тест от Яндекс.Метрики, как пользовались интернетом раньше и как теперь (с ответами). Читайте на Cossa.ru
19 февраля 2020, 12:50
Посчитали всё — любимые браузеры и устройства, скорость загрузки страниц по регионам, трафик из соцсетей и даже пики интернет-активности россиян в течение суток.
Поделиться
Поделиться
Яндекс.Метрика работает уже больше десяти лет, за это время изменился и рунет, и его аудитория. Выбирайте: можно просто прочитать данные сервиса ниже в статье, а можно пройти небольшой тест и проверить, насколько хорошо вы представляете произошедшие перемены.
Десктопные браузеры
Десять лет назад более трети всего объёма десктопного трафика в рунете обеспечивали пользователи Internet Explorer. Ещё по четверти приходилось на Opera и Firefox.
К 2019-му всё сильно поменялось. Доля Internet Explorer снизилась до 4%, пришедший ему на смену Edge ещё менее популярен.
Opera и Firefox по-прежнему идут наравне, но теперь на них приходится лишь по 9% визитов на сайты.
Сегодня три четверти всех визитов на сайты рунета совершаются через Google Chrome и Яндекс.Браузер.
Мобильные браузеры
На Opera Mini в 2010 году приходилось три четверти всех визитов со смартфонов и телефонов. Сейчас лидер — Google Chrome, через него совершается 40% визитов.
Производители смартфонов и телефонов
Вот так мобильный трафик распределялся между устройствами разных производителей десять лет назад, в январе 2010 года.
В начале 2010 года лидером по объёму трафика всё ещё была Nokia, но уже через три месяца её обогнала Apple.
В 2019 году лидеры по объёму трафика — Samsung, Apple, Huawei и Xiaomi.
Китайские производители пока уступают Samsung и Apple, но их популярность растёт.
Вот так выглядит топ-5 производителей смартфонов по объёму трафика в разных возрастных группах.
Самая высокая доля визитов со смартфонов Apple — в Москве и области, на Северном Кавказе, а также в Ямало-Ненецком и Ненецком автономных округах.
Регионы с самой высокой долей визитов со смартфонов Apple (по числу визитов на сайты с Яндекс.Метрикой со смартфонов, 2019 год):
- Москва и область (27%)
- Республика Ингушетия
- Республика Дагестан
- Карачаево-Черкесская Республика
- Ямало-Ненецкий автономный округ
- Республика Северная Осетия — Алания
- Республика Адыгея
- Ненецкий автономный округ
- Санкт-Петербург и область (22%)
Самая низкая доля визитов со смартфонов Apple — в Чукотском АО (8%), Еврейской АО (10%) и Республике Алтай (11%).
Время загрузки страниц
Чем насыщеннее цвет закраски региона на этой карте, тем выше время загрузки страниц на десктопах.
Самый быстрый десктопный интернет — в Москве и области, Свердловской области и Карачаево-Черкессии.
Регионы с самым низким временем загрузки страниц (по данным о визитах на сайты с Яндекс.Метрикой с десктопов, 2019 год):
- Москва и область (664 мс)
- Свердловская область
- Карачаево-Черкесская Республика
- Рязанская область
- Санкт-Петербург и область
- Владимирская область
- Калужская область
- Воронежская область
- Липецкая область
- Мурманская область (752 мс)
Версии Windows
97% всех десктопных визитов на сайты с Метрикой совершаются с компьютеров, работающих на Windows.
Этот показатель стабилен все последние десять лет, а вот популярность отдельных версий операционной системы меняется: на графике видно угасание Windows XP, взлёт и постепенный спад популярности Windows 7, а также уверенный рост Windows 10.
Социальные сети
В 2013 году Метрика начала выделять среди всех переходов на сайты те, которые люди совершают из соцсетей — по ссылкам в постах других пользователей или в рекламных объявлениях. На этом графике показано, как менялись доли популярных платформ в общем объёме соцсетевого трафика.
Интернет-активность в течение суток
С компьютеров больше всего визитов совершается в течение рабочего дня, а после 17 часов активность резко снижается. На мобильных интернет-день начинается раньше, чем на десктопах: проснувшись, люди первым делом тянутся за гаджетами.
Число визитов с мобильных растёт весь день и достигает пика примерно в десять вечера.
Упускаете лиды?
Уже сегодня ваш трафик может стать в разы полезнее — при малых затратах по сравнению с «большой» рекламной кампанией.
Ведь в идеале вы хотите работать со всеми, кто вообще интересовался продуктом. А так можно было?
Теперь можно →
Спецпроект
Поделиться
Поделиться
как тестировать новое и оптимизировать кампании в период неопределённости
Чтобы вносить изменения в рекламные кампании не вслепую, а выбирать действительно эффективные настройки, нужно проводить А/Б-тестирование. Специалист по контекстной рекламе KIT SOLER Performance Александра Герасимова рассказывает, как A/Б-тесты могут улучшить финансовые показатели бизнеса, зачем использовать А/Б-тесты в рекламе и как их настраивать в Яндекс.Директе.
Представим ситуацию. У вас есть сайт с настроенной на него контекстной рекламой. Вы смотрите объявления в одной из рекламных кампаний и думаете, что аудитория охотнее бы делала заказ, если бы в качестве посадочной страницы вы выбрали не раздел основного сайта, а отдельно созданный под рекламируемую услугу лендинг с формой обратной связи.
При этом вы понимаете, что это всего лишь предположение, основанное на личном опыте, и оно может не совпадать с поведением вашей целевой аудитории. В такой ситуации на помощь приходит A/Б-тестирование.
Суть А/Б-тестов в том, что аудитория вашего сайта будет разделена на группы, одна из которых увидит исходный вариант посадочной страницы, а другая — новый. Вы сможете собрать данные об обеих аудиториях и проанализировать, какая сделала больше заказов.
A/Б-тестирование помогает решать следующие задачи:
- Эффективнее привлекать трафик. Например, тестирование показало, что подключение нескольких категорий автотаргетинга повышает количество переходов на ваш сайт. Применив его во всех кампаниях, вы увеличите объем трафика.
- Улучшить позиции рекламного объявления в поисковой выдаче. Например, вы добавили в быстрые ссылки акции, и тестирование показало, что у нового объявления CTR выше. Такое объявление будет чаще показываться на более высоких позициях поиска.
- Увеличить конверсии сайта. В ходе тестирования вы увидели, что новые корректировки ставок отсекают нецелевую аудиторию. Используя их, вы увеличите количество визитов с достижением цели на сайте.
- Упростить структуру рекламного аккаунта. В вашем аккаунте работало много отдельных рекламных кампаний, настроенных на разные города. А/Б-тест показал, что новая кампания, которая объединила в себе текущие с разбивкой по городам внутри групп, работает лучше за счёт того, что получает больше конверсий для обучения. Вы делаете выбор в пользу новой рекламной кампании, и управление аккаунтом становится проще, поскольку кампаний стало меньше.
Пошагово объясним, как проводить А/Б-тесты в Яндекс.Директе.
Для начала нужно сформулировать гипотезу, которую мы хотим проверить. Тестировать можно:
- посадочные страницы;
- УТП в объявлении;
- креативы;
Тестирование креативов
- стратегии назначения ставок;
- время показа рекламы;
Тестирование времени показа рекламы
Тестирование времени показа рекламы
- корректировки ставок;
- типы устройств;
Тестирование таргетинга по типам устройств
Тестирование таргетинга по типам устройств
- площадки показа;
- объединение таргетингов из разных кампаний;
- разделение аудитории по местоположению.
Можно тестировать целые медиапланы, если вы хотите узнать, какой сработает эффективнее. В общем, сценариев может быть огромное количество. Мы советуем выбирать один элемент для тестирования, чтобы быть уверенным в том, что именно он повлиял на поведение пользователей. Например, сформулированная гипотеза может звучать так — лендинг в качестве посадочной страницы будет приносить больше конверсий за меньшую стоимость, чем раздел основного сайта.
Кроме этого, на первом шаге нужно определить метрики, по которым будет оцениваться результат A/Б-теста. Как правило, для этого выбирают коммерческие показатели, например, количество конверсий, стоимость заявки, ДРР и т.д. Но можно проводить и тестирование технических характеристик: охвата или кликабельности.
Мы определились с гипотезой и приступаем к настройке. Для правильного A/Б-тестирования лучше пользоваться инструментом Яндекс Директа «Эксперименты». Он позволяет точно распределить количество входящего трафика между тестируемыми кампаниями и получить наглядные отчёты, по которым легко и быстро можно проанализировать результаты тестов.
Создаём новый эксперимент в Яндекс.Директе. В настройках добавляем количество сегментов, которое равно количеству тестируемых вариантов — для нашего примера нужно два. Далее распределяем между ними весь объем трафика так, чтобы сумма частей составляла не больше 100% — чаще всего это равные доли, 50% на 50%, но можно задать любую пропорцию.
Если вы сильно переживаете, что работа новой кампании негативно скажется на показателях вашего рекламного аккаунта, вы можете назначить для исходной кампании 70–80% трафика, а на тестовую оставить лишь 20-30%.
После того, как мы создали эксперимент, переходим в интерфейс Директа и создаём копии кампании, в которую планируем вносить изменения. Количество копий должно соответствовать количеству созданных в эксперименте сегментов. Одну из созданных кампаний оставляем как есть, а в другие вносим соответствующие корректировки. В нашем примере внутри одной из наших двух копий меняем исходные посадочные страницы в объявлениях на лендинг.
Важно, чтобы изменён был только тестируемый элемент, а остальные настройки кампаний оставались идентичными, иначе вы не сможете точно определить, что именно повлияло на полученные результаты.
Далее в настройках новых кампаний добавляем созданный эксперимент и для каждой кампании выбираем соответствующий сегмент.
Тестирование обеих копий обязательно проводить параллельно — это исключит влияние внешних факторов на результат, например, сезонности или изменений в стратегии конкурентов. Последний важный шаг настройки — сделать так, чтобы остановка исходной кампании и запуск ее копий произошли одновременно. Это можно сделать с помощью настройки даты включения и отключения кампаний.
Когда эксперимент запущен, начинается накопление данных. Следить за ходом тестирования полезно, но не нужно вносить значительные изменения в кампании до окончания эксперимента, иначе результаты будут искажены. К примеру, в рекламной кампании, работающей на ручной стратегии, вы вполне можете корректировать ставки, но менять цель в кампании с конверсионной стратегией не стоит.
Также не следует торопиться и делать выводы сразу после запуска — необходимо набрать достаточно статистики. Обычно эксперимент нужно проводить как минимум две недели, а в среднем в течение месяца — все зависит от объема трафика и набранных за этот период конверсий. Проверить, достаточно ли было накоплено статистики, можно в специальном отчёте в Метрике или в калькуляторе А/Б-тестирования, подробнее об этом — в шаге 4.
При расчёте времени эксперимента учитывайте особенности тестируемого элемента — например, если вы думаете над внедрением автостратегии вместо ручного управления ставками, нужно понимать, что первые две недели после запуска кампании уйдут только на обучение стратегии. Поэтому первые две недели для оценки не очень подходят, лучше брать последующие.
Мы уже запустили эксперимент, следили за ним в течение условного месяца и теперь переходим к результатам. Их можно проанализировать на основе отчёта в Директе, отчёта в Метрике или калькулятора достоверности A/Б-тестирования от Яндекса.
1. Чтобы посмотреть результаты теста в интерфейсе Директа, нужно зайти в Мастер отчетов и выбрать метрики, по которым было решено оценивать результаты тестирования, и фильтр «Эксперименты».
2. В Метрике нужный отчёт называется «Директ, эксперименты». Если открыть его, выбрать интересующие нас метрики и перейти в режим сравнения, можно увидеть разметку данных разными цветами.
- зелёный цвет означает, что экспериментальный вариант оказался лучше исходного;
- красный — хуже;
- серый — показатели обоих вариантов значительно не отличаются.
Если ячейки не размечены цветом, значит, еще набралось недостаточно данных, чтобы делать выводы, либо для выбранных показателей недоступно сравнение.
3. Чтобы посмотреть результаты через калькулятор A/Б-тестирования, нужно заполнить в нем данные, согласно набранной в ходе эксперимента статистике и указать значение p-value — оно отражает степень вашей уверенности в результате теста (рекомендованное значение — 80%).
Смотрим на значения показателя в последнем столбце:
- «Да» означает, что экспериментальный вариант сработал лучше исходного;
- «Нет» — экспериментальный вариант сработал хуже;
- «?» — значимой разницы нет.
Любой из этих треёх способов поможет понять, внедрять ли изменения в настройку рекламы или искать новые идеи для улучшения ее работы.
В ноябре прошлого года Яндекс анонсировал инструмент Вариокуб, который позволяет проводить А/Б-тесты прямо в Метрике. С его помощью можно выяснить, какие изменения на сайте влияют на увеличение его конверсии. Для этого после формирования гипотезы и выбора целевых метрик, по которым планируется оценивать результат, нужно создать тестируемые версии сайта и запустить эксперимент. В ходе тестирования пользователи с разными идентификаторами взаимодействуют с разными версиями сайта, а Метрика фиксирует их действия. После окончания эксперимента можно изучить статистику и решить, стоит ли вносить корректировки.
Использование __handle_data_items в yandex-tank с примерами
Лучший фрагмент кода Python с использованием yandex-tank
plugin.
py
Источник:plugin.py 232 собственное время = {} 233 self.max_metric_len = 0 234 def get_index(self): 235 return 50 236 def __handle_data_items (я, хост, данные): 237 9 0012 «»» сохранить метрику в дереве данных и рассчитать смещение знаки 238 знак < 0 — ГОЛУБОЙ, означает, что значение метрики ниже предыдущего, 239 знак > 1 — ЖЕЛТЫЙ, означает, что значение метрики выше предыдущего, 240 знак == 0 — БЕЛЫЙ, означает начальное или равное значение метрики 241 «»» 242 для метрики, значение в data.iteritems(): 243 , если значение == »: 244 self.sign[host][metric] = -1 245 self.sign[host][metric] = -1 245 self. данные[хост][метрика] = значение 246 иначе: 247 если не self.data[host].get(metric, None): 248 self.sign[host][metric] = 1 249 elif float(value) > float(self .data[host][metric]): 250 self.sign[host][metric] = 1 251 elif float(value) < float(self.
data[host][metric]): 252 self .sign[хост][метрика] = -1 253 еще: 254 self.sign[host][metric] = 0 255 self.data[host][metric] = «%.2f» % float(value) 256 def Monitoring_data(self, block): 257 # образец блока: 258 # [{‘timestamp’: 1480536634, 259 # ‘data’: { 260 # ‘some.hostname.tld’: { 261 # ‘comment’ : », 262 # ‘метрика’: { 263 # ‘custom:diskio_reads’: 0, 264 # ‘Net_send’: 9922, 265 # ‘CPU_steal’: 0, 266 # ‘Net_recv’: 8489 267 # } 268 900 12 # } 269 # }, 270 # . .. 271 # }] 272 для фрагмента в блоке: 273 host = chunk[‘data’].keys()[0] 274 self.time[host] = chunk[‘timestamp’] 275 # при первоначальном вызове мы создаем словари с данными и `знаками` 276 # `знаки`, используемые позже для раскрашивания метрик разными цветами [host] = {} 280 для ключа, значение в блоке [‘data’][host][‘metrics’].
iteritems(): 281 self.sign[host][key] = 0 282 self.data[хост][ключ] = значение 283 иначе: 284 самовывоз. __handle_data_items (хост, чанк[‘данные’][хост][‘метрики’]) 285 def render(self, screen): 286 если не self.owner.monitoring: 287 return «Мониторинг » + screen.markup.RED + «offline» + screen.markup.RESET 288 else: 289 res = «Мониторинг есть» + screen.markup.GREEN + \ 290 «online» + screen.markup. СБРОС + «:\n» 291 для имени хоста, метрики в self.data.items(): 292 tm_stamp = datetime.datetime.fromtimestamp( 293 float(self.time[hostname])).strftime(‘%H:%M:% S’) 294 res += (» » + screen.markup.CYAN + «%s» + screen.markup.RESET + 295 » at %s:\n») % (имя хоста, tm_stamp) 296 для метрики, значение в sorted(metrics.iteritems()): 297 , если self.sign[hostname][metric] > 0: 298 значение = screen.markup.YELLOW + value + screen.
markup.RESET …
Была ли эта статья полезной?
Отчет — ВДЗ Яндекс Метрика 1.2.7
- Дом
- ВДЗ Яндекс Метрика
- 1.2.7
Плагин VDZ Яндекс Метрика работает с WordPress 4.8.3 и PHP 7.0.16? Дымовой тест был проведен .
Сводка
Ошибки
| Нет ошибок PHP, предупреждений или уведомлений | |
| Нет исключений JavaScript | |
| Все тестовые страницы успешно загружены | |
| Нет ошибок ресурсов | |
| Хорошо выглядит! Проблем не обнаружено. |
Производительность
Использование памяти: 10,99 КиБ
Среднее использование памяти PHP увеличилось на эту величину после активации плагином.
Влияние на скорость страницы:
незначительный.
Плагин не замедлил работу сайта заметно.
Окружающая среда
| Версия WordPress | 4.8.3 |
|---|---|
| Версия PHP | 7.0.16 | 9018 6
| MySQL версии | 5.7.17 |
| Ограничение памяти PHP | 256M |
Информация о плагине
Страниц 2
902 57 Плагины ‹ Тестовый сайт — WordPress| URL | /wp-admin/plugins.php?activate=true&plugin_status=all&paged=1&s= |
|---|---|
| Запрошенный URL-адрес | /wp-admin/plugins.php?action=activate&plugin=vdz-yandex-metrika%2Fvdz-yandex-metrika.php&plugin_status=all&paged=1&s&_wpnonce=7e68aad73d |
| Аспект | после активации |
| Состояние HTTP | 200 ОК |
| Время загрузки | 0,565 с |
| Использование памяти | 2,86 МБ |
| Ошибки JS | Нет |
| Ошибки ресурсов | Нет |
Тестовый сайт — Еще один сайт WordPress
| URL-адрес | / |
|---|---|
| Аспект | главная страница |
| Состояние HTTP | 200 ОК |
| Время загрузки | 0,095 с |
| Использование памяти | 2,62 МБ |
| Ошибки JS | Нет |
| Ошибки ресурсов | Нет |
Контрольный показатель
| URL-адрес | Время загрузки | Использование памяти | |||||
|---|---|---|---|---|---|---|---|
| Неактивный | Активный | Изменить | Неактивен | Активный | Изменить | ||
/wp-admin/index. php | 0,130 с | 0,091 с | 2,9 МБ 901 85 | 2,91 МиБ | + 9,63 КиБ | ||
| /wp-admin/edit.php | 0,122 с | 0,099 с | -0,023 с | 2,92 МБ | 9018 4 2,94 МБ+ 17,6 КиБ | ||
| /wp-admin/post-new .php | 0,221 с | 0,059 с | -0,162 с | 2,99 МБ | 3,01 МБ | + 16,77 КБ | |
| /wp-admin/upload.php | 0,100 с | 0,098 с | -0,002 с | 2,83 МБ | 9- 0,027 с2,82 МиБ | 2,83 МиБ | + 9,52 КиБ |
| /wp-admin/media-new.php | 0,070 с | 0,057 с | -0,013 с | 2,81 МБ | 2,82 МБ | + 9,52 КиБ | |
| /wp-admin/edit-теги .php?taxonomy=категория | 0,099 с | 0,083 с | -0,016 с | 2,85 МБ | 2,86 МБ | + 9,52 КиБ | |
/ wp-admin/post-new. | |||||||