数字分析、网站分析、媒体分析相关概念
笔者有一句口头禅：没有数据何来分析；没有分析何来优化；没有优化何来转化。数字营销中大量的决策都是基于数据的，这是它凌驾于传统营销之上的美感。
数字分析相关概念
Web Analytics
网站分析（这个翻译狭隘了，但暂时没有更好的）是通过技术手段对网站、页面、APP进行定性和定量分析的一门学科，它是研究用户行为、网站（转化）表现、流量来源等一系列对象的重要数字营销技能。你所平日听到的诸如访问量、跳出率、停留时间、页面浏览量等指标都属于Web Analytics的范畴。Google Analytics是Web Analytics最常用也是最强大的工具，业界标杆。
Google Analytics新界面
Web Analytics可以告诉你这些问题的答案：你的网站是否优秀，存在哪些问题；你的访客来自哪里（搜索引擎？邮件？广告？直接输网址？），他们使用什么设备在哪个时间和地理区域；访客在你的网站上是如何进行访问的，他们是如何被转化的。
Media Analytics
媒体分析是研究、评估媒体组合在转化过程中影响力的一门学科，它是Web Analytics的分支。媒体分析重在考虑媒体对转化的影响，它跳出了网站本身，从媒体的角度来分析问题。媒体分析回答了这些问题：你的转化来自哪些推广活动？当多个推广活动相互影响时，各个转化活动起到的作用占多少？你的推广活动是否被推送到了合适的人群？这些推广活动是否满足“RIGHT TIME，RIGHT PEOPLE，RIGHT CHANNEL，RIGHT OFFER”。
Attribution Model
归因模型。当消费者在你的网站买了价值100元的商品时，我们希望把这个销售业绩归功于某个媒体渠道。但是在绝大多数情况下消费者的这个消费行为并不是来自于单一渠道的。
举个例子，他先是看到了某个充电宝的展示广告（banner）引起了兴趣；接着第二天他去搜索了“充电宝”然后点击搜索广告到了你的在线商城，尽管注册了但是他却没有购买，而是把商品放到了购物车；第三天他通过点击电子邮件里的链接回到了商城并最终支付。在这个过程中如果我们选择First Touch的归因模型，那么所有的“功劳”都要归功于他首先看到的那个展示广告，而这个购买就成为了一个“View-through Conversion”（见展示广告，电邮营销篇）。这显然是不公平的，因为其他渠道也“出力”了。同理，把所有“功劳”按照Last Touch模型来归因也不公平。从下图我们可以看出没有哪个模型是“万金油”的。我们在网站分析和媒体分析中会具体处理。
五种常见的归因模型
归因模型的出现和进化是数字营销的一场革命。所有上级数字营销者都应该对归因模型有深刻的认识。
Segmentation
分组。Segmentation和我们系列第二回讲的Targeting是一对孪生兄弟。Targeting在媒体投放时的配置最终将会体现到报表中的Segmentation。报表中的Segmentation又会反过来影响我们Targeting的策略。当研究广告媒体效果时，我们会根据不同Segment来切入。分组的方法多种多样，我们可以研究某一时间段的效果，也可以研究某一地区的效果；我们可以研究iOS设备的效果，甚至可以研究某一版本iOS的效果。
Segmentation是一个对数据抽丝剥茧的过程
总之，综合数据并不能给我们带来多少价值，足够的细分才可以。通过分组我们不但可以研究某个群体对广告的反应，还可以发现隐藏得很深的一些作弊、垃圾流量。可以说，没有分组就谈不上分析。
Dimension和Metric
维度和指标。凡是有分析就会有报表，凡是有报表就会有维度和指标。什么是维度？维度是Segmentation的依据。比如，访问来源，页面标题，使用设备，屏幕分辨率，访问日期，这些都是维度。
维度是一种分类，它是无法量化的坐标，而在坐标上的值就是指标。可以用数字表示的都称为指标，如，访问量，浏览量，转化数，收入等。在下图我们可以看到一个简化的报表：
按天的投放效果报表
在这个报表中日期是维度，展示、点击、点击率、订单、转化率、金额全都是指标。
指标分为两类，一类是原指标（primitive metric）另一类是计算指标（calculated metric）。计算指标是通过原指标计算出的指标，它的特点是无法简单累加，比如上表的点击率和转化率。你若把它们加起来没有任何意义，必须通过原指标的总和重新计算。计算指标还包括许多以“平均”开头的指标，如平均访问时间、平均（广告）排名等。
在上表中，其实还存在一个99%数字分析人员都会犯的错误。你看出来了吗？详见极诣往期文章《推广效果报表，你做得对吗？》
Hit-Level，Session-Level，User-Level
维度和指标的三个级别，Hit代表一次交互，Session代表一个会话，User代表一个用户。举个例子，页面停留时间这个指标就是Hit-Level的指标，而访问时间这个指标则是Session-Level的指标。如果我们去研究某个页面的访问时间那就会产生错误。因为页面（Page）是一个Hit级别的的维度，它不能向上匹配Session级别的的指标，而只能匹配页面停留时间。当这样的组合出现时我们只能提升到包含这个页面访问的Session的访问时间去理解。同样，如果我们看访问日期这个指标，那我们就无法去匹配过去30天访问数这个指标，因为访问日期是一个Session级别的维度，过去30天访问数是一个User级别的指标，如果这种组合出现，我们只能理解为该日进行访问的用户在过去30天的访问数。
三个层级的维度和指标
在进行分析，自定义报表的时候我们要特别关注这三个级别。
Tag Management
标签管理。没有数据何来分析，标签就是获取数据的方法。不管是在网页中的一段JavaScript代码还是APP中的SDK都是标签的表现形式。通过标签管理我们可以自由地抓取用户在你的网站、App中的行为，他们的鼠标移动、手指滑动都可以被轻松捕捉。我们可以通过标签管理来向GA和广告平台提交数据，从而获取转化数和转化详情。Google Tag Manager是世界上最主流的标签管理工具，极诣的往期文章也提供了丰富的GTM教程。
GTM占了标签管理工具的半壁江山
标签管理的三要素是，标签、触发器和变量。标签就是被触发的那段代码，触发器即是触发条件，而变量则承载了要提交的数据。
Tracking
跟踪。只要我们在使用互联网就不可避免地被跟踪。除了上面介绍的标签管理，我们在跨域时同样会被跟踪到。我们经常在地址栏中看到的网址后跟着一大段参数就是跨域跟踪的主流方式。它的优点是不需要在来源媒体中部署代码和Cookie。由于GA的流行，UTM（Urchin Traffic Monitor）跟踪成为了主流。UTM具有五大参数，分别为utm_source，utm_medium，utm_campaign以及utm_term和utm_content。顾名思义这5个参数可以定义一个访问的来源、媒体、推广计划、关键字和创意。举个例子，在百度推广中我们可以在目标网址中填入：
https://maxket.com/?utm_source=baidu&utm_medium=cpc&utm_campaign=brand&utm_term=digital_marketing&utm_content=digital_blog
将你的URL附上UTM参数
那么极诣安装的GA代码便可以识别这个点击所包含的信息了。如果你的目标网站没有安装GA怎么办？比如你要送一个访客到Apple App Store，你可以参考App Store的文档添加一个ct参数，这样你可以在App Store的报表中看到安装来源。
Cross-environment
跨环境跟踪。还记得我们曾经花众多笔墨讨论跨屏跨平台和跨环境跟踪吗？跨环境跟踪已经成为了People-Based Marketing的基石。全球平均有83%的消费者处在多屏环境中。也就是说在任意时刻他们平均在同时使用2.23个设备。数字分析如何从关注一个个设备到关注具有多个设备的一个个人是最大的挑战。跨屏跟踪在媒体分析中尤其重要。手机决策，电脑下单的现象的普遍出现带给我们移动设备转化率低下的困扰。除了利用基站绑定不同设备，利用UserID来识别同一用户，还出现了“摇电视”这样的超声波黑科技。如何科学地研究转化率的，这必须要有新科技的支持。
跨环境但不跨屏的情况
一些重要的数字分析指标
MAU
Monthly Active Users，月活跃用户数。也有简称月活的。MAU是衡量社交游戏、社交网站和大型网络服务的重要成长性指标。这里的M没有什么歧义，是过去30天。但是A和U却可以做很多文章。如何定义活跃五花八门，但通常以登录服务为准。而U则可以是免费用户或者付费用户，两者相差甚多。
Facebook月活跃用户2016Q2
Bounce Rate
跳出率。跳出率是网站分析中最基本且相对有效的指标。所谓跳出率顾名思义就是跳出的比率。怎样定义一个跳出呢？用户来到你的网站，什么都没做就离开了。什么都没做的意义在于没进行阅读，没进行视频播放，没点击下一页，没进行任何交互活动。
每一次真实跳出都是一次不满意的体验
跳出率作为以管窥豹的指标可以帮助我们快速了解媒体投放的价值。但是这并不是说跳出率一定准确。假设你正在极诣官网阅读这篇文章，而你并没有继续延伸阅读，那么这也算作一次跳出（不过极诣已经把页面的滚动也作为一次交互了，所以大致阅读到这里已经不算一次跳出了）。
另一方面，现在有许多作弊的流量已经相当“智能”。它会随机浏览几个页面，模拟人的浏览过程。我们在分析时要通过其他维度（地区、分辨率、操作系统等）来甄别这些流量。
Exit Rate
退出率。Exit Rate表示当用户到这个页面以后有多少用户没有再继续浏览。我们可以用“压倒骆驼的最后一根稻草”来形容那些退出率高的页面。如果该页面是一个Thank You页面那么说明访客已经完成了购买，如果这个页面的Exit Rate高的话无须担心。但是如果该页面是购买环节中的一个页面，那么我们就应该探究是什么让访客中途离开。对于电子商务网站来说，研究页面的Exit Rate有助于提高转化率，因此它是一个重要指标。下图解释了跳出率和退出率的区别。
跳出率和退出率的区别
Engagement
参与度。这是内容营销和社会化媒体营销中的衡量指标。Avinash Kaushik把参与度指标分解为以下几个指标：
Conversation Rate = 单位内容获得评论、回复数
Amplification Rate = 单位内容获得转发、分享数
Applause Rate = 单位内容获得的“赞”数
如果我们要求苛刻一点，我们可以在分母上加上你的粉丝数。这将是衡量你的内容的关键指标。
Average Order Value
平均订单价值。我们一直讲转化数固然重要，平均转化价值也同样重要。如果你有大量的转化数，但每个转化的价值都很小，那么你最终的ROAS也会很小。在电子商务中AOV是一个关键指标。因此我们可以看到电子商务网站中经常出现一些Up-sell的内容。这条裤子和哪双鞋子搭配会更好；买了这条裙子的客户也会买那个包包；你还可能会感兴趣这些配饰等等。
提升AOV的方法将已经进入购买状态的用户进一步拖入“剁手”深渊。双十一就是这样的一个局。过了这个节你会不会发现多买了好多并不需要的东西？同样，大超市结账处的口香糖和安全套也承担了这个使命。
