• A
  • A
  • A
  • АБB
  • АБB
  • АБB
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта
Бакалавриат 2020/2021

Основы веб-аналитики

Лучший по критерию «Полезность курса для Вашей будущей карьеры»
Лучший по критерию «Полезность курса для расширения кругозора и разностороннего развития»
Лучший по критерию «Новизна полученных знаний»
Статус: Курс по выбору (Медиакоммуникации)
Направление: 42.03.05. Медиакоммуникации
Кто читает: Институт медиа
Когда читается: 2-й курс, 1, 2 модуль
Формат изучения: без онлайн-курса
Язык: русский
Кредиты: 4
Контактные часы: 46

Программа дисциплины

Аннотация

Дисциплина «Основы веб-аналитики» про то, как находить и собирать нужные данные по веб-проекту. Анализировать их и получать полезную информацию, чтобы затем улучшать проект. Изучим аналитические системы, каналы трафика, как работать с этим, проводить тестирования и автоматизировать работу.
Цель освоения дисциплины

Цель освоения дисциплины

  • Освоение студентом аналитических систем.
  • Изучение и понимание студентом аналитических метрик, их особенностей и различий.
  • Выработка практических навыков, необходимых для проведения аналитической работы с веб-сервисами.
Планируемые результаты обучения

Планируемые результаты обучения

  • Называет основные системы аналитики и их отличия.
  • Перечисляет основные метрики проекта, рассказывает, как они формируются, за что отвечают.
  • Находит отчёты по каналам трафика в одной из систем аналитики.
  • Выбирает каналы трафика для проекта основываясь на специфике проекта.
  • Определяет основные проектные показатели и метрики в зависимости от специфики проекта.
  • Находит и пользуется отчётами одной из систем аналитики, где можно получить информацию.
  • Выгружает информацию из одной из систем аналитики и обрабатывает её с помощью Excel для построения диаграмм.
  • Получает данные с помощью одной из систем изучения рынка, находит конкурентов и их основные метрики.
  • Рассказывает о специфике AMP/Турбо-страниц.
  • Делает выводы о том, что даст внедрение технологий AMP/Турбо-страниц на проекте и как они влияют на трафик из новостных агрегаторов.
  • Собирает информацию по SEO и SMM каналам трафика релевантно проекту.
  • Находит основные метрики по каналам.
  • Планирует простой А/Б тест, прогнозирует результат и подводит итоги после его окончания.
  • Получает данные из одной из систем аналитики и сохраняет их на ПК с помощью Python.
Содержание учебной дисциплины

Содержание учебной дисциплины

  • Знакомство с аналитикой.
    Разбор и сравнение основных аналитических систем. Основные метрики проектов в этих системах.
  • Изучение отчётов в аналитических системах – каналы трафика.
    Основные каналы трафика для проектов, как их найти в системах аналитики и как выбирать каналы трафика для своего проекта.
  • Изучение отчётов в аналитических системах – метрики проектов.
    Какие метрики лучше подходят каким типам проектов. Построение отчётов с этими метриками в системе аналитики.
  • Получение и обработка данных.
    Инструмент Power Query (входит в Excel), как выгружать и обрабатывать данные. Практическая работа.
  • Аналитические системы, которые позволяют изучать рынок.
    Способы анализа рынка и на что смотреть в первую очередь. Основные системы работы с такими данными.
  • AMP/Турбо-страницы, Анализ трафика из новостных агрегаторов.
    Технологии работы AMP/Турбо-страниц и их полезность для проекта. Принципы работы новостных агрегаторов.
  • SEO и SMM аналитика.
    Принципы работы SEO и SMM направлений, как получают трафик из поисковиков и социальных сетей. Основные метрики и отчёты по каналам.
  • А/Б тестирования и прогнозирование трафика.
    Методы работы с А/Б тестами, зачем и как их проводить. Способы анализа результатов тестирования.
  • Возможности Python для веб-аналитики.
    Написание простых запросов к системам веб-аналитики. Получение и сохранение информации.
Элементы контроля

Элементы контроля

  • неблокирующий Тест 1
  • неблокирующий Тест 2
Промежуточная аттестация

Промежуточная аттестация

  • Промежуточная аттестация (2 модуль)
    0.4 * Тест 1 + 0.6 * Тест 2
Список литературы

Список литературы

Рекомендуемая основная литература

  • Много цифр. Анализ больших данных при помощи Excel / Форман Д.; Пер. с англ. Соколовой А. - М.:Альпина Пабл., 2016. - 461 с.: 84x108 1/16 (Обложка) ISBN 978-5-9614-5032-3 - Режим доступа: http://znanium.com/catalog/product/551044

Рекомендуемая дополнительная литература

  • Билл Фрэнкс. Революция в аналитике: Как в эпоху Big Data улучшить ваш бизнес с помощью операционной аналитики. Альпина Паблишер, 2015. ЭБС Альпина Диджитал. URL: https://hse.alpinadigital.ru/book/7918