Hvis jeg spurte om du ville ha en appelsin å spise, ville du si ja? Hva om jeg spurte deg om du ville ha en frisk navelorange, håndplukket fra de oransje feltene i California? Du ville være mer sannsynlig å godta tilbudet, ikke sant? Informasjon er alt, og å ha all informasjon til å ta en utdannet beslutning er en ting som ligger i hjertet av enhver vellykket forsøk.
Det samme er veldig sant når du samler inn data om nettstedet ditt ved hjelp av Google Analytics. Hver dag som jeg prøver å grave inn i nye områder av Google Analytics, hvordan Google Analytics-varslinger kan sende e-post eller tekst deg om problemer med nettstedet Hvordan Google Analytics-varsler kan sende e-post eller tekst deg om problemer med nettstedet Google Analytics tilbyr en spesialvarslingsfunksjon som sender ut en epost eller et SMS-varsel når noen hendelse skjer på nettstedet ditt. Å sette opp dem er ikke så komplisert som du tror. Les mer eller prøv å mikse og matche Google Analytics-data Automatisere informative Google Analytics-rapporter med tilpasset rapportering Automatiser informative Google Analytics-rapporter med tilpasset rapportering En ting som jeg alltid har lyst til å bli bedre med Google Analytics, er en automatisk rapporteringsfunksjon som gir informasjon som jeg vil ha og i format som er enkelt for den som trenger ... Les mer på kreative nye måter, oppdager jeg alltid noe nytt og utrolig. Dette skjedde faktisk denne måneden da jeg tok en nærmere titt på andre dimensjoner som er tilgjengelige i Analytics. To av de mest interessante - og etter min mening er de mest verdifulle - dimensjonene som er tilgjengelige, "Time" og "Ukens navn".
I denne artikkelen skal jeg forklare hva disse to dimensjonene forteller deg, og hvordan du kan kombinere dem med andre data for å avsløre mange fantastiske ting om trafikken på nettstedet ditt, leseradferd på nettstedet ditt, og til og med hvordan du bedre optimaliserer Nettstedet når du publiserer bestemte typer artikler eller annet innhold på nettstedet ditt. På samme måte som på Twitter eller Facebook, er timing ofte alt. Det samme gjelder når du publiserer nytt innhold på ditt eget nettsted, og disse Google Analytics-dimensjonene kan hjelpe deg med å optimalisere det.
Forstå tid og dag dimensjoner
Som folk besøker nettstedet ditt i større tall, er det visse mønstre som vil dukke opp hvis du vet hvor du skal se. Jeg dekket mange av dem i vår MUO Google Analytics Guide, som jeg anbefaler. Mens du sikkert kan se ting som sidevisninger eller sprettfrekvenser etter timen eller uken i diagrammene, forteller du bare om generelle trafikk trender for hver time eller i uken.
Hva Time and Day dimensjonene gir deg tilgang til, er lengre siktemønstre. Disse dimensjonene vil ta trafikk, sosiale data og andre beregninger som er tilgjengelige i Google Analytics, og deretter beregne generelle mønstre over et lengre tidsrom, og etter min mening, jo lengre rekkevidde jo bedre. Jo flere data du bruker med disse dimensjonene, jo mer sannsynlig kommer du til å identifisere ekstremt nyttige mønstre som kan forbedre dine muligheter for suksess.
Men første ting først. Siden du ser på timedata, teller tidszonen mye. Så sjekk først tidszonen i Google Analytics ved å gå til Admin-området, og klikk på "Vis innstillinger" under Profil.
Under "Tidssone land eller territorium", vil du se din nåværende tidssone innstilling. Dette er egentlig bare viktig hvis du ser på et nettsted med en publiseringsplan som er opprettet i en annen tidssone. Du må korrelere tidszonen til Analytics-dataene med den bestemte tidssonen du tenker på å publisere bestemte typer innhold.
Arbeid med timedimensjonen
Timedimensjonen kan nås ved å bygge en tilpasset rapport. Du får tilgang til dem ved å klikke på "Tilpasning" i toppmenyen på Google Analytics, og deretter klikke på "Ny tilpasset rapport" -knappen. Når du redigerer den nye rapporten, finner du "Time" tilgjengelig under "Annet" i rullegardinmenyen for Dimensjon-feltet.
Selv en generell Pageviews-rapport basert på Hour-dimensjonen kan fortelle deg mye om dine besøkermønstre. Igjen, å undersøke disse dataene over en lengre tidsperiode er best for å finne mønstre, så jeg har laget mitt eget analysespann over seks måneder. Hva dataene nedenfor viser er at mine høyeste trafikkperioder er ettermiddagen, fra kl. 13.00 til 17.00. Og så interessant, det er en annen bølge veldig sent på kvelden, rundt klokken 22.00 (sannsynligvis etter at barna alle har gått til sengs og foreldrene kommer på nettet for å gjøre noen undersøkelser). 
Dette er egentlig bare toppen av isfjellet gjennom. Hvis du går over sidevisninger, tenk bare på hva andre beregninger forteller deg når du ser på det når det gjelder timemønstre. For eksempel, på hvilken tid på dagen ser du ut til å ha de høyeste avgangsprisene fra nettstedet ditt? Mine synes å være verst like før og etter midnatt. 
Hvilken tid på dagen får du de mest nye besøkende? Ved å bruke% Nye besøkene per time, kan du se når du har høyest antall nye besøkende. I mitt tilfelle får jeg maksimal ny trafikk før og etter midnatt, og godt inn tidlig om morgenen. Det er svært vanlig for en høy grad av nye besøk fra steder som Google Søk for å korrelere med høyere utgangsrenter, fordi en del av de nye besøkende er "hurtigklikkere", bare klikke gjennom for å se om artikkelen din svarer på spørsmålet eller interessen de hadde da de utførte søket.
Dette er bare noen få eksempler på timetrender du kan bruke til å lære mer om brukeradferd og trafikkmønstre, men hvis du er kreativ med beregninger eller kombinasjoner av beregninger du ser på, er mulighetene ubegrenset.
Arbeide med dagsdimensjon
Hvis du vil se på større mønstre, er en fantastisk en å utforske Dagen i uken-dimensjonen. Du kan finne denne under "Annet" i nedlastingskassen Dimensjon når du lager din tilpassede rapport. Navnet på dimensjonen er "Dag i ukesnavnet".
I likhet med timerapporten, er ukedagens rapport ved sidevisning en rask måte å se hvilken dag i uken du får mest trafikk. Overraskende nok følger min egen blogg et ganske klart mønster fra begynnelsen av uken som har mest trafikk, til slutten av uken som minst. Men dette er definitivt ikke alltid tilfelle. Jeg har sett andre steder der midten av uka er klart den travleste. Alt avhenger av nisje eller emne du dekker, og når folk som er interessert i innholdet ditt, mest sannsynlig vil bruke tid på nettet. 
Igjen, som med timeprofilen, kan ukedagrapporten sortert etter utgangsraten fortelle deg hvilken dag i uken folk har en tendens til å forlate nettstedet ditt ved først å besøke det. Du kan tro at dette skal svare direkte til trafikknivå, men det er ikke tilfelle. Som du kan se her, representerer hele helgen en tidsperiode med høye utgangsrenter på bloggen min, mens flere mennesker har en tendens til å henge rundt i starten og på slutten av 5-dagers arbeidsuke. 
Det er imidlertid mye mer som du kan gjøre med dette utover bare vanlige beregninger som sidevisninger og utgangsrenter. Hva med å lære hvilke dager flere mennesker deler artiklene dine, eller hvilke dager synes nettstedet ditt å slite mer med sidelasterhastigheten?
Andre mønstre du kan se
Det er så mange ting du kan analysere om nettstedet ditt ved hjelp av dag eller time metrisk at det er litt vondt å vurdere det. Det er noen flere eksempler jeg ønsket å dele bare for å appetitten din. Når du har rapporten din oppført på ukedag, kan du slippe ned den sekundære dimensjonsboksen og velge "Visitor Type" for å se de bestemte dagene du har flere tilbake eller nye besøkende. 
Å gjøre dette viser at jeg får det høyeste antallet nye besøkende i begynnelsen av uken, fra søndag til tirsdag. Det er også tilfeldigvis de dagene jeg får de høyeste returreisende, og viser at begge tallene korrelerer med generelle trafikkmønstre. Ingenting overraskende der. 
Men hvis du gjør noe som å sortere rapporten ved hjelp av andre beregninger, kan du trekke ut noen ganske interessante data. Hvis jeg for eksempel sorterer etter gjennomsnittlig tid på side, lærer jeg at tilbakevendende (lojale) besøkende tilbringer maksimal tid på sidene mine på torsdager, søndager og tirsdager, mens nye besøkende har en tendens til å bli på nettstedet den lengste i helgen, fra Fredag til søndag. 
Denne informasjonen kan være veldig nyttig for å målrette mot disse typer lesere under de riktige ukedagene. Gi deg innholdet ditt lojale lesere som du vet at de vil nyte mest på torsdag, mens du tilbyr nytt lesermålrettet innhold som kan oppfordre dem til å bli lojale lesere, over helgen.
Et annet eksempel kan være valg av "Actions per Social Visit" -metrisk, noe som kan vise dager i uken du får mest mulig sosial aktivitet på artiklene dine - det vil si de dagene da folk har en tendens til å dele dem mest. 
Kjører gjennom denne tilpassede rapporten, har jeg oppdaget at jeg får den beste aksjekursen på torsdag. Dette gir meg muligheten til ikke bare å målrette lesere som er mer aktive på sosiale nettverk i løpet av den aktuelle dagen (postering av sosiale nettverkskampanjer), men det viser deg også hvilke andre dager du kanskje må jobbe for for å øke sosial aktivitet på nettstedet . 
Et siste eksempel kan være å sjekke hvordan webserveren utfører i løpet av uken. Du kan se dette ved å velge Gj.sn. Sidelasttidsmetrik på den egendefinerte rapportredigeren. 
Sortering etter denne metriske beregningen i "Dag i uken" -rapporten viser at serveren min virkelig stammer på fredager og søndager. Når dette ikke korresponderer direkte med trafikken, vil du kanskje utforske andre årsaker til det, da det kan være løsninger som kan forbedre sidebelastningen på disse dagene. Sidebelastning har SEO-implikasjoner for nettstedet ditt, så det er en viktig måling å følge (og forbedre). 
Du kan til og med bryte ned sidelastet metrisk for hver time, for å se hvilken tid på dagen du ser ut til å ha de fleste problemer. Igjen, dette bør tilsvare trafikken. 
Når det ikke gjør det, er det en anelse om at du kan ha andre problemer med serveren i løpet av disse tider - kanskje du er på en delt webserver, og andre nettsteder slår det ned i disse tider.
Endelige notater
Som du kan se, kan timetall og daglige dimensjoner hjelpe deg med å bryte ned webadressene dine i mye mer meningsfylte data. Ved å mikse og matche dataene, kan du bedre forstå mye om hvordan og når trafikken kommer på nettstedet ditt, og hvordan leserne oppfører seg på forskjellige tidspunkter. Du kan utforske ting som de bestemte dagene du får bestemt henvisningstrafikk, dagens timer bestemte deler av nettstedet ditt pleier å gjøre det beste, og så mye mer.
Bruker du time eller dag beregninger når du undersøker Google Analytics? Hvis ja, hva slags ting har du analysert og hva har det fortalt deg om nettstedet ditt? Del dine egne erfaringer og ideer i kommentarfeltet nedenfor!