Wedding Dresses Outlet

【导言】一个在国际上产生了相当影响的案例，但实际上本身这个博文就是一个很好的自我推广，值得翻译分享。原文见：http://www.conversion-rate-experts.com/voices-case-study/

【译文】

在2009年开始的时候，Voices.com，一个市场上领先的配音人才服务提供商，开始和Conversion Rate Experts开展合作。结果呢？他们的转化率提升了400%——从低于5%到22%。

我们如何获得如此成就

任何项目中最重要的部分是项目开始时的“勘察工作”。在财富杂志关于我们的文章中，编辑们把这个阶段的工作描述成“侦探工作”（我们的一个咨询顾问用相当粗鲁的语言把这个工作描述为“在垃圾堆里扒东西”的过程）。我们对Voices.com的深度分析包含如下内容：

• 我们研究Voices.com的分析账户，以理解销售转化漏斗（Sales Funnel）中包含的促进转化提升的最大机会。
• 我们分析了510个访问者问卷，以理解来到Voices.com网站却没有完成最终提交的访问者的心态是什么。
• 我们研究了Voices.com全部的销售文化，并且采访了这个公司的CEO，以辨识这个公司所有的“能够说服客户的有利条件”。我们用这个名词 来描述一个公司中的那些能够影响潜在客户的有利条件。说服客户的有利条件能够来自于很多方面，在为每一个客户服务的过程中，我们发现了很多有价值却被忽视 的说服客户的有利条件。
• 我们分析了Vocies.com的竞争对手的网站，以理解这些对手们所采用的策略，以及帮助Voices.com发现能够对付这些竞争对手的机会。

一旦我们理解了潜在客户的主要抗拒心理，以及该怎么做去克服它们，我们就创建了一些新的测试页面。

[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]

一些快速制胜的做法

400%的转化率提升得益于一共11个实验的成果，这11个实验我们分别在转化漏斗的5个不同阶段进行了实施。其中，我们所做出的一些改变是直 接针对Voices.com的业务的，但是其他的一些改变则可以适用于绝大部分的商业领域。下面的这些都是有可能能够适用于你的业务需求的，而无论你开展 的是何种业务：

1. 发现证明，并加以宣扬

在主页中加入“证明”能产生显著效果：Voices.com有一些让人印象深刻的“名望申明”，能够真正地影响到潜在客户，但最初却并没有在网站上进行清晰的宣扬。例如，Voices.com上透露了他们的客户，其中包括一些家喻户晓的名字。

2. 细分（按照访问者的类别或是访问者的意图进行细分）

Voices.com有两种截然不同的访问者类型：（1）提供配音的艺人，和（2）想要寻找声优的公司。把这些访问者按照类别进行清晰明确的细分，以让他们进入不同的转化通道，对于提升转化率具有巨大的益处。

[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]

3. 证言视频

通常，一个潜在顾客面临的最大转化障碍是他们不知道他们注册为用户到底有什么好处。Voices.com通过增加一个能够清楚传达注册作用的证言视频客户了这个问题。

4. 销售漏斗中的隐藏机会

一旦你提升了你销售漏斗中一个截面的转化率，那么，你“站在50,000英尺”外，以一个更大的尺度检视你的业务就变得非常重要。这样做，能够 让你寻找新的机会让你的转化再上一个新的台阶。许多客户只是期望我们在他们的landing page上修修补补，对我们分析整个客户的访问旅程（Customer Journey）感到惊奇。客户的整个访问旅程从最初的广告开始，直到成为长期的忠诚顾客，我们分析这个旅程以辨识更多机会。对于一个客户，我们竟然帮他 们找到了一个线下营销（Offline Marketing）的机会，并且延伸出一个极为成功的直邮营销活动；对于另一个客户，我们发现了他们在病毒营销方面潜在的增长机会，然后我们立即着手实 施了一个“告诉你的朋友”的活动，这个活动后来成为这个客户生意上最为主要的客户来源。一旦我们增加了Voices.com销售漏斗的转化率，我们即发现 了在它们邮件营销中存在一个很大的机会。我们接着为他们设计了一个很成功的邮件营销或哦那个，增加了客户周期（lifetime customer)的价值。

[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]

学到什么

• 找出客户不转化的原因，而不是仅仅做猜测。如果你不知道他们的抗拒心理是什么，你能够克服它们的可能性就会很渺茫。
• 不要“过分谦虚以致埋没才华（hide your light under a bushel）”。如果你的公司特别擅长某些事情——而且你也有证明的话——确保把这些证明放在你网站显著的位置上。
• 考虑把你的访客进行细分。你如何才能知道如何细分访问者呢？如果，你最普通的“访问者意图”不能在网站上找到相匹配的信息，那么你就应该细分你的 访客。类似的，如果你有多于一种访客，那么就不能用同一种信息来“伺候”他们，这个时候基本上你也必须要进行客户细分。值得注意的是，细分会产生很多额外 的劳动，所以，确保必须要做的时候再这么做。
• 人们不会购买他们不懂的东西。所以清晰的解释你的服务，这样你的潜在客户更有可能找到控制的感觉，并采取行动。
• 有时候，视频你是说明事物的最好媒介，对提供证言和证明而言也是如此。互联网视频不需要花费很多钱，屏幕捕捉软件用起来也很容易，例如使用Camtasia (for PC) or Screenflow(for Mac)。

我们使用的工具

• 做A/B测试和多变量测试，我们用的是Google Website Optimizer。
• 更好的了解用户和网站的交互，我们使用的是Crazy Egg（我的博客也有介绍，见我的文章：Crazy Egg令人惊讶的优秀网站分析工具）。
• 为了辨识用户体验中的问题，在做用户可用性研究方面，我们使用的是UserTesting.com的服务。
• 视频是放在YouTube上的。（这里有一个很好的YouTube高级实用技术的文章：advanced YouTube techniques。）
• 我们分析调查问卷，以理解访客的意图，并且发现普遍存在的问题和抗拒心理。这方面我们用了很多的调研工具，包括Survey Monkey and Survey Gizmo （我们强雷推荐Survey Gizmo）。

你试过音频了吗？

在Voices.com成为我们的客户之前，我们已经是Voices.com长达三年的客户了。在2006年，我们想办法为我们的一个客户获得 了一个高达两位数的转化率的增长，方法是增加一个自动播放的音频信息。这段音频是我们在Voices.com上找到的一个声优帮我们提供的。好的声优就如 同一个好的插图设计师——他们让你的公司显得极度的专业。他们在入门介绍视频、自动播放的音频信息以及在自动电话应答系统（IVRs）上都非常有用。

如果你还没有使用Voices.com，那么作为一个网站营销从业者，使用这个网站绝对是一个很不错的体验。你只需要把文字放入 Voices.com的窗口，然后，在几个小时之内，你就能收到很多来自专业声优的录音。然后，你现在可以扮演Simon Cowell的角色，挑选一个你觉得最好的声音。

[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]

你能把这些音频host在Xiosoft Audio上。

这些技术适用于你的网站吗？

一个400%的转化提升似乎有些极端，并不是所有的实验都能达到同样令人震惊的效果。然后，我们每天都在使用这些技术，我们期待这些技术中的一部分至少能够对你的业务带来价值。

还有更多的类似案例吗？

如果你想要看到更多的客户的结果，我们的留言页面——buzz page包含了一个很长的客户名单。我们也会在近期贴出其他客户的一些案例。如果你想要到时得到提醒，那么加入我们的邮件列表吧，请点击：join our mailing list。

http://www.chinawebanalytics.cn/?paged=3

上次（请先点击这里查看《事情不是你看到的那样——网络营销数据解读（一）》）出了10道题问大家说结论是否一定正确，很多朋友也很捧场地回答了问题。

基本上，10道题的结论都有问题。下面我分几篇文章来介绍怎样才能系统和科学的解读网络营销数据。

今天我们可以来讨论一个最基础，而且看起来很简单的问题：我们真的知道报告里的原始数据的含义么？

给一个简单的测试（这次后面是有答案的:p）：

举例来说，如果您看到一份Marketing Agent给您的报告，里面说“我们发出去了10 million Email, deliver rate（到达率） 99.99%，unique open rate（打开率）高达19%，unique CTR（点击率）19%，看了信的人都点击了，说明设计很棒! 效果非常好！从点击来看，80%的客户都是New Visitor（新访客），说明我们这次活动对于抓取新用户是很成功的。唯一的缺陷是我们的网站抓住客户的能力，访客来到了网站之后，ATOS（平均访问 时间）只有19秒，我们下次应该进一步优化网站……”

您对这番话的理解是不是：

• 到达率99.99%，那么有9.999 million的客户收到了邮件。
• 有1.9 million的客户打开了email，也有1.9 million点击了email——这样想起来应该打开邮件的客户都点击了。
• 1.9 million里面有80%是新用户，我让1.52 million本来不认识我的客户更了解我了。
• 1.9 million访客，他们平均在我网站逗留了19秒——时间太短了，我们应该想想办法。

如果您觉得4条都是错的——恭喜您不用花时间看下去了。

如果您觉得4条里面有对的，说明您可能对某些网络营销数据还可以多了解一些：

1. New Visitor代表的不是“新用户”、“新顾客”或者“新访客”，它代表的是您的监控工具跟您说 “来的这个人我之前没见过”——每次有人访问网站，监控工具就会往那个人机器里留个痕迹（cookie）以便以后相认，下次他再来，系统察看他机器，发现 有这个痕迹，就觉得“这人我见过”然后把它归入“老访客 ”，而如果找不到这个痕迹，就会认为他是新访客。所以，当您的老访客换了一台机器，系统也会把他当作一个新访客；当您的老访客有意无意清空了痕迹 （cookie），系统还是会把他当作新访客……总而言之，80%的New Visitor不代表有80%的人从来没来过你网站，这个数据需要打个折扣——具体要根据您网站特点具体情况具体分析。

2. Open Rate不代表有百分之多少的人打开了您的邮件，它代表的是“有多少人的邮箱下载了您的监控图 片”——系统很难知道用户到底有没有看邮件，所以大部分系统会采用一个诡异的方式来侦测：他们在每个邮件里面加一张只有一个像素大小的小图片，然后用你的 email有没有去下载使用这张图片来判断你有没有打开这封信。所以，如果您的email默认不显示图片（比如gmail对于陌生邮件就都不显示图片）， 系统就会认为这封邮件没有被打开过。所以unique open rate = 19%常常代表有超过19%的用户打开过邮件（看没看就不知道了……），这个数据可能是25%，那么就不是每个打开过邮件的人都点击了邮件。

3. Deliver Rate不代表有多少客户“收到”了你的邮件，它常常只代表这些客户的邮件服务器“没有把你的邮件退回来”，这封邮件命运难测，有可能是就此消失掉了（客户没有收到），也可能是直接进了客户的垃圾邮件箱，过了几天被自动清除了。99.99%也是要打一个折扣的。

4. ATOS，这个解释起来更加的复杂……对常见的监控系统来说，它是不知道访客具体在网站上停留了多久的。 为了计算您在网站的停留时间，它会在您打开第N个页面时去看一下表（比如09:30:22），然后在您打开第N+1个页面时再看一下（比如 09:30:50），然后它拿两个时间相减，得到您在第N个页面上停留时间（比如28秒）——说到这里您应该已经发现问题：它没法知道您在最后一个页面停留了多长时间。 对于市场营销来说（特别是针对新用户的 campaign），这个问题更严重——因为很多人点击广告，来到landing page，然后就走了，这些人一共就只访问了一个页面！系统拿不到第二个页面打开的时间信息，所以有可能会把这些人在网站的停留时间都算作0秒，那么您得 到的所谓“平均停留时间19秒”其实是个非常扭曲的数据，并不能代表真实情况（数据偏小）。举例来说，我在自己的 blog（www.MarsOpinion.com）上安装了Google Analytics，它监控的用户访问时间如下图，可以看到ATOS是3:11秒：

如果我只看那些“只访问了一个页面”（对于blog来说，很多人只是上来看最新更新，bounce rate很高）的访客，会发现ATOS居然是0秒：

而我如果看“访问超过一个页面”的访客，这个数据又变成了惊人的9:46！是第一个数据的3倍！

现在，您是不是觉得这些“一目了然”的数据其实并不是那么清楚？

如果我们对那些数字代表什么含义都不清楚的话，解读又从何说起呢？

再来一个非常常见（无数家EMail Solution咨询公司都有类似的Case Study）的例子看能不能让您更晕：

1. www.MarsOpinion.com（我的 blog，鉴于不注明出处的转载越来越多，不得以都用自己blog做例子，把链接放到文章里面）的Shopping Cart Abandonment Rate为70%，100个人把东西放到购物车里，只有30人完成订单结了帐，有70个人本来想买东西最终放弃了！

2. 我们为www.MarsOpinion.com设计了一系列高科技人性化无以伦比的高级Campaign——去掉形容词之后你会发现Campaign的本 质是给这些Abandoned Cart的Customer发一封Email，内含“You forgot something in your cart“的提醒，以及一些incentives，例如折扣券。

3. 这个Campaign非常成功，AS Email的open rate比普通commercial email提高300%，CTR提高400%，转化率提高100%! 本来已经放弃购物的消费者收到了信，有10%的人通过点击这封Email再次来到了网站购物！所以我们可以推算出Abandonment Rate从70%下降到了63%！最终消费客户会增加23%! MarsOpinion.com年销售额2亿美金，所以我们预计这个这个Campaign可以帮助他们成长4600万美金！鉴于我们这个Solution 只卖200万，ROI高达2300%!

4. 为了体现我们的专业，我们做了A/B Testing：我们发现在客户放弃购物24小时后马上发Email，转化率比在3天后再发这封信要高87%！另外，我们发现，放一个coupon在邮件 里，转化率会提高47%！——我们经过精密计算，发现额外的销售和利润足以cover折扣券的成本。经过严谨的测试，我们决定……。

您觉得这个论证有问题么？问题在哪？

========== 我是分隔线 ==========

这个Case问题很多，但是最根本的——也是在其他Case中最流行的——就是计算Marketing Contribution的方式。

因为Web Analytics的完善，网络营销常常能够取得比传统营销方式更完整全面的反馈信息，就好像读者留言所说“我们应该看实际效果，看带来了多少销售，带来了多少利润！”。

关键是：我们监控到的“带来XXXXXX”实际的含义是什么？Campaign创造的效果么？1000个人点击广告，300个人买东西，真的代表这个Marketing Channel为公司“带来”了1000个Visit和300个订单么？

不是的，我们监控的效果，那些数据，只能表明有“多少效果可能是由XX Campaign带来”，更具体地说，是“有多少人在点击了广告后的某一段时间内下了订单买了东西“，而不是“XX Campaign产生了这些订单”。你监控到这个campaign“带来”了300张订单，只能说明这个广告在购物过程中可能起到了作用，但并不能说这个 广告创造了300个订单——有可能300个人里面有299个原本就会来买：）

回到上面那个例子，Shopping Cart Abandonment Rate为70%其实并不能代表有70%的潜在客户放弃了购买。产生Abandonment的原因有无穷多，从技术上来说，很多Web Analytics Tool会把在一个Session“有加入购物车行为，但是没有结帐行为”就当成一个Abandonment，这样的话，客户离开电脑两个小时再下订单， 也会被算作Abandon了一次；从业务上来看，很多人用购物车来代替Wish List进行购物比较，这些人在实际购物前都会被计算很多次Abandonment，另外还有很多人仅仅是决定过一会儿再买（例如回家看看另一张信用卡卡 号），这些人也会被系统认为“放弃了购物”。了解了这个词的真实含义之后，我们至少可以知道一点——“其实这些人中间有很多本来就会回来买东西的”。假设 这些人中间9.5%的人本来就会回来购物好了，那么其实所谓的“本来已经放弃购物的消费者收到了信，有10%的人通过点击这封Email再次来到了网站购 物！”只是给网站多挽回了0.5%的客人而已，所谓的“这个 Campaign可以帮助他们成长4600万美金！”自然也就变成了增长230万美金。

之后的A/B Testing其实就更扯了（这也是业界真实的案例，而且这个A/B Testing的结论还被多家援引，成为了所谓Best Practice的论据）。假设我们说说的那9.5%的回头客会分散在Abandonment一小时后到30天后完成购物（时间越靠近 Abandonment，购物概率越大），你在24小时后发信当然效果比3天后发信“效果好”，不是因为你能产生更多订单，而是因为你能把更多的原本会发 生的订单效果计算到自己头上。因为发了Coupon之后Conversion Rate升高就说要发Coupon也是很扯的说法。真要算，Coupon成本要计算进去，而且这个成本不应该和所有使用了Coupon的订单去比（因为其 中大部分是本来就会购物的），而是应该和增量去比。假设我们所说的是10%的Coupon，那么成本就是4600*10%=460万美金，而按照前文所述 的实际销售增量才230万美金，就算你毛利率50%，也还是亏损几百万。何况，插入Coupon之后可能会引发一系列连锁反应——例如让消费者找到规律， 之后要买什么东西就Abandon一个Shopping Cart然后等Coupon来了再买之类，之后亏损会更大。

========== 我还是分隔线 ==========

综合第一个例子，如果我们不够了解New Visitor, Deliver Rate, Open Rate, ATOS，Abandonment Rate, Sales Attribution的真实含义，而只是望文生义想当然的话，我们很可能就会作出错误的判断。更糟的是，还有很多的名次定义比文中描述的这些更复杂和混 乱。

所以我的建议是：

1. 如果您是购买企业级的、付费的产品（例如Omniture），请在签合同时的时候顺便把training hours也买了，然后列张表把你关心的各个指标的具体定义问清楚（不同vendor的定义还不一样@__@），不要想当然。

2. 如果使用免费的产品——例如Google Analytics，请仔细阅读文档，或者招一个愿意阅读文档深入了解工具的人。

3. 找专业人士咨询。——至于你找的人是否专业，你可以用本文中的例子去问他看他的结论，呵呵。有些人会把文 中的话说一遍之后告诉你其他更深入的信息（例如你用的工具其实是可以查ATOS的，只是误差有60秒之类；或者告诉你其他方法获得inbox deliver rate之类），另一些“网络营销专家”可能就会直接转话题开始和你谈概念谈人生谈理想，呵呵。

4. 如果实在找不到人，至少心里面要知道“不能望文生义，这些词未必是他们表面的意思”，给自己留有余地。

========== 我还是分隔线 ============

介绍两篇不错的文章，一篇的确不错，一篇帮朋友做实验

Avinash：搜索引擎优化指标&分析的问与答

Windows 7 中文版下载地址以及破解方法

看到这里，可能有几个读者会产生新的问题说：so what?

假如我们认真学习了（或者找到了懂行的人来帮我们），我们是否就能够解读数据，并且用数据来帮助我们更好的决策呢？

基本上……做到目前这一步还是不行，抱歉。

下一次接着说：怎样才能让这些数字对我们的生意更有意义。

载声明：转载时请以超链接形式标明文章原始出处: http://www.marsopinion.com/2009/04/08/interpret-online-marketing-and-web-analytics-data/

【导言】我的这个博客中关注的都是普通意义上的网站分析。不过，网站分析应用需求的领域如此之广，必然对网站分析的解决方案提出各种不同的要求。有需求就有市场，本文探讨这个已经出现在我们身边的新兴市场。

【正文】

大家有没有在淘宝上开过店？我相信有。那么，一个问题是，你的店铺的流量、流量质量以及转化情况如何？你知道什么样的店铺设计和产品宣传更能打动潜在消费者吗？

紧接着的一个问题是：你的竞争对手的流量、流量质量和转化情况又如何？

我相信，这两个问题开始变得不那么好回答了。

我再问，你知道用什么样的方式进行推广（旺旺广告、商城、关键词、群发邮件等等）哪一种方式能够给你带来更好的ROI？

更难回答，肯定的。

那么，如果我们想要了解这些情况，我们需要怎么做呢？

用我们最喜欢的工具Google Analytics？不行，淘宝系统不允许你加入额外的javascript代码。Omniture，Webtrends都不行。分析网站日志，Alexa和Compete.com？这个更加不可能了。

所以，这个时候，我们得用专门监测淘宝店铺的针对性工具，这种工具被我们称为垂直型的网站分析工具。

现在你大概明白了什么是垂直型的网站分析。没错，我们普通的网站分析，针对的是我们“拥有”的网站，但那些我们只能用却不能有的网站，就需要用垂直型的网站分析工具了。

这些网站包括：C2C电子商务平台、公共博客平台、典型的SNS网站（例如Facebook）、非典型的SNS网站（例如 Linkedin，Digg）以及微博（例如Twitter）等等。这些网站都有一个共同的特点，它们都是“云”或者又被称为web2.0，它们在远端提 供服务，我们只需要用就行了。

“云”膨胀了对垂直网站分析的需求

“云”——过去这个曾被称为SAP（Service Application Provider），后来又被称为SaaS（Software as a Service）的事物，让客户端的软件服务向服务器转移，从而减轻了客户端的压力，减少了安装软件的烦恼，也让软件商拥有了一个真正可以收费（反击盗 版）的商业模式。

但什么是“云”，还有点儿说不清：

1. “云”服务非常细分，虽服从于基本的互联网协议，但其应用和实现方式并没有通用的标准；

2. 大多数“云”服务都是可定制化的，极具灵活性。

所以人们甚至很难给“云”下一个统一的定义，致使云成为一个外延很广的事物，谁都说不清，谁又都想挤进去，或是拿云说事儿；另一方面，对于云的用户而言，利用我们常规的方法和通行的工具，很难做好对个领域的监测，因为“云”的用户无法嵌入代码，也无法查看日志。

所以，我们需要专门的解决方案，而且这个解决方案不再可能是“放之四海而皆准”了。

垂直型网站分析工具的特征

有需求就有市场，有问题就有办法，而且办法总比问题多。

如果能够满足三个特征：针对性细分、即插即用、定制化，那么“云”监测的问题并不难。

针对性细分，是指针对不同的“云”应用，提供不同的监测方案和工具，甚至在必要时定义不同的监测度量；

即插即用，是指监测工具依附于“云”应用产品，成为“云”的一个功能组件；当需要使用这个功能的时候，把组件激活（如同激活Wordpress的插件）。我们称这种即插即用的操作为“打开自来水龙头”；

定制化，这是由于“云”应用本身具有定制化特性而延伸出来的需求。垂直型网站分析工具也应该是定制化的，以应对不同的定制化“云”应用。

图1：垂直型网站分析的特征

业界有谁？

如果大家看过Avinash的这篇文章：Social Media Analytics: Twitter: Quantitative & Qualitative Metrics，那么大家一定会跟我一样印象深刻——原来光是监测Twitter的第三方工具就有这么多！

这些工具都是典型的垂直型的网站分析工具。它们的功能非常针对性的细分，而且即插即用，大多数也能够实现功能模组的定制化。

但是在国内，垂直型的网站分析不大可能在这些SNS类网站上出现，个中原因嘛，相信不说大家也都能知道。但是，国内的垂直型网站分析工具早已有之，因为中国的电子商务网站在世界上还是名列前茅的。这样，针对不同电子商务平台的垂直型网站分析工具其实早已经大行其道。

例如，在淘宝平台上的小艾分析，是目前快速成长的一款统计工具，界面很不错（与GA类似），而功能上更强调针对淘宝平台的推广、流量、用户行为以及端到端的ROI进行分析，以帮助淘宝店主进行网络营销、店内装修以及商品管理的优化。

图2：小艾分析的dashboard

例如，用了一个比较直观的雷达图来显示店铺的“健康状况”，哪些不错，哪些需要加强。

图3：Map Overlay功能

也能够显示访问者的地理位置，以及访问了一些什么商品。不过，这个也许可以采用Google Analytics的大样本量地理分布的报告（Map Overlay）。

图4：热图功能

也同样提供热图功能，很有意思。

图5：零点击商品报警

对于完全没有人光顾的产品，提供一个零点几商品的列表，向店主说明：你的这个商品该下架了。

是不是很有趣？同样基于淘宝平台的店铺监测工具还有量子统计。

另外，如果你也跟我一样有自己的博客，那么你可能也使用了feedsky来帮助你管理你的RSS订阅。而feedsky同时也是一个垂直型的网站分析工具，专门用来统计和分析你的订阅情况。

图6：feedsky的dashboard，看起来我的读者很多都用Google Reader进行订阅

Feedsky的数据主要集中在订阅量的趋势、RSS上文章被点击的量和RSS工具的分类上。是一个非常简单，但很实用的小工具。

图7：可以查看一年甚至更久的订阅的增长情况，这是我用的最多的，也是唯一的功能

看起来我的博客的增长很不错，最近增速在提升。:) 我的目标，过年后达到3,000个订阅！ 所以要写更多有水准的文章。不过，这个工具在提供更多维度的数据上，还很弱，毕竟目的只是让你看个大概。

网站分析的发展并不是单线递进的

图：网站分析的演进

Web2.0（或者说云，当然二者不能划等号，不过我想我这里的意思大家都明白）的出现对网站分析提出了新的要求， 因为Web2.0是定制化的、细分的、非标准化，且异常灵活的。老牌的网站分析工具其实老早就看到这种趋势，因此，类似Omniture，Google Analytics乃至Webtrends等，都在对Web2.0类型的监测上进行了功能模块的开发和扩展。例如Omniture有专门的SNS的监测工 具，并且和Twitter有合作，也有Mobile的监测工具；而Google Analytics也开发了Event Tracking功能；Webtrends也有相应的模块，同样也有很不错的Mobile监测工具。因此，它们的产品结构形成了以强大的Web1.0为基 础的，响应了更多数字化营销演进中所新出现的监测需求。

但是，当然，这些老牌的监测工具肯定不可能覆盖所有的Web2.0需求，这也是网站分析的另一条演进路线，垂直型的 网站分析工具能够有生存空间的重要原因——市场很大，很蓝海，而且每个细分领域都有足够的空间。这些工具，类似于小艾分析的发展脉络，直接针对具体的 Web2.0网站的监测需求进行开发，一个Web2.0网站开发成功且用户量积累后，可以继续为其他Web2.0网站进行另一些针对性的开发，以保证工具 能够完全匹配和响应不同Web2.0应用的需求。

所以，可以肯定的是，网站分析这个产业在国内这几年的发展将会进一步加速，并且会出现普适工具和垂直工具争相惊艳的格局。很微妙，很有趣的市场，我们在见证中国网站分析的发展和未来。

[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]

在上一篇文章中，我列举了一些我认为有极度人工流量可能性的案例，现在接着跟朋友们分享。案例本身没有分类，而是想到了就写，因此如果你从一个案例迅速切换到另一个案例觉得有些突兀，我只能请您原谅。作为补救，请在留言区提出你任何觉得不太明了的地方，我愿一一解答。

由于我们的广告主越来越多的和国内知名的互联网平台合作建立一个小网站（被行内称为minisite或者microsite）推广自己的产品或 服务，因此这些minisite实际上就成为了知名互联网平台为广告主提供广告服务的一种形式。随着这种形式越来越频繁的使用，广告主越来越希望在 minisite上获得更多的流量（更多的流量意味着更多的广告受众），并且开始以流量的多寡来衡量与这些知名网站合作情况的好坏。这就使 minisite成为人工流量的重灾区。除了在上篇中列举的一些minisite的怪异流量现象，我们在下篇中继续讨论这个领域的问题。

• 可疑的流量来源之一：奇怪的质量分布

我们一般用Time on Site和PV / V来综合评定流量的质量(quality)，当然也会看bounce rate和action rate之类的比例。在研究具体流量的质量前，我想请您先同意我的一个基本观点，那就是：如果不是非常特殊的网站（或网页），流量的Time on Site（或Time on Page）与PV / V应该是成正比的关系。当然，这个基本观点是基于逻辑的——以人的访问行为来看，访问两页page肯定比访问一页要花的时间长。因此，当我发现大量的流量忽然出现了时间越长，PV / V越小；或是PV / V越大，而时间越短的情况的时候，我就彻底的奇怪了。上个图先：

图1：至少，这个流量的质量分布是可疑的

图中所示的是某个网站的流量来源的质量分布，圆饼（Bubble）的大小代表着Visit的多少，黄色的线代表这个站点平均的Time on Site和平均的PV / V。从图中我们可以看到，左下角的流量质量不高，而右上角的流量质量很高（有更长的时间和页面访问数）。令我比较惊奇的是右下角的三个流量源，它们挤在一 起，坐拥30%以上的总体流量，且具有相同的访问行为特征——访问的页面数很多（6、7页之多！），却只有很短的页面停留时间（最高也不过40秒钟），令 人啧啧称奇。再看看传统的高质量流量源——(direct)/(none)，大概也不过1、2页的访问。

当然，流量质量超过(direct)并不奇怪，但是PV/V超出它3、4倍，但访问时间却又短出30%且连平均值都超不过，这不能不让人倍感疑 惑。如果是您，您会如何判断这种异常？如果再加上看看这几个流量源的bounce rate能低到百分之二三十，我想可能您也该有信心地下个结论了。

Avinash说，“没有细分就没有分析”，在这个细分流量源后发现问题的案例上甚为恰切。

• 可疑的流量来源之二：查查地理分布

可疑的流量来源有可能不通过研究质量分布就被你轻易的查出，这种情况出现在流量的地理分布过于集中的情况中。

例如，我的同事Edward告诉我，在他曾经做过的一个案子中，他所负责的minisite被host在某个知名下载网站（或是驱动网站？有些 不太记得了）上。在事后的分析中发现，全部流量的90%以上来源于河南省的某个城市。这很可疑，因为我们的minisite从来没有专门聚焦于某个地域， 从来都是全国范围的——因此我们当然不希望流量都来源于某一个省！

我相信这个知名网站做了一些超出我的同事预计的事情，而且做的并不高明，这实在是太太太明显了。这种情况我自己倒是从来都没有遇到过。你有遇到吗？

图2：这不是真正的GA的截图，不过如果您看到类似的图，应该看看自己的网站是不是被做了什么

• 可疑的流量来源之三：主要流量来自未定义源头

在这个领域发现可疑流量的前提是，你的网站的流量源头都应该事先做好标记。Google Analytics（GA）和Omniture都提供了一套详细的在入口目标URL后附加参数的流量源头标记解决方案，其中GA利用的是UTM Tag，Omniture用的是CID Tag，二者所用的标记参数完全不同，原理却是毫无二致的。

现在，我们假设某个广告主的minisite的所有流量源头都被做了标记（当然，除了不能做标记的直接访问的流量来源以外），那么我们应该期望 大部分的流量都来源于我们做了标记的入口。事实上我的期望大部分没有落空，在大多数我遇到的case中，没有意外的，绝大部分流量都来自于我们做了标记的 入口，毕竟直接访问minisite的流量很难超过整体流量的5%，而通过搜素引擎等等其他一些渠道来的流量则微小的几乎可以忽略不计。

正因如此，如果出现了一些我们没有标记的却又流量惊人的unidentified（未被鉴定的）的流量时，我就会格外警惕。下面的图显示的就是这样的一个特异案例：

图3：pceggs.com/referral其实就是一种变相的click fraud

如果您做过GA的UTM入口标记，那么您一定清楚，所有做过标记的流量源，都不会显示“referral”，而会显示你标记后的名称，比如上图 中的“button”、“textlin”等。所以图中第一个流量源，同时也是最大的流量源pceggs.com/referral肯定不是我们预期的流 量来源。再看看这个流量源的质量：PV/V只有1.05，Time on Site只有9秒，bounce rate高达95.21%，简直太糟糕了，如果你的个人网站的流量质量也是如此表现，那我建议还不如直接关掉网站另起炉灶。

然后，很自然的，你会问Sidney，这个pceggs.com/referral到底是什么？把www.pceggs.com直 接输入浏览器，一切真相大白——你会马上明白为什么它带来的流量会比其他入口的流量大，也会明白为什么流量质量这么糟糕。这不是一种新的商业模式，只不过 是买流量的一种方法罢了。如果你是广告主，你认为这些买来的流量有意义吗？从我的角度看，随着广告越来越能衡量后端效果，这种商业模式一定会淡出市场—— 虽然可能会需要很长的时间，尤其在中国。

• 流量质量突变

在我的工作中，常常会遇到比基因突变还可怕的流量质量突变，这种变化有时候真是惊天地泣鬼神，让你忽然明白，原来网站分析玩儿的也是心跳。看看下面的图吧！

图4：不是过山车，是bounce rate的玩笑

我相信大多数朋友们没有遇到上面的情况，不过这是我真实遇到的，我相信在中国的互联网领域impossible is nothing。图中黄色的线条是visit，蓝色的线条是bounce rate。看看蓝色线条的变化趋势有多么牛X吧，仿佛不这样就不能让我们这些网站分析师们知道它的存在似的。这种图让我恶心，也让我明白一个道理——在 WA世界中也许知道太多并不是好事。

写到这里，我准备停笔了，但我的故事似乎不会停止。就在上个星期，我的团队又在处理一个棘手的富媒体广告（Richmedia广告）的监测—— 出了些状况，因为一般的富媒体广告内部有程序，有互动的action，而我们的这个富媒体广告则更加复杂，已经类似于一个flash的小网站。正是这种复 杂性，我们对这个广告内的所有action都做了严格的定义，以期监测所有的广告内的互动情况。最终，我们的监测成功了，但我们的数据一塌糊涂，数据结果 绝对不合逻辑。在我们确认没有任何监测方面的问题后，所有问题发生的原因都指向了广告所在的网站平台。最后，我们终于明白了，richmedia本身的复 杂性，让网站平台们难以捉摸，因此给我们的数据当然乱七八糟了。等我们培训了每一个网站这个广告的内部结构和关联关系后，数据重回完美，世界清净不少。我 能说什么？我在无语的同时，奉献给大家一个最苦最苦的微笑。:)

最后，如果我的读者您是广告主，我将挖心窝子的对您说一声：“忘记流量吧，因为很多时候流量的多少和广告效果的好坏成反比。数字只是游戏，您永远需要关心数字背后的真正质量。”

[版权归作者Sidney Song所有，欢迎转载，但请事先告知作者并注明出处]