开发成功的Web分析策略

Step-by-Step指南

使用这本优秀的现代指南正确学习当今Web分析领域中的机遇和挑战。《精通Web Analytics——来自专家的最佳Web分析策略》由业内一线从业人员写成，它不仅仅是介绍了概念和定义，还挑战了关于该领域的一些根深蒂固的观念，并手把手地指导您如何执行成功的Web分析策略。

Web分析专家Avinash Kaushik，以其引人深思的写作方式，揭露了行业里一些主流神话的谬误，并指引您从分析结果中获得可行的认识。教您如何撇开点击流分析的方法、了解定性数据是关注的焦点的原因，以及介绍其他一些认识和技术，帮助您在不牺牲企业收益的情况下开发以客户为中心的思路。《精通Web Analytics——来自专家的最佳Web分析策略》内容包括:

了解数据收集方法的利与弊

找出能够不通过计算统计页面浏览数却仍能深入了解客户的方法

学会使用“3层次问答”的方法来确定有价值的度量

优化组织结构，并选用合适的分析工具

理解和应用高级分析理念，包括SEM C分析、细分的强大功能、转换率的最佳实践等

利用快速启动解决方案来解决博客和电子商务站点、客户支持站点和小型业务Web站点面临的问题

了解构成优秀实验与测试平台的关键因素

使用竞争情报分析来获得认识并激发行动

您还将发现：

快速提高Web分析能力的10个步骤

在组织中创建以数据为中心的文化的7个步骤

测量博客站点成功与否的6种方式

能通过Web 分析获得可行动认识的3个秘诀

优秀Web分析师的10大标志

第1章 Web分析-- 现状与展望 1

1.1 Web分析的简史 2

1.2 现状和挑战 5

1.3 传统Web分析已经废弃 7

1.4 新的Web分析 8

1.4.1 测量定量和定性数据 10

1.4.2 三位一体：思路和战略方法 12

第2章 数据收集--重要性和选择 19

2.1 了解数据前景 20

2.2 点击流数据 21

2.2.1 Web日志 21

2.2.2 Web Beacons 23

2.2.3 JavaScript标记 25

2.2.4 包嗅探器 27

2.3 结果数据 32

2.3.1 电子商务 32

2.3.2 导引生成 33

2.3.3 品牌/宣传和支持 33

2.4 研究数据 34

2.4.1 思路 35

2.4.2 组织结构 35

2.4.3 时机 35

2.5 竞争数据 36

2.5.1 基于专门小组的测量 36

2.5.2 基于ISP的测量 37

2.5.3 搜索引擎数据 38

第3章 定量分析概述 41

3.1 以客户为中心的重要性 42

3.2 实验室可用性测试 42

3.2.1 实施测试 43

3.2.2 实验室可用性测试的好处 45

3.2.3 注意点 45

3.3 启发式评估 46

3.3.1 实施启发式评估 47

3.3.2 启发式评估的好处 49

3.3.3 注意点 49

3.4 实地考察 49

3.4.1 进行实地考察 50

3.4.2 实地考察的好处 51

3.4.3 注意点 51

3.5 调研(问卷调查) 52

3.5.1 站点调研 52

3.5.2 访问后调研 53

3.5.3 创建和执行调研 53

3.5.4 调研的好处 56

3.5.5 注意点 56

3.6 小结 58

第4章 Web分析策略成功的关键要素 59

4.1 致力于以客户为中心 60

4.2 解决业务问题 62

4.3 遵循10/90原则 63

4.4 雇佣优秀的Web分析师 66

4.5 确定最佳组织结构和职能 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 捕获数据：Web日志还是JavaScript标记 78

5.1.1 将数据服务和数据捕获分离 78

5.1.2 数据类型和大小 79

5.1.3 创新 79

5.1.4 集成 79

5.2 选择最佳的Web分析工具 80

5.2.1 旧的方式 80

5.2.2 新的方式 81

5.3 了解点击流数据的质量 84

5.4 最佳实践 87

5.4.1 标记所有页面 88

5.4.2 确保标记放在最后(客户优先) 88

5.4.3 标记应当内联 88

5.4.4 确定独特的页面定义 89

5.4.5 智能地使用cookie 89

5.4.6 考虑链接编码问题 90

5.4.7 注意重定向 91

5.4.8 验证数据被正确地捕获了 93

5.4.9 对站点中丰富的媒体进行正确的编码 93

5.5 运用“3层次问答”测试 94

5.5.1 关键绩效指标：重复访客的百分比 95

5.5.2 关键绩效指标：站点上退出最多的页面 95

5.5.3 关键绩效指标：最频繁的搜索关键字的转换率 96

第6章 第1个月：对Web分析的核心概念进行深入挖掘 97

6.1 第1周：开始了解这些基本概念 98

6.1.1 周一和周二：URL 98

6.1.2 周三：URL参数 99

6.1.3 周四和周五：cookie 100

6.2 第2周：回顾基本度量 102

6.2.1 周一：访问数和访客 103

6.2.2 周二和周三：站点访问时间 106

6.2.3 周四和周五：页面浏览 109

6.3 第3周：了解标准报告 111

6.3.1 周一和周二：跳出率 112

6.3.2 周三到周五：推荐者--源和搜索关键字短语 114

6.4 第4周：使用站点内容的质量和导航报告 117

6.4.1 周一和周二：顶级的页面-- 浏览最多的、进入最多的、退出最多的 118

6.4.2 周三：到达最多的目标(退出的链接) 121

6.4.3 周四和周五：站点覆盖(点击密度分析) 123

第7章 第2个月：启动Web数据分析 129

7.1 前提和框架 130

7.2 第1周：创建基本报告 130

7.2.1 周一：最多推荐的URL和最频繁出现的关键字短语 131

7.2.2 周二：站点内容受欢迎程度以及首页访问数 133

7.2.3 周三和周四：点击密度(站点覆盖) 135

7.2.4 周五：站点跳出率 135

7.3 电子商务站点的起步指南 137

7.3.1 第2周：测量业务成果 137

7.3.2 第3周：衡量表现，测量商业效果以及客户满意度 140

7.4 支持类站点的起步指南 143

7.4.1 第2周：从客户的角度测量脱机影响 143

7.4.2 第3周：使用VOC或客户评价(在站点和页面层次上)测量成功 147

7.5 博客测量的起步指南 149

7.5.1 第2周：克服复杂性对原理进行测量(通过使用新的指标) 149

7.5.2 第3周：竞争标准化以及测量成本和ROI 152

7.6 第4周：反省和总结 155

第8章 第3个月：搜索分析-- 站内搜索、SEO和PPC 157

8.1 第1周：实施站内搜索分析 158

8.1.1 周一：理解站内搜索的价值 158

8.1.2 周二：认清站内搜索的趋势 162

8.1.3 周三：通过站点覆盖报告来分析点击密度 163

8.1.4 周四：对实际搜索结果的有效性进行测量 164

8.1.5 周五：对站内搜索的结果度量进行测量 165

8.2 第二周：开始搜索引擎优化(SEO) 165

8.2.1 周一：理解影响、优化和链接 167

8.2.2 周二：链接到新闻发布和社会站点 167

8.2.3 周三和周四：对Web页面标记和内容进行优化 168

8.2.4 周五：对搜索机器人提供指导 168

8.3 第3周：对SEO上的工作进行测量 169

8.3.1 周一：检查站点被索引的效果如何 169

8.3.2 周二：对入站链接和频率最高的关键字进行跟踪 170

8.3.3 周三：对来自PPC的有机推荐者进行分离 173

8.3.4 周四：对有机推荐者的价值进行测量 174

8.3.5 周五：对最受欢迎的页面的优化进行测量 174

8.4 第4周：对PPC的有效性进行分析 176

8.4.1 周一：理解PPC的基础 177

8.4.2 周二：对和搜索引擎竞价有关的度量进行测量 178

8.4.3 周三：定义影响盈亏底线的重要指标 178

8.4.4 周四：测量唯一访客数 179

8.4.5 周五：学习PPC报告的最佳实践 179

第9章 第4个月：对电子邮件和多渠道营销进行测量 181

9.1 第1周：电子邮件营销的基本原理及相关内容 182

9.1.1 周一：了解电子邮件营销的原理 182

9.1.2 周二和周三：测量基本的响应度量 183

9.1.3 周四和周五：测量结果度量 184

9.2 第2周：电子邮件营销-- 高级的追踪 184

9.2.1 周一和周二：测量站点有效性 184

9.2.2 周三：避免电子邮件分析的漏洞 185

9.2.3 周四和周五：将电子邮件营销和Web分析软件相结合 186

9.3 第3周和第4周：多渠道的营销、跟踪和分析 186

9.3.1 第3周：了解多渠道的营销，对从离线到在线的促销活动进行跟踪 187

9.3.2 第四周：对多渠道的营销进行跟踪和分析 191

第10章 第5个月：Web站点实验和测试-- 转移力量到客户实现有意义的结果 197

10.1 第1周和第2周：进行测试的原因以及有哪些选择 198

10.1.1 第1周：前期准备和A/B测试 198

10.1.2 第2周：采用A/B测试之外的其他方法 201

10.2 第三周：测试什么-- 具体的选择和方案 207

10.2.1 周一：测试重要的页面并号召行动 208

10.2.2 周二：关注搜索流量 209

10.2.3 周三：内容测试和创新性测试 209

10.2.4 周四：价格测试和促销测试 210

10.2.5 周五：对直接营销活动测试 210

10.3 第四周：创建一个良好的实验和测试程序 211

10.3.1 周一：提出假设和设定目标 211

10.3.2 周二：对多个目标进行测试和验证 213

10.3.3 周三：从简到难，享受其中的乐趣 214

10.3.4 周四：关注传播和专业技术 215

10.3.5 周五：在每个测试程序中实现两个重要的因素 215

第11章 第6个月：Web分析可行性背后的三个秘密 219

11.1 第1周：利用基准和目标来驱动行动 220

11.1.1 周一和周二：了解基准和设置目标的重要性 220

11.1.2 周三：利用外部基准 221

11.1.3 周四：利用内部基准 224

11.1.4 周五：鼓励并创建目标 226

11.2 第2周：创建具有较大影响力的可执行报告板 229

11.2.1 周一：提供背景-- 基准、细分和趋势 229

11.2.2 周二：将重要的几个度量进行隔离 231

11.2.3 周三：不要停留于度量-- 包括认识 231

11.2.4 周四：将报告板限制在单个页面上 233

11.2.5 周五：知道外观的重要性 233

11.3 第3周：使用最佳实践创建有效的报告板程序 234

11.3.1 周一：创建清晰的三位一体度量 234

11.3.2 周二：创建相关的报告板 236

11.3.3 周三：一个度量，一个责任人 237

11.3.4 周四：做实事 238

11.3.5 周五：对报告板的有效性进行测量 238

11.4 第4周：在Web分析中运用六西格玛或者流程优化 239

11.4.1 周一：任何事物都是一个过程 239

11.4.2 周二到周四： 运用DMAIC过程 244

11.4.3 周五：对所学的知识进行回顾 246

第12章 第7个月：竞争情报与 Web 2.0分析 247

12.1 竞争情报分析 248

12.1.1 第1周：竞争性流量报告 248

12.1.2 第2周：搜索引擎报告 253

12.2 Web 2.0分析 262

12.2.1 第三周：测量富交互应用程序(RIA)的成功 263

12.2.2 周4：测量RSS的成功 267

第13章 第8个月及之后： 揭穿Web分析的神话 275

13.1 路径分析：它有什么好处？一点儿都没有 276

13.1.1 路径分析带来的挑战 277

13.1.2 一个替代方案：筛选报告(Funnel report) 278

13.2 转换率：一种毫无意义的执着 281

13.2.1 转换率带来的问题 281

13.2.2 一个替代方案：原始目的的任务完成率 283

13.3 完美：完美已死，愿它永垂不朽 284

13.3.1 完美数据 285

13.3.2 网站速度下的Web 286

13.3.3 支离破碎的多元数据 286

13.4 实时数据：实际并不相关，利用其却耗资巨大 287

13.4.1 获取实时数据的后果 287

13.4.2 一份检验是否已准备好接受实时数据的清单 288

13.5 标准KPI：相关性并不强 290

第14章 高级分析概念-- 加速提升Web分析能力 293

14.1 发挥统计显著性的能量 294

14.2 使用细分的神奇力量 296

14.2.1 按跳出量细分 296

14.2.2 按搜索细分 297

14.2.3 将搜索和跳出量相结合 298

14.2.4 查看细分数据的趋势 298

14.3 使分析和报告“有联系” 299

14.3.1 使用直观图 300

14.3.2 使用有联系的语言 300

14.4 采用转换率的最佳实践 303

14.4.1 忘掉站点总转换率 304

14.4.2 随时关注趋势，不要忘了季节性因素 304

14.4.3 理解Web站点/公司的商业获取策略 305

14.4.4 测算前5个推荐URL的转换率 305

14.4.5 不要测算页面或链接的转换率 306

14.4.6 疯狂使用细分 306

14.4.7 总是在转换率旁显示收益 307

14.4.8 带着一个既定目标去测算转换率 308

14.5 提高对搜索引擎营销/按点击付费的分析 309

14.5.1 测算您的跳出率(总计或按顶级关键字短语测算) 309

14.5.2 对分析供应商/机构进行审计 310

14.5.3 测算PPC营销活动的侵蚀率(对比有机结果) 311

14.5.4 积极地推动测试和实验 312

14.5.5 努力去理解客户的多重目标 312

14.6 测算站点放弃率 313

14.6.1 对放弃率进行细分 314

14.6.2 找到可行的认识并采取行动 315

14.7 测算购买天数和访问数 316

14.7.1 如何测算这些KPI 317

14.7.2 找出可行的认识并采取行动 318

14.8 借助统计学的控制限值 320

14.8.1 计算控制限值 322

14.8.2 使用控制限值的一个实例 323

14.9 测算能够转换的“机会份额”的实际大小 324

14.9.1 使用跳出率 325

14.9.2 筛选掉搜索爬虫、图像请求、404错误、Web站点监控软件的“访问” 326

14.9.3 使用客户意图 327

14.9.4 采取行动 329

第15章 创建以数据为本的文化-- 实际步骤和最佳实践 333

15.1 寻找Web分析经理/主管的关键技巧 334

15.1.1 对于工作的极大热情 334

15.1.2 热爱变革，掌控变革 335

15.1.3 以无礼的方式质疑数据 335

15.1.4 CDI(基于客户的创新) 335

15.1.5 并非真正的“数字天才” 336

15.1.6 天生的商业悟性和头脑 336

15.1.7 令人印象深刻的人际交往技巧 337

15.2 何时和如何雇佣外部顾问或内部专家 337

15.2.1 阶段1：襁褓婴儿 338

15.2.2 阶段2：蹒跚学步到懵懂少年 340

15.2.3 阶段3：狂野青年 341

15.2.4 成熟-- 30而立 342

15.3 创建基于数据的决策文化的7个步骤 344

15.3.1 先去看盈亏底线(结果) 344

15.3.2 记住报告不是分析，应鼓励后者 345

15.3.3 客观作出决策 345

15.3.4 要积极主动而不要消极被动 346

15.3.5 赋予分析员更多的权力 346

15.3.6 追求三位一体 347

15.3.7 关于流程 347

Avinash Kaushik是备受赞誉的Web分析博客Occam’S Razor（www.kaushik.net／avinash）的版主。他是一位独立顾问，目前是Google的分析宣传师。这之前他曾经是Intuit公司的网络研究与分析主管，负责管理分析平台上的业务、技术和策略元素，该分析平台为Intuit的70多个Web站点提供支持。Avinash Kaushik经常在Emetrics峰会上发言。媒体谈及他时经常在其名字上冠以Web度量专家的称号。

Avinash将《精通Web Analytics》的全部收益都捐赠给了两个慈善机构：微笑列车和无国界医生组织。