<?xml version="1.0" encoding="UTF-8"?>
<rss version="2.0"
	xmlns:content="http://purl.org/rss/1.0/modules/content/"
	xmlns:wfw="http://wellformedweb.org/CommentAPI/"
	xmlns:dc="http://purl.org/dc/elements/1.1/"
	xmlns:atom="http://www.w3.org/2005/Atom"
	xmlns:sy="http://purl.org/rss/1.0/modules/syndication/"
	xmlns:slash="http://purl.org/rss/1.0/modules/slash/"
	>

<channel>
	<title>Dave&#039;s Web analytics---郑海平网站分析与电子商务</title>
	<atom:link href="http://www.wachina.net/index.php/feed/" rel="self" type="application/rss+xml" />
	<link>http://www.wachina.net</link>
	<description>Web Analyst视角的点点思考</description>
	<lastBuildDate>Wed, 15 Dec 2010 12:04:41 +0000</lastBuildDate>
	<generator>http://wordpress.org/?v=2.9.1</generator>
	<language>en</language>
	<sy:updatePeriod>hourly</sy:updatePeriod>
	<sy:updateFrequency>1</sy:updateFrequency>
			<item>
		<title>从网站分析角度看短地址服务的营销价值</title>
		<link>http://www.wachina.net/index.php/marketingvalueofshorturlservice/</link>
		<comments>http://www.wachina.net/index.php/marketingvalueofshorturlservice/#comments</comments>
		<pubDate>Wed, 15 Dec 2010 11:52:13 +0000</pubDate>
		<dc:creator>dave</dc:creator>
				<category><![CDATA[Web Analytics]]></category>
		<category><![CDATA[在线营销]]></category>
		<category><![CDATA[短地址服务]]></category>
		<category><![CDATA[线下营销]]></category>
		<category><![CDATA[网站分析]]></category>

		<guid isPermaLink="false">http://www.wachina.net/?p=107</guid>
		<description><![CDATA[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。

&#8230;.....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。
&#8230;&#8230;..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？
&#8230;&#8230;..我们先来看几个场景：
&#8230;&#8230;..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。
&#8230;&#8230;..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。
&#8230;&#8230;..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。
&#8230;&#8230;..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。”
&#8230;&#8230;..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。
&#8230;&#8230;..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。
&#8230;&#8230;..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。
&#8230;&#8230;..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。
&#8230;&#8230;..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。
&#8230;&#8230;..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。
&#8230;&#8230;..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。
&#8230;&#8230;..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。
&#8230;&#8230;..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。
&#8230;&#8230;..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/
]]></description>
		<wfw:commentRss>http://www.wachina.net/index.php/marketingvalueofshorturlservice/feed/</wfw:commentRss>
		<slash:comments>28</slash:comments>
		</item>
		<item>
		<title>如何解读Google Analytics渠道流量数据(二)：与电子商务目标的结合</title>
		<link>http://www.wachina.net/index.php/googleanalyticsintergratewithecgoal/</link>
		<comments>http://www.wachina.net/index.php/googleanalyticsintergratewithecgoal/#comments</comments>
		<pubDate>Tue, 14 Sep 2010 09:51:49 +0000</pubDate>
		<dc:creator>dave</dc:creator>
				<category><![CDATA[Web Analytics]]></category>
		<category><![CDATA[Google Analytics]]></category>
		<category><![CDATA[渠道]]></category>
		<category><![CDATA[电子商务]]></category>
		<category><![CDATA[目标]]></category>

		<guid isPermaLink="false">http://www.wachina.net/?p=80</guid>
		<description><![CDATA[前言一：虽然本博客冠名为网站分析与电子商务，但关于电子商务应用的一直很少写，接下来应该会侧重在这个方面。毕竟业务应用才是根本。
前言二：本人真的很懒，因此如果各位看完了，能留个言顶一下或骂一声，我就会写得比较有动力。

．．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。
在这个当中，最重要的就是研究各渠道流量的两个方面：
一、各渠道流量的主要行为
二、各渠道流量的转化情况
．．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。
三个页面：


首页　（流量最大着陆页也属于广义的首页）
列表页　（包括导筛选的列表页与搜索产生的列表页）
产品详细页


一个流程：


结账流程（即从加入购物车到最后提交订单的流程）


．．接下要怎么做，似乎就简单许多了。
．．在Google Analytics中，为了方便追踪网站上特定的行为，提供了自定义Goal的做法。大家可以在官方帮助文档中找到，也可以看蓝鲸同学的Blog。
．．以我为某电子商务网站设定的Goal为例，大家可以看到渠道流量数据与Goal结合之后能发挥的作用。

 ．．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。
．．看完这个一系列的目标值（注: Google Analytics的目标值为Visits值），我相信大家对于购物流程中主要的情况有了一个大概的了解，比如可以看到浏览产品详细页之后加入购物车的比率为7.25%，从购物车到最后提交订单的比率为28.3%，看完产品详细页之后整体的访问转化率为2.0%。
．．接下来，我们可以开始研究各个渠道的质量与行为。
．．到Traffic Source-&#62;All Traffic Source菜单，我们会发现，其实Google Analytics为我们准备了一个非常好的报表。


．．在上面的图中，我们可以看到几个主要渠道来源的访问量，平均访问页数，平均网站停留时间，跳出率等等。这些数据可以告诉我们一些东西，比如来自Google Product Search的跳出率很高，停留时间也很短，单次访问的平均页数也很低，似乎这个渠道不太好；再来看直接输入这个渠道，平均访问页数达到了6页以上，跳出率也只有35%，停留时间更是达到了6分多钟，看起来这个来源渠道的质量不错。但这仅仅只是猜测，事实真的是这样么？
．．请注意上图的顶部，有一系列的标签Goal Set，里面就是我们前面定义的那一系列目标，让我们来看看各个来源访客的目标情况：


．．情况发生了变化，前面我们判断的从Google Product Search过来的流量质量似乎不太好，然后却发现这些访客到达产品详细页的比率非常高，这样看来，这个渠道的流量应该还不错（废话，从产品搜索过来的，当然直接到产品页了，比率能不高么，此处只是举例说明^_^）；而直接输入的流量到达产品详细页的比率反而很低。看起来，直接输入流量的质量并不太好。事实真的是这样么？


．．情况又发生了逆转，虽然从Google Product Search过来的流量浏览产品的比率很高，然后加入购物车的比例却并没有直接输入流量的三倍，而有购买意愿的访客（Step 4, Step 5, Step 6）则更是低了很多，看来从产品搜索过来的访客，并不是购物意愿最强烈的。


．．我们再来看最后一组目标，这个时候，你就可以判断最终的转化率了，比如说排名第三的比价引擎，干脆转化率为0了。
．．了解这些信息，对于我们有什么帮助呢，毕竟，光有数据是没用的，我们还要有action：
 ．．一、我们发现用户在填写送货信息到填写支付信息这一步流失率很高，而填写支付信息到下一步确认订单的流失率则较低，而对于电子商务而言，这两个步骤基本是处于类似的地位，因此我们十分有必要检查一下填写送货信息的用户体验是否很糟。
．．二、我们还可以发现从Google Product Search过来的访客，加入购物车的比率并不低，但最后为什么放弃购物了呢？如果是产品价格的原因，我们需要对这部分人做更多的优惠。从Shopzilla比价引擎过来的，一般是受低价的吸引而来，但是加入购物车的意愿却很低，那么我们就要去检查下在Shopzilla投放的产品描述是否与站内的产品描述是一致的。等等。
．．三、除了可以做上述方面的工作之外，我们还可以根据不同渠道的转化情况，来安排我们的投放预算。
．．
．．
注一：你也可以用自定义报表，把这8个目标放在一个报表里看，更加方便。
注二：本文中所用数据为调整过的数据，而非真实数据。
]]></description>
		<wfw:commentRss>http://www.wachina.net/index.php/googleanalyticsintergratewithecgoal/feed/</wfw:commentRss>
		<slash:comments>25</slash:comments>
		</item>
		<item>
		<title>如何解读Google Analytics渠道流量数据(一)：流量是怎么算出来的</title>
		<link>http://www.wachina.net/index.php/googleanalyticsmarketingchannnellogics/</link>
		<comments>http://www.wachina.net/index.php/googleanalyticsmarketingchannnellogics/#comments</comments>
		<pubDate>Sun, 05 Sep 2010 04:34:08 +0000</pubDate>
		<dc:creator>dave</dc:creator>
				<category><![CDATA[Web Analytics]]></category>
		<category><![CDATA[cookie时效]]></category>
		<category><![CDATA[Google Analytics]]></category>
		<category><![CDATA[市场渠道]]></category>

		<guid isPermaLink="false">http://www.wachina.net/?p=69</guid>
		<description><![CDATA[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：



 
访问
转化


投放活动
1
1


自然搜索
0
0


推介网站
0
0


直接输入
0
0



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：



 
访问
转化


投放活动
1
1


自然搜索
0
0


推介网站
0
0


直接输入
0
0



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：



 
访问
转化


投放活动
0
0


自然搜索
0
0


推介网站
1
1


直接输入
0
0



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。



 
访问
转化


投放活动
0
0


自然搜索
0
0


推介网站
1
1


直接输入
0
0



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。
]]></description>
		<wfw:commentRss>http://www.wachina.net/index.php/googleanalyticsmarketingchannnellogics/feed/</wfw:commentRss>
		<slash:comments>56</slash:comments>
		</item>
		<item>
		<title>选择网站分析系统十问（Avinash《Web Analytics 2.0》读后感之三）</title>
		<link>http://www.wachina.net/index.php/tenquestions4vendor/</link>
		<comments>http://www.wachina.net/index.php/tenquestions4vendor/#comments</comments>
		<pubDate>Tue, 20 Jul 2010 10:44:28 +0000</pubDate>
		<dc:creator>dave</dc:creator>
				<category><![CDATA[Web Analytics]]></category>
		<category><![CDATA[web analytics 2.0]]></category>
		<category><![CDATA[网站分析]]></category>

		<guid isPermaLink="false">http://www.wachina.net/?p=58</guid>
		<description><![CDATA[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/
]]></description>
		<wfw:commentRss>http://www.wachina.net/index.php/tenquestions4vendor/feed/</wfw:commentRss>
		<slash:comments>7</slash:comments>
		</item>
		<item>
		<title>转一网站分析重磅新闻：IBM收购Coremetrics</title>
		<link>http://www.wachina.net/index.php/ibm-buycoremetrics/</link>
		<comments>http://www.wachina.net/index.php/ibm-buycoremetrics/#comments</comments>
		<pubDate>Wed, 16 Jun 2010 06:51:21 +0000</pubDate>
		<dc:creator>dave</dc:creator>
				<category><![CDATA[Web Analytics]]></category>
		<category><![CDATA[Coremetrics]]></category>
		<category><![CDATA[IBM]]></category>
		<category><![CDATA[电子商务]]></category>
		<category><![CDATA[网站分析，Omniture]]></category>

		<guid isPermaLink="false">http://www.wachina.net/?p=49</guid>
		<description><![CDATA[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。
&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;-
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。
]]></description>
		<wfw:commentRss>http://www.wachina.net/index.php/ibm-buycoremetrics/feed/</wfw:commentRss>
		<slash:comments>3</slash:comments>
		</item>
		<item>
		<title>Avinash《Web Analytics 2.0》读后感之二：网站信息体系</title>
		<link>http://www.wachina.net/index.php/avinash-web-analytics-2-0-2/</link>
		<comments>http://www.wachina.net/index.php/avinash-web-analytics-2-0-2/#comments</comments>
		<pubDate>Sat, 12 Jun 2010 03:49:23 +0000</pubDate>
		<dc:creator>dave</dc:creator>
				<category><![CDATA[Web Analytics]]></category>
		<category><![CDATA[Omniture]]></category>
		<category><![CDATA[WA]]></category>
		<category><![CDATA[网站分析]]></category>

		<guid isPermaLink="false">http://www.wachina.net/?p=42</guid>
		<description><![CDATA[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。
]]></description>
		<wfw:commentRss>http://www.wachina.net/index.php/avinash-web-analytics-2-0-2/feed/</wfw:commentRss>
		<slash:comments>6</slash:comments>
		</item>
		<item>
		<title>关于网站分析的思考</title>
		<link>http://www.wachina.net/index.php/webanalyticsrethinking/</link>
		<comments>http://www.wachina.net/index.php/webanalyticsrethinking/#comments</comments>
		<pubDate>Mon, 10 May 2010 11:56:26 +0000</pubDate>
		<dc:creator>dave</dc:creator>
				<category><![CDATA[Web Analytics]]></category>
		<category><![CDATA[电子商务]]></category>
		<category><![CDATA[网站分析]]></category>

		<guid isPermaLink="false">http://www.wachina.net/?p=39</guid>
		<description><![CDATA[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/
]]></description>
		<wfw:commentRss>http://www.wachina.net/index.php/webanalyticsrethinking/feed/</wfw:commentRss>
		<slash:comments>13</slash:comments>
		</item>
		<item>
		<title>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</title>
		<link>http://www.wachina.net/index.php/segments_/</link>
		<comments>http://www.wachina.net/index.php/segments_/#comments</comments>
		<pubDate>Wed, 17 Mar 2010 06:12:45 +0000</pubDate>
		<dc:creator>dave</dc:creator>
				<category><![CDATA[Web Analytics]]></category>
		<category><![CDATA[用户行为分析]]></category>
		<category><![CDATA[细分]]></category>
		<category><![CDATA[访问频次]]></category>

		<guid isPermaLink="false">http://www.wachina.net/?p=29</guid>
		<description><![CDATA[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_/
]]></description>
		<wfw:commentRss>http://www.wachina.net/index.php/segments_/feed/</wfw:commentRss>
		<slash:comments>6</slash:comments>
		</item>
		<item>
		<title>《Web Analytics 2.0》第二次团购，开始申请啦～～</title>
		<link>http://www.wachina.net/index.php/new-purchase-of-web-analytics-2-0/</link>
		<comments>http://www.wachina.net/index.php/new-purchase-of-web-analytics-2-0/#comments</comments>
		<pubDate>Fri, 22 Jan 2010 05:57:15 +0000</pubDate>
		<dc:creator>dave</dc:creator>
				<category><![CDATA[Web Analytics]]></category>

		<guid isPermaLink="false">http://www.wachina.net/?p=24</guid>
		<description><![CDATA[团购结束！
&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8211;
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
&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;
前面带回来十多本Avinash的&#60;Web Analytics 2.0&#62;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
]]></description>
		<wfw:commentRss>http://www.wachina.net/index.php/new-purchase-of-web-analytics-2-0/feed/</wfw:commentRss>
		<slash:comments>14</slash:comments>
		</item>
		<item>
		<title>Avinash《Web Analytics 2.0》读后感之一：网站的基础指标(Metrics)</title>
		<link>http://www.wachina.net/index.php/avinash-web-analytics-2-0-metrics/</link>
		<comments>http://www.wachina.net/index.php/avinash-web-analytics-2-0-metrics/#comments</comments>
		<pubDate>Tue, 19 Jan 2010 11:03:27 +0000</pubDate>
		<dc:creator>dave</dc:creator>
				<category><![CDATA[Web Analytics]]></category>
		<category><![CDATA[指标]]></category>
		<category><![CDATA[电子商务]]></category>
		<category><![CDATA[网站分析]]></category>

		<guid isPermaLink="false">http://www.wachina.net/?p=12</guid>
		<description><![CDATA[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：

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。
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：

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。
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 [...]]]></description>
		<wfw:commentRss>http://www.wachina.net/index.php/avinash-web-analytics-2-0-metrics/feed/</wfw:commentRss>
		<slash:comments>8</slash:comments>
		</item>
	</channel>
</rss>

