Web Analystics 2.0
2019-08-08 17:41:09 1 举报AI智能生成
Web Analystics 2.0
作者其他创作
大纲/内容
网站分析概览
1.Web Analystics 2.0 的新世界
网站分析的现状
基于数据及分析勇敢地做出公司的许多重大决策
在自定义报表中甚至可以创建更多人们尚未想到的指标
数据困境
缺乏数据，不能做出完整的决策
有了大量数据，只能得到极少的深入分享见解
数据困境启示
虽然可以获得非常多的数据，但从取得数据到做出正确的决策之间，还有很长的路
本书的目的
摈弃就有的思维模式，重新审视决策的指定过程
认识到人才是关键所在，而非数据
讲关注点从数据的准确度转移到数据的精确度上来（核心是这些数据指标是否与想要解决的问题相关，数据能否说明你关心的问题）
行业现状
三位策略
体验 Experience
行为 Behavior
产出 Outcomes
工具
网站分析工具
Yahoo! Web Analytics
Goolge Analytics
巨大的数据仓库
Omniture SiteCatalyst
Webtrends
Clicktracks
Xiti
FeedBurner
衡量博客订阅情况
网络调研工具
4Q
竞争情报工具
Compete
AdPlanner
Insights for Search
Quantcast
重新审视Web Analystics
是什么：点击流数据
收集、存储处理和分析网站的点击数据
数据量非常大、通常是以GB而不是MB为单位
用来衡量页面及营销活动的效果
分析网站行为：访问（Visits）、访客（Visitor）、停留时间（Time on site）、页面查看（Page Viewes)、跳出来（Bounce Rate）
有多少：多目标产出分析
网站提供传出的3个方面
增加收入
降低成本
提高用户满意度和忠诚度
为什么：实验与测试
测试工具软件
Goole Website Optimizer(Google Analytics)
Test&Target
Optimost
SiteSpect
用户来决定哪个好
互联网上决策失误，很快发现、成本低
要么实验，要么死亡！
为什么：客户的反馈
定性数据的价值和作用
通过实验可用性测试，远程可用性测试等方法直接从网站访客或者目标用户库中获取反馈意见
其他方面：竞争情报
让你了解目前行业的业绩是否良好，与竞争对手间是否存在差距
竞争情报：用户（人口统计学和心理学方向）属性、关键词、流量来源和网站用户行为
改革：我们可以实现
必要的策略
改变思维模式，改变思想
点击量并不代表一切
表面与内在（定量分析与定性分析）
分析范围：自己及竞争对手
更自动化的决策制定
工作具有连续性（eg：调研、测试、行为分析、关键词优化），并不断进行改进
客户行为主导决定，而不是高层说了算
战术调整
改变对于网站分析工具的现有认识和使用方式
必须接受多样性的概念
多样性是互联网强大优势的核心所在
多样性也是Web Analytics 2.0时代成功的唯一途径
网站决策过程中需要解决的5个问题
点击流数据
多目标产出分析
iPerceptions
实验与测试
客户的反馈
CRM Metrics
Ethnio
Foresee
竞争情报
多个工具提供分析结果面结合起来提供实现目标所需要的完整数据
其他基础分析
Maxamine
SEO缺陷、错误、漏洞
几乎能够提供任何你想知道的关于网站本身的衡量指标与报表
ObservePoint
Coradiant
能提供关于站点功能的细化到单个用户层面的关键数据
位与字节信息，页面与数据包等
2.选择网站分析系统的最佳战略
确定预期业务目标
10/90法则
获得成功的关键因素在人
网站分析工具和提供商提供专业服务成本：10美元
所需的人力资源/分析师投资：90美元
选择网站分析系统前需要回答的3个关键问题
需要报表，还是需要分析
廉价的错误工具
昂贵的工具与错误的人员配备
更换到正确的工具
我们的优势在IT方面、业务方面，还是两方面都有优势
我只需要解决点击流数据，还是整个Web Anlytics 2.0
系统选定之前问供应商的10个问题
你的工具/解决方案与Yahoo和Google的免费分析工具之间有什么区别
你们是否是100%的ASP？是否提供本地安装版本的系统？你们计划提供本地安装版本吗？
你们使用什么样的数据捕获机制
你们能计算使用你们工具的总成本吗？
你们能提供什么样的支持服务？哪些支持服务是免费的，哪些是付费的？免费服务是否是全天候的
你们系统当中哪些功能允许对数据进行族群细分
有哪些方式可以将你们系统的数据导入到公司内部系统
你们系统提供哪些功能可以将其他来源数据集成到系统中
你们是否可以列举2-3个目前正在规划的新系统功能，保证你们的系统未来3年领先于竞争对手
最近两家客户与你们解除合同的原因是什么？他们中谁还在使用你们的系统？可以给这些客户打电话吗？
Web Analytics供应商比较：多元化与竞争优势
3个木桶策略
确保每次只从一个木桶中取一款工具
识别网站分析系统（如何有效的试用分析系统）
易用性
功能性
技术
响应
总成本
充足的时间
公平公正
了解数据抽样算法
大量的族群细分
搜索分析
测试网站内容的分类
让实习生试用
测试服务支持的质量
校验数据
检查常用功能
计算总成本（TCO）
确定合作前的谈判--详细检查供应商提供的合同服务条款
系统与功能的可用性与响应状况
报表与数据的可用性状况
技术及实际应用支持
系统安全
沟通
14.公司高层、分析师和其他员工一起：创造数据驱动的企业文化
改造企业文化：如何让人们关注网站分析
做一些令人惊讶的事，不要简单地提交数据
从产出和影响开始分析，而不是访问量
创造英雄和榜样
如果想让决策者感兴趣，首先要让网站分析有趣
竞猜
内部分享
把握办公时间
提供能指导实际行动的报表和分析
筛选条件一：你的观点是什么
努力向业务产出靠拢
多角度分析：真正的Web Analytics
使用Unboring过滤器
将见解与实际数据联系在一起
期望值的不同
要有独特的观点
通过更改指标定义来改变企业文化：品牌宣传指数
案例及分析
问题
解决方案
结果
采用BEI指数的结果
可选择的计算方法：加权平均
总结
提升数据质量：从质疑到使用数据
选择不同的老板
用完美数据资源教育组织
用可操作的见解吸引公司高层的注意
第一周/月的头部数据具有可操作性
在漏斗的底层提升数据的精度
解决方案不是实施另一款网站分析工具
承认边际收益递减
不符合逻辑的用户行为和不准确的基准
在网站上更快失败
让老板成为数据驱动型主管的5项法则
摆正自己的位置
认可不完整的数据
始终多做一点
成为销售人员
拒绝数据服务业务
采用Web Analytics2.0的思维模式
需要预算吗？获得公司支持的策略
实施实验和测试方案
倾听用户的心声
使用行业基准
竞争情报：你最好的新朋友
与有意向的网站合作
如果这些方法都失败了，打电话咨询
打破壁垒的策略
惊人的发现
缺乏资源/预算
缺乏策略
孤立的组织
缺乏了解
数据泛滥
缺乏高级管理人员支持
IT障碍
缺乏对分析的信任
找不到合适的人员
糟糕的技术
谁真正拥有网站分析
集中或分散
团队的演变
Web Analystics 2.0
网站分析
点击流分析的精彩世界
3.指标
8个关键网站指标
定义
指标：用来统计描述一个网站的时间和趋势的定量衡量标准
KPI（关键绩效指标）：用来帮助理解目标达成程度的指标
访问与访客
计算独立访客时，网站分析系统尽可能使其接近真实的访客人数
正确计算独立访客的方位是绝对唯一的独立访客
其他长时间的统计访客数据涉及到计算冗余
停留时间
网站分析系统只有通过前后两个时间戳才能知道访客在某一页上停留的时间
网站分析系统并不知道访客在最后一页停留多长时间。这个缺陷几乎存在于所有的网站分析系统当中
网站停留时间还不是一个很完善的指标，但对于很多网站来说，这个指标很重要
跳出率
跳出率用来衡量访客的行为，几乎是最重要的指标
主要是针对那些来到网站没有任何操作行为的访客
指仅从这个页面进入网站，没有做任何事情，就在这个页面退出网站的访问比率
技术角度的定义：网站上单个页面访问所占的会话比例
有些网站分析系统是根据访问时长来定义跳出率的。即那些网站停留时间短于5秒的会话所在的比例
span style=\
至少需要从两个层次衡量跳出率
衡量整个网站总体的跳出率
最热门的着陆页的跳出率（即热门着落页报表）
退出率
目标：在某个页面有多少访客离开网站
指出需要改进哪些页面，从而防止访客从网站上离开
指不管从哪个页面进入网站，而在这个页面退出的访问比率
转化率
衡量其产出
计算方法是用某种产出来除以独立访客或访问量
需要明确使用独立访客（UV）还是使用访问（Visits）作为分母
选择访问量作为分母，会将网站的每次访问看成是一次让其下单或是转化的机会
选择独立访客作为分母，会认为用一个人在发生购买之前，多次访问网站是正常的
参与度
是一个定性指标，很难只通过网站分析系统的点击流数据来得出
参与度的2点重要结论
不可能仅仅使用网站分析系统就能区分访客的参与度是正面还是负面的。
在网站分析领域讨论用户的参与度时，讨论的只是参与的程度
参与度的程度
一个参与度高的用户，对指定目标的介入程度超过平均水平
参与度的类别
对类别进行深入考察才能了解其意义，通常是一些感性表达或理性认识（正面参与度：支持、信任、自豪等）
访客浏览的页面越多，他们的访问就越深入，其参与度就越高。但该指标不能反映参与度的类别
参与度类别想法
调研
使用一些很好的替代指标，如分析用户在较长一段时间内的回访或重复购买率
网站分析指标揭秘
优秀指标的4个特性
简单
参与决策的所有人都必须明白指标所代表的的内容
相关
与业务相关
及时
及时是必须的，这样才能及时作出决策
为了保证及时，甚至可以牺牲指标的复杂度与完美程度
即时有用性
当你很快理解这个指标后，马上能发现指标背后反映的问题
网站成功的3教训
不要过分追求完美
网站上获得的数据并不完美，因为变化非常快
追求的是准确，而非精确
要做到少而精
重视网站指标的生命周期
无论多重要的指标，都要经受时间与业务变化的考验
如果不能用这个指标知道实际行动，说明你可能选错了，需要放弃
关键指标的战略性对策
确定网站指标表现的关键因素--转化
合理利用自定义报表
建立团队报表中心
从宏观上理解网站
4.实践操作
网站分析入门
熟悉元老级指标
6想基本指标
了解访客来源
修源节流
为你的页面定义一个失败的临界值
检查网站上的热门着陆页及它们各自的跳出率
点击密度分析
能很好的解决可读性
能让分析人员能够从用户的角度观察
衡量访问与购买
用户通常不会在首次访问时下单
购买前访问数可以缓解这种心理
最佳网站分析报表
流量来源
流量产出
基础分析思路
无细分，毋宁死
细分的好处
通过细分，揭开各项指标的面纱
可以迅速在更深层面了解数据
图形可以帮你表述平时根本没有机会说的话
创建并应用细分
从指标/维度列表拉出外卖需要的选项
关注用户行为而非总体结果
放远目光，观察真正能反映用户网站行为的数字，找出特别实践意义的信息
让日常点击流分析更具操作性
站内搜索分析
站内搜索使用度
搜索的使用比例
热门关键词
衡量搜索质量
考核搜索输出结果的质量
搜索退出率（是跳出率的另一种形式），即看到搜索结果页后立即离开网站的访客比例
统计访问实际浏览过的搜索结果页面数量
观察用户行为，二次搜索报表就帮助你了解对首次搜索不满意的程度
细分搜索效率
SEO分析
当前绩效：自然搜索流量
内容覆盖率：被搜索引擎收录情况
关键词绩效：搜索结果
产出：目标、销售额和ROI
付费搜索（按点击付费/付费搜索分析）
绩效：付费搜索流量
完整的付费搜索分析
PPC广告排名分析
考察付费广告用户分析
直接流量分析
回顾当前绩效
寻找机会说服管理层
进行细分，以了解更多特征
邮件营销分析
邮件响应度分析
站内行为分析
业务产出
富媒体内容分析：Flash、Vedio和Widgets
事件跟踪
真实验证：网站分析的挑战性视角
跟踪访客Cookie
临时Cookie和永久Cookie
第一方Cookie与第三方Cooike
选择Cookie和数据存储
Cookie删除率
没有Cookie地球照样转
数据抽样
只对部分网页的所有数据进行抽样
从所有网页收集数据，但针对每个页面，只对部分数据进行抽样
收集所有数据，只有在运行查询或报表时抽样
历史数据的价值
数据的衰减
坦然面对历史数据
保存精华
用户体验视频回放的实用性
记录规模
可描述性
实现对真人的跟踪
费用与收益
对未来的希望
终极数据校正清单
服务器日志和JavaScript加码的统计数据不具可比性
第一方Cookie和第三方Cookie
跟踪代码安装疏漏
拷问供应商：检查关键指标的定义
难念的经：会话（Session）的时效
时刻检查：站内URL结构
隐藏的天使：数据抽样
加码的顺序
5.通往光荣之路：衡量绩效
关注少数关键节点
从战略角度看，网站要解决的最重要的事情是什么？
只用一项指标来确定网站成败，应该是哪项指标？
哪些指标能描述当前优先级最高的3项业务的绩效？
哪些数据是必须知道的，哪些知识锦上添花？
把100美金花在网站运作上，怎么花?大头在哪块？
网站业务的最大威胁是什么？对于它你怎样预警？
绩效KPI实际操作
任务完成度
搜索流量比例
访客忠诚度和回访率
RSS/Feed订阅数
正面退出比例
转化率进阶
购物车和结算流程放弃率
购买前访问次数和天数
平均订单价值
主要目标（标识可转化人群）
衡量宏观及微观变化
图片发布和分享网站
技术支持网站
对目标电子商务网站
量化经济价值
经济价值可以增加销售额，也可以减少成本
衡量费电子商务网站的绩效
访客忠诚度
访客回访率
网站停留时间
访问深度
衡量B2B网站绩效
浏览器产品目录的访问比例
下载精选产品/解决方案信息的访问比例
样品免费试用数量
新注册账号数量
视频完整播放次数
会员发帖比例
购买辅助工具实用度
6.解决“为什么”难题--利用定性数据
实验室可用性研究：是什么，为什么，有多少
什么是实验室可用性研究
如何进行测试
准备测试
进行测试
分享数据
跟进，重复测试和评估成果
实验室可用性研究的最佳实践
实验室可用性研究的好处
注意事项
可用性研究的替代方案：远程和线上法宝
线上招募和远程用户研究
线上招募和远程研究
外包线上可用性研究
调研：做到真正的倾听用户心声
调研的类型
页面级别调研
网站级别调研
调研中最容易犯的错误
难平衡好想获取的信息量与受调研者接受度之间的关系
问太多问题是对用户的不尊重，问你真正有用的问题
注意每个问题的长度和视窗顶部的进度点
收集好调研数据并没有结束，数据分析更重要
永不过时的3个最佳调研问题
今天你访问我们网站的目的是什么？
你能在我们网站上完成你想做的事情么？
如果今天你不能完成想做的事情，原因是什么？
实施用户为中心的策略
选择线上调研供应商的8个忠告
数据处理要谨慎
提供动态数据细分功能
提供行业基准和指数
对开放式问题进行分类
集成点击流数据
提供测试
互联网环境下的用户研究方法
竞争性标杆研究
快速可用性测试
线上卡片-分拣研究
人工智能视觉热点图
7.尽早预知成败：充分发挥测试和实验的力量
测试方法入门：A|B测试和MVT
A/B/C测试
用来测试网站上某网页的两个或多个版本优劣的方法
优点
性价比高，实施不难
测试的结果易于交流，不用去担心多变量测试和回归等复杂技术
缺点
答案通常只有\"Y\"或者\"N\
太过依赖这种方法，则意味着网站的变化速度太慢
MVT（多变量测试）
指定一个页面当中同时测试多个不同元素的变化
全因子测试：测试网页不同要所有变化的全部组合
要求高：充足的时间保障和大良的被测试者
部分因子测试：只要进行部分组合测试，其他组合结果靠推理得到
没有那么多的观测数据，可以较快的到结果
集二者之长，先用部分因子测试找出最差组合，去掉最差组合，用全因子测试处理剩下的组合
多复杂的测试都行，只要在网页上加几行Javascript代码就可以
几乎MVT的每个部分都可以外包
收集到的数据可以帮组你加深对访客偏好的理解，并认识到某个想法具有的价值，都直接转化为更好的网站用户体验
要求组织团队付出更多的努力，需要更多的投入
所能发挥的最大效果是有测试之前的想法决定的
优化的是单个网页，而不是整个网站的用户体验
可操作的测试建议
改善关键页面--着陆页
关注结账、注册/登录和提交页面
优化广告的数量及位置
测试不同的定价与销售策略
优化外部市场活动
对照试验：改善你的数据分析
衡量付费搜索对品牌关键词和关键词拆解的影响
对照试验
对照试验的优缺点
创建并推动测试文化 9条忠告
第一次测试务必成功
不要过于依赖工具或者迷信专家的 夸大宣传
别有任何隐瞒--抛开自以为是
以假设开始
指定结果评估标准和预先决策
测试并衡量多目标产出
根据用户最需要解决的问题进行测试
分析数据，交流心得
两个务必要素--测试宣讲员和测试专家
8.竞争情报分析
竞争情报数据来源、类型和秘密
工具条数据
为浏览器提供附加功能的插件，可以使新闻访问、搜索和安全保护变得更加方便
用户库数据
样本偏差
抽样偏差
Web2.0面临的挑战
ISP数据
我们请求的信息通过ISP服务器存储在日志里
ISP的数据可以转化成巨大的样本量
ISP数据的另一个好处是可以减小抽样的偏差
ISP通常不对外公布他们的出售数据
搜索引擎数据
网站分析供应商的行业基础数据
可以在某一行业内比较自己公司的表现
自行提供数据
弄清楚不同衡量标准的含义
不完全部署加码是工作致命伤，因为这可以导致样本偏差
混合数据
网站流量分析
分析长期流量趋势
分析竞争对手网站的重合度，发现机会
分析反向链接和退出网站
搜索和关键词分析
最热门关键词的绩效趋势
地域兴趣和机会分析
相关的和快速上升的搜索
市场占有率分析
竞争性关键词的优势分析
关键词扩展分析
受众识别和细分分析
基于人口统计学的细分分析
基于用户心理的细分分析
搜索行为和受众细分分析
9.新兴分析：社交、移动和视频
衡量新的社交网络：数据的挑战
网站内容的演变
Twitter的革命
分析线下的用户的行为（应用程序）
使用GA中标准的时间追踪机制收集数据
为了跟踪线下行为，配备一个非常轻量级的数据库。当我们处于线下状态，数据通过时间被收集，并存储在数据库中，当阅读器监测到网络连接恢复，程序就会读取数据库并将数据发送回服务器。
分析移动用户的行为
移动数据收集的可选方案
基于日志的解决方案
基于数据包嗅听的解决方案
基于加码（Tag）的解决方案--JavaScript或图片加码
移动报表和分析
衡量博客的表现
原始作者的贡献
每月帖子=帖子总数/写博客的月数
创建的内容=帖子的总字数/帖子数量
整体的受众增长
转化率=访客的评论量/帖子数
到达数指每天浏览或点击feed内容的人数
订阅用户数接近但不等于网站分析概念中得到独立访客数
引用和轰动指数
Techorati引用指数：在最近6个月中链接到你博客的其他独立博客数目
可以衡量你的博客作为一个整体而引起的连锁反应
微博引用数：衡量多少人谈论你的帖子
可以衡量某个帖子所带来的连锁反应
博客的成本
技术（硬件/软件）成本
时间成本
机会成本
博客的受益（投资回报率）
比较价值
直接价值
非传统价值
无法量化的价值
量化Twitter的影响
粉丝人数的增长
信息放大
点击率和转化
共享链接平均点击率
转化率（产出）
新兴的Twitter指标
到达数
速率
需求
网络强度
行为
分析视频的表现
视频的数据收集
只要实现分析工具供应商提供的相应代码，就可以追踪到相关的所有行为
还可以用事件追踪模式，来自定义所收集数据的类型
关键的视频指标与分析
基本性能指标
整体和每个视频的观看次数，以及观众所处的位置
使用基本性能指标，就能立即掌握用户的喜好
跟踪关注度及受众的互动情况
社交参与情况报表
跟踪视频传播情况
通过点击嵌入式播放器，可以跟踪嵌入你的视频的所有网站
跟踪你的视频是否被正常的关键词索引和列出
细分
高级视频分析
分析情境影响
积极收集用户心声
通过测试衡量用户的实际行为
10.隐藏的网站分析陷阱的最优解决方案
准确性还是精确性
不要过度追求数据质量，互联网不存在真正准确的数据
准确性就是尽可能获得完美的数据，而精确性则是为了获得同一结果需要达到的程度
网站分析选择精确数据，精确性是可预测的，重现性好
更重要的平衡成本和收益
数据质量处理的6个步骤
收集简洁的数据
要有针对性
数据校验
追求精确性
数据不完整不是问题
快速的行动，聪明的思考
建立行动仪表板
创建优秀的仪表板
综合仪表板
高影响力仪表板的5个准则
基准和细分
分离出少数关键指标
不要停留在指标表面--应包含深入的分析
将仪表板控制在一页
淘汰与保持相关性
全线营销的机遇和多渠道衡量
专项全线营销模式
多渠道分析
行为定向的优势和挑战
行为定向的优势
客服基本分析挑战
行为定向的两个先决条件
有可靠的用户反馈手机系统的投入
首先做A/B测试或多变量测试
线上数据挖掘和预测分析遭遇的挑战
数据类型
变量的数目
多重重要意图
多次访问行为
缺少主键和数据集
网站变化的速度
通向智能分析的步骤
加码
配置网站分析工具的设置
配置报表
配置目标
营销活动/流量来源跟踪
收入和高级情报
富媒体跟踪
网站分析职业介绍
11.成为分析专家的入门指南
背景信息的重要性
比较不同时期的关键指标
通过细分提供背景信息
比较网站关键指标的平均值和细分值
给指标寻找伴侣
利用行业基准和竞争数据
了解业务知识
KPI变化趋势比较
呈现业务知识
细分来救援
在Top10之外：什么改变了
真正的价值：衡量潜在转化及访客行为
潜在访客行为
潜在转化
4种不能指导实际行动的KPI衡量技术
平均值
细分平均值
使用分布
百分比
查看相关的原始数字
细分数据
用户统计显著性
比率
使用自定义报表，计算比率的同时提供相关的背景信息
地址常规规则
组合或者计算得出的指标
不要使用组合/计算得出的指标
关注组合指标的几个关键组成指标
重新审视和重新验证
搜索
实现最优长尾策略
计算头部和长尾
你可以发现的分析见解
采取行动
了解品牌和你行业关键词
为什么应该关注
最佳搜索营销策略
改善SEM
可以得出的分析见解
采取的行动
测量上层漏斗关键词的价值
付费点击进阶分析
识别关键词的潜在机会
关注什么改变了
分析展示份额和收入损失
拥抱投资回报率分布报表
用户搜索查询和匹配类型归零
12.成为分析专家的进阶指南
多触点营销活动归因分析
多触点是什么
你有归因问题吗
归因模型
基于最后点击的归因
基于第一次点击的归因
基于平均点击的归因
基于功劳划分的归因
自定义归因
真实世界中归因分析的核心挑战
归因分析的可行替代分案
媒体组合模型
线上媒体组合建模的挑战
边际归因分析
边际归因分析面临的挑战
关于多触点的部分思考
多渠道分析：权限营销的衡量技巧
13.网站分析职业生涯
网站分析职业生涯规划：选择、薪酬前景和成长
个人技术贡献者
职业前景
薪酬前景
长期职业成长
个人业务贡献者
技术团队领导
业务团队领导
网站分析成功职业生涯的技能培养
使用数据
获得多个分析工具的经验
真实世界中的运用
网站分析教育
超越网站分析教育
线上广告教育
社交媒体分析教育
在线营销和分析教育的底线
成为数据收集侦探
数学基础：学习统计学的基础知识
善于提问
与业务团队紧密协作
学习有效的数据可视化和PPT技能
与时俱进：参加没费网络研讨会
与时俱进：阅读博客
分析高手人生中最美好的一天
20%提供报表
20%流量引入分析
20%站内客户体验
20%分析背景信息
10%探索新的策略选择
10%休息、电子邮件、午餐……
雇佣最好的人才：给分析经理和总监建议
优秀分析专家的关键特征
熟手或新手：做出正确的选择
子主题
0 条评论
回复 删除
下一页
