Základní metriky

Návštěvníci


Nástroje webové analytiky obvykle zpřesňují pojem návštěvník (Visitor) na unikátní návštěvník (Unique Visitors), popř. absolutní unikátní návštěvník (Absolute Unique Visitor)[1] a uvádějí na svých stránkách vysvětlení pojmu, které používají v metrikách a reportech, např.

I tak je vhodné ověřit tuto základní metriku na provozu vlastních webových stránek.

Způsob počítání návštěvníků
Pokud se při počítání unikátních návštěvníků používá metoda značkování stránek pomocí JavaScriptu, pak nástroj pro webovou analytiku umístí do prohlížeče návštěvníka jedinečný soubor cookie. Tento soubor zůstává uložen, i když návštěvník stránku opustí. Pokud si návštěvník znovu vyžádá sledovanou stránku, je identifikován jako vracející se návštěvník. Je důležité si uvědomit, že metriku unikátní návštěvník nelze spojovat s konkrétní osobou. Pokud si z toho samého prohlížeče na tom samém počítači vyžádá sledovanou stránku jiná osoba, bude identifikována jako vracející se návštěvník (bude použita identifikace z již existujícího souboru cookie). V takovém případě nelze osoby rozeznat.
Sledování pomocí souboru cookie sebou nese riziko, že návštěvníci mohou soubory cookie blokovat a mazat. Návštěvníkovi, kterému je přiděleno jednoznačné označení a zapsáno do souboru cookie, je po zrušení souboru cookie přiděleno označení nové a údaj o unikátním návštěvníkovi je zkreslen. Již nejde o jednoho návštěvníka ale dva návštěvníky.
Proto je vhodné pohlížet na počet unikátních návštěvníků jako na přibližné číslo spíše než absolutní.

Následující obrázek ukazuje statistiku Google Analytics[2].

google_analytics_prehledy.png

Analytické nástroje také stále více zohledňují požadavky provozovatelů webu, kteří chtějí znát počet návštěvníků z různých zdrojů, za různé časové období, mít možnost segmentovat návštěvníky apod. Metriky se více komplikují a je třeba si uvědomit, že případná nesrovnalost ve výsledných přehledech nemusí být způsobena samotným nástrojem ale nastavením nástroje např. při segmentaci návštěvníků nebo při nastavení filtru.

Google Analytics uvádí:
"Na rozdíl od metrik, jako je Zobrazení stránek, nelze metriku Unikátní návštěvníci v průběhu dní přičítat. Pro dané časové období musí služba GA počet unikátních návštěvníků přepočítat (nemůže přidat či odečíst předběžně agregované hodnoty). Jinými slovy, určitý uživatel může navštívit webové stránky a být započítán jako unikátní návštěvník 31. srpna i 1. září, pokud se však vytváří přehled pro tyto dva dny, považuje se tento uživatel za jednoho unikátního návštěvníka.

Jako řešení tohoto problému vyvinula GA dvě různé metody počítání metriky Unikátní návštěvníci, jednu pro rychlé zjištění počtu unikátních návštěvníků v rámci libovolného časového období, jednu pro zjištění unikátních návštěvníků v rámci libovolné dimenze.
O výpočtu v rámci libovolné dimenze uvádí, že

„…se tedy používá ve vlastních přehledech, kde umožňuje provést výpočet metriky Unikátní návštěvníci ve spojení s libovolnou dimenzí, např. prohlížeč, město či zdroj návštěvnosti.“[3]

Segmentace návštěvníků je nepostradatelná k pochopení různých skupin návštěvníků, ke sledování prodejnosti určitého druhu zboží, z pohledu geografického, demografického apod. Význam spočívá v možnosti nabídnout danému segmentu (např. věkově vyčleněné skupině návštěvníků) specifickou službu či zboží a v důsledku tím zvýšit návštěvnost.

Návštěvy


Návštěvou se rozumí taková situace, kdy někdo navštívil web, určitou dobu procházel stránkami a pak stránky opustil.

Jedná se časový interval mezi prvním a posledním požadavkem označovaný jako sezení (Session). I v tomto případě se může u různých nástrojů návštěva interpretovat jinak nebo se skrývat pod jiným pojmem např. relace.[1]

Např. Google Analytics vysvětluje návštěvu takto:
„…O návštěvě lze uvažovat jako o nádobě na akce, které návštěvník provádí na vašem webu Jeden návštěvník může provést více návštěv. Tyto návštěvy mohou proběhnout ve stejný den, případně během několika dnů, týdnů, či měsíců. Jakmile jedna návštěva skončí, je možné začít novou návštěvu. Existují dva způsoby ukončení návštěvy:

  • Ukončení na základě uplynutí času (včetně konce dne):
    • po 30 minutách nečinnosti návštěvníka,
    • půlnoci.
  • Změna kampaně:
    • na web dorazíte prostřednictvím jedné kampaně, odejdete a vrátíte se prostřednictvím jiné kampaně….“[4]

Z uvedeného vyplývá, že i metrika návštěva může mít určité procento zkreslení. Například pokud je návštěvník na webu déle než 30 minut a není aktivní, počítají se již návštěvy dvě, protože po 30 minutách je návštěva ukončena a zaregistrována nová. Podobně je to i v případě půlnoci, kdy se návštěvy opět rozdělí na dvě. Způsob počítání návštěv je vhodné si u poskytovatele analytických služeb ověřit.

Čas strávený na stránce a čas strávený na webu


„Jedná se o měření času, který návštěvníci stráví na jednotlivé stránce a o čas, po který se pohybují po celém webu, a to v rámci jedné relace (session).“[1]

Na první pohled by se mohlo zdát, že tyto metriky jsou jednoduché. Problém tkví v tom, že se neví, jak dlouhou dobu strávil návštěvník na poslední stránce. Tuto situaci znázorňuje následující obrázek.

navstevy.bmp

Z obrázku je vidět, že návštěvník přišel na domovskou stránku ve 12:10 a pokračoval postupně až na Stránku 3. Při každém vstupu na stránku se zapíše časové razítko, kdy návštěvník na stránku vstoupil. Čas strávený na Stránce 1 vznikne rozdílem času vstupu na Stránku 2 a časem vstupu na Stránku 1, tedy 12:25 – 12:15 = 10 minut. Problém vznikne u Stránky 3. Zde je k dispozici pouze čas vstupu na stránku, ale není znám čas opuštění stránky. Tento problém se týká jak času stráveného na stránce, v případě jedné nebo poslední stránky, tak času stráveného na webu, který je ochuzen o čas strávený na poslední stránce. V případě příkladu na obrázku je čas strávený na webu 12:30–12:10 = 20 minut.
Google Analytics počítá dobu trvání návštěvy (čas strávený na webu) stejným způsobem, přičemž zohledňuje možné interakce (např. kliknutí na obrázek), čímž zpřesňuje čas.[5]
Jednou z možnosti, jak zjistit čas opuštění stránky, je využití tzv. onbeforeunload. Jde o vložení kódu do webové stránky, který cíleně formou dotazu, zda chce návštěvník opravdu opustit web, zjistí čas opuštění stránky.[1]

Míra opuštění


Míra opuštění (Bounce Rate) vyjadřuje procento návštěv, které opustily web prohlédnutím jedné stránky.

Vysoké procento této metriky nemusí nutně znamenat problém. Jde například o weby tvořené jednou stránkou nebo blogy, kde si návštěvníci chodí prohlédnout poslední příspěvky. Vždy je třeba zohlednit relevanci této metriky vzhledem k účelu a organizaci webu.
Pokud se na webu očekává nízká míra opuštění a opak je pravdou, příčinou může být:

  • design webu – v tomto případě se nabízí několik řešení jako např. redesign stránek, optimalizace stránek s využitím uživatelského testování různých variant designu apod. Prvotním pomocníkem může být vizualizace pomocí teplotních map. Např. společnost WebAmail.cz demonstruje kvalitu svých služeb na příkladu webu Cévní ordinace - flebologie s.r.o., u které se snížila míra opuštění z 95,21 % na 38,55 % po redesignu webu.[6]
  • chování návštěvníků – např. návštěvník si přidá stránku do záložek a právě jen k této stránce se opakovaně vrací.
  • nesprávná implementace – např. měřící kód není vložen na všech webových stránkách.[7]

Metriku míra opuštění není vhodné vztahovat pouze k celému webu. Vyplatí se posuzovat míru opuštění:

  • u nejvýznamnějších stránek, obvykle se jedná o vstupní stránky,
  • pro nečastější odkazující zdroje, tj. zdroje, ze kterých přicházejí návštěvníci,
  • pro klíčová slova z vyhledávání – pro optimalizaci mohla být špatně zvolena klíčová slova.[1]

Následující zobrazuje míru opuštění v nástroji Piwik na příkladu webu http://forum.piwik.org/[8]. V přehledu je sloupec Odchozí frekvence (procento návštěv, které začaly danou stránkou a hned ji opustili) a sloupec Frekvence odchodů (procento těch, kteří opustili danou stránku po jejím zobrazení). Míra opuštění je v tomto případě Odchozí frekvence. Z přehledu je evidentní, že stránky /read.php mají vysokou míru opuštění. Jedná se o stránky, kde jsou uvedeny poslední příspěvky k diskuzi na určité téma. Web nabízí RSS1 a dá se předpokládat, že uživatelé kanálu RSS využívají pro přímý přístup. V tomto případě se vysoká míra opuštění dá očekávat. Jiná situace je u /index.php nebo /login.php, kde je předpokladem, že návštěvník bude pokračovat vstupem na další stránku.

Piwik_mira_opusteni.PNG

Míra odchodů


Míra odchodů (Exit Rate) udává, jaké procento návštěvníků opustilo web z určité dané stránky.

Ovšem návštěvník webových stránek musí vždy někudy z webu odejít. Míra odchodů úzce souvisí s chováním návštěvníků, kteří i přesto, že provedou akci, kterou udělat chtěli, se dále po webu pohybují a odejdou ze stránky, u které odchod není očekáván, např. z domovské stránky. Přestože by se mohlo zdát, že je tato metrika vhodná pro nalezení problémových stránek, vhodnější metrikou je Míra opuštění.
Míra odchodů má smysl v souvislosti se sledováním cesty návštěvníka, kdy je třeba zjistit, zda návštěvník provedl na webu akci, která se očekává.[1]
Na výše uvedeném obrázku (v kapitole Míra opuštění) je sloupec Frekvence odchodů, který udává procento těch, kteří opustili danou stránku po jejím zobrazení, tedy Míru odchodů. U stránky /index.php by se dalo předpokládat, že je vstupní a tudíž uživatelé budou pokračovat dále. Přesto je frekvence odchodů 33 %. Na této stránce se nachází přehled témat. Přirozené chování uživatele je, že si najde téma, které ho zajímá, pak se vrátí k seznamu témat, prohlédne si je znovu, a když zjistí, že ho již nic dalšího nezajímá, opustí stránku právě z přehledu témat.
Tato metrika je individuální záležitostí každého webu. Nestačí mít dobře organizovaný web, ale je třeba vědět, jaké chování návštěvníka se dá očekávat

Míra zájmu


Metrika Míra zájmu, nejčastěji uváděna pro názvem Engagement, by měla měřit kladný vztah nebo zájem.

V tomto pojetí se nabízí otázka. Jak něco tak emotivního měřit? Úspěšné výsledky metrik jako počet návštěv či počet návštěvníků vůbec nemusí znamenat oblíbenost webu. Mezi nejvhodnější metody, jak zjistit vztah zákazníka patří:

  • dotazníky na stránkách nebo při odchodu z webu,
  • zjišťování pravděpodobnosti doporučení webu zákazníkem,
  • přímé marketingové šetření trhu,
  • pravidelná analýza zákazníků.

Pro analýzu zákazníků jsou vhodné zdroje jako např. blogy, sociální sítě, e mailové kampaně. Mnozí zákazníci rádi komunikují a vítají možnosti online komunikace.
Existují firmy, které umožňují zákazníků podílet se na tvorbě značky firmy. Např. Firma Jones Soda co.[9] v rámci unikátní marketingové strategie nabízí zákazníkům možnost zaslat fotografii a text, který bude vytištěn na štítcích lahví Soda Jones v malém balení. V případě, že jsou fotografie zajímavé, mohou být použity pro celou výrobní sérií. Tato strategie je efektivní při získávání zákazníků formou spoluvytváření produktů. Zájem zákazníků o takovou službu se dá považovat za zájem o firmu prostřednictvím webu.

Míra konverze


„Míra konverze vyjádřená v procentech se definuje jako počet konverzí dělený počtem unikátních návštěvníků (nebo návštěv).“[1]

Konverzí se obvykle rozumí objednávka na webu v souvislosti elektronickým obchodem (viz následující obrázek[10]).

konverzni_pomer.png

Konverze ale může být definována jiným cílem. Vždy by se mělo jednat o měřitelný cíl, pro který web existuje a lze podle něj měřit úspěšnost webu, např. stažení dokumentu, odběr článků přes RSS apod.
Z výše uvedené definice je zřejmé, že ve jmenovateli může být

  • počet unikátních návštěvníků – v tomto případě se předpokládá běžnější chování uživatele, který nejprve web navštíví, pročte si informace o zboží, případně se poradí doma a pak se na web vrátí, aby uskutečnil nákup.
  • počet návštěv – v tomto případě se předpokládá, že každá návštěva webu by mohla skončit objednávkou.

Míra konverze (Conversion Rate) neboli konverzní poměr je ovlivněn spoustou faktorů, které souvisí:

  • se standardy a doporučeními pro tvorbu webových stránek, jako je přístupnost, použitelnost, důvěryhodnost, viditelnost,
  • s chováním návštěvníků,
  • s cestou, kterou musí návštěvník projít, než uskuteční konverzi (např. nákup, objednávka newsletteru, download souboru apod.).

Předpokladem pro správný výpočet konverzního poměru je stanovení měřitelných cílů, tedy skutečnosti, která vypovídá o úspěšnosti a efektivitě webu. Konverzí může být:

  • objednávka zboží na e-shopu,

„Běžná míra konverze u nových návštěvníků na průměrném internetovém obchodě dosahuje něco kolem jednoho procenta (pokud jde o objednávky). Tedy ze sta lidí, kteří na internetový obchod přijdou, nakoupí jeden. Uživatelé, kteří již konkrétní obchod znají, mohou nakupovat s vyšší pravděpodobností, třeba i 30%.“[11]

  • odeslání poptávky po službě,
  • registrace k odběru newsletteru,
  • stažení souboru,
  • přihlášení k odběru článků přes RSS,
  • odeslání objednávky zájezdu u cestovních kanceláří,
  • zhlédnutí videa,
  • kliknutí na odkaz (např. v newsletteru).

Vhodně stanovené míry konverze se často stávají také klíčovými indikátory výkonnosti.

Konverze na komerčním webu

Jak již bylo uvedeno, konverze je nejčastěji spojována s prodejem na webu. Obchodní proces má obvykle několik fází z pohledu zákazníka:

  1. Prohledávání webu, při kterém zákazník obvykle zjišťuje dostupnost zboží, cenu zboží či služeb, recenze na web, obchodní podmínky, dodací lhůty, výslednou cenu, způsob dodání, obchodní podmínky.V této fázi zjišťování potencionální zákazník opouští téměř ihned takový web, který je nepřehledný a zákazník na něm nenajde požadované informace.
  2. Po výběru webu k dodání zboží následuje objednávkový proces, který se skládá z několika kroků - výběr zboží a vkládání do košíku, vlastní objednávka, vyplnění kontaktních údajů, shrnutí údajů k objednávce, potvrzení objednávky.
  3. Dodání zboží.
  4. Případné reklamace nebo vrácení zboží.

Samotná konverze se týká objednávkového procesu. Z toho pohledu je třeba se zabývat především mírou opuštění objednávkového procesu (Abandonment Rate), která udává, kolik návštěvníků se rozhodlo v průběhu objednávky opustit web. Je třeba oddělit jednotlivé kroky a měřit dílčí části objednávkového procesu.
Avinash Kaushik[12] doporučuje dvě následující metriky.

  • Opuštění košíku (Cart Abandonment) v procentech, která udává, kolik procent návštěvníků opustilo web v průběhu vkládání zboží do košíku. Vzhledem k tomu, že samotný proces objednávky má několik kroků, je třeba oddělit jednotlivé kroky a měřit dílčí části objednávkového procesu.
  • Opuštění objednání (Checkout Abandonment) v procentech, která udává, kolik procent návštěvníků opustilo web během vlastní objednávky. Vlastní objednání je obvykle záležitostí tří až pěti stránek. V případě vysoké míry opuštění není proto obvykle problém na tak malém počtu stránek najít.

Nástroje webové analytiky obvykle umožňují nastavení cesty k cíli, která je znázorněna tvarem trychtýře (Funnel), pomocí něhož lze sledovat, kde návštěvníci nejvíce opouštějí cestu k cíli (viz následující obrázek [10]).

trychtyr.png

Proč návštěvníci opouštějí nákupní košík a jaké může být procento opuštění košíku či objednání uvádí Daniel Dočekal ve svém článku Opuštěný nákupní košík nemusí vždy znamenat ušlý obchod.

„Nejčastější důvod je ten, že zákazník nebyl připraven ke koupi, pouze se chtěl podívat, jaká bude celková cena (57 %). Velmi těsně následuje další logické využití košíku, tedy uložení si nákupu na později (56 %). Zajímavý je třetí důvod opuštění plného košíku – v 51 % případu je to z důvodu příliš vysoké ceny za dodání. A varující pro e-shopy by měl být i důvod uváděný 40 % zákazníků – dozvěděli se nákupní a dodací ceny příliš pozdě.
Je také vhodné vědět, že běžná míra opuštění košíků je okolo 60 % a z hlediska časového vývoje lze říci, že velmi mírně stoupá. Pokud se tedy váš e-shop pohybuje okolo této míry, tak asi není důvod k panice. Navíc je vhodný čas myslet i na vliv nakupujících přes mobilní telefon – ti používají košíky v e-shopech také jinak – velmi často si na mobilu odkládají zboží o košíku, ale vracejí se k němu až na počítači.“[13]

Úspěšnost webu nezávisí nejen na počtu objednávek, ale také na hodnotě objednávky. Takové metrice se říká průměrná hodnota objednávky (Average Order Value) a výpočet se provádí tak, že se celkový zisk vydělí celkovým počtem přijatých objednávek.[12]

Případová studie: HUDY.cz[14] je příkladem jak optimalizace nákupního košíku a objednávkového procesu může přinést výrazné zvýšení obratu. Cílem bylo zjednodušit výběr a nákup zboží na webu HUDY.cz. Klíčovými ukazateli výkonnosti byly Míra konverze a Průměrná hodnota objednávky. Nejprve byla provedena analýza návštěv a to se záměrem zjistit cesty návštěvníků. Na základě analýzy byly vytipovány tři problematické stránky. Úpravy proběhly na stránkách kategorie zboží, detail produktu a zásadními změnami prošel objednávkový proces, který byl rozdělen do více kroků a zjednodušen. Tyto úpravy vedly ke zvýšení míry konverze o 21 % a zvýšení celkového obratu o 27 %. Významný podíl na úspěšnosti mělo testování, kterého se zúčastnilo 108 739 návštěv.

Konverze na nekomerčním webu

Nekomerční web plní především funkci informační. Jeho účelem není dosažení zisku prodejem výrobků či služby. Mezi takové weby lze zařadit:

  • zpravodajské weby,
  • weby knihoven,
  • weby měst, obcí, státních institucí,
  • weby neziskových organizací (sportovní, zájmové, charitativní aj),
  • apod.

Nekomerční weby se orientují na určité skupiny uživatelů (např. weby sportovních organizací), nabízejí určité služby (např. weby charity), informují o dění v určité oblasti (např. blogy).
Konverze těchto webů souvisí s primárním zaměřením webu, přičemž nastavení cílů je základem pro správný výpočet konverze. Cílem může být:

  • stažení dokumentu,
  • objednání služby,
  • přečtení článku,
  • registrace k odběru článků,
  • registrace uživatele,
  • zhlédnutí videa,
  • určitá doba strávená na stránce,
  • počet zobrazených stránek za návštěvu,
  • apod.

Stejně jako u komerčního webu, lze průběh dosažení cíle sledovat nastavením dílčích cílů. Podobně jako sledování nákupu v e-shopu, lze sledovat např. průběh rezervace knihy v knihovně pomocí trychtýře.

Současné weby ve snaze přiblížit se uživateli často kombinují komerční web s obsahovým, obvykle ve formě blogu. U obsahového webu je hodnotou obsah. Weby zaměřené na obsah se orientují na určitý obor nebo jsou organizovány podle témat. Podstatná je tedy doba strávená čtením článku či příspěvku. Podle takové metriky se dá stanovit, zda uživatel příspěvek přečetl celý. Každý článek má ovšem jiný počet slov a je jinak náročný na vnímání. Navíc může obsahovat obrázky a odkazy. Metrika pro takový web musí být stanovena vzhledem k těmto skutečnostem. Zpravidla se dá podle počtu slov určit předpokládaná doba čtení.

Klíčové ukazatele výkonnosti


Jak již bylo uvedeno v kapitole Míra konverze, mohou se vhodně stanovené míry konverze stát také klíčovými ukazateli výkonnosti. Tyto metriky vyjadřují cíle webu a kolísání jejich hodnot vyjadřuje nejlépe úspěšnost či neúspěšnost webu.
Avinash Kaushik[1] doporučuje pět klíčových ukazatelů výkonnosti. Jsou jimi:

  • Míra dokončení úlohy, která představuje procentuální podíl návštěvníků, kterým se povedlo naplnit účel, pro který na web přišli. Jde o zjištění úspěšnosti webu z pohledu spokojenosti návštěvníka. Pro získání takového přehledu je nejvhodnější použít dotazníky při opuštění webu, např. pomocí nástroje 4Q.
  • Podíl vyhledávání, která znamená, jaké procento návštěvnosti web získává z internetových vyhledávačů v porovnání s konkurencí.
  • Věrnost a aktuálnost návštěvníků udává, kolikrát byl návštěvník na webu a jaké jsou intervaly mezi jednotlivými návštěvami. Cílem je zjistit, zda budování vztahů se zákazníky funguje.
  • Přihlášení uživatelé kanálů RSS udává hrubý počet uživatelů, kteří jsou přihlášeni k odběru kanálu RSS.
  • Poměr hodnotných odchodů udává počet uživatelů, kteří opustili web klepnutím na objekt, který je na webu z různých důvodů důležitý.

Uvedené KPI nejsou zcela jistě vhodné pro všechny typy webu. Nicméně shrnují to, co je nutností pro kvalitní analýzu webu, a to znalost

  • návštěvníka z hlediska jeho potřeb, chování a věrnosti,
  • konkurence.

U webů organizací či firem s vysokým stupněm hierarchie a různými stupni řízení musí být stanoveny KPI pro různé stupně rozhodování.
Naopak u webů typu vizitka postačí sledovat počet návštěvníků, počet návštěv a počet návštěv na stránce s kontakty.
U obsahových webů se doporučují KPI doba strávená na stránce, míra sdílení na sociálních sítích, míra opuštění, poměr nových a vracejících se návštěvníků, počet odběratelů RSS, počet komentářů k článkům apod. Vhodné je rovněž sledovat sociální metriky (sdílení na sociálních sítích jako Twitter, Facebook, Google+ aj.).[15]
V případě e-shopů je rozhodující zisk a s ním spojená návštěvnost, tržba a průměrná cena objednávky. Je vhodné sledovat podíl návštěvníků z různých zdrojů na dokončených konverzích, tzn. sledovat, kteří návštěvníci se nejvíce podílejí na průměrné ceně objednávky.

Literatura a použité zdroje
1. KAUSHIK, Avinash. Webová analytika 2.0: kompletní průvodce analýzami návštěvnosti. Vyd. 1. Brno: Computer Press, 2011. ISBN 978-80-251-2964-7.
2. HEJL, Zdeněk. Neztraťte se v novém Google Analytics rozhraní. In: Magazín Portiscio - Blog o internetu a internetovém marketingu [online]. 6. 1. 2013 [cit. 2013-11-12]. Dostupné z: http://www.portiscio.net/neztrate-se-v-novem-google-analytics-rozhrani
3. Výpočet metriky Unikátní návštěvníci v Google Analytics. In: Google [online]. ©2013 [cit. 2013-11-12]. Dostupné z: https://support.google.com/analytics/answer/2992042?hl=cs&ref_topic=2524483
4. Jak se ve službě Analytics počítají návštěvy. In: Google [online]. ©2013 [cit. 2013-11-11]. Dostupné z: https://support.google.com/analytics/answer/2731565?hl=cs
5. Prům. doba trvání návštěvy. In: Google [online]. ©2013 [cit. 2013-11-13]. Dostupné z: https://support.google.com/analytics/answer/1006253?hl=cs
6. Výsledky WebAmail.cz proti velkému hráči. In: WebAmail.cz [online]. 15. 11. 2013 [cit. 2013-11-13]. Dostupné z: http://www.webamail.cz/2013/10/vysledky-webamailcz-proti-velkemu-hraci.html
7. Míra okamžitého opuštění. In: Google [online]. ©2013 [cit. 2013-11-13]. Dostupné z: https://support.google.com/analytics/answer/1009409?hl=cs
9. Engagement marketing. In: Wikipedia: the free encyclopedia [online]. San Francisco (CA): Wikimedia Foundation, 2001-, 2. 9. 2013 [cit. 2013-11-14]. Dostupné z: http://en.wikipedia.org/wiki/Engagement_marketing
10. Konverzní poměr. In: Optimal Marketing [online]. 20. 9. 2010 [cit. 2014-02-25]. Dostupné z: http://www.optimal-marketing.cz/slovnicek/konverzni-pomer
11. Konverze. In: Jak psát web: o tvorbě, údržbě a zlepšování internetových stránek [online]. 1. 11. 2013 [cit. 2013-12-01]. Dostupné z: http://www.jakpsatweb.cz/seo/konverze.html
12. KAUSHIK, Avinash. Web Analytics 2.0: The Art of Online Accountability & Science of Customer Centricity [online]. Indianapolis: Wiley Publishing, © 2010 [cit. 2014-02-26]. ISBN 978-0-470-52939-3. Dostupné z: http://www.pdf-archive.com/2012/07/29/web-analytics-2-0-avinash-kaushik/web-analytics-2-0-avinash-kaushik.pdf
13. DOČEKAL, Daniel. Opuštěný nákupní košík nemusí vždy znamenat ušlý obchod. In: JustIT.cz [online]. 04.02.2013 [cit. 2014-02-13]. Dostupné z: http://www.justit.cz/wordpress/2013/02/04/opusteny-nakupni-kosik-nemusi-vzdy-znamenat-usly-obchod/
14. Případová studie: HUDY.cz. In: H1.cz [online]. © 2005–2014 [cit. 2014-02-14]. Dostupné z: http://cro.h1.cz/docs/cro-hudy.pdf
15. PROCHÁZKA, Tomáš. 4 základní skupiny metrik, které byste měli v obsahovém marketingu sledovat. In:Včeliště.cz [online]. 16. 9. 2013 [cit. 2014-03-03]. Dostupné z: http://www.vceliste.cz/4-zakladni-skupiny-metrik/
Není-li uvedeno jinak, obsah této stránky je pod licencí Creative Commons Attribution-ShareAlike 3.0 License