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。
» Read more..
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。
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 Analytics用户名和密码。就可以了。
按照官方的说明，软件不提供隐私方面的保证，同时也不会存储用户的帐户和密码信息，如果不信的话可以查看软件的源代码。
成功登录后就可以开始导出数据了，首先选中你要生成数据报表的起始单元格。然后选择导出数据按钮，在弹出的窗口中会列出你有浏览权限的所有帐户的配 置文件。选择要导出数据的配置文件，依次选择日期范围，维度和指标。也可以为要导出的数据添加过滤器。设置好后点击执行就可以了。
顶部的Start index和Max results分别可以限制倒数数据的起始位置和导出数据条数。Start index的默认值是0，每次导出数据都将从第一条开始。 Max results的默认值是10000，每次导出数据上限是1万条。（Google Analytics API限制）
如果只希望导出10条数据，需要把Max results值改为10.
如果希望导出2万条数据，需要先按默认值导出一次，第二次把Start index值改为10001，Max results值改为20000就可以了。
使用Excellent Analytics更新数据：一键更新数据是Excellent Analytics的一个最大亮点！很多时候我们的报表模板是统一的，只需要按周期更新里面的数据。这时你可以先用Excellent Analytics创建报表并保存，需要更新数据时重新打开文件，连通你的Google Analytics帐户。选中需要更新的报表标题。点击更新数据按钮。这时你会发现上次的设置都被保存了。只需要重新选择日期访问就可以更新报表数据了。
1 如果在Excellent Analytics的登陆框内三次输错密码就需要打开Google Analytics登录页进行登录了，因为三次密码错误后Google Analytics会要求输入验证码。
2 使用Excellent Analytics一次导出大量数据时会比较慢，有时会造成Excel无响应或是对这个软件的警告提示。直接忽略就可以了。
3 导出数据时，有些维度和指标的组合是无效的。需要自己判断。
4 Excellent Analytics没有错误提示，即使选择了无效的组合或是配置文件内数据为空。Excellent Analytics也不会有任何提示。结果就是数据导出为空。遇到这种情况需要自己多检查一下。
总之，Excellent Analytics是一个非常优秀的Google Analytics数据导出工具，并且是免费的。
——【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”。】——
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。
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。）
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。
区分来自百度竞价关键词的流量：
首先通过工具网址构建器对百度竞价的关键词进行标记。具体的标记方法参考我的前一篇文章：Google Analytics追踪不同渠道的广告流量
通过工具网站构建器为每个关键词创建了带有标记的独特访问链接。这些链接是唯一的，用来追踪百度竞价关键词的效果。
http://bluewhale.cc/?utm_source=baidu&utm_medium=cpc&utm_term=%E8%93%9D%E9%B2%B8%E7%BD%91%E7%AB%99%E5%88%86%E6%9E%90%E7%AC%94%E8%AE%B0&utm_campaign=baidu_cpc20100405
PS：百度竞价专业版（凤巢）让我们很难对每个关键词都进行精确的追踪。所以要先确定好要追踪的范围：是推广计划，推广单元，还关键词。追踪推广单 元是最简单的。但数据会很模糊。而如果对关键词进行逐个追踪在设置上会比较麻烦。需要对每个关键词单独建立一个推广单元。但在后面的细分环节对ROI的提 高很有帮助。这个可以视具体情况而定。
将添加标记的链接加入到百度竞价的访问URL里。当访问者点击这个链接后，我们就可以知道，他是来自百度竞价，并点击了“蓝鲸网站分析笔记”关键词 的访客。
同时，还需要对百度竞价建立单独的页面。这个页面只有通过百度竞价可以访问到，并且在页面上留有唯一的联系电话。这样就可以将这个联系电话产生的回 报与链接到此页面的百度竞价关键词进行有效的关联了。避免与其他渠道的访客混淆。
如果你的网站是在线提交订单或者可以计算出访问回报概率的话，可以使用Google Analytics的创建目标功能。通过建立目标价值和每次访问价值可以很方便的看到推广的效果。并计算ROI。具体的实施方法参考这篇文章：Google Analytics功能篇—目标和渠道
百度竞价的回报是由很多关键词产生的。在文章开始的例子里，我们计算出的ROI是百度竞价的整体表现。如果要提高整体ROI，需要对里面的每部分进 行细分。细分的深度和之前确定的追踪范围有关。如果是按关键词进行追踪的，那么我们可以细分到所购买的每个关键词的ROI
百度竞价ROI=网站获得的回报/百度竞价总投入×100%
百度竞价推广计划ROI=推广计划产生的回报/推广计划总投入×100%
百度竞价推广单元ROI=推广单元产生的回报/推广单元总投入×100%
百度竞价关键词ROI=关键词产生的回报/关键词总投入×100%
细分到关键词深度时，根据不同关键词的投资回报率数据，可以对关键词进行优化。当发现投资回报率很低的关键字，可以结合关键词的点击量，相同入口页 面的其他关键词表现，Google Analytics报告中的停留时间，跳出率等数据综合分析。决定是否继续购买这个关键词。
增加对高ROI关键词的投入
通过把低投资回报率关键词的投入，增加到高投资回报率关键词上，在同等投入的情况下可以提高百度竞价的整体ROI。
假设1万元广告预算，同时购买两个关键词，获得回报8000元（ROI=80%）
关键词1：蓝鲸网站分析笔记 ROI=2000元/5000元×100%=40%
关键词2: 蓝鲸的Web Analytics笔记 ROI=6000元/5000元×100%=120%
同样1万元的广告预算：单独购买关键词2，获得的回报12000元（ROI=120%）
关键词2: 蓝鲸的Web Analytics笔记 10000元×120%ROI=12000 元
提高登录页面转化率
优化现有百度竞价关键词的登录页面，提高访问者的转化率。在同等投入，同等访客数量的情况下提高整体ROI。
假设1万元广告预算，3000名访客。转化率20%。 每位访客回报20元。共计12000元。
ROI=（3000×20%×20）/10000=120%
当转化率提高5%后：
同样1万元广告预算，转化率25%，每位访客回报20 元。共计15000元。
ROI=（3000×25%×20）/10000=150%
提高每位访客的回报价值
通过增加每位独立访客产生的回报，在同等投入，同等访客数量的情况下来提高整体ROI。
假设1万元广告预算，3000名访客。转化率20%。每位访客回报20 元。共计12000元。
ROI=（3000×20%×20）/10000=120%
同样1万元广告预算，3000名访客。转化率20%。每位访客回报30 元。共计18000元。
ROI=（3000×20%×30）/10000=180%
——【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”。】——
【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。
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。
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 流量来源、增强用户体验和满意度，以及提升最终转化。
当然，通过别的方式也能够帮助或直接或间接地实现上面的价值，但网站分析特别的价值在于：
1. 网站分析实现了一种完全透明的观察用户的环境；用户访问网站的行为通过网站分析能够全部被记录并被原样重现（复刻），这就如同银行中的监控摄像头，一览无 余，一清二楚。
2. 网站分析实现了通过定量手段来研究定性问题，这使通过模型来分析网站访问者的行为和意图成为可能，并为进行各种有价值的测试创造了可能性。
3. 网站分析是基于细分流量的，因此，网站分析能够实现对网站各种流量的深度评估，并通过评估结果优化网站的流量获取方式。
一句话，如果你希望网站按照你的希望赢得（搞定）访问者，那么你需要网站分析。
网站分析和SEO有共同之处，那就是二者都是用于优化网站表现的。但是不同之处也很显著，就是他们的目的和手段均不一样。
每一次当有朋友问我，我都很简单的解释：
从几个角度我们来看看区别：
1. 从流量本身的角度看：网站分析不直接帮助获取更多的流量（尽管网站用户体验不断提升，流量确实会不断增加），而SEO是一种高质量的网站营销方式，能够帮 助获得针对性的有价值的流量。
2. 从优化方式上：网站分析对于网站的优化偏重于引导（甚至诱导）访问者，以促使访问者完成网站所有者所期望的行为；SEO对于网站的优化偏重于引导搜索引 擎，以促使搜索引擎更全面、更深入、更准确的爬取网站内容（关键词），并为网站的内容设置更高关键词权重，以促使更多的搜索引擎用户进入网站。
3. 从实现的结果看：SEO帮助网站获得高质量的相关性强的流量，网站分析帮助把网站的流量转化成实实在在的用户或购买者。
你可以认为，SEO更多是通过优化网站而获得更好的流量（负责前端）；而网站分析是通过优化网站实现更多的商业转化（负责后端）。总体看，更好 的流量能放大网站的商业价值（SEO的作用），而流量更好的转化则更直接为网站创造价值（网站分析的作用）。
另一个常见的网站分析的误区在于，网站本身的优化目标有太多。网站通常只实现一个核心商业目的，但是，围绕核心商业目的的实现，可能涉及到网站 的很多方面。以电子商务网站为例，这类网站最终的目标是增加成交量，以带来更多收入。但为了实现这一点，网站上需要下的功夫就很多了，例如要考虑增加网站 流量，同时又要增加网站流量的质量，还要优化网站结构和页面以提升用户体验，还要想方设法促进用户的转化等等。所有这些都是很有意义的，但是当这些事情同 时被不加优先级的处理的时候，问题就会出现。
出现问题的症状通常是忙乱和错失真正的优化需求。尽管从表明上看，同时在各个方面进行优化是可能的，但是实际可操作性很小。网站优化的目标越 多，KPI越多，而这些KPI的表现经常是摁下了葫芦起了瓢，它们不会同时晴或者同时雨，结果造成思维和执行的紊乱，并最终错失真正需要关注的目标。
一个网站可能有很多问题，但是对业务表现（业绩）影响最为显著的，一般只有一个或者两个问题，你需要做的是一定要找到这一两个问题所在，然后关 注一个或者两个相应的KPI，而把其他数据和变量作为参考。在中国这是可行的，否则我们会从没有信息的烦恼一下子跨入信息过剩的痛苦，二者都不会为你带来 最有效的优化行动。
慢慢来，网站分析不会让你一口吃个大胖子，但会让你持续强壮。
答案是不需要。网站分析不需要你掌握太多的统计学知识，因为网站分析不是统计，也不是复杂的数据挖掘。
是不是很吃惊？
网站分析的对象是访问者及其行为，尽管访问者和行为是用数据来表现的，但是更重要的是这些数据所关联的属性，例如动作属性、时间属性、页面/内 容属性、人口学属性、地域属性、流量来源属性等等。数据本身被关联上了属性后，被称为metric（度量），我们分析的对象正是一个个的metric。获 得这些metric，有趣的是，确实是需要做大量的统计学工作的，可是幸运的是，网站分析工具按照预定的模型和算法为我们做了这一切，然后直接输出给我们 我们需要的数据。因此，网站分析不需要太多数据统计的原因在于，99%的数据统计工作网站分析都代劳了。
不过，并不是说网站分析并不需要统计学的方法，在A/B测试和多变量测试的时候，关注统计学意义就会很重要，同样，在进行一些高级的对比和趋势 分析的时候，统计学的方法可能也需要采用，例如聚类和回归。但总体而言，统计学知识绝不是挡在网站分析学习之路上的绊脚石。
（待续……）
[版权归Sidney Song（宋 星）所有，欢 迎转载，但请事先告知作者并注明出处]
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。
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。
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
在内容报告中会把三个域的流量归为一条记录（因为默认情况下会忽略掉URL的域信息），显示为/index.html或/。这也是造成数据混乱的一 个原因，前面的系列漏掉了，这里补上。
2我们需要完整的URL来分割不同子域（频道）的流量。
直接过滤不同子域的名称是最方便的方法。这样可以避免URL中不同的路径名称及重复路径和重复文件名造成的问题。
为URL增加域信息需要用到高级过滤器功能。原理是根据页面所在的域把/index.htm修改为www.bluewhale.cc /index.html或者s1.bluewhale.cc/index.html 具体的实施方法是进入任意一个配置文件的编辑界面，在添加过滤器里选择自定义过滤器里的高级。然后按下面的方法设置。
在高级过滤器中输入以下内容：
字段A -> 提取A 主机名 (.*)
字段B -> 提取B 请求URI (.*)
输出至 -> 构造器 请求URI /$A1$B1
设置完毕后分别进入另外两个配置文件的编辑界面，在添加过滤器选项里选择将现有过滤器应用到配置文件，分别对两个配置文件添加刚才创建的高级过滤 器。这一步很重要，如果子域的URL数据没有域信息，后面的频道流量分割将会失败。
准备工作都已经完成了，现在开始分割不同子域（频道）的流量。还记得刚才新增加的两个重复配置文件吗。现在对两个重复配置文件分别创建包含过滤器， 使用URL中的域信息来过滤不同子域的流量。使这两个重复配置文件变成含有不同子域（频道）数据的配置文件。
编辑名字是s1.bluewhale.cc_20100304的配置文件，选择自定义过滤器的包 含。在过滤字段内选择请求URL，在过滤字段里用正则表达式输入子域信息。不要区 分大小写。最后把这个过滤器命名为S1频道。
同样的方法在s2.bluewhale.cc_20100304的重复配置文件内创建S2频道过滤器。刚才新建的两个重复配置文件现在已经变成了子 域配置文件了。
PS：过滤器只对设置后新产生的数据有效。并不会过滤之前已存在的数据。我已在创建配置文件时标注了日期，所以在过滤器名称里不用再次标注。
现在来对比一下不同子域（频道）和主域（网站）的数据差别：
| Name | Avg. Time on Site | Bounce Rate |
| www..bluewhale.cc | 00:01:42 | 53.04% |
| S1.bluewhale.cc_20100304 | 00:03:03 | 30.02% |
| S2.bluewhale.cc_20100304 | 00:00:16 | 64.10% |
我们发现S2频道的跳出率高于网站的平均水平。而S1频道的跳出率则低于网站和行业的平均水平。是S2频道拉高了全站的跳出率水平。如果要想降低网 站的跳出率，我们要针对S2频道做点工作了。
最后来说明之前的一个问题，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。这也是我在工作中碰到过的一个问题。
先来简单介绍下URL：
这是我博客上的一个URL地址
http://bluewhale.cc/2010-02-24/google-analytics-contents-report.html
由三部分组成：协议类型，主机名和路径及文件名。
http://是协议类型
bluewhale.cc/是主机名
2010-02-24/是路径
google-analytics-contents-report.html是文件名
URL分为绝对URL和相对URL：
绝对URL：http://bluewhale.cc/2010-02-24/google-analytics-contents- report.html
绝对URL包含协议类型，主机名和路径及文件名所 有组成部分。
相对URL：2010-02-24/google-analytics-contents-report.html
相对URL指向的网页是相对于当前网页的，所以称为相对 URL。相对URL可以不包含头部的协议类型和主机名。当用户点击链接时浏览器会根据当前网页的相应部分自动将URL补充完整。
举个例子说明一下，我的网站上有三个域：
http://bluewhale.cc
http://s1.bluewhale.cc
http://s2.bluewhale.cc
现在http://bluewhale.cc上有个页面，地址是http://bluewhale.cc/abc.html。我在S1和S2子域的 页面内分别用相对URL指向这个页面 /abc.html，当用户点击页面链接后。浏览器根据当前页面情况将相对URL补全。S1子域的完整URL是http: //s1.bluewhale.cc/abc.html ，而S2子域的完整URL是http://s2.bluewhale.cc/abc.html这明显是不正确的。Google analytics通过记录页面地址栏里的URL信息来组织并生成内容报告。在我们对不同子域的流量进行分割后，刚才设置的过滤器会根据URL的域信息来 判断流量应该属于哪个域（配置文件）。所以建议将所有页面内的URL改为绝对URL。避免出现这种问题。
——【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”。】——
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。
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。
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”。】——
AIDAS最初是由刘易斯（Lewis）提出的， 原理是用来说明广告对消费者产生的不同作用，以漏斗形式展现 了以下五个阶段：
Attention （引起关注）：
能否引起关注往往就在秒毫之间，所以我们一般通过大标题，再配上一个副大图片吸引访问者的注意，有投放过adsense或者其他广告联盟的站长也知 道，这种方式往往也是最有效的，点击率是最高。
Interest（产生兴趣）
告诉消费者购买该产品的能给你带来的利益和好处，这样消费者才会很乐意的购买你的产品。
Desire（引发购买欲）
能够引起消费者购买欲望的就是消费者需要该产品；让消费者知道该产品可以很好地解决他的问题，满足他的欲望。
Action（促进购买行为）
当消费者打算购买商品的时候，那么你就要告诉他怎么购买，购买流程是怎样。提供清晰可靠的Call on action（这里有解释），将注册，购物流程和网站的交互尽量 最简化。
Satisfaction（获得满足 感）
虽然满足感无法直接地提高转化率，但对你的整盘生意至关重要。获得一个新用户的成本是维持一个老用户的成本的2～6倍，在获得良好口碑的同时，可以 让一个用户不断地回头购买你的商品，而且该用户会向他的朋友推荐你的商品。
下面是一个很好的利用AIDAS原理的案例：http://www.missionbicycle.com/
1.Attention:一副大图片足够吸引访问者的关注
2.Interest：一个大标题告诉访问者为什么你需要这个自行车，这个自行车可以让你达到什么预期。
3.Desire：橱窗上摆设最近生产设计的自行车和优势介绍刺激访问者的点击消费欲望。
4.Action：当访问者想购买了，一个显眼的购买按钮显得十分重要。我自己在做某游戏联盟推广的时候，曾经 故意将突出一个“立即注册”的按钮和不突出这个按钮做比较，转化率差10%以上。提醒访问者，这里是购买按钮，免得别人找了老半天要找不到支付，流失了客 户。
5.Satisfaction: 在网站的左侧有Feedback的按钮(为了方便截图，我将该按钮移动了），用户可以反馈，咨询，而且点击feedback之后还可以让访问者看到最近顾 客对产品的评价。
注意是达到广告诉求的第一步，对于广告人员来说，搞清楚人们如何注意，怎样引起人们的注意，有莫大的价值。同理，电子商务网站更加有必要遵循 AIDAS原理，让用户在浏览的过程中，从关注到购买到满足，在设计的细节上达到增大刺激物的强度和提高刺激物的感染力，从而提升网站的转化率和顾客忠诚 度。
参考文章：Increase Conversions With an Old Sales Model 和 AIDAS原理 ，转载请注明来自money’s blog，原文地址：http://www.moneyding.cn/post/1022.html
让用户和你的内容产生 互动可以产生销售、订阅、标书签和回访。提高读者的参与度最好的方法之一是确保你的网站链接的是相关联的内容，并且将它们以一种能鼓励用户点击的方式显示 出来。
通常用来衡量访客参与度的是跳出率， 它是指那些进了登陆页面后就离开的访客的数量百分比，这些访客登录后没有查看其他的页面就“跳出”了。你可以使用像Google Analytics那样的统计工具很容易地算出网站的跳出率。
较低的跳出率就表示访客更深入地探索 了你的网站，这也可以推断出，访客们和你的内容参与度很高。雅各布尼尔森在他的一篇文章中提到，跳出率仍然是一个重要指标。
由于跳出率越来越高，我们必须停止将 “独立的访客”作为度量网站成功性的指标。那些立即离开网站的访客会增加独立的访客数，但对长期价值没有作用。相反，跳出量应被视为负面的统计：该网站没 有足够地诱惑他们参与进来——哪怕是一秒钟的页面浏览都没有。
尼 尔森提议，跳出率必须分开分析，因为主要有四种不同的用户来源：低价值的引荐、其他网站的直接链接、搜索引擎和忠实的用户。其原因很简单：由于访客的需求 不同，所以他们与你的网站的关联性也就不同了
忠诚用户可以通过供稿阅读器（为 了方便地读取RSS和Atom文档） 访问你的网站，并在阅读了一篇新的文章之后就退出去了，因为他忙着去阅读其他更多的内容了。对知识非常渴望的用户会通过搜索引擎来访问你的网站，并且很容 易会被诱使到处点击看看。一个闲逛的访客在浏览像StumbleUpon那样的社交渠道时会打开你 的某个页面的。
需要注意的一点是，跳出率会由于来源 的不同而有所不同，因此，应该根据以往类似的数据来进行对比分析。例如，搜索引擎推介的效果应该是根据以往的跳出率来进行衡量，而不是根据另一个访客来源 （比如Digg）来衡量。
1、 根据网站整体目标来测量跳出率
通 过不同的访客来源来比较跳出率的话，能够显示出你所获得的流量价值。较低的跳出率会产生购买、订阅或回访，这样有助于帮你找到最好的流量来源。需要注意的 是，最终要根据网站的整体目标来确定每个来源的跳出率。
除了访问来源，还有一些问题会影响跳 出率。例如你建网站的目的、当前的设计等。很难确定一个尺度作为衡量跳出率的标准，但分析专家阿维纳什考希克却提供了一些很好的建议：
跳出率是一种指标，在很多网站的分析 工具上都会很容易地看到的。它不会回答你所有的问题，但它会快速地帮助你把精力集中在重要的事情上、显示你在哪里浪费了金钱以及网站上的哪些内容需要重新 审查。以我个人这么多年的亲身经验来看，很难获得低于20％的跳出率的，超过35％就需要关注了，而超过50％就令人担忧了。
阿维纳什说，博客和其他的静态的网站 是有那么一点区别的，对博客来说，50%的跳出率是很正常的，75%的跳出率才需要关注一下。
指标是有用的，其重要性不仅仅在于能 查出跳出率，还在于对某个具体目标的影响（比如转化率）。你无法确定你的竞争对手或同行的跳出率，所以你需要把重点放在自己的网站的过往成绩上，并研究趋 势以区别访客的模式。
低的跳出率会产生更多的购买或订阅 吗？哪种类型的访客会产生较高的跳出率呢？能够通过控制页面上的要素（比如链接的位置）来改变这个形势吗？你的高流量页面是哪些？访客如何从这些高流量的 页面转移到网站上其他的页面上呢？下面介绍一些改善方法。
2、 改善跳出率，获得更多页面浏览量
每个网站都有它自己的目标和要求，所 以这里不会对每种情况详细说明，只谈一谈总体策略。首先，可视的事物对访客的跳出率影响是很大的，如果他们遇到了很相关联的链接、行动呼吁或信息的话，他 们就更可能点击其他的页面的。
优化网页，然后将网页连接到一个整体 上，这不仅能为忠实的读者增值，也能为那些通过推介网站或搜索引擎而访问的访客增值。假设你的访客们对你的网站一无所知，假设他们想要知道更多的信息，那 就要使导航点便于利用，在内容周围添加上合适的链接。
尼尔森提出了一种能降低跳出率的方 案：
对一组用户进行测试。让 他们从某个特定的网页登录你的网站，然后根据他们的体验获得反馈。这样能有助你想到改善的方法的。
公开下一步措施。如 果访客们对当前的页面感兴趣的话，就让他们采取行动。在副本下方或内容里面添加更多的链接，让访客获得更多的信息。
很多方法可以定位你的访客，最重要的 一点原则就是使链接高度可视化并且和当前的页面相关联。让我们来看看BBC（英国广播公司）新闻网 站，我一直都很钦佩它出色的互联互通的做法。下面是一个单独故事页面的屏幕快照，注意看看侧边栏的链接：
screen.width*0.5) { this.width=body.offsetWidth*0.5; }”>
对于出版商而言，BBC的内容模型展示出了页面是如何可以很好地集成到一个团结的整体的，从而鼓励用户从登陆页跳到到另一个页面 上。通过这两个例子，你就能看出，内容制造者可以包括许多额外的链接：
l 经 过深入分析的专题文章的链接
l 同 一个话题但不同文章的链接
l 只处理某个特定话题的专用推介页面的链接
l 用来邀请读者参与的评论板块/论坛的链接
l 幕后故事或背景信息的链接
l 多媒体演示（音频或视频）的链接
你也可以为其他的静态网站做这些，只 要记住，主要目的是要创建网页，能让用户持续从初始的登录页面转移到网站上的其他部分，以满足他们的兴趣和需求。
为了达到最好的效果，你应该定期地分 析你的跳出率，同时也要研究你的竞争对手并一组用户测试进行，等积累了一定的数据之后，将你的网站进行改造，看看跳出率是否得到了改善，确定一下是什么影 响了你的目标，有必要的话，就做一些修改。
如 果你之前都没有在意跳出率的话，那么从现在开始就行动起来吧，这能帮你显著改善你的网站的。
版权声明：本文由专人翻译自国外文章，转载时请注明文章出处。http://www.paidai.com/blog/display.php?bid=2005
【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。
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。
有些时候，电子商务网站分析还没有开始进行就已经失败了，这是因为先期的实施为日后的工作埋下了麻烦的种子。
电子商务网站分析的实施包括几个最重要的方面，不仅仅是工具本身，有些实际上跟网站本身的结构都有至关重要的关系。
1. 网站URL的结构和格式；
不要小看了电子商务网站页面的URL结构和格式，电子商务可不是我这几百个页面的博客（www.chinawebanalytics.cn），它们的 网站页面数量都是以万为单位计数的，后期的网站分析的效率对这些URL的合理性十分依赖，因此URL的设置方式将直接影响到未来网站分析的成败。此外，一 旦URL的设置方式确定了，再进行改动的可能性极低，或者具有很大难度。这是一个牵一发而动全身的问题，未来将涉及到SEO，涉及到数据的重新组织，涉及 到品类管理等等，极为复杂，因此我们发现在实际案例中，一旦先期的页面URL格式不合理，带给后期分析的灾难几乎都是完全不可逆的，因为极少有网站再敢去 调整URL结构和格式了。
请大家看看三个网站具体产品页面的URL（全部来自于真实的中国的电子商务网站），并且从网站分析的角度告诉我哪个会更加合理：
网站 A：http://www.aaa.com/N97-Style-Windows-Mobile-6-1-WIFI-JAVA-QWERTY-Keypad-Bluetooth-Dual-Camera-3-0-Inch-Flat-Touch-Screen-Cell-Phone-White–2GB-TF-Card–SZ05150689-_p74971.html
网站 B：http://www.bbb.com/product/203011.html
网站 C：http://www.ccc.com.cn/Product/36-c02-161.htm
你的答案是？
3种方式都运行了很多年。A网站的朋友Linda告诉我，在进行各商品类别流量分析的时候，几乎不知道如何下手，因为这个URL完全没有结构， 没有任何品类的信息，需要手动把所有的URL找出来，然后在网站分析工具中通过长达上百个字符的正则表达式来各类统计。
这种网站分析简直是折磨。一个错误的设置，在未来的若干年内浪费了网站分析师大量的时间。更可怕的是，如果老板责怪这是网站分析“无能”造成的 结果，而不意识到这是之前埋下的定时炸弹。
B网站呢？问题一样，不过至少用了一个号码来代表某一个产品，这样至少Excel或者SPSS等工具能够帮上忙，不过仍然会造成大量繁重的手工 收集和整理工作。
C网站，很不错。我不知道“36-c02-161”具体是什么意思，但是这个结构化的字符串格式在每个商品的页面上都是一样的。这说明每个字段 都有它的含义，并且很有可能就是商品的分类情况。很明显，在这个网站做网站分析会让人愉快得多。
你的网站是怎么做的？你愉快吗？
2. 流量来源的标记
电子商务网站几乎都是要靠购买流量生存的，除非你是淘宝商城（其实淘宝照样要买流量）。因此，为了搞清楚购买流量的数量和质量，我们必须要能够 在进行网站分析的时候识别这些流量。
为流量来源增加标记其实是一个非常容易实现的领域，而且用link tag的方法几乎就能够解决所有的问题。但可惜的是，各种情况造成link tag的实施总不是100%令人满意。
不过，不能做到100%，只要能做到90%实际上已经能够帮助到后面的分析，但如果你完全不去做这个工作？——那就只能盲人摸象了。
3. 端到端的ROI监测实施
如果我们想要解决上面的第一个业务需求——市场推广方式是否有效，以及能否进一步提效，其实从分析的方法论角度看并不那么困难，但是我们需要网 站分析工具能够实现端到端的ROI监测。
什么是端到端的ROI监测？
这是我认为电子商务网站分析中最重要的一个分析功能。如果没有这个功能，这个工具对于电子商务网站的适用性就大打折扣。所谓端到端，一端指的是 流量的来源，即你购买的流量；另一端是输出，即这些流量带来的销售。端到端的ROI即是指流量端的投入和最后流量带来的销售收入的比较。没有端到端的 ROI监测，你就不能真的知道各种市场推广方式是否有效，或者何种方式更有效。
这些功能都不是网站分析工具默认配置可以直接提供的，需要做一些技术设置，属于监测实施的一部分。我们的最佳实践（Best Practice）是，如果你不能实施前端（即流量来源投入端）投入的监测，那么至少必须保证前端流量来源标记实施以及后端（即流量带来的销售）收入监测 的实施。如果这一块没做好，那么后期想要了解这个领域的优劣，就难如登天。
4. 每个页面都正确置入了监测代码吗？
你一定会认为这个问题不值一提，答案当然是都置入了。但是实际情况并不如此，越大的网站就越可能有漏网之鱼。
如果页面没有代码，那么就只能回过头用服务器日志来解决问题，这可不是一个高效的办法。
除此之外，根据不同的监测需求，在具体网站和监测的实现过程中，还存在各种非常具体的要求，这里不可能一一罗列。只想说一句，我的经验是，至少 50%的网站分析项目没有达到预期效果是因为不成功的实施造成的。你跟我一样可能遇到过这样的情景，在进行分析的时候，分析师突然拍自己的脑门，感叹为什 么开始没有加上监测！——杯具。
电子商务网站利用很多种手段获取流量，这些手段的效果衡量对你的老板至关重要，因为他们在里面扔进了大把的钱。
在这个领域，网站分析需要关注些什么呢？
1. SEO的效果衡量
我们传统的方法是只用搜索引擎的SERP的排名来决定SEO的成败。很直接，很容易操作，但很片面，而且趋势也不明显，不能带来足够的 insight。我们关注更多的指标：
2. SEM和硬广的效果衡量
SEM效果衡量和SEO类似，但是更强调端到端的ROI，因为SEM广告的投放效果是可以通过link tag标记进行细分的。有很多工具都能做到这一点，例如Google Analytics可以跟AdWords无缝衔接，Omniture的Search Center也能提供类似的功能。SEM的link tag标记的实践方法可参见：http://www.chinawebanalytics.cn/?p=1675。
硬广的衡量其实和SEM是类似的，关注细分类型乃至个体的端到端ROI以帮助优化具体的投放选择。
此外，这两个领域也应该关注：
3. EDM营销效果衡量
EDM是一个非常特殊的领域，也是我很喜欢的营销方式。这是因为同SEM等营销方式一样，它是可以被持续优化的，而且因为它含有的信息量很大， 所以更容易帮助增加转化。此外，EDM的优化分析和对一个网站页面的优化分析有非常接近的地方。
除了EDM本身关注的指标，如Delivery Rate、Open Rate、Click Rate等之外，与前面的营销方式一样，EDM营销的端到端ROI分析仍被强调为最重要的KPI。此外，细分EDM的流量也能带来很多优化推广的 insight。另一方面，EDM本身比SEM和硬广具有更多的可优化空间，并且与网页一样，是一个非常好的研究用户行为和兴趣的“观测平台”。
如果可能，我们强烈推荐在EDM中加入网站分析工具的监测代码，这样可以把EDM作为页面来进行分析和优化；另外，link tag是必须要加入的，这样在EDM内置的监测代码不起作用的时候，仍然能够为我们提供完整的clickstream数据。
此外EDM营销分析中还有一个领域是可以持续优化的，即EDM的数据库。你可以不断修正和补充，让你的客户数据库更具相关性。
所以，如果你告诉我EDM营销是转化率最好的方式，我不会吃惊；你告诉我它是ROI最好的方式，我也不会吃惊。唯一的问题是，EDM的流量不会 很大，因此也就更应该不断提升它的质量，使之更具价值。
4. 所有营销方式的综合分析
如果link tag标记和端到端的ROI实施都很好的执行了，那么比较不同营销方式带来的效果就不是难事。
写到这里，上篇差不多要说完了。最后总结一下上篇强调的几个内容：1. 尽量精确和完善的实施；2. 强调端到端的ROI分析；3. 细分与比较，没有这两点，就没有真知灼见。下篇近期推出，将包括电子商务的影响、说服和转化；访问者与网站的互动参与；以及其他的重要关联因素。敬请期 待。
综合 所有流量然后进行统一维度的比较是在更高的高度上给你带来整体营销效果的insight。但是，我知道在大多数网站这一点都没有做，也没有 考虑过去做。毕竟拿EDM的部门的数据和SEM去比较，门户之见会让双方不快，政治是阻碍分析和执行的最大障碍之一。我的经验是，正是因为各种营销方式是 如此不同，才值得通过比较发现它们是如何的不同，如何利用它们各自的长处。这个比较最终能够让你得到一些前所未有的新知。
[版 权归Sidney Song（宋 星）所有，欢 迎转载，但请事先告知作者并注明出处]
在页面中加入JavaScript代码是利用页面标记法做网站分析的最主流方法。监测代码如同图中红色的一小块，实际上是一段可以被浏览器执行 的JavaScript程序语句，放在页面的HTML源文件中。这样，当页面被下载到客户端的浏览器的时候，这段页面标记JavaScript程序就会被 执行，如同星际争霸中的寄生虫上身，或是摄像头被打开，开始记录数据。
图：JavaScript对于网站分析具有重要的作用
页面标记的JavaScript代码被执行之后，就会如实的把访问者在页面上的互动访问行为不间断的发送给这个页面标记所对应的网站分析工具的 服务器，这与摄像头把拍摄到的图像传送给图像存储服务器是完全一样的。网站分析工具服务器收到数据后，会进一步处理这些数据，并且把数据翻译成人们能够阅 读和分析的图形、表格以及数据文件，然后呈现在一个漂亮的用户界面上。
目前，中国大约有5%左右的客户端浏览器禁用JavaScript，这些浏览器访问页面的数据全部或者一部分不能被采用页面标记法的工具所获 取。值得安慰的是，5%并不是一个很大的比例，而且浏览器禁用JavaScript的比例其实逐年在下降，这一方面是因为越来越多的客户端应用需要 JavaScript的支持，另一方面是因为互联网从一个“学院派”的工具，越来越成为普罗大众的日常工具，而越是普通用户越不会去禁用 JavaScript。
下图显示了全球浏览器用户JavaScript禁用比例逐年下降的趋势。
图：w3schools的数据表明了JavaScript被禁用的情况逐年下降
图：Dennis R. Mortensen的数据也说明了类似的情况
那么中国的情况怎么样呢？
我在互联网找了很久，但是没有发现非常权威的数据，仅有的数据有很大的差异，但是很幸运 的是我找到了一个工具：JYC统计。这是一 个很好的工具，有很多Google Analytics不具备的功能，提供免费的7天试用，大家可以试试。这里要用到的是他们提供的客户端参数分析报告，如左图。
在这个分析报告中，JYC统计提供了JavaScript状态的统计，以及cookie状态统计，是研究我们这个课题会用到的。
Google Analytics里面是不能对客户端的JavaScript状态进行统计的，不过这个工具做了很好的补充。
我用我自己的博客http://www.chinawebanalytics.cn做 实验，我相信这个博客的用户都具有相当不错互联网知识和浏览器使用技能。所以，假定关注我博客的读者的浏览器禁用JavaScript的比例要略大于全国 网民的平均水平。7天的数据揭晓，不太令人吃惊。如下图：
图：3.58%的JavaScript禁用比例
JavaScript被禁用的比例仅有3.58%，我以为会有5%。这个数据让我觉得愉悦，越低的JavaScript禁用，会有更准确的 Google Analytics监测数据。不过，数据样本本身有点儿少，春节7天上网的朋友大大减少了，因此这个数据存在被继续修正的余地。但我相信，我们国家网友禁 用JavaScript的比例应该不会超过5%。
JavaScript被禁用统计的另一个作用在于，帮助网站设计者了解有多少用户无法使用使用页面上的JavaScript互动。所以这个统计 功能实际上是很有意义的。
大多数的网站分析工具需要通过cookie来辨识独立访问者，例如Google Analytics利用的是第一方cookie。
尽管有些网站分析工具能够在cookie被禁用时利用访问者的IP地址来辨识访问者，但Google Analytics在cookie禁用的时候不工作，所以cookie对GA是必须的。
网站分析工具使用的cookie一般分为两种：第一方cookie（1st party cookie）和第三方cookie（3rd party cookie），使用第一方cookie是目前常用的方法，也是目前公认的最佳实现方式，而第三方cookie则被少部分页面标记法的工具所采用。
无论是哪一种cookie，都存在被一定比例的浏览器默认禁用的情况。相对而言，第三方cookie被禁用的可能性更大，因为一部分的浏览器默 认对第三方cookie有严格的限制，例如IE8。但是对于第一方cookie，大多数浏览器则比较接受，大部分浏览器都默认开放了第一方cookie， 除非你手动把浏览器的安全级别提高，第一方cookie才会被禁用。这也是为什么第一方cookie更加适用于页面标记法网站分析工具的原因。
图：IE8默认的安全级别是中级，对第一方cookie没有太多限制，但对第三方cookie有很 严格的限制
[版权归Sidney Song（宋星）所有，欢 迎转载，但请事先告知作者并注明出处]
图：Firefox3.5默认接受第三方cookie
关于有多少比例的第三方cookie被禁用，业界很难找到统一口径的数据。IAB（Interactive Advertising Bureau，互动广告局：http://www.iab.net）在2006年的 研究表明，大约有12%左右的互联网用户会禁用第三方cookie，而DoubleClick在2009年则认为大约只有不到7%的用户禁用第三方 cookie（DoubleClick数据仍需验证，Sidney注）。
相对于第三方cookie的境遇，第一方cookie被禁用的情况不普遍。我博客的读者中大概只有不到1%禁用了第一方cookie，而总体看 一般只有不到5%的互联网用户禁用了第一方cookie。因此采用第一方cookie记录网站分析数据的页面标记法工具相对只会损失非常少的数据。
下图显示了JYC统计记录的我的博客www.chinawebanalytics.cn的 读者浏览器cookie（第一方）被禁用的情况：
图：只有不到0.5%的第一方cookie禁用比例
这个数据可以说是大大出乎我的意料，我原以为大概有5%的用户会禁用第一方cookie。在国外这个数据应该会高不少，在国内这么低的原因可能 是互联网用户不认为cookie会侵犯他们的隐私或者会带来安全隐患。当然，这个数据只是我的博客的，如果考虑到国内相当的互联网用户是在网吧内上 网，cookie禁用的比例肯定会提高。
不过总体看来，第一方cookie问题在国内对网站分析构成的威胁很小。第三方cookie因为IE的默认限制，肯定会有更多的禁用，因此使用 第一方cookie进行网站数据的记录更保险，也更准确。
用户删除cookie是另一种影响网站分析数据监测且无法避免的问题。与cookie被禁用的情况相反，用户删除cookie一般会造成访问 者计数的偏大。用户删除cookie的原因主要是为清空浏览器的记录，或者是出于保护自己的隐私的目的。
用户删除cookie的比例和频率也存在颇多争议，JupiterResearch在2005年研究认为有40%的互联网用户会在一个月内至少 删除一次cookie，而2007年ComScore的数据认为这一数据为31%（http://www.liesdamnedlies.com /2007/06/more-on-the-com.html）。这是一个非常令人吃惊的数字，也意味着因此而造成的一个月的独立访问者计数可能会偏大 30%以上。
随着PC硬件性能的提高，客观上会降低cookie被删除的比例，因为相当情况下cookie是随浏览器脱机文件被用户一起删除的，而更好的硬 件会降低用户删除脱机文件的倾向。因此，与JavaScript被禁用的比例逐年减少类似，cookie被删除的比例也有随时间而降低的趋势。
国内删除cookie的情况没有找到数据，很遗憾。有没有朋友能够提供或是给我提供一些线索？谢谢！
总体看，JavaScript禁用和cookie禁用对目前我们使用Google Analytics进行监测影响非常小，但是cookie删除情况的影响相对较大。所以，更值得我们关注和研究的是cookie被删除的比例和频率，我会 在未来继续对这一领域跟踪关注。
[版权归Sidney Song（宋星） 所有，欢 迎转载，但请事先告知作者并注明出处]