【Analytics/Spreadsheet】2013年のスマホ・タブレット・サイト速度の予測は既に終えていますか？

2012年はスマートフォンが爆発的に普及したのでスマートフォンサイトやアプリを立ち上げたという企業も多いと思いますが、中小企業にとってはなかなか踏み出すリソースが無いなど、まだ立ち上げていない企業も多いと思います。

ウェブサイトの表示速度はユーザー視点で見ても、SEO的に見ても重視すべきポイントの1つになりました。

では結局2012年、運営しているサイトの傾向はどのようになっていたのでしょうか？
そして2013年はどのようになっていくのでしょうか？

2013年のウェブ解析ポイントをまとめたり、新たな会社としてのKGIから導き出されるKPI、そしてその予測数値などをまとめる作業を行う事はとても重要ですが、皆さんは既に作業を終えていますか？


■スマホ・タブレットの予測数値をGoogle Spreadsheetで分析・予測する

今回はあるアクセス数が少なめのサイトを例に分析してみます。とはいっても、実数はボカシますのであしからず。

まずGoogle Analyticsで週次のモバイル比率を知るために週データをダウンロードします。

早速数値はぼかしていますが、アドバンスセグメントをかけていきます。このデータをダウンロードして比率化します。ちなみに、飛び抜けている数値の部分はメールマガジンやキャンペーンなどを行なっている部分です。

このデータから比率をもとめていくと、次のようなグラフが得られました。

おおっ！2012年はかなり数値が上昇していますね。
2013年もこのままの傾きで推移すると危険そうです(・_・;)

特に年後半の傾きが急になっているように感じます。

では、スマートフォン・タブレットの上昇傾向がどの程度のものなのか、Google Spreadsheetでそのまま調べてみましょう。
※今回はデータを2分割せず一纏めで解析します。

ここでは、Google Spreadsheetの関数を使っていきます。まずはこれ！

LINEST(データY, データX, 線形型, 統計)

 とはいえ、データY以外はオプションなので、今回は「LINEST(データY)」だけで求めます。今回のY軸は比率ですね。

比率をデータとして入れて計算すると次の2つのデータが得られました。

1.　0.002213522478255　　⇒　0.0022
2.　0.11238948631835　　⇒　0.1123

これは何かというと、

y = 0.0022x + 0.1123

というグラフを得た事になります。懐かしい！！

傾きが0.0022というプラスになっていますね。これは1週間に2.2%ずつ増加しているという事を示します。

では、このままいくと2013年はどのように推移すると予測されるでしょうか？
次に使うのがこの関数。

FORECAST(値, データY, データX)

これは先程求めた y = 0.0022x + 0.1123 で、xを動かしてyの数値を求めていくだけの関数です。
つまり

値 : 週番号を動かします
データY : 2012年の比率データ
データX : 2012年の週番号データ

です。
ざっくり、こんな感じで求めてみました。
1から始まるのが値(週番号)、その隣にFORECAST関数が入っています。

ここでは週番号が1から入っていますが、1～52までの値は2012年の値なので本来は不必要です。
53週の途中から2013年が始まるので、53　 = 2013年第1週目として予測数値を出していくといいでしょう。

そうすると、X軸の値は全くキレイにしていませんが、こんな感じのグラフが作れます。
2013年末には35%近くがスマホ・タブレットでアクセスされる計算です。

上振れして40%近くまで上昇するかもしれませんが、その辺りのブレは1標準偏差あたりで推測しても良いでしょう。


■サイト速度も同様に計算

サイトスピードの測定はモバイルとモバイル以外の2パターンをそれぞれ分析していったほうがいいでしょう。

今回はモバイルを除外して数値をみていきます。
アドバンスセグメントでモバイル除外をして計測します。

データをダウンロードするところまではイイと思いますが、サイト速度の場合はサンプリングデータのため、異常値をはずします。

今回は、値が「0」のものと、平均値+2標準偏差以上のデータを異常値とみなし、データを除外します。また、データは日次にしました。

そのデータを散布図を書いてみると

※横軸は日付です。

回帰直線を引いてみると・・・

お。とても良い感じですね。

ページ表示速度は改善しているというのがわかります。

回帰線に関しては、今回は自分の勉強のためにRを使って書いてみました。
数式はこんな感じ。

data <- read.csv("ファイル名" , header= T)
 plot(data)
 result <- lm(avgtime~No. , data=data)
 abline(result)

去年1年間で、サーバのチューニングなどの施策を行なっていれば、その効果がグラフから一目瞭然になりました。去年の反省になりますね。
Spreadsheetでも散布図などはすぐに作れますので、色々活用されるとイイと思います。