Web analytics: differenze tra le versioni

Versione delle 13:23, 31 mag 2021

Versione attuale delle 20:00, 21 ago 2025

(10 versioni intermedie di 9 utenti non mostrate)

Riga 5:

[[Matomo (software)|Matomo]] è un esempio di [[software libero]] per effettuare web analytics.<ref>{{Cita web|https://matomo.org/|Free Web Analytics Software|30 dicembre 2020|lingua=en}}</ref>

Consiste nella misurazione, raccolta, analisi e reporting dei dati web per comprendere e ottimizzare l'utilizzo del web. La web analytics non è solo un processo per misurare il traffico web, ma può essere utilizzata come strumento per ricerche commerciali e di mercato e per valutare e migliorare l'efficacia del sito web. Le applicazioni di [[analisi dei dati]] web possono anche aiutare le aziende a misurare i risultati delle tradizionali campagne pubblicitarie su stampa o trasmissione. Può essere utilizzato per stimare come cambia il traffico verso un sito web dopo il lancio di una nuova campagna pubblicitaria. L'analisi dei dati web fornisce informazioni sul numero di visitatori di un sito Web e sul numero di visualizzazioni di pagina. Aiuta a misurare le tendenze del traffico e della popolarità, il che è utile per le ricerche di mercato.

== Passaggi di base del processo di analisi dei dati web ==

Riga 14:

* Elaborazione dei dati in informazioni: questa fase di solito prende i conteggi e li rende rapporti, sebbene possano esserci ancora alcuni conteggi. L'obiettivo di questa fase è prendere i dati e conformarli in informazioni, in particolare metriche.

* Sviluppo di KPI: questa fase si concentra sull'utilizzo dei rapporti (e conteggi) e sull'infusione di essi con strategie aziendali, denominate indicatori chiave di prestazione (KPI). Molte volte, i KPI si occupano degli aspetti di conversione, ma non sempre. Dipende dall'organizzazione.

* Formulazione della strategia online: questa fase riguarda gli obiettivi, gli obiettivi e gli standard online per l'organizzazione o l'azienda. Queste strategie sono generalmente correlate al guadagno, al risparmio o all'aumento della [[quota di mercato]].

Un'altra funzione essenziale sviluppata dagli analisti per l'ottimizzazione dei siti web sono gli esperimenti

Riga 30:

* '''On-site web analytics''', la più comune delle due, misura il comportamento di un visitatore una volta ''su un sito web specifico''. Ciò include i suoi driver e conversioni; ad esempio, il grado in cui le [[landing page]]s sono associate agli acquisti online. L'analisi on-site misura le prestazioni di un sito web specifico in un contesto commerciale. Questi dati vengono in genere confrontati con gli indicatori chiave di prestazione per le prestazioni e vengono utilizzati per migliorare la risposta del pubblico di un sito Web o di una campagna di marketing. [[Google Analytics]] e Adobe Analytics sono il servizio di analisi on-site più utilizzato; sebbene stiano emergendo nuovi strumenti che forniscono ulteriori livelli di informazioni, comprese le mappe termiche e la riproduzione della sessione.

Storicamente, l'analisi dei dati web è stata utilizzata per fare riferimento alla misurazione dei visitatori sul sito. Tuttavia, questo significato è diventato sfumato, principalmente perché i fornitori stanno producendo strumenti che abbracciano entrambe le categorie. Molti fornitori diversi forniscono software e servizi di analisi on-site. Esistono due modi tecnici principali per raccogliere i dati. Il primo e tradizionale metodo, l’l{{'}}''analisi dei logfiles del server'', legge i logfiles in cui il [[server web]] registra le richieste di file dai browser. Il secondo metodo, la ''codifica delle pagine'', utilizza [[JavaScript]] incorporato nella pagina Web per effettuare richieste di immagini a un server dedicato all'analisi di terze parti, ogni volta che una pagina Web viene visualizzata da un browser web o, se lo si desidera, quando si verifica un clic del mouse. Entrambi raccolgono dati che possono essere elaborati per produrre report sul traffico web.

=== Fonti di dati di analisi dei dati web ===

Riga 36:

# Dati di richiesta HTTP diretti: provengono direttamente dai messaggi di richiesta HTTP (intestazioni di richiesta HTTP).

# Dati a [[livello di rete]] e generati dal server associati alle richieste HTTP: non fanno parte di una richiesta HTTP, ma sono necessari per la corretta trasmissione delle richieste, ad esempio l'indirizzo IP di un richiedente.

# Dati a [[livello di applicazione]] inviati con richieste HTTP: generati ed elaborati da programmi a livello di applicazione (come JavaScript, PHP e [[ASP.NET|ASP.Net]]), incluse sessioni e riferimenti. Questi vengono solitamente acquisiti da log interni piuttosto che da servizi di analisi web pubblici.

# Dati esterni: possono essere combinati con i dati sul sito per aiutare ad aumentare i dati sul comportamento del sito web descritti sopra e interpretare l'utilizzo del web. Ad esempio, gli indirizzi IP sono generalmente associati a regioni geografiche e provider di servizi Internet, percentuali di clic e di apertura della [[posta elettronica]], dati delle campagne di direct mail, cronologia delle vendite e dei lead o altri tipi di dati secondo necessità.

=== Analisi dei logfiles del server web ===

Riga 146:

== Fonti comuni di confusione nell'analisi dei dati web ==

=== Il problema dell'hotel ===

Il problema dell'hotel è generalmente il primo problema riscontrato da un utente di web analytics. Il problema è che i visitatori unici per ogni giorno in un mese non si sommano allo stesso totale dei visitatori unici per quel mese. A un utente inesperto questo sembra essere un problema in qualunque software di analisi stia utilizzando. In effetti è una semplice proprietà delle definizioni metriche.

Riga 183 ⟶ 182:

== Metodi di analisi dei dati web ==

=== Problemi con i cookie ===

Storicamente, i fornitori di soluzioni di analisi dei tag delle pagine hanno utilizzato cookie di terze parti inviati dal dominio del fornitore invece del dominio del sito web che si sta navigando. I cookie di terze parti possono gestire i visitatori che attraversano più domini non correlati all'interno del sito dell'azienda, poiché il cookie è sempre gestito dai server del fornitore.

Riga 194 ⟶ 192:

== Metodi di analisi sicuri (misurazione) ==

Potrebbe essere utile essere consapevoli del fatto che la raccolta di informazioni di terze parti è soggetta a limitazioni di rete e sicurezza applicate. Paesi, fornitori di servizi e reti private possono impedire che i dati sulle visite al sito vadano a terze parti. Tutti i metodi sopra descritti (e alcuni altri metodi non menzionati qui, come il campionamento) hanno il problema centrale di essere vulnerabili alla manipolazione (sia inflazione che deflazione). Ciò significa che questi metodi sono imprecisi e insicuri (in qualsiasi ragionevole modello di sicurezza). Questo problema è stato affrontato in una serie di articoli<ref>{{Cita libro|pp=[https://archive.org/details/advancesincrypto0000euro_o1s1/page/576 576]|anno=1998|isbn=978-3-540-64518-4|doi=10.1007/BFb0054155|volume=1403|trasmissione=Lecture Notes in Computer Science|titolo=Advances in Cryptology — EUROCRYPT'98|url=https://archive.org/details/advancesincrypto0000euro_o1s1|nome1=M.|capitolo=Secure and efficient metering|cognome2=Pinkas|nome2=B.|cognome1=Naor}}</ref><ref>{{Cita pubblicazione|volume=30|numero=1–7|pp=541–550541-550|anno=1998|doi=10.1016/S0169-7552(98)00116-0|rivista=Computer Networks and ISDN Systems|titolo=Secure accounting and auditing on the Web|nome1=M.|cognome2=Pinkas|nome2=B.|cognome1=Naor}}</ref><ref>{{Cita libro|pp=[https://archive.org/details/financialcryptog0000fcco/page/151 151]|chapter-url-access=registration|citeseerx=10.1.1.46.7786|autore1=Matthew K. Franklin|autore2=Dahlia Malkhi|capitolo=Auditable metering with lightweight security|anno=1997|titolo=Financial Cryptography|trasmissione=Lecture Notes in Computer Science|volume=1318|doi=10.1007/3-540-63594-7_75|isbn=978-3-540-63594-9|url_capitolourlcapitolo=https://archive.org/details/financialcryptog0000fcco/page/151}}</ref><ref>{{Cita pubblicazione|volume=1|ppp=39|anno=2007|doi=10.1504/IJICS.2007.012244|rivista=International Journal of Information and Computer Security|titolo=Deflation-secure web metering|nome1=R.|cognome2=Staddon|nome2=J.|cognome1=Johnson|citeseerx=10.1.1.116.3451}}</ref>, ma le soluzioni suggerite in questi documenti rimangono teoriche, forse per mancanza di interesse da parte della comunità ingegneristica, o per guadagni finanziari che la situazione attuale offre ai proprietari di grandi siti web. Per maggiori dettagli, consultare i suddetti documenti.

== Note ==

Riga 202 ⟶ 200:

* [[Sistema di tracciamento]]

== Altri progetti ==

{{interprogetto}}

== Collegamenti esterni ==

* {{Collegamenti esterni}}

{{Controllo di autorità}}

{{Portale|informatica}}