Свой генератор UTM-меток, как и почему? / likes 10 / блог студии Клондайк!
Как и в прошлый раз на бурную деятельность меня сподвигло сообщение в чатике (рис. 1)
рис. 1.Сначала я был настроен несколько скептически, у меня оставался последний день на больничном и хотелось продолжить обучение по GTM.
Но потом, прикинув трудозатраты, я решил таки запилить…
Я подумал, что данный генератор вполне можно запилить за день, а обучение продолжить потом. Тем более, что правильный генератор нужен уже сейчас и не только Лилии, а, может, и не только Клондайку…
Дело за малым, осталось этот сервис сделать!
За основу был взят генератор Алексея Ярошенко, мы сами им пользовались с момента его появления и до момента релиза моего детища.
Я честно позаимствовал расположение блоков, какие-то текстовые данные и общий внешний вид. Также я почерпнул информацию относительно макросов, которые предоставляют различные рекламные системы.
А далее было свободное плавание…
Помимо «правильных» UTM-меток, в генераторе предусмотрена нормальная работа с URL адресом. Удивительно, но все генераторы что я находил в сети, делают это очень криво. Например, не учитывают протокол ссылки, GET запросы, хеши, закрывающий слеш в конце концов! В таких условиях быстро сгенерировать сложную ссылку довольно проблематично, ее приходится подвергать пост редактированию, искать ошибки, тратить на это время. Моя «поделка» корректно обрабатывает все вышеперечисленные нюансы, единственное чего я делать не стал, так это валидации самого URL, тут уж сами потрудитесь ввести корректную ссылку.
Плюшки
Для удобства и быстроты использования была добавлена кнопка «Скопировать в буфер». Объяснять, зачем она нужна, наверняка не нужно, и ей действительно удобнее пользоваться, чем выделять длиннющий URL мышкой. Сделана обработка поля с URL, если вы вставите ссылку с корректным протоколом, https или http, то он будет автоматически выбран в поле слева, это очень удобно! Просто копируйте ссылку из адресной строки и вставляйте в поле, об остальном позаботится генератор.
Cool story
Для каждой из представленной в генераторе рекламных систем я пытался найти максимум информации относительно макросов. В некоторых случаях все заканчивалось хорошо, мне удавалось найти документацию, и описание макросов просто копировалось.
Саппорт Begun сразу ответил что никаких макросов у них нет и надеяться, что они появятся не стоит.
Сложнее оказалось с FaceBook, в документации нет ни слова о UTM-метках и макросах. Но самое печальное в том, что у них нет саппорта, есть форма, которая позволяет задать вопрос поддержке, но в ней написано, что они, скорее всего, не ответят. В общем, по FaceBook у меня ответа нету.
Но самая феерия случилась с Вконтакте. У меня уже были две переменные для макросов, которые должны работать с рекламной системой Вконтакте, но я не смог найти инструкций и каких-нибудь дополнительных макросов в официальных источниках. Поэтому я написал в саппорт небольшой запрос, в котором просил подтвердить работоспособность имеющихся у меня макросов и подсказать, существуют ли другие. Саппорт в свою очередь стал уверять меня в том, что их платформа вообще не имеет функционала для работы с макросами в URL. Добиться какого-то внятного ответа стало сложно, и я создал тестовую РК, настроил объявление, собрал URL с UTM-метками при помощи своего же генератора. Протестировал получившееся объявление и.
Думки
Я пока не знаю нужна ли здесь транслитерация полей или автогенерация URL при изменении полей, я видел эти плюшки у других генераторов, но пока сомневаюсь в их необходимости.
Сервис ярошенко. Генератор UTM-меток твоей мечты. нюансов создания UTM-меток
This tool allows you to easily add campaign parameters to URLs so you can track Custom Campaigns in Google Analytics.
Enter the website URL and campaign information
Fill out the required fields (marked with *) in the form below, and once complete the full campaign URL will be generated for you. Note: the generated URL is automatically updated as you make changes.
More information and examples for each parameter
The following table gives a detailed explanation and example of each of the campaign parameters. To learn more, check out the links in the section below.
Campaign Source | Required. Use utm_source to identify a search engine, newsletter name, or other source. Example: google |
Campaign Medium | Required. Use utm_medium to identify a medium such as email or cost-per- click. Example: cpc |
Campaign Name | Required. Used for keyword analysis. Example: utm_campaign=spring_sale |
Campaign Term | Used for paid search. Use utm_term to note the keywords for this ad. Example: running+shoes |
Campaign Content | Used for A/B testing and content-targeted ads. Use utm_content to differentiate ads or links that point to the same URL. Examples: logolink or textlink |
Главной целью любого интернет-ресурса является привлечение аудитории и выполнение ей целевого действия (покупка товара, заказ услуги, переход по ссылке и т. д.).
Но как узнать, откуда именно приходит трафик и какова эффективность каждого источника?
Решить эту проблему можно с помощью использования UTM меток.
Что такое UTM метки?
UTM метки — это специальные теги, которые вписываются в ссылку (link), позволяя инструментам аналитики собрать информацию о источнике трафика. В переводе UTM означает «отслеживающий модуль компании Urchin».
Зачем нужны UTM метки?
UTM метки предназначены для:
- передача в систему аналитики канала и источника трафика
- передача данных о объявлении, кампании, ключевом слове или других значений
Данные метки используются в том случае, если рекламодателю необходимо оптимизировать затраты на рекламу, улучшить контент и/или просто оценить эффективность каждого источника трафика — рекламной площадки. При это данные о трафике не передаются автоматически в систему аналитики.
Например используйте utm метки, чтобы передать информацию о трафике из Yandex Direct в Google Analytics.
Из чего состоит UTM метка?
UTM метки состоят из двух частей:
- UTM-значения — например, «cpc» — реклама с покликовой оплатой; «referral» — переход с соцсети или сайта и т.
- параметра — существует 3 обязательных и 2 опциональных — необязательных параметра
Соединяются параметры и значения знаком «=», разделяются такие конструкции (метки) знаком «&».
Например
К обязательным параметрам любой метки относятся:
- utm_source,
- utm_medium,
- utm_campaign.
Необязательными являются utm_term и utm_content. Рассмотрим их более детально.
Обязательные параметры UTM метки
Обязательными такие параметры называются потому, что упущение хотя бы одного из них приведет к сбою работы UTM метки.
- utm_source (источник): определяет источник трафика — название рекламной площадки, например, Facebook, Google, billboard и др.
- utm_medium (канал): маркетинговый или рекламный канал. Рекомендовано использовать стандартные значения: cpc — cost per click; display — реклама баннерного типа с оплатой за показы; social_cpc — реклама в социальных сетях с покликовой оплатой; e-mail рассылка и т. п.
Примеры: utm_medium=cpc; utm_medium=e-mail. - utm_campaign (кампания): название компании, слоганы, промокоды и т. п. Позволяет различать рекламные компании в статистике; вводится на английском или транслитерации.
Примеры: utm_campaign=sport_tovary; utm_campaign=yellow_dress.
Опциональные (необязательные) параметры UTM метки
Отсутствие опциональных параметров никак не повлияет на работу UTM метки, но их использование принесет важные данные о работе рекламных кампаний.
- utm_term (ключевое слово): ключевые фразы, инициирующие показ рекламы. Используются для выявления нецелевых запросов.
Пример: utm_term=klychevaya_fraza. - utm_content (содержание объявления): используется для различения схожего контента или ссылок в одном объявлении. Например, если в одном тексте рассылки присутствует два призыва к действию, с помощью utm_content можно определить, какая из них более эффективна, присвоив им разные значения.
Пример: utm_content=zakazat или utm_content=kupit
Как создать UTM метку при помощи конструктора?
Создать УТМ метку можно как вручную, так и с помощью специальных конструкторов:
- Компоновщик UTM меток (можно выбрать пресеты основных рекламных активностей)
Рассмотрим пример автоматического создания меток с помощью генератора ссылок от Google. Здесь для установки меток необходимо заполнить форму компоновщика URL:
- указываем URL (домен) своего сайта
- заполняем обязательные поля «Источник кампании», «Канал кампании» и «Название кампании»
- при необходимости вводим дополнительную информацию в полях «Ключевое слово в кампании» и «Содержание кампании»
- Далее нажимаем на «Создать URL» и получаем готовую ссылку с желаемыми метками. Эту ссылку можно вставлять в объявление.
Основным минусом этого способа является ограниченный список переменных.
Используя конструктор UTM меток, большое количество пользователей допускают ряд ошибок:
- допускают орфографические ошибки при заполнении полей
- вводят некорректную информацию (не разобравшись, что такое канал или источник кампании)
- игнорируют необязательные поля при большом количестве объявлений, после чего сами путаются в них
Как настроить UTM метки в Google Adwords?
Настроить метки в Google Adwords можно двумя способами: использовать «Автоматическую пометку объявлений» или вручную.
Первый вариант хоть и позволяет получить широкий объем данных о кампании, но шифрует некоторую информацию. Второй способ расшифровывается достаточно просто, но требует немного больше усилий и внимания.
Чтобы поставить UTM метку вручную, важно знать основные обозначения — символы (они актуальны как для Гугл, так и для Яндекс):
Более продвинутое использование меток подразумевает привлечение динамических параметров. Прописав необходимые параметры в шаблоне, система Adwords самостоятельно меняет содержимое фигурных скобок, вписав определенные значения.
Как настроить UTM метки в Яндекс Директе?
Есть небольшой совет: прописывайте UTM метки таким образом, чтобы Вы могли легко разобраться в отчете.
Добавить UTM метки в объявление Яндекс Директ можно в 3 этапа:
- составить метку (определить, какую информацию необходимо отслеживать)
- добавить к ссылке, на которую будет вести объявление, саму UTM метку, пример:
https://сайт/? - utm_source=yandex&utm_medium=cpc&utm_campaign=сео&utm_term={keyword}
добавить ссылку в объявление Яндекс Директ
После данной настройки, Вы сможете отследить по указанным меткам, что переход по вашему объявлению был сделан из рекламной кампании Яндекс Директ, кампании «сео» по определенному ключевому слову.
Чтобы отслеживать UTM метки необходимо иметь установленную систему аналитики Google Analytics или Яндекс Метрику.
Для просмотра результатов работы параметров utm_source и utm_medium в Аналитике необходимо:
- перейти в раздел «Источники трафика»
- кликнуть на ярлык «Весь трафик»
- зайти в «Источник/канал»
Чтобы отследить параметры utm_campaign, utm_term и utm_content необходимо:
- посетить раздел «Источники трафика»
- далее перейти в «Кампании»
- кликнуть на «Все кампании»
- найти «Дополнительный параметр», перейти в «Реклама», а затем в «Ключевое слово или Содержание объявления»
В Яндекс Метрике информацию о метках можно найти по такой схеме: «Отчеты» — «Стандартные отчеты» — «Источники» — «Метки UTM».
С помощью данных меток можно выстроить отчеты по источникам трафика, каналам рекламы, ключевым фразам и другим параметрам. По каждому из таких параметров будет доступно большое количество данных.
Как использование меток, может навредить сайту?
Существуют 2 основные проблемы, с которыми сталкиваются рекламодатели, при создании UTM меток:
- возникновение дублей страниц — может спровоцировать конфликт при индексации, с возможными санкциями, от робота поисковой системы;
- слишком длинный URL — также не является привлекательным, особенно когда ссылку необходимо вывести на обозрение целиком.
Решить проблему с дублями страницы можно следующими способами:
- Оптимальный вариант
на странице с utm-метками, в разделенеобходимо указать canonical на первоначальную ссылку, которую будет использовать поисковик.
- Пример: где
- http://site.com/stranica.html — страница без меток.
- Закрыть страницы с utm-метками от индексации через meta-robots. Для этого в разделенеобходимо указать строку:
- Закрыть страницы с utm-метками от индексации через robots.txt. Для этого в файле robots. txt нужно добавить такую строки:
Только ленивый не слышал о том, что хорошо бы было все источники трафика помечать UTM-метками. На этом знания большинства людей заканчиваются. Кто-то умудряется называть их «реферальными хвостами»… странно, что не конскими или собачьими. А кто-то почему-то свято уверен, что эти UTM-метки сами подменяют заголовок в лэндинге и делают так, чтобы в заявке само на почту приходило ключевое слово.
В чем-то они правы, это можно сделать, и не без помощи UTM-меток. Но…
UTM-метка — всего лишь обычная ссылка
А если быть точным, от 3 до 5 параметров, которые добавляются к ссылке.
Http://сайт/?utm_source =vk &utm_medium =cpc &utm_campaign =retarget
Параметр = значение . Значение может быть любым, лишь бы вы его поняли. Рекомендую использовать транслит там, где вы задаете значения вручную.
Копнем глубже
Параметров всего 5. Из них 3 — обязательные. Их сделала обязательным компания Urchin, которая, собственно, и придумала эту систему разметки (в 2005 году их купил Google).
От главного к второстепенному:
- utm_source — источник трафика (google, yandex, vk , …)
- utm_medium — тип трафика (cpc (оплата за клики), email, banner , …)
- utm_campaign — название вашей рекламной кампании (potolki_search )
- utm_creative — название объявления (banner-300×250 )
- utm_term — ключевое слово (натяжные+потолки+минск )
Эти 5 параметров по умолчанию понимает большинство систем веб-аналитики.
Где посмотреть результаты?
К примеру, в отчете по источникам трафика в Google Analytics. Или в отчете по UTM-меткам в Яндекс.Метрике.
Как-то долго делать 1000 ссылок на кампанию
И хорошо. Значит вы — нормальный, здравомыслящий человек.
Google AdWords и Яндекс.Директ давно придумали макросы, вместо которых при переходе по ссылке, подставится нужное значение.
Возьмем, к примеру, макрос {keyword} (он есть и в Google, и в Яндексе).
{keyword}
Но когда объявление покажется по ключевому слову «настройка adwords » и человек кликнет по нему, то перейдет уже по другой ссылке:
Сайт/?utm_source=google&utm_medium=cpc&utm_campaign=search&utm_term=настройка+adwords
А есть еще макросы?
Назовем их не макросами, а «параметрами динамической вставки». Простите за педантизм, но так будет как-то правильнее:).
Конечно, есть, и вот они:
Основные параметры динамической вставки Google AdWords
Параметр | Что подставится вместо {параметра} |
{keyword} | ключевое слово, по которому было показано объявление |
{placement} | домен сайта, с которого был клик по объявлению (только для КМС). |
{creative} | ID объявления. |
{network} | откуда поступил клик: из Google Поиска, от поискового партнера или из контекстно-медийной сети (буквы g, s и d соответственно). |
{matchtype} | тип соответствия ключевого слова: точное, фразовое или широкое (буквы e, p и b соответственно). |
{adposition} | позиция вашего объявления на странице, обозначенная как 1t2, говорит о том, что объявление находится на позиции 2 вверху (top) страницы 1. |
{device} | с какого устройства поступил клик: с мобильного телефона, планшетного ПК или настольного/портативного компьютера. (буквы m, t и c соответственно). |
{devicemodel} | марку и модель устройства (например, Apple+iPhone), если клик был с ьелефона или планшета (только в КМС) |
{target} | категория, к которой относится место размещения в КМС (например, путешествия или спорт). |
Основные параметры динамической вставки Яндекс.Директ
Параметр | Значения параметра |
---|---|
{keyword} | Ключевая фраза, по которой было показано объявление Текст ключевой фразы без минус-слов |
{source_type} | Тип площадки, на которой произведён показ объявления
|
{source} | Домен площадки РСЯ |
{position_type} | Тип блока, если показ произошёл на странице с результатами поиска Яндекса
|
{position} | Точная позиция объявления в блоке
|
{addphrases} | Клик из «дополнительных релевантных фраз»? («yes» или «no») |
{campaign_id} | Номер (ID) рекламной кампании |
{ad_id} или {banner_id} | Номер (ID) объявления |
{phrase_id} | Номер (ID) ключевой фразы |
{retargeting_id} | Номер (ID) условия ретаргетинга |
{gbid} | Номер (ID) группы |
А есть генераторы ссылок с UTM-метками?
Конечно, один из них я написал лично. И искренне считаю его самым удобным генератором UTM-меток из всех, которые я встречал.
Как настроить отслеживание переходов по нужным ссылкам так, чтобы потом не потеряться в Google Analytics? Нужно ли заполнять все поля в конструкторе UTM-меток, или достаточно базовых? И какие из них базовые? WordFactory задала эти вопросы Антону Астахову (руководитель отдела интернет-рекламы Mello и веб-аналитик проекта PixelBuddha).
UTM-метка (Urchin Tracking Module) — переменная, которая добавляется в URL-адрес страницы и позволяет системе веб-аналитики получить дополнительную информацию о переходе по ссылке.
Вы наверняка уже использовали UTM-метки, но, возможно, найдете в этой статье несколько лайфхаков.
В каких случаях и зачем используются UTM-метки?
— UTM-метки стоит использовать, когда вы размещаете информацию со ссылкой на ваш сайт на различных ресурсах, рекламных площадках/системах/соцсетях/письмах/qr-кодах и планируете все это анализировать. Идентифицировать большинство переходов из площадок/рекламных систем худо-бедно можно и без UTM. UTM-метка нужна, если вы хотите не только идентифицировать эту площадку, но и получить дополнительные данные. Например, вам интересно не только то, что пользователь перешел из «ВКонтакте», вы хотите четко знать, из какого поста/группы он приходил.
Как создать UTM-метку правильно? Пошагово. Что, зачем и в какой графе должно быть?
— Прежде чем описать процесс формирования ссылок, я бы хотел отметить, что рекламные кампании могут проводиться в интернете (далее — онлайн) и на различных печатных носителях — СМИ, раздаточные материалы (далее — оффлайн). Чтобы создать правильную ссылку с меткой, вам потребуется Компоновщик URL .
Этап 1 . Укажите URL своего сайта или адрес страницы, на которую планируется переход. Например: http://www.example.com/zagruzka.html .
Этап 2 . Введите уникальные данные для UTM-метки.
В том числе:
1. Источник кампании (utm_source) — источник, из которого будет сделан переход. Для онлайн-рекламы: домен без доменной зоны сайта (или адрес сайта до точки), на котором будет размещена ссылка. Например:
2. Канал кампании (utm_medium) . Представьте, что вы смотрите ТВ, у вас есть спортивные, новостные, развлекательные и другие каналы. В UTM-метках также есть определенный список общепринятых каналов.
3. Ключевое слово в кампании (utm_term) и содержание кампании (utm_content) — необязательные поля. Но, если вы, скажем, делаете пометку рекламной кампании в Директе, то глупо не передавать ключевое слово (utm_term). Если обязательных полей не хватает, вы можете использовать эти два поля для добавления дополнительной информации (размер баннера, используемый в рекламе, его версия и так далее).
4. Название кампании (utm_campaign) используется для обозначения рекламы определенного товара или стратегической кампании. Например:
После заполнения нужных полей нажмите кнопку «Отправить». Внизу под кнопкой сформируется итоговая ссылка, которую можно выделить и скопировать.
Как автоматизировать процесс создания UTM-параметров, если нужны сотни меток?
— Можно использовать бесплатные сервисы, доступные в интернете (например, от Semantica). В отличие от стандартного компоновщика Google, они предоставляют разные приятные фишки: тегирование списка ссылок, параметры рекламных площадок, которые можно передавать в UTM-метку, и другие. Но я в своей работе такие сервисы не использую. Если нужно проставить теги к сотне ссылок, то, на мой взгляд, лучше Excel ничего нет:). Вы всегда можете очень быстро создать базу данных, добавив в качестве столбцов дополнительную информацию, которую не будете вставлять в метку (стоимость размещения данной ссылки, дата публикации и так далее). К тому же Excel дарит свободу действий. Вы всегда можете под какие-то задачи превратить обычный файл Excel в инструмент, решающий определенную задачу.
Недавно Максим Уваров в своем курсе по Excel подкинул отличную идею о том, что можно использовать умные таблицы для создания UTM-генератора в Excel.
— Скажи, кто твой друг, и я скажу, кто ты. Для UTM-меток это можно перефразировать так: скажи, какую информацию ты завел в метку, и я скажу, что ты сможешь увидеть. Если тегирование производить грамотно, используя возможности рекламных площадок (например, Яндекс.Директ дает отличный список параметров для передачи в метку), тогда возможности безграничные. А в совокупности с сервисом загрузки затрат bi.owox.com и расчетными показателями в Google Analytics можно выгружать данные по затратам из различных сервисов/площадок, рассчитав стоимость конверсии. По этим данным можно собрать вот такой кастомизированный отчет в Google Analytics:
Почему нужно (и нужно ли) сокращать UTM-метки?
— Некоторые думают, что чем сложнее/длиннее метка, тем дольше скорость загрузки страницы. Это миф, потому что UTM-метка не влияет на скорость загрузки. Она может влиять на отображение сайта, но этот момент легко тестируется на практике. За последние три года я встречал только два сайта, на котором UTM приводили к проблемам с отображением данных, но они оба были разработаны очень давно и в целом были проблемными.
Если вы хотите, чтобы ваша ссылка выглядела короткой, яркой и запоминающийся, можете использовать сервисы сокращения ссылок, например bitly . Вставляете ссылку с UTM в сервис, и на выходе получаете короткую версию. А если доплатите, то получите возможность стилизовать короткую ссылку под себя/бренд компании. Короткие ссылки обычно нужны, если они используются на визитках, наружке, презентациях, стендах и других источниках, где у пользователя существует возможность ее увидеть.
Какие могут быть негативные эффекты от использования UTM-меток c точки зрения SEO? Как их избежать?
— С точки зрения SEO, это дубли страниц со всеми вытекающими из этого последствиями — например, санкциями поисковых систем. Поэтому просто закрывайте UTM-метки в файле robots.txt с помощью директивы clean-param ( описано, как это сделать) — и все будет ОК.
В этой статье я расскажу все, что знаю об UTM метках . Как их использовать, создавать, отслеживать, настраивать их параметры и самое главное, как все сделать правильно, чтобы в системах аналитики и работе сайта не возникало проблем.
Начнем с вопроса – зачем вам UTM метки? Чаще всего можно обойтись автоматической пометкой целевых URL , которые предоставляют системы контекстной рекламы. Если в этом вы уже разобрались, и поняли, что вам все-таки нужна ручная пометка – тогда давайте разбираться с UTM метками .
Что такое UTM метки и для чего они нужны?Это переменные, которые мы вручную добавляем к УРЛ адресу. Нужны они для того, чтобы отделить трафик из Яндекс Директ или Google Adwords от остальных источников трафика.
Пример: site.com/?utm_source=yandex&utm_medium=cpc&utm_campaign=kampaniya
Базовые сведения об UTM меткахТеперь, когда вы видели пример UTM метки у вас, наверное, появилось много вопросов по поводу используемых символов (&,?) и параметров (значений).
Вопросительный знак в адресе является разделителем , и указывает для системы аналитики – где начинается метка. Дальше идут параметры, их еще могут называть переменными. Амперсанд (&) применяется, чтобы разделить различные параметры в UTM метке.
Еще раз повторим: знак вопроса идет сразу после адреса вашей целевой страницы, а следом, разделенные амперсандом – переменные для отслеживания.
Совет: если в целевом URL уже присутствует знак вопроса (?) нужно использовать вместо метку разделителя – амперсанд (&), иначе в аналитику будут передаваться искаженные данные.
Пример УРЛ с знаком вопроса: site.com/?parameter=1
На выходе получаем: site.com/?parameter=1&utm_source=yandex ….
В зависимости от движка, на котором работает сайт, нужно понять – обязательно ставить косую черту перед началом UTM метки или нет. На большинстве сайтов можно использовать два варианта. Это легко проверить: берем URL сайта с UTM меткой и косой чертой и без нее, и вбиваем два варианта в адресную строку, если ошибок нет – то можно использовать два варианта.
Так же не рекомендую ставить пробелы внутри UTM меток , некоторые движки читают их как: %20 или %2B, другие отобразят в виде простого пробела, а третьи заменят знаком «+». Пробелы могут разбить адрес, и если страница не выдаст «404 Ошибку», то в системах аналитики – будут перебои. Так что пробел – не используем в УТМ метках.
Параметры UTM метокСо всеми параметрами вы можете ознакомиться на официальных ресурсах Яндекс Директ и Google Adwords , мы обсудим лишь основные:
Разберем подробнее каждую UTM-метку:
- utm_source – тут все просто, нужно указать источник, откуда идет трафик.
- utm_medium – Эта та часть, где желательно использовать творчество по минимуму, во избежание не качественных отчетов в аналитике.
Для контекстной рекламы — cpc (cost per click)
Для медийки — banner
Для емейл-рассылки — email
Для партнерок — affiliate
- utm_campaign – в эту метку стоить поместить информацию о вашей рекламной кампании в Google Adwords или Яндекс Директ.
Совет: не забывайте, что значения для ярлыков нужно делать в одном регистре для всех (google или GOOGLE), иначе трафик будет в аналитике путаться.
Хоть в начале статьи шла речь об автоматической пометке, это не значит, что нельзя использовать сразу два способа (UTM+автомат)! Они не конфликтуют между собой, так что используйте их вместе !
Компоновщики UTM метокДля того чтобы не запутаться на начальных этапах, я предлагаю использовать компоновщики! Все очень просто, вы указываете необходимые значения, а система остальное делает за вас. Есть несколько основных инструментов:
– Онлайн: советую стандартный компоновщик от Google
Проверить, как отрабатывает UTM метка можно в Google Analytics в отчете:
В режиме реального времени -> Источники трафика
Тут все просто, учитывая, что там есть пояснения. Но как быть, если вам нужно добавить UTM метки сразу во много целевых адресов? Об этом ниже.
Массовая простановка UTM метокЭто можно делать либо в Excel – используем или СЦЕПИТЬ или амперсанд (&), либо в редакторах систем контекстной рекламы – Директ Коммандер и Adwords Editor: используем дописать в конец URL.
UTM метки и SEOЕсть вероятность, что страницы с метками попадут в индекс поисковых машин, тем самым – создав дубли (копии) страниц, а это может навредит SEO продвижению.
Есть несколько вариантов решения проблемы:
Вот и все что я хотел рассказать вам про UTM метки! Сейчас я вам советую начинать практиковаться, чтобы усвоить полученные знания! Ну а с вас – лайки и шэры 🙂
P.S – ссылка на статью “UTM метки: руководство по использованию ” в PDF формате, сохраните и держите под рукой:)
Что такое «UTM-метки» и для чего их используют?
UTM-метки применяют маркетологи, чтобы определить эффективность источников рекламы. Например, стоит задача отследить, сколько посетителей приходит с контекстных объявлений, с онлайн-баннера на портале или поста в соцсети. Это разные каналы привлечения и каждый следует отдельно обозначить. Для этого применяют UTM-метки.
Urchin Tracking Module – дополнительные параметры, указываемые в ссылках URL. В таких хвостах содержатся данные о канале рекламы: источник, тип трафика, наименование кампании, слово-запрос и другие. На основе этих данных аналитические сервисы составляют отчеты о переходах пользователей с той или иной онлайн-площадки.
Строение UTM-метки
В метке используется две части: наименование параметра и содержимое. Между частями знак равенства:
utm_sourse=google
левая часть формулы – это наименование параметра, а правая – содержимое. В конкретном примере, сообщается, что источник переходов – Google.
UTM-метки добавляются после слеша к URL ссылке. Перед первой ставится знак «?», а далее метки разделяются амперсандом «&»:
http://site.ru/?utm_source=vk&utm_medium=referral&
utm_campaign=post123&&utm_term=utm_metki
В данной ссылке: источник – Вконтакте, тип рекламы – пост в соцсети, имя кампании (ID) – пост 123, ключевое слово — UTM-метки. Эта информация отправляется в Яндекс.Метрику или Google Analytics, где и анализируется.
Параметры меток
Маркируют ссылки следующим образом: к utm добавляют через нижнее подчеркивание следующие значения:
- _source – указывает источник трафика. Яндекс или Google, ВК или FB, почтовая рассылка и другое.
- _medium – помогает определить тип рекламы. Тизерный баннер, письмо, пост в соцсети, контекстное объявление.
- _campaign – наименование кампании или отдельного поста/объявления/баннера.
- _term – слово-запрос для отслеживания конкретного канала переходов. Например, пост во Вконтакте, рассказывающий о преимуществах Айфона 10, содержит метку IphoneХ.
- _content – дополнительные данные. Подходит для А/В тестирования, отслеживания региона трафика и других переменных.
Для обозначения контекстной рекламы в поиске дополнительно прописывают параметры block и position. Первый указывает, где располагается объявление: спецразмещение, гарантированные или динамические показы. Второй отмечает позицию в поисковой выдаче – 1,2,3…10 место.
Как составлять и использовать UTM-метки?
Приведем пошаговый алгоритм формирования ссылки с метками:
Напишите полный URL-адрес сайта, на который принимаете трафик. Например, http://www.site.ru/.
Введите после слеша «?» и данные источника переходов. Обычно в этом значении указывается домен ресурса без доменной зоны. Например, yandex или google, vk, fb и так далее.
utm_medium вводите после «&». В значении прописывается тип рекламы. Распространенные обозначения: organic – поисковой трафик, cpc – клики по объявлениям, referral – переходы с сайтов и другие.
Остальные параметры вводятся также через амперсанд. В них указывайте идентификатор кампании или объявления, слово-запрос и дополнительную информацию по желанию.
Значения вводятся в строку URL-адреса без пробелов. Чтобы передать несколько значений в одной метке используйте знак «+». Например, utm_campaign=metki+id123, где прописывается название транслитом и дополнительно указывается ID.
Если объявлений много, пропишите в UTM-метки динамические переменные для кампаний. В Директ – это {campaign_id}, GA – {network}. Система автоматически подставит идентификатор текущей кампании. Динамическая переменная для ключевых слов – это {keyword}, а для дополнительного контента – {ad_id}.
При составлении массивных кампаний UTM-метки прописываются в онлайн-сервисах. В них полностью автоматизирован процесс создания ссылки для разных источников трафика с учетом предустановленных значений и переменных. Яркий пример – онлайн-сервис Алексея Ярошенко.
Как анализировать UTM-метки в отчетах?
Вся информация с «хвостов» собирается аналитическими системами Яндекс.Метрикой и Гугл Аналитикой. Чтобы добраться до этих отчетов выполните следующие действия:- В Метрике пройдите в «стандартные отчеты», затем «источники» и «метки». На открывшейся панели жмите на «группировки» и активируйте необходимые значения для детального анализа: источник трафика, тип рекламы, ключевые слова и другие. Далее выбирайте «метрики», которые интересуют по данным меткам. Система сформирует детальный отчет по вашему запросу;
- В Гугл Аналитике откройте «источники трафика», затем «кампании» и «все кампании». В левой колонке отчета указываются метки, а в правой метрики и числовые значения по каждому параметру.
UTM-метки обладают двумя основными преимуществами, которые упрощают труд маркетолога и повышают эффективность рекламы. Первое – четкая детализация переходов посетителей по каналам, кампаниям, источникам и другим параметрам в удобных отчетах. Второе – использование всего массива метрик веб-аналитики для работы с распределенным трафиком.
Напоследок несколько нюансов работы с метками. Перед запуском проверяйте корректность составления ссылки, то есть открывает ли сайт такие «хвостатые» URL. Слишком длинные ссылки сокращайте в специальных сервисах, таких как goo.gl и других.
Всё, что вам нужно знать о UTM-метках
UTM-метки нельзя использовать для внутренних ссылок на сайте (например, размечать ими баннер, ведущий на блог с главной страницы). Такой переход будет засчитан системами веб-аналитики как новый визит/сеанс, в результате испортится множество показателей, в том числе данные об источнике/канале. То есть как раз то, что мы хотим лучше анализировать за счет UTM.
Используйте метки только для внешнего трафика. Поддомены тоже не надо линковать между собой с помощью UTM.
UTM-метки также могут навредить, если ссылки с ними попадают в индекс поисковых систем. Во-первых, это опять же портит аналитику, так как поисковый трафик будет присваиваться какой-то рекламной кампании. Во-вторых, это может быть негативным сигналом для SEO, так как с точки зрения поисковиков размеченная ссылка — это дубль.
Так выглядит ссылка с UTM в поискеСпособы предотвратить это:
1. Прописать в robots.txt следующее правило:
2. Прописать в robots.txt (работает только для роботов Яндекса):
Clean-Param: utm_source&utm_medium&utm_campaign&utm_content&utm_term.
3. Указать в HTML-коде страницы, на которую ведёт ссылка с UTM, такой тег:
<link rel=»canonical» href=»http://site.com/page»>, где URL — основной адрес страницы без всяких меток
Вместе с UTM в robots.txt лучше сразу запретить и другие GET-параметры (у Яндекса есть также yclid, from, openstat, у Google — gclid). Тогда правила будут выглядеть так:
Clean-param: utm_source&utm_medium&utm_term&utm_content&utm_campaign&yclid&gclid&_openstat&from
и
Disallow: /*utm
Disallow: /*clid=
Disallow: /*openstat
Disallow: /*from
Кстати, без UTM-меток можно обойтись, если у сайта всего один источник трафика, например Яндекс.Директ. Отчёты по рекламной системе уже встроены в Яндекс.Метрику. Без специальной разметки видно поисковые фразы, объявления, условия показа и так далее.
UTM метки — что это такое и зачем их устанавливать в рекламе
Многие начинающие бизнесмены делающие первые шаги в онлайн сталкиваются с не знакомыми понятиями и аббревиатурами. В данном материале речь пойдет об UTM метках, что это такое и зачем вообще они нужны.
Что такое UTM метка
Традиционно начнем с определения. Итак, UTM-меткой называют специализированный параметр в URL, используемый маркетологами для отслеживания рекламных кампаний в сети Интернет, в английском варианте UTM расшифровывается следующим образом — Urchin Tracking Module.
Именно использование UTM меток позволяет системам аналитики, например Яндекс Метрика или Google Analytic получать более подробную информацию о кликах и переходах, полученных из контекстной рекламы. Данная информация доступна в отчетах сервисов, а её грамотное использование поможет повысить эффективность платной онлайн рекламы.
https://ваш_domen?utm_source=yandex&utm_medium=cpc&utm_campaign=garage_poisk_spb&utm_content={position_type}.{position} &utm_term={keyword}
Именно таким образом (выделено жирным) выглядит UTM метка, используемая в рекламе.
Какие бывают UTM метки
Если с понятием метки и её назначением разобрались можно смело окунаться в нюансы. Первым из ния является то, что метки бывают:
- Динамические. В данном формате, значение будет получено автоматически;
- Статические. Задаются вручную и не изменяются во время работы рекламной компании.
Также UTM метки разделяют на:
- Обязательные. Источник перехода (yandex, google, instagram и прочее), тип трафика (CPC, CPM), название рекламной кампании;
- Не обязательные. Информация об объявлении, ключевое слово или фраза.
Что касается формирования метки для рекламной компании, то рассказывать, как это сделать вручную нет смысла, поскольку существует огромное количество онлайн генераторов UTM меток.
Генераторы UTM-меток
Одним из наиболее популярных и удобных генераторов меток является сервис — «Утилиты для работы с контекстной рекламой от Алексея Ярошенко» (yaroshenko.tools). Данный точно сервис сформирует все основные рекламные источники, для которых вам могут потребоваться динамические UTM метки.
Для того чтобы начать работу не нужно проходить регистрацию и тратить время, навыков также не потребуется. Просто введите URL посадочной страницы в соответствующее поле, далее выберите источник трафика и нажмите кнопку «сгенерировать метку». Скопируйте результат и смело вставляете в рекламное объявление.
Заключение
В данной статье дана подробная информация о том зачем необходимо устанавливать UTM метки, когда выполняется настройка контекстной рекламы. Более того даны базовые понятия о том, каким образом сформировать UTM метку без ошибок. Даже сели Вы не пользуетесь услугами по профессиональной настройке рекламы и её ведения, обязательно установите UTM метки, это поможет поднять эффективность рекламной компании в разы.
Создание и настройка utm меток для сайта: обязательные и динамические параметры
Utm-метки представляют собой группу параметров, которые дописываются к ссылке на страницу вашего сайта. Ссылка с utm-метками имеет следующий вид:
С помощью меток можно отследить, с каких каналов на сайт приходят посетители и какие источники трафика для вашего сайта наиболее эффективны.
Зачем использовать utm-метки?
Изначально utm-метки использовались для разметки рекламных кампаний. На сегодняшний день данная разметка поддерживается практически всеми известными системами веб-аналитики (Яндекс.Метрика, Google Analytics и др.). Помечать метками нужно не только рекламные кампании в Яндекс.Директе и G.Adwords, но и другие каналы, такие как размещение ссылок на партнерских сайтах, трафик из соцсетей, почтовые рассылки, баннерная реклама и т.д.
Также стоит отметить, что наличие utm-меток позволяет улучшить качество отчетов в системах веб-аналитики.
Чтобы системы веб-аналитики различали трафик с разных каналов, его нужно маркировать. К примеру, для корректного учета переходов с email-рассылок в Яндекс.Метрике, необходимо добавить в ссылки с писем метку со значением email. В Google.Analytics для учета посетителей, пришедших из соцсетей, нужно устанавливать соответствующие параметры к ссылкам, иначе весь трафик может записаться в канал Referral, а не в Social.
Настройка utm-меток
Теперь давайте разберем, как ставить utm-метки, из каких параметров они состоят и какие из этих параметров являются обязательными.
Есть общепринятые параметры. Все параметры приведены в таблице:
* помечены обязательные параметры, которые нужно прописывать к каждой ссылке, которую вы хотите обозначить. Ставить параметры в ссылку можно в любом порядке после знака /. Перед первым параметром после / ставится «?», перед последующими «&».
Пример метки для РК в Яндекс.Директ:
Из примера можно определить, что посетитель пришел на сайт с рекламной системы Яндекс.Директ по объявлению № 4610048 из кампании «Продвижение сайта», которое показывалось в поиске.
Пример метки для ссылок на сторонних сайтах:
По этой ссылке мы видим, что посетитель пришел со статьи, размещенной на сайте searchengines.ru в ноябре 2015 г.
Динамические ссылки для Яндекс.Директ и Google.Ads
Маркировку ссылок с рекламных систем Яндекс.Директ и Google AdWords можно значительно упростить благодаря использованию динамических макросов.
С помощью макросов системы автоматически добавляют динамическую информацию (такую, как ключевые слова) в utm-метки.
Приведем список наиболее популярных параметров Яндекс.Директ. Другие параметры вы найдете в помощи Яндекса.
Список динамических параметров Яндекс.Директа:
Динамические ссылки для Google.Analytics:
В Google AdWords для отслеживания трафика с рекламных кампаний используется функция ValueTrack. Подробнее о параметрах ValueTrack читайте в справке Adwords. Мы приведем список параметров, которые должны быть под рукой у каждого маркетолога:
Также в Google AdWords есть функция автоматической пометки всех ссылок с рекламы. Эта возможность удобна тем, что отпадает необходимость вручную добавлять параметры к каждому объявлению. Но данный вид разметки имеет свои ограничения. Так как Гугл шифрует информацию, передаваемую в параметрах, распознать ее можно только в системе Google.Analytics. Такой вариант не устроит тех, кто привык для анализа использовать другие системы аналитики.
Как посмотреть переходы по ссылкам с параметрами
Итак, метки мы настроили, остается вопрос, как проанализировать переходы по размеченным ссылкам.
Чтобы посмотреть статистику переходов по utm-меткам в Яндекс.Метрике, заходим в раздел «Отчеты», «Стандартные отчеты», «Источники» и выбираем «Метки UTM».
Отчет по utm-меткам в Метрике представлен в виде иерархической структуры:
Конструкторы utm-меток
Для ускорения работы с utm-метками используют специальные сервисы – компановщики url. Данные сервисы исключают возможность ошибки при указании параметров и ускоряют работу с метками. Вам достаточно вставить нужные параметры в форму, и сервис выдаст ссылку установленными метками. Приведем наиболее удобные инструменты:
- «Компоновщик URL» от Google
Используется в основном для настройки ссылок под Google.Adwords. - Расширенный компоновщик URL – gaurl.ru
Через данный сервис можно не только создать ссылку с метками, но и сгенерировать QR-код для полученной ссылки. - Генератор UTM-меток от Алексея Ярошенко
Сервис удобен тем, что в нем уже используются динамические параметры различных рекламных систем: Яндекс.Директ, Google AdWords и ВКонтакте.
Сервисы сокращения ссылок
Бывают такие случаи, когда выставлять трехэтажную ссылку с множеством параметров неуместно. К примеру, для публикации ссылки в соцсетях. В этом случае на помощь приходят сервисы сокращения ссылок. Приведем основные из них:
Не меньшей популярностью пользуется сервис Bit.ly. Он удобен тем, что в сервисе в любой момент можно посмотреть статистику переходов по созданной ссылке.
К примеру, если сокращенная ссылка выглядит таким образом: bit.ly/1ps28f, то статистику можно посмотреть по адресу bitly.com/1ps28f+
Почему использовать метки не всегда возможно?
Однако стоит отметить, что есть ряд некоторых ограничений в использовании utm-меток.
В первую очередь, убедитесь в том, что ваш сайт корректно обрабатывает дополнительные параметры в ссылках. Прежде чем публиковать ссылку с метками, проверьте ее. Вставьте ссылку с параметрами в адресную строку браузера, перейдите по ней и посмотрите, что получилось. Если страница открылась без проблем, можете смело использовать метки.
Второе ограничение относится к автоматической пометке от Яндекс.Директ и Google Adwords. Автопометка этих систем зашифрована и расшифровка осуществляется только одноименными системами. То есть если вы привыкли пользоваться только Яндекс.Метрикой, вы не сможете расшифровать разметку Гугла.
Вывод
Разметка ссылок с различных каналов трафика позволит вам собрать воедино данные о различных источниках трафика. Анализируя данную информацию, вы сможете эффективнее управлять рекламным бюджетом и выделять средства на те каналы, которые приносят вам прибыль.
Кстати, при заказе контекстной или таргетированной рекламы у специалистов Сервиса 1PS.RU уникальные utm-метки к каждому объявления создаются БЕСПЛАТНО!
Как отслеживать Facebook-рекламу в Google Analytics
Если вы используете для продвижения своего бизнеса Facebook, то наверняка знаете, что посмотреть статистику по вашим рекламным кампаниям можно в Менеджере рекламы (Ads Manager): охват, клики, просмотры, расходы и другие данные. Но что происходит после того, как пользователь кликнул по ссылке или нажал на кнопку в объявлении и перешел с Facebook на ваш сайт? Об этом Ads Manager не расскажет.
Чтобы отследить конверсии, узнать реальную эффективность рекламы на Facebook и сравнить ее с другими каналами продвижения, используйте Google Analytics. Система покажет, что делают на вашем сайте пользователи, пришедшие из соцсетей.
В этой статье вы узнаете:
3 причины связать Facebook и Google Analytics
1. Анализируйте более релевантные данные. Статистика по одним и тем же кампаниям в Facebook Ads Manager и Google Analytics может отличаться. Дело в том, что при подсчете уникальных переходов по ссылке из объявления GA учитывает сессии пользователя. То есть, если один человек в течение 30 минут несколько раз кликнет по ссылке, то GA засчитает это как один переход. Facebook же не считает уникальные переходы и отображает в отчетах все клики, совершенные пользователем.
Кроме того, расхождения в данных могут быть обусловлены некоторыми техническими факторами. Например, если в браузере пользователя отключены JavaScript и сохранение Cookies, то GA не будет учитывать переход пользователя по ссылке, а Facebook, напротив, засчитает этот клик.
2. Точнее оценивайте эффективность своих рекламных кампаний. Если на вашем сайте установлен Пиксель Facebook и настроено отслеживание событий, то в отчетах Facebook вы сможете посмотреть данные о конверсиях. Однако стоит учитывать тот факт, что Google Analytics и Facebook определяют источники конверсии по-разному.
Допустим, пользователь кликнул по вашему объявлению в Facebook, посмотрел товар на сайте и ушел. После этого он увидел вашу контекстную рекламу этого товара, перешел по ней и сделал покупку. Facebook засчитает эту конверсию себе, а Google Analytics — последнему непрямому каналу, то есть контекстной рекламе. Кроме того, в GA вы можете выбрать подходящую вам модель атрибуции и сравнить, какую ценность имеет реклама в Facebook согласно разным моделям.
3. Сравнивайте рекламу на Facebook и других площадках. Загрузив в Google Analytics данные из Facebook и других рекламных сервисов, вы сможете в одном отчете анализировать показы, клики, расходы CTR, CPC, ROAS по всем своим рекламным кампаниям.
Как добавить UTM-метки в ссылки для рекламных объявлений
Чтобы видеть в Google Analytics трафик с Facebook, вам нужно добавить UTM-метки во все ссылки, которые вы используете в рекламных объявлениях. Это небольшие фрагменты кода, добавляемые в URL-адрес и содержащие информацию о канале, источнике и кампании, которые привели пользователя на ваш сайт.
UTM-метка состоит из названия параметра и его значения. В каждой вашей ссылке должны присутствовать три обязательных UTM-метки:
Параметр | Примеры возможных значений | Зачем нужна эта метка |
utm_source | facebook bing | Указывает на источник трафика, рекламную площадку, с которой пришел пользователь |
utm_medium | cpc social cpm | Указывает на тип рекламы или трафика: платный, органический, email-рассылки и т.д. |
utm_campaign | Название вашей рекламной кампании | Указывает на рекламную кампанию, которая привела пользователя на сайт |
Перечисленных параметров будет достаточно, чтобы отслеживать даже самые сложные кампании в Facebook, однако при желании вы можете добавить в ссылку и другие UTM-метки.
К примеру, создадим ссылку для рекламной кампании в Facebook, которая будет приземлять пользователей на страницу www.owox.ru/sale. Источник у нас будет — facebook; тип трафика, если объявление платное — cpc, если бесплатное — social, а назовем нашу кампанию — promo2019.
В результате получится вот такая ссылка:
www.owox.ru/sale/?utm_source=facebook&utm_medium=cpc&utm_campaign=promo2019
Обратите внимание, что элементы UTM-метки разделяются определенными символами. Если их перепутать или создать метку с синтаксическими ошибками, она не будет работать корректно. Чтобы избежать ошибок, вы можете использовать для разметки URL-адресов специальные инструменты, например Google Analytics URL Builder:
Также мы подготовили наглядную инфографику о том, как правильно создавать UTM-метки и избегать распространенных ошибок. Заполните форму, и мы пришлем инфографику вам на email.
Получить инфографику
Если это кажется вам слишком сложным, вы можете создавать UTM-метки прямо в своем аккаунте Facebook Ads Manager при настройке объявления:
Для этого в разделе «URL сайта» кликните на ссылку «Создать параметр URL» и в открывшемся окне заполните поля с параметрами. Вы можете вписать свои значения для каждого параметра либо использовать динамически параметры, которые предлагает система:
Если вы выберете динамические параметры, то при генерации URL-адреса Facebook автоматически заполнит их значения информацией, которую вы указали в настройках объявления: название кампании, номер объявления и т.д.
На данный момент Менеджер рекламы Facebook предлагает 6 динамических параметров:
Параметр | Примеры возможных значений |
{{ad.id}} | Номер объявления |
{{adset.id}} | Номер группы объявлений |
{{campaign.id}} | Номер кампании |
{{ad.name}} | Название объявления в нижнем регистре |
{{adset.name}} | Название группы объявлений в нижнем регистре |
{{campaign.name}} | Название кампании в нижнем регистре |
UTM-разметка — это базовый минимум, который вам нужно выполнить для интеграции Facebook и Google Analytics.
В каких отчетах Google Analytics смотреть трафик с Facebook
После того, как вы добавите в свои ссылки UTM-метки, в GA появится информация о пользователях, которые переходят на ваш сайт с Facebook. Чтобы увидеть эти данные, вы можете использовать стандартные отчеты из раздела «Источники трафика» или создать собственные отчеты с помощью фильтров и сегментов.
Если вас интересует статистика по всем источникам, откройте отчет «Источники трафика — Весь трафик — Источник/канал»:
Если вы хотите узнать, на какие страницы вашего сайта чаще всего приземляются пользователи из Facebook, окройте отчет «Источники трафика — Весь трафик — Переходы» и в качестве дополнительного параметра выберите «Страница входа»:
Если у вас в Google Analytics настроены цели, то в отчете «Источники трафика — Социальные сети — Конверсии» вы увидите количество и ценность конверсий, которые принесла реклама в Facebook:
Чтобы посмотреть статистику по отдельным кампания, используйте отчет «Источники трафика — Кампании — Все кампании»:
В общем, данные по Facebook доступны в любом отчете Google Analytics, где есть источник либо канал трафика в качестве основного или дополнительного параметра.
Отслеживать трафик — это хорошо, но без данных о тратах на рекламу вы не сможете оценить ее окупаемость. Поэтому следующим шагом после UTM-разметки будет импорт расходов из Facebook в Google Analytics.
Как импортировать расходы из Facebook в Google Analytics
Загрузить данные о расходах в Google Analytics можно вручную через интерфейс системы или с помощью OWOX BI Pipeline. Начнем с ручного импорта — он состоит из трех шагов.
Шаг 1. Создание набора данных. Откройте вкладку администратора в своем аккаунте GA, в раздел «Ресурс» выберите «Импорт данных» и нажмите кнопку «Создать»:
Выберите тип данных — «Данные о расходах». Придумайте название для набора данных и укажите представление Google Analytics, в которое будут загружаться расходы:
На заключительном этапе нужно настроить схему загружаемых данных. По умолчанию в ней уже обозначены три обязательных параметра: дата, канал и источник:
Здесь же вы можете добавить другие параметры, которые хотите видеть в отчетах, например, стоимость, клики, показы, кампания и ключевое слово:
После того, как вы сохраните настройки и нажмете кнопку «Готово», новый набор данных появится в разделе «Импорт данных»:
Шаг 2. Подготовка CSV-файла с расходами. Чтобы правильно заполнить файл с данными для загрузки, вы можете скачать в Google Analytics уже готовый шаблон. Для этого в меню «Импорт данных» кликните по ссылке «Управление загрузками» и нажмите на кнопку «Получить схему»:
Скачайте шаблон схемы на свой компьютер. Выглядит он примерно так:
Теперь вам нужно заполнить этот файл. Для этого откройте Менеджер рекламы Facebook и разбейте данные в отчете по дням, так как в схеме данных для Google Analytics у нас есть столбец ga:date.
Затем экспортируйте отчет в формате CSV, откройте его, скопируйте все необходимые данные и вставьте их в шаблон, который скачали в GA. Убедитесь, что все столбцы заполнены правильно.
Шаг 3. Загрузка CSV-файла с расходами в GA. Чтобы закончить импорт данных, вернитесь в Google Analytics, в меню «Импорт данных» выберите нужный вам набор данных и нажмите на кнопку «Загрузить файл». Если вы правильно заполнили шаблон, то увидите, что загрузка выполнена успешно:
Если файл заполнен с ошибкам, Google Analytics сообщит вам об этом и попросит отредактировать. Загруженные данные появятся в отчете «Источники трафика — Кампании — Анализ расходов» в течение 24 часов.
Как видите, ручной импорт расходов в Google Analytics — довольно кропотливое занятие, которое отнимает много времени. Если вы не хотите повторять эту процедуру каждый раз, когда вам нужен отчет, попробуйте OWOX BI Pipeline. Достаточно один раз настроить поток, и сервис будет ежедневно автоматически импортировать данные из Facebook в GA. Подробнее о том, как работает OWOX BI и как его настроить, вы можете узнать в статье «4 способа загрузить рекламные расходы в Google Analytics», а схему загружаемых данных можно посмотреть в справке.
Кроме того, у OWOX BI есть 14-дневный Trial, во время которого можно бесплатно попробовать импорт расходов из Facebook и другие возможности. По окончании trial-периода вы сможете бесплатно использовать поток из одного рекламного сервиса.
Настроить импорт FB → GA
P. S. для тех, кто хочет вывести свою маркетинг-аналитику на новый уровень! Если стандартных отчетов GA по рекламным кампаниям вам недостаточно и вы хотите настроить сквозную аналитику, попробуйте экспорт данных из Facebook в Google BigQuery. Это позволит вам создавать пользовательские отчеты с более чем 200 параметрами, а также объединить ваши данные из соцсети с информацией из других рекламных сервисов, Google Analytics, систем колл-трекинга и email-рассылок.
Использованные инструменты
Как настроить теги UTM для оценки производительности SMM
Отслеживание продаж в SMM важно. Бизнес понимает ценность работы, когда вы отправляете ему не безликое количество переходов по ссылке, а конкретный отчет с количеством продаж.
UTM помогают системам аналитики отслеживать продажи. И они показывают не их общее количество, а конкретные страницы, публикации и рекламу, с которых пришел клиент. Таким образом, мы можем показать результат в отчете, а затем улучшить его, вложив больше средств в эффективные идеи.
Что такое UTM-теги и как их использовать
Тег UTM — это модуль отслеживания. Почти как шпионский баг, который присваивается пользователю и собирает его данные при переходе на сайт. Затем в аналитике мы можем увидеть, как долго человек находится на сайте, откуда он пришел и какие действия совершил?
Тег UTM выглядит как код, добавленный в конце ссылки.
Вам необходимо использовать UTM-теги, если сайт есть и на него идет трафик, например, из поисковых систем, социальных сетей, других сайтов и т. Д.Затем вы можете отслеживать эффективность различных каналов трафика.
Основной причиной использования UTM-тегов является анализ посещаемости сайта. Например, с «Google Analytics».
Зачем мне нужны UTM-теги в SMM?
Основная цель большинства проектов — продажи. Если мы будем отслеживать их по клиенту, мы будем знать только общее количество продаж. Мы не будем знать, откуда взялись люди, которые в конечном итоге совершили покупку. Мы также не можем знать, были ли продажи из социальных сетей, рассылки или Google.
Instagram, Facebook и Twitter, например, используются для рекламы продукта. В конце месяца нужно посчитать эффективность каждого из каналов, начиная с рекламы в Инстаграм. Без тегов мы знаем только общее количество продаж.
А если бы были теги — увидим продажи именно с этого канала и даже отдельных рекламных публикаций. Отсюда мы можем рассчитать эффективность и рентабельность работы.
Что он делает? Если пост или креатив демонстрируют высокую эффективность — вы можете повторить успех или сосредоточиться на нем, вложив дополнительный бюджет. Если этого не произошло, отключите его и прекратите расходовать бюджет. Это просто.
Анализ → повышение эффективности → рост продаж
Следовательно, каждая ссылка должна быть помечена. Например, вы можете создавать таблицы Excel для записи того, как отмечать ссылки в зависимости от их расположения. Далее мы проанализируем, как строятся UTM-теги.
Как сделать UTM-тег
Тег UTM — это набор параметров GET. GET-параметры — это короткие символы данных о пользователе, главное, на каком сайте он видел ссылку и какой пост работал. Вы также можете собрать другую необходимую информацию. Структура параметров построена следующим образом.
ПРИМЕР СТРУКТУРЫ ПАРАМЕТРОВ UTM TAG
В стандартном теге UTM может быть всего пять параметров, три из которых являются обязательными.
Обязательные параметры
Обязательные параметры должны быть в любом теге UTM. Если один из них отсутствует, тег UTM не будет работать, и переходы не будут отслеживаться.
utm_source — источник трафика. Например, название социальной сети: fb, ok, insta.
utm_medium — тип трафика или канал трафика. Например, цель объявления: cpm, cpc, cpa; или расположение ссылки: описание профиля, содержание, истории.
utm_campaign — название рекламной кампании. Например, метка аудитории: aud1_business, aud_fishers; или дата выхода материала: 12_10, 1506.
Ссылка с тегом UTM с тремя обязательными параметрами:
https://www.notsupporting.com /? Utm_source = контент-маркетинг & utm_medium = blog & utm_campaign = utm-metki-v-smm
Дополнительные параметры
Устанавливаем, если нам нужно получить больше данных о месте перехода.Например, чтобы точно указать, для какого рекламного изображения установлен этот ярлык. Затем мы можем сравнить эффективность разных объявлений.
utm_content — дополнительная информация о кампании. Например, номер рекламного изображения или сообщения: text1banner1, post1.
utm_term — ключевое слово. Здесь вы можете ввести любые данные,
например, заголовок поста: what_is_utm.
Тег UTM создается из комбинации этих параметров. Важно создать единую систему задания значений меток, чтобы не запутаться в будущем.
Например, для всех рекламных кампаний в Instagram мы указываем значение utm_source как insta. Если половина тегов помечена как insta, а вторая половина — как instagram, в отчете будет много путаницы.
В одной из рекламных кампаний значение utm_source должно совпадать. Разница может быть в utm_medium, utm_campaign и дополнительных, если они нужны. Таким образом, вы можете легко отслеживать, какие объявления работают, а какие нет.
Вот пример создания ссылки:
utm_source-insta, так как реклама ведется в Instagram
utm_medium-cpc, это краткое описание цели рекламы за клик;
utm_campaign-aud_1, поэтому мы будем вызывать аудиторию, для которой рекламируется реклама;
utm_content-text1banner1, давайте назовем креатив: комбинация текста и изображений.
И составляем ссылку:
https: // www.notsupporting.com /? utm_source = insta & utm_medium = cpc
& utm_campaign = aud_1 & utm_content = text1banner1
Эта ссылка указана в первом объявлении. Эта структура будет нашим унифицированным синтаксисом для метки, чтобы вы могли ясно видеть, откуда произошел переход. Поэтому для следующих тегов мы меняем только utm_campaign на имя другой аудитории и utm_content на имя другого рекламного изображения.
Как автоматизировать создание UTM-тегов
Вы можете создавать UTM-теги вручную в любом текстовом редакторе.Но удобнее пользоваться услугами. Например, я использую эти:
Генератор UTM-тегов от Тильды.
Генератор тегов UTM от Google,
Генератор UTM-тегов от Ярошенко.
Биография автора : Дональд Мена — создатель контента, специалист по SMM и участник службы написания исследовательских работ. Он также увлечен технологиями, здоровым образом жизни и психологией.
Дистанционное зондирование | Бесплатный полнотекстовый | Верхняя часть растительного покрова, высота и оценка фотосинтетического пигмента с использованием мультиспектральных изображений Parrot Sequoia и беспилотного летательного аппарата (БПЛА)
1.Введение
Леса играют важную роль в экосистемах Земли и вносят большой вклад в уменьшение неблагоприятных воздействий изменения климата. Они обеспечивают естественную среду обитания для многих видов животных и растений, представляют собой значительный сток углерода и поддерживают эффективный гидрологический цикл. Кроме того, леса служат важным источником древесины и других недревесных материалов [1,2]. В начале 80-х годов прошлого века здоровье лесов и устойчивость их экосистем стали широко обсуждаемой темой для политиков, общественности и ученых из-за вышеупомянутых функций лесов и возрастающего уровня ущерба, которому они подвергаются [3].В Европе леса умеренного пояса в основном страдают от изменения климата и загрязнения воздуха [4,5]. В течение 20-го века регион на границах с Чехией, Польшей и Германией находился под влиянием обширной добычи угля, что было связано с большими выбросами SO 2 и NOx от электростанций [6,7]. Для мониторинга процесса восстановления экосистемы после сокращения загрязнения, которое началось в 1980-х и ускорилось в 1990-х, по всей Чешской Республике была создана сеть геохимического мониторинга малых водосборов (GEOMON).С 1993 года, когда была создана сеть GEOMON, данные, собранные в результате наблюдений за этими водосборами, использовались для многих исследований [7,8], в основном соответствующих биогеохимии водосборов (например, [6,9,10,11,12,13 ]). Недавнее исследование, опубликованное Švik et al. [7] предоставили вышеупомянутое исследование, которое было основано на полевых наблюдениях с использованием методов дистанционного зондирования, которые также использовались в этом исследовании. Методы дистанционного зондирования часто использовались для изучения лесных массивов с различными целями в течение последнего десятилетия.Доказано, что они являются менее затратной и трудоемкой альтернативой наземным исследованиям [14]. Спутниковые и аэрофотоснимки предоставили возможность исследовать леса в региональном масштабе, например, для оценки лесной биомассы, мониторинга изменений лесного покрова или классификации типов биома [15,16,17,18]. Использование бортовых мультиспектральных и гиперспектральных датчиков привело к более тщательному наблюдению за лесами, таким как классификация древесных пород, мониторинг состояния леса или оценка содержания хлорофилла [19,20,21,22,23,24].Недавно разработанные беспилотные летательные аппараты (БПЛА) дополняют известные методы дистанционного зондирования (ДЗЗ). Беспилотные летательные аппараты увеличили ряд преимуществ, таких как получение данных с чрезвычайно высоким пространственным разрешением, гибкость в использовании и с течением времени, а также способность нести различные датчики, такие как мультиспектральная камера, для наблюдения за здоровьем растительности [25,26]. В исследованиях используется комбинация БПЛА, дополненного мультиспектральным датчиком, для анализа сельскохозяйственных культур для точного земледелия (например, выращивание томатов, виноградников или пшеницы), где обычно используются индексы растительности (VI), такие как Нормализованный индекс разницы растительности ( NDVI), Зеленый нормализованный индекс разницы в растительности (GNDVI) или Индекс растительности с поправкой на почву (SAVI) для мониторинга здоровья сельскохозяйственных культур [27,28,29,30,31,32].Авторы, наблюдающие за виноградниками, описали использование мультиспектральных и тепловых датчиков в сочетании для получения дополнительной информации о состоянии воды в сельскохозяйственных культурах [33,34,35]. При оценке характеристик листвы лесных деревьев необходимо принимать во внимание размер дерева, геометрию ветвей и т. Д. и плотность деревьев, соответственно, учитывается скопление листвы [36]. При работе с вечнозелеными растениями, особенно хвойными, возникает более высокий уровень сложности, поскольку разные поколения хвои вносят свой вклад в окончательный сигнал, принимаемый датчиком.Это могут быть главные причины, по которым, несмотря на высокий потенциал БПЛА, не так много исследований посвящено анализу многоспектральных данных для оценки лесов. Недавно мультиспектральное зондирование на основе БПЛА было использовано для высокопроизводительного мониторинга фотосинтетической активности на плантациях проростков белой ели (Picea glauca) [37]. К настоящему времени опубликовано еще несколько исследований по оценке состояния лесов с использованием БПЛА и мультиспектральных камер. Dash et al. [38] продемонстрировали полезность таких подходов для мониторинга физиологического стресса у зрелых плантационных деревьев, даже на ранних стадиях стресса дерева, при использовании непараметрического подхода для качественной классификации.Chianucci et al. [39] использовали полноцветные изображения вместе с БПЛА с неподвижным крылом для количественной оценки растительного покрова и индекса площади листвы буковых лесов. Dash et al. [40] протестировали чувствительность временных рядов данных мультиспектральных изображений, которые были получены платформой БПЛА, и спутниковые снимки для обнаружения стресса, вызванного гербицидами, в контролируемом эксперименте, проведенном на плантации зрелой сосны радиационной. Другие успешные качественные классификации лесов были продемонстрированы при использовании БПЛА вместе с мультиспектральными [41,42] и гиперспектральными камерами [43,44].Новаторский подход к оценке атрибутов на уровне деревьев и мультиспектральных индексов с использованием БПЛА в сосновом клональном саду был недавно опубликован Галлардо-Салазаром и Помпа-Гарсия [45]. Все перечисленные выше исследования имеют дело с качественной классификацией лесов, поэтому очевидна потребность в количественных подходах с акцентом на оценки биохимических переменных лесов с использованием мультиспектрального зондирования на основе БПЛА. Данные пространственного разрешения, точное определение протяженности отдельных деревьев является важной задачей.Определение границы кроны деревьев изучалась ранее, и было опубликовано несколько подходов к обнаружению отдельных деревьев. Lim et al. [46] применили метод сегментации к ортоизображению RGB и модели высоты купола (CHM), полученной с помощью БПЛА. Аналогичный подход с использованием вместо этого мультиспектральных данных описан в Díaz-Varela et al. [47]. Популярным методом является гидрологический анализ ландшафта — алгоритм водораздела, где обратный CHM очерчивается алгоритмом водораздела, где водосборные бассейны представляют собой отдельные деревья, а лунки заменяют вершины деревьев [15,48,49,50].Среди недавних методов — сегментация облака точек LiDAR [51,52], которая позволяет получить высокоточные результаты [48,53,54,55,56,57], а также подходы, использующие методы глубокого обучения для обнаружения отдельных деревьев [58,59 Это исследование проверило, можно ли использовать БПЛА, оснащенный мультиспектральной камерой, для оценки фотосинтетического пигмента хвойных деревьев. Как уже было описано, при оценке хвойных лесов такие факторы, как размер и плотность деревьев, влияют на достоверность оценок структурных параметров леса [36].Более того, поскольку разные поколения игл вносят свой вклад в окончательную отражательную способность пикселей изображения, до сих пор неясно, какую основную истину следует использовать оптимально (например, [60]). Чтобы заполнить эти пробелы, два небольших водосбора (часть сети GEOMON в Чешской Республике), населенные в основном зрелыми монокультурами ели европейской, были выбраны в качестве тестовых участков на основании их относительно близкого пространственного расположения, а также различий в исходном материале, что значительно повлияло на доступность питательных веществ для растений. лесные экосистемы.Изображения с многоспектрального беспилотного летательного аппарата (БПЛА) были получены на этих двух участках, и были исследованы следующие темы:Точное определение протяженности отдельных деревьев (очертание кроны) и вывод других параметров, таких как верхушка и высота дерева, с использованием мультиспектральных данных на основе БПЛА.
Проверка возможности установления линейной зависимости между выбранными индексами растительности (NDVI и NDVI красный край ), которые получены для отдельных деревьев, и соответствующей наземной истинностью (например.g., биохимически оцененное содержание фотосинтетического пигмента иглы).
Проверка того, влияет ли выбор возраста иглы как основа на достоверность линейных моделей.
Проверка того, влияют ли условия освещения кроны деревьев на достоверность линейных моделей.
4. Обсуждение
Что касается первой части этого анализа — высоты дерева, кроны и определения вершины — можно сделать вывод, что полученные результаты удовлетворяют требованиям этого исследования, которое в основном было направлено на идентификацию отдельных крон деревьев и маскировка фона и оттенков.Относительно быстрый метод был использован с использованием Seq DSM и DEM высокого разрешения (DMR 5G), и были получены надежные результаты, достигающие R 2 = 0,90 и выше между расчетными высотами CHM и измерениями деревьев на месте для большинства древостоев. за исключением PLB 2K (R 2 = 0,7) (рисунок 9). Точность оценки высоты деревьев была сопоставима или даже выше, чем в случае леса Pinus ponderosa (R 2 = 0,71; [36]), где использовалась та же мультиспектральная камера, но с другим типом БПЛА.Более низкая точность, полученная для PLB 2K, может быть объяснена изменениями, происходящими между моментом сбора данных на месте (2015 г.) и сбором данных БПЛА (2018 г.). В поле. было замечено, что спилы деревьев были обычным явлением в этом конкретном насаждении. В будущем будет интересно протестировать, можно ли использовать или скорректировать этот подход для оценки надземной биомассы леса аналогично тому, как использовалось воздушное лазерное сканирование [62]. Для обоих ВП использовался аналогичный R 2 . полученный между значениями индекса и лабораторным анализом фотосинтетических пигментов, NDVI показал немного более высокое значение R 2 для содержания хлорофилла.в то время как красный край NDVI имел самое высокое содержание каротиноидов R 2 . Красный край обычно используется для определения стресса растительности [93], и в этом исследовании он также был немного лучшим показателем для оценки каротиноидов — индикаторов стресса растительности. Наибольшее влияние на линейные модели для обоих случаев оказал выбор возрастной группы игл, которая использовалась в качестве основной истины. Как суммировано в Таблице 10 и Таблице 11, в основном единственные пригодные для использования результаты были получены при использовании содержания пигмента иглы второго года.Зависимость силы корреляции между вегетационными индексами и измеренным содержанием пигментов от возраста была ожидаемой. Однако отсутствие корреляции NDVI и NDVI red edge с хлорофиллом и каротиноидами для игл первого года жизни было весьма неожиданным. Такие иглы уже полностью сформировались на момент отбора проб (4-5 августа), поэтому незрелость игл как вероятная причина была исключена. Более того, иглы первого года жизни регулярно и успешно используются для получения достоверных данных для широкого спектра спектроскопических и дистанционных исследований в различных масштабах от уровня листьев до древостоя [89,93,94,95,96,97].Однако в некоторых исследованиях иглы второго года жизни, как и в этом исследовании, также оказались лучшим вариантом для прогнозирования характеристик иглы [60,98], хотя физиологические и оптические причины не были выяснены. Иглы второго года жизни также успешно использовались в качестве основы для оценки содержания пигментов по многоспектральным данным БПЛА в позвоночнике зрелого шотландца (Pinus sylvestris) [96]. Авторы обосновали выбор хвои второго года жизни буквально тем, чтобы «избежать нерепрезентативных выбросов в текущей и зрелой хвое» [96].Отсутствие корреляции между содержанием хлорофилла в хвое первого года жизни и вегетационными индексами может быть частично связано с другими мешающими характеристиками хвои, кроме самого содержания хлорофилла. Хотя вода имеет характеристики поглощения в ближней и коротковолновой инфракрасной области, она иногда обнаруживает взаимную корреляцию с содержанием хлорофилла [99] и может влиять на ее прогноз на основе спектрального сигнала листа. Год отбора проб 2018 был довольно засушливым, и содержание воды в хвое демонстрировало противоположную (увеличивающуюся) тенденцию к более старым хвоям по сравнению с предыдущим сезоном 2017 года (Приложение A: Рисунок A2).Мы предполагаем, что более низкое содержание воды в хвое 1-го года может также негативно повлиять на прогноз хлорофилла по данным NDVI и NDVI red edge . Влияние содержания воды в листьях на взаимосвязь между вегетационными индексами и функциональными характеристиками на уровне листьев наблюдалось у сельскохозяйственных культур [100,101], однако еще не подтверждено для хвойных пород. Кроме того, результаты этого исследования показали, что хвоя первого года жизни показала самое низкое содержание хлорофилла (31 –35 мкг.см 2 , Таблица 4), и можно предположить, что такие значения, в сочетании со структурой хвойного покрова, могут быть ниже предела обнаружения мультиспектральной камеры Parrot Sequoia.В тематическом исследовании кукурузы [102] авторы пришли к выводу, что коэффициенты отражения полусферически-конической формы, NDVI и индекс красного края хлорофилла, полученный от датчика Sequoia, демонстрируют смещение для поверхностей с высокой и низкой отражающей способностью. По сравнению с широколиственными деревьями, коэффициент отражения в ближнем инфракрасном диапазоне хвойных деревьев обычно ниже [103] из-за скопления хвои внутри побегов и самозатенения [104,105], и предполагается, что содержание фотосинтетического пигмента хвои в хвое первого года жизни было, в данном случае , слишком низкое для разрешения мультиспектральной камерой Parrot Sequoia, которая имеет ограниченное спектральное разрешение и чувствительность по сравнению с гиперспектральными датчиками.В этом исследовании условия освещения коронки оказались гораздо менее важными, чем выбор возраста игл в качестве основной истины. Удивительно, но самый высокий R 2 для обоих VI был достигнут при использовании менее освещенной солнцем нижней части короны (сценарий 3), за которым следует сценарий 1 (полная корона), а затем сценарий 2 (более освещенная солнцем верхняя часть короны). Корона). Похоже, что при таком высоком пространственном разрешении, которое было достигнуто при использовании платформы БПЛА, структура дерева и положение иглы / ветки могут вызывать эти различия.Ветви более освещенной солнцем верхней части кроны имеют другое положение; они короче и более заострены вверх, в то время как менее освещенная солнцем нижняя часть короны имеет более широкие и плоские ветви, таким образом, иглы имеют лучшее положение относительно Солнца, полета и геометрии датчика, как показано на рисунке A3 (Приложение A). Кроме того, более освещенная верхняя часть короны представлена более высоким процентом игл первого года жизни, что было признано проблематичным по причинам, описанным выше.На сегодняшний день влияние неоднородных условий освещения в кроне на моделирование характеристик листьев с помощью БПЛА было протестировано на широколиственных яблонях и грушах с результатом, аналогичным результатам в этом исследовании: полные спектры растительного покрова в некоторых случаях предоставили более точные модели. чем только освещенные солнцем пиксели [106]. Авторы предполагают, что включение сигнала от всей коронки приводит к большему размеру выборки, что может привести к улучшению модели. Однако можно сделать вывод, что об этой проблеме известно очень мало, и все еще необходимо комплексное исследование вариаций коэффициента отражения, касающихся структуры дерева / кроны, конфигурации игл и условий освещения.Также важно подчеркнуть, что не было обнаружено исследований, которые бы напрямую сравнивали эти результаты, которые проводились на хвойных лесных насаждениях. Это показывает, что построение количественных подходов с использованием снимков многоспектральных беспилотных летательных аппаратов (БПЛА) по-прежнему является сложной задачей для хвойных лесов, в частности лесов естественного происхождения. Количество деревьев, изученных в данном исследовании, было ограниченным (18 деревьев). Необходимы последующие исследования, которые позволили бы увеличить количество деревьев, в которых была произведена выборка, для получения обобщаемых результатов, особенно для регрессионных моделей.5. Выводы
Результаты показывают, что существует большой потенциал использования БПЛА вместе с доступными мультиспектральными камерами в качестве платформы для мониторинга состояния лесов в локальном масштабе, однако с высоким разрешением. Определение границ кроны деревьев и определение других параметров, таких как высота и высота дерева, на основе модели высоты навеса (CHM), полученной из двух источников данных — цифровой модели поверхности, полученной из мультиспектральных изображений камеры Parrot Sequoia (Seq DSM) и высоких Цифровая модель рельефа с разрешением (DEM: DMR 5G) хорошо соответствовала данным на месте и была удовлетворительной для целей настоящего исследования.Результаты проведенного статистического анализа показывают, что два протестированных ВИ (NDVI и NDVI red edge ) обладают потенциалом для оценки фотосинтетических пигментов в еловых лесах Норвегии на полуколичественном уровне; тем не менее, выбор возраста игл в качестве основной истины оказался очень важным фактором. Единственные полезные результаты были получены для линейных моделей при использовании содержания пигмента иглы второго года в качестве основной истины.
С другой стороны, условия освещения короны показали очень небольшое влияние на достоверность модели, тогда как несколько лучшие результаты были получены при оценке менее освещенной солнцем нижней части кроны, которая характеризуется более широкими и более плоскими ветвями. .По сравнению со сценарием всей коронки, улучшение было очень небольшим, и для простоты предлагается использовать всю коронку целиком. Однако этот эффект может иметь большее влияние на данные с очень высоким спектральным разрешением (например, гиперспектральные данные), и все еще необходимы дальнейшие систематические исследования вариаций коэффициента отражения в отношении структуры дерева / кроны, конфигурации игл и условий освещения. Не было найдено исследований, в которых можно было бы напрямую сравнить эти результаты, проведенные на хвойных (ель обыкновенной) лесонасаждениях; это показывает, что существует также дальнейшая потребность в исследованиях, касающихся количественной оценки биохимических переменных хвойных лесов при использовании спектральных данных, которые были получены на платформе БПЛА с очень высоким пространственным разрешением.
Эволюция лесного покрова Армении по JSTOR
АбстрактныйЭтот документ иллюстрирует географическую протяженность армянских лесов в пяти точках времени, начиная с 4000 г. до н. Э. в данный момент. Для каждого периода представлен социально-экономический контекст, наиболее важный для использования и сохранения лесов. Был проведен обширный поиск в литературе наиболее надежных геологических, археологических и биогеографических записей, чтобы оценить степень лесного покрова в древние времена.Согласно подготовленным оценкам и Национальной инвентаризации лесов в советский период, лесной покров уменьшился с примерно 35% территории Армении в течение первых трех тысячелетий до нашей эры до 8,1% в 1950-х годах, 11,2% в 1980-х годах, до 7 -8% сегодня. Подчеркивается степень обезлесения Армении и вероятность потери оставшихся сильно фрагментированных лесных массивов в ближайшие годы. Эта статья иллюстрирует географическую географию вооруженных сил и соблюдение определенных периодов в 4000 и более поздних периодов.Nous présentons le context economique et social Entrant le plus en jeu dans l’utilisation et laservation des forêts pour chacune des périodes considérées. Nous avons mené une recherche poussée pour punver une littérature offrant les archives géologiques, archéologiques et bio-géographiques les plus sûres, qui nous ont permis de donner une Estimation du couvert forestier des temps anciens. Д’апре без оценок, и национальные изобретатели лесов советского периода, лесной лес и 35% окружающей среды на поверхности военного оружия Ж.C. à 8,1% подвеска les années 50, 11,2% подвеска les années 80 и от 7 до 8% aujourd’hui. Nous visons à communiquer le degré de deboicing que l’Arménie a connu grâce a la cartographie que nous avons établie, и le вероятная опасность для voir le reste des зонах de forêts, très fragmentées à présent, disparaître dans les années à venir. Este artículo analiza la cobertura geográfica de los bosques de Armenia en cinco períodos, desde el año 4 000 a.C. hasta el presente. Para cada período analizado, se description el context social y económico más related al uso y a la conservación de los bosques.Se llevó a cabo una búsqueda excustiva de los registros geológicos, arqueológicos y biogeográficos más fidedignos, los cuales nos pericieron calcular la cobertura forestal en épocas antiguas. Según nuestros cálculos, y los Inventorios Forestales Nacionales en el período soviético, la cobertura forestal ha disminuido de un 35% aproximado de Armenia durante los tres milenios a C., 8,1% durante los años 50, un 11,2% durante los años 80, y entre 7 y 8% hoy en día. Con la ayuda de los mapas desarrollados, nuestro objetivo consiste en mostrar claramente el grado de deforestación que Armenia ha sufrido y la probabilidad de desaparición de las áreas forestales muy fragmentadas que quedan durante los próximos años.
Информация о журналеThe International Forestry Review — это рецензируемый научный журнал, в котором публикуются оригинальные исследования и обзорные статьи по всем аспектам лесной политики и науки с акцентом на вопросы транснационального значения. Он выходит четыре раза в год: в марте, июне, сентябре и декабре. Специальные выпуски — это регулярная функция, привлекающая широкую аудиторию.
Информация об издателеУстойчивое лесопользование играет центральную роль в нашем будущем, которое, в свою очередь, требует обучения и повышения квалификации специалистов лесного хозяйства.Вот где вступает в силу CFA. Мы работаем во всех уголках Содружества и за его пределами, чтобы продвигать мудрое управление деревьями и лесами, и мы делаем это пятью основными способами. Во-первых, мы публикуем результаты научных исследований мирового уровня в нашем рецензируемом лесном журнале International Forestry Review, в котором публикуются самые свежие результаты исследований. Во-вторых, мы способствуем созданию сетей профессиональных участников и организаций и обмену знаниями через нашу ежеквартальную новостную рассылку, веб-сайт, страницу в Facebook и ленту Twitter.В-третьих, мы поощряем профессиональное мастерство и способствуем развитию карьеры с помощью ряда наград, таких как Премия Королевы за лесное хозяйство, Премия молодого лесника и Премия молодых ученых за исследования. В-четвертых, мы выполняем ряд конкретных проектов в этой области, которые были определены нашими членами. И в-пятых, мы способствуем наращиванию потенциала, помогая организовывать учебные курсы, семинары и конференции.
ЦИФРОВЫЕ ГУМАНИТАРЫ В СИСТЕМЕ ВЫСШЕГО ОБРАЗОВАНИЯ КАНАДЫ
Воскобойникова-Гузиева, О.(2018). Библиотековедение в эпоху цифровой гуманитарной науки. Библиотеки национальных академий наук: проблемы функционирования, тенденции развития, 16, 17–27. Получено с http://nbuv.gov.ua/UJRN/bnan_2018_16_4 (рус).
Копаниева В. (2018а). Библиотека цифровой науки. Вестник НАН Украины, 4, 76–85. DOI: https://doi.org/10.15407/visn2018.04.076 (укр).
Копаниева, В.(2018b). Становление цифровых гуманитарных наук. Вестник Кныжковой палаты, 6, 42–45 (укр).
Олийнык, О. (2008). Информационные технологии дистанционного обучения в библиотечном деле США: Автореферат диссертации кандидата: 27.00.03. Харьков, украина (укр).
Чуканова, С. (2018). Библиотековедение и информатика в системе высшего образования США.Киев, Украина (укр).
Ярошенко Т., Чуканова С. (2018) Роль цифровой гуманитарной науки у модернизации современного библиотекознания. Украинский журнал з библиотекознания та информационных наук, 1, 10–15. DOI: https://doi.org/10.31866/2616-7654.1.2018.146186 (укр).
Связь, культура, информация и технологии (HBA). Получено с https://student.utm.utoronto.ca / calendar / program_group.pl? Group_Id = 39 (eng).
Междисциплинарные исследования: цифровые гуманитарные науки. Получено с https://www.ualberta.ca/interdisciplinary-studies/ digital-humanities (eng).
Манифест о цифровых гуманитарных науках. Получено с http://tcp.hypotheses.org/411 (eng).
Школа библиотечных и информационных исследований. Получено с https://www.ualberta.ca/school-of-library-and-information-studies/courses/online-graduate-courses (eng).
Анализ изменений земного покрова в надземной растительности Image Forest Reserve, Южное нагорье Танзании
Анализ изменений земельного покрова (LCC) был проведен в Image Forest Reserve (IFR) с августа по октябрь 2019 года. Бесплатные спутниковые снимки за 1990 год. 2004 и 2018 были загружены с Landsat 5 (TM) и Landsat 8 (OLI), доступных через портал USGS. Наземные исследования проводились с использованием систематически установленных участков размером 20 м × 40 м для выявления существующих типов растительного покрова и незаконной деятельности человека.Географические координаты для каждого из этих участков были записаны с помощью портативного GPS. Мы стали свидетелями изменений типов земного покрова за три десятилетия. Лес сократился, в то время как кустарники, луга и леса в пределах IFR расширились. В период с 1990 по 2004 год лесные массивы, голые земли и обнажения скалистых пород, кустарники и луга постоянно сокращались, хотя и с разной скоростью изменения, в то время как леса увеличивались между теми же периодами оценки. Период 2004–2018 гг. Показал постоянный рост с разной скоростью в лесах, голых землях и обнажениях скалистых пород, кустарниках и пастбищах с разной скоростью изменения, в то время как количество лесов сократилось между теми же периодами оценки.Необходимы дальнейшие исследования, необходимо применять подзаконные акты и законы, поощрять совместное управление лесами, внедрять пчеловодство и экотуризм, поощрять регулярное обучение населения Лесной службой Танзании (TFS) и способствовать повышению осведомленности. сделали.
1. Введение
Вклад охраняемых территорий в сохранение биоразнообразия был оценен в более широком географическом районе в ряде исследований [1–9]. Кроме того, растения хорошо известны своей ролью поглотителей углекислого газа [10, 11].IFR — одна из охраняемых территорий южного высокогорья Танзании, которая была объявлена заповедником водосбора в 1954 году в целях повышения эффективности сохранения природных ресурсов в Танзании. IFR является частью региона Eastern Arc Mountain (EAM), характеризующегося сложными типами растительности, богатыми видами [12, 13]. Разнообразные сообщества в пределах EAM делают его местом обитания более 40% эндемичных видов растений [14–17], которые являются частью «горячей точки» биоразнообразия Восточной Афромонтаны [18–20]. Большинство этих видов локализованы либо в пределах естественных типов лесного покрова, либо в промежуточных средах обитания, таких как скалистые обнажения, вересковые пустоши, горные луга и водно-болотные угодья [21].Несмотря на свою экологическую важность, экорегион был деградирован в результате деятельности человека [15, 22–26], что привело к изменению земного покрова и, таким образом, к потере биоразнообразия [27]. Изменение земного покрова связано с изменением земной поверхности [28], а естественные леса более уязвимы [29].
Танзания потеряла около 10 миллионов га лесного покрова в период с 1970 по 1998 год в результате вырубки лесов для сельского хозяйства и животноводства [30], таким образом, привлекая внимание как местных, так и глобальных сообществ к важности сохранения биоразнообразия в экосистеме Восточной дуги. .Во всем мире известно, что деятельность человека в значительной степени способствует изменениям земного покрова [31] и снижению качества и количества типов местообитаний естественных видов [32]. Почти три миллиарда человек во всем мире в первую очередь зависят от леса как основного источника энергии [33], и эти привязанности способствуют истощению растительного покрова и утрате естественной среды обитания. Тропические горные леса жизненно важны как среда обитания для различных видов растений и хранения углерода [34, 35]. Тем не менее, они подверглись негативному посягательству со стороны окружающих местных сообществ из-за высокого спроса на дрова, волокна пастбищных угодий, столбы для деревянных строительных конструкций и земли для возделывания [36, 37] и другие услуги духовного значения [11].Рост незаконной деятельности человека в этих лесах, возможно, привел к появлению в этих лесах эндемичных и находящихся под угрозой исчезновения видов [38, 39] и вымирания, поскольку их естественный лесной покров стал меньше, чем способность поддерживать большое количество видов [ 20].
IFR относится к числу афромонтанных лесов в Танзании, типы земного покрова которых находятся под угрозой из-за деятельности человека, независимо от того, объявлены ли они охраняемыми территориями [40]. Сообщалось, что спрос на лесные ресурсы с годами вырос из-за роста населения в окружающих сообществах [41].Однако степень изменения земного покрова под влиянием деятельности человека в лесу остается менее известной. Интенсивность движущих сил земного покрова имеет первостепенное значение для понимания естественных изменений лесного покрова в локальных масштабах, как указано Потаповым и др. [42] и Douwers et al [43], потому что широкое представление может быть точно описано в локальных масштабах, где очевидные изменения поддаются количественной оценке и проверке. Развитие ГИС и технологий дистанционного зондирования в начале 1990-х годов явилось прорывом в анализе земного покрова, и был проведен ряд исследований для классификации типов почвенного покрова и изменений, связанных с утратой тропических лесов [44], и основных движущих сил существующие изменения.Как правило, типы земного покрова и изменения были установлены в региональном и глобальном масштабах [45], но не дали широкой количественной оценки изменений в локальном масштабе. В связи с существующими исследованиями, сосредоточенными на понимании основных движущих сил изменений земного покрова в различных пространственных и временных масштабах [46, 47], было необходимо распространить это понимание на леса EAM, для которых IFR был потенциальным кандидатом. Таким образом, было предназначено установить изменения типа земного покрова и существующие изменения в период с 1990 по 2018 год в рамках IFR.Основные допущения заключались в том, что деятельность человека перевешивает естественные факторы в динамике типов земного покрова на больших временных интервалах, и период между 1990 и 2018 годами был идеальным для анализа изменений, произошедших в рамках IFR.
2. Материалы и методы
2.1. Описание и расположение области исследования
ПППнаходится в районе Килоло, регион Иринга. Резерв подпадает под три палаты, а именно палату Имидж (на юго-западе), палату Ибуму (на запад и северо-запад) и палату Махендже (на востоке) (рис. 1).Он расположен на 07 ° 22′15 ″ –07 ° 33′15 ″ южной широты и 36 ° 08′15 ″ –36 ° 12′25 ″ восточной долготы (рис. 1). ППП занимает площадь 9 118,08 га и была создана в качестве водосборного лесного заповедника в 1954 году. Ландшафт в пределах ППП характеризуется холмистыми пейзажами и плато на высоте от 1640 м до 2440 м над уровнем моря. [48]. IFR испытывает океанические дожди с континентальными температурами [49]. В этом районе наблюдается один сезон дождей с ноября по апрель с годовым количеством осадков 1500 мм [40], а годовая температура колеблется от 15 ° до 20 ° C [41].IFR испытывает океанические дожди с континентальными температурами [49]. IFR переживает только один сезон дождей с ноября по апрель с годовым количеством осадков 1500 мм [40], а годовая температура колеблется от 15 ° C до 20 ° C [41].
2.1.1. Типы растительности, присутствующие в районе исследования
Растительные сообщества в пределах IFR делятся на естественные леса, лесные массивы, кустарники и луга, которые обладают очевидными физиогномическими характеристиками. В естественном лесу преобладают самые высокие деревья, высота которых превышает 35 м, а пологий покров достигает ≥95%.Доминирующими видами деревьев в естественном лесу были Ilex mitis, Polyscias fulva, Craibia brevicaudata, Rapanea melanophloeos, Nuxia congesta, Dombeya torrida, Podocarpus latifolius, Hagenia abyssinica, Vepris simplicifolia и Zanthomenseylum. В лесистой местности преобладают Brachystegia spiciformis, B. utilis, B. boehmii , Julbernardia globiflora, и Albizia antunesiana в смеси с Uapaca kirkiana. Кустарник типичный для лесных видов миомбо.Пастбища также хорошо представлены в областях, где нет закрытого полога из древесных видов растений, поэтому IFR имеет отчетливые участки либо в лесу, либо в лесу. Кустарники и травы с очень разбросанными деревьями также распространены в областях со скалистыми обнажениями посевов, где преобладали виды растений Hymenodictyon floribunda и Dissotis melleri , Myrothamnus flabellifolius и некоторые виды растений осоки и травы.
2.1.2. Население и социально-экономическая деятельность местных сообществ Окрестности Image Forest Reserve
IFR окружен тремя районами (Ibumu, 6 681; Image, 9 180; и Mahenge, 10 039), что составляет общую численность населения 25 900 [41].Деревни, которые находятся в непосредственной близости от IFR, включают Ияи и Килалакидева в районе Имидж, Ибуму и Иламбо в районе Ибуму, а также Магана, Илинди и Ньянзва в районе Махендже. Местные сообщества, прилегающие к IFR, практикуют как скотоводство, так и выращивание сельскохозяйственных культур. Скотоводство подразумевает свободное передвижение скота, а земледелие — это в основном смешанный тип, включающий постоянное и сменное земледелие. Орошаемое земледелие широко используется в засушливый сезон и в основном практикуется в непосредственной близости от границы ППП, особенно в деревне Ияи в районе Имидж, в то время как в районах Ибуму и Махендж культивирование проводится очень близко к буферной зоне.Домашний скот, который содержится вокруг лесной территории, включает коров, коз и ослов, которым по сути разрешено свободно передвигаться по общественной земле, но иногда местные сообщества незаконно загоняют свой скот в IFR, что способствует деградации лесного заповедника. Подходящие климатические условия поддерживают выращивание кукурузы ( Zea mays L.), бобов ( Phaseolus vulgaris L.) и сахарного тростника ( Saccharum officinarum L.) [41] привели к расчистке нетронутых типов почвенного покрова для создания новые фермы и, как следствие, меняет растительный покров на непредвиденные новые типы покрытия.
2.2. Сбор данных
2.2.1. Изображения и наземные исследования
Были загружены бесплатные спутниковые изображения со спутников Landsat 5 (TM) и Landsat 8 (OLI), доступные через портал USGS (Геологическая служба США). Снимки были выбраны из засушливого сезона за период 1995, 2005 и 2018 гг., Чтобы получить снимки с минимальной облачностью (<10%) и избежать различий из-за времен года. Наземные исследования проводились с мая по июль 2019 года для определения существующих типов земного покрова в ППП и для разработки схемы классификации для картирования земного покрова.Для каждого типа земного покрова географические координаты регистрировались с помощью переносного GPS-приемника. Действия человека, такие как вырубка деревьев, вторжение, выпас скота и лесные пожары, как движущие силы изменения земного покрова, были зарегистрированы на 170 заданных участках размером 20 м × 40 м во время наземных обследований.
Незаконная деятельность человека . Во время этого исследования любая незаконная деятельность, наблюдаемая за пределами пробных площадей и не встречавшаяся ранее, также регистрировалась во время пересечения участков и разрезов.Подсчитывались встречающиеся пни и присваивались баллы 1, 2, 3, 4 и 5 для 1–10 пней, 11–20 пней, 21–30 пней, 31–40 пней и ≥41 пня, соответственно. Вся остальная деятельность человека, кроме вырубки деревьев, оценивалась в виде процентного содержания повреждений на участке 20 м × 40 м и присваивались баллы 1, 2, 3, 4 и 5 для 1–20%, 21–40 %, 41–60%, 61–80% и ≥81% соответственно.
2.3. Анализ данных
2.3.1. Обработка изображений
Обработка изображений включала три задачи, в том числе (i) предварительную обработку изображений, выполнялась как визуальная, так и цифровая обработка изображений, и до обработки изображения изображения были извлечены из полных сцен для подмножества сцен в интересующей области, которая является IFR с использованием ArcGIS 10.5 программное обеспечение. (ii) Выполнялось исправление изображений для обеспечения точной идентификации временных изменений и геометрической совместимости с другими источниками информации, а изображения были привязаны к системе координат и картографической системы национальных топографических карт, то есть в зоне координат UTM 36 на юг. , Spheroid Clarke 1880, Datum Arc 1960. (iii) Атмосферная коррекция для преобразования цифровых чисел (DN) в яркость на основе коэффициентов изменения масштаба, указанных в файлах метаданных, и преобразования яркости в верхнюю часть коэффициента отражения (iv) Улучшение изображения по порядку Чтобы усилить визуальную интерпретируемость изображений, была подготовлена цветовая композиция для полос Landsat 5 TM 4, 3 и 2 и Landsat 8 для полос 5, 4 и 3, и ее контраст был увеличен с использованием выравнивания гистограммы для дальнейшего улучшения визуальной интерпретируемости линейных такие особенности, как особенности землепользования, такие как голые земли и скалистые обнажения.Вся обработка изображений проводилась с использованием программного обеспечения ArcGIS и набора инструментов Impact.
2.3.2. Классификация изображений
Контролируемая классификация изображений с использованием классификатора максимального правдоподобия (MLC) использовалась для создания карт земного покрова за 1990, 2004 и 2018 годы. Был выбран классификатор максимального правдоподобия, поскольку, в отличие от других классификаторов, он учитывает спектральные вариации в пределах каждая категория и перекрытие, охватывающее разные классы.
2.3.3. Оценка точности
Карты земного покрова, полученные в результате классификации изображений, обычно содержат некоторые виды ошибок из-за нескольких факторов, которые варьируются от методов классификации до методов сбора спутниковых данных.Следовательно, оценка результатов классификации является важным процессом в процедуре классификации. Среди общих мер, используемых для измерения, точность тематических карт, полученных на основе многоспектральных изображений, представляет собой матрицу ошибок / неточностей. Матрица ошибок — это квадратный набор чисел, определенных в строках и столбцах, которые представляют количество единиц выборки, присвоенных определенной категории, относительно фактической категории, подтвержденной на местах.
2.3.4. Анализ изменений земного покрова
Для обнаружения изменений земельного покрова в ArcGIS использовалась модель перекрестной таблицы, с помощью которой была построена матрица изменений земного покрова.На основе матрицы было проанализировано изменение земного покрова, чтобы отобразить прибыли и убытки за 1-й период (1990–2004 гг.) И 2-й период (2004–2018 гг.). Оценка скорости изменения различных изменений земного покрова была рассчитана по следующим формулам: где площадь i год x = площадь покрытия i на первую дату, площадь i год x + 1 = площадь покрытия i на вторую дату = общая площадь покрытия на первую дату и t лет = период в годах между получением первой и второй сцены.
Тест ANOVA применялся для проверки значимых различий изменений в типах земного покрова. Тест ANOVA используется для определения влияния независимых переменных на зависимую переменную в регрессионном исследовании [50].
3. Результаты
3.1. Image Карты земельного покрова лесного заповедника
За последние три десятилетия в IFR произошли изменения в своем земельном покрове (Рисунок 2, Таблица 1). Эти изменения проявились на всем протяжении IFR, за исключением восточной части.Лес сократился, в то время как кустарники, луга и леса увеличились в пределах IFR (Рисунок 3).
|
3.1.1. Оценка точности
Таблица 2 показывает матрицу ошибок с точностью пользователя, точностью производителя и коэффициентом каппа. Результаты оценки точности показали, что общая точность и коэффициент каппа составили 90,00% и 86,57% соответственно (Таблица 2), что указывает на сильное соответствие между классифицированным изображением и справочными данными.Значение больше 0,80 (т. Е. 80%) означает полное согласие; значение от 0,40 до 0,80 (т. е. 40–80%) представляет умеренное согласие; а значение ниже 0,40 (т. е. 40%) свидетельствует о плохом согласии [51]
3.1.2. Траектории изменения земного покрова в лесном заповеднике изображенийЗа последние три десятилетия типы земного покрова IFR испытали две основные траектории изменений своего земного покрова (рис. 2).В первом периоде (1990–2004 гг.) Большая площадь лесных массивов сменилась лесами, а во втором периоде (2004–2018 гг.) Большая площадь лесов сменилась лесными массивами, кустарниками и пастбищами, а также пустошами и обнажениями горных пород. Таблицы 3 и 4 показывают преобразование земельного покрова в виде матрицы изменений для первого периода (1990–2004 гг.) И второго периода (2004–2018 гг.). В первый период (1990–2004 гг.) Произошло преобразование лесов в лесные массивы (1745,19 га), из лесов в кустарники и пастбища (1078,19 га).65 га), а также от кустарников и лугов до пустошей и скалистых обнажений (250,38 га). В тот же период наблюдался переход от леса к лесу и от леса к кустарнику и пастбищам, хотя и в небольшой степени.
С другой стороны, второй период (2004–2018 гг.) Показал дальнейшее преобразование лесов в леса (1732 г.50 га) и от кустарников и лугов до лесов (1076,94 га). В тот же период наблюдался еще один значительный переход от голых и каменистых обнажений к кустарникам и пастбищам (2460,60 га). В течение обоих периодов очень небольшая часть лесных площадей была преобразована в обнаженные породы и скалистые обнажения в ППП (Таблица 3). 3.1.3. Прирост и потеря земельного покрова в образе лесного заповедникаЧистое изменение в форме прибылей и убытков для каждого класса земного покрова в течение первого периода (1990–2004 гг.) И второго периода (2004–2018 гг.) Показано на рисунке. 2.Наибольшие потери были в лесах (1731,96 га) в течение первого периода, в то время как значительный прирост наблюдался в кустарниках и пастбищах (7 768 км, 2 ), за которыми следовали лесные массивы (577,89 га). С другой стороны, в течение второго периода наибольшие потери наблюдались в голых и каменистых обнажениях (2528,10 га), затем шли лесные массивы (572,13 га), тогда как значительный прирост наблюдался в лесах (1717,56 га) и кустарниках и пастбищах (1382,67 га). ) (Рисунок 4). На основании гектаров и процентов покрытия земного покрова типы земельного покрова варьировались в разные годы (Таблица 5).Результаты ANOVA для голых и каменистых обнажений, кустарников и пастбищ, лесов и изменений типов лесного покрова в период между 1990 и 2018 годами не показали существенной разницы () в изменении земельного покрова в пределах типов почвенного покрова в IFR с 1990 по 2018 год (таблица 5).
3.2. Незаконная деятельность человека в лесном заповеднике изображенийВыявленными незаконными видами деятельности человека в ППП были выпас скота (фото 2A), вырубка древесины, которая наблюдалась в лесу ( Hagenia abyssinica и Podocarpus latifolius как наиболее целевые деревья) (таблица 2B ), пути проникновения (фото 2C), лесные пожары (фото 2D) и сбор дров (2D), Brachystegia spiciformis, Ba.Utilis, Julbernardia globiflora, Uapaca kirkiana, Erica mannii, Faure rochetiana и F. saligna являются наиболее предпочтительными деревьями. Кроме того, ловушка для диких животных была очевидна в IFR (фото 2F). 3.2.1. Незаконная деятельность человека ОценкаНезаконная деятельность человека влияет на типы земного покрова. Средняя оценка незаконной деятельности человека для затронутых участков в пределах типов земного покрова варьировалась от очень низкого до очень высокого (1–5), в то время как средняя оценка для всех участков в пределах типов земного покрова варьировалась от нулевой антропогенной деятельности до низкой (0 к 2) (Таблица 6).
Тест ANOVA предложил отклонить нулевую гипотезу в том смысле, что существует очень значительная разница () в уровне или скорости незаконной деятельности человека в лесах, лесах, кустарниках и пастбищах, а также голых и каменистых обнажениях. в IFR (Таблица 7).
|