بین دیمنشن و متریک چه تفاوت‌هایی وجود دارد؟

تفاوت بین متریک و دیمنشن در دنیای اندازه‌گیری دیجیتال - خانم مستاصل با عینک در دست و در حال فکر

سال‌ها پیش و زمانی که برای اولین بار گوگل آنالیتیکس را باز کردم، با جدول‌هایی از داده مواجه شدم که تا به آن زمان نظیرشان را ندیده بودم. آن زمان می‌شد با نگاه کردن سرسری به جدول‌ها یک چیزهایی متوجه شد. اما به‌طور حتم، آن موقع نمی‌توانستم از مفهومی به نام Secondary Dimension سر دربیاورم. چون به عنوان دانش پایه‌ای حتی نمی‌دانستم که متریک (Metric) چیست و دیمنشن (Dimension) کدام است. کم‌کم و به مرور، کمی درباره‌ی این اصطلاحات و مفهوم آنها یاد گرفتم و با خودم فکر کردم که دیگر فهمیده‌ام این مفاهیم درباره‌ی چه چیزهایی هستند. اما زمانی که مجبور شدم برای اولین بار گوگل دیتا استودیو (Google Data Studio) را باز کنم، باز هم این حقیقت توی صورت‌ام خورد که هنوز درک درستی از متریک‌ها و دیمنشن‌ها ندارم. همین شد که به فکر افتادم درباره‌ی این موضوع مهم و حیاتی کمی توضیح بدهم و حداقل بتوانم مسیر را کمی برای شما هموارتر کنم.

چرا این موضوع باید برایم مهم باشد؟

راست‌اش را بخواهید، این سوال برای خودم هم کمی عجیب است. اما به این فکر کردم که شاید بد نباشد که آن را در ابتدای کار مطرح کنم و جواب آن را با هم مرور کنیم. ببینید، اگر در دنیای بازاریابی دیجیتال هستید یا حتی اگر به هر نحوی با اعداد و ارقام سروکار دارید، بالاخره به جایی می‌رسید که دانستن فرق‌های بین متریک و دیمنشن برایتان مهم می‌شود. همان‌طوری که گفتم و در مورد تجربه‌ی شخصی خودم هم شرح دادم، من هم زمانی به این نتیجه رسیدم که درباره‌ی متریک و دیمنشن آن‌قدر که باید، اطلاعات ندارم و دانستن درباره‌ی این موضوع برای من یک ضرورت (Must) است. همین شد که سعی کردم در آنها دقیق‌تر شوم و این دو موضوع را به صورت مفهومی برای خودم جا بیندازم. چند مورد از جاهایی را که احتمالا این فکر به ذهن شما هم خطور خواهد کرد را در زیر آورده‌ام:

  • در گوگل آنالیتیکس (Google Analytics)
  • در گوگل دیتا استودیو (Google Data Studio)
  • در گوگل شیتس (Google Sheets)
  • و احتمالا خیلی جاهای دیگر که الان در خاطرم نیست!

ولی در کل باید این موضوع را بدانید که بدون دانستن فرق‌ها و شباهت‌های بین متریک و دیمنشن، نمی‌توانید ادعا کنید که مارکتر (آنلاین یا آفلاین) خوبی هستید. شناختن این دو مفهوم برای شمایی که در حوزه‌ی بازاریابی کار می‌کنید، بسیار ضرورت دارد.

چطور باید متریک و دیمنشن را تلفظ کنیم؟

طبق عادت همیشگی، می‌خواهم درباره‌ی این موضوع هم کمی حرف بزنم. تلفظ متریک که تقریبا مشخص است و تا حدود زیادی مطمئن هستم که نمی‌توان آن را به شکل دیگری تلفظ کرد. اما موضوع درباره‌ی Dimension کمی متفاوت است. من خودم ترجیح می‌دهم که این عبارت را دیمنشن بخوانم که تلفظ آمریکایی این کلمه است. اما احتمالا خیلی جاها شنیده‌اید که این کلمه را دایمنشن تلفظ کنند. راست‌اش را بخواهید، هر دوی این تلفظ‌ها درست هستند و دایمنشن، تلفظ بریتانیایی Dimension است. اما همان‌طور که قبلا هم گفتم، من ترجیح می‌دهم از دیمنشن استفاده کنم. در این زمینه، انتخاب با خود شما است.

دایمنشن تلفظ بریتانیایی Dimension است و دیمنشن تلفظ امریکایی آن.

خودم استفاده از دیمنشن را ترجیح می‌دهم.

شباهت و تفاوت بین این دو در چیست؟

حالا به قسمت اصلی بحث درباره‌ی متریک و دیمنشن رسیدیم. تمام این موارد را با هم مرور کردیم تا به اینجا برسیم. در این‌جا به تفاوت‌های اصلی بین متریک و دیمنشن اشاره می‌کنم و اگر شباهتی بین آنها وجود داشته باشد را برایتان توضیح می‌دهم.

۱- ظاهرشان فرق دارد

اگر به ظاهر متریک‌ها نگاه کنید، چیزی به جز عدد و رقم نمی‌بینید. متریک‌ها از اعداد استفاده می‌کنند و میزان ارزش (Value)‌ چیزهای مختلف را نشان می‌دهند. در نتیجه می‌توانیم بگوییم که متریک‌ها، داده‌های کمی (Quantitative) هستند. ممکن است متریک‌ها واحد داشته باشند (مثلا زمان حضور= ۴۵ ثانیه) یا صرفا به شکل یک عدد خشک و خالی مطرح شوند ( مثلا تعداد فروش= ۵). برای اینکه یادتان بماند متریک‌ها صرفا عدد و رقم هستند، شاید «متر کردن» یا به یاد آوردن سیستم شمارش «متریک» (Metric) به شما کمک کند.

یک دیتا سورس اکسل – ستون‌های آبی دیمنشن و ستون‌های نارنجی متریک هستند.

در طرف مقابل، دیمنشن‌ها اغلب به صورت استرینگ (String) هستند و اغلب از حروف برای نمایش دادن مقدار آنها استفاده می‌شود. در نتیجه می‌توان گفت که دیمنشن‌ها کیفی (Qualitative) هستند و از آنها برای توصیف خصوصیات استفاده می‌کنیم. مثلا می‌گوییم آدرس اینترنتی google.com یا شهر Isfahan. البته گاهی ممکن است دیمنشن‌هایی داشته باشیم که مقدار عددی به خودشان بگیرند. مثلا خیابان ۴۲ یک دیمنشن است. اگر از اعداد در دنیای دیمنشن‌ها استفاده شود، خاصیت عدد بودن‌شان را از دست می‌دهند و باید به شکل کاراکترهای ساده با آنها رفتار کرد. این موضوع را در بخش فرق باطنی بیشتر توضیح می‌دهم.

۲- باطن‌شان فرق دارد

فرق باطنی بین متریک و دیمنشن در این است که روی متریک‌ها عملیات ریاضی (Arithmetic) انجام می‌شود و می‌توان مثلا آنها را با هم جمع یا از هم کم کرد. ولی نمی‌توانید دیمنشن‌ها را با هم جمع یا بر هم تقسیم کنید. علاوه بر این، می‌توان متریک‌ها را با استفاده از عملیاتی مثل جمع (Sum)، میانگین (Average) یا ماکزیمم (Max) تجمیع (Aggregate) کرد. اما چنین اتفاقی در مورد دیمنشن‌ها هرگز رخ نمی‌دهد.

مثال خیابان ۴۲ که در بخش قبلی به آن اشاره کردم را به یاد بیاورید. یک سوال از شما دارم: آیا خیابان ۴۲ را می‌توان بر خیابان ۴۱ تقسیم کرد؟ قطعا چنین امکانی وجود ندارد. این‌جا همان جایی است که ممکن است دیمنشن‌ها مقادیر عددی به خودشان می‌گیرند؛ اما نمی‌توان عملیات ریاضی روی این مقادیر عددی انجام داد.

۳- رنگ‌شان فرق دارد

شاید این موضوع کمی خنده‌دار به نظر برسد؛ ولی به به نظرم بد نیست درباره‌ی آن هم صحبت کنم. در دنیای گوگل، رنگ‌های ثابتی برای متریک و دیمنشن در نظر گرفته شده است. از نظر گوگل، متریک‌ها آبی هستند و دیمنشن‌ها به رنگ سبز نمایش داده می‌شوند. اگر با دنیای گوگل آنالیتیکس و گوگل دیتا استودیو آشنا باشید، حتما دیده‌اید که از این دو رنگ برای نمایش دادن متریک‌ها و دیمنشن‌ها استفاده می‌شود. درک کردن این موضوع و به یاد سپردن این کدگذاری رنگی در ابتدا برای من خیلی سخت بود و اصلا درک نمی‌کردم که چرا باید از رنگ‌های متفاوت برای فرق . ولی زمانی که با کاربردهای آن آشنا شدم، درود و صلوات فراوانی بر گوگل و مهندسان‌اش فرستادم. زمانی به حرف من می‌رسید که کار کردن با گوگل دیتا استودیو را شروع کنید.

نمایی از متریک‌ها و دیمنشن‌ها در یک دیتاسورس وارد شده به گوگل دیتا استودیو

چند نوع متریک داریم؟

اگر یادتان باشد، گفتم که متریک‌ها مقادیر عددی به خودشان می‌گیرند. اما همین مقادیر عددی بر اساس پسوندی که می‌پذیرند، به انواع مختلفی تقسیم می‌شوند. متریک‌هایی که من تا به حال شناخته‌ام، یکی از انواع زیر بوده‌اند:

  • عدد (Number) – مثلا تعداد کاربر= ۳۵۴۵ نفر
  • درصد (Percent) – مثلا نرخ ماندگاری= ۳۵ درصد
  • مدت زمان (Duration) – مثلا میزان طول عمر= ۶۳ روز
  • ارزها (Currency) – مثلا قیمت= ۲۹ دلار

چند نوع دیمنشن داریم؟

دیمنشن‌ها هم که قرار است مقادیر حروفی و عددی (غیر قابل جمع و تفریق) به خودشان بگیرند. دیمنشن‌هایی که من تا به حالا شناخته‌ام از این قرار هستند:

  • عدد (Number) – مثلا کد ملی= ۰۰۵۴۱۳۶۷۵۴
  • متن (Text) – مثلا نام= علی سلیمانی
  • تاریخ (Date) – مثلا تاریخ خرید= ۲۰۱۹-۲۸-۰۸
  • درست / غلط (True/False) – مثلا عضو سایت= No
  • منطقه جغرافیایی (Geo) – مثلا موقعیت کاربر= Dublin
  • آدرس وب (URL) – مثلا لندینگ پیج= example.com/en/contact-us

از کنار هم قرار گرفتن متریک و دیمنشن چه چیزی حاصل می‌شود؟

زمانی که این دو را در کنار هم قرار دهیم، می‌توانیم داده‌ها را درک کنیم. متریک‌ها داده‌های کمی هستند و می‌توانیم روی آنها عملیات ریاضی انجام دهیم؛ اما لازم است بدانید که متریک‌ها به تنهایی ارزشی ندارند. زمانی که از دیمنشن استفاده کنیم، می‌توانیم داده‌های کمی موجود در متریک‌ها را به بخش‌های کوچک‌تر بشکنیم. این کار به نوعی همان بخش‌بندی یا سگمنتیشن (Segmentation) است. هدف کلی از تمام این کارها این است که از داده‌های بی‌معنی، داده‌های معنادار بسازیم.

مثلا فرض کنید ما می‌دانیم که مجموع فروش شرکتی در طول یک سال ۲ میلیارد تومان بوده است. این داده به خودی خود معنای چندانی نمی‌دهد. اما زمانی که با استفاده از یک دیمنشن، میزان فروش را بر اساس شهرهایی که فروش در آنها اتفاق افتاده است بشکنیم، می‌توان بگوییم فروش شرکت در اصفهان ۵۰۰ میلیون تومان، در تهران ۸۰۰ میلیون تومان، در شیراز ۳۰۰ میلیون تومان، در مشهد ۲۵۰ میلیون تومان و در سایر شهرها ۱۵۰ میلیون تومان بوده است. حالا امکان مقایسه برایمان ایجاد می‌شود و می‌توانیم از عددهای متریکی، کمی دید بیزنسی استخراج کنیم. هر اندازه که از دیمنشن‌های بهتری برای شکستن داده‌ها استفاده کنیم، می‌توانیم اطلاعات ارزشمندتری به دست بیاوریم.

میزان فروش۲,۰۰۰,۰۰۰,۰۰۰ تومان
شهرمیزان فروش (تومان)
اصفهان۵۰۰,۰۰۰,۰۰۰
تهران۸۰۰,۰۰۰,۰۰۰
شیراز۳۰۰,۰۰۰,۰۰۰
مشهد۲۵۰,۰۰۰,۰۰۰
سایر شهرها۱۵۰,۰۰۰,۰۰۰

داستان کاستوم متریک و کاستوم دیمنشن چیست؟

ما دو نوع متریک و دیمنشن داریم؛ گروه اول آن متریک و دیمنشن‌هایی هستند که ازپیش تعریف شده‌اند و تکلیف ما با آنها معلوم است. مثلا می‌دانیم که از نظر گوگل، تعداد کاربرانی که از یک سایت بازدید کرده‌اند با متریک Users نمایش داده می‌شود. یا مثلا می‌دانیم که میانگین میزان زمانی که کاربر در هر سشن (Session) صرف می‌کند، با Avg Session Duration نمایش داده می‌شود. اما مثلا اگر بخواهیم میانگین مبلغ سفارش‌های یک سایت ایکامرسی یا همان Average Order Value را اندازه بگیریم، متوجه می‌شویم که متریکی برای این کار وجود ندارد. این‌جا است که باید خودمان دست به کار شویم و با تقسیم کردن درآمد (Revenue) بر تعداد سفارش‌ها (Number of Transactions) چنین متریکی را خودمان بسازیم. به این متریک و موارد مشابه می‌گوییم کاستوم متریک (Custom Metric).

متریک‌های کاستوم آن متریک‌هایی هستند که فرمول محاسبه‌شان را خودتان مشخص می‌کنید. دیمنشن‌های کاستوم را هم خودتان سِت می‌کنید.

مشابه این موضوع برای دیمنشن‌ها هم وجود دارد. مثلا می‌توانیم تمام کاربرانی را که کوکی سایت ما را از قبل روی دستگاه‌شان داشته‌اند، در یک کاستوم دیمنشن قرار دهیم یا کاربران عضو سایت را در یک دیمنشن جداگانه قرار دهیم. سیمو آهاوا یک راهنمای خوب درباره‌ی استفاده از کاستوم دیمنشن‌ها در گوگل آنالیتیکس دارد که حیف‌ام می‌آید شما را به آن ارجاع ندهم. معمولا برای استفاده از کاستوم متریک و کاستوم دیمنشن نیاز خواهید داشت که از گوگل تگ منیجر بهره بگیرید. اگر کار کردن با تگ منیجر را تا به حال نیاموخته‌اید، برای استفاده از کاستوم متریک و کاستوم دیمنش دیگر نیاز به یادگیری آن بر شما محرز خواهد شد.

حرف نهایی

سعی کردم تا جایی که در توان دارم و سوادم می‌رسد، تفاوت‌ها و شباهت‌های احتمالی بین متریک و دیمنشن را برایتان توضیح بدهم. تنها چیزی که فکر می‌کنم باقی مانده باشد و هنوز آن را برایتان نگفته‌ام این است: تمام داده‌هایی که قرار است با آنها کار کنید یا تا به حال با آنها کار کرده‌اید، از همین متریک و دیمنشن تشکیل شده‌اند. سعی کنید همین حالا این دو مفهوم را خیلی خوب برای خودتان جا بیندازید تا بتوانید به‌راحتی با داده‌ها کار کنید. چه بخواهید و چه نخواهید، باید بتوانید توانایی کار با داده‌ها را در خودتان تقویت کنید. پس این لزوم را دریابید و خودتان را برای آن آماده کنید.

منبع عکس کاور این پست، سایت Freepik است.

۰ ۰ رای
امتیاز کلی این نوشته
guest
0 کامنت
فیدبک اینلاین
دیدن تمام کامنت‌ها