Er du sikker på, at den data, du ser i Google Analytics kun stammer fra din hjemmeside og dine relevante brugere? Hvis der ikke er blevet arbejdet med filtre i Google Analytics, er det meget sandsynligt, at data er farvet. Men der er håb forude!

Læsetid: 4 minuter

Denne blog er en praktisk gennemgang af, hvilke filtre, der er nødvendige for at kunne stole på din data, samt en vejledning til, hvordan disse filtre oprettes.

Hvordan oprettes filtre i Google Analytics?

Log ind på din Google Analytics konto og vælg den visning, som du bruger til at kigge i data. Herfra skal du klikke dig ind i administrator, ved at klikke på tandhjul-ikonet i nederste venstre hjørne.

Herinde vil du blive mødt af dit administrator panel med tre kolonner. En kolonne til konfigurationer på konto niveau, en til ejendomsniveau, samt en sidste helt til højre til visningsniveau. Det i kolonnen for visnings-konfigurationer, at vi finder genvejen til at se og oprette filtre.

Når du har klikket på Filtre vil du muligvis få øje på en række filtre, hvis andre har oprettet dem. Dette betyder blot, at andre tidligere har arbejdet på at styrke data i din Google Analytics. Det kan dog også være, at du ikke ser nogle filtre, hvilket betyder, at der er en stor sandsynlighed for, at din data er præget af intern trafik, trafik fra andre hjemmesider, samt at din data ikke er normaliseret. Jeg kommer tilbage til, hvorfor data skal normaliseres, samt hvordan det kan lade sig gøre.

Du vil inde i filter overblikket se en rød knap til at oprette filtre, hvilket vil sige, at vi er fremme. Lad os få kigget på at oprette nogle filtre, og øge datakvaliteten!

2 filtre til at højne datakvalitet

1. filter → Hostname filter

Først laver vi et filter til at sikre, at den data, du ser i Google Analytics, udelukkende stammer fra din hjemmeside. Få hjemmesider har kun én version; den der er live. De fleste har en række forskellige test- og udviklingsmiljøer, hvor Google Analytics scriptet kan være tilstede grundet enten uopmærksomhed eller uvidenhed. Dette vil betyde, at data vil være forurenet, af hvad der arbejdes på i disse test- og udviklingsmiljøer.

Vi kan dog sørge for, at denne data skæres fra ved brug af et såkaldt “Hostname filter”. Brug nedenstående opskrift til at bygge dette.

Bemærk, at du skal ændre “minhjemmeside.dk” til det relevante domænenavn. Og bemærk desuden, at der ikke her tages højde for subdomæner a la “login.minhjemmeside.dk”. Har du subdomæner til dit domæne, så skriv en kommentar, så kigger vi på korrekt tracking af dette.

Med et Hostname filter har du nu sikret, at data kun repræsenterer trafik til din hjemmeside, men det er også nødvendigt at filtrere din egen IP fra.

2. filter → IP ekskludering filter

Det er de færreste, der er interesseret i at se, hvordan de selv præger data på deres hjemmeside. En webshop er interesseret i data for deres kunder, ikke data for deres medarbejdere, der er inde på hjemmesiden i arbejdsregi. Det er her et “IP ekskludering filter” har relevans, da vi baseret på IP adresser kan filtrere trafik væk fra f.eks. et kontor.

Få en oversigt over interne IP adresser er din virksomheds IT afdeling, og sørg for at filtrere alle interne IP adresser ud. Brug nedenstående vejledning til at bygge dette filter.

En optimering af data

Således højnes datakvaliteten, da vi med disse to filtre kun får data i Google Analytics, der repræsenterer reelle brugere, der har besøgt vores hjemmeside. Alt for ofte bruges disse filtre ikke, hvilket resulterer i, at mange trækker tal og træffer beslutninger, der er resultat af forurenet data. To simple filtre som “Hostname filter” og “IP ekskludering filter” sørger for, at du kan have mere ro i maven, når du arbejder med data i Google Analytics.

Det er til slut vigtigt at nævne, at filtre i Google Analytics ikke går ind og præger historisk data. De ovenstående filtre har først en virkning fra det tidspunkt, de er oprettet.

Segment til historisk data

Hvis du vil sikre, at data i rapporter kun er for trafik til din hjemmeside, gå da ind i “Segmenter” (findes også i administrator). Byg et segment som nedenstående.

Husk igen at ændre “minhjemmeside.dk” til det relevante domæne.

En lille ekstra til kaffen

2 filtre til at normalisere data i rapporter

Jeg fik vist nævnt noget med normalisering af data, dette kommer vi til nu. At data ikke er normaliseret betyder, at sidernes URL’er på din hjemmeside kan optræde med enten store eller små bogstaver, eller en kombination af de to. Eller at sider enten har eller ikke har en afsluttende skråstreg. Mangel på konsistens i siders URL’er går direkte ind og hæmmer kvalitet af data og skal undgås. Nedenstående er et eksempel på, hvorfor normalisering af URL’er er kritisk nødvendigt.

minhjemmeside.dk/Produkter

og

minhjemmeside.dk/produkter

Den samme side, men grundet forskel i stort og småt “p”, læser Google Analytics dem forskelligt. Antal besøg, sidevisninger, bounce rate, og flere metrikker og data vil blive fordelt uhensigtmæssigt på de to URL’er, til trods for, at det er den samme side.

Det er derfor god praksis at lave nedenstående filtre, til at sikre konsistens i URL’er.

Små bogstaver i URL’er

Afsluttende skråstreg i URL’er

Det regulære udtryk, der bruges i første “Forespørgsels-URI” felt er nedenstående.

^(/[a-z0–9/_\-]*[^/])$

Afslutning

Jeg håber, at dette blog indlæg har givet dig noget værdi, og at du fremover sikrer din data i Google Analytics. Det er så vigtigt at kunne regne med den data, der ofte bruges til at træffe beslutninger, og disse filtre giver en smule mere ro i maven. En anden faldgrube i Google Analytics er kategorisering af trafikkilder, læs om, hvordan du kan fikse kategorisering af dine trafikkilder her.

Skriv gerne i kommentarfeltet eller via mail, hvis du har spørgsmål eller feedback til dette blog indlæg.