開發成功的Web分析策略

Step-by-Step指南

使用這本優秀的現代指南正確學習當今Web分析領域中的機遇和挑戰。《精通Web Analytics——來自專傢的最佳Web分析策略》由業內一綫從業人員寫成，它不僅僅是介紹瞭概念和定義，還挑戰瞭關於該領域的一些根深蒂固的觀念，並手把手地指導您如何執行成功的Web分析策略。

Web分析專傢Avinash Kaushik，以其引人深思的寫作方式，揭露瞭行業裏一些主流神話的謬誤，並指引您從分析結果中獲得可行的認識。教您如何撇開點擊流分析的方法、瞭解定性數據是關注的焦點的原因，以及介紹其他一些認識和技術，幫助您在不犧牲企業收益的情況下開發以客戶為中心的思路。《精通Web Analytics——來自專傢的最佳Web分析策略》內容包括:

瞭解數據收集方法的利與弊

找齣能夠不通過計算統計頁麵瀏覽數卻仍能深入瞭解客戶的方法

學會使用“3層次問答”的方法來確定有價值的度量

優化組織結構，並選用閤適的分析工具

理解和應用高級分析理念，包括SEM C分析、細分的強大功能、轉換率的最佳實踐等

利用快速啓動解決方案來解決博客和電子商務站點、客戶支持站點和小型業務Web站點麵臨的問題

瞭解構成優秀實驗與測試平颱的關鍵因素

使用競爭情報分析來獲得認識並激發行動

您還將發現：

快速提高Web分析能力的10個步驟

在組織中創建以數據為中心的文化的7個步驟

測量博客站點成功與否的6種方式

能通過Web 分析獲得可行動認識的3個秘訣

優秀Web分析師的10大標誌

第1章 Web分析-- 現狀與展望 1

1.1 Web分析的簡史 2

1.2 現狀和挑戰 5

1.3 傳統Web分析已經廢棄 7

1.4 新的Web分析 8

1.4.1 測量定量和定性數據 10

1.4.2 三位一體：思路和戰略方法 12

第2章 數據收集--重要性和選擇 19

2.1 瞭解數據前景 20

2.2 點擊流數據 21

2.2.1 Web日誌 21

2.2.2 Web Beacons 23

2.2.3 JavaScript標記 25

2.2.4 包嗅探器 27

2.3 結果數據 32

2.3.1 電子商務 32

2.3.2 導引生成 33

2.3.3 品牌/宣傳和支持 33

2.4 研究數據 34

2.4.1 思路 35

2.4.2 組織結構 35

2.4.3 時機 35

2.5 競爭數據 36

2.5.1 基於專門小組的測量 36

2.5.2 基於ISP的測量 37

2.5.3 搜索引擎數據 38

第3章 定量分析概述 41

3.1 以客戶為中心的重要性 42

3.2 實驗室可用性測試 42

3.2.1 實施測試 43

3.2.2 實驗室可用性測試的好處 45

3.2.3 注意點 45

3.3 啓發式評估 46

3.3.1 實施啓發式評估 47

3.3.2 啓發式評估的好處 49

3.3.3 注意點 49

3.4 實地考察 49

3.4.1 進行實地考察 50

3.4.2 實地考察的好處 51

3.4.3 注意點 51

3.5 調研(問捲調查) 52

3.5.1 站點調研 52

3.5.2 訪問後調研 53

3.5.3 創建和執行調研 53

3.5.4 調研的好處 56

3.5.5 注意點 56

3.6 小結 58

第4章 Web分析策略成功的關鍵要素 59

4.1 緻力於以客戶為中心 60

4.2 解決業務問題 62

4.3 遵循10/90原則 63

4.4 雇傭優秀的Web分析師 66

4.5 確定最佳組織結構和職能 72

4.5.1 集中式 74

4.5.2 分散式 74

4.5.3 集中分散式 75

第5章 Web分析的原理 77

5.1 捕獲數據：Web日誌還是JavaScript標記 78

5.1.1 將數據服務和數據捕獲分離 78

5.1.2 數據類型和大小 79

5.1.3 創新 79

5.1.4 集成 79

5.2 選擇最佳的Web分析工具 80

5.2.1 舊的方式 80

5.2.2 新的方式 81

5.3 瞭解點擊流數據的質量 84

5.4 最佳實踐 87

5.4.1 標記所有頁麵 88

5.4.2 確保標記放在最後(客戶優先) 88

5.4.3 標記應當內聯 88

5.4.4 確定獨特的頁麵定義 89

5.4.5 智能地使用cookie 89

5.4.6 考慮鏈接編碼問題 90

5.4.7 注意重定嚮 91

5.4.8 驗證數據被正確地捕獲瞭 93

5.4.9 對站點中豐富的媒體進行正確的編碼 93

5.5 運用“3層次問答”測試 94

5.5.1 關鍵績效指標：重復訪客的百分比 95

5.5.2 關鍵績效指標：站點上退齣最多的頁麵 95

5.5.3 關鍵績效指標：最頻繁的搜索關鍵字的轉換率 96

第6章 第1個月：對Web分析的核心概念進行深入挖掘 97

6.1 第1周：開始瞭解這些基本概念 98

6.1.1 周一和周二：URL 98

6.1.2 周三：URL參數 99

6.1.3 周四和周五：cookie 100

6.2 第2周：迴顧基本度量 102

6.2.1 周一：訪問數和訪客 103

6.2.2 周二和周三：站點訪問時間 106

6.2.3 周四和周五：頁麵瀏覽 109

6.3 第3周：瞭解標準報告 111

6.3.1 周一和周二：跳齣率 112

6.3.2 周三到周五：推薦者--源和搜索關鍵字短語 114

6.4 第4周：使用站點內容的質量和導航報告 117

6.4.1 周一和周二：頂級的頁麵-- 瀏覽最多的、進入最多的、退齣最多的 118

6.4.2 周三：到達最多的目標(退齣的鏈接) 121

6.4.3 周四和周五：站點覆蓋(點擊密度分析) 123

第7章 第2個月：啓動Web數據分析 129

7.1 前提和框架 130

7.2 第1周：創建基本報告 130

7.2.1 周一：最多推薦的URL和最頻繁齣現的關鍵字短語 131

7.2.2 周二：站點內容受歡迎程度以及首頁訪問數 133

7.2.3 周三和周四：點擊密度(站點覆蓋) 135

7.2.4 周五：站點跳齣率 135

7.3 電子商務站點的起步指南 137

7.3.1 第2周：測量業務成果 137

7.3.2 第3周：衡量錶現，測量商業效果以及客戶滿意度 140

7.4 支持類站點的起步指南 143

7.4.1 第2周：從客戶的角度測量脫機影響 143

7.4.2 第3周：使用VOC或客戶評價(在站點和頁麵層次上)測量成功 147

7.5 博客測量的起步指南 149

7.5.1 第2周：剋服復雜性對原理進行測量(通過使用新的指標) 149

7.5.2 第3周：競爭標準化以及測量成本和ROI 152

7.6 第4周：反省和總結 155

第8章 第3個月：搜索分析-- 站內搜索、SEO和PPC 157

8.1 第1周：實施站內搜索分析 158

8.1.1 周一：理解站內搜索的價值 158

8.1.2 周二：認清站內搜索的趨勢 162

8.1.3 周三：通過站點覆蓋報告來分析點擊密度 163

8.1.4 周四：對實際搜索結果的有效性進行測量 164

8.1.5 周五：對站內搜索的結果度量進行測量 165

8.2 第二周：開始搜索引擎優化(SEO) 165

8.2.1 周一：理解影響、優化和鏈接 167

8.2.2 周二：鏈接到新聞發布和社會站點 167

8.2.3 周三和周四：對Web頁麵標記和內容進行優化 168

8.2.4 周五：對搜索機器人提供指導 168

8.3 第3周：對SEO上的工作進行測量 169

8.3.1 周一：檢查站點被索引的效果如何 169

8.3.2 周二：對入站鏈接和頻率最高的關鍵字進行跟蹤 170

8.3.3 周三：對來自PPC的有機推薦者進行分離 173

8.3.4 周四：對有機推薦者的價值進行測量 174

8.3.5 周五：對最受歡迎的頁麵的優化進行測量 174

8.4 第4周：對PPC的有效性進行分析 176

8.4.1 周一：理解PPC的基礎 177

8.4.2 周二：對和搜索引擎競價有關的度量進行測量 178

8.4.3 周三：定義影響盈虧底綫的重要指標 178

8.4.4 周四：測量唯一訪客數 179

8.4.5 周五：學習PPC報告的最佳實踐 179

第9章 第4個月：對電子郵件和多渠道營銷進行測量 181

9.1 第1周：電子郵件營銷的基本原理及相關內容 182

9.1.1 周一：瞭解電子郵件營銷的原理 182

9.1.2 周二和周三：測量基本的響應度量 183

9.1.3 周四和周五：測量結果度量 184

9.2 第2周：電子郵件營銷-- 高級的追蹤 184

9.2.1 周一和周二：測量站點有效性 184

9.2.2 周三：避免電子郵件分析的漏洞 185

9.2.3 周四和周五：將電子郵件營銷和Web分析軟件相結閤 186

9.3 第3周和第4周：多渠道的營銷、跟蹤和分析 186

9.3.1 第3周：瞭解多渠道的營銷，對從離綫到在綫的促銷活動進行跟蹤 187

9.3.2 第四周：對多渠道的營銷進行跟蹤和分析 191

第10章 第5個月：Web站點實驗和測試-- 轉移力量到客戶實現有意義的結果 197

10.1 第1周和第2周：進行測試的原因以及有哪些選擇 198

10.1.1 第1周：前期準備和A/B測試 198

10.1.2 第2周：采用A/B測試之外的其他方法 201

10.2 第三周：測試什麼-- 具體的選擇和方案 207

10.2.1 周一：測試重要的頁麵並號召行動 208

10.2.2 周二：關注搜索流量 209

10.2.3 周三：內容測試和創新性測試 209

10.2.4 周四：價格測試和促銷測試 210

10.2.5 周五：對直接營銷活動測試 210

10.3 第四周：創建一個良好的實驗和測試程序 211

10.3.1 周一：提齣假設和設定目標 211

10.3.2 周二：對多個目標進行測試和驗證 213

10.3.3 周三：從簡到難，享受其中的樂趣 214

10.3.4 周四：關注傳播和專業技術 215

10.3.5 周五：在每個測試程序中實現兩個重要的因素 215

第11章 第6個月：Web分析可行性背後的三個秘密 219

11.1 第1周：利用基準和目標來驅動行動 220

11.1.1 周一和周二：瞭解基準和設置目標的重要性 220

11.1.2 周三：利用外部基準 221

11.1.3 周四：利用內部基準 224

11.1.4 周五：鼓勵並創建目標 226

11.2 第2周：創建具有較大影響力的可執行報告闆 229

11.2.1 周一：提供背景-- 基準、細分和趨勢 229

11.2.2 周二：將重要的幾個度量進行隔離 231

11.2.3 周三：不要停留於度量-- 包括認識 231

11.2.4 周四：將報告闆限製在單個頁麵上 233

11.2.5 周五：知道外觀的重要性 233

11.3 第3周：使用最佳實踐創建有效的報告闆程序 234

11.3.1 周一：創建清晰的三位一體度量 234

11.3.2 周二：創建相關的報告闆 236

11.3.3 周三：一個度量，一個責任人 237

11.3.4 周四：做實事 238

11.3.5 周五：對報告闆的有效性進行測量 238

11.4 第4周：在Web分析中運用六西格瑪或者流程優化 239

11.4.1 周一：任何事物都是一個過程 239

11.4.2 周二到周四： 運用DMAIC過程 244

11.4.3 周五：對所學的知識進行迴顧 246

第12章 第7個月：競爭情報與 Web 2.0分析 247

12.1 競爭情報分析 248

12.1.1 第1周：競爭性流量報告 248

12.1.2 第2周：搜索引擎報告 253

12.2 Web 2.0分析 262

12.2.1 第三周：測量富交互應用程序(RIA)的成功 263

12.2.2 周4：測量RSS的成功 267

第13章 第8個月及之後： 揭穿Web分析的神話 275

13.1 路徑分析：它有什麼好處？一點兒都沒有 276

13.1.1 路徑分析帶來的挑戰 277

13.1.2 一個替代方案：篩選報告(Funnel report) 278

13.2 轉換率：一種毫無意義的執著 281

13.2.1 轉換率帶來的問題 281

13.2.2 一個替代方案：原始目的的任務完成率 283

13.3 完美：完美已死，願它永垂不朽 284

13.3.1 完美數據 285

13.3.2 網站速度下的Web 286

13.3.3 支離破碎的多元數據 286

13.4 實時數據：實際並不相關，利用其卻耗資巨大 287

13.4.1 獲取實時數據的後果 287

13.4.2 一份檢驗是否已準備好接受實時數據的清單 288

13.5 標準KPI：相關性並不強 290

第14章 高級分析概念-- 加速提升Web分析能力 293

14.1 發揮統計顯著性的能量 294

14.2 使用細分的神奇力量 296

14.2.1 按跳齣量細分 296

14.2.2 按搜索細分 297

14.2.3 將搜索和跳齣量相結閤 298

14.2.4 查看細分數據的趨勢 298

14.3 使分析和報告“有聯係” 299

14.3.1 使用直觀圖 300

14.3.2 使用有聯係的語言 300

14.4 采用轉換率的最佳實踐 303

14.4.1 忘掉站點總轉換率 304

14.4.2 隨時關注趨勢，不要忘瞭季節性因素 304

14.4.3 理解Web站點/公司的商業獲取策略 305

14.4.4 測算前5個推薦URL的轉換率 305

14.4.5 不要測算頁麵或鏈接的轉換率 306

14.4.6 瘋狂使用細分 306

14.4.7 總是在轉換率旁顯示收益 307

14.4.8 帶著一個既定目標去測算轉換率 308

14.5 提高對搜索引擎營銷/按點擊付費的分析 309

14.5.1 測算您的跳齣率(總計或按頂級關鍵字短語測算) 309

14.5.2 對分析供應商/機構進行審計 310

14.5.3 測算PPC營銷活動的侵蝕率(對比有機結果) 311

14.5.4 積極地推動測試和實驗 312

14.5.5 努力去理解客戶的多重目標 312

14.6 測算站點放棄率 313

14.6.1 對放棄率進行細分 314

14.6.2 找到可行的認識並采取行動 315

14.7 測算購買天數和訪問數 316

14.7.1 如何測算這些KPI 317

14.7.2 找齣可行的認識並采取行動 318

14.8 藉助統計學的控製限值 320

14.8.1 計算控製限值 322

14.8.2 使用控製限值的一個實例 323

14.9 測算能夠轉換的“機會份額”的實際大小 324

14.9.1 使用跳齣率 325

14.9.2 篩選掉搜索爬蟲、圖像請求、404錯誤、Web站點監控軟件的“訪問” 326

14.9.3 使用客戶意圖 327

14.9.4 采取行動 329

第15章 創建以數據為本的文化-- 實際步驟和最佳實踐 333

15.1 尋找Web分析經理/主管的關鍵技巧 334

15.1.1 對於工作的極大熱情 334

15.1.2 熱愛變革，掌控變革 335

15.1.3 以無禮的方式質疑數據 335

15.1.4 CDI(基於客戶的創新) 335

15.1.5 並非真正的“數字天纔” 336

15.1.6 天生的商業悟性和頭腦 336

15.1.7 令人印象深刻的人際交往技巧 337

15.2 何時和如何雇傭外部顧問或內部專傢 337

15.2.1 階段1：繈褓嬰兒 338

15.2.2 階段2：蹣跚學步到懵懂少年 340

15.2.3 階段3：狂野青年 341

15.2.4 成熟-- 30而立 342

15.3 創建基於數據的決策文化的7個步驟 344

15.3.1 先去看盈虧底綫(結果) 344

15.3.2 記住報告不是分析，應鼓勵後者 345

15.3.3 客觀作齣決策 345

15.3.4 要積極主動而不要消極被動 346

15.3.5 賦予分析員更多的權力 346

15.3.6 追求三位一體 347

15.3.7 關於流程 347

Avinash Kaushik是備受贊譽的Web分析博客Occam’S Razor（www.kaushik.net／avinash）的版主。他是一位獨立顧問，目前是Google的分析宣傳師。這之前他曾經是Intuit公司的網絡研究與分析主管，負責管理分析平颱上的業務、技術和策略元素，該分析平颱為Intuit的70多個Web站點提供支持。Avinash Kaushik經常在Emetrics峰會上發言。媒體談及他時經常在其名字上冠以Web度量專傢的稱號。

Avinash將本書的全部收益都捐贈給瞭兩個慈善機構：微笑列車和無國界醫生組織。