter, fordi en del af de nye besøgende er "hurtighedsklikere", bare ved at klikke igennem for at se, om din artikel svarer på spørgsmålet eller interessen de havde, da de udførte søgningen.
Dette er blot nogle få eksempler på timetrends, du kan bruge til at lære mere om besøgendes adfærd og trafikmønstre, men hvis du er kreativ med de beregninger eller kombinationer af metrics, du ser på, er mulighederne ubegrænsede.
Arbejder med dagsdimension
Hvis du vil se på større mønstre, er en fantastisk en til at udforske Ugens dimension. Du kan finde denne under "Andet" i dimensionens borefelt, når du opretter din brugerdefinerede rapport. Navnet på dimensionen er "Dag for ugens navn".
Som timerapporten er ugedagens rapport fra sidevisning en hurtig måde at se hvilken dag i ugen du får mest trafik. Overraskende nok følger min egen blog et temmelig klart mønster fra starten af ugen, der har mest trafik, indtil slutningen af ugen har mindst. Dette er dog bestemt ikke altid tilfældet. Jeg har set andre steder, hvor midten af ugen er klart den travleste. Det hele afhænger af nichen eller emnet du dækker, og når folk interesseret i dit indhold er mest tilbøjelige til at bruge tid online. 
Igen, som med timerapporten, kan ugedagsrapporten sorteret efter afgangstakten fortælle dig hvilken dag i ugen folk har tendens til at forlade dit websted ved først at besøge det. Du tror måske, at dette skal svare direkte til trafikniveauer, men det er ikke tilfældet. Som du kan se her, repræsenterer hele weekenden en periode med høje exitrenter på min blog, mens flere mennesker har tendens til at hænge rundt i starten og i slutningen af den 5-dages arbejdsuge. 
Men der er meget mere, du kan gøre med dette ud over bare standardmålinger som sidevisninger og udgangsrenter. Hvad med at lære, hvilke dage flere mennesker deler dine artikler, eller hvilke dage ser dit websted ud til at kæmpe mere med sidens belastningshastighed?
Andre mønstre, du kan se
Der er så mange ting, du kan analysere om dit websted ved hjælp af dag eller time metrisk, at det er lidt sindssyge at overveje det. Der er nogle få eksempler, jeg ønskede at dele bare for at gøre din appetit mere. Når du har din rapport angivet på ugens dag, kan du vælge den sekundære dimension og vælge "Besøgstype" for at se de specifikke dage, du har flere tilbagevendende eller nye besøgende. 
At gøre dette viser, at jeg får det højeste antal nye besøgende i starten af ugen, fra søndag til tirsdag. Det er også tilfældet de dage, jeg får de højeste returbesøg, der viser, at begge tal svarer til de samlede trafikmønstre. Intet overraskende der. 
Men hvis du gør noget som at sortere rapporten ved hjælp af andre målinger, kan du hente nogle ret interessante data. Hvis jeg f.eks. Sorterer efter gennemsnitlig tid på side, lærer jeg, at tilbagevendende (loyale) besøgende bruger maksimal tid på mine sider på torsdage, søndage og tirsdage, mens nye besøgende har tendens til at forblive på stedet den længste i weekenden fra Fredag til søndag. 
Disse oplysninger kan være meget nyttige til målretning af disse typer læsere under de korrekte dage i ugen. Tilbyder dit indhold af loyale læsere, som du ved, at de nyder det meste på torsdag, mens du tilbyder nyt læsermålrettet indhold, der kan opfordre dem til at blive loyale læsere i løbet af weekenden.
Et andet eksempel kan være at vælge "Actions per Social Visit" -metrisk, hvilket kunne afsløre de dage i ugen, hvor du får den mest sociale aktivitet på dine artikler - dvs. de dage, hvor folk har tendens til at dele dem mest. 
I løbet af denne brugerdefinerede rapport har jeg opdaget, at jeg får den bedste aktierate på torsdag. Dette giver mig mulighed for ikke kun at målrette læsere, der er mere aktive på sociale netværk i løbet af den pågældende dag (udstationering af sociale netværkskampagner), men det viser også dig, hvilke andre dage du muligvis skal arbejde for for at øge den sociale aktivitet på webstedet . 
Et sidste eksempel kan være at kontrollere, hvordan din webserver udfører i løbet af ugen. Du kan se dette ved at vælge Gem. Sideladningstid metrisk på brugerdefineret rapporteditor. 
Sortering efter denne beregning i rapporten "Ugedag" afslører, at min server virkelig stammer på fredage og søndage. Når dette ikke svarer direkte til trafik, kan du måske udforske andre årsager til det, da der kunne være løsninger, der kunne forbedre sidebelastningen på disse dage. Sidebelastning har SEO-implikationer for dit websted, så det er en vigtig måling at følge (og forbedre). 
Du kan endda nedbryde siden belastning metrisk efter timen for at se hvilken tid på dagen du synes at have de fleste problemer. Igen skal dette svare til trafik. 
Når det ikke er tilfældet, er det en anelse om, at du kunne have andre problemer i gang med serveren i disse tider - måske er du på en delt webserver, og andre steder slår det ned under disse tider.
Endelige noter
Som du kan se, kan timevis og daglige dimensioner hjælpe dig med at nedbryde dine webstedsmålinger til meget mere meningsfulde data. Ved at blande og matche disse data kan du bedre forstå en masse om, hvordan og hvornår trafikken kommer på dit websted, og hvordan læserne opfører sig på forskellige tidspunkter. Du kan udforske ting som de særlige dage, du får specifik henvisningstrafik, dagens timer har visse dele af dit websted tendens til at udføre det bedste, og meget mere.
Bruger du time eller dag beregninger, når du udforsker Google Analytics? Hvis ja, hvilke slags ting har du analyseret, og hvad har det fortalt dig om dit websted? Del dine egne oplevelser og ideer i kommentarfeltet nedenfor!