-
-
-
岁月无痕最新文章
岁月无痕
岁月无痕1
岁月无痕朋友2
Category Archives: 网站分析
3个影响页面标签技术准确性的因素
做网站分析的很多朋友经常会遇到一个问题，就是发现统计数据并不完全正确，究其原因，博百优根据brain clifton的观点认为应该来自主要三个常见的因素： 1.标签丢失 最常见的影响页面标签技术准确性的因素是错误的设置。与默认设置“记录所有数据”的网络服务器不一样的。页面标签技术要求网管将tracking code 插入到每一个页面之中。就算是自动内容管理系统，也没有办法达到每个页面准确无误地设置。MAXAMINE曾经做过一次侦测，发现20%的页面标签丢失了，甚至有个B2B，70%的页面都存在标签丢失。标签丢失就意味着来自这些页面的浏览数据无法被收集，统计。
GA中最常用的10个报告(二)：电子商务：Overview报告
Google analytics无疑是当今最强大的免费网址分析工具，上次博百优已经给各位介绍了地图覆盖，通过地图提供的信息给我们的营销策略做出巨大的影响。其实GA最大的应用在于电子商务上，如何将数据报表解读成你的利润，这是一门艺术。今天给大家介绍的是电子商务：Overview报告 Google analytics可以帮助我们确定网址的盈利来源，并且可以统计到特定的营销活动，关键词级别，访客的访问行为详细数据。目标报告对于公司来说是一个很重要的衡量指标。无论网址是否在线零售的部分，目标转化率都是衡量网址是否吸引访客的标准。
GA中最常用的10个报告(一):地图覆盖
博百优同学认为，Google anayltics是目前最常用，也是功能最强大的免费网站分析工具。GA本身有很多功能和应该查看的报告，但是目前只列出10个我们会最常用到的10个。而今天介绍的第一个是—访客：Map Overlay(地图覆盖图） 访客：Map Overlay(地图覆盖图） 顾名思义，Map overlay就是展示了访客来自哪里，来自哪个国家，省市，让我们清楚地知道我们的最大市场在哪里，最小的市场在哪里，从而更准确地指导我们如何做出营销侧重点决定。下图，就是博百优博客以中国流量覆盖为例：
电子商务网站用户分析
于一些特殊的网站，可以根据自身所能获取的数据将分析的指标进行扩展或根据自身的特征定制合适的指标，这里主要介绍的是适合一般的电子商务网站的用 户分析方法。 当用户在电子商务网站上有了购买行为之后，就从潜在客户变成了网站的价值客户。 电子商务网站一般都会将用户的交易信息，包括购买时间、购买商品、购买数量、支付金额等信息保存在自己的数据库里面，所以对于这些用户，我们可以基于网站 的运营数据对他们的交易行为进行分析，以估计每位用户的价值，及针对每位用户的扩展营销（Lead Generation）的可能性。 评价用户价值的指标 对于评价指标的选择这里遵循3个原则： 指标可量化：没办法，要做定量分析，这个是最基本的前提； 尽可能全面：根据底层数据选择尽可能多的可以获取的指标，这样能够从多角度进行分析和评价； 线性独立：即指标间尽量保持不相关。比如如果选择用户的购买次数和总消费额，那么一定是购买次数越多的用户总 消费额越高，也就是导致了评价维度上的重合，而选择购买次数和平均每次交易额可以避免这种相关性产生的弊端。 根据以上几个原则选取了以下几个指标（同样根据网站的特征选取合适的统计时间段）： 最近购买时间：用户最近一次购买距当前的天数； 购买频率：用户在这段时间内购买的次数； 平均每次交易额：用户在这段时间内的消费总额/购买的次数； 单次最高交易额：用户在这段时间内购买的单词最高支付金额； 购买商品种类：用户在这段时间内购买的商品种类或商品大类。 用户评价模型的展示 一样的，也可以用雷达图进行展示，同样也使用离差标准化的方法对每个指标进行消除度量单位的10分制评分。这里具体的方法就不再重复介绍了，请 参照——网站用户忠诚度分析这篇文章。下面是一个雷达图的示例： 通过这个雷达图，我们可以读到比用户忠诚度更多的信息。图中的上面3个指标——最近购买时间、购买频率和购买商品种类可以用来评价用户的忠 诚度，而下面的2个指标——平均每次交易额和单词最高交易额可以用来衡量用户的消费能力。如上图， 用户1虽然购买频率和购买的广度不高，但其消费的能力较强，而用户2是频繁购买用户，对网站有一定的忠诚度，但其消费能力一般。所以图形的上半部分面积较 大的用户拥有较高的忠诚度，而下半部分面积较大的用户具有更高的消费能力。这两类用户都是网站的有价值客户，但由于其类型的不同，在营销策略上可以分开对 待。 用户交易行为分析的意义 发现网站的高价值客户（VIP），为客户关系管理（CRM）及保持有价值客户提供支持； 发掘网站的可发展用户，对于一些新客户或潜力客户进行针对性营销； 及时发现可能流失的客户，及时采取有效措施； 根据用户交易行为细分客户群，实施有针对性的营销策略。 From:http://webdataanalysis.net/web-quantitative-analysis/e-commerce-user-analysis/
优秀的Google Analytics数据导出工具—Excellent Analytics
Excellent Analytics是一款基于Google Analytics Data Export API开发的免费开源数据导出工具。它的功能是将Google Analytics中的数据自动导出到Excel中，并实现了数据动态更新。基于这两点，可以说Excellent Analytics是一款非常优秀的Google Analytics数据导出工具。 Excellent Analytics的主要特点： 说Excellent Analytics很优秀主要有三个原因： 1 Excellent Analytics是一款免费的软件。 2 Excellent Analytics嵌入Excel里，可以完成全自动的数据导出，每次最多导出一万条数据。 3 Excellent Analytics可以实现Excel报表数据的一键更新功能。（原来只在Omniture里见过，现在Google Analytics也可以实现了。） Excellent Analytics的安装和使用： Excellent Analytics是免费软件，也不需要注册。可以在官网和我的资源文档里直接下载。安装Excellent Analytics前有两个必备条件： 1电脑的系统必须是XP或Vista， Excel的版本必须是2007 2必须安装有Microsoft .NET Framework 3.5 SP1. PS：目前没有MAC的版本，我是在XP下使用的。是否支持win7还不知道。 软件的安装过程很简单，完成后可以直接在Excel的顶部里看到Excellent Analytics的菜单，打开菜单会出现三个功能选项。从左到右分别是：登录帐户，导出数据和更新数据按钮。 每次打开Excel后都需要通过登录按钮先与你的Google Analytics帐户连通，然后才可以导出数据。选择登录帐户按钮，在弹出的窗口中输入你的Google … Continue reading
使用Google Analytics监测百度竞价ROI
搜索引擎广告是网站在进行网络营销中最常见的一种推广方式。而百度的竞价排名又是大部分网站都必须使用一种手段。网站通过在百度购买关键词来获得商 机（销售线索）。百度竞价排名按所购买关键词的点击次数收费（CPC），每次的广告费用看似很低。但积少成多也是一笔不小的投入。（大部分中小网站每个月 在百度竞价上都会有几千—几万的预算。） 这些投入是否有效？能给网站带来多大回报？这是每个网站都会问的问题。如何对百度竞价进行监测，并对广告实际效果进行有效的衡量就变的至关重要了。 计算百度竞价ROI ROI是投资回报率的缩写，(ROI Return On Investment)指通过投资所获得的价值。 ROI的计算公式是： 投资回报率（ROI）=利润/投资总额×100% 具体到百度竞价：百度竞价ROI=网站获得的回报/百度竞价总投入×100% 在上面的公式中，只要知道两个条件就可以计算出百度竞价的投资回报率。 第一个条件是百度竞价的广告总投入。 第二个条件是网站获得的回报。 第一个条件很容易知道，百度竞价的后台会提供广告花费记录。 第二个条件通过统计也可以知道。 举个简单的例子说明一下： 假设我的博客参加了百度竞价，购买了“蓝鲸网站分析笔记”这个词，并且每月固定消费5000元。这个词指向到网站上一个有我联系电话的页面。通过统 计，《蓝鲸网站分析笔记》这个月通过我的联系电话共销售了100本。每本利润20元。 现在，我两个条件都知道了。 1百度竞价的广告投入是5000元/月。 2百度竞价每月给我带来的回报是2000元。 百度竞价ROI=2000元/5000元×100%=40% 说明一下：投资回报率=100%的时候说明投入与回报持平，就是不赔也不赚。上面40%的情况说明我只收回了投资的一半。另外一多半（60%）打水 漂了。而实际情况可能会更惨，因为有我联系电话的页面不只会被百度竞价的访客看到，也会被来自google和其途径的访客看到。并打电话购买。而我的联系 电话也会有很多人知道，可能是我的线下朋友把《蓝鲸网站分析笔记》推荐给了同事并留下联系电话。这些又进一步造成了对回报统计的不准确。（实际情况可能比 40%还要低。） 为了更准确的统计百度竞价的投资回报率，需要对第二个条件进行细分。将通过投入带来的回报与正常的回报区分开。最简单的方法就是为百度竞价单独建立 一个页面，这个页面唯一的入口就是百度竞价。并在页面上放置一个唯一电话号码（联系电话B）。这样统计出的效果会比之前更准确一些。（其实还会有差异，比 如访问者点击广告后看到页面信息，但当时没有购买，过后又通过google搜索另一个关键词找到联系方式，并最终购买。） 为什么使用Google Analytics监测 看样子我们已经成功计算出了百度竞价的ROI，为何还要使用Google Analytics呢？因为 计算ROI只是第一步，我们的目标是提高ROI。按照上面的方法我们只知道百度竞价两端的数据（投入和回报）并计算出整体的投资回报率，但无法对其进行优 化，也就无法提高ROI。（提高ROI一共有三种方法，文章结尾会提到。） 并且在实际的操作过程中情况会更加复杂，我们不只购买一个关键词，而是会购买很多关键词，这些关键词的属性各异，并指向不同的页面。而访问者在点击 了百度竞价后的行为也是千奇百怪。我们需要有强大的工具来帮助监测不同关键词，不同页面和不同访问者的表现。充分掌握中间的浏览，停留，转化等等过程。这 样我们才有可能提高广告的投资回报率。 … Continue reading
网站分析的十大误区及候补（一）
【导读】网站分析仍然很新，很新，因此，我们对她的认识可能存在种种偏差。这篇文章总结了在我的工作中发现的种种容易出现的对网站分析认识上的误区。 【正文】 作为一门新兴的科学，网站分析博得了很多的好奇，但好奇背后，人们也为她注入了各种想象，有些想象经过反复的传播和放大，成为被普遍接受的“真 理”，如同人们认为我们可敬的Michael Jackson是漂白了自己的皮肤一样。但是，这些想象却实际上令我们陷入误区。 尽管这些误区，并不是雷区，并不会让我们踩上去就全盘皆输，但有时候，却仍然会让我们限于迷糊不清的境地，而妨碍我们对真知的获取。我们有必要 排除它们。 误区一：网站分析就是对网站进行的分析 这是一个同义反复，本质上它并没有什么错误，但是它却会让人糊涂，而最终完全误解网站分析的真正含义。 这是一个最需要被澄清的领域，你想要研究人类的爱情，那么你该先把爱情定义清楚，以及，她跟友情有什么不同。你喜欢网站分析，那么你也应该搞清 楚网站分析到底是什么。 宏观上的网站分析实际上分为两类，一类被称为网站内的网站分析（On-site web analytics，或称基于网站自身的分析），简单讲，这种网站分析是衡量网站上用户的访问行为的，例如，哪一种用户的登陆页面（landing page）更能够促进访问者进行购买，或是哪一种来源（例如搜索引擎或是显示广告）的访问者在网站上的访问行为有什么区别。对于用户行为的网站内分析通常 都会和具体的商业环境相结合，也会以促进网站的商业效果为导向。 另外一类被称为网站外的网站分析（Off-site web analytics），实际上是指在整个互联网的环境中，对竞争对手网站的分析，以及对互联网传播和营销效果的衡量和分析。前者即是对竞争对手的流量来 源、流量的质量、网站策略、用户行为等方面的研究和对比。后者则包括对互联网营销潜在受众的定位、跟踪和分析，以发现机会；也包括对传播对象在互联网上曝 光已经受众认知情况的追踪。当然，网友的口碑（Internet Word of Mouth，简称IWOM）监测与分析以及竞争分析也是这个领域要包括的内容。可以看到，off-site web analytics和on-site web anlytics是有明显差异的，前者是衡量自身网站之外的整个互联网，而后者则是分析自身网站。 即使是On-site web analytics从过程上看同样不是“对网站进行分析”一句话那么简单，事实上，作为网站分析是一个持续的过程，它起始于对网站的诞生，结束于网站的消 失，贯穿整个网站生命周期的始终。网站分析的具体内容具体包括：对网站目标的设定、对网站访问数据的监测、对访问者行为的追踪、对网站访问者意图的分析、 对网站各种表现原因的总结、对网站优化提出的建议以及对优化建议所进行的测试。这个过程是周而复始的，如果要用一个烂俗却精确的表达来形容网站分析，那么 “螺旋上升”是最贴切的。 我们往往认为网站分析只包括对网站访问数据的监测和对访问者行为的追踪，但其他内容同样重要，甚至更加重要。 误区二：网站分析并不重要 网站分析是否重要，一方面取决于你对网站的态度，另一方面则在于网站分析到底能够实现什么。 从态度上讲，如果网站在你的营销组合中的地位并不显著，那么网站分析也并无意义；但是如果你倚赖网站为你带来更多的销售额或者更多的关注，那么 网站分析就会非常重要。 这个重要性在于，通过网站分析，你能优化你的网站使之更好地实现商业目的，这就是网站分析的终极价值。具体则包括优化网站结构和页面质量、优化 … Continue reading
使用Google Analytics细分网站流量2—分割频道流量
本篇将深入“网站的轮廓数据”，从不同子域（频道）的维度对网站的各个度量进行细分。这里会用到Google Analytics的高级过滤器功能（也可以使用高级群众功能来分割数据，两个功能各有利弊。）同时也会解答之前的一个问题，为什么页面代码内的相对 URL地址会造成内容报告的数据混乱。 先来模拟一个场景，假设我有一个网站http://bluewhale.cc/ 里面有两个子域（频道）分别是http://s1.bluewhale.cc和http://s2.bluewhale.cc从整体数据上看网站的表现是 这样的。 Name Avg. Time on Site Bounce Rate www..bluewhale.cc 00:01:42 53.04% 通过和Google Analytics提供的基准数据对比发现，我网站的跳出率要高于行业同类网站的平均水平。（高了19.73%，不少的差距呢。） 53.04%代表全站（每个页面，每个流量来源，每个关键词）的平均跳出率。就是我们说的“网站轮廓数据”。现在要想办法降低网站的跳出率。从哪里 下手呢？我的方法是打破这个平均数，把流量按子域（频道）进行分割，找出每个子域（频道）在跳出率上的表现。 分割流量的方法是将不同子域（频道）的流量放在不同的配置文件中。这样就可以为每个子域（频道）都生成一个独立的报告。获得子域的独立数据。模拟场 景中我的网站有两个子域，所以要新建两个配置文件。 建立重复配置文件 在Google analytics里一个网站默认只有一个配置文件。重复配置文件是把一个网站的数据同时发送到另一个配置文件中，并且这两个报告的内容完全一样。为什么 要创建两个一样内容的配置文件呢？请继续往下看。 创建重复配置文件的具体步骤是，在网站配置文件页选择增加新的配置文件，在创建新网站配置文件时选择为 现有域添加配置文件。这个新配置文件是我们用来报告子域数据的，所以在配置文件名称中输入子域的名称或频道名称，并标明建立的时间。同 样的方法再为S2子域新建一个配置文件。 现在我的网站配置文件界面中应该有三个配置文件，主域的配置文件和两个子域的配置文件。新建的两个重复配置文件需要几个小时才会有数据显示。我们利 用这个时间来进行下一步操作。 为报告中的URL增加域信息 利用这个时间我们创建几个过滤器来分割不同子域（频道）的流量。Google analytics在默认的内容报告中会省略掉域信息，只显示URL路径和文件名信息。这在没有子域的情况下没有问题，但现在有两个问题： 1不同的子域（频道）中可能会存在路径或者文件重名的情况，这时候Google analytics会将流量混淆。 比如： http://bluewhale.cc/index.html http://s1.bluewhale.cc/index.html http://s2.bluewhale.cc/index.html … Continue reading
使用Google Analytics细分网站流量1—为什么要细分
在前面的文章里，我们了解了Google analytics中基本度量的定义和计算方法。解决了报告中常见的数据混乱问题。那么我们可以利用这些数据开始分析网站了吗？现在还不行。就像网站的流 量分为三种来源并且属性各不相同一样。网站里的流量也各有差别。 为什么要进行流量细分？ 报告中的数据是网站的综合情况。它将不同页面类型，不同内容和不同属性的用户流量综合在一起报告给我们。就像是网站的一个轮廓。而你的网站可能有多 个频道。访问者在不同的频道里行为也不一样。比如在文章频道可能停留时间会长一些，但PV会低一些。而在下载频道可能停留时间会变短，但PV会提高。就算 是结构简单的网站。（比如我的博客）新用户和老用户的行为也是不同的。我们需要获得更详细的数据。才可以对不同属性的流量进行正确的判断。而获得详细数据 的方法就是将网站的流量进行细分。所以，无论是从用户还是从网站的角度，流量细分都是很重要的。 流量细分的好处 1避免产生采样数据 Google analytics里有一个数据采样机制，在你选择的报告时间范围内，如果网站被访问的次数超过500,000 次，google就会进行采样，并在报告中显示采样数据。在采样数据的表格中显示的是估算值，而当数据量不足时，就可能无法生成准确的估算值。 流量细分后并不能完全避免采样数据的问题，但可以大幅减少采样数据。因为和整站的综合数据相比，在同样时间范围的报告中细分报告只会显示单一群体 （单一用户群或单一频道）的流量。（比如：将访问者细分为注册用户和非注册用户后，在查看注册用户的报告时非注册用户的访问次数将不会被计算在内。） 2避免平均数陷阱 报告中提供的一些数据是整个网站的平均值，比如：平均网站停留时间，平均综合浏览量，跳出率等等。这些平均值准确吗？ 举个简单的例子说明一下这些平均值的计算方法： 注册用户A在网站停留了19秒。 非注册用户B在网站停留了1秒。 平均网站停留时间是10秒。 只看平均网站停留时间的话效果还可以。但如果将两组用户分开看就会发现两组数据有天壤之别。我们被平均值迷惑了。 左图中是同一个网站进行流量细分后的平均网站停留时间和跳出率数据。（每行代表不同的用户或频道。）很明细第一行的数据表现较好，而第三行的数据表 现较差。而我们在查看整个网站数据时是无法发现的。 3增加细分目标 细分流量后，我们还可以对不同的流量单独设定目标。比如可以 把注册行为设置成非注册用户的目标，把发布信息设置成注册用户的目标。也可以针对不同的频道内容对频道内的用户设置目标。比如把上传和下载资料设置成资源 频道的目标。把发帖和回帖设置成讨论组里的目标。 这样做的好处是我们的目标转化率更加准确，不会被其他频道的流量影响。 举个例子来说： 目标转化率=目标完成次数/总访问次数。 假设网站有一个目标在A频道，而网站有A和B两个频道，在没有进行流量细分的时候，总访问次数（分母）就是A+B的总访问次数。这时候B频道访问次 数的增减都会对目标转化率的计算有影响。而在细分流量之后。总访问次数变成了A频道的访问次数。还有一个问题就是B频道的访问者可能根本没来过A频道。无 法被转化也很正常。 4深度洞察数据 细分后的数据可以让我们更深入的了解网站不同区域的情况。看一下网站内容报告。在最受欢迎页面的报告中几乎总是那几个排在前面。这说明什么？其他页 面都不如这几个页面的表现好吗？当我们将流量细分后可以看到每个频道中最受欢迎的页面。他们都是各自频道中表现最好的。但放在整个网站范围内就被淹没了。 说了这么多了，究竟该如何来实施呢。别急，后面几篇我会详细介绍。 ——【所有文章及图片版权归 蓝鲸（王彦平）所有。欢迎转载，但请注明转自“蓝鲸网站分析博客”。】——
电子商务网站分析要关注些什么（上）
【前言】有很多朋友问我电子商务网站分析应该做哪些方面的内容，我一直认为这是一个回答容易，认识不易，而实施更难的问题。这篇文章，我想跟所有做电子商 务的朋友探讨，我们应该关注电子商务网站分析的什么领域，以及应该如何去关注。 这个话题很大，分为上下两篇带给朋友们。 【正文】 中国的互联网从来不乏创新，但更不乏抑制创新，所以我们看不到太多的Web2.0疯 狂，也见不到SNS的蓬勃兴旺，但是还好，由中国无比强大的制造业托高的电子商务却方兴未艾，不断创造业界奇迹。（我的新浪围脖请点击：http://t.sina.com.cn/webanalytics ） 电子商务火热，客观上也让网站分析的需求激增，无论是出于何种目的，例如希望获得更多潜在客户，或是希望压缩成本，又或是希望提升用户体验，网 站分析都因此被关注。 这是机遇，也是挑战，挑战在于当没有行车经验就上路的时候，预期的便捷性会成为事故或是灾难。网站分析到了电子商务的层面，要求的确是很高了，我们 需要知道我们要什么，以及我们为此要做什么。 从业务需求开始 我的朋友Zhe Liu，2009年末开始经营一家日常生活用品的电子商务网站，这是一个新的网站，他需要大量的获取流量（Acquisition），但他也担心这些流量 毫无价值。“这里充斥着垃圾流量”，他说：“我应该怎样买到真正有价值的流量呢？”一个典型的电子商务网络营销需求，网站分析显然应该 注意到。 还有朋友问我，我应该怎样增加访问者购买商品的比例？一个典型的转化需求，由很多方面决定和影响，这跟网站分析有关吗？ 还有一个朋友William问我，如何选择商品的品类——找到那些真正有利润也有市场的商品？这也是典型的业务需求，网站分析能帮忙吗？ 等等等等……，不一而足 在中国，在世界大多数地方，网站分析是被老板牵着鼻子走的，所以网站分析的从业者总是很“鼻酸”与“眼红”。我们不是做网站分析，我们只是在做 网站数据；我们的输出不是见解，只是报告；我们远离决策中心，然后堂而皇之的给自己扣上一个帽子叫“BI”。 回到业务，回到业务，回到业务！ 我总结了电子商务网站最常见的几种业务需求： 1. 市场推广方式是否有效，以及能否进一步提效； 2. 访问网站的用户是否是目标用户，哪种渠道获取的用户更有价值（跟第一个需求有交集也有不同）； 3. 用户对网站的感觉是好还是不好，除了商品本身之外的哪些因素影响用户的感觉； 4. 除了撒谎外，什么样的商业手段能够帮助说服客户购买； 5. 从什么地方能够进一步节约成本； 6. 新的市场机会在哪里，哪些未上架的商品能够带来新的收入增长。 这些根本性的业务需求每天都会被网站管理层以各种各样的方式提出，如果网站分析不能围绕这些问题进行，那么任何分析的努力都不过是隔靴搔痒，价 值低迷。 所以，当你被你的老板brief一个数据统计（分析）需求的时候，最好能够问一下自己，它背后的业务需求是什么。这个思维方式能让你把工作干得 更好。 在这篇博客的最后，我有一个调研问卷，请大家告诉我电子商务网站最关注的分析和研究需求是什么。 … Continue reading