Google Analytics在移动app运营与产品设计中的应用——以“今夜酒店特价”为例

dave    Web Analytics     APP, Google Analytics, 产品, 今夜酒店特价, 移动应用

在传统的互联网中，如何收集与分析数据，进行数据化营销以及数据化运营，都已经有较成熟的解决方案，市场上有很多第三方提供这样的服务，有商业的，也有免费的。很多公司内部开发的BI与日志分析系统功能也很强大。而对于移动互联网来说，大家都还处于摸索的阶段。我们“今夜酒店特价”也不例外，这里希望能跟大家交流一下这几个月来我们利用Google Analytics来进行数据化运营与产品设计的一些感受与心得体会。

如何获得数据

第一个问题，就是如何获得移动APP的数据。这就涉及使用什么工具来获得想要的数据。相信很多跟我们一样处于初创阶段的公司或个人，都没有过多的精力来自行开发数据的收集与分析系统。这时候，我们就把目光投向了第三方免费的工具。相信大家都知道大名鼎鼎的Flurry，以及国产的友盟。还有一个就是免费的Google Analytics，在收集和分析移动APP数据方面，它非常强大。

经过综合分析与对比，我们最终还是决定使用Google Analytics来作为我们的数据分析工具。

选择好数据分析工具之后，第二步是如何正确地实施与部署Google Analytics。在这个过程当中，我们的体会就是，要用好Google Analytics来收集与分析移动APP的数据，最重要的是利用好它的五个自定义变量以及事件追踪。比如可以把APP的版本号作为自定义变量传回，这样你就可以很好地来细分不同的版本在转化漏斗上是否有明显的改进。而对于事件追踪（event），我们把每个按钮的点击都作为一个事件发送回来。我们的产品经理可以明确地知道每个按钮每天有多少用户在点击，对于我们的产品改进也有非常大的帮助。

对于管理者而言，可以在Google Analytics里自定义一个常用数据的报表仪表板（Dashboard），从而一目了然地知道很多最重要的数据。如以“今夜酒店特价”这个应用为例，见图1。

数据指导产品与运营

获得以上关键数据后，第一步，分析与研究最重要的漏斗，即转化漏斗，即图1中左侧前四个数据。用户从打开APP到最后完成购买的流程可大致分为四步：打开APP→查看酒店详细信息→填写订单→完成订单。

在图中，有50%的用户打开APP之后查看了酒店的详细信息，然后只有10%的人开始填写订单。从中我们可以得到的分析结论有四个方面：第一个是可能我们的酒店数量对于用户来说是远远不够的，因此用户都没有进一步进入查看酒店信息的欲望。第二个结论是酒店列表（打开“今夜酒店特价”应用即显示酒店列表）的信息已经比较足够用户选择酒店，因此当用户看到列表当中的酒店之后，不需要查看酒店的详细信息。第三个结论是可能我们的APP产品设计不够良好，用户用“今夜酒店特价”不容易找到自己需求的酒店，因而有50%的人不进入到酒店的页面。第四个结论是“今夜酒店特价”上的酒店不够好（性价比不够好，或是酒店描述太糟糕），所以当用户看完酒店的具体信息之后，只有10%的人愿意开始预订。

这四种结论对于运营和产品的方向来说，是完全不相同的。这时候，更多的是需要运用行业的知识以及用户的调研与反馈，来判断究竟需要在哪个方面做出努力。

而当用户开始填写订单之后，成功完成并提交订单的用户比例是75%。我们可以从一个更长的时间段去观察这个比例的发展趋势，来分析购买流程对于用户来说是否很流畅。不断地改善预订流程，从而提高这个比率。

第二步，我们可以分析“今夜酒店特价”新老用户的比例，即用户黏度。以上图中的数据为例，老用户占比接近60%。这个数据如果只看一天，其实不能帮助我们做出决策。我们需要从更多的时间段去看，分析不同月份用户的回访比例与回访次数，再结合用户访谈与调研，了解用户对“今夜酒店特价”最不满意的地方。此外，新老用户的比例还可以结合不同的营销推广渠道，来看不同渠道用户的忠诚度，这对于市场运营来说是非常有帮助的。

再举一个数据来帮助运营决策的小例子。在“今夜酒店特价”的酒店列表页中，为了更方便用户寻找酒店，我们设计了按各种方式排序的功能，比如按星级由高到低，按距离由近到远，按价格由低到高等。我们现在来看看用户点击最多的按钮是哪个，这里就用到了我前面说到的事件追踪的功能，见图2。

从图中我们可以看到，下载了“今夜酒店特价”应用的用户，最关心的是有没有高星级的酒店，其次是价格，最后才是距离是否合适。而这与一般订酒店的用户习惯是不一样的，在一般的酒店预订过程当中，用户更为关心的是酒店的位置与距离。通过这个数据，我们的产品人员可以将性价比最高的高星级酒店放在酒店列表的顶部，从而节约用户查找酒店的时间。另外，我们的运营人员也可以有针对性地去开发一些更高性价比的高星级酒店。

从Google Analytics获得的数据，在帮助“今夜酒店特价”的运营团队做一些决策的同时，也能帮助我们的产品经理来更好地改进我们的产品。比如在我们最近的1.3.0版本中，我们的酒店筛选功能包括了选择商圈、酒店星级、宽带早餐、酒店是需要到店付款还是立即支付等。我们拿到的各个按钮的点击数据如图3所示。

从上面的数据中，我们发现用户点击“取消筛选”这个按钮的数量竟然是最大的，其次才是点击“显示结果”按钮。设置“取消筛选”这个按钮是为了让用户在不想进行筛选的时候，可以点击它回到酒店列表；如果用户想看筛选结果，需要点击的是“显示结果”按钮。从数据来看，用户明显习惯性地将“取消筛选”这个按钮误认为是“显示结果”按钮了。为什么会造成这个情况呢？因为用户从酒店列表进入到筛选功能时，那个点击按钮恰好就在“取消筛选”这个位置（见图4）。在智能机上，用户的操作更多凭借的是手指的习惯，而不是你的按钮上面所写的文案。

上面几个例子，是数据指导产品与运营中比较普通的例子，在实际工作中，其实有更多更为复杂的情况。数据化运营与产品设计说起来很简单，就是用数据来分析判断、帮助决策，但做起来很难。“今夜酒店特价”在这方面也仅仅刚起步，但是我们希望用这样一种方式，不断改进用户体验。

从网站分析角度看短地址服务的营销价值

dave    Web Analytics     在线营销, 短地址服务, 线下营销, 网站分析

前言一：出版社正在编辑《web analytics 2.0》，估计还有两三个月就出来了，大家还要再等等。

前言二：最近每天晚上下班就要回家抱孩子，其实看着孩子在你怀里睡着，是一件非常有成就感的事情。更新太少的借口找完了，当然以后我还是要像挤那啥一样，多挤时间来更新。

前言三：以个人浅薄的经历，感觉从事网站分析有两个阶段，第一个阶段是扎入数据当中，从数据当中发现存在的问题，找到解决方法，这一打基础的阶段非常重要。阶段二是跳出细节数据，更多地去从框架外思考不同数据之间的联系，并结合到业务当中去，你会发现很多非常有意思的事情。正文开始。

….....前几天，看到蔡文胜在微博里说把t.cn出售给新浪用来做短地址服务。在 2010年初，Google推出了短地址服务goo.gl。更早之前，Twitter就推出了短地址的服务，这样用户在引用链接的时候，就不会保留那么长的URL，从而可以减少占用本来就只有140字的微博。同样的，国内的新浪、腾讯等微博都推出了短地址的服务。

……..那么，短地址服务除了让人在发微博的时候更方便之外，还有哪些价值呢？

……..我们先来看几个场景：

……..场景一：最近我们家在搞装修，某天晚上看电视的时候忽然看到某某网站在搞大促销，卫浴产品七折大优惠，然后电视上出现了该网站的网址，于是我赶紧找笔想把网址记下来，没等找到笔，广告过去了。当然，我不能让这事给憋死，之后我通过搜索引擎找到了这个促销网站的页面。

……..场景二：不管是国外还是国内的高速公路上你都会看到很多的广告牌，如果你不是司机，又没事干的时候，我相信你会偶尔去注意这些广告牌。如果这时你看到一个不错的广告，底下有电话与网址，于是在你记录到一半的时候，车子已经开过头了。

……..场景三：收音机里听到一个非常好的广告，在广告的结尾，电台主持人以非常优美的嗓音飞快的读着3w点某某某某点控。于是，你记住了开头，却没记住结局。

……..场景四：你是某电子商务公司的traditional marketing manager，月末的时候，老板问你：”这个月在电视、报纸、平媒上的投放，究竟产生了多少订单，多少销售额？ROI如何？”于是你说：“从可以追踪到的数据上看，我们总共投放了50万的预算，总共产生了1000个订单，20万销售额。其实很多人看了广告之后，会从SEO等其他渠道进来，这部分数据无法统计。”

……..看了这么多场景，我相信大家已经对短地址服务的价值有了一个大概的猜测。

……..在场景一、二和三中，如果看到或听到的网址是：t.cn/某某网卫浴大促销，我相信大家就不用急着找笔了。

……..在场景四中，如果所有的电视、报纸、电台都是采用短地址服务，再在网站分析工具当中做相应的追踪设置，我相信你能非常好地统计到这些投放带来的订单与销售，不会被老板赶出办公室。

……..在营销投放的时候，最经典的难题就是如何评估线下营销对线上业务产生的价值。而短地址服务则是解决这一难题的最佳方式。你可以针对电视、报纸、电台、广告牌等设置不同的短地址，从而了解每种媒体的受众究竟能产生多少的转化。同样针对电视广告，也可以对不同区域设置不同的短地址，从而知道不同区域消费者对于同一电视广告的偏好。此外，你还可以做更多的设置，从而可以细分研究每一个地区、每一个类型的线下媒体，分别能带来多少流量，产生多少转化。

……..可以说短地址服务对将来的线下与线上营销将带来革命性的变化，因为，线下的营销变得可以衡量了，电视台可以用实际的转化率来说服广告主进行投放，而不仅仅只是模糊的收视率，与覆盖人群数量。

……..当然，我相信到最后，短地址服务商只可能剩下一到两家，因为只有这样，才能最大程度的降低用户的记忆成本，才会有生存的可能。

……..在网站分析方面，要进行这方面的衡量，还有很多实际的工作要做。

……..1.首先，针对短地址服务而言，还需要增加自定义短地址的功能。比如我之前所说的网址可以缩短为：t.cn/某某网卫浴大促销。目的在于用户可以方便地记住该网址。

……..2.网站分析工具需要进行特定的加码设置，在重定向的时候能将追踪代码发送到网站分析工具当中，从而能够正确的收集数据。

……..3.网站分析工具要能够支持细分的功能，这样才能更好地研究各种媒体所能带来的转化。

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

如何解读Google Analytics渠道流量数据(二)：与电子商务目标的结合

dave    Web Analytics     Google Analytics, 渠道, 电子商务, 目标

．．在第一篇中讨论了流量是怎么算出来的，接下来，我们要开始第二步的工作：了解流量的质量、主要行为以及对电子商务的价值所在。

．．对于电子商务网站而言，最终的目标是转化，也就是生成订单。然而目标跟行为是有区别的，行为是目标的基础，也是我们提升最终转化率的起点。之前我曾经在一篇文章中提到过（边看边想之二：B2C电子商务网站用户体验的重点），电子商务最重要的行为路径与模式是什么？概括一下，主要为三个页面一个流程。

．．上图就是我设置的一系列Goal，由于每个公司的业务不同，有些细节方面的体现也不同，比如在这里，我省略了首页与列表页的目标，大家可以根据各自的情况加上首页与列表页的目标设置。

如何解读Google Analytics渠道流量数据(一)：流量是怎么算出来的

dave    Web Analytics     cookie时效, Google Analytics, 市场渠道

前言一：之前曾经写过一篇文章，是讲各种工具是如何将流量与转化归入各个渠道的，详见：谁在为你做marketing （一）。有些地方讲得还不是很清楚，主要是各种渠道之间的优先级的关系还比较模糊。

前言二：很多时候，我们在说到有多少的流量、有多少的转化是从直接输入或是从搜索引擎过来的时候。我们很少会去仔细研究，他们究竟是怎么过来的。如果你用GA或者是用其他的工具来衡量各个渠道的流量，通常与企业内部通过日志分析到的流量数据有差异，这种差异，通常就是由于这种计算逻辑的差异造成的。我们很有必要去了解这种差异造成的原因。这样做的好处是：１.帮助你了解流量来源真正意味着什么，而不仅仅只是一个数据，一个趋势；２.帮助你更好的设定市场投放的预算分配。废话不说，正文开始。

在Google Analytics里，流量的来源可以分为四个大类：

第一类：市场投放活动（Campaigns）

这一类比较常见的是付费关键词即Adwords，如果是Adwords，你不用加码，GA也能非常好的识别出来。当然如果你给自己的某个外部投放加上码，GA也会认为它是一个投放活动。投放活动在GA所有流量来源里，优先级别是最高的。

第二类：自然搜索（Organic）

这个大家很理解，就是Google和Baidu等自然搜索引入的流量。它对于GA来说，优先级别与Adwords是一样的。

第三类：推介网站（Referral）

这一渠道的流量主要是指从其他网站点过来的链接，比如友情链接等，这类来源通常是免费的。这一来源的优先级别低于市场投放活动和自然搜索。

第四类：直接输入（Direct）

直接输入包括几个方面，一个是直接在地址里输入网站，第二个是利用收藏夹与标签，第三个是从桌面软件，比如从QQ，MSN等软件点过来的链接，第四个是如果无法判别流量来源的话，也会归入直接输入。这个来源的优先级是最低的，大家抢的都是这个流量。

前面提到，这四类流量来源的优先级别是不一样的，就是说如果一个访客如果先后从这四种来源中过来，会发生覆盖的情况。比如你今天先在google里搜索来到网站abc.com，一个小时后，再直接输入abc.com，那么第二次访问的数据，还是会算成google搜索的流量，发生的转化也会这样算。

因为会发生覆盖，所以我们就很有必要了解在什么情况下会发生覆盖，在什么情况下不会发生覆盖。在了解这个规则之前，请先允许我介绍Google Analytics的几个时间设定：

1.Google Analytics的Cookie的有效时间是2年。就是说，如果你3年前来过网站，就算你电脑一直没重装过，也没删除过Cookie，GA都会认为你是新访客。

2.Google Analytics的Campaign Cookie的有效期是6个月。即如果5个前，你是从免费关键词过来的，之后再也没回来过，那Google Analytics还记得你是从这儿来的，因此如果今天你直接输入abc.com，Google Analytics还会把你算成是从免费关键词进来的。

3.Google Analytics设定的一次访问与会话的有效期是30分钟，这30分钟是指你不发生浏览行为的情况下，一次会话将在30分钟后失效，如果你是超人一直浏览，那么则会在凌晨12点的时候失效。

下面即将介绍的优先级原则，都是在上面这三个时间范围内有效的。

对于这四类流量来源，Google Analytics是如下来定义规则的：

一、同一次访问内覆盖规则：

1.投放活动永远能覆盖别的渠道

2.自然搜索永远能覆盖别的渠道

3.推介网站永远覆盖不了别的渠道

4.直接输入永远覆盖不了别的渠道

二、对于访客回访时的覆盖规则：

1.投放活动永远能覆盖别的渠道

2.自然搜索永远能覆盖别的渠道

3.推介网站永远能覆盖别的渠道

4.直接输入永远覆盖不了别的渠道

举两个例子来说明一下前面的覆盖规则：

案例1: 假设你从来没到过abc.com，今天通过google自然搜索进入了abc.com,那么cookie就记录下来，你是通过自然搜索进来的。此时你在浏览器内重新打开一个标签（前面那个还没关掉），还是用google搜索abc.com，这次则是通过付费cpc关键词点进了网站，那么这时cookie就会被覆盖，记录下你是通过付费关键词进入网站的。再新开一个标签，你在浏览别的网站时无意间发现在cba.com上有一个abc.com的链接，然后又点了过来（30分钟内），这个时候，覆盖没有发生，请注意：在同一次访问内，推介网站覆盖不了别的渠道。如果你还有兴趣打开一个标签页，然后直接输入abc.com的话，GA就不会理会这件事情，因为直接输入的优先级是最低的。如果你此时做了一次转化（比如下了个订单），在GA里看到数据将会是：

案例2: 过了5天之后，你直接输入abc.com，然后再做了一次转化。此时GA里看到的数据会是：

记住：直接输入永远覆盖不了别的渠道。

案例3: 又过了5天，再次从cba.com点击到了abc.com，然后做了一次转化，此时，覆盖发生了，注意第二条的第3小点，在不同的访问内，推介网站永远能覆盖别的渠道：

案例4: 过了5个月以后，你直接输入abc.com进入网站，对不起，GA还当你是从cba.com过来的。

类似的案例大家可以自己尝试做一做，就会明白GA里的渠道数据到底是怎么一回事了。对于那些新访客比重很高的网站来说，这种覆盖逻辑能产生的差异很小，而如果网站的日均旧访客比例超过50%的话，对流量与转化的渠道划分就会产生较大的影响。

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。

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