他是爱德蒙·唐泰斯，是我的父亲，我母亲，我哥哥，是我的朋友，是我，也是你。——Evey

【前言】

　　先要答谢各位读者，现在一个月一篇文章已经远不如当初承诺的一星期一篇文章，但仍然有朋友苦苦等待，我很辜负你们的期待，真的很抱歉。过去，有些文章，是献给某些朋友的。今天，这篇文章也想献给一位素不相识的朋友，包括今天的每期一句，我不知道是不是这世界还会有light，还会有honesty，但因为他，我信一切会有，因为如果你真的不恐惧来这个世界这个国度，并且为这个浑浊黑暗带来一点点光亮，那么，你踏步前行的身后，便终可能全是光明。我们与你同在。

　　这篇文章接上回：电子商务关键数字优化（线上部分，上）（http://www.chinawebanalytics.cn/kpi_optimization_part1/）

【正文】

着手提升基础驱动因素

　　我们在前文中，把影响电子商务关键数字（KBR数字）的驱动因素区分为两类：基础驱动因素和非基础驱动因素。我们也强调了基础驱动因素的重要意义，在大干快上的时候，千万不要忽视了打牢基础。

　　提升基础驱动因素，看似抽象，例如我们上回中的例子——“转化率的基础驱动”——多少听起来有些拗口，但操作却是实在的，具体的。在上回中，我们把影响转化率的基础驱动归结为如下项目，这些项目（item）即是我们需要动手逐个优化的。而这些项目优化的结果好坏，当然对转化率的好坏起到至关重要的作用。

　　影响转化率的基础驱动因素如：

• 关键转化过程
• 导航（分类）
• 搜索
• 信任
• ……

　　非基础驱动因素如：

• 产品页面
• 登陆页面
• 活动和流量匹配程度
• 外部流量本身质量
• ……

案例：如何优化KBR之转化率（3）——关键转化过程优化

　　现在我们开始着手一项一项提升作为KBR的转化率的基础驱动因素。这没有什么神秘的，这些都是网站分析从业者的基本功，也是网站分析这门学科必学必用的内容。如果要编一本网站分析的教材，这些必然是占有这本教材的主体部分。

　　例如，对于关键转化过程，这是我们大家都很熟悉的，我们找出转化过程中不佳的环节，然后检视这个环节中哪里出现了问题，然后加以改进。

　　左图中是这样的一个转化过程，电子商务网站上一个产品的销售过程大致是这样的过程。产品页可能本身就是登陆页，但是更多的时候，访问者看到产品页之前会先浏览其他的页面，比如活动页面、首页或是商品的列表页等等，然后，某个页面上的某个陈列着的商品引发了购买者的兴趣，于是他们才会进入这个产品的具体说明页（产品页）。

　　我们都知道，在进入产品页直到最后完成支付的一系列环节中，任何一个环节出现问题，就会影响最终的转化。例如下图中所展示的某种问题：

　　这虽然不是典型的电子商务网站，但“毛病”是一致的，在两个虚线的方框内的转化是存在明显问题的。我们通过Google Analytics的预定义转化（Goal和Step）功能，或者Omniture SiteCatalyst的转化丢失报告（Fallout），这些问题能够很容易地被发现。知道问题在哪里，事情就多少好办一点，我们可以用数据做进一步的证明问题出现的原因，或者有时候只是猜测，然后再改进现有的毛病，并进行测试真正解决这些毛病（具体的这些步骤我们后面会详谈，这里不引申了）。

　　总之，这是一个很稀疏平常的方法论，我想如果有一本网站分析的教材，这应该是基本的方法论了。

　　不过，有时候，事情不是这么“完美”的。并不是所有的转化都有明显的毛病，如果每个环节的丢失率都比较均匀，没有明显的短板，你会怎么办？或者，换另外一种极端的情况——每个环节都存在明显的转化丢失，你应该怎么着手处理？

　　显然，优化是永无止境的，没有明显短板并不意味着不值得优化，而如果每个环节都存在明显的转化丢失，你肯定更会手忙脚乱。这时候，上面的方法论可能不适用了。事情总都是一步步解决的，你不可能同时对所有的环节都进行优化，因此现在有三种可供选择的方案，你会选择那种？

　　A. 你会先从转化的前端开始解决问题，然后逐步深入到转化的后端环节；

　　B. 你会先从转化的后端开始解决问题，然后往前推，解决转化前端出现的问题；

　　C. 你会决定——这玩意儿好不了了，破罐子破摔吧。

　　选项C当然是开玩笑，如果你真的在乎这个网站的话，你不会这么听之任之的。但有时候，我们确实存在恨铁不成钢的沮丧，而且确实有些网站只能回炉重造。

　　A和B，我们往往是按照A实践，但我会选择B。

　　这或许没有对错，但我更倾向于B。

　　原因在于，越深入到转化的后端，就越可能是“基础驱动因素”，而转化的前端，则更多时候，是“非基础驱动因素”。我同样认为，有时候，把前端解决好了，会有很直接快速的效益显现，但我还是固执地认为，后端就是更重要些。没有对错，只是我的感觉。

　　这个感觉来源于对问题定位和解决的难度会因为这个问题是出现在前端还是后端而不同。看看下面这个例子——我们对转化的前端和后端分别进行优化，前端我们优化登陆页二跳率，从40%升高到50%，后端我们优化支付转化率，从40%提升到50%。其他条件不变的情况下，这二者优化对整体转化提升的贡献是一样的。可是，往往我们的分析和技术团队资源是有限的，我们如何选择？

　　我倾向于选择优化支付转化率。有两个原因。第一个原因，很明确，支付转化率是基础驱动因素，它的好坏影响全局。而登陆页数量众多，而且登陆页是会不断发生变化的，并非是基础驱动因素。

　　第二个原因，是因为对前端的优化相对而言更困难。转化越靠前端，影响其转化的因素越多，越分散，解决起来越是费劲。比如，影响二跳率的因素涉及到页面的设计、call to action、用户导引、流量质量、商品吸引力等等，这些都不是很快很轻易能够解决的。当然，明显无知小白错误（例如不匹配之类）的除外。

　　影响整体转化率的另一个基础因素是转化结构。这一点我在几次演讲中都有提到，但没有听过我演讲的朋友可能并不熟悉。

　　如下面三个转化的结果图所示：

　　正常转化是左边的图，有泄漏点（如同我们上面讲的那个航口售票网站）是中间这个，而不正常结构的转化（最右边这个），则是在转化过程中，很奇怪的没有按照预订的转化路径，而是发生循环，或是“四处乱窜”。通过“全路径报告”（这个报告在Google Analytics中没有，但是Omniture SiteCatalytics提供），我们可以发现这类奇怪的转化结构。这种结构对转化效率有重大影响。下图中，第八条主要路径（Top 8路径）发生了循环，而且循环发生在购物转化过程中。

兴趣阅读：转化结构失误的真实案例

　　转化结构失误是否真的存在？答案是肯定的。一个真实的案例是某一家航空公司的电子客票销售过程中，发生了显著的流程循环。

　　我们看到，在用户选择好航班，点击下一步之后，超过40%的访问者又会回到上一步，即回到选择航班的页面。

　　这种状况的发生极为严重的影响了整体转化率，订票转化率低至不足3%，但这个网站的同行们却平均有接近10%的整体转化率。

　　发生这种现象的原因很快被找到，当用户在航班选择页面挑选好某个航班后，相应的价格并不会显示在这个页面中，而是需要你点击“check price”按钮，进入到下一个页面中，才能看到你刚才选择的航班的票价。这是一个显然不会让人愉快的设计，而这个设计，也显然造成了转化过程中的循环——当人们看到机票价格并不是自己期望价格的时候，不得不回到上一页去选择新的航班，然后再点击“check price”查看新的价格。总之，这样的设计真的是糟透了。

　　现在，这个网站已经改掉了这个设计。但最初的毛病，在今天却成为一个很好的反面案例。

案例：如何优化KBR之转化率（4）——导航优化

　　我们解决了关键转化过程的问题，现在我们开始关注第二个基础驱动因素：导航。

　　导航优化也是网站分析学科中必学的课程，而且这一块也相对有成熟的方法论。

　　对于导航，我们关注几件事情：

　　首先，导航被过多的使用并不意味着是一件好事。可能你的商品并不容易被人轻易地找到，或者，人们总是容易找不到自己想要的商品，而不断尝试通过导航解决问题。

　　其次，导航被很少使用也是不合理的，这意味着你的用户没有访问深度。

　　然后，导航区域本身的设置是否合理？是否有一些导航的入口根本不值得放在导航区域，而另外一些则应该添补进来？

　　对于第一、二个问题，我们如下解决：

• 导航利用率的评价

　　导航利用率用来衡量网站导航被整体使用的情况，并进而推算用户是否过度或者过少使用了导航。当然，我们看到的一般现象是过度使用导航。

　　导航利用率通过网站中导航的总点击密度来表现，公式为：，分母为什么要减去bounce掉的PV，原因在于我们衡量这个值只有对非bounce的visitor才是有意义的。有时为了简单起见，有时候我也用公式：，但这个公式的意义显然不是很精确，减去首页PV意味着摒弃了首页的影响，这在首页最为最主要的landing page的时候说得过去，但并不科学。

　　上面两个公式计算的结果，如果数字越大，表明导航区域被使用的概率就越高。一般而言，对于第一个公式，我认为这个比例不超过40%是合理的，如果超过这个数字，说明用户在导航中转来转去，并没有实现你希望他们去做的事情——找到他们喜欢的商品并购买它。

　　现在，你一定会提出一个问题——总PV和Bounce掉的PV是容易拿到的，但导航区域的点击数如何获得？我的方法很简单，对所有的导航位置的链接URL，均会加上一个参数后缀，以区别它是用作导航的链接。例如，某一个入口处于首页的导航区域，链接到销售Prada的专题页面上，这个入口链接本来是http://www.chinawebanalytics.cn/prada.html，但是，因为它处于导航位置，因此我为它增加一个专门的参数“?from=nav”，这个链接也因此变为http://www.chinawebanalytics.cn/prada.html?from=nav。在GA中，这个URL会被记为一个不同的页面，但并不影响用户使用网页。这样，导航区域的点击数量就被转化为导航入口被点击之后所打开的相应页面的PV数，这样这个值就能够比较准确的获得了。

　　当然，这个方法又引起了另一个问题，即同样页面因为增加了?from=这样的参数而造成了duplicate pages，从而影响SEO的权重。但这个问题实际上是很容易解决的。在robots.txt文档中添加Disallow: /*?*

　　可以屏蔽所有带动态参数的链接，如果只屏蔽带?from=的，Disallow: /*?from=*即可。感谢我的同事Jay Huang在这个领域的专业贡献。

　　对于第三个问题，我们常用的方法如下。

• 导航区域本身的合理性

　　导航区域的合理性指导航入口的设置是合理的。这些入口应该是用户常用，并且分类清晰，有逻辑性，更重要的，是用户能够轻易找到，且不会被随意忽视，起不到导航的作用。

　　下图显示了两个导航区域的用户点击情况。两个导航区域中，都有一些很少被点击的入口，尤其是上一个导航的help，contact us，agents等。而在下面的导航区域中，our trips，your booking又有太多的点击，甚至人们几乎就是冲着这两个入口来的。因此这些导航有优化的空间。

　　总体上，我们认为导航的点击不太可能平均分布，但是，如果有过于密集的点击入口，或者过少的点击入口，你应该考虑优化。过于密集，意味着这个页面上该路径或者该功能的进入方式太过单一，可以考虑增加一些辅助入口。过少的点击，意味着这个入口出现在导航区域中的价值值得重新掂量。

• 导航路径合理性

　　导航路径合理性也是对导航的重要的评价。方法直接，用网站分析工具的路径功能即可。好的导航功能有清晰的符合逻辑的路径，不好的导航则可能出现很多不符合预期的路径，以及出现更多的循环。不再赘述。

案例：如何优化KBR之转化率（5）——站内搜索

　　如果我们继续探寻优化转化率的足迹，我们在基础驱动因素的道路上将必然碰到站内搜索。站内搜索与导航对用户体验的影响本质上是相似的，对于部分电子商务网站，这种影响甚至是决定性的。

引申阅读：电子商务网站的用户体验不一致性

　　电子商务网站的类型不同，造成了电子商务必然对用户体验具有不同的作用。同样一个电子商务网站，对某一类用户有很好的用户体验，对另外一部分则不尽然。

　　进一步说，这是人类购物天性使然。

　　我们购物有两种情况，一种情况是带着某种明确的目的进行购买活动，另外一种则是随便逛逛之后的应激性购买。相对而言，男性更倾向于第一种情况，而女性则后者居多。

　　电子商务网站往往都是两者兼顾，但相对而言还是有所偏向。由于网站定位、品类和商品特点、面向的人群不同，电子商务网站仍可以区分为偏向于服务于明确目的的购买，和偏向于服务于兴趣激发的购买。

　　前者，例如改良前的京东商城，或者淘宝（你会发现在淘宝上随便逛逛真的很困难，你的购买欲不会提升）。后者例如走秀网。这两类电子商务网站，用户目的的不同，用户体验优化的要点也不一样。第一种情况，很显然搜索功能必须非常强大；第二种情况，导航和商品陈设则需要非常考究。当然，并不是说对第一种情况导航不重要或是第二种情况搜索不重要，但侧重确实是有不同的。

　　站内搜索的优化同样有固定的套路，在Avinash的第二本书《Web Analytics 2.0》中有详细阐述。我好像已经忘记了一些他的原文，所以我就讲我在实践中用到的。

　　我在很久之前那次拥挤的分享中专门做了如何通过站内搜索优化网站的内容，当时，我的观点很明确，没有任何用户行为比用户直接搜索关键词透露的信息更有价值。今天，这个观点仍然没有过时，尤其是在你资源有限无法跟用户直接对话的情况下。

　　对搜索的关注如我左图所示。

　　搜索利用率跟导航点击密度是相似的，公式也很简单：。搜索利用率高的网站，更偏向于目的购买型，搜索利用率低的网站，则可能属于兴趣应激购买型，或是——搜索实在做的太差了。

　　除了搜索利用率需要我们自己计算外，其他的几个关键点都可以通过网站分析工具直接获得。例如，对于高search bounce和refinement的搜索词，Google Analytics提供很不错的报告，如下所示：

　　而0搜索结果页面则更是非常重要的报告（这个报告Google Analytics似乎没有），在Omniture的SiteCatalyst工具中，有专门的报告提供：

　　在上面的报告中，搜索词“handicom”是返回0结果最多的，如果你是SONY，你一定会知道该怎么办了。如果我们挽救了这些搜索handicom的用户，而且满足了他们想要了解handycam的本意，那么我们的转化率一定会受益菲浅。

　　高搜索结果返回页面是那些承载着搜索结果期望的页面，这些页面是否能满足（或者至少是部分满足）搜索者的预期，也同样影响转化率。

　　例如，上面的报表中，对于handycam这个搜索词而言，用户更多会点击搜索结果中的首页。这意味着，首页最好要满足这些人的需求，否则他们可能认为，这个网站并不能让他们更多了解这个产品，更不用说让他们购买这个产品了。

　　上面的这些案例，只是想要说明如何在辨识出基础驱动因素之后，通过研究基础驱动因素的绩效来为改进和优化创造可能。我相信这些行动是意义的。不过，上面的这些案例都是分析，并不是优化建议本身，更不是带来的优化结果。在我们上面的KBR优化路径中，你还需要做其他一些重要的事情以保证你所采取的行动是卓有成效的。这些，我将在这个系列的最后一篇文章中阐述，包括如何通过测试寻找真正的优化方法，以及如何更高级的满足用户的转化预期。

　　好了，先写这么多，请大家提出建议和问题，期待大家的留言！

　　没有数字和分析，没有电子商务。

【前言】

　　从事电子商务的工作一段时间，发现自己对于数据的想法有了很多变化。过去，我们拿着国外的理论，然后站在河边的岸上，对河中游泳的人们指指点点。今天，当你也跳入河中，就是全然不同的感受。一方面河水冰冷刺骨，另一方面，也开始理解为什么曾经河中的人们用各种“怪异的姿势”奋力搏击。这一篇文章，是我在杭州参加车品觉老师《智论商道，西湖秋学》活动的演讲整理，也记录了我的“河中感受”。

【正文】

　　这是一个很大很难但也是每一个电商人都会问的问题——我该如何优化我业务中的关键数字。

　　我也面临这个问题——这个有数百种，不数万种各不同相同答案的问题。优化关键业务数字，没有固定的策略，因此也就没有固定的答案，但却并非无迹可循，而是有章有法的。甚至，这些方法事实上并不需要你去从头摸索，前人早已准备了众多滋养，只需你有心跟随即可。

　　既如此，就让我们先看看前人给我们这些滋养是什么。

关键的第一步

　　优化电子商务关键数字的第一步是什么？

　　说来好笑，这个问题的答案是——什么电子商务的关键数字？不过这可是个很严肃的答案，当然，也是一个很严肃的问题。

　　分析不是为了分析而分析，没有明确目的的分析，是“无病呻吟”。分析是需要消耗资源的，而且消耗的全部是“沉没资源”——时间，你不能把分析投入到本来不需要分析的领域去。因此，电子商务关键数字优化的第一步恰恰是识别关键数字是什么。

　　对于电子商务关键数字的识别，是起始于“KBR”的。KBR是我在Adobe Omniture的时候被洗脑的一个词，意思是Key Business Requirement。当然，这不过是人头马酒瓶装二锅头罢了。KBR没什么新意，不过点明了你的分析要从组织的关键业务需求开始。

　　但这个思想很重要，本质上，这个思维方法就是我们熟悉的“金字塔思维方法”——事情有一个根本的基点，一切最终要回到这个基点。我们在分析的时候，很多时候是被兴趣所指引，发现了麻雀去追麻雀，发现了兔子又去撵兔子，这是分析工作最初吸引新来者的很重要的原因——看起来一切都是非常新奇有趣的。可是商业分析，你不能浪费你的“沉没成本”，我们不为兴趣所指引，我们所做的一切都需要不断反问自己，是否是围绕着KBR进行的。

　　KBR意味着组织的“当务之急”。对于电子商务，尤其是国内的电子商务，业务上的当务之急是清晰而明确的——增加销售，降低成本。不过这不能算KBR，因为它太过于粗放，而且不够具体。但沿着这个方向，我们会发现大部分电子商务公司在增加销售和降低成本方面都根本上将聚焦于下面两个事情——量和率。

　　量，当然，归根结底是销售量，不过销售量显然决定于流量、注册量，以及转化率和回头率。因此，我们的思维是，要提升销售，我们需要提升流量和注册，并且提升转化和回头的机会。这和做一个线下商店的关键数字指标是类似的——人流量多少，多少人进店买了东西，又有多少人还回来。

　　说一点题外话。我认为国内的电子商务公司，因为它们本身所具有的“股票公司”的特性，利润率什么的，反而不是真正他们关心的。区分什么样的电子商务公司更在乎利润率的一个有趣指标是——他们是否获得了外部投资。当这些公司没有外部投资，维持在一个较小规模的时候，利润率是非常重要的；但当投资进入，扩大规模、挤死竞争对手成为主线的时候，利润率是一个可以牺牲甚至是必须牺牲的指标了。这很有趣，对消费者而言，当一家电商公司刚刚获得投资的时候，促销一定是很给力的，这时的商品值得购买。

　　当然，电子商务是否还有什么其他的关键数字，取决于这个公司自身的经营特点和业务特性，这里不再赘述。强调一点，我们关注方法本身，电子商务关键数字优化的第一步是真正识别你的业务的关键数字。KBR不建议是最大的那个放之四海而皆准的目标（例如Revenue），而应该是这个大目标之下，跟你的大目标达成真正关联的那几个可以清晰定量的目标（例如电子商务中的量和率）。你值得花一些时间找到真正的KBR。

建立优化路径

　　现在，你通过自己的思考或是“老板的指示”知道了KBR是什么。现在你该怎么办呢？

　　我们都知道，任何复杂的问题都可以遵循一定的方法解决，若没有解决，是因为没有找到方法。例如哥德巴赫猜想，人们并非是在寻找答案，而是在寻找方法。同样，KBR不能优化，并非是它不能优化，而是我们可能没有找到正确的方法，或是没有去正确执行这些方法。

　　下面是我的方法，你当然也可以建立你自己的方法。有效果的方法就是好方法，这里没有标准答案。

　　上图是我总结的KBR的优化路径。这个路径看起来文字众多，步骤繁琐，实际上思想非常简单。你也可以看我下面的文字描述，可能更容易理解：

　　定义KBR——分解影响KBR绩效的驱动因素——确定这些驱动因素中哪些是基础驱动因素，哪些是非基础驱动因素——尝试分析基础驱动因素并着手改进——同样，尝试分析非基础驱动因素并着手改进——测试你的这些改进是否有效并固定有效的改进（优化）——优化不可能是针对所有人群和兴趣的，所以最后你要在优化的基础上进行动态处理（定制化）。

　　还是够复杂的，再简单点，用白话！

　　定义KBR——分解影响KBR的那些破事儿——哪些破事儿更具全局影响力？哪些是局部的？——想办法搞定这些破事儿——真的搞定了吗？测试看看——靠谱的办法固定下来——不能用一种办法搞定，多几个办法针对不同情况！

　　我觉得KBR就是被这么搞定的。只是每个破折号后面的每一步体现了水平。网站分析甚至不是一个技术活，毕竟我们没搞什么高深的数学模型，但确实需要缜密的心思，丰富的经验，敏感的嗅觉，和不断尝试的勇气。

　　当然，你可能还是觉得，上面的这个模型（姑且厚颜无耻点把它称为模型），毕竟是一个非常抽象的东西，您可能还是没有太理解，什么是驱动因素？为什么有基础和非基础？测试如何做？又如何动态化定制化？一连串的问题，待我慢慢道来。

基础驱动因素和非基础驱动因素

　　驱动因素真TMD是一个拗口的词。驱动因素是一个西方词，不是老祖宗汉语，但我们不得不用它是因为现代科学和管理学都是人家西方人树立的，咱们中国人也只有成了西方人（加入了别人国家），才似乎有点建树。不过我们国家盖楼修路放卫星办运动会火车比速度行，也不算一无是处。

　　驱动因素是initiative的翻译，这个词是形容词，也可以作为名词。找不到更好的翻译，于是俺们国人就把它翻译成驱动因素了。

　　废话不多说，你理解它为影响因子也行（kao…，因子这个词也是人家，是factor的翻译，唉…），就是会影响KBR绩效的那些因素。例如，影响流量这个KBR的因素的驱动因素是资源多少（例如花钱多少）、营销活动的水准、SEO水平等等。这么说应该很好理解。

　　那么，什么是基础驱动因素和非基础驱动因素呢？这是我自己琢磨的，没理论根据，但我觉得好使。

　　所谓基础驱动因素，就是那些当你改变了它（优化了它）就会全局性长时间改变（优化）KBR的那些影响因子；

　　而非基础驱动因素，就是那些当你改变了它（优化了它）就会局部性一定时间内改变（优化）KBR的那些影响因子。

　　用咱们汉语说，基础驱动因素就是内功，非基础驱动因素则是招式。内功常在，招式则要过招时才发生。

　　现在可能你明白了一点我想说什么。不过，最好的方法是，我们举一个真正的KBR优化的例子，让我们看看上面的路径和驱动因素如何帮助我们优化KBR。

案例：如何优化KBR之转化率（1）——驱动因素的细分

　　转化率是我最喜欢谈的，因为对它的研究业界已经很多，但我们似乎总未破解它的迷局。

　　按照我们前面提到的KBR优化路径，我们要找到转化率这个KBR的驱动因素，并且要把基础驱动因素和非基础驱动因素区分开来。然后分别加以分析和优化。

　　我是这么分解的，如下图所示：

　　我影响转化率的基础驱动因素确定为：

• 关键转化过程
• 导航（分类）
• 搜索
• 信任
• ……

　　非基础驱动因素确定为：

• 产品页面
• 登陆页面
• 活动和流量匹配程度
• 外部流量本身质量
• ……

　　先来看看基础驱动因素的确定。关键转化过程，是老生常谈的了，就是在转换路径中各个关键环节。这些环节的某一个或多个做不好，对整体销售转化的影响都会非常大，也就是我们常说的木桶短板效应。导航和分类，本质上是对用户遍历或寻找商品逻辑的有效组织或再组织，不好的导航和分类，让用户没有在合适的位置找到合适的商品，扫兴而归，转化率受损。搜索，跟导航和分类是类似的，只是人们更容易对它产生更高期待，并更容易在期待落空后放弃。

　　这几个因素，都全局性的影响到转化率这一KBR。无论流量质量（人群价值）如何，无论你的活动页面有多么吸引人，这些因素做不好，转化率都会低下。因为这些因素是基础性的影响。而活动页面的吸引力则非基础性的，A活动的页面不好，那么在下一次B活动中加以改进，仍有机会，但关键转化路径中埋有惊人败笔，却不是活动设计本身能够挽救。

　　所以，我把它们作为基础性驱动因素。基础性驱动因素还有很多，限于篇幅不再冗举，朋友们不妨留言列举。

【闲来无事多读一点】

　　同转化率一样，回头率也有基础驱动因素和非基础驱动因素。在会场有朋友问起这个问题，引发了较长时间的讨论。

　　回头率的基础驱动因素往往是：

• 细分人群属性
• 细分人群消费行为
• 竞争商品
• 竞争价格
• 第一次消费体验
• 转化率（更高的转化率会促进回头率）
• ……

　　非基础驱动因素是：

• 市场及促销活动
• 精细化找回营销
• 外部市场环境（动态变化）
• ……

　　相对于转化率，回头率的衡量更具有难度，所受的影响因子也更多。优化它的基本方法必须经过人群的细分，按照消费行为、人群属性的细分，挖掘哪些属性、行为的人群的不同流失情况。以辨别流失倾向和人群的关系。另一种细分维度则是按商品品类细分的人群流失情况。哪类商品的购买者更容易发生流失。以辨别竞争商品和价格可能存在的问题。

　　转化率的非基础驱动因素则比较明显，它们都是局部性的，而且时限性相对较短。例如产品页面，产品页面的介绍对该产品的转化率影响很大，但并不影响其他产品，而且产品有明显的生命周期。登陆页面同样，它们会影响活动的转化效果，但只限于影响自己的活动。流量本身也是动态的，尽管流量永远存在，但却并不能保证每天的流量都能匹配landing page，或是保持持续的较高品质。

　　现在，你应该能够明白基础驱动因素和非基础驱动因素了。那么，我们这么划分的意义何在呢？

案例：如何优化KBR之转化率（2）——驱动因素细分意义何在

　　细分基础和非基础驱动因素的意义在于，你能够知道应该先从哪里下手。前文说过，分析是需要资源的，最重要的资源是时间，是沉没成本，你不太能够分析所有的因素，所以分析的艺术是抓住重点直切主题的艺术。

　　基础驱动和非基础驱动二者，在转化率这个电子商务的KBR上，体现出非常明显的没有抓住重点的趋势。原因无它，我们往往更重视非基础驱动因素而不愿直面基础驱动因素。招式易学，内功难练。

　　电子商务显现出非常明显的对活动的重视，对流量本身的重视，但却往往疏失关键的转化过程中是否存在明显短板，是否有更好的用户指引，并忽略建立初次和长时间的信任。这些都比不上修正下产品页面，给用户促销，以及产品页面的说服诱导见效快，所以理所应当的被放到次重要的位置上。

　　这是误区。内功练成，无招胜有招；招式搞定，却不过是空有花架子。基础驱动应该放到更高优先级上，至少它应该跟非基础驱动一并被关注和优化。

　　好了，这些都是浅显的道理，我就不多啰嗦了。限于时间的关系，我很难找到大段的时间跟大家分享。就先停笔到这里。未来也许某一天，我不会那么忙了，我停下来，能够跟朋友们更多分享。更多的内容，请期待这个文章的后半部分！

　　欢迎大家留言，想到什么就说什么！

【前言】

　　上一回讲到如何更好使用网站分析工具的五个原则，本期接着讲后五个原则。在上一回中，有一个朋友Liang同学在留言中提出了非常有高度的意见，绝对是高手。但我还是想说，我仍然保留我的意见。:)

　　为什么呢？如下原因：

基础和能力不是问题，但如何能够帮助夯实基础，培养能力，却是问题。

　　也许不远的未来我们网站分析的环境变了，专门做分析的网站分析师在中国普及，大家的基础和能力都很扎实，情况会不一样。

　　就我所见，我以前的一些澳洲客户，他们也用不好付费系统的许多功能，除非如我在前文所说，有很好的培训和咨询帮助。在中国，后二者难寻觅，而自己摸索——太难太难，要资料没资料，要经验没经验，要指导没指导。

　　所以，目力所及，拿在手里有牛X工具的，不少；用好的，稀少。

　　关于帮助形成思维体系的问题，Omniture的思维体系的第一步其实不在于前期完善的tag制作方案，这已经是懂了很多很多才能做好的事情了。Omniture的思维体系的第一步在于真正理解和辨清流量流（点击流）和业务流，以及在工具中对它们二者的原理和定义。这是Omniture和免费工具最大的不同。辨清这二者，才可能真正理解在实施中围绕它们所编织的如你所说的page name、hierachy（层级）、SAINT Classification、转化和其他自定义的event、prop和evar。而Page Name、Hierachy和SAINT Classification其实是Google Analytics也有的，没有付费工具那么灵活，但思维方式和工作的严谨细致程度其实相差不远。

　　正是因为Omniture或其他付费工具在这两个流上有不同的逻辑，所以在国内没有课本、没有培训、没有咨询的情况下，理解起来的难度就太大了。而且，仅仅是一个SAINT Classification工具，国内能理解能用好的太少，我当时给Intel、HP做，用这个，但Intel、HP自己是不懂的，那个时候我其实也没有真正理解。

　　是的，付费工具的公司有培训、有咨询、有方法论指导，但国内真正愿意付费购买的又很少。国内乐意花钱买实施，这个看得见摸得着，但不乐意花钱买培训和指导——他们问，这不是本来就包含在一起的吗？！而且买多少才能真正培训到位呢？就算花钱，培训是用汉语为母语的老师进行的吗？——不是人人都有这样的机会接受200个小时专门的汉语母语Omniture培训，这样的培训根本就不存在。英语？你可以，我可以，但对大多数朋友来说，还是有难度。如果连能够理解的途径和机会都没有，那就很难谈到培养思维体系了。这些是中国WA市场的真实情况，很多东西，就是花钱都做不到，做不好，跟国外其实完全不同。

　　Liang同学也谈到：“免费付费还是依据应用场景和预算投资回报来定为好。读者如果对于付费运行原理多些了解应该去除一些不应有的误会。”问题就在这儿，读者朋友如何去了解付费运行原理呢？如果他们没有机会去了解，或者只能被灌输个“一知半解”，那么这个工具还是不是“简单便捷的效率之选呢”？这也是我为什么不建议选择超出你能力范围的工具——除非你能确保这个工具的提供商或你的公司能够帮助你形成这个能力。

　　回到这个SAINT工具上。与SAINT相对应的工具，GA也有，叫UTM link tag，功能和使用都简单得多，能上手的朋友和公司就多了不少了，因为它不用上传，不用考虑为什么流量（PV，Visit）就是出不来，而是出来个instance（国内理解prop和evar不能correlation的可能除了少数几个高人，恐怕没了，能知道如何解决这个问题的，那就更寥寥无几）。免费工具只是流量流工具，严谨上肯定是输了付费的，却胜在这点脉络清晰、简单易用，而且有社群能够互相帮助，快速使用上手，对于大家快速切入网站分析是有很多益处的。至于这个方案是不是矮矮的天花板，根据不同的业务需求，情况真是不同。功能和能力有关，功能超级强大，使用者不懂用，没用啊。

基础工作不到位，思维体系是pillar of sand（用沙建起来的柱子）。

　　谈到思维体系的培养，就不能不再罗嗦下。我喜欢先易后难，因为我也是这么学过来的。我最早接触到的工具就是Omniture SiteCatalyst，之后才是GA。但坦率说，我学习入门，慢慢加深对网站分析的理解还是靠GA，SiteCatalyst则是在理解了GA的基础之上才慢慢理解了部分，而真正深入了解脉络则是在进入Adobe之后。原因很简单，Omniture的东西是要配置的，不同的客户配置不同，我那是用Omniture的客户少，因此看不到折工具的全景，没有那么大的视野，而且——没有培训，我的外国老板（他其实当时也是一知半解）教我，学起来那叫一个费劲。

　　而这位朋友谈到的“（对于GA等免费工具，）使用者基本上不需要前期的构思和铺陈，快速的进入导致的是之后的技巧难度加大，对于技术上要求不比付费工具低，与其让使用者和技术人员合作去在有限空间进行极限探索，不如给他们一个大的局去做更有效率的实施和应用。”这里可能有误解。国内的免费工具我不了解，但GA的实施一定要前期的构思和铺陈，肯定也是要和业务需求相结合的。在部署GA之前，页面前端的URL的抓取方法和变量的设置与配合就要开始规范了。如果没有前期的完整巧妙的布局，之后就不是技巧难度变大的问题，而是功能受限、分析受损的问题了。

　　同样，在部署的时候，GA也要考虑全局和局部，全局如profile的定义，过滤器的定义，Goal的设计等等；局部则是event的tracking，交易的tracking或是搜索的tracking，还要考虑全局和局部的关系，二者紧密联系。所以全局思维的锻炼是少不了的。只是我也承认，由于付费工具更强大灵活，所以要考虑的“全局”更大，难度更高。但付费工具也好，免费工具也好，在“全局”没有质的区别，区别是付费工具更强调对于业务有更深入细致的了解，从而能够把业务定义到工具的业务流监测中。我相信这正是这位朋友所强调的，这的确也是免费工具不能及的。

　　呵呵，这个讨论我额外添加了前提，所以有偷换概念之嫌。我想，Liang同学所说和我所说的可能并无对错。只不过条件不同，情况不同，就造成了方法和选择的差异。钱够，资源够，咱们甭谈什么免费了，那么多好的付费工具，来一个，把人顺便给我培养好。钱不够，资源少，问题就大了。

　　最后，把这位朋友的意见贴在这里，欢迎多多讨论。Liang同学的商榷，一下子激发了我很多思考，非常感谢。大家的视角不同，观点不同，你让我看到了另外的角度。

Liang said:

原则一二提及免费工具和收费工具的先后顺序，和博主有商榷。。。免费收费工具真有难易之分，对于能力有要求高下之分？从文中和实践都无法印证这一观点。
我们看看收费软件，以博主常说到的omniture对照GA而言:
1. 收费的功能强大并不表明就复杂，而是博主文中说到的空间增大应用天花板高了。举例来说，omniture的跟踪代码classification是商用的便利之选，工具提供商要在服务器运算能力方面支撑这一解决方案，商用是你花钱换来一个简单便捷的效率之选。。到底是一个如何花钱的问题。。是花钱让技术人员在矮矮的天花板下折腾找个解决方案，(通常结果依然犹豫免费本身的方案也不完善实用)，还是让技术人员的才智和解决问题能力发挥到更广阔的天地去。虽然，文中的没预算的情况下适的做法不错，却不能佐证应该先用免费，免费先行。这是一个花钱方法选择的问题。
2. 以omniture为代表的付费的方案更能够培养一个良好的思维体系，尤其对于初学者。tag类型分析工具如omniture确实不是一段代码立即上手，需要完善的前期tag制作方案，如page name的定义，层级的划分，都需要去铺垫，这需要的是对于全局的思维方式和细致的工作方法，但，这是基本的思维方式和能力要求，对于使用者来说一个基本的学习过程，技术难度而言也谈不上，实施上都需要技术人员参与。。尽管GA、百度统计易于上手，基本上他们采取的方法是把常用场景功能推送到主界面的设计逻辑，延展性限制在使用中逐渐显现。使用者基本上不需要前期的构思和铺陈，快速的进入导致的是之后的技巧难度加大，对于技术上要求不比付费工具低，与其让使用者和技术人员合作去在有限空间进行极限探索，不如给他们一个大的局去做更有效率的实施和应用。
免费付费还是依据应用场景和预算投资回报来定为好。读者如果对于付费运行原理多些了解应该去除一些不应有的误会。

　　这是我“博客史”上最长的前言了，再次感谢Liang同学的留言，你吹醒了这个博客被我弄得沉闷的氛围。

【正文】

原则六：选用一个工具之前，首先必须了解它的原理

　　有一些实际上是老生常谈了，但仍然有初入门径的朋友会问起，为什么我GA的数据跟日志的不一样。

　　讲一个真实的故事，我们的网站有一天感到服务器的压力很大，公司想知道是不是因为用户突然暴涨所致，或是有其他恶意的原因。

　　这是一个极为容易解决的问题。从GA上，我们能够轻易的看到“真实的人”，而不是机器访问的流量；而日志文件（log file），则能够捕获大部分机器人（蜘蛛爬虫）遍历网站的流量。因此，如果GA的数据暴涨，那么这是好事，服务器压力大，应该添加服务器了。可是，如果GA没有暴涨，而log file的数据暴涨，那么可能是某些恶意的网站数据采集软件在作恶，公司该要注意的是网络安全领域的问题。

　　所以，日志文件的分析工具（例如逆火软件，老版本的WebTrends，或是Piwik），跟页面标记监测分析工具（例如Google Analytics和Omniture SiteCatalyst）在监测原理上有根本性的差异。你可以读这两篇文章了解它们之间的差异：服务器日志法网站分析的原理及优缺点，页面标记法网站分析及数据捕获原理。

　　所以，不同原理的工具，收集数据的范围是不同的。

　　即使同为页面标记监测分析工具，它们的原理也是不同的，这同样造成数据差异。例如，GA的监测数据利用的是cookie，典型的GA的cookie是utma，utmb，utmc，utmz什么的（它们是什么意思，请看网站分析度量、意义以及不为人所知的（2））。而Omniture SiteCatalyst则是使用cookie和虚拟cookie的共同作用监测数据。SiteCatalyst的cookie比GA的cookie简单，只用来记录访问者的唯一识别编号，而这个编号对应的数据，则全部存放在数据库的虚拟cookie中。虚拟cookie实际上是数据库中的一张大表，记录了这个cookie编号用户访问网站的全部行为。

　　由于利用了虚拟cookie，因此，在用户的客户端不支持cookie的情况下，SiteCatalyst还是可以利用IP地址或client agent记录一个visitor，但GA在没有cookie支持时，就什么也不能做了。

　　因此，我们可以按照监测原理为常见网站分析工具分类，如下图所示：

　　由于监测原理的不同，工具的作用也就有很大不同。

　　想要做SEO，了解机器人扒取数据的原理，用日志工具；想要看鼠标轨迹和停留，用鼠标捕捉工具，例如ClickTale；要看人的行为，还是用页面标记工具。

引申阅读：不同工具，对于网站分析基础度量的定义也是不同的

　　监测原理的不同会影响不同工具收集数据的范围，同样，不同工具在定义基础度量的时候，也有差异。典型的差异是我在介绍bounce rate时候所提到的Google Analytics和Omniture SiteCatalyst（SC）之间的差异。对于GA，bounce rate是预置的基础度量，定义是single page view的访问；而在SC中，bounce rate则不是预置度量，你可以自定义它，一般用single page visit/visit定义。single page view和single page可有天壤之别，前者定义的bounce rate不把reload页面的情况计为bounce，因为页面reload，1个page view就变成2个，所以不再是bounce。而single page的定义则包含了reload的情况，因为无论你在一个页面上reload多少次，这个页面还是这个页面，仍然你只访问了一个页面，所以仍然是single page。所以SC的bounce rate一般比GA要略小大。

　　同样，对于visit的定义有各种不同；对于时间（time）的定义则更多不同了，这里不一一列举。虽然不同的定义得出的结果并不一定有很大差异，但了解一下无害处。

　　当然，我也认为，如果你不了解这些，也并不妨碍你做分析。但监测原理的不同，则是必须要了解的。

原则七：不要利用不同工具做一件事

　　我总觉得，用Google Analytics和Omniture SiteCatalyst监测网站每天visit的多少有些无聊。并不是说这两个工具更准确的问题，而是你永远说不清楚到底谁的数据更准确。

　　理论上，如果两个工具监测的大小不一致，那么它们至少在趋势上是一致的。也就是说，如果GA记录的昨天的visit比前天的大，那么SC的visit也应该是昨天大于前天。可是，天杀的，鬼知道为什么有时候它们连趋势都是不一样的。

　　你可以对GA多一分信任，但我说不好，毕竟有时候Google的服务被鬼使神差的阻断，让它看上去好像是自身营养不良不能提供靠谱的服务。你也可以多信任一点Omniture SiteCatalyst，但我也说不好，毕竟服务器也远在重洋之外（但听说年内香港就会有服务器，到时也许会有不同）。

　　所以，遗憾的讲，这里存在一个谁也说不清楚的盲区，当你的老板询问你为什么GA的数据和SC的数据不一样的时候，你永远也不能找到一个圆满的解释，除了骗他说你花钱买的SC更加可靠之外。

　　所以，为了监测某个相同的度量，如果你认准了一个，那么就一直认准它，如果你结识了新欢，就不要再想旧爱，也别玩儿藕断丝连脚踩两只船。并且，我的忠告是，不要再浪费时间想象为什么它们之间究竟发生了什么而造成了差异。

　　是的，重在分析，而不是数据本身。

　　这也是为什么Avinash总说，同时使用两种或以上的工具是不理想的。

原则八：利用多个工具的长处

　　但你是不是应该永远不同时用多种工具呢？

　　我不知道大师们怎么说，但是我当然不是。我不仅用多种工具，而且乐在其中。

　　我不会去用Google Analytics和Omniture SiteCatalyst比较visit，但我的确会用SC弥补GA没有路径监测的缺憾。（关于这一点，请看我之前的文章：Google Analytics的能与不能）

　　而且，当你花了钱用了ClickTale之后，你也会知道，GA的In-Page Analysis不是不好，但功能确实还不够强大。

　　百度统计？恩，这是颗国产的新星，不管怎样，百度、腾讯和阿里都是极为重视产品的，所以这个产品也不会太差，尤其是在你想要统计和分析凤巢投放的效果的时候。

　　你应该用多种工具，因为没有任何工具能八面玲珑，面面俱到。

引申阅读：在一个网站上使用多个工具时的注意事项

　　在一个网站上使用多个工具并不会带来什么麻烦，大多数情况下我们的网站访问者不会察觉出任何异样。

　　但在一个网站上使用多个工具时可能会对网站性能带来负面的影响，尤其是当某个工具的JavaScript运行发生问题响应缓慢时。所以，加入的代码一定要放到页面的最底端。

　　选择你认为真正有意义的工具，当你需要进行的分析结束后，你完全应该删除这些工具的监测代码。并不是所有的网站分析工具都如同基础分析工具GA或SiteCatalyst一样是从头到尾都需要的，事情总是有始有终。在这一点上，始乱就应该终弃。

原则九：善用复制和过滤——给你更多尝试和细分的机会

　　如果你用过GA，你不会对它的account和profile陌生。account由不同的GA记录号区分，例如UA-123456和UA-123457就会被放入不同account中。而一个account下可以容下很多个profile，每个profile对应一个报告。

　　例如，我想在我的这个网站www.chinawebanalytics.cn上做一些实验，但我又不想影响正常的数据监测。我可以用两个方法。

　　第一个方法是一个笨办法，即在页面上再新建一个GATC（Google Analytics Tracking Code），也就是我们在GA上生成的监测代码。这个代码一定跟最初的代码有不同的记录号，即UA-XXXXXXX不同。我不是很喜欢这个方法，因为GA本身提供了更好的方法。

　　第二个方法是在你原来的account中再复制一个profile，即把你已有的报告再复制一个一模一样的。这个新的报告，可以供你肆意玩乐啦。

　　如果你不了解如何进行这种操作，请看谷歌官方的帮助讲解：http://services.google.com/analytics/breeze/en/accounts_profiles/index.html

　　其实，很多工具存在类似Google的这种报告复制的机制。例如Omniture SiteCatalyst拥有report suite的定义，你可以定义多个report suite为你的一个网站服务，当然，收费也就会更贵一些。

　　一旦复制了一个一模一样的报告，你就可以对这个报告进行过滤操作。过滤实际上是一个不恰当的说法，应该说，是对这个报告的监测方式进行新的配置。

　　例如，我可以利用这个新的profile（report），加上一个地域的过滤，用于只监测从北京访问网站的客户。也可以加上一个过滤，只监测从搜索引擎导入的，且只以某一个页面为landing page的流量。

　　复制和过滤给你更多的尝试机会，和更灵活的细分功能，使用任何一个工具，你都需要了解这个工具的复制和过滤功能，它能让你的工作事半功倍。

　　详细了解GA的过滤，请看这篇文章：五个实用的Google Analytics过滤设置。

原则十：让需求指引你，而不是让工具指引你

　　最后一个原则，是我内心的呼声。

　　我不是一个Geek，所以，坦率讲，当新的网站分析工具出现的时候，我并不是焦急地盼望着更早一日试用。所以，在朋友问到GA V5的时候，我的感觉是：“哦，还不错，用户体验上有改进。”事实上，我认为除了multi-channel funnel和自定义高级群组也可以使用报告过滤功能外，V5的版本改进并不能称得上是革命性的。

　　我是一个懒人，所以总是信奉“enough is enough”。我是有了需求之后，再去选择工具，但我不是有了工具之后，才去理解它能够满足哪些需求。所以我很少在第一时间认真研究工具本身，除了在百度统计刚刚出来的时候，好奇研究了它。

　　不要为工具所累，是我认为使用工具的最重要原则。

　　如果你认为网站分析工具很复杂，那就大错特错了。网站分析工具，咳，说实话，都大同小异，那些模样越是fancy，功能越是让你眼花缭乱的报表，实际上使用的机会越少。我认为工具复杂性的提升并不在于本身学习成本的提升，学习不过是麻烦的最开始。真正的麻烦在于，工具复杂性提升意味着工具背后实施难度的增加，而我亲身的体验告诉我，在中国的电商环境中，想要找到一个特别可靠的团队去实施复杂的WA工具是非常困难的——除非你的团队既有好的前端IT，又有懂前端IT且了解网站分析工具的达人，还有对网站分析需求掌握到位的人。这不是那么容易的事情。

　　当然，我们不需要被吓唬住。我还是觉得（与Liang同学的观点有差异）一步步来是可能的，使用GA是一次免费的实习，你不仅仅是了解了网站分析工具和概念，更关键的，你通过运用这个工具了解了你的分析需求是什么，这才是非常关键的。当你知道这一点之后，你能够提出有价值的切合现实的商业问题，并且以这些问题为基础，选择真正能够解答这些问题的工具，这个时候你就不是盲目的。否则，工具的逻辑是工具的，让它牵着你的鼻子走，你很难找到北。

　　我的实践告诉我，这是相对小风险的一条路，或许对你也适用。

【题后】

　　好了，这个话题就聊到这里，欢迎大家继续拍砖，有问题也欢迎提出。最后，要向朋友们致意诚挚的歉意。我之前说的两个事情都没有兑现，一个是7月份的活动，一个是每周一篇博客。原因在于这个月又离开亲爱的祖国刚刚回来。

　　好消息是，8月6日和8月7日，各有一次活动，但都在北京，都是小规模的CWA聚会活动。8月6日的已经敲定了。具体报名规则和细节我稍后会在博客中通知，8月7日的活动我与组织者确定安排后也会通知大家。

　　新的一周开始了，也希望连续7天工作的我，今天能睡个早觉！晚安！

【重要通知】

通知一：CWA博客继续

　　有一段时间没有发布有营养的文章了，有朋友问是否还会有更新，当然有。在没有真正做电商之前，对于网站分析的理解是有限的。所以能有机会真正接触到这个业态极为复杂、分析需求极为发散、极需精耕细作的行业，感觉很兴奋。网站分析对于电子商务公司的作用最为直接显著，对于优化转化率尤其有大的作为。

　　可以期待的是，未来会有更多的文章关于如何网站分析优化你的电子商务，包括经验，想法和对未来的预期。我会继续努力保持每周一篇的速度为大家呈现第一手的报道。:)

通知二：北京CWA线下活动招募志愿者

　　上一次CWA因为人数过多而让大家挤在一起让我记忆犹新，一直觉得愧对大家。但这次在广州的CWA暨WAW活动极为成功，重新激发了我再来一次北京活动的兴趣。上次北京活动是我和几个同事帮忙组织的，有很多欠周到的地方，这次我觉得不能再“闭门造车”，我希望招募对此有兴趣的朋友，我们在7月份再一起做一次CWA的线下活动，可以确信的是，到时我能邀请到更多高手来跟大家做分享。

通知三：Avinash的Web Analytics 2.0中文版开始销售

　　由我的好朋友Dave Zheng（郑海平）和Gene Deng（邓天卓）联合翻译的Avinash的大作Web Analytics 2.0已经在“各大院线公映”了！如果大家有英文版，看看第400页有什么？中文版也有哦。;)

通知四：网站优化在中国博客开通

　　博客地址是：http://chinaweboptimization.com/。这是我的好朋友，Omniture大中华区资深技术实施顾问Michael Li的博客，他的博客将主要围绕如何通过网站分析优化网站编制。现在已经有了第一篇非常高质量的文章，请大家支持！Michael现在在美国学习的路上，昨天还收到他的短信问我要不要从美国带什么回来。什么也不需要，只需要带回来最新最好的“网站分析在美国”的知识和经验的分享。

【前言】

　　这篇文章来自于5月28日在广州CWA暨WAW会议上的演讲，当时的题目是《合理利用网站分析工具》。演讲30分钟，但涵盖了很多方面，所以有朋友偷偷跟我说没有听懂。这个话题可能需要2到3个小时才容易说清楚，于是，我认为必须开一个新的文章。

【正文】

　　网站分析工具是做网站分析的必备武器。从网站分析的历史被揭开的那一天起，网站分析就同工具无法分开。工具利用水平的高低，很大程度上决定了网站分析水平的高低。

　　但有一个天大的误区，那就是认为越好的工具越能帮助做出更好的网站分析。我用过可能是世界上最先进的工具，但我知道工具的先进和网站分析的先进完全是两回事。我深知如果你不按照下面的十个原则利用你的工具的话，任何一个工具都可能让你的分析破费周章。这就如同AK47是有力的杀敌武器，但枪口完全有可能对着你自己。

原则一：不要采用超出你的能力的工具

　　就目前我看到的情况来说，网站分析工具的功能强大程度和其复杂程度成正比。功能强大的背后，意味着更为灵活的定制化能力，而定制化只能由人完成的。好的定制化取决于三点：

1. 你对自己业务的清晰掌握；
2. 你对这个工具的清晰掌握；
3. 你对你的业务与网站表现之间关系的清晰掌握。

　　这三点，咳……，对于我们大多数朋友来说都是极高的要求。对我也一样，我不敢说我对业务有清晰的掌握，行业和公司内部的情况需要很多时间去了解和体会。这需要悟性。另一方面，对业务清晰了解的人，未必能深入了解工具。Business和Tech就如同两种不同的语言，要用左右大脑分别思考。我的朋友Lizzy Fan的老板Yi Shi （CEO of AVAZU）是这样的一个人，所以他极为成功，但这样的人太少了，总之我很难碰到。这之后你还要对你的业务与网站表现之间的关系有深入的理解，这同样不易。

　　我看到中国有很多企业采用了Omniture的旗舰分析工具SiteCatalyst，但实际上并没有发挥超于Google Analytics的能力，甚至还不如GA的能力。如果你只是使用简单的功能，那么确实GA在用户体验上可能更佳，甚至CNZZ或者百度统计已经足够。如果你做了定制化功能，你就必须要了解SiteCatalyst的流量流和业务流之间的逻辑，以及有这两种流所引发的traffic、event、prop和evar。这些，真不是那么容易。

　　我的建议是，如果你要使用更强大的工具，确保你比这个工具更强大。如果你自认为能力尚不足够，那么确保有强大的实施团队和顾问团队，保证你可以根据你的需求柔性的调整，否者，还是与你熟知的工具打交道。当然，你可以向Michael Li和我求助，但我们不能一直捆在你的业务上，因此更强大的工具，意味着你更应该保持谨慎。

记住，是你使用工具，而不是工具使用你。

原则二：免费工具没用好，付费工具会更困难

　　商用的付费的WA工具总是让我们内心涌起一阵悸动，这些“高不可攀”的工具，能有多么强大啊！于是，我们可能认为，免费工具“不好使”是工具的功能毕竟有限，我们用“付费工具”肯定会完全不同！

　　这个想法我基本不赞同。就像下面这个图——“我生不了孩子，是你们的错！”，但这是笑话，错不在工具，我的母亲讨厌我为错误“找客观原因”开脱。:D

　　免费工具没有用好，付费工具不仅不会帮到你，反而你会更加烦恼。

　　类似于Google Analytics或是百度统计这样的免费工具汇集了网站分析所需的一些最核心功能，并且体现了网站分析的很多核心思想。这些工具是伟大的。

　　你认为的工具“不好使”，可能真的只是因为你没有最大化的挖掘网站分析的潜力。

　　这方面，我的同事Travy是专家，她理解最大化“榨取”GA之类免费工具的意义。

　　“因为那个时候我们的公司不舍得花更多的钱，所以我们想尽一切办法利用GA”，Travy说。

　　这种利用让我大开眼界。坦率说，在此之前，我并不知道GA能够有如此变通的使用方法。这些方法都仅仅只是基于GA的一个方法，即_trackPageview()方法，我们默认的使用是不加参数的，可是如果你把各种参数——包括页面的Title，包括面包屑，包括页面URL中截取后翻译的信息加入进去，GA就增加了许多我们从前根本不认为它能够实现的功能。利用面包屑，GA甚至可以有一点点路径功能了！

　　同样，对于_gaq.push(['_trackTrans'])这个命令也可以挖掘的很深，你可以把更多商品的分类信息、价格以及按照你的要求总结的信息通过动态变量的方式传递给GA。GA对于商品的监测也能变得更强大。

　　我开始承认对于免费工具的能力，我认识的还不够。

　　当然，免费工具的能力是有限的，即使你再榨取，它总有碰到天花板的时候。但我的观点很明确，榨取这个工具能力的过程，是对网站监测实施深入理解和实践的过程。如果你愿意花时间在免费工具的压榨上，那么当你开始使用付费工具的时候，你会发现一切并不那么困难。但是，如果你在使用免费工具的时候不断埋怨，那么我可以想象你在付费工具使用时会有更多的埋怨。

　　因为我们再第一个原则中已经说了：你使用了超出你能力的工具。

　　从免费工具开始，压榨它，成就自己。:)

原则三：不要试图用WA工具准确监测交易

　　另一个误区在于人们总是相信付费的工具比免费工具更加准确。呃……，我基本不认为是这样。由于监测机制本身的原理，工具的准确和你理解的准确是不同的。

　　值得注意的是，常见付费工具和免费工具在流量监测的实现方法上几乎一样，所以二者之间不存在谁更准确的问题。而在监测交易数据上，毕竟不同于电子商务网站内部的ERP系统，网站分析工具是通过捕捉页面上的交易信息实现交易数据获取的，因此常常只是订单确认，或者支付确认的数据，但并不是最终成交的数据（COD交易的成功与否，以及用户退货撤单等情况是很难被网站分析工具监测的）。

　　能够准确监测交易的工具是你公司的ERP系统（或进销存系统），但WA工具很困难。

　　关于WA工具准确性问题，其实还有更多的内容，读读这篇文章——网站分析——我们的数据准确吗？，你就明白为什么我们不需要追求准确了。:)

引申阅读：如何“让”WA工具也能准确监测流量渠道的交易数据

　　WA工具的监测方式让它准确监测交易数据时很困难的，尽管Google Analytics和Omniture都能够通过设置实现撤单和逆向物流等收入的抵扣，但太麻烦，操作可行性不高。

　　但WA工具却可以几乎准确地“监测到”流量渠道的交易数据。

　　注意，我打了好几个引号，因为这并不是通过WA工具直接实现的。我们需要采用变通的方法让GA记录的流量渠道和这些渠道对应的交易数据准确对应起来。

　　方法有两种，两种方法都有一个前提，即你自己要有一个媒介销售管理系统（或类似的系统），能够利用给流量加标记的方法，捕捉到流量带来的销售。举个例子，如果这个系统的标记格式是?from=，那么我在我的博客上为走秀网投放的广告的链出URL就应该是http://www.xiu.com/?from=CWA，这个系统就能够识别CWA的流量带来的销售。这样的系统比比皆是，在电商网站普遍存在。

　　如果你有这个系统，那么恭喜你，你能够实现让流量渠道和对应销量准确匹配的目的。

　　一种方法是用GA的：让GA的UTM link tag能够识别你的系统设置的标记格式。如果看过《流量的秘密》，那么你就知道，utm_campaign, utm_medium等5个标记媒介属性的名称都是可以自定义的。你完全可以用from表示utm_campaign，那么上面的例子中，?from=CWA既能够被GA识别一个被称为CWA的campaign带来的流量，又能被你的媒介销售管理系统识别为从CWA来的流量，并把这些流量能够带来的销售都记录下来。

　　具体做法非常简单，只需要在实施GA代码的时候使用：。。。。

　　另外一种相对笨一点，就是让你自己的系统能够识别WA工具的流量来源标记，比如，本来你的系统是识别?from=的，现在你让你的技术动动手，改成识别?utm_content=，也完全可行，修改也非常简单。

　　这样做之后，你就发现你能得到一个非常准确的报表，如下：

　　Beautiful! 现在你可以准确地知道每个流量来源的转化率能有多少了！如果你有流量的获取费用数据，那么准确的ROI也就获得了！

原则四：再智能，也要重视手工

　　网站分析工具的趋势是更加智能化，例如各家都推出自己的很先进的热图功能。或者给出一些经过二次处理的建议数据。

　　我对智能化爱恨交加。

　　没有智能化，很多工作是无法想象的；但智能化有时会掩盖真相，且让人懒于思考。

　　例如热图，热图特别无法智能化的原因是，页面上有很多同样URL的链接入口，或者页面上的链接经常被更新（例如我们的电子商务网站）。这时候我处理的方式是对页面上所有重复URL链接入口和动态变化的链接，加上标识参数。然后手工统计。需要强大的执行力，不简单，但很准确。

　　你可能会说这会影响到SEO，但已经被我的同事Jay搞定，不是问题了。:)

　　不过这个方法不是很适用于GA，原因在于GA没有next page报告，因为GA没有路径功能。这一点太让人痛苦了。V5版本的GA也没有这个功能，异常失望。没有路径功能的GA，太残缺了。但有了Omniture SiteCatalyst或者Yahoo! Web Analytics，热图就能通过我上面说的手工的方法非常准确地做出。

　　重视手工的另一个原因是，不管多么精细的监测实施，都不可能尽善尽美。例如，我在广州做这个分享的时候，有一位朋友提问——如何才能很好的评估SEO的长尾效果？这个工作直接读取Google Analytics的报表是很难完成的，你只能想办法把所有的长尾organic keyword全部导出，然后利用自己的经验和智慧结合数据分析它们的规律。

　　如果你问我，我网站分析中使用的最多的工具是什么，我的答案不是Google Analytics，也不是Omniture的一众工具，而是Excel。很多时候，我其实不是特别关心Google Analytics和付费工具的异同，很多时候我都是在Excel中实现分析的，WA工具只不过是我分析所需的原材料而已。这也是为什么，商用网站分析工具必须保留并提供Raw Data（例如Omniture SiteCatalyst提供Data Warehouse功能）。

引申阅读：如何一次性导出2万条Google Analytics的数据？

　　利用Google Analytics普通的数据导出，你只能最多导出500条数据。

　　但是对于老版本的Google Analytics，你可以通过一个简单的方法导出任意数量的数据。

1. 点击上图中Export标签。

2. 右键点击CSV，然后拷贝它的链接地址。

3. 打开一个新的浏览器窗口，把刚才拷贝的链接地址输入进地址栏，但不要急于激活这个URL。

4. 在地址栏的URL后面再加上&limit=15000。你就可以导出15000条数据。你可以在等号后换任何一个数字。

　　这个方法对新版本的Google Analytics无效，新方法我还没找到。

原则五：WA工具无法满足你的所有刨根问底

　　一般意义上，WA工具是指Google Analytics、Omniture的SiteCatalyst这样的网站用户点击流工具（clickstream tool），这类工具能够告诉你what（现象），但一般很难告诉你what后面的why（原因）。

　　比如说，你通过Google Analytics的Top Content报告看到某一个页面的bounce rate很高，你就知道了一个很重要的现象——访问者通过这个页面进入你的网站时，第一印象不佳，没有进入其他页面就离开了你的网站。

　　但是什么原因造成这个现象呢？

　　如果是我，我会做下面的事情：

1. 查看页面是否是无链接page，或者是少链接的end page。

2. 如果不是，查看这个页面的流量来源都是哪里，如果主要是搜索引擎，那么恭喜你，你的问题比较容易解决；如果不是搜索引擎，而是直接流量为主，那么很遗憾，你的问题很难通过WA工具刨根问底了。

　　为什么呢？

　　原因在于，直接流量是一种让人喜爱有加却又“极为蛋疼”的流量。直接流量只告诉你一个信息——Google Analytics不知道这些流量来自于哪里！既然不知道他们从何而来，我就很难知道他们为什么对我的这个页面第一印象不佳。

　　对于WA工具，我们必须正确对待。它的最大优点，在于能够帮助我们通过数据发现那些我们没有察觉的现象（问题），也能够帮我们证明我们的改进是否能够带来更好的数据表现。但现象背后的原因，很多时候通过WA工具是做不到的，我们必须要引入其他的分析工具和方法。

　　这些分析工具包括：AB测试工具、调研工具、Pannel、眼动仪等等；方法则包罗万象——调研、可用性测试、德尔菲、用户追踪等等。

　　谈到这里，我想把WA工具的范围做一个延伸，我们常用的GA、SiteCatalyst、CNZZ或者百度统计，只不过是网站分析的点击流分析工具，网站分析工具应该有更大的包容范围。

　　好了，上篇就讲到这里。我很久没有开新的文章了，所以很期待朋友们留言。任何留言都欢迎，问题同样欢迎！

　　谢谢大家的耐心！想念大家！

　　通知一：请大家在加入CWA的QQ群（CWA三个新的QQ群：87963666, 82922176, 47686693）的时候，注意一定要填写加入理由为CWA爱好者。因为有很多垃圾号码加入，所以没有填入理由的都被拒绝了。我估计会误伤一些朋友，所以特此通知。

　　通知二：一个重要的招聘启示在CWA的招聘博客上，请点击这里。一个相当不错的机会，要独当一面，有挑战，但绝对有收获。请想致力于在真是商业环境中进行网站分析实战的朋友猛击。

　　通知三：我现在在深圳，可能会待一段时间，我想在深圳或者广州组织一次CWA的活动，请大家响应。晚一些我会通知大家具体我的计划，目前看，广州活动的可能性很大。

【前言】

　　接着上回书，我们接着说这个模型的第二部分，ISPT中的S。S不是大S也不是小S，也不是刚结婚的我的偶像Stephanie，而是我时时提到的Segmentation（细分）。偏激点儿讲，分析的本质就是Segmentation。我在很多博文和场合都提到了细分的重要性，这篇文章则对细分做一个“细分”。

【正文】

　　ISPT模型本质上是互联网营销分析的必使的几种武器。我觉得S是这些武器中最牛逼的。这种牛逼不是说它是原子弹，丢下来搞定一片，而是如同AK47一样，无论是kongbu份子还是CS玩家直到2011年的今天都还极为钟爱，并且其改装改制的型号至今还在我们这个世界人口最多的国家服役。这就叫牛逼，叫范儿！

　　Segmentation就有这种范儿。如果你做好了细分分析，网站分析你至少成功了一半。我特别钟爱细分，这也是我为什么觉得Google Analytics虽然有诸多不好但仍然是最棒的免费网站分析软件的原因——它对于细分有着近乎于偏执的重视。

　　上一回我们提到了ISPT中的“I”——整合，即Integration。介绍I的目的，是因为在I的前提下，我们可以实现“S”。如果你自信自己的“I”做的足够好，而且数据的粒度足够低（即细节度足够高），那么你可以着手进行细分。但在你动手前，你应该看看下面的内容。

细分不是目的！

　　细分虽然重要，但细分不是目的。所以，不要为做细分而做细分！很多朋友问我，“Sidney，请告诉我应该怎么做细分？”，或者“我这么细分你觉得可以吗？”之类的问题，我肯定会一时语塞，因为在我了解到你要做细分的目的之前，我也不知道你应该如何做细分，我真的不知道。

　　在做细分之前，你不应该把问题聚焦在我该如何做细分上，而应该放在我为什么应该做细分上。也就是说，你得要首先厘清细分背后的分析需求（或者说细分要解决的问题）是什么。

　　没有比这个更重要的了（当然，数据挖掘又是另外一个故事，暂时不在这个逻辑考虑之列）。

　　现在有一个问题：

我想知道为什么我的网站总是留不住用户？

　　我们可以做细分，把用户细分分为新访问者和老访问者。留不住用户，可能是新访问者这里出了问题，所以值得重点查看新访问者的行为和兴趣。也可以把用户按照来源进行细分，来观察是不是某些比较大的流量源不够踏实。当然，你还可以按照注册用户和非注册用户的方法来进行细分。解决这个开放问题，细分的方法有很多，但目的很明确。

　　但反过来，如果没有上面的问题，你只是漫无目的地直接进行新老访问者的细分，也许的确能发现点儿什么，也许不能，总体看这种方式并不一定完全没有收获，但的确是一种效率低下的方法。当你有很多时间，那么就碰碰运气吧，如果你没有那么多时间（毕竟时间是现代人真正的奢侈品），你应该做更有针对性的细分分析，即按照解决问题导向的细分分析。

　　细分不是目的，只是手段。无论做何种细分，都不要忘记了自己是为了什么商业分析需求而做。

细分要解决的常见商业问题

　　既然细分不是目的，商业问题才是目的，那通过细分要解决的常见商业问题有哪些呢？

　　这是一个开放式的问题，回答的难度不低，商业需求是千变万化的，因此商业问题毫无疑问也无穷无尽。但总体而言，我们想要把握规律，想要知道细分适合于解决哪些常见的商业需求的类别。以B2C电子商务网站为例，这些问题例如如下类型。

类型一：与网站用户体验相关的问题

1. 网站哪些页面受欢迎，哪些不受欢迎？

2. 页面上哪些内容受欢迎，哪些不受欢迎？

3. 哪些流程受欢迎，哪些不受？

4. 哪些表单填写用户更乐意填写，哪些不愿意？

5. 导航——什么样的导航靠谱？

6. ……

类型二：与流量数量和质量相关的问题

1. 哪里来的流量数量大，质量高？

2. 哪里来的流量性价比（ROI）高？

3. 哪里来的流量能够满足网站的一些特殊需求？

4. PPC流量应该如何优化？

5. 什么流量让人又爱又恨（食之无味、弃之可惜）？

6. ……

类型三：商品品类相关的问题

1. 哪些商品用户更关注；

2. 哪些商品用户更乐于购买；

3. 哪些商品更……还记得我的商品品类分析的四象限模型吗？

4. ……

类型四：用户行为相关的问题

1. 购买商品的用户体现出什么样的趋同行为？

2. 哪些用户用户将商品放入购物车却没有购买？

3. 注册用户展现出什么样的特征？

4. 在网站上停留了15分钟却没有将商品添加到购物车的访问者都干了些什么？

5. 从我的博客（www.chinawebanalytics.cn）到www.xiu.com的访问者，对这个网站感兴趣吗？

6. 哪些访问者更有忠诚度，哪些则更似冲动型购物者？

7. ……

类型五：跟客户端相关的问题

1. 网站应该支持什么浏览器，应该放弃什么浏览器？

2. 网站的页面应该多长为好？

3. 用JavaScript会不会造成一部分用户体验不佳？

4. ……

类型六：上面五种类型的再综合

1. 什么用户偏爱什么样的商品？

2. 什么来源的用户喜欢看哪一类型的页面？

3. 什么流量渠道带来了喜欢注册为用户的人群？

4. ……

　　这些问题，不做细分是无法解决的。而这些问题，似乎已经是网站分析需要解决的问题的全部。对于我自己而言，几乎所有的商业问题都需要用细分来解决。即使是为什么今天流量突然增高了这样常常都要面对的问题，也自然而然通过细分来解决。网站分析的艺术似乎就是细分的艺术。

细分的艺术在于制定规则

　　如果说网站分析的艺术是细分的艺术，那么细分的艺术在于建立规则。事实上，规则的建立体现了对于商业问题的快捷解答。因此，规则的定义必须针对网站本身的特点。

　　例如，在细分访问者参与程度的时候，对于你的网站而言，什么样的访问者才算是深度访问者呢？

　　我喜欢把访问者定义为轻度、中度和深度访问者。对于不同的网站，这一定义肯定是不同的。通常而言，访问者在网站上停留的时间是一个好的标准，例如停留时间少于5分钟的，可以算作轻度访问者，5~10分钟的，中度；10分钟以上，深度。但是，这个标准往往过于一刀切，我们还可以增加一些额外的规定，例如访问十分钟以上并且访问页面数至少达到3个且访问了至少1个产品详情页面的访问者才算深度访问者，因此这个规则变为：

　　深度访问者=time on site > 600 & PV/V > 3 & 1个或以上产品详情页面PV。

　　如何选取定义的标准，完全依赖于你的网站的特性，没有统一的标准。但我有一个喜欢利用的方法，即倒推法。

　　比如，我想知道在网站上停留时间超过多久的人，更有可能购买我们的商品。我们可以做一个细分，计算所有发生商品购买visit的平均time on site。也许是11.5分钟。我们可以认为，超过11.5分钟（690秒）停留的visit，更有可能发生购买。

　　我们还可以做另外一种细分，即最短网站停留时间为多少时，visit带来的order数量等于10%的总order数量。例如，我们发现停留时间小于140秒的visit带来的order数量约为总order数量的10%。因此我们可以认为用户完成一次购买行为最起码需要140秒钟。

　　了解了这两个时间，对于你区隔用户，就有很大的帮助。而这两个时间，在不同的电子商务网站上是非常不同的。我对这两个时间的定义是：平均购物时间和最短购物时间。

　　然后，你再利用最短购物时间和平均购物时间反求一段时间内的visit的数量，你可以发现这个波动趋势。如果流量没有发生明显变化，而最短购物时间的visit在减少，那说明人们越来越不倾向于“冲动购物”；如果平均购物时间之上的visit在增加，则说明人们进行购买决策所需要的时间也在增加，你应该考虑进行更好的说服，或是更多的促销。另外，比较各个时间段的visit所占的比例变化，也能说明类似的问题。

　　规则没有必要非常复杂狭窄，选取合理的粒度是重要的。研究在网站上PV/V刚好为131的访问者其实没有太大的意义，你可以把细分人群定义为PV/V>10的部分。如果你在利用工具做细分的时候，发现某个规则下的visit或者visitor比你预期的小很多，那么这个细分规则的制定可能存在问题。这是判断细分是否合理的一个很重要的线索，也是Google Analytcis的“细分群体”中有一个“测试”按钮的重要原因。记住，确定你的细分是否有效只能通过测试！在Omniture SiteCatalyst中，我们也进行测试，但没有Google Analytics的测试那么简单。方法是建立1天的细分规则，拿到数据没有问题后，再延展这个细分到更长的时间，原因在于1天的数据在SiteCatalyst中反馈很快，1个月的数据就需要一些时间抽取了。这即是我们内部所称的对于某一种解决方案而言的best practices。

真正有效的细分，不仅仅只是维度细分

　　细分规则作为细分艺术体现的另外一个原因，在于细分不是任意制定的，逻辑上成立的细分，实际上未必能够在工具上实现。真正有效的细分，必须依赖于有效地系统间数据整合。

　　举一个例子，我们知道Google Analytics能够很方便地通过UTM标签标识网站的流量来源，因此我们可以快速且较准确地得到不同来源的流量数量，但是GA的电子商务统计功能却不能非常准确地统计到这些流量实际带来的订单（order）和收入（GMV），而必须依赖电子商务企业内部的销售统计系统或ERP系统。但后者又未必能够按照GA的流量标识方法来统计数据。如何解决这个问题？我会在之后的文章中详细解答。

　　因此，如同我们在这个系列中的第一篇所讲到的，我们需要整合，没有整合，真正有效的细分无法实现。

　　事实上，刚才讲的问题，涉及到了细分的另一个操作要点，即细分不仅仅只是对于维度的细分，而且也是对于度量（metrics）的细分。显然，由于分析的需要，不同的维度往往会对应不同的度量。我在工作中，最常见的问题是，那些不能直接带来ROI的流量，我们是应该购买，还是不应该购买？很显然，虽然都是流量，但作用不同。对于部分流量，利用ROI来相关度量来衡量是有意义的，而对另外一些，则要采用其他的度量来剖析它们的非ROI价值。但所谓非ROI价值，当然最终还是能够转化为ROI的，只是相对间接，所以我们需要有不同的metrics来衡量。

细分对于工具的依赖

　　前面已经讲了，逻辑上成立的，工具未必能实现。所以细分对于工具非常依赖。Google Analytics的新的版本，在细分上似乎又有加强（我需要使用一段时间感受下），而Omniture的SiteCatalyst本身的细分比较复杂，需要用它的一个专门的细分工具Discover来实现，这个工具的细分和数据交叉的能力非常强。Google Analytics的高级细分功能我极为喜爱，这个工具因为受到Avinash的影响，对于细分非常重视。

　　不过，受制于工具的算法和服务器响应能力，全数据的实时细分对任何工具都是极大的挑战。相对而言，如果能够实现全数据的细分，这个工具一般难以实时；而实时细分，又只能选取抽样数据。所以工具对于细分的能力并非十全十美。

　　Google Analytics的细分工具实际上包括“高级细分”和“自定义报告”，高级细分是亮点。

　　Omniture SiteCatalyst的细分工具包括ASI Slot，Data Warehouse和VISTA。这些工具属于全数据细分，但实时性相对较弱。

　　Omniture Discover本身是一个细分工具，数据来源于SiteCatalyst，能够抽取一定时间段的全数据实现实时细分，但不能实现全部历史数据的实时细分。不过足够用了。

图：Omniture Discover的界面

常用的细分规则

　　最后，大家需要常用的细分规则吗？给我留言吧！并且，请留下你常用的细分规则！很久没有发新的文章，现在发这篇文章，有点儿紧张。希望大家能喜欢！谢谢！

【重要通知】CWA两个新的QQ群：82922176, 47686693.

【前言】

　　原文作者Omniture咨询总监Brent Dykes，原文请见：Social Media: Monitoring vs. Measurement。

【正文】

　　越来越多的公司在2011年会增加他们在社会化媒体上的花费，因此能够监测社会化媒体营销上的关键业务驱动因素（Key Marketing Initiatives）就显得非常重要。取决于社会化媒体平台的类型和被监测对象（特定的社会化活动行为）的不同，你可以采取一类或者两类方法：监听（monitor）或是衡量（measure）。你可能觉得这两个词就是同义词而已，但我会帮你搞清楚这两个词背后有什么不同，以及它们在监测社会化媒体营销的效果时有什么样非常重要的不同的方式。

　　为了帮助你理解监听（听取listening）和衡量（标记tagging）社会化媒体活动之间的差异，我举一个与听音乐有关的简单的例子。监听就如同将你的汽车收音机调到某个电台。因此，你能够选择你喜欢的电台（例如流行、爵士、乡村等等），但你却只能祈求这个电台播放的歌曲也是你喜欢的。例如，你喜欢流行音乐，但你可能特别钟爱孙燕姿却对民俗流行乐不屑一顾，可这个电台偏偏只放爱情买卖和忐忑，因此你只能希望这个电台赶快放一些你喜欢的歌。如果这个电台偏偏不按照你的期望来，那么你也只能无可奈何，或者被迫换一个频道。

　　另一方面，衡量如同在你自己的MP3播放器或者自己的iTunes中创立一个自定义的歌曲播放列表。每一个歌曲都是你喜欢的，因为它们都来自你的音乐库，而且整个音乐列表也符合你当时的情境和心情。如果你之后想要调整音乐列表，你也完全有这个灵活度。而且这些你在路上听到的音乐和你回家以后在自己电脑中所听的音乐可以是完全一样的。

社会化媒体优化的3M模型

　　关于监测和优化社会化媒体上的营销行为，我认为主要有三个领域值得注意：监听（monitoring），衡量（measurement）和管理（management）。这三个领域不同但互补。有时你只有一个选项，即监听，但其他时候你可以将三者结合在一起以使它们能够互相弥补。这篇文章中我将聚焦于监听和衡量，不过，这里捎带简单解释一下管理。总体而言，管理聚焦于将你社会化营销中的不同创意元素（例如图片，文字链，campaign组等）进行统一地组织调度。例如，Adobe的“SearchCenter+”工具就推荐了Facebook广告整合特性，这个特性将广告的创立、导入以及管理整个流程集中化，以适应Facebook的广告特点。对于SEM而言，这个工具也有同样的性能。

监听（收音机）

　　当前的大多数社会化媒体监测都是基于监听的解决方案，这些方案都利用了各种社会化媒体平台（例如Facebook、Twitter、Youtube等等）的API接口，把它们预先设定好的度量和监测维度传送到网站分析工具中形成报告。大部分情况下，我们乐于获得所有的数据，就如同午夜行驶在荒野公路上把汽车电台调到一个清晰的频道上。有时候我们甚至对我们能够从API中获取的数据类型感到惊讶，例如我们能够拿到很有价值的地理位置相关的数据。

　　不过，监听这种方法的两个最大的问题是它既不能把社会化数据和这些网站平台的其他网站部分的实际访问者联系起来（译者注：这里翻译蛮困难的，大致意思是说，社会化媒体平台可能有一些其他的网站部分，这些部分是注册和非注册用户都能访问的，而且即使是注册用户访问，它们的访问行为也不会跟他们的社会属性关联起来），也不能提供预设的度量和维度之外的其他度量和维度。这就如同一个电台频道，你要么就听，要么就不听，你不能自己选择改变人家的内容。因为我们实际上并不能标记Facebook上的一个广告主的粉丝页面，或者一个Twitter上的个人情况页面，大多数的公司只能利用社会化媒体直接提供的数据。当我们不能把监听的数据直接用于网站的行为分析时，我们能够采用的方法是利用预测模型去了解不同类型的社会化活动和网站KPI之间的关系。

　　在跟我的客户交谈的时候，我认为如果公司愿意标记他们社会化媒体平台上的公司页面（例如Facebook上的公司粉丝页面）的话，那么他们能够拿到大量的有利于自己的信息。例如，广告主喜欢看到更深入的关于人们如何和单个Facebook上面的fan page互动的数据，而不仅仅只是一些总量数据。如果fan page上的某一个标签或者按钮没有多少人点击，那么广告主最好能够知道并且采取相应的措施改善fan page的用户体验。

衡量（歌曲播放列表）

　　在一些有限的情形下，社会化媒体实际上可以被衡量，而不只是被监听，即广告主能够在社会化媒体中添加监测代码，就如同他们对平常的网站、应用或是campaign所做的一样。本质上，这么做能让公司同样对社会化平台中的用户行动安置监测代码或者是进行标记，以使数据能够按照他们喜欢的方式展现，例如可以选择报告的层级（reporting level），维度，以及度量，而不是只是被动的接受不同社会化媒体预定的数据报告。

　　例如，一个市场部门可能想要知道访问者是如何具体的与一个Facebook中的fan page上的应用进行交互的。如果能够把路径（pathing）和转化漏斗（conversion funnel）报告囊括其中，他们就能更好地理解用户对使用它的体验和潜在的造成用户放弃的那些细节。衡量这种方法带来的另一个好处是社会化媒体上的营销活动能够被当做广告主整体互联网营销大图景的一部分，这样就能通过跨域路径和转化的分析获得更加深入的见解。

　　当前有四类重要的社会化媒体上的活动/营销方法能够被衡量，而不仅仅只是被监听。如下所示：

1. 社会化媒体上的campaign：任何URL或者被缩短的URL（就是类似新浪微博上的URL），能够在其后放置一个监测代码，因此能够按照传统的campaign监测的方法进行监测。（译者注：在我的几篇博客中都有提及这种方法：Direct Traffic真的是直接流量吗？如何辨识真正流量来源？
2. Facebook上的Apps：不像Facebook上的fan pages只能被监听，Facebook上的Apps和Apps中的自定义标签实际上能够被衡量和优化。
3. Youtube品牌频道：在一些情况下，广告主能够对在自己品牌频道中的widget有控制权，例如可以增加一个自定义的播放器，一些自己想要添加的内容以及可以放置Adobe SiteCatalyst的监测代码。
4. Facebook Connet/社会化插件：任何嵌入在Facebook中的外部网站的插件都可以加上SiteCatalyst的标记以实现被衡量。

　　尽管当前实现衡量的方法还是很有限，我还是对社会化网络未来能够允许更多的加入标记充满希望。我们发现在过去的几年中，社会化媒体平台在不断地进化中，无论是大型还是小型的广告主（公司）都面临着挑战，它们必须与社会化媒体这几年的变化保持一致的步调，更不用说理解社会化媒体营销应该如何更好运作。幸运的是Adobe同世界上最领先的这些社会化媒体平台保持着非常良好的合作关系，并且将不断推进探寻可能的方法帮助广告主更好更有效地持续衡量和优化它们的社会化媒体营销效果。

感谢参加会议的朋友，因为太火爆，结果很多朋友没有报上名报名就已经截止了，因此没有能够参加这次会议，有些遗憾。这个活动最终被证明极为成功，少有朋友中途离开。我的演讲内容见下，自觉没有辜负大家的期望。时光荏苒，有缘再聚！

如果你喜欢教父这本小说，你一定知道柯立昂老头子常常挂在嘴边的“在商言商”的口头禅最后的真相是“生意从来都是个人的恩怨”。是的，生意从来都是关于个人的。图中的帅哥是Larry，他是全美杂货铺销售冠军，他成功的秘密在于把生意带向个人化。

2009年美国所做调查显示，人们希望网络营销改善的领域排名第二的是产品推介和个人化产品。

Adam是一个真实的人，他是Yahoo!的一个用户。

昨天……Adam在OverStock的网站上浏览了关于手表的产品。

今天……当Adam再打开他的Yahoo! Mail和福克斯体育，OverStock关于手表的广告竟然显示在其中！就是他感兴趣的广告！

如果我们要打动消费者，我们需要提供与他们兴趣相关的内容，并且——把这些内容尽快提供给他们！否则黄花菜都凉了。消费者不是很有耐心等待。

Larry成功的秘密在于他把生意带向了个人。

网络营销也该如此！而且我们知道的一点不比Larry少！

喜欢化妆品？给你化妆品！

对化妆工具感兴趣？给你工具！

突出你感兴趣的！

Sony是极好的案例，这个公司有太多产品线，每个部门都想争夺首页的资源，可是首页再大，也只能突出某一个，顶多突出几个产品，怎么办？——答案是，提供给每一个来访者他们感兴趣的产品。如果你感兴趣PSP，那就把PSP和PS3给你，或者再给你加一个大LED彩电，但是，绝对不会把高清摄像机展示给你看！

这么做的结果很明显，人人都快乐！

是的，生意也好起来了！

【前言】

　　为新手写的文章总是非常受欢迎，甚至知乎上也有朋友点名让我回答这个问题。今天，我也把自己作为一个新手看待，讲讲我这几年的学习体会，这几年的工作体会，这几年行业的发展和变迁，以及，如果您希望从事这个行业，应该如何适应这种变迁。

　　这个专辑的第一篇请看这里，第二篇请看这里。

【正文】

　　很多朋友问我，我是新手，能告诉我网站分析怎样入门吗？

　　我其实比较害怕这样的问题，因为这个问题比较大，而每个人的情况又很不一样。

　　新手，可能有几种情况。

　　第一种情况：喜爱互联网，对各种网站的体验有很不错的了解。可是，对网站如何盈利如何推广只有一知半解。

　　第二种情况：喜爱互联网，喜欢了解和思考网站的盈利模式，看过书，了解一些网络营销推广的方法，但没有实践。

　　第三种情况：对网络营销推广比较熟悉，也有经验，只是还不了解如何运用网站分析的理论和工具分析营销的效果。

　　三种情况下学习网站分析，如何入门，可能会有天壤之别。今天，我讲第一种情况，因为第一种情况的朋友是最需要帮助的。我会给这些朋友一些我自认为切实的建议，有些是我的亲身经历。

第一种情况如何开始

　　第一种情况，其实有很多大学刚刚毕业的朋友可能是这种情况。这是一些非常年轻的同学，充满理想，但也比较迷惘，毕竟大家都是这么过来的。这些朋友们从心底里面发出渴望，希望能够尽快找到一技之长，在充满竞争和不确定性的市场中找到自己的立足的一方。

　　在这种情况下，如何开始自己的职业，涉及到自己的人生哲学。是的，我这么说不为过。你的人生哲学是顺应人生际遇不事先为自己设定明确的目标还是有非常明确的目标并且带着矢志不渝的决心和意志呢？这两种人生哲学都没有什么对错，只是跟自己的性格和信仰有关。因为我是前者，所以我学习网站分析，进入这个门道完全是随遇而安的，因为毕业时我无法选择我要走什么路，就好像《阿甘正传》中那个飘浮的羽毛，它会飘到属于它的地方，但绝对不是它预先准备好要去的地方。

初来北京时去天安门是第一件要做的事情，我亦不能免俗

　　研究生毕业后，径直来到北京，我没有offer，没有任何亲戚或者朋友，而且当时的就业形势研究生绝对不比本科生更好。我跟很多很多朋友一样，每天坐在电脑面前，发现跟自己专业稍微符合一点的公司便丢出自己的简历，然后带着忐忑的心情等待面试的机会，得到面试通知之后则更加忐忑。然后，我选择了（确切的说不是我选择，而是被选择）第一个给我offer的公司。而且，这个公司所做的事情，跟我现在从事的网站分析并没有太多关系。我被分配到一个制作信息简报的公司，每天的任务是从互联网上找到与某个传统行业信息化相关的信息然后把它们筛选整理起来做成一个word文档的合集，这个工作没有太多的创造性，但我不得不做了近一年的时间，直到成为这个公司的首席电子商务分析师。

　　我的例子并不一定是一个好例子，这个例子绝对不适用于富二代或者官二代毕业生。但是，大多数如你我一样的毕业生，我们怀揣憧憬，总觉得自己该做一些更具创造性的，更能体现价值的工作，但我们却必须面临一个最最关键的问题——我需要站住脚，需要首先养活自己。因此，我不太鼓励我们这些老百姓家的毕业生具有太强烈的倔强的目标，非要做这个行业或者非要进这个公司不可。毕竟，发自内心的说，中国的本科生也好，研究生也好，其实大家在学校里面学了多少东西大家心里都有数，在没有真正做到一个专业性的工作之前，大家都不要说自己有“专业”。所以，别限制自己，先在自己想去的城市，或者与自己想从事的行业相关的行业中找到自己的一个机会再说。

　　但是，你也要相信，人生际遇不可能一成不变，即使你没有什么明确的非要达到的目标，你的人生也一定会把你带到一个你喜欢的地方，只要你愿意坚持并且乐观快乐。有些朋友刚刚开始工作的时候很容易不顺心，但是相信我，每个人开始工作的时候都不顺心，但是，我的建议是，即使非常不顺心，也请带着平和的心态努力地做这份工作，尽量比别人做得好，而且尽量减少负面的情绪和思维，直到——发现了一个新的更好的机会为止。我认为，任何因为不顺心就快速下决定放弃当前工作的决定是不成熟的表现，这是浮躁的表现，这个社会已经很浮躁了，如果你不像别人一样浮躁，才可能有更大的成功。

　　说了这些，大家会骂我，这根本跟网站分析无关。我要的是——网站分析如何入门！！！

　　别急。

　　上面说的，是想表达我内心中最真实的一个观点。我其实可以骗大家，说大家毕业了赶快来学网站分析，能够赚大钱，这样我这个网站分析的“传教士”就能有更多的追随者了不是？ 但是事情并不是这样。这个最真实的观点是——如果你真的想做网站分析，那么网站分析会自动找到你，而不是你去找她。

　　什么意思呢？很简单，网站分析的工作机会，留给刚刚毕业的大学生的，坦率说，不多。我曾经在CWA的微博上说过，网站分析是对网站分析基本度量的掌握、对工具的掌握、分析思维以及对互联网的商业理解四部分构成的。这四个部分中，工具没有什么特别的，我如果招聘，我最不看重的就是工具，如果你能学会使用word，那么基础的网站分析工具你肯定学得会学得好。而分析思维则跟学校的学习有关系，另外一部分则是天生的，坦率说我觉得工作中的训练对这个领域的影响也不见得会太大。网站分析的基本度量和互联网的商业理解则是对毕业生的两道坎，尤其是后者。

　　为什么这么说呢？毕业生对于互联网的商业理解，往往看了不少新闻、博客和书籍，但是由于缺乏实践，很多东西在心里还是很抽象的。但网站分析不是个抽象的事情，分析都是建立在对网络营销推广有相当程度的了解基础之上的。因为分析最终都是要说明某种有目的的行为的效果以及改进的办法，但如果对这种行为本身没有清晰了解的话，那就做不出靠谱的分析。我在面试中最常问的一个问题是：“请举出常见的网络营销推广的方法，各自的优缺点”，能说出越多细节的朋友，打动面试官的可能性就越大。这个问题还可能换一个说法：“什么是买流量？常见的买流量的方法是什么？”

　　因此，如果大学毕业的时候没有太多与网络营销相关的理解和实践的话，我觉得一下子上手做网站分析可能也只是跟分析师打打杂，算算数，还难以一下子有上手分析的机会。如果你对自己的评估也的确如此，而且你确实有非常强烈的愿望想要做网站分析工作，那我的建议就非常明确：做跟网站分析相关的工作，例如直接从事网络营销的基础工作，看别人怎么做，然后跟着自己的师傅动手实践——哪怕这个工作只是简单到每天帮自己公司的网站做添加外链的工作。只要你有心，你就能搞明白，为什么网站要搞一些看似很“弱智”的外链，或者为什么我的SEM关键词要这么写，或者为什么要按照老板要求的出价规则来。这些看似低级基础的劳动，只要你明白了背后的原因，你就会非常迅速地掌握一些互联网营销的相关知识，也就朝网站分析的职业迈进了一大步。我曾经在这个专题的前几篇文章中说过——你要成为一个网站分析的专家，首先应该是网络营销的专家，现在看来，绝不夸张。

　　网站营销的工作做多了，而且这个过程中你还对网站分析抱有兴趣的话，那么你自然而然就会要开始做网站分析（因为你不得不利用网站分析评估和优化效果），这个过程中你就会不自觉地就必须要用到网站分析的知识，并且在这个过程中培养技能。这是最好的学习，远比自己建一个没有流量的小博客，然后装一个Google Analytics来的靠谱，也远比自己正襟危坐地看书来的高效。后两种方法不是完全不可取，确实是突击面试的好方法，但不是学习网站分析的好方法。网站分析学习只有一种方法，就是通过实践解决真实的问题——带着问题学，带着问题看书，带着问题实验，直到解决这个问题。这个过程中，你自然就会去学习理论，然后融会贯通。

　　因此，能够为刚刚毕业有志于从事网站分析的大学生提出的建议只有一条：心中揣着网站分析的梦想，不要太强求自己一毕业就找到网站分析的工作，做与网站分析相关的工作，直到网站分析自然而然的找到你。

　　这样，你不就入门了吗？

　　再啰嗦一句，网站分析相关的工作除了网络营销之外，网站的产品设计、编辑、流量汇报等，也是相关性很强的工作，也都可以放心尝试。

网站分析不只是网站分析

　　现在，我谈一谈新手朋友对网站分析是什么应该如何理解。首先，大家要理解，中国和美国的情况很不一样。最大的差异就是专业性。我们知道，专业性和工作的细分是分不开的，中国不是没有专业性的工作，而是没有那么细分的专业性的工作。网站分析在美国是非常细分的一个领域，仅仅只是一个网站分析师，便有很多真的分析网站的工作机会，而且咨询业务也十分普遍。美国另一个跟中国极为不同的一点是，两个国家对于人工的价格是非常不同的。举个例子，在美国给你清洁屋子的阿姨的时薪非常高，可能是中国阿姨的几十倍，快递员的工资也是。所以我们在美国的时候，都感叹凡是有人工参与的东西，价格都比国内高很多，例如去理个头发，而机器做的东西，越是名牌反而越比国内便宜。因此，从事网站分析行业在美国是体面的高薪行业，既是因为这个工作涉及到非常多的人工，而且这个工作具有很强的专业性。

　　但中国不是这样。中国首先对专业的认定是不同的。在中国，你确实要专业，但这个专业不是细分的专业，而是需要在某个领域专业的基础上还带有洞悉世事，挥洒资源的专业，因为在中国专精一项不够，这个国家除了军队外不信奉团队文化，不强的团队合作精神氛围下必然需要一个真正有本事的人什么都要会一些。所以在中国精深和广博要并举，但人的精力总有限，广博了一点，就必然没有那么精深了。就这一点点区别，就造成中国没有什么原创的商业模式，没有产生诸如乔布斯、盖茨或者扎克伯格这样把一个事情做到极致的人。另一方面，在某个方面过于专精，其实很难找到愿意为你的专精买单的人。中国对于人的劳动的价值的认可要显著低于美国，你花了大力气钻研到极为精深，可是当前的市场为你开不出这样的价格，因此人们也就自然而然不去做到那么精深了。其他领域或许不完全是这样，但互联网领域却尤其尤其如此。所以，中国互联网界真正做到精深的朋友都倾向于自己创业或者单干，因为真正理解你的价值的人只有你自己，这是千真万确的。我没有创业或单干，就是因为我知道，我还远远不精深。

　　说了这么多，其实只是一个结论，中国互联网的专业绝对不可以是一个领域的独孤求败，这里不存在真正细分的专业。

　　所以，按照美国的方式是玩不转中国的网站分析的，因为中国的网站分析不只是细分到对网站进行分析。我所面对的工作世界，所谓的网站分析，其实是网络营销分析和优化。有如下原因：

• 网络营销是中国互联网产业的主旋律，网站是网络营销的一个重要部分，但不是全部；
• 在大多数网站，前端流量比后端转化更受重视，这虽不正确，但是却是一个短时间内难以改变的事实；
• 网站分析的业绩最终要落地在网络营销效果的提升上，我说过，赚钱是王道，分析来分析去，没有银子入账，没用。

　　所以，在中国，网站分析不只是网站分析，它包含如下几个方面：

• 前端流量、营销绩效的分析和优化——为了增加流量提高转化；
• 网站的结构和内容的优化——为了提高转化；
• 用户、口碑、调研等混沌领域的分析和优化——为了消弭风险并发掘潜在机会；
• 竞争对手的分析和竞争优化——为了知己知彼；
• 甚至包括整个互联网环境对自己公司影响的分析——为了了解大势全景；
• 甚至数据挖掘和预测分析——为了预见未来。

　　别被吓着，你可以尽可能多的了解这些领域，但你对某一个两个领域精深就足够。但你却不可以坐井观天，以为对第二个——网站的结构和内容的优化就是全部，其他领域，你未必需要精深，但需要有一个了解。

网站分析的行业变迁

　　前面所说可能会让一些朋友有些失望，其实大可不必。网站分析正在被业界接受和信任，这是很明显的趋势。一个典型的事实是，不断有各种公司向我索要网站分析的人才，而且几乎是有过一点网站分析经验的朋友都能很快被各种公司挖走。细分领域的一个好处是，人才稀缺！（所以我专门做了一个CWA招聘博客提供相关信息http://www.chinawa.org）

　　与SEO或者SEM等营销类型的工作不同，网站分析是不需要太多“本钱”就能工作的，所有的本钱就是你的大脑。毕竟SEO拼到最后玩儿的都是资源；SEM要靠钱砸，是高投入高产出的行当。唯有网站分析只需要投资自己，而且对专业性的要求也很高，是一个可能能够“终身从事的职业”。从这个角度来看，投身网站分析实际上是一种职业生涯的规划，甚至关系到你未来的生活方式。

　　行业的变迁预示着网站分析的未来，因为互联网营销已经处于革命性变化的前夜。过去，网络营销的全部就是折腾流量，虽然今天这个本质也并没有多少改变，但过去那些简单粗暴的方式已经没有那么主流了。原因非常简单，流量本身的属性和流量的平台都在发生显著的变化。这个变化的特点是：流量质量分化的趋势日益明显、流量平台多元化、流量更分散、流量路径更复杂且潜在路径更多影响更强烈。在这个趋势下，粗放型的网络营销一定会逐步退出历史舞台，而转而要求更加精耕细作更以小搏大四两拨千斤的方法。

　　你可知道，5年前人们还很少知道什么社会化营销，但今天几乎人人意识到它的重要性，但谁知道如何操作社会化营销？寥寥无几。

　　同样，过去那些只看两端ROI的简单优化方式尽管今天仍然是很多网站的操作手法，但早一步去洞悉这中间有什么规律和优化空间的网站将最早尝到甜头。有不止一个网站有建立一个分析中心的想法并向我咨询过，尽管这个投资仍然审慎，但已经远不是3年前的情况所能比，因为大家开始被变化驱使着朝正确的方向努力，尽管被动，但被动变化却更说明了大势所趋。

网站分析的工作机会

　　网站分析被精细化营销所指引所带来的结果，是网站分析的工作机会越来越多。就我的经验看，如下类型的公司很需要网站分析的人才。

• 电子商务网站，大中小型电子商务网站都需要网站分析人才，但是相对而言，中小型电子商务网站更有发挥；
• 互联网服务型网站，比如金融服务网站、地产网站、教育类网站等等；
• 传统企业的网站运营部门，前段时间联想的新兴市场部门就渴求电子商务人才；
• 广告公司的digital部门，缺口比较大；
• 第三方互联网营销服务公司，有比较迫切的需求；
• 工具提供商，缺口较小，但也经常招人；

　　如果您关注CWA的招聘网站，你会发现网站分析的工作机会并不少。薪酬待遇因公司和个人情况而定。目前看初级分析师不会太高的薪水，毕竟是基础的工作。普通分析师应该在月薪5-10k之间。分析经理肯定超过10k，而更好的分析师则应该拿到更高。

　　好了，写了很多了，就不再多罗嗦了，希望对新手朋友们有启发。我未必都对，个人情况差别很大，但我觉得人生际遇是重要的四个字，如同我在本文最前面所说的——人生总有定时……

　　祝我们好运！

2011 （上海）在线营销研讨会

营销领导研讨会 —— Adobe 与 上海八叉乐联合举办
Executive Briefing with Adobe and Shanghai VCC

New ideas for the New Year

新年新概念

Join us for a half day briefing on the latest innovations in Online Marketing and Digital Experiences.

诚邀您来参与我们的研讨会，了解在线营销及数字体验的新理念。

Adobe China and Shanghai VCC will host this briefing introducing the latest technologies and best practices for optimizing your online marketingthrough testing and targeting, utilizing Video to drive engagement and solutions for Multi-device marketing.

本研讨会由Adobe中国与上海VCC联合主办，将为您介绍通过测试与精准定位来进行在线营销优化的最新技术及最佳体验，以及，如何利用视频来驱动多方位营销及其相关解决方案。

会议时间

上海– 2011年2月25日（星期五）下午13：30

Meeting Time: 13:30 Friday, February 25th, 2011

会议地点

上海巴黎春天新世界酒店，三楼钻石5厅，长宁区定西路1555号 （地铁2号线中山公园站 5号口）
酒店电话:021-62408888
Shanghai New World Hotel, Diamond 5 on 3rd Floor, 1555 Dingxi Road, Changning District (Metro No.2, Zhongshan Park, exit 5)
Hotel Phone Number:021-62408888
查看地图

会议日程 Agenda

下午 1:30
Registration and Refreshments
会议签到

下午 2:00
Welcome – Darryl Su, Enterprise Sales Manager Greater China and Alex Barron, Shanghai VCC
致欢迎辞 – 苏士杰（Adobe大中华区企业销售总监）、Alex Barron（上海八叉乐）

下午 2:15

Adobe Online Marketing Best Practices and Case Studies – Sidney Song, Omniture Chief Business Consultant of China
Adobe在线营销最佳体验及案例分析 – 宋星（Adobe公司Omniture首席商务咨询顾问）

下午 2:35
Customer Presentation from Tianji
客户经验分享 – 天极

下午 3:05
Joint Shanghai VCC & Customer Presentation – Oliver Lu, Implementation Consultant, Shanghai VCC
上海八叉乐及其客户联合案例分享 – 卢子为（上海八叉乐实施咨询顾问）

下午 3:35

Coffee Break
茶歇

下午 3:50
Solution Overview – Louis Ngai, Solution Consultant, Omniture Business Unit
解决方案概述– 魏垚彬（Adobe公司Omniture资深技术顾问）

下午 4:00
Innovations in Digital Experiences – Multi Screen, Multi Device and Digital Publishing – David Che – Adobe Business Development Manager
革新数字体验– 多屏幕、多设备与数字出版– 车达志（Adobe 业务拓展经理）

下午 4:30
Q & A

问答环节
下午 5:00
Close
结束

*Agenda subject to change
*会议日程可能会有所变动
**All Sessions will be available with Simultaneous translation Mandarin and English.
**所有环节均有中英文同声传译

　　春节期间我将要回老家和家人团聚，不再工作，所以这个星期发了两篇文章交差（另一篇文章是策略与数据——分析和优化的阴阳太极），这篇文章是春节前的最后一篇文章，希望大家喜欢。

　　这个话题很好，我很喜欢，但对话主持老大哥打断了我。

　　这是在2010年10月12日在中国互联网协会网络营销工作委员会(IMCC)主办的2010中国网络营销高峰论坛暨第二届“金网奖”颁奖典礼上作为谈话嘉宾时候准备跟大家讨论的一个议题。但是主持对话的前辈觉得过于“深奥”耽误时间而打断了我的这个话题，结果没有跟大家细说。可是，如果在百度搜索我的名字“宋星”的时候，这个话题竟然排在我这个宋星所有结果的第一位。不得不说新浪在百度的排名中占的权重太高了。当然，也说明大家对这个话题很感兴趣。这促成了我今天的这篇文章。

【每文一句】我脑子里面总是回忆起一些别人说的或者我自己冒出来的东西，必须要在这里当微博一样的分享，为了自勉，为了共勉。以后每个文章都加这么一句。这篇文章的这句话是：不要让你的心灵停留在舒适区域——令人难过的挫折和磨难，要么打倒你，要么塑造你。

【正文】

　　广告主正握着越来越多的广告费，但他们也变得越来越“刻薄”。

　　这是趋势，而且我也希望他们变得越来越刻薄。如果不在乎自己扔出去的钱，那分析永远都不会有意义。他们变得刻薄吝啬，反而才可能让你挣到更多的钱。

　　所以我拥抱这个时代的来临，我在怀疑的眼神和紧攥的拳头中看到这个时代的希望。他妈的，我就不信现在这么他妈的有钱的中国人真的就这么他妈的不在乎钱了？！

　　该是让一切喧嚣走远的时候了，提高在线营销投资回报率必须成为在线营销分析的目的，而不是为了歌功颂德，拍马溜须。

　　为投资回报率而战，为了能挣到更多的钱——商业应该回归理性，除非有沃尔玛给你五亿美元以股权为代价的投资。

　　提高投资回报率，关键在于提高二字，够难，但够有趣，水深鱼才多而肥；一眼看到底的，玩儿不出暧昧。

　　为了提高投资回报率，做营销策略分析的我们要做的，是ISPT，这一套做下来，想不提高都挺难。不过，这不是简单的工作，仔细掂量下，ISPT四个字中的每一个都免不了一番挣扎，不仅仅是智力的，也是技术的，甚至是政治的。想好要往下看吗？若没有准备好，那现在逃离还来得及。

　　准备好了？那我开始了？

　　所谓ISPT，是Integration+Segmenation+Pathing+Targeting的四个首字母，即整合·细分·路径·定向。这四个抽象却异常实际的部分实际上构成了优化在线营销ROI的全部。

　　我们从I开始。

I——Integration

整合是什么

　　整合，是指把多个营销渠道的表现整合起来，以全面的视角将各个渠道的ROI表现放在同一个容器内以共同的量尺进行观察、对比和分析。Integration是这个模型的第一位的原因是，如果一个企业（广告主）无法把自己的各个营销渠道摆在一起，那又何谈对各个渠道的投资策略呢？如果投入没有策略，那么再谈投资回报岂非空谈？

图：一个营销渠道整合报表（来源：Adobe Online Marketing Suite），这个表很好地展现了各个渠道的R（即Return），并可以帮助查看这个渠道的转化能力，但很遗憾的缺少了I（即Investment，这里的I不是指Integration，作者注）。增加I后，这个图表将成为一个非常好的渠道ROI绩效表现整合平台

一个不是故事的故事

　　先讲一个故事。我有一个很久未曾谋面的朋友，她叫Linda，曾经在国内非常著名的一家外贸B2C公司工作，她曾经告诉我，她的公司投放各种渠道的campaign，以从各种渠道获得流量。

　　“那，你们是否会把这些渠道聚拢起来一起看？”我问。

　　“你是指比较各个渠道之间的表现？”她反问道。

　　“是的，把它们全部放在一起比较。”我解释说。

　　“嗯……”她犹豫了一下说，“我们并不做这样的比较，因为不同的渠道实际上不太一样，而且各个部门也不希望他们跟其他的部门比，这很敏感。”

　　“为什么？”我想我已经知道为什么，但我还是盼着她说出我心里的那个答案。

　　Linda的回答是：“因为如果谁做的不如谁，那么他部门的预算就可能被减少，而且，产出不高的那些部门都会觉得，无论用什么标准比较都是不太科学的，因为他们做出了标准之外的无法被准确衡量的贡献。”

　　这是一个很典型的例子，感谢Linda的贡献，希望你在杭州工作生活愉快。

　　我相信大部分的电子商务网站有跟这家公司一样的顾虑，或者，曾经想过要把流量渠道拿来对比，但种种原因没有付诸实践。

　　但，对比总是必要的。如果一个CEO看不到自己公司业务的总体图景，他不应该坐在CEO的位置上。一个在线营销负责人看不到渠道的流入和流出，那么他也不可能让他的CEO耳聪目明。显然，Linda前公司的案例说明了一个普遍现状，即在线营销业务部门按渠道分立，这使各个部门之间本应存在的有机联系变成互相竞争资源的对立。

策略角度

　　谁也无法否认，在线营销呈现非常明显的渠道多样化趋势。过去，我们将在线营销称作“买流量”，而并不太在意流量从哪儿来的。但精细化和专业化是人类的本性，更何况我们还勇于创新，所以今天，一个进行在线业务的公司必然面对来自搜索引擎直接流量（通过SEO带来）、PPC流量、广告交换或者联盟流量、Affliate（联署营销）流量、EDM流量、直投显示广告流量、SMM（Social Media Marketing）流量、推介流量（referring sites带来）等中的一种或者数种，并必然要从策略角度衡量不同渠道的收益以权衡资源配置。

　　上面那个故事所讲的，显然是在用旧环境下产生的旧思维为新世界做指导，这会带来相当的潜在风险。从组织学的角度看，分立的渠道业务部门因相互竞争的潜在风险反而更趋向于规避竞争而实际成为为一个相对稳定静态的结构，这样的静态结构不适应于快速变化创新的互联网流量（流量背后是人）格局，因为这个格局需要具有动态适应的能力以抓住不断涌现的机会。

　　带来的后果是，从投资回报的角度看，不建立整合平台的营销渠道绩效管理，尽管能够帮助维持现状，但难以带来卓越。例如，当我们的营销预算已经被死死限定，而我们又知道SEM和SEO都能给我们赚钱的时候，我们更趋于采用过去的经验去配置资源，这样看起来更稳靠且更符合各个部门当前的“最佳博弈”。但显然，SEO相对于SEM对于时间更为敏感，存在更多变化的可能性，过去的经验一定不是最佳ROI优化方案。同样，新兴的Social Media（社会化媒体）也是需要投入的，你将如何从SEM和SEO的预算中拿出来一部分来做SMM呢？

　　或者，假设你是CEO，你希望尝试改变，但是你必须冒着改变之后ROI降低的风险，因为你的眼中没有、心中更没有一个清晰的图景告诉你：如果在一杆ROI标尺下，每个营销渠道所在的位置是什么，它们的变动趋势又将如何。你会在各个渠道经理们的“晓之以理、动之以情”面前犹豫不决。

　　所以，整合的目的并不是为了从政治上进行相互比较和竞争（尽管事实上可能会带来这样的结果），而是从ROI角度所建立的比较和竞争，然后为优化ROI的目的重新配置资源。

　　重复一遍，整合，实际上并没有策略上难以理解的地方，只不过是在一张量表上，用统一的一把尺子量到所有的渠道。至于你用什么样的工具，如何实现，这倒是可以排在其次。当然，好的工具能让你在执行这个工作的时候事半功倍。这就是我下面要讲的，从实现层面和技术层面上的进一步的观点。

实现层面

　　实现营销渠道绩效表现的整合看起来并不困难，似乎只要愿意，且有足够“有权力”，就是一个单纯的“体力活”而已。

　　实现营销渠道绩效表现整合的本质其实只是一句老生常谈：端到端的ROI绩效表现。I容易定义，就是各营销渠道的成本（cost）。对于PPC、显示广告或者EDM等，cost就是投入营销的花费，或者再加上人力成本或者咨询服务成本；对于SEO，这个成本相对较难计算，对于有些公司而言，它可以是“链接水军”的养护成本（我的博客——CWA, Chinawebanalytics.cn每天都被大量包含链接的回复轰炸，我几乎把没有意义的回复全部丢入垃圾回复箱，而把似乎有些意义的但包含链接的回复留下，但会去掉其中的链接。另外，我的Akismet可能也会有误杀，请见谅，我会隔几天清理回来这些被误杀的回复），也可以是购买曾经叱咤风云一时的“黄金链”的成本，还可以是维护链接资源所花费的公关成本，同样也可以是咨询服务成本……所以虽然SEO的成本在中国相对复杂一点，但并不是不可以计算的。

　　另一端，R（即Return，回报）。回报的定义是一个有些tricky的领域。你当然可以用各种营销渠道实际带来的收入（即Revenue）来说明，但收入绝对不是唯一的回报。由于营销渠道所具有的不同特点（属性），各个营销渠道除了能够带来收入之外，还能带来与该渠道特点相对应的其他回报。这些其他回报可以构成一个被我称为“回报矩阵”（Return Matrix）的东西，并且可以用实际转化率相关性来进行演算，从而被进一步Monetization（货币化，就是把这些不直接表现为钱的回报转化为钱的价值）。

　　关于不同渠道的特点、其对应的回报及monetization，将在Segmentation部分提及部分，以及将另开文章专门讨论。总之，同cost一样，无论回报是单纯用货币来衡量，还是用回报矩阵来衡量，都不过是各个营销渠道的成果（outcome）数据，而已。

　　当你手上有了这些数据，你就打开了一个全景地图，虽然这个地图不一定有太多细节，但至少你知道了亚洲非洲，以及我们可怜的欠债人美洲……

　　这样看来，只要你有足够的“权力”，让你能够拿到这些数据为你的CEO提供智囊，你会发现其他的都不是难事。但你真正去着手实施，你会发现并非如此。因为拿到这些数据本身才是困难的，即使你真的手握CEO的尚方宝剑。如果你请各个部门发给你他们的数据，你会发现这么简单的事情几乎完成不了——不是技术难度，而是各个渠道部门为什么要给你这些数据，或者他们为什么不把这些数据上升到一个政治高度而让你和原本支持你的CEO骑虎难下呢？

　　所以，手动做整合不存在技术上的问题，但存在执行的难度，自上而下地推进很难。如果我们能够把整合本身用技术固化下来，让数据的流转自动进行而不需要你手动处理，那结果将大大不一样。这就是我推崇的真正整合——通过技术层面的自动化的数据获取、整合以及输入输出。

技术层面

　　自动化，意味着无人工参与的工程。没有人工参与，没有一次次的索要数据，也就少了政治干扰。所以自动化反而成为了营销渠道绩效表现整合过程中的关键。

　　技术要解决几个问题。

　　其一，在哪个系统实现整合。

　　在公司的BI或者ERP系统实现整合是一个普遍方式。如果没有这些系统，在Adobe Online Marketing Suite中也能实现完全自动化地渠道整合。

　　其二，自动获取cost数据。

　　自动的记录cost，这个不难。我想各个系统，比如监测Display广告的DoubleClick等工具，可以自动提供这些数据，或以API形式，或以Excel的数据报表形式。这些数据无论什么格式，导入你的公司的内部系统（比如BI或者ERP）都不是难事，Adobe Online Marketing Suite也完全开放接纳外部数据。

　　其三，自动获取return（回报）数据。

　　取决于你采用单纯的Revenue还是采用回报矩阵。对于前者，你需要整合各个营销渠道监控系统的收入数据，或者你自己的统计工具的收入数据；对于后者，除了整合这些工具的收入数据外，还需要整合网站分析工具提供的engagement的数据并通过一些数学公式构造的monetization数据。

　　其四，自动报表功能。

　　这个功能最好只对营销总监或者CEO激活。

　　技术的自动化，除了减少了政治的争吵之外，当然也提高了效率。实际上就是老外们常说的enable，在中国被翻译成不伦不类的“使能化”——不就是让一个事情从做不到变得做得到嘛，其实用不着这么绕口。没有技术支持，其实是见不到提升网络营销ROI的整合的可能性的。

　　因此，对于ISPT这个模型的第一个组件I，我强调在策略上要重视，在执行上要利用技术避免政治的干扰，以实现各个渠道ROI绩效表现的整合基础上的对比和分析。

　　整合——策略角度、政治角度、实现角度和技术角度就谈到这里。下一篇将讲述Segmentation。对于这一篇有什么问题和想讨论的请给我留言。对于下一篇有什么期待，也请给我留言。

　　最后提前给朋友们拜个早年，祝大家兔年实现自己的心愿，事业爱情双丰收！