Web Analytics（2）理解web Analytics2.0

        写web Analytics是因为把web Analytics 2.0这本书看完了，觉得很不错，就想写点 web Analytics 2.0 这本书的读书笔记，后面就想起Piwik，那是我对数据分析的初识，所以就把第一篇web Analytics理解献给了Web Analytics（1）理解Piwik。现在这一篇就是来接着把web Analytics 2.0写完。

1、看看例子

学习Web Analytics（1）理解Piwik，最好能用用。

2、Web Analytics的理解2:用户中心科学与在线统计艺术

 

        这本书有点奇怪，讲web Analytics却没怎么讲算法。更像是在讲怎么样通过关注数据来做出一个好的产品，或者做一个好的老板。适合有少量基础需要从更高视角更全面的了解web Analytics的人员。

 

        Web Analytics的目标是根据现有的数据来分析一个产品的现状和用数据来协助决策最终达到它的发展目标。目标的达成是可以通过数据的量化和变化来达成的。目标最终是在用户体验、商业目标等方面达到最优化。

        到了最后，对于个人，最核心的竞争力会是，很深入的理解，对于一个web产品来讲，怎样的数据是好的数据。另外就是知晓可以通过一个怎样的过程可以达到好的数据，也就是做出更好的、更有竞争力的产品。

        Web Aanlytics往low里看就是写报表的，往高处看是网站动力之源。正是数据驱动着决策，数据驱动运营、流程、交互、UI变得更加美好。

 

2.1从以下几个角度来重新审视Web Analytics2.0

1、是什么？点击流数据，关注点在数据

（PS）好的数据是成功的一半：一份好的数据能够比较完美的反应出网站的整体运营情况。就像一份好的财报可以比较清晰的反映出公司运营的好坏。

2、有多少？多目标产出分析，关注点在目标

（PS）需要有一个或多个目标，产品优化的目的就是达到相应的目标。

3、为什么？实验与测试，关注点在迭代和优化

（PS）目标的实现是通过实验和测试，多次迭代来实现的。

4、为什么？客户的反馈，关注点在用户体验

（PS）关注用户体验、关注产品

5、其他方面，竞争情报，关注点在竞争对手

（PS）关注竞争对手

 

怎样选择网站分析系统

1、你们的工具／解决方案和yahoo、google的免费分析工具之间有什么区别？

2、是否提供本地安装版本的系统？

3、数据捕获机制？

4、使用你们工具的总成本？

5、提供哪些服务？哪些免费的，哪些付费的？

6、系统的哪些功能允许对数据进行族群细分？

7、有哪些方式可以将你们系统的数据导入到公司内部系统？

8、你们的系统提供了哪些功能可以将其他来源的数据集成到系统？

9、列举几个正在规划的新的系统功能？

10、谁在使用你们的系统？最近的俩客户与你们解除合同的原因是什么？

 

2.2以下是从刚才重新审视的五个角度来实践Web Analytics 2.0

（关注点在数据）点击流的精彩世界：指标与实践操作

总计8大指标：

1、访问与访客

2、网页停留时间与网站停留时间

3、跳出率

4、退出率

5、转化率

6、参与度

实践操作看了一下，可以参考WebAnalytics杂谈（上）

1、访客来源分析、点击密度分析、衡量访问与购买

2、流量来源与流量产出

3、关注用户行为

4、站内搜索、SEO、按点击付费／付费搜索分析、直接流量分析、邮件营销分析、富媒体内容分析（flash／Video／Widgets）

5、真实性验证：跟踪访客cookie、抽样

 

（关注点在目标）绩效衡量

1、关注“少数关键节点”

2、产出KPI实际操作5例：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

3、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（标记可转化人群）

4、衡量非电子商务绩效：访客忠诚度、访客回访率、网站停留时间、访问深度

 

（关注点在用户）可用性研究：

1、实验室可用性研究

2、可用性研究的替代方案

3、调研

4、在线测试：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

 

充分发挥测试和实验的力量（尽早预知成败）

1、测试方法：A／B测试、MVT（multi variate）

2、测试建议：改进关键页面、关注结账、注册／登陆和提交页面、优化广告的数量和位置、测试不同的定价与销售策略、测试包装盒设计等实物、对照实验、创建并推动测试文化

 

（关注点在竞争对手）竞争情报分析

1、竞争情报的数据来源、类型和秘密

2、网站流量分析：长期流量趋势、分析竞争网站的重合度、分析反相链接和退出网站

3、搜索和关键词分析：

4、受众识别和细分分析

 

2.3以下是从个人的角度来看做Web Analytics这个事业

成为分析专家的入门指南和进阶指南

1、背景信息

2、KPI变化趋势

3、衡量潜在访客行为和潜在转化

4、搜素：实现最优长尾策略、衡量上层漏斗关键词的价值、付费点击进阶

5、多触点营销活动的归因分析

6、多渠道分析

 

网站分析职业生涯

1、生涯规划：个人技术贡献者、个人业务贡献者、技术团队领导、业务团队领导

2、技能培养：

3、分析高手的一天：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

4、雇佣最好的人才：个人对互联网的热爱、头脑灵活、变化不会打垮他们、好奇、具备批判性思维能力

 

创建数据驱动的企业文化

方向要靠眼光、精细化运营要靠数据驱动、这个绝对不会错的

 

3、Web Analytics结语

 

        互联网开启了一个伟大的时代，一个产品从研发到接触用户只需要按下上线一个按钮。另外，网站还可以飞速的迭代更新，这带来了互联网的繁荣。紧跟着Web Analytics来了，数据是一个网站的晴雨表，一开始粗略的关注点在访客，搞网站的一见面就问你的网站的PV／UV是多少，网站可以根据用户数来卖钱。后来关注到了转化，即网站的内容曝光、购买、成交有多少？ 再后来就进入到了精细化运营时代，产品和流量成为了一门投入，转化成为了产出，这是一门生意，web Analytics更像是工具在优化这一门生意。

        优化这门生意的过程中，先驱者们发现这需要更好的理解客户，于是web Analytics 2.0 关注点在用户，在理解用户的行为，网站开始纪录用户的所有页面查看和点击，并以此取优化页面和点击，亿万级别的用户带来了PB级别的数据，从此，大数据的时代来临了。

        从1.0时代到2.0时代的过程中，BAT打败了门户网站崛起了，成就了中国的PC互联网三巨头；随后由PC的互联网时代进入了移动互联网时代，互联网人数、互联网产品使用粘性上升了数十倍，但是BAT三巨头的局面并没有改变，这和互联网技术上并没有出现跨越式的创新也有一定关系。只是在已有基础上面的优化。现在google宣布从移动进入到AI时代，数据的产生目前并没有太大变化，但是如果AI的出现在某些场景下能大大改变数据的产生，已知AI在某些场景下可以更好的优化web Analytics这门生意，那么这个时代是否依然是属于互联网巨头们呢？让我们拭目以待。