Trender er godt brukt innen digital analyse, og som oftest benyttet til å se på utvikling over tid. Derimot kan det hende du ser på ganske mange trender, og biorytmen av dine trender vil kanskje ikke nødvendigvis vise store forskjeller.

Så hvordan skal du se forskjell? Hvordan skal du identifisere de stedene der det er verdt en ekstra titt? Da benytter du kontrolldiagram.

Trender – Møt Kontrolldiagram

En trend vil som oftest ved stort nok datagrunnlag inneha en “biorytme”, en slags “puls” som ser ut til å være lik for hver måned, eller hver uke, eller fordelt på de forskjellige timene per dag.

Disse trendene kan være vanskelige å forstå, også vanskelig å forutsi. Som oftest foregår dypdykk i tallene på grunn av enkeltvise observerte avvik. Noen ganger kan vi bli tatt litt på senga her, og ikke gjenkjenne en naturlig rytme, til tross for at den er høyere eller lavere enn tidligere.

Biorytmen i tallene er basert på brukernes atferd, sesong + mange andre faktorer som spiller inn. Til sammen danner de et sett med rytmer av svingninger opp og ned i trendene. Her kan du identifisere mønster på spesielle tidsperioder, hvilket vil gi en bedre innsikt enn å kun blindt se på en trend uten noen som helst form for kontekst.

Du trenger ikke nødvendigvis se på hva tallene er, spesifikt, men du trenger å se på hvordan trendene utvikler seg. For å kunne identifisere hvilke steder du bør ta en titt, så kan du benytte deg av kontrolldiagram.

Hva er kontrolldiagram

Et kontrolldiagram er 3 forskjellige nivåer i en graf som danner det naturelle området for svingninger. Det øverste nivået (UCL: Upper Control Limit) er beregnet: gjennomsnittet + (3 x standardavvik). Det nederste nivået er beregnet: gjennomsnittet – (3 x standardavvik).

I midten har du gjennomsnittet. Det betyr at innenfor disse kontrollnivåene, vil den naturlige svingningen foregå.

Så lenge dine trender ikke overgår noen av disse grensene, har du mest sannsynlig med normale svingninger å gjøre. Når de derimot krysser en av disse, er det rom for “bekymring” (les avvik).

Eksempel på kontrolldiagram:

Jeg har tatt eksempel i organisk trafikk fra januar og frem til og med mai. Hele måneder kun. Her har jeg beregnet antall besøk per måned, standardavviket, gjennomsnittet og satt opp en tabell på dette.

Jeg har også regnet ut UCL (Upper Control Limit) og LCL (Lower Control Limit). Dermed kan jeg se innenfor rammene av de nivåene jeg har satt om mine trender går utenfor disse.

Når eller om de går utenfor disse rammene, har jeg grunnlag til å se nærmere på hva som er årsak til avviket.

I bildet over så kommer det godt frem at det er god margin mellom svingningene og kontrollnivåene. Til tross for at måned nr 2 har høyere besøksnivå, så er dette ikke noe som er alarmerende høyt. Det samme er det med mars måned, som er betraktelig lavere enn 2 måned.

Sammendrag

Når du jobber med mye trender og diagrammer kan det være lurt å implementere kontrolldiagrammer med UCL og LCL for å kunne identifisere avviksområder som trenger dypere analyse. Dette vil være tidsbesparende når du kan fastslå at svingningene i trendene er årsak til naturlige svingninger og ikke unormale avvik.

Derimot, den eneste lille bekymringen her er at trendlinjen viser negativ utvikling (vist med grønne piler). Dette er noe som kanskje bør holdes under oppsikt. Igjen, det kan være en naturlig svingning, og den er ikke betydelig nedadgående.