metodologija analiza podataka gemius audience_valicon

4

Click here to load reader

Upload: jasmin-maric

Post on 02-Jul-2015

444 views

Category:

Technology


6 download

DESCRIPTION

Metodologija analiza podataka gemius audience valicon

TRANSCRIPT

Page 1: Metodologija analiza podataka gemius audience_valicon

gemiusAudience

1 Uvod

Cilj ovog dokumenta je ponuditi uvid u metodologiju kojom se služimo u okviru projekta

mjerenja posjećenosti internet stranica gemiusAudience.

2 Tehničko mjerenje sa modelom ASP -

Aplication Service Provider

(tj. site-centric sistemi koji prate cookie-je)

Rezultati projekta gemiusAudience temelje se na podacima prikupljenim putem sistema za

praćenje internet saobraćaja gemiusTraffic.

U nastavku slijedi osnovni prikaz sheme po koracima, koji se dogañaju od trenutka kad

internet korisnik posjeti pojedinačnu internet stranicu, koju prati sistem gemiusTraffic.

Internet stranica

gemiusTraffic server

Internet korisnik

(2)

(1)

(3)

(4)

Page 2: Metodologija analiza podataka gemius audience_valicon

2

1. internet korisnik upiše adresu internet stranice, koju želi posjetiti, nakon čega browser

korisnika šalje HTTP naredbu prema serveru (izdavača).

2. server odgovora sa HTML kodom zahtjevane internet stranice, pri tome kod odredi sve

elemente (slike, CSS datoteke, datoteke ASP sistema) koje browser mora downloadati.

3. browser se poveže s gemiusTraffic serverom sa HTTP zahtjevom za redot.dot datotekom.

Sa svakim HTTP zahtjevom, šalju se dodatne informacije od strane browsera ka serveru: IP

adresa, datoteka sa cookie-jem, podaci o tipu browsera i slično. Tako cookie gemiusTraffic

prihvati zahtjev od strane browsera, a browser prihvati cookie.

4. gemiusTraffic server odgovori na zahtjev (ponudi zahtjevani »gif image«) i zapiše sve

parametre o prikazu stranice – vremenska jedinica prikaza stranice, IP adresa, tip browser,

ID internet stranice, URL internet stranice, operativni sistem internet korisnika, način pristupa

do internet stranice (povezivanje sa druge stranice, pretraživači,...) itd.

Sistem za pra ćenje internet saobra ćaja gemiusTraffic, kreira novi cookie (novi ID)

samo u primjeru kada browser može prihvatiti novi c ookie (što se potvrdi svaki put

kad se provjerava da li browser još ima ili nema ak tivan cookie, kojeg mu ga je

dodjelio sistem gemiusTraffic, ili da li browser uo pšte prihvata cookie ili ne).

BRISANJE COOKIE-JA

Internet korisnik može izgubiti cookie iz različitih razloga. Najčešći razlozi su:

1. korisnik sam podesi u svom browseru te cookie briše automatski uz odreñenu

frekvenciju;

2. korisnik koristi antivirusni program koji briše cookie-je odreñenom frekvencijom (npr.

svaki dan);

3. reinstalacija browsera;

4. reinstalacija računara (operativni sistem i ostale aplikacije).

Najveći utiecaj na brisanje cookie-ja imaju programi, koj i brišu cookie-je u odre ñenoj

frekvenciji. Na cijelom internet tržištu kao i na n ivou pojedinih stranica bilježimo

generi čki rast cookie-ja, primarno zbog pojava sve češćeg brisanja cookie-ja.

Page 3: Metodologija analiza podataka gemius audience_valicon

3

Važno je naglasiti kako rast cookie-ja ne zna či i proporcionaln rast u broju stvarnih

posjetioca, jer znamo da broj registrovanih cookiej a na odre ñenoj internet stranici nije

jednak broju stvarnih posjetioca. Koristimo se posebnim algoritmom kojeg predstavljamo

na kraju ovog dokumenta i pomoću kojeg izračunavamo doseg internet stranica. Osnovno

pitanje na kojeg pokušavamo odgovoriti pomoću algoritma je: »Koliko cookie-ja bi posjetilo

odreñenu internet stanicu x, ako pojava brisanja cookie- ja ne bi postojala?«

Za izračun mjesečnog dosega internet stranice koja učestvuje u istraživanju gemiusAudience

potrebno je razumijeti koliko često se brišu cookie-ji (razumijeti životni ciklus cookie-ja) meñu

posjetiocima pojedine stranice. Iskustva pokazuju, kako se u čestalost brisanja cookie-ja

razlikuje od veli čine kao i od tipa internet stranice, pa i samih nav ika internet

posjetioca. Zbog toga ne postoji jedinstven korekci jski faktor za sve internet stranice

koje u čestvuju u istraživanju, ve ć je slijede će definisano za svaki medij posebno.

Faktor brisanja cookie-ja mijenja se na mjese čnom nivou.

Tehnički dio mjerenja korišten u okviru projekta gemiusAudience, t.j. sistem gemiusTraffic

predstavlja osnovu za izračunavanje dosega (broja stvarnih posjetioca), ali je potrebno istaći,

kako je konačni obračun broja stvarnih posjetioca zasnovan samo na podatku o domaćem

internet saobraćaju. Zbog pojava brisanja cookie-ja broj registrovanih domaćih cookie-ja,

zabilježenih preko sistema za praćenje internet saobraćaja nije jednak stvarnom broju

internet korisnika (broju različitih ljudi). Za izračun mjesečnog dosega web stranice potrebno

je razumjeti koliko često se brišu cookie-ji na pojedinoj web stranici. Podaci pokazuju,

kako je udio brisanja cookie-ja zavisan od veličline kao i od tipa web stranice, zato ne postoji

jedinstveni indeks za sve internet stranice, već se isti definiše za svaku web stranicu

posebno.

Uzmimo primjer:

Internet stranica x ima 2 korisnika. Prvi korisnik ne briše cookie-je i tako je kroz cjeli mjesec zabilježen

sa istim ID brojem, dok je drugi korisnik u mjesecu A 5 puta izbrisao svoj cookie, zato je u bazi

podataka zabilježen svaki put pod drugim ID brojem (to znači 5 različitih ID brojeva). Podaci tehničkog

mjerenja prikazuju, kako je u mjesecu A postojalo 6 cookie-ja, jer je toliko bilo zabilježnih ID-ja. Dok

znamo, da zapravo govorimo o 2 različita korisnika. U ovom slučaju podatak nam govori kako 1

korisnik može da generiše 83% svih cookie-ja u bazi.

Page 4: Metodologija analiza podataka gemius audience_valicon

4

Zbog situacije opisane gore u okviru naše metodologije razvili smo poseban algoritam uz pomoć kojeg preciznije procjenjujemo broj različitih internet korisnika koji su posjetili stranicu X u mjesecu A. Iskustva zabilježena na BiH kao i na ostalim europskim tržištima gdje se izvodi istraživanje gemiusAudience pokazuju rast broja cookie-ja, ali to ne znači i proporcionalni rast u broju stvarnih posjetioca. Internet populacija ne raste toliko brzo već do promjena dolazi zbog promjene načina korištenja interneta (sve više ljudi na internetu je zabilježeno kroz različite cookie-je) – frekvencija korištenja stranice, korištenje različitih browsera istovremeno,... Primjeri: 1. Za primjer uzmimo da najčešće korišten browser na tržištu promijeni zadane postavke (settings by default) upravljanja cookie-jima (znači promijeni frekvenciju brisanja cookie-ja, npr. iz jednom mjesečno na jednom sedmično). Iako veličina internet populacije u tom primjeru ostaje nepromijenjena, sa ugla tehničkog mjerenja zbog brisanja cookie-ja broj domaćih cookie-ja raste. 2. Za primjer zamislimo internet stranicu A, koju dnevno posjeti 100 korisnika. 99 korisnika ne briše svoje cookie-je, 1 korisnik ima uključen antivirusni program i briše cookie-je dnevno. Nakon odreñenog vremena (npr. mjesec dana) ti posjetioci generisali su zajedno 130 cookie-ja (pri tome svakog od 99 korisnika interneta bilježimo u bazi cijelog mjeseca konstantno s istim cookie-jem, dok samo 1 korisnika u bazi bilježimo putem 30 različitih cookie-ja). Primjer pokazuje, kako je udio korisnika, koji brišu cookie-je jako malen (u ovom slučaju samo 1% svih posjetilaca), ali je efekt na konačni rezultat velik (u ovom slučaju: 30% internet saobraćaja (cookie-ja) generiše 1 internet korisnik). Ako ta ista grupa internet korisnika posjeti i stranicu B ali s važnom razlikom – internet stranicu ne posjećuju dnevno, već samo jednom sedmično – u jednom mjesecu (koji je sastavljen od 4 sedmice i nekoliko dana), ti korisnici generišu ukupno 104 cookie-ja (na taj način zabilježimo 99 korisnika sa istim cookie-jima i jednog korisnika, koji je predstavljen sa njih 5). Gore opisani primjer nalazi se u tablici 2, koja prikazuje broj cookie-ja i broj stvarnih posjetioca u odreñenom mjesecu za internet stranicu A i B te utiecaj frekvencije posjete na odnos izmeñu broja cookie-ja i stvarnih posjetilaca.

Tabela 2: broj cookie-ja i stvarnih posjetioca na primjeru stranice A i B U opisanom primjeru je frekvencija posjete stranice A i stranice B ključna kad uporeñujemo razlike izmeñu cookie-ja i stvarnih posjetioca (broja različitih ljudi).

Broj cookie-ja

Broj stvarnih

posjetilaca

Stvarni

posjetioci /

cookies

Frekvencija korištenja

internet stranice

Stranica A 130 100 77% dnevno

Stranica B 104 100 96% sedmično