בתכנון מערכת חדשה ועיצוב ממשק המשתמש, מושקעת (לרוב) מחשבה רבה במאפיינים שיביאו להצלחת הממשק, כגון תכנון המבנה, הגדרת ארכיטקטורת המידע ואופן הניווט, בחינת אילוצים טכנולוגיים, תעדוף המידע הרלוונטי למימוש היעדים העסקיים וכד', כמו כן מתבצע שימוש בכלי אבחון שונים כגון סקרי איתור צרכים, בדיקות שימושיות ועוד. אולם, מאחר והשקעה רבה כבר בוצעה בתכנון הממשק וכבר התקבלה החלטה מושכלת ובחירה בממשק המתאים, לעיתים אנו מוצאים את עצמנו נחים על זרי הדפנה מתוך קונספציה שבחרנו טוב, וכעת עלינו למנף היבטים אחרים של המערכת לאחר עלייתה לאוויר.
חשוב לזכור, תכנון טוב יוכל לצפות התנהגות משתמשים במידה טובה, אולם תכנון טוב ככל שיהיה אינו מדמה מצב אמת ואת התנהגות המשתמשים הלכה למעשה. לכן גם לאחר שהוטמע ממשק מסוים – עלינו לנצל את המשאבים עומדים לרשותנו לצורך הערכה מחודשת, תכנון, הטמעה והערכה מחדש – בהתאם להתאמה לצרכי המערכת.
ניתן לדמות ניהול אתר לטיפול במכונית, שעל מנת להבטיח פונקציונאליות מיטבית עלינו לנטר את מצב שמני המנוע, לוודא תקינות גלגלים, ולבצע טיפולים תקופתיים. בכלי רכב עומדים לשרותינו כלי אבחון כגון מדיד השמן ולוח המחוונים, כך גם באתרי WEB שונים עומדים לרשותי כלי סטטיסטיקה לאבחון וניטור תנועת המשתמשים באתר.
בפרויקטים רבים, עיקר המיקוד הינו בהקמת המערכת והעמדתה בצורה מהירה ואופטימאלית לארגון, ולעיתים בתהליך ההקמה נושא האנלטיקה מוזנח. ההכרה התחושה בחיסרון בסיס נתונים סטטיסטי עולה עם שלב ההטמעה וההערכה. עם זאת, למרבית הפלטפורמות ישנה יכולת סטטיסטית מובנית, ובמקרים רבים ניתן אף להוסיף כלים סטטיסטיים חיצוניים (כדוגמת Google Analytics או Cardiolig ל SharePoint וכד').
בניתוח נתונים פשוט של כמות הביקורים והצפיות באזורי האתר השונים (Visits / Views / Unique users) נוכל למצוא את האזורים ה "חמים" אל מול האזורים הפחות מושכים בעיני המשתמש, נוכל גם לשנות את מיקום והתכנים לאור שיקולים ארגוניים (מה ברצוני להבליט) או פונקציונאליים (אם מחפשים נושא מסוים – אולי עלינו להחצינו באופן שיקל על המשתמש). ניתן להשתמש במידע זה לאיתור "Winner Applications" וניצולם לגברת השימוש והטמעת האתר. ישנם כלי ניתוח מתקדמים בהם ניתן לעקוב אחר תנועות המשתמש על המסך, וכך למעשה לזהות את ה "Hot Spots" ולמנף אותם לצרכים הארגוניים
* על ההבדל בין Visits, Views ו Unique users ניתן למצוא הסבר בסוף המאמר
נתון נוסף הראוי להערכה הינו זמן השהות באתר (Averege Time on Site) ממנו נוכל ללמוד האם מי שמגיע לאתר – מגיע כי הוא חייב (במידה והוא מוגדר כדף הבית) או בטעות (התוכן "נשמע" רלוונטי אך למעשה הקישור המפנה מטעה). במידה וזמן השהות אינו עולה על שניות בודדות – סביר להניח שהאתר הינו תחנת מעבר ולא היעד למשתמשים. אולם במידה וזמן השהות הינו דקה ואף יותר, סביר להניח שהמשתמש עיין בתוכן האתר והשתמש בתכניו.
* לעיתים זמן השהות בעת השקת אתר הינו גבוה בתחילה ולאחר מספר חודשים יורד באופן ניכר. ניתן לייחס זאת לירידה בשימוש באתר אולם מצד שני ייתכן והמשתמשים כבר למדו להכיר את האתר ולכן ה Time to Target יורד אופן משמעותי.
לעיתים ננטר גם את ה "Bounce Rate" או "Exit Rate", שמטרתן דומה מחד לזמן השהות ומאפשרת לנו להבחין במשתמשים "פיקטיביים" שעוברים דרך האתר. מנגד, דף שאחוז ה "Exit" שלו גבוה יכול להעיד על כך שהוא דף היעד ש המשתמש ולכן לאחר ביקור בו השיטוט באתר הופסק. כלי זה מאפשר לי להבחין מהם התכנים החשובים למשתמש באתר.
ה "Exit Rate" מאפשר להבחין מה חשוב למשתמש מתוך הקיים באתר, אך כידוע האתגר הגדול בניהול הידע – הוא זיהוי נושאים שאיננו יודעים, ובכללן אילו שאיננו יודעים שאנו לא יודעים אותם – כלומר מה המשתמשים מחפשים שלא קיים באתר. לכן, כלי סטטיסטי מעולה לצורך זה הוא ניתוח מילות החיפוש ותוצאות החיפוש. ניתן לזהות כמה חיפושים מוצלחים ולא מוצלחים היו, ניתן לזהות האם הכשל במציאה הינו בהיעדר המידע או בהיעדר הנגשה וטקסונומיה נכונה.
כאשר אוכל לזהות מה מצפים למצוא באתר אוכל לשפר את ממשק וחווית המשתמש בהגשמת ציפיותיו