选择网站分析系统十问（Avinash《Web Analytics 2.0》读后感之三）

dave    Web Analytics     web analytics 2.0, 网站分析

在选择网站分析系统的时候，大家比较通常的做法是先收集各个部门的需求，然后根据这个需求来选择能满足的一款。但其实根据目前行业的情况来看，基本上所有的工具都是能满足基本的业务需求。因此，这就需要更多的标准来考虑选择什么样的网站分析系统。大家可以对来向你兜售网站分析系统的销售人员问下面十个问题：

问题一：你的系统与GA这种免费分析工具之间有什么区别？

问的时候要注意，是问产品功能方面的，最好让他举出五个只有这个系统能干的事儿。

问题二：你的系统有没有本地安装版本的，就web trends或者urchin那种，还是全部都是ASP模式的？

ASP模式就是服务器和数据都是放在供应商那里。对于有些需要数据保密性的企业来说，这个也是蛮重要的一点，不过对于大多数的互联网与电子商务企业，这个其实是不太需要担心的。还有一个因素是墙的问题，大家都懂的。

问题三：你的系统采用哪种数据收集方式？

是加JavaScript的方式，还是分析网站的日志的方式。因为现在Flash、Ajax等这种网页越来越多，如果一款工具收集数据的方式越多，对你也越有利。

问题四：系统实施的整体成本是多少？

比如说系统的成本，额外流量的费用，服务咨询成本，请分析师的成本，IT、市场人员成本，系统维护人员成本等

问题五：能提供什么样的技术支持与服务支持？哪些是免费的，哪些是收费的？免费服务是不是24小时的？

问题六：族群细分的功能如果，哪些数据可以进行族群细分？

问题七：有哪些方式可以将网站分析系统的数据导出来？

这个问题可以分为几个小问题，比如：可以拿到所有原始数据吗？可以导出所有的数据吗，一次导个10万行可不可以？合同结束后，还可以拿到数据吗？

问题八：系统提供了哪些功能可以集成其他来源的数据？

比如跟广告系统，跟电子邮件发送系统，跟CRM系统等等。

问题九：举两到三个你们正在规划中的系统功能，说一下这些功能是否能在将来的几年内领先竞争对手？

这个问题主要是看看这家企业是否有开拓进取的精神，是否做得够专业，对市场重视。

问题十：(这个是最狠的)最近与你们解除合同的客户的原因是什么？他们都哪些人在用系统？能不能让我们给这个客户打几个电话？

这个我们就不用解释了，致命一剑。可以看出很多东西。

转载请注明出处：http://www.wachina.net/index.php/tenquestions4vendor/

转一网站分析重磅新闻：IBM收购Coremetrics

dave    Web Analytics     Coremetrics, IBM, 电子商务, 网站分析，Omniture

美国科技巨头IBM周二宣布，已收购美国网络分析软件开发商 Coremetrics。
Coremetrics创建于1999年，总部位于美国加州圣马特奥(San Mateo)市，IBM没有透露这起交易的具体涉资金额。IBM称，Coremetrics客户包括美国银行(Bank of America)、Holiday Inn假日酒店和其他企业。

借助 Coremetrics平台，企业用户可获得来自社交网站、电子商务网站及其他网络媒体的实时流量数据，从而有利于企业用户加强各自所投放网络广告的针对性。业界人士指出，通过这起收购，IBM将获得Coremetrics的云计算(Cloud Computing)服务平台，进而提高IBM自家商务分析业务实力。

2009年9月，Adobe曾收购了Coremetrics竞争对手Omniture，交易额将近18亿美元。Coremetrics主要竞争对手还包括Unica和Webtrends等公司。

————————————————————————————-

个人认为，IBM此次大的动作，将对其电子商务平台Webshpere, 以及其BI系统Cognos都有很大的助力。用过Coremetrics两年，相对Omniture而言，Coremetrics在Marketing、Merchandising方面的功能还是很强劲的，也没有Omniture产品战略那么小心眼把Site Search和Segment都独立开，希望CM越做越好。

Avinash《Web Analytics 2.0》读后感之二：网站信息体系

dave    Web Analytics     Omniture, WA, 网站分析

歪楼记1：最近参加Omniture在北京与上海的Seminar，做一个case study。到场的人很多，发现无论是广告商、电商从业者、市场投放、媒体人员，都越来越重视网站分析，已经跟去年刚回国的时候完全不同。

歪楼记2：最近应出版社邀请开始翻译Avinash的《Web Analytics 2.0》，希望此次的翻译能让大家满意。

越来越多的人开始意识到数据很重要，信息很重要，分析很重要。正如Avinash所说，刚开始做网站分析的七年，是一直在追求能拿到更多数据的七年。直到后来才逐渐意识到，所需要的并不只是越来越多、越来越全的数据，而是数据背后的分析与结论，然而要走到这一步是极其困难的。

企业能利用的信息系统有很多，从引进访客开始往后看，有营销系统、WA系统、BI系统、CRM系统、后台物流信息系统、竞争情报系统，以及线下的pos, reseller, store等等系统。而WA所处的地位，就是将营销系统（如SEM系统，Email系统）、BI系统以及CRM系统联接起来，形成完整的数据联动。在传统企业中，CRM、BI、营销系统等等都已经很完善，但缺乏一个结点将访客的各种行为与信息联结起来，WA系统的出现弥补了这一缺陷。

Avinash在本书的第一章中，列出了很多很好的分析系统，以及这些系统所处的平台层级与关系，比如点击流的分析工具，即我们常见的Omniture、GA、Webtrends、Coremetrics、Yahoo分析工具等等。而这，仅仅是获取与分析数据的第一阶段，因此很多人想通过一套WA系统就把所有的问题都解决的想法就比较危险。期望越高，失望越大，任何系统与解决方案都有自己的立足点，满足企业一部分的需求。

而关于第三层的实验与测试系统，最近越来越成为热门，一部分原因是企业越来越追求简单的看得见的效果，而AB测试能很轻松的告诉使用的人哪个方案更好。

而对于用户调研的系统，由于国内第三方调研公司诚信的缺失，大家往往不太相信这部分的数据。不过从我用过的Foresee以及Ethnio来看，对网站的前台以及公司的业务都会有很大的帮助。

所以在实施WA系统之前，必须客观真实地了解自己网站的需求，对领导层的想法与要求有概念，对WA的功能有清晰明确的认识，最后才可能成功。

关于网站分析的思考

dave    Web Analytics     电子商务, 网站分析

最近很少更新，主要原因在于觉得网站分析碰到了瓶颈，很多东西不得不让我去好好地思考。

做了五六年的专职网站分析工作，在国外的几年也有幸接触到很多非常优秀的网站分析师，越来越觉得要做好网站分析不是一件容易的事，原因很多，所处的环境也不同，就我个人而言主要有如下几个阶段：

一、当刚接触到网站分析的前一两年，那是新奇与兴奋。当我开始使用HBX，Coremetrics，看到Omniture SiteCatalyst, 看到免费的Google Analytics等等非常好的工具，以及那么多可以拿到的指标。觉得网站分析很神奇，我可以了解用户的所有行为。这个阶段，我做了很多很多的报告，给公司各个level上至CEO下至Marketer提供各种各样的数据，诸如网站的整体流量，页面的表现，流量的来源，各渠道流量的质量，站内搜索行为，站外引擎的情况，等等。我相信很多网站分析人员目前所处的阶段跟我当时是一样的，就是reporter的角色远远大于analyst。但是这个过程是很有必要的，因为只有经过这样的过程，你才能对分析系统有深入的了解，知道各个指标的详细定义，并且知道什么情况下大概需要什么样的指标来衡量。

二、接触网站一段时间之后，就发现其实不知道的还有很多，变得越来越谨慎与小心。这个时候，我会用更高级一些的分析功能，诸如segment, path, scenario等。大概情况是这样，当你需要对很多人提供越来越多的数据的时候，你就会发现数据源会越来越多，不仅仅是你这儿的数据源，还有其他人能接触到的数据源，但是这些数据源很多情况下数据是不一致的，会有很多人来challenge你。于是就需要进一步研究数据追踪的原理，为什么不一致，这些不一致究竟代表什么。这段时间给我的帮助很多，帮助我了解了很多数据产生的原理，以及很多指标真实的定义，比如对于市场投放attribution window的了解，过程就很复杂。

三、大概三四年之后，做得更多的就是要分析为什么数据会这样变化。这是一个比较综合的分析过程，你需要了解各渠首的流量数据，以及网站上用户的所有行为。并且，你要知道外部市场的情况有什么变化。所有这些都会影响很多指标，诸如流量、转化率等重要的指标。在这个过程中，会发现网站分析有的时候很无力，因为在有些情况下，并不能找出数据变化的原因，既使你能找出，由于原因太多，通常会耗费你大量的精力与脑力去做这件事情。因为有一点情时刻需要提醒自己，就是错误的分析导致的结果很严重，所以很多时候，分析过程只占不到三分之一的工作，更多的工作在于验证分析结果是否准确，是否能从很多方面验证下来结论都合理。

四、最近，我将主要的精力都转移到网站用户行为的分析上来。网站用户行为的分析，可以说是网站分析最困难的部分。不同于市场投放，因为marketing这边，总体来说，还是有迹可寻。而对于用户行为研究，情况则全然不同，很多时候你看到某些用户的行为，你没有办法判断是因为网站设计还是用户需求导致这种行为。当对网站做出一些变动的时候，你希望能分析这种变动是好是坏，于是你去看所有用户的路径，所有用户的点击行为，所有用户的转化。

于是情况就复杂起来，首先，我们需要判断哪些数据变化是有利的，比如某些网站功能，改进后的结果恰恰是数据变糟了，但对于用户来说是方便的。举个例子，在购物流程中，比较通行的做法是尽量减少出口，让用户不至于流失，然而，有很多功能是在购物流程中让用户用起来会比较方便的，在这个时候，我们不能仅仅是为了数据而过于减少结账流程中的出口。其次，在分析用户行为的时候，由于市场投放行为的变化，用户群本身就是变化的，所以往往很多好的改进在数据上看起来，效果并不理想。当然，也有一些方法来解决这些问题，诸如A/B Testing，诸如问卷调研，但很多情况下，网站功能是从无到有的过程，在这时，A/B Testing就很难适用。第三，由于做了很久的网站分析，因此逻辑上趋向于一切以数据为说话，而很多时候，你需要站在系统的角度来考虑。举个例子来说明，在考察用户行为的时候，我们可以看到非常多的网站行为路径，而我们在改进其中一个页面的时候，用户的用户路径也会变化。此时，就不能简单的只看这个改进的页面是否效率提升，是否有所改进。而应该分析整个网站的用户行为路径发生了何种变化，这种变化是否与我们最终的业务目标一致。

如前文所说，其实网站分析最终的瓶颈在于如何与业务相结合，世界上没有一套放之四海而兼准的分析步骤。因此你在组织中的位置，所能接触到的信息，对业务的了解情况，也一定程度上决定了网站分析是否能真正与业务相契合。

最后，我想说的是我们是analyst，不是reporter，我们需要提供的是帮助决策的insights，不是data。

转载请注明出处：http://www.wachina.net/index.php/webanalyticsrethinking/

细分方法研究网站用户行为(一)：基于访问频次的用户行为研究

dave    Web Analytics     用户行为分析, 细分, 访问频次

当一个网站的流量上来之后，数据就会越来越多，最近跟几个朋友聊天，都是聊到关于wa系统与数据系统的问题。目前好多网站都会选择使用GA或者是自建系统来满足数据方面的需求。一个做wa的朋友在一家电子商务公司，给CTO大概聊了一下网站分析需要用到什么数据，怎样去分析，用哪些系统比较好，此CTO听 了一下，然后说，这些数据log里都有的，自己开发就行了，很简单。从理论上来讲，这话是完全对的，但我比较怀疑一个公司需要花多大的资源与人力才能搭建起达到GA效果的系统。获取数据是一方面，如何展示，形成分析，帮助理解与决策，是完全不同的另一方面。之前我也曾经碰到此类情况，一个数据需求，都需要写一段查询代码，到数据库里去跑，而一旦需求出现变动，又需要重新写一次查询，再去跑一次，如果自己懂数据库还行，一旦还要请另外部门的人来执行这样的数据请求，对网站分析来说，是一件比较灾难的事情。

其实从老板或者CEO的角度看需求非常明确：

一、网站每天有多少流量，关于流量的理解，各有不同，PV、UV、IP都有人在用，很难讲一定要用哪个，当然，基于分析的角度，我会推荐大家看Visits, UV。

二、跟公司业绩相关的关键指标。比如转化率，订单，销售，关键页面的表现等。

假如你所在的公司只是需要满足如上的需求，完全可以自建系统，定义一些报表，每天从数据库里跑出来自动邮件发送。然而很多时候，老板会问得更多：转化率下降（上升）了，为什么？流量下降（上升）了，为什么？网站做了很多创新与改进，效果有多大？如果没有提升，为什么？网站做改版，效果提升了，体现在哪些方面？网站表现不好（停留时间短，访问深度低，跳出率高），需要怎么去改进，如何着手改进，如何检验改进的效果？等等。

言归正传，在回答后面几个问题的时候，就会涉及网站分析另一方面非常重要的工作——网站用户行为分析。网站用户行为分析包括多个方面，比如点击，路径，情景的分析。同时也有各种各样的分析方法，而最为常用又可以帮助我们更好的理解用户，改善用户体验的，就是基于用户细分的分析方法。

首页，我们可以尝试一下基于用户访问频次的细分：

1.确定组群数量（group）。组群数量的确定要基于网站用户的特性，理论上来说细分组群越多，分析越有价值，然而基于现实的情况，太多的细分组群容易提高分析的难度，从而影响最终的分析结论，个人认为三到四组即可。

2.确定细分跨度（span）。由于不同的网站用户的忠诚度与回访率差异很大，社交网站与电子商务网站就存在很大的区别。而不同品类的电子商务网站，比如京东与一号店在用户回访率方面肯定就不一样。以GA为例，我们可以到Visitor Loyalty看某段时间内（１个月），网站不同访问频次的流量分别所占的比重。具体的细分跨度的确定，有赖于不断地去实验，找到一个能够更好反应客户真实情况的跨度，在确定细分跨度时，有几个值需要去关注，第一个是访问一次的访客，建议单独将此类用户细分出来。原因在于此类用户的数量较多地受市场推广手段的影响，而网站的一些重要页面，如首页，需要更多的侧重于此类用户的行为去分析与改进。第二个值是平均访问频次，这个值可以用来对后面组群的细分作为一个重要的参考依据。

3.细分分析。针对前面的不同组群，可以进行诸如关键页面点击，路径，搜索行为，进入与退出情况，来源等进行对比分析，相信可以得到很多非常有用且超出你原先认识的结论。

转载请注明出处：http://www.wachina.net/index.php/segments_/

《Web Analytics 2.0》第二次团购，开始申请啦～～

dave    Web Analytics    

团购结束！

——————————–

更新：

各位实在不好意思，最近比较忙，因此没看到后台的留言。

如有意向，请发邮件至hpzheng1982@hotmail.com.

我会在本月完成购买！

Dave

————————————————————————————

前面带回来十多本Avinash的<Web Analytics 2.0>都已经分发完毕，最近打算再从Amazon买一批。

有需要的同学可以在回复里报名。这次会采用先付款再买的方式，具体价格会在250左右。稍后我会将我的支付宝账号发布到这里。

需要的话请尽快报名啦！^_^

Dave Zheng

Avinash《Web Analytics 2.0》读后感之一：网站的基础指标(Metrics)

dave    Web Analytics     指标, 电子商务, 网站分析

群里的好多兄弟都嚷嚷着买Avinash大师的新书《Web Analytics 2.0》，于是就托还在那边的朋友在Amazon上买了十多本，然后邮回来。书到手也有一两周了，一直没时间静下心来看，这两天花了点时间学习了一下，感觉真好。

新书共十四章，第一章是简介，第二章是关于如何选择合适的网站分析分析工具，Avinash用了一个词叫Web Anlytics Soul Mate，对于网站分析人员来说，这个词形容得极为恰当。颇有点古代剑客与剑之间的味道。当然对于一般的网站分析人员来说，选择什么样的工具，很在程度上还是由网站的业务类型、规模、目标、预算、技术实力、分析能力等方面所决定。

第三章是关于网站分析的8个重要指标的梳理，包括Visits, Visitors, Time on Page, Time on site, Bounce Rate, Exit Rate, Conversion Rate, Engagement。这8个指标应该是所有网站最基础的8个指标，因此书中也花了比较多的篇幅详细阐述各个指标的含义，计算方法以及一些异常情况的处理。看完这部分，神清气爽，也让我这个懒人有了写篇读后感的冲动。

其实我这个人是比较烦在写东西或者说话的时候夹一堆洋文 的，在与很多同行或者朋友聊起网站分析时，很多时候都很难找到确切的术语来描述一些网站分析的词汇，无耐之下，只好引用原文。话说回来，其实也还好，也就 那么几个单词，多看几次，也就习惯了，所以在这里，关于网站分析的指标我就不翻译成让人更为费解的中文了，也建议大家在平时用的时候尽量用原文，可以更好 的帮助理解。

1. Visits与Visitors。在各种各样的网站分析工具，以及各个工具的很多报告当中，大家都会看到这两个指标，它们也是衡量一个网站最基础的指标。实际上，很多工具对这两个指标的定义是有冲突的，有几个国外的网站分析工具就会出现这样的情况，比如大师举例的StatCounter里的Unique Visitor居然是Visits的意思。不过这些工具在国内都接触不到，大家也不用担心，基本上GA, Omniture, WebTrends等工具还是一致的。新书中还有一些比较有意思的桥断，Avinash在每一段之后都会来个忠告，类似于史记的太史公曰，这一段的“大师曰”是：在使用一个新的统计工具之前，大家最好花五分钟时间先了解一下每个工具关于Visits和Visitor的定义。

Avinash关于Visitor的阐述非常详尽，也提出了很多有见地的看法，比如：

1. 很多时候，我们在统计Visitor的时候，都将它对应为一个现实的人，其实这两者还是有区别的，从技术角度上来说，Visitor应该是Cookie Id的数量。
2. Visitor最重要的关键在于其统计的时间段。常见的有Daily Unique, Weekly Unique, Monthly, Absolute Unique，在对应时间段的时候，当时间段超过一天时，我们尽量不要用Daily Unique, 超过一周时，不要采用Weekly Unique, 超过一个月时, 我们应该用Absolute Unique。关于这一点呢，我有一点小小的不同意见，虽然说从数字上来说是没错，超过某个时间段就不能用固定周期的Unique Visitor来统计，但对于日常的工作而言，比如说你选择2009年整年做为你的报告时间段，反而用Monthly Unique更能反应用户的行为，与网站真实的流量。大师对Unique Visitor的描述有点为GA做广告的嫌疑，哈哈，比如他说算Absolute Unique Visitor需要非常强悍的计算能力。

2. Time on Page与Time on Site。关于这两个指标，大师提醒要注意几个方面：

1. Time on Page是统计不到访问最后一个页面的时间的，因为关掉页面并不会向服务器发送时间戳。
2. Time on Site跟上面一样，比如一个人在网站看了5个页面，那么他的Time on Site是前面四个页面的访问时间总和。
3. 当你在浏览器里访问同一个网站，但是开了几个不同的Tab的时候，从最先打开网站的那个Tab开始计算时间，以最后打开网站或者浏览页面的那个Tab时间戳为截止时间。不过没有讲不同的浏览器是怎么算的，比如IE, Firefox一起开的情况，这个还要去求证下。
4. 大师说有个办法可以统计最后一个页面的时间，叫onbeforeunload event，可以和你的网站分析工具供应商去协调下，把这个时间算进去，这个还真不错。

3. Bounce Rate。这个大家很熟悉，宋星也写过很详细的文章来说明这个指标。书里用这样一句话来给 Bounce Rate下定义：I came, I puked, I left。用中文说就是“我来，我吐，我闪”，哈哈。不过关于这个指标，有几个方面还真是很少人会去注意：

1. Bounce Rate是说来到网站第一页，没干任何事，就走了。也有一些工具是说来到网站的Time on Site没有超过5秒钟就走了，也算Bounce Rate。不过基于前面Time on Site是不算最后一页的，所以这个Bounce Rate不太靠谱。
2. 上面说的没干任何事，是指真的没干什么事，包括没点任何东西。如果你点了RSS和把网站加入收藏夹，都算你已经做过动作了，不会算入Bounce Rate，因为点击算个动作，好吧，那为啥滚动鼠标的中间键不算动作。我又要去求证了，不知道Omniture是怎么算的。
3. 大师说Bounce Rate是最性感的指标，因为很多工具都有这个，并且大家的意思都差不多，而且这个指标可以让我们有很多事情去做。但是有几个地方不能乱用这个指标，比如博客，因为大家基本只会看更新，看完走人。如果你硬要看，就去看博客New Visitor的Bounce Rate，蛮有道理的。

4. Exit Rate。关于这个比率，因为所有的人到最后总是要离开网站的，所以看这个是要结合Bounce Rate看的，Bounce Rate高的Exit Rate才是值得关注的。比如在电子商务网站，下完订单后，大部分的人在Thank you page是要走的。但如果是在购物流程页面，这个Exit Rate高就需要引起注意了，而这时，为了表示对它的重视，又可以称为Abandonment Rate。

5. Conversion Rate。大家都知道Conversion Rate的一般算法是Action(order, register, etc. )除以Visits，包括GA, Omniture默认都是采用这个。大师在这里的独特观点是，以后要用Unique Visitors来代替Visits，因为比如说电子商务网站，你不能让每个人每次来都买点啥，总要给别人一点时间回去和老婆申请预算，或者和家人商量商量，过两天再回来买。从理论上来说，是有道理的，但我个人认为还是Visits比较靠谱。为啥，因为电子商务网站，不管是国内的，还是国外的，平均的Visits/Monthly Unique Visitor也就大概在2到3之间的水平，也就是说平均一个月也就来个两三趟，思考的时间也应该是充分的，你如果再用Unique Visitors来算，就没太大的意思了，只能让自己看着转化率的时候，感觉变高了几倍，心里更加爽一点而已。

6. Engagement。应该说Engagement就不能具体的算是一个指标，因为大师说了，不同的网站对于Engage的概念也是不一样的，比如论坛是要吸引注册与发贴，视频网站是要多看视频，电子商务网站是要购物。目前的网站分析只能分析Engagement的量，而不能分析它的质。意思就是说，比如你用Depth of Visit来衡量Engagement，你可以知道有多少人访问了多少页，但是你并不能知道访问的多就是好，少就是坏。也有可能是你需要一个东西，在网站上狂找却找不着。Time on Site也会出现这样的情况。关于这块，目前并没有太好的解决办法，因此，Avinash的建议是用客户问卷，或是电话和线下调研来解决。

转载声明：转载时请以超链接形式标明文章原始出处:

http://www.wachina.net/index.php/avinash-web-analytics-2-0-metrics/

关于本博客的声明

dave    Web Analytics    

在挣扎了一段时间之后，终于决定使用自己的独立博客。我会慢慢从http://hi.baidu.com/hpzheng1982迁移过来。写博客的过程既痛苦又有收获，收获在于可以好好的梳理自己学到的东西。希望能尽快让自己的博客丰富起来，加油！！