【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！

　　工具是网站分析不可缺少的元素。但是如何选择一个称心如意的工具，就不是那么简单了。如何根据自己不同网站的需求选择合适的工具？这成为很多朋友们关心的问题。在这个话题的第一篇中，我们讨论了小型电子商务网站对于工具的选择，在第二篇中，我们剖析了中型和大型电子商务网站如何选择网站分析工具。在第三篇中，我们继续剖析大中型电子商务网站的其他工具需求，以及品牌广告主的网站分析工具选择。

【正文】

需求和工具的对应（续2）

类型二：大中型电子商务网站（续）

　　除了第二篇中提到的需求，大中型电子商务网站还有一个非常重要的需求——测试。谈到测试，就不能不谈谈人们通常对于网站分析的一个误解。

　　很多朋友或者公司跟我咨询他们的网站，让我帮他们分析网站的状态和营销的效果。当我指出他们网站存在的各种情况的时候，他们总是会问我——“为什么会出现这种状况？”对于这个问题，我往往有五五开的回答。50%的可能性是，根据经验我能解释网站问题背后的原因；但另外50%的可能性是，仅仅使用Google Analytics、SiteCatalyst或者WebTrends无法为您回答为什么。

　　这就是Avinash所说的，狭义的网站分析工具是帮助找出What的工具，即帮助发现网站问题的工具，但难以帮我们精确说明问题背后的原因。网站分析工具的对象是人的行为，看到了人的行为之后，能够发现访问者行为和网站设计预期之间的差异。而正是这些差异，成为我们需要解决或是需要解释的问题。发现问题（即What），就是所谓的Web Analytics 1.0阶段，说明问题背后的为什么（即Why），则是Web Analytics 2.0阶段。人的天性，不愿意只是看到了事情的表面，还想知道事情背后的事情。

　　所以为了解决我那五五开中后一个50%的麻烦，我们需要引入一些新的工具。这些工具不仅对大中型电子商务网站很有价值，实际上对所有的网站都是有价值的。但大中型电子商务网站更值得使用它们，因为因此产生的效果直接带来了金钱。

　　帮助我们了解Why的工具有很多，我在之前的很多文章也都提到过，例如survey（调研），例如现场pannel，例如查看访问者的buzz（留言等）。但对于网站分析而言，最重要而且最直接解决问题的是测试（testing）。

　　测试的意义在于发现网站分析阶段提出的建议是否真的能够影响网站的表现，尽管不似调研，测试其实也不直接回答为什么，但却直接解决了如何优化网站的问题。毕竟，了解为什么之后，我们想要的最终目的是优化网站。

　　最知名的测试方法是A/B测试，原理超级简单，我准备在下一个文章中暂停网站分析工具的叙述，而转到说一说A/B测试。这篇文章先提A/B测试要用的工具。

　　A/B测试的工具，有多种方法。一种常用的方法，是网站的美工和前端工程师设计出一个问题页面的另一个版本页面，然后由工程师进行技术设置，让流量自动分类到两个页面上。这个没用额外工具，只是自己DIM就好了。这种方法其实没什么大问题，但多少增加了前端工程师的工作量，而且也不够灵活。因此利用现成的工具成为人们常用选择。

　　A/B测试的工具，如果你用Google Analytics做监测，那么就用Google Website Optimizer（GWO）即可。二者是配合的。GWO同样是免费工具，所以当然无法实现太多自定义的功能，例如对于不同版本页面效果的对比就是仅仅定义一个共同的转化目标页面而已——可是，很多情况下，这种转化的设置已经足够，而且你手中有GA这个武器能够分析不同A/B测试页面，因此GWO能够帮你实现对流量的自动分流（流量自动随机流入不同版本的A/B测试页面中）已经足够。所以，没有什么特殊需求，做一次基本的A/B测试，用GWO是一个不错的选择。

　　不过，如果大中型电子商务网站对测试的灵活度要求较高，利用付费的测试工具才能满足需求。这类需求通常集中于如下几点：

1. 不仅仅是A/B测试，而是页面局部模块变更的多变量测试；
2. 不仅仅是单一转化效果，而是多种转化和行为的效果比较；
3. 不仅仅只是测试某一个版本对于总体的表现谁更好，而是直接将不同版本定位于不同喜好的个人。

　　对于第三点我稍作解释。由于人的喜好各不不同，GWO之类的免费工具，只能找出一个对于整体访问者而言转化率更高的页面版本，而好的工具，则能够实现动态页面，即显示给不同喜好的人他们所乐见的页面，以从更细致的个体角度上优化网站转化率。

　　Adobe公司的Test&Target就是这样的工具。当然强大，而且相对并不复杂，有机会朋友们值得试试。这个工具实际的效果，大家可以参看Sony的美国网站。您第一次访问Sony网站的时候首页展示的商品可能跟您的兴趣无关，但如果你访问几次PSP或者PS3的页面，第二天再回来，您就会看到网站的首页发生了明显的变化。是的，这个变化只针对您和像您一样的访问者。而且，其他每一个兴趣不同的访问者，都有自己“独享”的一个Sony.com首页的版本。

　　所以，Adobe Online Marketing Suite（原Omniture）不仅提供了SiteCatalyst（与Google Analytics对应），还提供了很多其他的工具（如上图所示），这些工具很大程度是为了解决Why，以及帮助最终确定网站优化的实际方案。

类型三：品牌广告主网站

　　品牌广告主的网站是一类特殊的网站。这一类的网站跟电子商务网站略有一丝重叠，即这些网站之上可能也会售卖一些自己品牌的产品。但宣传，而非商品销售，才是这一类网站更为重要的目的。

　　英特尔的网站是典型的品牌广告主网站，Apple的也是。当然，Apple的网站更类似于品牌广告主网站+电子商务网站，但相对而言，电子商务网站部分的监测和优化复杂程度要比那些包含众多产品品类的大型电子商务网站低得多。所以，在这个部分中我们不再讨论品牌广告主网站的电子商务问题（请参看这个系列的第一和第二篇文章），而专门讲讲网站作为宣传工具部分的作用。

　　网站如果聚焦在让顾客了解、认识乃至喜欢上公司的品牌或者商品，那么分析需求就会和电子商务很不一样。电子商务的分析需求强调流程，但品牌网站则强调内容消费。电子商务注重转化，品牌网站也注重转化，但转化对二者的内涵不同——电子商务网站强调结果（发生交易），而品牌网站则强调开端（对商品产生兴趣和购买意愿）。

　　品牌网站的监测需求通常如下：

• 访问者都是何许人也，从哪儿来，是不是品牌的目标打击对象；
• 访问者进入网站的第一感觉——是见光死，还是一见钟情，还是印象不深；
• 针对性的内容是否被针对性的访问者看到？
• 哪些内容访问者更感兴趣？
• 访问者愿意参与网站上的一些事件和活动吗？参与程度如何？
• 新颖的媒体形式（例如绚丽的Flash动画）或展示方式（例如滚动图或者视频）是否对访问者带来正面影响？
• 网站的导航是否易用？也就是说，访问者是否能够通过网站的导航系统方便地找到他们想找到的内容？
• 关键页面的布局和内容是否合理？
• 内部搜索是否合理、易用？
• 帮助系统是否合理、易用且能解决访问者的问题？
• 有多少访问者有可能转化为客户？

　　等等等等诸如此类的问题无非聚焦于几个核心。其一，访问者是不是靠谱的人群；其二，网站内容是否具有针对性和打击力度；其三，网站是否让访问者便于浏览；其四，网站是否能够忽悠访问者做一些互动活动。

　　因此，坦率说，品牌广告主的网站监测难度比电子商务网站要低，而监测工具的选择，则取决于网站具体采用的技术和其上所附着的业务。

技术观点

　　网站如果以静态页面为主，少有Flash、JavaScript、动态页面生成以及视频等，使用免费工具足矣。Google Analytics是不错的选择。其他估计百度统计，CNZZ或者51la，也不会让你觉得难受。

　　网站如果包含少量Flash，JavaScript等，用Google Analytics的Event Tracking解决方案也没问题。加代码的时候小心点，问题不大。

　　网站如果宝航有大量复杂的Flash，JavaScript以及动态页面的生成和调用，其实Google Analytics也行，就是费点劲儿，实施的时候比较麻烦。如果再加上有跨域或者跨子域之类的事情，对GA的实施要求比较高，但获取监测数据本身不存在理论上的障碍。用Adobe SiteCatalyst（原Omniture SiteCatalyst）会让这个过程变得略微容易，因为有专业服务人士的指导。

　　如果网站有较多的视频，而且对视频播放情况数据需要监测，那么需要对视频播放器进行定制。Google Analytics等免费工具会力不从心（因为没有提供相应的针对性的解决方案而使监测实施变得很难，虽然并非不可以做到，但涉及大量的体力活），而Adobe SiteCatalyst（原Omniture SiteCatalyst）则会容易一些，但需要付费。

业务观点

　　如果网站以静态展示为主，需要访问者做的事情是阅读，那么，选一众免费工具吧。花钱没必要。

　　如果网站包含少量的用户互动，比如让用户下载说明书，优惠券什么的，用GA的Event Tracking或者类似工具就能搞定。

　　如果网站包含少量的具有流程的用户互动，比如填写一个购买意向单，那么根据你的监测需求，可以用GA，也可以用SiteCatalyst。如果你只想知道有多少人提交了意向单进入了下一步，GA完全可以满足，如果你想知道用户填写意向单时候在表单中填写和放弃的情况，那么你只能用SiteCatalyst，因为它包含对表单监测的插件。

　　如果网站让用户参与的互动比较多，例如提交意向，参与调查，参与抽奖，参与评论以及参与分享等内容时，监测工具的选用取决于您是否愿意从一个业务流的角度监测这些活动，以及对这些活动监测粒度（细腻程度）的需要。您当然可以选择GA等免费工具，以一个流量流的角度看待这些活动，代价是从一个网站整体的角度来衡量整体的网站参与度需要作比较多的人工计算，相对比较麻烦，而且更细分的活动监测做不到。如果选用付费工具例如Omniture SiteCatalyst，当然能解决所有的问题，但全面监测的代价是分析的难度显然增加。不过利用Adobe Omniture的数据接口引擎Genesis，可以把这些业务层面的数据直接导入企业的BI系统，这就使数据直接转化为信息，工作难度极大降低。在我离开OMG时，Intel一直都在采取这种方法。

　　如果网站不仅仅让用户参与，甚至提供SNS功能给客户，那么采用什么工具就变得复杂。我会放在如何选择SNS网站监测工具的文章中详细说明。

　　好了，谢谢大家又耐着性子看了这么多内容。有什么问题想问，有什么想法，都尽管提吧！

　　近期又在出差，前几天跟同事学习了一些关于Adobe Omniture Discover的特点，一时激动，在微薄上发了一个帖子，说这是个超级工具，结果受到了大家的普遍兴趣。也许有些言重，但很久没有这么激动的感觉了，若有言语不妥，请朋友们海涵。

　　今天继续度量这个话题，对Visitor和Visit进行更深入一点儿的挖掘。这个话题本来是不存在的，但是看到大家对这个系列第一集中关于visitor和visit的一些小疑惑，发现还是值得拿出来再说一说。仍然说它的原因，并不在于让大家死记住这两个度量本身的相关规定，而是这两个度量涉及了原理、方法和工具，这些是更有价值的知识。

为什么Visitor和Visit容易让我们疑惑？

　　Visitor让我们疑惑的，值得澄清的地方在于如下几点：

• Visitor的含义是指访问的人数，但visitor并不可能等同于真正的访问你的网站的自然人的数量。
• Visitor与visit和page view这两个度量不同的是，visitor跟时间的粒度（granularity）有关：即使相同的时间长度，时间粒度取的不同，visitor的数量也会不同。
• 相对而言，利用log file（日志法）对visitor的计数有先天不足，因此visitor这个概念对日志法较少使用。（关于什么是日志法，什么是标记法请看我的这个文章：服务器日志法网站分析的原理及优缺点）

　　对于上面三点稍作一点儿解释。第一点，visitor的含义是网站的访问人数，是具体的人。可是，并不可能真正知道到底有多少人访问了你的网站。为什么呢？假如你和你的朋友公用一台电脑，而且都用同一个浏览器访问我的博客（www.chinawebanalytics.cn, www.cwachina.com)，这个时候用技术的方法来精确分辨出是两个访问者非常困难——总不能在你的电脑上装上一个摄像头窥视吧！因此，无论技术发展到何种程度，我认为100%准确记录访问网站的人数都是不太可能的，不仅是网站分析的工具难以做到，其他不同方法和不同工具也做不到（关于网站分析计数准确性的研究，请大家看这篇文章：网站分析——我们的数据准确吗？）。 因此，人们采用了一些变通的方法来解决识别visitor数量的问题，我后面会重点讲到。

　　第二点，visitor跟时间的粒度有关。所谓粒度，就是我们所说的截取的时间范围。举个例子，2010年11月14日到11月20日这一周的七天，你在每天都访问了CWA网站一次（感谢这么忠诚的读者。:) ），那么如不同的时间粒度下visitor的计数不同。Weekly visitor是1，而daily visitor则是7。值得注意的是，对于所有的网站分析工具，weekly、monthly或者quarterly、yearly这样的时间粒度都是指日历上的自然周、月或者季度和年。因此，虽然11月24日到11月30日也是七天，而且你分别在这期间的11月25日和11月29日访问了我的CWA网站，weekly visitor仍然会被记录为2。

　　第三点，日志法对于记录visitor的数量是采用分辨IP的方法的。因此，在日志法中，我们常常提到的一个概念是独立IP的数量，并借此指代实际的访问者数量。但是，今天的IP地址已经不可能再跟计算机一一对应了，更不用说跟使用计算机的人一一对应。因此，用这个方法统计visitor的数量存在很大误差，逐渐被人们抛弃掉。

　　相对而言，visit的麻烦其实更多一点：

• 为什么要存在visit？
• Visit和session是什么关系？
• 关闭浏览器窗口对visit的计数有没有影响？
• 关闭浏览器标签（Tab）对visit的计数有没有影响？
• 从不同来源访问网站，一定会使这个网站visit的计数增加吗？
• Visit和unique page view是什么关系？

　　这些问题普遍反映了大家对visit和（标记法）网站分析的疑惑，但实际上，如果我们深入领会了visit的本质，解答这些问题其实很容易。

　　首先，为什么要存在visit？我们说过，网站分析不是分析孤立的数据（这是跟过去网站简单的流量统计有本质的区别的地方），而是分析网站访问者的行为。page view本身是一个个的孤立数据，不能解答网站访问过程中，网页之间的相互关系。例如，我说首页的page view是19,807，网站分析工具频道首页的page view是2,303次，这不能说明首页就一定更受欢迎。而visit，是指访问者来到网站的一系列打开页面的访问过程，是行为，是联系page view和visitor的桥梁。Visit这个度量的重要性就在于，它几乎是其他所有网站分析度量的基石，或者直接影响到了其他所有的网站分析度量。

　　其次，visit和session是什么关系呢？session和visit肯定不完全是一回事，但是你可以认为这二者是一样的名词。因为这涉及到一些历史。session是计算机原理课中的一个名词，即一个“会话”，如果你学过网络的七层结构模型，你就一定还记得其中有一个session layer——会话层，就是指它。在日志法网站分析中，人们用session来表示一个连结的建立和解除，以用之描述visit。不过，由于标记法网站分析的出现，visit直接采用了别的更好的方法表述（马上也会重点讲到），这样就使session这个名词实际上弃用了，而直接使用visit来表示一次访问行为。当然，session作为技术上的一个名词，是不会被丢掉的，但在网站分析上，人们采用了更符合自然语言的表达。

　　剩下还有几个问题，关于visit的计数，以及visit和unique page view的关系，我会在下面首先跟朋友们解答visit和visitor的计数原理，然后在这个系列的下一篇中说明visit和unique page view的区别和联系，因为这一点将要引发出来的课题非常重要。为了弄清楚网站分析工具对于visit和visitor的计数，我们先要搞清楚怎样查看网站分析是否记录到了网站访问者的行为数据。

怎样查看网站分析工具是否捕捉到了数据

　　回答这个问题，我们不能靠猜测了，我们要用几种HTTP Sniffer（HTTP数据包嗅探器）工具（其实一般一种就够了，但不妨我们多了解几种）来探测，如同用雷达探测天上的飞机。首先，我推荐一个我最喜欢的工具：

HttpWatch

　　HttpWatch（http://www.httpwatch.com/）肯定不是最强大的，但我觉得是最容易上手的，能够跟IE和火狐很好的整合，并且很稳定。

其他工具

　　然后其他工具大家也可以试试。Charles（www.charlesproxy.com/），是最强大的工具。firebug，主要用来查看cookie，这是个免费工具。另外还有WASP（http://webanalyticssolutionprofiler.com/），专门用来查验各种网站分析工具的软件。还有httpfox，也是免费的，从firefox的插件库中可以找到，功能也基本上齐全了。

　　如果不想付费，建议装上httpfox（或者基本版的HttpWatch），firebug和WASP（试用版）就足够了。

怎样查看网站分析工具是否捕捉到了数据

　　下面我以HTTPWatch为例，介绍如何查看网站分析工具是否捕获到了数据。对这个部分熟知的朋友直接跳过。

　　1. 在Firefox浏览器空白页中，打开（快键Shift+F2）打开HTTPWatch。

　　2. 启动HTTPWatch的记录模式，即点击下图中的红色框中的红button。

　　3. 在地址栏中输入你要检查的网页URL，打开网页。这个步骤可不需要拘泥于在地址栏中输入URL，你一样可以通过点击外部链接来到这个页面，HTTPWatch仍然会忠实的记录页面打开过程中的HTTP数据包。这时，你可以看到一条条的浏览器传输的数据记录产生了。

 　　请千万不要把这些记录当做是网站服务器的Log记录，这是两回事。

　　4. 上面的数据很多，怎么能看到网站分析工具捕获的数据呢？利用过滤功能就好了。利用快捷键Ctrl+F9，调出过滤器，然后勾选Enabling Filtering，再勾选URL Contains，其下输入“-analytics”，再点OK之后就过滤出页面中GATC（Google Analytics Tracking Codes）发送的信息，如图所示的两条。如果你的页面上加有多个GA profile ID，那么这个数据也可能是多条。如果过滤之后没有数据了，说明网页没有正常运行GATC，或者没有加入GATC，那当然就是不能完成正常监测啦。

　　对于Omniture SiteCatalyst，在过滤器中输入“2o7”，就能把只是Omniture Tracking Code发出的监测数据过滤出来。

　　现在，你有了这个好武器，它的用途可不只是让你看看监测代码正常工作了没有。我们下面要用它来检查网站分析工具是如何计数visit和visitor的。

Visitor和visit如何计数？

　　你可能会问，上面过滤之后的这两条信息是什么东西？想要搞清楚这个问题，我们得打开另外一个话题，即网站分析工具获取数据的原理。如果大家感兴趣，我会另开一篇帖子，如果没兴趣就算了，反正也不太影响大家直接进行网站分析的实践，在我未来计划（现在还只是计划，实在是忙的对不起大家）的书中会再专门提及。下面我们还是聚焦在网站分析工具如何计数这个问题上。

　　你可以先阅读这个帖子——网站分析工具如何辨别UV，然后再继续往下看，一定会有新的收获。在标记法的网站分析中，除了page view之外，visitor和visit以及一切我们分析报告中显现的度量和计数其实都是通过cookie实现的，只有在没有cookie的情况下，才通过其他的方法实现，因此，如果想要搞清楚visitor或者visit到底是如何被网站分析工具记录的，最好的办法是直接看看cookie是怎么记录的。

　　不同网站分析工具cookie记录的方法有所不同，但核心思想是一致的。因此，这里先说说Google Analytics的cookie设置，未来有机会再聊Omniture SiteCatalyst的，因为后者的架构相对更加复杂。

Google Analytics的cookie设置

　　利用HttpWatch，我们点入第二条信息，然后选择“Query String”标签，在下方的检视窗口中出现了更多的信息。

　　先不管其他信息，我们直接看utmcc，这条记录是GA跟visit和visitor相关的cookie信息。如下：

utmcc    __utma=148702437.1696395432.1289879776.1290424992.1290508917.6;+__utmz=148702437.
1289882757.1.6.utmcsr=google|utmccn=(organic)|utmcmd=organic|utmctr=%E7%BD%91%E7%AB%99%E5%88%86%E6%9E%90;

　　现在，我们一条条的看这些数据到底是什么意思。

• utma

　　记录visitor的信息，utma后面的信息，包括域的hash值，visitor的ID、访问时间相关信息和访问次数。utma对应的信息，除非人为删除，否则它在两年后才失效。为了免去我自己作图的痛苦，我直接利用了Google转化大学中的图，因此下图中的数字信息跟上面的不一样，但相应信息的含义是完全一样的。

本图的来源为http://services.google.com/analytics/breeze/en/ga_cookies/index.html
版权归Google所有

　　第一个蓝色的字段是域名的哈希串，对于一个确定的域名来说，这个值是不会改变的。

　　第二个字段（绿色字段）是识别visitor的ID，就是这个绿色字段，标识了不同的访问者，不同的值就意味着不同的访问者。这就是GA能够辨别不同访问者的原因。这个值如果不发生人为地删除cookie的情况的话，两年后才会被替换为一个新的值。

　　第三个字段（紫色字段）是这个visitor第一次访问网站的时间，如果不删除cookie，两年内这个值也不会变。这个时间是UNIX时间，0000000001代表着1970年1月1日0点0分1秒，之后每过一秒，数字加一。实际上UNIX时间是有点小错误的，但是已经不会再对使用产生影响。这里同学们需要注意了。这里以及cookie中其他的UNIX时间记录，构成了GA的整个时间度量系统。时间是这么创造的！

　　第四个字段（浅蓝色字段）是这个visitor前一个visit开始的时间。

　　第五个字段（浅紫色字段）是这个visitor这一次visit开始的时间。

　　第六个字段（最后那个独立数字）太重要了，是记录这个visitor访问网站的次数。

　　现在，再回头看看前面的我的网站（CWA，China Web Analytics，http://www.chinawebanalytics.cn）的utma，大家会发现这个visitor（就是我）已经有6次访问了。

　　通过第六个字段值的增加与否，就能判断GA是否记录某一次访问行为为一次新的visit。

• utmz

　　utmz的功能是用来记录网站访问者的来源（即Traffic Source或者Campaign），如下：

　　这里各个字段的含义除了Campaign Number之外就不多解释了，大家肯定能看懂。Campaign Number是指这个访问者通过不同来源（除了直接来源）访问网站的来源数。如果通过了一个新的来源访问了网站，即使是在一个visit之内，campaign number也会加一，但visit并不会增加。

　　Campaign number的作用我并不是很明确，很希望知道的朋友告诉我。我知道的是，如果在一个visit之内，访问者通过多个来源访问了网站，那么GA默认把最后的那个来源归为这个visit的主人。如果你用utm_nooverride=1配置，那么GA则会把第一个来源记录为这个visit的主人。

• utmb和utmc

　　utmb和utmc是另外两个重要的cookie信息，在免费版本的HttpWatch中看不到，不过没关系，大家用firebug就能看到。

　　简单讲，utmb和utmc都是记录visit的cookie。两个cookie的区别是，utmb在30分钟后过期，如果utmb过期刷新，那么visit也被刷新。utmc是浏览器关闭则随浏览器一起关闭（失效），再打开浏览器访问那个网站，visit也被刷新。这就是为什么GA的visit在不活动30分钟后结束，以及关闭浏览器结束的原因。

　　好了，讲到这里，可能很多朋友会有恍然大悟的感觉。我希望你们能有这样的感觉，否则我真的应该隐退了。如果您有这样的感觉，一定在留言框中写点儿什么——心得、意见、问题，或者其他什么都可以。

　　出差很忙很累，所以博客发晚了些，请大家原谅。后面是否写写网站分析工具获取数据的原理，看朋友们的反馈咯！

　　11月底了，悉尼已经可以看到圣诞节的气氛，到处都能看到圣诞树，可是这里的圣诞在夏天，感觉实在是太怪了。北京的圣诞节，时有下雪，感觉自然完全不同。预祝朋友们圣诞愉快！

　　市面上有很多流量购买源，可以导入降低 Bounce Rate 的流量。搜索“流量购买”即可查到。

　　如果你运营的网站是商业性质的，会购买广告媒介来进行市场和销售的推广与促进，那么你就不得不关注这些看似高质量的流量，并能进行有效的甄别。否则，营销效果是好是坏？如何评估？将无法解答。像句俗话：“被人骗了还帮别人数钱”。

　　如何甄别虚假互动呢？网站分析师或者网站管理人员，需要有效的方法论来指导工作。此文将详细讲述另一种流量质量评估的新度量——深度互动时间（Time Spend on Deep Content）。

下面将按照以下逻辑进行叙述：1.发现虚假互动。2.研究虚假互动的特性。3.分析建立模型来进行甄别。4.实证研究，看看模型的效果。

[ Tenly Wu 版权所有欢迎转载，但请事先在下方评论知会作者，并注明出处]  

1、发现问题：

　　在前面的文章提到：网站的Bounce Rate很正常，或者很好，可网站的互动行为却非常的不正常。

　　这样的后果是：如果使用不全面、不科学的的分析方法，分析研究结论会被误导为“获得良好的效果”。

2、研究问题：

　　研究发现，停留时间是甄别虚假互动的突破口。因为虚假互动可以伪造点击，但是深度的停留时间很难伪装，仔细研究现象就会露马脚。

　　以Google Analytics为例，在时间上有很多度量（之前有一篇文章《Google Analytics时间观》）。下面我们以一个图说明“时间上”的问题：

　　图中有四种情况，黄色的为Time on Page，蓝色的Time on Site。如果页面的访问深度是1，那么就会有Bounce。访问深度是大于等于2，就不会Bounce。如图中第二种情况，当深度 = 2 时，Landing Page Time on Page = Landing Page Time on Site。注意到第三和四种情况，深度大于 2 后，Landing Page 的 Time on Site 的时间比 Time on Page 更多。原因是访问者通过Landing Page到达后，会进行一系列的互动，在其它页面的互动时间会算在该页面的 Time on Site 这个度量上。

Landing Page Time on Site = 
Landing Page Time on Page + Deep Content A Time on Page + Deep Content B Time on Page + …

　　互动的更深（访问页面多）更久（各页面停留更久），反映了访问者对内容感兴趣，推广效果、网站运营效果良好。

　　现阶段虚假互动能够操作影响到的都是在第一个页面上， 即来到“Landing Page–>停留->点击链接”，我们只需要通过一个度量将这些元素所造成的影响剔除，才可以研究真正的互动程度。

[ Tenly Wu 版权所有欢迎转载，但请事先在下方评论知会作者，并注明出处]  

3、建立解决模型：

Average Time Spend on Deep Content =
( Landing Page Time on Site – Landing Page Time on Page ) / Landing Page Pageview

公式简单说明：登陆页的全站停留时间，除去登陆页的页面停留的时间。余下的时间就是访问者在页面其它深度页面的停留时间。然后除以这个登陆页的浏览量，则可以求得一个平均的深度互动时间。这个值反映了平均每个访问者，点击登陆页内容后，除掉在登陆页的时间外，在网站上其它页面花的时间长短。有效的剔除了容易被“虚假流量”影响的登陆页停留时间这个度量。

4、实证模型：

举例：建立自定义报告（可以自行定义，但保证Entrance是第一个度量，这样可以保证主要的 Landing Page 显示在前面，也要保证 Time on Page、Time on Site 和 Pageview 这三个度量选中，以便新度量的计算。

下面是我建立的自定义报告共享连接：

http://www.google.com/analytics/reporting/edit_custom_report?share=P01MqyUBAAA.5cmZVfTgv7FSDQaf3SApcOxsrvVFOMhXTyWae26xzB8D2OsZLRP6CRorB5cbkn53KnEyuJAzLj-2rfM18IeuWw.-djiSrTR40xr_JrPt1z4Ow

　　套用了新度量进行不同的媒体的评估就显得很清晰了。原来左边第一个 Bounce Rate 特别的好，可是在 Average Time Spend on Deep Content 这个度量上，显得特别的低，开始矛盾了。这说明，最左边的流量中含有大量的虚假互动。

　　那么这个度量值在多少属于差？多少属于好呢？

[ Tenly Wu 版权所有欢迎转载，但请事先在下方评论知会作者，并注明出处]  

　　下面是我们的经验值：对于一些有广告推广的网站而言，低于 1 秒就是很差了，说明推广的效果非常差。5 秒以上就是很不错了。

　　你知道宋星的这个博客：Chinawebanalytics.cn的深度互动时间么？123秒。也欢迎大家把你的博客的深度互动时间与大家分享。

　　没错，这个度量很好的扩大了真流量与虚假流量的差距，这种杠杆方法常用在统计学研究中当中。

　　俗话说：偏之毫厘，差之千里。那么一点点的具有虚假互动性质的流量，都会对这个度量有明显的影响。

　　像老虎的猫，终究是猫。所以流量的质量是客观的，好与不好，换个方法照样能把它甄别出来。

　　由于时间仓促，文章只将概要的思路与大家分享，欢迎大家拍砖或提问，我一一为你解答。或者不足的地方还请大家留言帮助我完善。实在留言解答不了的问题，可以 Gtalk 联系我。谢谢！

　　今天跟大家介绍一款网站监测工具。与一般的网站监测工具不同的是，这个工具并不告诉我们有多少人访问了网站，他们来自何处，以及访问了什么页面；但是，它能记录每个访问者访问页面的鼠标移动和点击情况。很显然，这个工具与监测眼球浏览网页的工具一样，是对我们通用的网站监测与分析工具的一个极好的补充，也是我们在进行网站优化时的一个极佳测试工具。

　　它的名字叫做(smt)^2.0，即simple mouse tracking version 2.0，官方网站在：http://smt.speedzinemedia.com/smt/。

　　这个工具能够监测到每个访问者在页面上的鼠标轨迹和动作，包括：

1. 鼠标进入和离开网页的位置；
2. 鼠标的移动轨迹；
3. 鼠标在移动过程中每个轨迹区域停留时间的长短；
4. 鼠标在页面上点击的位置；

　　如下图所示：

图：(smt)^2.0的鼠标轨迹监测图

　　图中各个元素的含义如下：

• 绿色的箭头是开始监测时，鼠标进入网页的位置；
• 红色的箭头则是监测结束时鼠标所在的位置，可以近似认为是鼠标最后的位置。
• 白色的大叉(big white cross)是鼠标活动的区域的中心，间接表明了访问者注意力的近似中心。
• 蓝色的细线当然是鼠标移动的轨迹咯，而蓝色细线上红色的点则是用户鼠标左键的点击——从图上看起来，这个访问者（其实就是我）似乎认为图像是可以点击放大的，但实际上不能。
• 最后，比较难以理解的是蓝色的圆饼，它们显示了某个鼠标轨迹区域鼠标停留的相对时间——饼越大，停留时间越长。

　　当然，你可以把鼠标放在这些元素上，会有提示性的文字告诉你他们的含义和值。

[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]

　　看起来这个工具的可视化非常不错，事实上安装方法也非常简单：http://smt.speedzinemedia.com/smt/docs/smt_doc.html。而且它是开源软件，你可以自行修改源代码进行定制化。

　　不过，似乎工具本身还有一些适应性的问题，我在自己的网站上（www.chinawebanalytics.cn）进行了尝试，有些访问的轨迹很正常，有些则匪夷所思，而且没有对于中文页面的支持（页面显示会是乱码），见下左图：

　　此外，这个工具能够记录每一个访问者的鼠标行为，但是这些数据一定会塞爆你的服务器空间，因此系统默认的监测时取样的，而不是全部监测。如果你希望能够全部监测，可以在后台中手动输入配置。

　　不足在于，由于监测报告反映的都是每个访问者个体的鼠标移动，因此如何综合汇总这些数据而形成一个整体访问者的行为趋势报告会变成一个困难的工作。不过，好的地方在于，只要你对开源开发足够了解，你完全可以把它定制为你需要的工具，而且它兼容所有主流的浏览器。最后，它是完全免费的。

[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]

　　了解更多内容请访问：

网站: http://smt.speedzinemedia.com/smt/

Demo: http://smt.speedzinemedia.com/smt/demos.php

安装文件下载: http://smt.speedzinemedia.com/smt/downloads.php

　　当然，最简单的方法是直接从GA的状态说明中查找是否Tracking Status正常，但这不过是一个粗略的办法，它并不能告诉你网站上所有的链接都被正常索引正确追踪了。

　　因此，我推荐你试试Sitescanga，这是一个帮助你检测网站是否正确安装GA code，且网站是否被GA准确监测到的很实用的工具。使用方法很简单，你甚至不需要注册，只需要提交你添加过GA Code的网站地址和你的Email即可。之后（可能要等待一天半天的，因为你前面很多人提交了他们的页面，Sitescanga只能一个一个来），它会给你一封信，告诉你你的网站分析报告的链接，点击链接，出现的页面将展现你的网站被GA监测的情况，如果想了解细节，还有一个Excel的CSV文件可以下载，告诉你是否网站所有页面都被监测到了。

图：在此注册并提交你的网站

图：点击邮件中的地址，得到关于你网站的报告

　　哦，忘了告诉大家——它是个免费工具。自己试试吧！