Spēles
Receive actual information in your e-mail!
API dokumentācija
Integrācijas
Cita informācija
API documentation in English
Vienkārša spēļu analītika izmantojot Google Analytics
Aptaujājot pāris izstrādātājus secināju, ka draugiem.lv vidē izstrādātāji ļoti maz strādā pie tā, lai novērtētu atdevi no savu aplikāciju aktivitātēm, profila jaunumiem, lietotāju veiktajiem runā ierakstiem, aktivitātēm lapās, utt. Pilnīgi noteikti ir izstrādātāji, kuri nemaz nenojauš kādu atdevi viņiem dod spēles aktivitāšu, profila jaunumu vai runā ierakstu veikšana. Turpinājumā neliels ieskats, kā to vienkārši izmērīt.
- Uzliekam savai aplikācijai Google Analytics (turpmāk GA) skaitītāju.
- Iepazīstamies ar nedaudz gudrākas GA uzskaites veikšanu
- Mēram rezultātus
Pirmo punktu domājams nav jāpaskaidro, tāpēc ķeramies uzreiz pie nedaudz gudrākas GA uzskaites veikšanas.
Gudrāka GA lietošana
Ir viena ļoti būtiska GA iespēja, par kuru ļoti daudzi no GA lietotājiem nemaz nenojauš. Tā ir iespēja mērīt ienākošos apmeklētājus un sadalīt viņus pa grupām atkarībā no tā, kā viņi ir atraduši konkrēto resursu. Vienkārši izsakoties savai mājas lapai padodot līdzi pāris parametrus pie adreses, GA sapratīs no kurienes nāk lietotājs. Kopā ir pavisam 5 dažādi GA specifiski parametri, taču mums pietiks ar 3 galvenajiem:
- utm_source
- avots no kurienes lietotājs ir atnācis. Standarta gadījumā šajā parametrā norāda lapas adresi no kuras nāk lietotājs. Piemēram, ja jūs savu spēli reklamējat gan draugiem.lv iekšienē izmantojot aktivitātes, notifikācijas, runā ierakstus un, piemēram, twitter, tad vienā gadījumā utm_source mainīgajā norādiet draugiem.lv, otrā twitter.com
- utm_medium
- medijs, no kura lietotājs ir atnācis uz jūsu lapu. Šajā gadījumā jūs varat brīvi norādīt no kurienes lietotājs ir atnācis. Es ieteiktu šajā parametrā izmantot atslēgvārdus "blog", "say", "activities", "notifications", utt., lai jūs varētu saprast kādā veidā pie jums atnāk apmeklētājs.
- utm_campaign
- kampaņa - iespēja spēlēties ar dažādiem tekstiem un novērtēt kurš no tiem labāk strādā. Piemēram jūs draugu aktivitātēs spēlējaties ar diviem dažādiem tekstiem un atkarībā no tā, kuru no tekstiem jūs izmantojat, jūs padodat atšķirīgus kampaņu identifikatorus. Tā kā aktivitātes atsevišķiem lietotājiem mainās visai lēni, tad droši vien saprātīgi būtu arī pievienot klāt kampaņai datumu, kad šī aktivitāte ir publicēta. Būtībā šis ir veids, kā izveikt vienkāršus A/B testus aktivitāšu ietvaros.
Tas, kas jums ir nepieciešams, lai uzsāktu mērījumus - vienkārši pievienojiet šos parametrus savām saitēm. Piemēram:
Rezultātu mērīšana
Ķeramies pie rezultātu mērīšanas - autorizējamies savā GA kontā, dodamies uz spēles profilu, zem "Traffic sources" meklējam Campaigns. Izvēlamies sevi interesējošo laika periodu un skatamies rezultātus.
Pēc noklusējuma šajā skatā tiek rādīti kampaņu rezultāti jeb apmeklējums sadalīts pa mūsu utm_campaign mainīgajā norādītajām vērtībām. Kā redzams pievienotajā attēlā, tad šajā testā basictext_20110617 ir sasniedzis stipri lielāku atdevi piesaistīto apmeklētāju skaita ziņā. Te papildus katram izstrādātājam varētu būt vērtīgi arī paanalizēt pārējos parametrus, piemēram, spēlē pavadīto laiku (Time on site), jauno apmeklējumu skaitu (New Visits), atkritušo lietotāju skaitu (Bounce rate).:
Tālāk varam pārslēgties uz apmeklējumu sadalījumu pa medijiem jeb utm_medium parametrā norādīto vērtību:
Kā redzams, tad šajā konkrētajā gadījumā (dati izdomāti) vislielākā atdeve jaunu lietotāju ziņā ir bijusi tieši ierakstam dienasgrāmatā, bet aktivitātes, profila jaunumi un runā plūsma ir devusi vien visai nelielu atdevi. Te tāpat, kā iepriekš ir iespējams papētīt smalkāk rezultātus - no kurienes ir visvairāk iegūti jauni lietotāji, no kurienes atnākušie lietotāji pavada vairāk laika spēlē, utt.
Visbeidzot var novērtēt arī sadalījumu pa apmeklētāju avotiem - utm_source norādītās vērtības. Pārslēgšanās tāpat, kā iepriekš uz "utm_medium" parametru, tikai šoreiz jāizvēlas source.
Tā kā mūsu gadījumā vienīgā vieta, kur esam reklamējuši savu spēli ir draugiem.lv, tad nekā diži interesanta šeit nav.
Ņemiet vērā, ka šis ir tikai pats pats pamats no tā, ko var dabūt ārā no dažādām analītikas sistēmām un jo vairāk jūs piedomāsiet pie tā, kādas aktivitātes dod īsto atdevi aplikācijai, jo labākus rezultātus jūs sasniegsiet.