Krister Ross 
Webanalyse har blitt en uunnværlig del av digital markedsføring og styring av nettbaserte tjenester. En av de mest populære verktøyene for dette er Google Analytics, som tilbyr en rekke metrikker for å forstå brukeratferd og nettstedytelse. En av de mest brukte, men også mest misforståtte måltallene i Google Analytics, og andre steder forøvrig, er “Users”, også kalt “unike brukere”.
Denne artikkelen tar for seg hvorfor denne metrikken er viktig, hva den egentlig betyr, hvordan den fungerer, og hvorfor det kan være problematisk å stole blindt på den.
Hvorfor er “users” viktig?
Innen digital markedsføring og webanalyse er “users” ofte betraktet som en nøkkelindikator for nettstedets suksess. Det skal tilsynelatende gi en indikasjon på hvor mange unike personer som besøker nettstedet, noe som kan være viktig for mange for å forstå omfanget av publikum, målgruppe og deres engasjement med innholdet på sidene deres. Denne informasjonen kan deretter brukes til å lage mer målrettede markedsføringskampanjer, forbedre nettstedets brukeropplevelse, samt tilpasse innhold basert på atferd som vi kaller personalisering.
Her i Norge så har jeg skjønt at bruken av “brukere” og “unike brukere” er som om det er “vedtatt og fastslått” i mediebransen, som benytter dette måltallet til å rapportere på.
Vi må ikke blande sammen “brukere” med “personer”, for det blir feil. La oss se på hvorfor.
Hva er “users”?
I Google Analytics defineres en “User” som en unik person som har har besøkt nettstedet ditt. For å identifisere en unik bruker, bruker Google Analytics en unik ID som lagres i en “_ga cookie” i brukerens nettleser. Dette lar systemet skille mellom “nye” og “returnerende” brukere. Imidlertid har denne metoden flere begrensninger, som vi vil se senere.
En unik bruker er per definisjonen en nettleser (du lagrer cookien der) + IP adresse. Og det er her trøbbelet begynner.
Hvis jeg foretar meg et søk i Google etter hvor mange brukere finn.no har, så fikk jeg til svar at Finn.no har 6.3 millioner unike brukere i uken. Hvis man skal summere disse opp (for det blir man jo fristet til), så ender vi altså opp med 6.3m x 52 = 327.6m. Det er et heftig antall brukere. Og det er veldig lett å anta at vi snakker om over 300 millioner personer. Det gjør vi altså ikke.
Første utfordring
Man skulle kanskje trodd at “users” = “new users” + “returning users”, men dessverre så er det heller ikke slik. Google Analytics har faktisk aldri hatt en “returning users” metric, men heller hatt en egen dimensjon kalt “returning visitors”, som har vært tilgjengelig i “New vs Returning” rapporten. Denne er ment til å gi en indikasjon på hvor mange brukere som har besøkt nettstedet og har kommet tilbake til den. Da kan man anta at hvis antallet returnerende brukere er høyere enn tidligere, så er det fordi innholdet var tiltrekkende og engasjerende. For å gjøre det veldig enkelt.
Men så er det viktg å se på disse to tingene separat. “Users” er faktisk et måltall, mens “returning visitors” er faktisk en dimensjon, på samme måte som “URL” eller “Default Channel Group” som vi (jeg iallefall) bare kaller kanaler.
I rapportene så fordeles altså dimensjonene i rader, mens måltall fordeles i kolonnene.
Hvis en bruker besøker et nettsted for første gang og deretter en gang til i løpet av en valgt tidsperiode, så vil vedkommende dukke opp i både “new users” og “returning visitor”. Så det blir to forskjellige sessions, med forskjellige brukerstatuser altså. Det kan være vanskelig å forestille seg, men dette kan gjøre det vanskelig å forstå tallene, hvis man ikke er klar over denne registreringen. Dermed vil ikke “users” være samme sum som “new user” + “returning visitors”
For å gjøre dette enda mer forvirrende, så har faktisk Google benyttet disse som grunnlag for to segmenter som kalles: “new USERS” og “returning USERS”. Men ikke la deg lure.
Annen utfordring
Aldri legg sammen antallet “brukere” i rapportene dine, for å få et totalt antall brukere. En enkelt nettbruker kan ha flere økter representert i noen av de forhåndsdefinerte Google Analytics rapportene du kanskje ser på. En bruker kan for eksempel besøke nettstedet ditt via en PPC annonse, for så å komme tilbake direkte et par timer senere og to dager etter det igjen via et innlegg på sosiale medier. Det kan hende samme person også har besøkt nettstedet via mobil på morgenkvisten på vei til jobb, for deretter å returnere på desktop for å foreta et kjøp senere samme dag hjemmefra. En forretningsperson kan besøke nettstedet ditt i Trondheim på en mandag, og returnere for å fullføre lesingen av blogginnlegget fra hotellet i oslo eller annet sted samme dag, eller dagen etterpå.
Dette er grunnen til at du aldri skal legge sammen “users” tallene i rapporten din for å få et totalt antall. Individuelle brukere kan bli telt i flere rader, og totalen din vil inkludere duplikater og dobbelttellinger. Hvis du vil ha en total, må du få et unikt totalt antall brukere, ikke en sum.
Tredje utfordring
Den tredje utfordringen selve “enhetsproblematikken” og misforståelsen om at en “bruker” er en person. Hvis en person sitter på et tog, og besøker vg.no via chrome, så telles 1 bruker. Hvis vedkommende bytter nettleser men besøker fortsatt samme nettsted, så telles det en ny bruker. Brått er vi nå oppe i 2 stk. Hvis vedkommende sitter lenge nok på toget på samme nettsted, og er en aktiv bruker, der hen ikke “timer ut”, så kan vedkommende fortsatt bli tatt for å bli enda en ny bruker hvis vedkommende passerer nye telemaster som gir ny IP adresse til den surfende toggjesten.
På samme måte, hvis du har et bibliotek som bruker 1 stk nettleser og har en dedikert IP adresse, og har 100 besøk innom som hver besøker vg.no, så vil dette altså telles som 1 bruker, mens det ville vært registret 100 besøk fra den samme brukeren. Dette skyldes at din mobile enhet vil koble seg til den nærmeste og/eller sterkeste basestasjonen for å opprettholde en stabil internettforbindelse. Når toget beveger seg, vil enheten koble seg fra en basestasjon og koble seg til en annen, noe som ofte resulterer i en endring av IP adresse.
Cookies som utfordring
Det er slik at vi nå lever i en tid der flere aktører tar initiativ for å begrense sporing på nettsteder. Nettlesere som Safari og Firefox har innført strenge retningslinjer for sporing av tredjepartscookies, noe som kompliserer brukermåling. Apples Intelligent Tracking Prevention (ITP) og Firefox sin Enhanced Tracking Protection, er eksempler på dette.
Innføringen av lover som General Data Protection Regulation (GDPR) i EU og California Consumer Privacy Act (CCPA) i USA har også pålagt nettsteder å få brukersamtykke før cookies kan brukes for sporing. Dette har ført til at mange brukere velger å ikke bli sporet.
Dette er en påvirkning som påvirker riktignok mer enn bare “users” som måltall.
Sikkerhet som utfordring
Noen sikkerhetsprogrammer som antivirus og firewallsprogrammer kan noen ganger fjerne sporingsmekanismer, inkludert cookies, som en del av deres personvernbeskyttelse. CCleaner en slik godt brukt og kjent programvare som ofte konfigureres til å slette cookies automatisk. Samme kan gjelde arbeidssystemer som Citrix eller andre sikkerhetssystemer på arbeidsplasser, for å ivareta sikkerhet og personvern av brukerne.
Inkognito som utfordring
Brukere som surfer i inkognito vil ikke lagre cookies etter deres besøk, slik at den samme cookien ikke kan bli lest ved neste besøk.
VPN tjenester
Noen VPN tjenester tilbyr ekstra personvernfunksjoner, inkludert muligheten til å blokkere eller slette cookies.
Andre
Det finnes mange andre typer programvarer og tjenester innen sikkerhet som kan være med på å begrense og slette cookies som operativsystemer, nettverksfiltre, nettleserutvidelser, script osv.
Adblokkere som utfordring
Adblokkere benyttes av flere og flere og blokkerer dermed for bruk av Google Analytics eller lignende verktøy for sporing av webtrafikk. Dette ser ut for mange å bli et standard oppsett for mange nettlesere og gjør det dermed vanskelig å få målt og sporet webatferden, og da mener vi i aller høyeste grad “users” også. Dette påvirker også mye mer enn bare det, bare så det er nevnt.
Der cookie-begrensningen ødelegger for bruk av tredjepartscookies, så ødelegger adblokkere også for førsteparts cookies som “_ga”, fra å bli satt. Dette vil igjen føre til at brukere ikke blir sporet korrekt og kan vises som nye brukere ved hvert besøk.
Når det er sagt, så er det også noen som bruker adblokkere selektivt, noe som kan føre til en mer inkonsekvent og misvisende data. For eksempel kan en bruker, som vanligvis bruker en Adblokker, deaktivere den for en kort periode, noe som resulterer i at de blir delt som en “ny bruker” i den samme tidsperioden.
Upålitelig
På grunn av alle disse variablene som påvirker “users” som måltall, anser jeg det som et svært upålitelig måltall å benytte innen webanalyse. Veldig ofte gir dette tallet et veldig oppblåst bilde av antall unike besøkende til et nettsted og kan føre til feilaktige forretningsavgjørelser i verste fall.
Og den generelle misforståelsen om at en “user” / “unik bruker” er en person, er viktig å legge fra seg, da dette ikke er tilfellet.
Når kan du egentlig bruke “users”?
Selv om jeg mener tallet i seg selv er upålitelig med tanke på alle de faktorer som spiller inn på dens grunnlag, sp kan endringer over tid innenfor samme datasett gi innsikt. Det kan for eksempel bety, at en økning i antall brukere etter en markedsføringskampanje kan indikere kampanjens effektivitet, selv om de absolutte tallene kan være unøyaktige. Det å se på “users” mot “users” i en trend kan gi innsikt for eksempel.
Hvis du skal sammenligne forskjellige brukersegmenter som geografi, enhetstype eller trafikkilder, så kan “users” være et måltall å bruke for referanse og sammenligning.
“Users” alene kan gi en begrenset forståelse, men hvis den brukes i kombinasjon med andre måltall som “besøk”, “sidevisninger” eller “konverteringsrate”, så kan den gi mer helhetlig bilde.
Jeg kan vedkjenne meg to stk konstruktivt bruk av “users” i en setting, og det er ved veldig store datasett og under kvalitative studier.
Når man arbeider med veldig store datamengder, kan noen av “unøyaktighetene” i “users” bli mindre signifikante og mønstre kan bli mer tydelige. I slike tilfeller kan måltallet gi en rimelig god indikasjon på et brukerengasjement.
Når “users” benyttes sammen med kvalitative metoder som brukerintervjuer eller brukertesting, kan “users” som måltall være behjelpelig med å forstå brukeratferden. Her er det da også mer nøyaktig å kalle en “user” en faktisk person.
Sammendrag
Til tross for min fanesak om at “users” er et upålitelig måltall, så er ikke det uten en viss moderasjon, samt at min hovedintensjon er å formidle at en “user” ikke er det samme som en person (med mindre du driver med kvalitative studier). Det er viktig å kjenne til hva som ligger bak dette måltallet, for å kunne benytte det riktig til riktig tid og på riktig plass, eller rettere sagt hvor og når det ikke bør brukes.
