A weboldalak betöltési sebessége közvetlen hatással van a cégek üzleti eredményeire. Ezt a tételt vizsgálta egy korábbi kutatás, amelyet adatelemzéssel támasztottam alá egy magyarországi webshop eredményein keresztül. Ebben a cikkben bemutatom a kutatás főbb eredményeit és téziseit, ismertetem az adatelemzés lépéseit, valamint megmutatom, hogyan segíthet a ChatGPT az adatelemzésben. Vágjunk bele, hiszen rendkívül érdekes eredményeket hoztam.
A Deloitte egy kutatást végzett, amelynek célja az volt, hogy adatelemzés segítségével vizsgálják meg a weboldal gyorsaságának bevételekre gyakorolt hatását. A kutatás részleteit csak röviden ismertetem, de a cikk végén található linken angol nyelven letölthető. A fő eredmény az volt, hogy már minimális sebességnövekedés is jelentős hatást gyakorolt az eredményekre.
Fontosabb eredmények:
- A konverziós arányban 8,4%-os növekedés volt megfigyelhető, az átlagos rendelési összeg pedig átlagosan 9,2%-kal nőtt.
- A mobil webhely sebességének javulása közvetlen összefüggést mutatott a marketing tölcsér előrehaladásában.
- Az utazási weboldalaknál 10,1%-os konverziónövekedést és 1,9%-os növekedést az átlagos rendelési értékben tapasztaltak.
- A luxustermékeket árusító weboldalak esetében 8%-os növekedés volt megfigyelhető az oldalmegtekintések számában.
Adatelemzés lépései
Az adatelemzés egy strukturált folyamat, amely több lépésből áll, hogy értékes információkat nyerjünk ki az adatokból. Az alábbiakban bemutatom az adatelemzés főbb lépéseit:
- Célkitűzés meghatározása: Az elemzés célját világosan meg kell határozni. Milyen kérdéseket akarunk megválaszolni? Milyen döntéseket szeretnénk támogatni az adatokkal?
- Adatgyűjtés: Az adatelemzéshez szükséges adatokat különböző forrásokból gyűjtjük össze, mint például adatbázisok, CRM rendszerek, weboldalak, közösségi média vagy nyilvános adatbázisok.
- Adattisztítás: Az adatok tisztítása elengedhetetlen, mivel gyakran rendezetlenek és hibásak lehetnek. Ez magában foglalja a hiányzó adatok pótlását, az ellentmondások kezelését és az adatduplikációk eltávolítását.
- Adatfeltárás és vizualizáció: Az adatok megismerése és megértése érdekében különböző feltáró elemzéseket és vizualizációkat készítünk. Ez a lépés segít azonosítani a mintázatokat, trendeket és anomáliákat az adatokban.
- Adatmodellezés: Az adatmodellezés során statisztikai vagy gépi tanulási modelleket alkalmazunk az adatokra. Célunk az, hogy előrejelzéseket készítsünk vagy összefüggéseket találjunk az adatok között. A modellek lehetnek például regressziós modellek, döntési fák vagy neurális hálók.
Adatelemzés a ChatGPT segítségével
A Deloitte kutatásának tézisét egy magyarországi webshop esetében próbáltam bizonyítani a megrendelő kérésére. Az adatokat a Google Analyticsből gyűjtöttem, és két adat korrelációját vizsgáltam: a konverziós arányokat és az adott nap átlagos betöltési sebességét. Az eredeti kutatást manuálisan, Excel segítségével végeztem, ahol lineáris regresszióval vizualizáltam az adatokat. Nem vizsgáltam, hogy mekkora gyorsulás mekkora bevételnövekedést eredményez.
A konverziós arány azt jelenti, hogy 1000 weboldal-látogatóból hány vásárlás történt százalékos arányban.
Első körben feltöltöttem az adatokat, és egyszerűen annyit kértem, hogy a ChatGPT elemezze azokat. Az alábbi válaszokat adta:
Az adatok az “Adatkészlet1” nevű munkalapon találhatók. Az oszlopok a következők:
- A: Dátum
- átlagos weboldal sebesség: Az átlagos weboldal sebesség mértéke
- konverzió: Konverziós arány
Az első öt sor az adatokat így mutatja:
- Dátum: 2022-06-04, átlagos weboldal sebesség: 3.452004, konverzió: 0.028613
- Dátum: 2022-06-11, átlagos weboldal sebesség: 4.048946, konverzió: 0.025180
- Dátum: 2022-06-18, átlagos weboldal sebesség: 4.668380, konverzió: 0.023295
- Dátum: 2022-06-25, átlagos weboldal sebesség: 4.366718, konverzió: 0.024633
- Dátum: 2022-07-02, átlagos weboldal sebesség: 4.239779, konverzió: 0.024725
Elemzési terv:
- Trend analízis: Elemezzük a weboldal sebesség és a konverziós arány trendjeit az idő függvényében.
- Korreláció: Vizsgáljuk meg a korrelációt az átlagos weboldal sebesség és a konverziós arány között.
- Vizualizációk: Grafikonok készítése az időbeli változások szemléltetésére.
Először végezzünk trend elemzést.
A grafikon alapján a következő trendek figyelhetők meg az időszak során:
- Átlagos weboldal sebesség: A weboldal sebessége június elejétől július elejéig növekvő tendenciát mutat, majd valamelyest stabilizálódik.
- Konverzió: A konverziós arány általában csökkenő tendenciát mutat a vizsgált időszak alatt, bár kisebb hullámzások figyelhetők meg.
Korreláció analízis: A korrelációs mátrix alapján:
- Az átlagos weboldal sebesség és a konverziós arány között erős negatív korreláció van (−0.754805). Ez azt jelenti, hogy ahogy az átlagos weboldal sebesség nő, a konverziós arány csökken, és fordítva.
Ez az eredmény arra utal, hogy a weboldal lassulása negatív hatással van a konverziós arányra.
Összegzés:
- Trendek: A weboldal sebessége nőtt az időszak során, míg a konverziós arány csökkent.
- Korreláció: Erős negatív korreláció van az átlagos weboldal sebesség és a konverziós arány között, ami arra utal, hogy a weboldal lassulása csökkenti a konverziós arányt.
További elemzések lehetnek például szezonális hatások vizsgálata, vagy részletesebb idősoros elemzés az egyes időszakokra bontva. Ha bármilyen más konkrét elemzési igényed van, szívesen elvégzem!
Még egy dolgot kértem, hogy készítsen lineáris regressziós vizualizációt.
A fenti ábra egy szórábra, amely az átlagos weboldal sebesség és a konverziós arány közötti kapcsolatot mutatja, egy lineáris regressziós vonallal kiegészítve.
A pontok minél közelebb vannak a ponthoz, annál inkább feltételezhető, hogy van korreláció. A fenti ábra ahogy korábban írta a chatgpt “erős negatív korreláció van (−0.754805)”
Összegezve az eredményeket egyértelműen látszik, hogy erős összefüggés van a weboldal sebessége és a konverziós arányok között. A manuálisan készített kutatásom során hasonló eredményekre jutottam, tehát a ChatGPT tökéletesen tudta elemezni az adatokat. A kérdés már csak az, hogyan lehet növelni a weboldalak sebességét. A megoldás a technikai SEO, amelyről bővebben írtam egy másik cikkben, ami megtalálható a kapcsolódó cikkeknél.
Linkek: https://www.deloitte.com/ie/en/services/consulting/research/milliseconds-make-millions.html
