第七章 尽早预知成败：充分发挥测试和试验的力量
利用网络资源，可以使用极地的成本来改进网页－－－测试

7.1 测试方法入门：A／B测试和MVT（multivariate test,多变量测试）
7.1.1 A/B测试
用来测试网站上某个网页的两个或更多版本优劣的方法。

目标测试网页的几个新版本，看哪个版本可以达到预期目标（更多点击率、转化率）

用于检测网页大的变化，如布局或结构的改动是否可行。

1.优点
    成本低，实施简单。
2。缺点
    只有是或不是。不知道到底哪里好，哪里不好。

7.1.2 MVT
指在一个页面当中同时测试多个不同元素的变化。

常用的MVT技术
    全因子测试和部分因子测试

全因子测试： 测试网页不同要素有所变化的全部组合。
部分因子测试： 相对全因子测试，使用部分组合测试，其他靠推理。

两相结合：先用部分因子测试，找出最差的组合，再使用全因子测试。

注意它改进的是单个页面

优点： 得到的回报是丰厚的
缺点：需要大量的投入。

7.2 可操作的测试建议
7.2.1 改进关键页面－－着陆页
如跳出率比较高的最热着陆页。
7.2.2 关注结账、注册／登陆和提交页面
7.2.3 优化广告的数量及位置
广告数量并不是越多越好，试试A/B测试或者MVT测试，看看减少50%，效果如何？

7.2.4 测试不同的定价与销售策略
使用A/B测试，让5%的用户体验新的定价，观察效果如何？

7.2.5 测试包装盒的设计、DVD封面等实物
在网上摆出来，卖卖看，如果有15条正面评论，可以在实体店销售。

7.2.6， 优化外部市场活动
改进电子邮件营销、网站联盟、站外展示广告和搜索引擎营销的效果

7.3 对照试验：改善你的数据分析
其实就是单一变量不同，其余相同，找出引起结果变化的原因和影响因素

7.3.1 衡量付费搜索对品牌关键词和关键词拆解的影响
事例：
面临一个选择，本公司的品牌关键词排在第一位。是否还需要使用付费关键词
犹豫不决。使用对照试验，观察两种不同的做法的最后的转化率。

7.3.3 对照试验的优缺点
需要大量的人力、物力资源去尝试。但获得的好处也很多。

7.4 创建并推动测试文化
1.第一次测试务必成功
使用A／B测试。
2.不要过于依赖工具或迷信专家的夸大宣传。
不需要使用最好的工具或请教专家，免费的工具就能看到效果
3.别有任何隐瞒————抛开自以为是
自己的想法并不代表用户想法。
4.以假设开始
不是简单的说首页换个颜色、这幅图片换成文本。

    应该是一种假设，更深层次的思考，有一定的评价标准。比如把首页的图片换成
    按钮能更好的建立与用户的联系，用户参与度更高。
    或者：访客对用户生成的内容比对网站编写的宣传语更感兴趣。

5.制定结果评估标准和预先决策。
    具体的数值标准，更促使你使用更好的测试方案。
6.测试并衡量多目标产出。
    将测试和网站分析工具集成在一起。

    进行测试要兼顾多目标产出。假如你为了提高转化率修改了网页结构，但是对其他的
    目标产生影响，如用户找不到下载在哪，带给用户消极的影响。所以需要各方面兼顾，
    找出最优方案。

7.根据用户最需要解决的问题测试
    找到用户真正的需求，从调研、可用性测试中找到用户的需求。

8.分析数据交流心得。

7.4.9 两个必备要素－－测试宣讲员和测试专家

第八章：竞争情报分析（competitive intelligence,CI）
通过和竞争者比较，更了解自己的定位和业绩，可以探究商业趋势、获得有用
的发现；更好的了解竞争对手。
举个例子，你的业绩上涨了8%，无法看出好坏，但是如何竞争对手的业绩上涨了
15%，那你就要调整策略了，哪里出了问题或竞争者用了什么手段让业绩飞涨。

定义：对竞争对手、垂直市场或整个网络生态系统的分析。

    深刻的例子，AMD是CPU制造商，可以使用竞争情报数据来了解竞争对手Intel的表现。
    也就是衡量Intel的访客增长趋势或确定流量中质量较好的来源渠道，制定策略（抢占
    流量）。还可通过整个行业的竞争情报数据，追踪对手的业绩。

数据来源：工具条、用户库、Hitwise(isp)

8.1 竞争情报的数据来源、类型和秘密
数据来源都是相似的，但数值上，CI和网站分析是不同的，网站分析可以埋点，但是
CI不可以埋点。

    我们需要利用CI观察的是你和竞争对手的业绩，了解发展趋势，发现机会，确定策略。

8.1.1 工具条数据（toolbar）
工具条就是为浏览器提供的附加功能的插件。

    它会匿名收集数据，筛选、处理，进行分析。

    宏观网站浏览分析特别有用，如访客数、平均逗留时间、反向链接

8.1.2 用户库数据————CI主要数据来源
在用户上安装监控软件，收集用户浏览数据。

    注意：
        1.样本偏差：数据大部分来自家庭用户，但很大一部分支出在家庭以外。
        2.抽样偏差：为了吸引安装，使用抽奖类似的活动，
        用户库中的人属于特定类型，需要注意。
        3.web2.0: 数据都是基于静态页面，动态如Ajax无法检测。

8.1.3 ISP数据
互联网服务商拥有大量的数据。

8.1.4 搜索引擎数据
搜索引擎也会提供数据挖掘的工具。但要根据搜索引擎数据的特点采用方法。

8.1.5 网站分析供应商的行业基准数据
网站分析供应商拥有很多数据。如GA提供Fireclick。

    但需要注意，网站分析供应商必须有足够多的客户，数据才有参考意义。

8.1.6 自行提供数据
对于那些以广告为主营业务的网站，广告主使用的数据必须尽可能准确，所以他们会自省
提供数据，让广告商来进行投资。

    如果竞争对手通过Google 的Ad Planner 发布数据，那么这是你最好的数据来源。

8.1.7 混合数据
供应商使用多种数据来源扩充数据集。

    1.附加数据，如供应商使用自己的数据来源，同时附加网站自行提供的数据。
    2.将不同数据源混合，运用少量的数学方法和纠正算法，得到新数据。

    好处：弥补不同数据源之间的差异，缺点是更难理解数据的深层含义。

    忽视绝对数量，重视长期趋势。

8.2 网站流量分析

8.2.1 分析长期流量趋势
和竞争对手的曲线放到一起，观察趋势。

    多比较随时间变化的趋势，利用趋势调整自己的行动，看是否能取得实效。

8.2.2 分析竞争网站的重合度，发现机会
使用Also visited 找到你真正的竞争对手，看看你的竞争对手的竞争对手，伺机在竞争对手
的竞争对手中做广告和拉赞助。

    Also search for，看看竞争对手的关键词，你是否拥有，想办法也要拥有，获得流量。

8.2.3 分析反向链接和退出网站
想知道谁为竞争对手提供了流量，能不能拉拢过来。分析反向链接
想知道离开了自己网站，去了哪个网站，什么地方没满足用户。 分析退出网站

8.3 搜索和关键词分析

8.3.1 最热门关键词的绩效趋势
使用Compete, 看看竞争者关键词业绩趋势。（和几个品牌比较）

    在某个类别中比较不同品牌的业绩。

    可以比较欧冶电商和找钢网关键词的趋势。

8.3.2 地域兴趣和机会分析
搜索引擎可以使你根据地域投放广告，每个公司有自己的地域优势，能不能根据对手的地域，
找到机会，拓展机会。

    找对手最强的州下手，打击对手。或者是从自己最强的州入手，加强品牌效应。

    最佳策略是把市场蛋糕做大，也就是发现有机会拓展的区域。

    比如武汉用户搜索钢材的兴趣特别大，我们没在那布局，是不是加大广告投入，可以大大提升
    业绩。
    比如找钢网在上海特别强势，能不能加大投入，打击对手。

    使用hitwise工具了解不同年份同一时期的业绩。

    比如欧冶近三年，在各个地区，搜索用户的兴趣是提升还是降低，分析原因。

8.3.3 相关的和快速上升的搜索
任何有效的营销计划，都有重要的策略：了解市场的竞争格局，并深入发掘用户的兴奋点。
分别对应：持续收集相关搜索词，关注热门快速上升的关键词
拓宽对相关市场的视野。 用户兴趣点

    例如：欧冶做钢材，那么钢材市场热门的搜索词有哪些，能不能调整。
              钢材这块，用户搜索上升的词是什么？ 比如最优惠、最便宜根据这个更改策略

8.3.4 市场占有率分析（share－of－shelf）
通过Compete 可以知道自己拥有多少市场份额。还有多少的上升空间.

    举例：使用compete 查看钢材关键字中，欧冶的 total keyword volume，可以了解到
    自己的市场份额。

8.3.5 竞争性关键词优势分析
分析哪些词给自己网站带来最大的流量。
给竞争对手带来最大的流量
使用compete，使用竞争关键词优势搜索。可以查看给网站带来流量的关键词有哪些，
哪些词是你占优势的。

8.3.6 关键词拓展分析
对哪些关键词进行竞价能帮助自己呢？
使用AdWord Keyword Tool

8.4 受众识别和细分分析
用户不反感广告，特别反感和自己无关的广告。
所以投放广告之前要进行受众识别和细分分析。

8.4.1 基于人口统计学的细分分析
例如30-40岁，年收入6w以上的女性最常浏览的网站
例如35-54岁拥有大学学历、家庭无小孩的中年男子

    使用ad planner 

    它能够确认你将广告投入哪个网站。  做广告的最优网站集

8.4.2 基于用户心理的细分分析
我们通常希望通过用户生命周期和社会心理来识别相关受众。

8.4.3 搜索行为和受众细分分析

    竞争情报分析是非常有趣的领域。可以获得非常多的相关数据，利用好这些数据可以更好进行
    市场营销和广告活动。

第九章 新兴分析：社交、移动和视频
内容通过了RSS和移动互联网等更多的渠道发布，那么对于数据的采集就是一个挑战。

    新兴的互联网改善了网络的体验，让更多用户参与进来，那么网站分析又是怎么定义、衡量他的
    好坏程度呢？

    社交是从单向独白到双向对话的转变。

    内容创建、内容发布、内容消费的基本模式发生了变化，对数据是一种挑战。

9.1 衡量新的社交网站：数据方面的挑战
从前是工作人员创建、发布，读者消费（浏览）内容。

  从单一的发布，到多种方式发布内容－－ 加码不管用

  内容消费离线。－－ 分析工具看不到

  捕获数据变得非常困难。

9.1.1 网站内容的转变
现在变成了用户生成内容的方式。：内容什么时候对访客是有用的？ 发布后，还是点评后。

    RSS订阅：用户不需要来网站阅读。

9.2 分析离线用户的行为（应用程序）
使用event tracking(事件追踪机制)来收集数据。

    用户手机配备轻量级数据库，用户阅读，事件追踪，储存入数据库。等有网络，发送数据。

9.3 分析移动用户行为

9.3.1 移动数据收集的可选方案

1.基于日志的解决方案
使用ISP的日志文件。

网站的web服务器日志文件中包含标题和URL字符串，可来标识流量。

用得少

2.基于数据包嗅探的解决方案
可以收集客户端和服务器之间往返的数据包。

需要部署硬件平台，来收集。

3.基于加码（Tag）的解决方案－－JS或图片加码
最常用的还是JS加码

但有不足：如果不支持JS，损失流量
        使用cookie来定义独立访客，手机可能不支持cookie

9。3.2 移动报表和分析
如何使用数据：
移动数据和之前的数据没什么区别
1.多少访问量
2.流量来源
3.屏幕分辨率
4.通过什么关键字
5.停留多久
6.转化率

缺少一个指标：独立访客。 没有定论
            详细的移动设备参数信息‘

9.4 衡量博客的表现

9.4.1 原始作者的贡献
每月帖子、 每篇内容数量

9.4.2 整体的受众增长
订阅数量
转化率：评论数量／贴子数

9。4.3 引用和轰动指数
有多少人在谈论你的内容， 通过博客引用数和帖子引用数来衡量。

9.4.4 博客的成本
技术（软硬件）成本
时间成本
机会成本

9.4.5 博客收益（投资回报率）

1.比较价值： 通过工具 衡量博客价值
2.直接价值： 广告等
3.非传统价值：用户口碑
4.无法量化的价值

9.5 量化Twitter的影响

1。粉丝人数增长
流失率

2.信息放大
指的是粉丝转发你的帖子，更快的传播你的信息。

每1000个粉丝回帖数量，用来衡量新媒体。了解你的信息放大程度。
    比如微信中的点赞数，按照网络上讲的10个人有1个人点赞，那么如果你的点赞数是100，
    也就是有1000个人阅读过你的文章。 通过这个，又可以了解到什么样的文章更加吸引用户。

9.5.3 点击率和转化
1.共享链接平均点击率（Click-Through Rate）
你发送的链接的点击率。
2.转化率（产出）
如果共享链接是电子商务网站

9.6 分析视频的表现
使用event tracking来追踪视频

9.6.2 关键视频指标与分析
1.基本性能指标
整体和每个视频的观看次数，以及观众所处的位置。

2.追踪关注度及受众的互动情况
    查看视频的每一部分 顾客的流失情况。

    了解视频什么地方吸引用户，不吸引的地方砍掉它。

3.社交参与情况报表
    用户对视频的评论、收藏等。

4.追踪视频传播情况
     可以查看你的视频在网络上的传播途径。

5.细分
    假设你是电影网站，如果访客完整看完一段视频，那么是你的成功。在你的报表中，需要把这些访客
    细分，把这一细分应用到流量来源报表（推介网站、搜索引擎和电子邮件）。看看哪些广告更能带来
    这种高质量的流量。

9.6.3 高级视频分析
我们能看到视频对业务目标的影响，可以衡量看视频对转化率和不看视频的转化率，那种情况更好？
但是其中涉及到一个问题，有购买计划的访客看了视频，怎么区分这样的情况呢？

    1.分析情境影响
        Clicktrack   漏斗（Funnel）报表

        通过漏斗可以看到用户和哪些功能的互动，对转化的目标影响最大。

    2.积极收集用户心声
        询问她们影响购买的关键因素。

    3.通过测试衡量用户的实际行为
        随机对一部分访客实行A／B测试，测试有无视频对转化的影响。

第十章 隐藏的网站分析陷阱的最优解决方案
追求正确的思维模式和分析方法，以及从多种角度出发的思考方式和决策成本的优化。

10.1 准确性还是精确性
准则：不要过度追求数据质量

    收集数据：准确的，精确的。
    你需要思考自身的业务适合采用什么方法

    准确性指的是尽可能获得完美的数据。精确性是指为了获得同一结果需要达到的程度。

    准确应该指离靶心特别的近， 但可能每次的结果不相似。
    精确指的是每次结果相似，  但离靶心不一定近。

    以精确为战略：精确性可预测。  这样我们作出行动，能知道他往哪偏，但如果是准确性，
    我们作出行动，却不知道下次的落点在哪，会付出很大的代价。

10.2 数据质量处理的6个步骤
1.收集简洁的数据。
2.要有针对性。
3.数据检验
4.追求精确性
5.数据不完整不是问题
6.快速行动，聪明地思考。

10.3 建立行动仪表板

10.3.1 创建优秀的仪表板
1.给高层的报表中主要集中提供一些关键信息。
2.创建一个可操作的仪表板。

    四个象限：
    1.折线图
    2.关键趋势与分析见解
    3.改变现状需要的行动与步骤
    4.对公司的影响

10.3.3 高影响力仪表板的五个准则
1.基准和细分
给出族群细分才能让人了解指标变化的原因。

        1.目标（预期该达到的营业额）
        2.背景（近三个月）
        3.族群细分（营业额由哪几个部分组成）

        做出的东西，是给人以结论，而不是提出问题。

        注意，不能仅仅提出问题，要会提问题，还要会解决问题，给出方案，这是你的价值，也是
        图表的价值。

    2.分离出少数关键指标
        大量的数据毫无作用。

        不需要追踪大量的指标，多进行细分和突出问题。

        要花大量时间确定驱动业务的几个关键指标－－－如果公司着火了，我们关心的是什么？
            对于公司的主要业务，哪几个指标最为关键。

        数量：6个。记得设定目标。

    3.不要停留在指标表面－－－应包含深入的分析。
        1.成功与失误的原因，以及业务上可行的一些变化
        2.行动建议。如下一步怎么做，如何扭转下降趋势。
    4.将仪表板控制在一页。
        估计进行严格的思考。
    5.淘汰与保持相关性
        仪表板在变化，一年一次。
        指标是不断变化的，业务目标是不断调整的。

    总的来讲：仔细选择指标，提供真知灼见推动行动，而不是仅仅提出更多的问题。

10.4 全线营销的机遇和多渠道衡量
最被低估和最困难的事：多渠道营销

10.4.1 转向全线营销模式
现在的时代，是线下和线上相结合的全线营销，没有单纯的线下和线上。必须转变思维

10。4.2 多渠道分析
指的是如何区分线上和线下对营业额带来的影响。

    这是一件很复杂的事情，我们找不到关联点。关联点是很有必要的一件事。

    我想到一个例子，优惠卷，在线上某个广告领取优惠卷，到线下购买。这就是一个衡量。

10.5 行为定向的优势和挑战
行为定向：涵盖了线上定向广告和内容优化的各种技术。
对线上广告，目的提高广告有效性，从而提高投资回报率。
对内容优化，目标是向访客显示与其相关的内容，从而提供投资回报率。

10.5.1 行为定向的优势
良好的行为定向优势： 通过网站服务平台整合智能工具或引擎，从而使用用户数据来优化他们的用户
体验。

10.5.2 克服基本分析挑战
面对收集好的行为定向数据，需要接受三大挑战

    规模
    数据解读：数据量大，解决、理解它并足够迅速地得到深入分析见解，十分困难
    多样性：多数网站在了解人们为什么来到网站方面做得相当差

    行为定向有助于克服人工优化网站体验的基本问题。他们可以让你把重点放在宏观、战略性的业务问题上，而让机器来操作处理层面上的内容

10.5.3 行为定向的两个先决条件
记住一条原则： 输入的是垃圾，输出的也将是垃圾。
如果输入的数据是错误，那么得到的结果毫无作用

     1.有可靠的用户反馈收集系统的投入

     2.首先做A/B测试或多变量测试（MVT）
        进行多变量测试，并不是行为定向，而是努力提供内容、信息、产品、布局，看看是什么
        起作用。你将理解提供好的内容来改善用户体验有多困难。同时也会了解到提出创意和内容
        有多痛苦。

        任何类型的测试都不是专门针对某个方面的，为了让测试发挥作用，必须确定好所有的步骤、
        规则、职责和组织结构，从而创建一个结构化和可重复的过程。当你努力推进多变量测试时，
        会发现公司克服上述挑战的能力，公司在这一个过程中时不完善的，你必须解决这些问题。

        测试3-6个月，再部署行为定向平台。最初三个月可以和前面的先觉条件平行运行，建立稳固的
        用户反馈收集系统。

        你需要先发展 ，并确保能理解用户需求。必须有针对性地将好的内容放入行为定向提供，
        确保公司有一个优秀的平台。

算法工程师 数据分析 数据挖掘
写出推荐 根据数据，利用商业敏感度，得出结论 确定性质

10.6 在线数据挖掘和预测分析面临的挑战
本书只讨论：使用自动智能或人为创建的业务规则将内容或信息定向到用户。
另一种预测分析是搜索引擎根据搜索者的位置和之前的搜索行为来改善查询结果。

    定义：预测分析包括了使用各种统计和数据挖掘的技术，分析当前数据和历史的数据，对即将
    发生的事情做出预测。

    利用网站数据来预测有几个非常困难的点存在。

10.6.1 数据类型
数据经常是非结构化和碎片化的。 比如匿名的cookie，你无法通过cookie来确定是否是一个人
来访问网站购买产品，是否一台机子多个人使用，或者一个人多个机子访问访问，所以对复杂数据的
趋势判断十分困难。 这就是不完整和匿名的数据。

10。6.2 变量的数目
在网站上，所有人都是你的竞争对手。

    如何找出所有影响网站产出的变量？ 不仅存在线上的竞争，更存在线下的引流，变量更加多。

10。6.3 多重主要意图
用户访问网站的目的往往不是单一的，很难确定。
并且将海量数据归类到几种意图上，做出预测，很困难。

10.6.4 多次访问行为
对网站的多次访问，还要分析用户的行为，很艰巨。

10.6.5 缺少主键和数据集
在收集数据过程中，多个渠道的数据如何进行整合，他们之间缺少着连接点，困难大大增加。
对未加码的广告和网页，我没无法获取数据。

    为了找到关联点，又需要投入很多资源进行交叉渠道的数据收集和存储。

    网站变化的速度
       很影响预测分析。变化快，数据的有效性大大降低。

10.7 走向智能分析的步骤

10.7.1 步骤一：加码

10.7.2 步骤二：配置网站分析工具的设置
1.配置报表： 站内引擎搜索的报表
2.配置目标（goal）:微观或者宏观的转化

10.7.3 步骤3:营销活动／流量来源追踪
每一类营销活动必须用独有的加码方式。

    确保正确的加码：  广告活动的参数： 广告活动的类型、链接的位置以及广告推广的类型

10.7.4 步骤四：收入和高级情报
如果是电子商务网站，标准加码不会追踪，必须在提交页面添加页面相关的JS代码。（自定义变量）

10.7.5 步骤五：富媒体追踪
追踪这些应用程序，你需要接触各个方面：每个系统、很多人和几乎目前所有的流程。

第11章 成为分析专家的入门指南
如何正确的处理数据。

11.1 背景信息的重要性：可能花90%的时间为数据提供背景信息。
背景信息是主要指标周围的那些定量或定型的信息，用来描述指标所处的背景情况。

11.1.1 比较不同时期的关键指标
例如拿去年的这几个月，和今年的这几个月比较一下。

11.1.2 通过细分提供背景信息
例如，这个月的网站平均停留时间，进行细分，60以内的， 200秒以上的，又发现200秒以上的
才是转化的那部分人，应该继续分析它们的行为，这部分是优质用户，挖掘潜力。

11.1.3 比较网站关键指标的平均值和细分值
比如关键指标：搜索流量， 我们查看到25%的流量来自于细分搜索，那么专注去做，会让他达到50%。。

        在看搜索流量的平均时间和整个站点相比，要高，那么这就是个好流量，加大投入。

        再分析细分的总体表现与网站关键指标的平均值比较。
            如热门着陆页的跳出率与全站相比。

11.1.4给指标找伴侣：尽量选择产出指标
比如十大引流网站的排名，给他加个指标，新访客的百分比，有时访问最多的不一定是新访客最多的。

    通过寻找伴侣指标，你会更加了解指标的表现，并从其他方面获得可操作的背景信息

11.1.5 利用行业基准和竞争数据
假如购物车的放弃率是80%，或网站停留时间的指标为42min。你需要知道这些数字是好的，还是需要
紧急修复。此时，你就需要行业基准和竞争数据来获取外部背景信息。

11.1.6 了解业务知识
获得网站分析数据的背景信息的必杀技：了解业务知识。这些信息包括：公司的各项举措、营销计划、
网站的更新与变化、管理层的变化、管理层的变化、服务器终端、PPCC、直复营销，都会影响网站。

    通过和各方面的人了解，你才能知道数据的变化的原因，也就是背景信息了。

11.2 KPI变化趋势比较
根据第一项举措，去比较不同时间段KPI的对比。你需要更深入的去挖掘趋势和表现背后所隐藏的问题。
如何更好的比较：
1.多去了解业务知识，询问专业人员，今天和去年有什么不同？团队人员增加了一倍么？此类的问题

11.2.1 呈现业务知识
当你展示数据时，你的目标是要体现出对变化的理解，从而可以将这些变化转变为行动。

    分析最重要的是，就是和同事进行交流，得到这些数据变化的真正原因，由此图也会将大家的讨论重点
    转到分析见解和行动方案上。

11.2.2 细分来救援；把问题由大变小 ：

     变化趋势会隐藏分析见解，从而发挥不了数据的作用。

     简单的办法，看相关的细分数据的变化趋势。极大的加快你对变化趋势的认识。

     最喜欢看的趋势是直接流量趋势，它受到其他变量的影响很小，而且还能知道你的网站的表现到底如何。
     新用户和老用户，能不能留住他们。

11.3 在Top10之外：什么改变了
top的变化是很小的，大家关注的会很少。反而应该关注什么变化的特别大，看它后面所影响的因素。

11.4 真正的价值：衡量潜在转化及访客行为
我们都沉迷于如何在网上获取流量，在衡量网站营销活动时可以看到倾向：引入了多少访问量，只有有多少
转化，多少注册量。

    更要关注潜在的访客行为，以及第一购物或会员注册之后的行为，来衡量真正的长期成功指标？

    仅仅针对某个营销活动，或对于访客第一次行为来衡量网站表现时，仅仅知道访客对网站的一小部分影响。
        真正该做的是了解第一次接触或转化之后访客的行为。

11.4.1 潜在访客行为
fackbook做了营销活动，取得大量的用户注册，它成功了么？我说没有。会员数其实是用来衡量成功
最不重要的指标。这是因为称为会员后的行为才是网站增加价值的关键。

    要做的是等活动结束30天，再衡量访客行为。  比如访客忠诚度。

    这才能衡量营销活动的投入是否合理。

11.4.2 潜在转化
假如你是一个电子商务网站。 基于转化率衡量初步的成功，等待90天，看哪些营销活动带来更多的
重复购买，哪些渠道是优质的，即使初始转化率较低。

    这章其实在说，一个营销活动好不好，不能单纯看它带来多少流量，太肤浅。更重要的是带来流量后，一个月后，
    访客的行为怎么样，重复购买率怎么样。

11.5 四种不能指导实际行动的KPI衡量技术
平均值、百分比、比率、组合指标。

11.5.1 平均值
单纯的平均值一点作用都没有，但是换个角度可能有不同的看法。

1.细分平均值
    和上面讲的背景信息中的一样，针对可以利用总体的平均值和细分后各群体的平均值比较，来衡量平均值的作用。
    找到问题。

    例如整体的网站提留平均是54秒，细分后，非搜索引擎的流量平均70秒，社交网络的最少，搜索引擎随后。
2.使用分布
    整体的平均值没用，数值分布肯定有用。剖析是哪些数据组成了平均值，从而采取行为。

    例如停留时间，你可以看到一半的停留不到10秒。而超过60秒的访客是多少。可以探究停留多少秒，完成了转化，一般是20分钟，那么怎么提高停留的时间呢？                                           

11.5.2 百分比
百分比提供不了任何信息，但是如果加上背景信息，才有意义。

1。查看相关的原始数字。
    例如给出两个网站的转化率：
        微软 15%
        雅虎 3%

        乍一看，我应该把钱投给微软。但是加上访问量的数据

        微软 15%  访问量：201
        雅虎 3%   访问量：37925.

        真正的，我更该把钱投给雅虎。

    查看转化率，那么把转化率相关的原始数据拿出来，更容易找到问题的关键。

2.细分数据
    整体的转化率没有任何作用。但是把转化细分渠道，查看细分的转化率的表现如何。

    例如整体的转化率下降了，但是发现直接访问流量的转化率依旧保持，其他渠道都在下降。
    证明了新访客的用处不大，更该把精力集中在老访客的身上。

3.用户统计显著性

11.5.3 比率
比率代表两个量的相对大小。一个常见的比率是没访问的页面查看量（访问深度，page views per visit）。

    使用比率最大的问题就是绝对值规模的变化

1.使用自定义报表，计算比率的同时提供相关的背景信息
    看起来的比率可能很稳定，带上原始数据，可能不容乐观。
    举个例子： 1200:1000=1。2，  12:10=1.2  ，比率一样，但是设计背后的数据规模大大不同，有很大区别

2.抵制常规规则
    我们经常会建立没有背景信息的比率， 例如对于潜在用户，我想要3.2的比率，平均访问深度是1.78

    毫无意义。设置目标时，应该反映潜在价值，通常时产出或最受欢迎的访客行为。

    例如，要强调访客忠诚度，而不是关注注册转化率。更该重视提高忠诚度的活动。

11.5.4 组合或计算得出的指标
1.不要使用组合／计算得出的指标
有组合指标，试试压力测试。再使用，在观察

2.关注组合指标的几个关键组成指标
    业务的关键往往是几项关键指标，组合在一起毫无意义。关注关键指标，而不是组合

3.重新审视和重新验证
    经常审视组合指标是否有价值。

11.6 搜索：实现最优长尾策略
核心是解释市场营销如何在网络上发生了根本性的改变，以及必须如何调整方法，以找到可操作的分析见解。

    搜索引擎是网站引流的重要途径。前十的关键词带来了一部分流量。但是可能几千个关键词带来了剩下大部分的流量，如何处理好这部分长尾，是获得流量的重大途径。

    这就是长尾的价值，很大程度上可以转化为收益。如果理解了，就可以帮助企业创造可持续发展的竞争优势。

11.6.1 计算头部和长尾
通过图表，查看趋势。

    1.你可以发现的分析见解

    2.采取的行动
        1.理性的分析头尾关键词短语，看是否有哪些改变。

11.6.2 了解品牌和行业关键词
品牌关键词是指与公司本身有关的短语或关键词，你的公司名称、提供的服务名、产品名。
行业关键词与贵公司没有直接联系，他们是公司主要业务的通用次。

    品牌关键词是了解你产品的访客和购买生命周期后阶段的人。
    行业关键词充斥在你的长尾部分，是你的潜在客户。

11.6.3 最佳搜索营销策略
1.改善SEM
不要在意境能搜到公司网站的关键词上浪费预算。你需要回到EXCel并检查搜索关键词分析。
重点研究一下头部和长尾部分关键词的分布图形。

    2.采取的行动
        不要把预算放在头部的关键词，而是应该通过有效的SEO策略操作。集中优化SEO。

        将PPC投放在长尾部分，从而转化收益。

        有特殊的情况，当你新推出的产品，那么需要PPC来帮助它。

11.6.4 执行最佳长尾策略
通过Ad／Search share（广告搜索份额），我们能知道你进行了付费以后，网站的展示份额是多少，
你花的钱到底有没有人来点击，占到多少，即使调整策略。

11.7 搜索：衡量上层漏斗关键词的价值
如今的客户，不是即时文化的思维。用户总是经过多次（3次）访问后，确定购买产品。这也是为什么转化率的
分母是独立访客。衡量购买前所用的天数和访问数的重要性，已确定决定购买需要多长时间。

    客户购买的过程一般是 先 行业关键词－》品牌／行业关键词－》品牌关键词－》更多的了解－》购买产品

    如果使用标准的关键词转换报表，属于长尾部分的行业关键词的回报率为0，具体人员会砍掉这部分SEM，
    但是如果没有它，顾客就不可能到你的网站。那么如何衡量长尾关键词（上层漏斗关键词）的价值呢？

    1。要确定不同生命周期的关键词的衡量办法，而不是每个关键词都该转化。

    原则：
    1.处于生命周期早期的上层漏斗关键词便宜的多：用较低转化率衡量。
    2.生命周期后期的关键词昂贵，用较高的转化率衡量。
                                    衡量指标
            品类关键词               跳出率
            品类、品牌               网站停留时间
            品牌                      访客忠诚度
            品牌和头部关键词            转化

    不同的关键词，用不同的标准去衡量它的价值，如果达到标准，那么投入就是值得的。
    这样能更好的评估付费搜索关键词。

11.8 搜索：付费点击进阶
11.8.1 识别关键词的潜在机会
忽视了 一个关键词在不同搜索引擎中的表现。搜索引擎使用不同算法，有不同表现。

    假如我在雅虎上的某个关键词点击次数表现的很好，说明我的网站是没问题，那么问题就出在了搜索引擎上
    ，是付费？是广告文案？这需要深究。

    再放到转化上，某关键词表现的很好，我的网站应该不错，那问题就在搜索引擎上，试图去改进。

11.8.2 关注“什么改变了”
为了确保长尾部分充分转化成收益，搜索推广活动有成千上万个关键词，但是不可能都看完。
一个策略就是把重点放在”什么改变了“。

    找到变化最大的关键词，行动。

11.8.3 分析展示份额和收入损失
展示份额：即你的广告在搜索结果页面上显示的频率，与搜索引擎上用户查询该关键词的频率的比较情况。

    展示份额可以帮助我们找出在哪里存在具体的机会，以确保我们的广告以最好的关键词出现。

    通过损失的点击次数乘以平均转化收入，得到收入损失，展示给高层。

    要想挽回损失，需要增加预算，显著改善竞价或质量得分。

11.8.4 拥抱投资回报率分布报表
显示的是有多少广告活动、广告组、关键词。
可以清楚的了解有多少关键词有用，有多少没用。

11.8.5 用户搜索查询和匹配类型归零（优化投放）
虽然整个付费搜索市场都围绕着关键词进行，显然对触发付费搜索广告的规则匹配类型的重要性没有足够重视。

    在营销活动中，使用广泛（broad）、词组（phrase）和精确（exact）这3种匹配类型，以确保对相关用户的搜索展示广告。


    这里的意思是在说，我们在买关键词的时候，有三种匹配类型。我们可以通过不同的匹配类型的表现（转化率）
    来进行调整，提高转化率。

第12章： 成为分析专家的进阶指南
线上衡量最困难的挑战：转化很复杂，有多重网络营销活动。如何进行衡量线上、线下价值。

12.1 多触点营销活动归因分析

12.1.1. 多触点是什么
指的是在转化之前，经过多次的接触：广告、电子邮件营销、实体店，完成的转化，这就是多触点
转化。

12.1.2 你有归因问题么？
点击访客购买前访问次数报表。 假如80%的转化发生在前两次访问。多触点就不是大问题。

        再打开购买所需天数报表：假如80%的转化发生在同一天。不存在归因问题。最多是单因素问题。
        或者周期就是这样。符合规律。

        假如这项商业活动多数转化在15天后发生，那么存在多触点问题。


        通过数据细分确认从哪着手进行。

        1.通过购买前书报表核实。
        2.通过诊断是否存在归因问题。
        3.找到开始解决问题的入手点。

12.1.3 归因模型
一旦你通过数据确定确实有必要进行多出点归因分析，下一步就是要了解对于每一个接触点，可以使用
什么归因模型。

    1.基于最后点击的归因（last click）
        认为访客的购买决定应归功于其遇到的最后一个营销活动对购买决定。

        我的观点：可以制定一套逻辑，将一部分功劳归于转化之前一段合理时间内访客接触的营销活动。
            不是最佳。

    2.基于第一次点击（first click）的归因
        不推荐

    3.基于平均点击（even click）的归因
        这种方法是次优的。如果转化前的6项营销活动都这么好，为什么要经过这么长的步骤转化。

    4.基于功劳划分的归因
        最后的活动50%，其余均分剩下的50%。

        相对还可以。

    5.自定义归因：很困难。
        电子邮件营销：20%
        看过雅虎广告：5%
        MSN主页推广  12%
        Google的PCC  18%
        网站联盟    7%
        自然搜索    20%
        雅虎PPC  18%

最后，你可以比较平均点击和功劳划分模型，看看哪个效果更好。或者可以尝试自定义模型，只是要小心。

12.1.4 真实世界中归因分析的核心挑战
路径分析是使用归因分析时遇到的最核心的挑战。

        1.路径分析呗证明是对时间的可怕浪费，因为互联网没有结构的！

        2.拿到这样一条干净的路径，就可以根据信息调整预算。
                但是，广告的战士量是有限制的，任何营销活动是由限制的，该怎么分配预算。

        因此，错误的问题是：我如何将功劳归因于每个营销活动？
             正确的问题是：我如何在可用的广告和营销渠道之间优化预算分配？

12.1.5 归因分析的可行代替方案

    1.媒体组合模型
        我们归因分析的目标是确定每个渠道花多少钱，那么为什么不放弃归因分析。

        创造媒体组合模型：在一个良好引导的实验中，选择特定的市场（市），并在每个渠道花费不同的营销
        预算组合。

        收集数据，利用数据来优化预算。

        当然，这不是完美的，需要按照季度等重新进行试验。定期实验。

    2.边际归因分析
        通过增加一部分预算到一个变量上（如广告），衡量该试验的转化，转化的任何增加都归因于这个变量上，
        找到边际效益的递减点。

    3.挑战
        很难控制可能会影响的变量。 而且需要时间。

12.1.6 关于多触点的部分思考
通过上面选择出最优方案之前，有三个想法
1.转化率将来自多个营销接触点。在做任何事情之前，搞清哪种渠道影响最大。
2.如果多触点是个大问题，慎重选择方案。
3.如果是一个大公司，有很多预算，那么使用媒体组合模型等类似模型，是明智的

12.2. 多渠道分析：对于全线营销的衡量技巧

12.2.1 跟踪离线营销活动对在线营销活动的影响

1.虚拟网址
    全线营销衡量的一个主要问题是没有主键， 为什么不创建一个？ 使用虚拟网址（也称为重定向）。

    在广告的最后放一个虚拟网址。  当有人把它输入浏览器，就会重定向自己的网页。

    这样我们可以通过分析工具进行深入追踪。（使用反向链接过滤其他来源流量。）
        观察他的转化。

2.特殊的特兑现优惠卷和优惠码
    通过优惠码，来衡量离线营销的活动。   甚至可以通过cookie，记录这个用户，看之后她的访问行为。

3.线上调研及市场研究
    额外的好处是：标识出访客来到网站的主要原因。

4.关联流量趋势和线下广告安排
    线下的广告投放后，我们可以观察网站的流量表现。：访问量上，哪些地区的广告或电台带来更多的流量，
        选择更特定的类型电台，效果更好。


    更进一步，拿到电台活动的数据（不同时间流量）。分析不同时间对转化的影响。有的时间段电台人数多，
    但是转化却很低。为什么？

5.利用对照试验的力量
    第一次广告，第二次广告，第三次名人聚会，观察网站流量的影响，发现名人聚会带来的是大量永久的提升。

12.2.2 追踪线上广告活动的线下影响
1.衡量线下行为引导
实行多渠道营销的企业通常会采取线下的行为引导。如在网站上放入实体店的位置查询功能。在查询结果
网站url放入特定追踪代码。这样就能衡量线上行为对线下的影响。

    分析专家指导，不能仅仅停留在衡量有多少访问量上。必须要量化目标的价值。目标的价值需要与财务部门协作。

    我还可以看浏览过产品页面或向购物车添加某些东西后使用地理位置查询的 顾客。我会将访客的位置与实体店
    的地理位置关联。有更多可分析的见解。

2.追踪电话和线上聊天 
    1.在网站上提供特殊的电话号码，使用现有的系统来追踪电话和转化。形成数据。

3.使用特殊的优惠卷和优惠吗。

4.深入挖掘线上和线下数据
    1.会员卡。也可以是连接线上和线下的主见。
    2.信用卡。 通过信用卡，也可以追踪到接下来的30天中客户在实体店进行的其他购物行为。
            最近从事这样的分析，每投入1美元，客户会在实体店进行6美元消费。这可以帮助市场营销人员
                正确评估在线营销的有效性。

5，使用调研预测线下影响。

6.进行对照试验。

第十三章 网站分析职业生涯

13.1 网站分析职业生涯规划
两个关键的选择
1.技术还是业务
2.个人贡献者还是团队领导者

13.2 网站分析成功职业生涯的技能培养
1.使用数据
不使用数据，永远不会学到真正的分析。

    分析非营利网站的数据，这些数据分析起来更加的困难。

2.获取多个分析工具的经验
    通过多个工具，你会遭受更多挫折，你会拓宽思路，学习这些工具如何从网站点击流数据
    的局限性解放出来。

3.真实世界中的运用
    工作往往限制了教育和经验。限制了专业方面的成长。有个建议。

    1.网站分析教育。
        做一个博客，自己进行分析。使用不同的工具，体验不同的挑战。
    2.超越网站分析教育
        绝佳的学习：从SEO分析分析学习、从竞争情报中学习经验
    3.线上广告教育
        在博客上使用 AdSense。
    4.社交媒体分析教育。
        学习如何衡量线上的知识。
    5.在线营销和分析教育的底线。

4.称为数据收集侦探
    理解数据是如何收集和解读的。

5.数学基础：学习统计学的基本知识
    如利用统计学的显著性和统计控制范围。

6.善于提问
7.与业务团队紧密协作
8.学习有效的数据可视化和PPT技能

网站分析中的八大指标
访问、访客、网页停留、网站停留、跳出率
、转化率、参与度。

优秀的指标只有有四个特性：
简单、相关、及时、及时有用性。

优秀的指标：跳出率。

教训；不追求完美、少而精的指标。指标有生命周期。

最关键的指标：转化
网站的任何都是和产出有关的。转化至关重要。

网站三大核心：提高收入、减少产出、提升用户体验。

报表关注核心： 报表太多。只关注最核心的。

从宏观理解网站：这是优化的关键，
1.有多少人来网站
2.访客从哪来。
3.你希望访客干什么
4.访客真正在干什么。
这时候调查问卷有用。

第四章 实践操作

4.1 网站分析入门
1.是什么
2.告诉了我什么
3.下一步怎么做
4.我该怎么做。

4.2 最佳网站分析报表
1.流量贡献表：来源和产出。

4.3 基础分析的思路
1.细分。
比如销售额的细分，我能知道谁占了大头，谁给我带来利益，我接下里该怎么做。

2.关注用户行为。
关注那部分我能转化的人的行为，促成转化。

4.4 很多种分析
1.站内搜索分析：知道用户的意图。同时结果能不能改进。
2.SEO分析：目的提高排名。1.改善网站的索引之类的可以改进排名。分析几个地方：2.当前绩效。3.内容覆盖率3。关键词绩效4.预算。

3.付费搜索分析：通过分析，降低投入，同时提高产出。