因为无法被继续细分，所以Direct Traffic的真面目其实被蒙蔽了，而Google Analytics对于Direct Traffic的解释又无疑加深了这种误解。我们先看看GA是怎么解释的： How do the people who clicked a bookmark to come to your site or typed your site URL into their browser compare to the "average" visitor to your site? Direct traffic can include visitors recruited via offline (i.e. print, television) campaigns.（Direct Traffic用来衡量那些通过收藏夹或者在地址栏中输入网站URL的访问(者)，以及这部分访问(者)跟网站其他访问(者)之间的差异。直接流量能够包括那些通过线下营销宣传找到网站的访问者）。

　　这个解释明确的告诉我们，Direct Traffic是来自“收藏夹”和“地址栏”的流量，但事实真的如此吗？

[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]

• Direct Traffic不仅仅是直接流量

 　　这么说的原因很简单，Direct Traffic的意思是，所有那些没有预先做好标记，而且网站分析工具也没有能够获得流量源头DNS服务器信息的那些流量。在浏览器的地址栏中直接输入网址或者是通过收藏夹来实现的访问当然属于这一类，但是除此之外，因为种种原因网站分析工具没能获得流量源头的信息的话，这些流量也都可能会被计入Direct Traffic。

　　大家可以做一个小小的实验。这个实验感谢Actionable Analytics的Jonny（也是他启发了我写这个文章）。

　　首先，打开任何一个知名的门户，比如新浪。新浪的首页上有各种广告，建议大家每一个都点击一下。然后会打开多个厂商的页面。现在，请大家在每一个页面的地址栏中输入：“javascript:alert(document.referrer)”然后按回车，大家会看到什么？

　　每个网页都会弹出一个窗口，有的窗口中间有显示：http://www.sina.com.cn，有些则完全是一个白板，如左图所示。

　　如果弹出窗口中间显示了URL，那就表明，新打开的页面的referrer已经被记录了下来，这样在网站分析工具中的referrer报告中，也就能够显示它的正确流量源头；可是，如果弹出窗口是一个白板的话，那就说明referrer信息没有被记录下来，网站分析工具很可能就会把次访问的来源记为Direct Traffic。

　　如果你在不同的浏览器中尝试不同的网站的广告，你会发现，出现白板窗口的几率是非常大的，而且似乎没有什么规律可言。这说明，网站分析工具中的Direct Traffic可能存在很大的不确定性，而GA的定义是不准确的。

　　的确，如果大家使用过Omniture的话，会发现Omniture中，并没有用Direct Traffic表示直接流量，而是用unspecified这个词替代了。也就是说，Omniture不默认这些流量一定就是Direct的，而是认为它们可能属于Direct，但更确切的应该属于那些无法辨识来源的（Unspecified）流量。如下右图所示：

　　因此，如果我们认为GA中间的Direct真的完全是直接流量的话，是不准确的，而且会影响到我们对于那些真正的直接流量的研究。

　　那么，如何能够保证在Google Analytics中的Direct Traffic完全是真正意义上的直接流量呢？

[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]

　　由于流量来源本身的不确定性，保证Direct Traffic 100%名副其实是非常困难的。有经验的站长都知道，总有一些流量是莫名其妙的，我们很难分析，而它们有的确客观存在。尽管如此，我认为，我们能够通过一些有效的方法来降低非直接流量混入Direct Traffic中间，或者把那些本来不是Direct Traffic的流量标识出来。这样，可以帮助我们尽量降低误差。

　　那么，如何能够辨识这些非Direct Traffic真正的流量来源呢？目前我常用的方法，有三种，至于是否好用，在什么情况下使用，依据具体的条件不同，可能回答很不一样。另外，跟我以前的讨论帖一样，我的三个方法提出后，也希望大家能说出自己的好方法。

• 1. 在流量源头上做标签（标记）

 　　这种方法是我们最常使用的方法。这个方法对于那些特别依赖于网络推广的网站尤其有用。如果大家使用Google Analytics，那么大家可以使用UTM标签，方法简单，操作方便，而且数据直接显示在报告中，会让你非常有成就感。嗯，具体的方法嘛，请看我的这个帖子：用Google Analytics的Link Tag深入了解流量来源（广告）的质量，内容很详细。

　　除了Google Analytics，Omniture也使用了类似的方法，不过，毕竟是收费工具，标签上能够包含的信息量比Google Analytics要多了太多了，这样更有助于我们根据不同的维度来做细分研究。另外Omniture的这种标签（tag）是可以自定义的，有些朋友在使用形如"?cid="这种格式的saint tag标签，还有些朋友则在使用jumpid的标签，但是本质上是一样的。当然，我非常推崇saint tag标签。

[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]

　　有了saint tag，当你做好标记后，Omniture的报告能够显示的维度多达20多个（如下图所示），而且还能够根据你的特殊需求定制化的增加。正常需求不在话下，变态需求应该也没问题了。功能的强大、可定制以及极为细化是为什么Omniture尽管不免费，却仍然占有极高市场的原因之一。

图：Omniture可以极为细致的细分网站流量的来源

• 2. 利用多个首页或多个域名

　　在某些情况下，你的网站不是靠网站推广，而是靠线下推广，或者是靠互联网自发的引用和朋友推荐等。这时你已经不再可能为每个源头都做好标记，我们该怎么辨别那些自发的流量？

　　一个好的方法是利用多个首页或者域名来标识。例如，如果我要做我的网站的线下推广，我会呼吁那些看到我线下广告的朋友通过域名“www.wac.cn”来访问我的网站(www.chinawebanalytics.cn)，你会发现这两个URL是不同的。如果我有多个线下推广的渠道，比如电视，杂志以及楼宇广告，我会分别给他们不同的域名：“www.wac.cn/1; www.wac.cn/2; www.wac.cn/3”来招呼他们——这样尽管我在网站分析工具中的traffic source报告中不能细分他们，但我可以通过top landing page报告来细分他们，尽管不一定是100%纯净，但是已经能够做到相当精确的细分了。这种方法，不但能够帮我们打开Direct Traffic的黑盒子，也是帮助我们间接衡量线下推广的一个好方法。

图：线下推广用简单的URL，并且编号区别于其他的推广方式。注：图片仅是例子，请大家不要访问这个臆造的网址

　　同样，即使是线上推广，这样的方法也是可以尝试的。例如，你可以设置一个小程序，在网页上生成一个收藏按钮，并且把被收藏的URL设置为一个与当前网页URL不同的另外一个（当然，前提是你得保证两个URL都能正常打开你的网页），这样就能够获知一部分direct traffic中真实的收藏了你的网站的访问者了。此外这个方法也能用在朋友推荐、文章引用以及交换链接等领域，你需要做的是给各种情况不同的landing page URL。

[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]

　　当然，这种方法并不足以精确探知Direct Traffic的构成，毕竟互联网的流量来源很混杂，而且长尾原理已经告诉我们想要搞清楚长尾里面厘米都是些什么是很困难的。但是，这个方法至少能够帮助我们相当程度的降低Direct Traffic的不可知性，并帮助我们根据数据的趋势进行优化。因此，我仍然认为这是一个好方法，如果你不怕copy多个首页或是建立多个URL的麻烦的话。

•  3. 利用DoubleClick等工具的Post-Click Activity功能

　　这个方法需要除了网站分析工具之外的广告监测工具，可能很多朋友无法尝试。但是就这个方法本身而言，是一种网络营销推广极为常用的流量监测方法，而且我认为是最为精确的。

　　以DoubleClick为例，目前DoubleClick使用FloodLight（Spotlight的升级版工具）作为Post-Click Activity的监测工具。这种工具的原理是在广告点击之后的登陆页面，以及登陆页面之后的所有页面或是Flash中加上代码，然后这个代码能够和DoubleClick的广告代码协同工作，记录不同广告访问每个页面（Flash）的情况。

图：FloodLight工具的一个截图片段，最右边的(Expected URL)是所有能够被Track流量源头的页面

　　FloodLight的代码与GA的代码添加方法比较相似，但是代码的内容更加简单，功能也很单一——就是记录广告流量进入网站之后在各个页面的穿梭情况。不过，也正是因为这种简单的代码和单一的功能，使它在监测广告流量方面非常准确。另外，与Google Analytics的Traffic Source功能相比，FloodLight的优势在于能够知道每一个页面（甚至Flash中每一个点击）的流量是从源于哪个广告或是流量源头，而且数据十分准确；但是Google Analytics则只能使用Content ->Top Content -> Entrance Sources报告来辨识具体到页面级别的流量源头，而且数据很可能只是sample值（取样值），这样准确度就大大降低了。

图：GA的取样值，Entrance Sources的准确性大大降低

[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]

 　　FloodLight的另外一个无可比拟的功能，是能够直接嵌入Flash文件中，监测每一个Flash互动的流量源头。这一点Google Analytics要做到也非常困难，但是FloodLight就十分容易了。根据不同的Flash的版本，在Flash中嵌入FloodLight的相应代码，所有的flash的互动来自于什么广告/流量源都会被记录下来，这对于优化广告以及其他网络的推广是非常有帮助的。

　　好了，3个方法说完了。大家有没有更好的主意？或者文章中有什么不正确的，以及你的任何其他想法，都请——给我留言吧！

　　其中，Traffic Source这个报告能够告诉我们——网站的流量都来自于何处，是Search Engine（搜索引擎），或是Referring Sites（具体的其他网站），还是Direct Traffic（直接通过地址栏输入或是从点击收藏夹网址而来的流量），以及它们贡献流量的质量如何（通过给出的Time on Site和PV / V，以及其他ROI数据实现）。不过，如果你为你的网站投放了广告（Banner或者Textlink），想要进一步了解具体的每个广告带来的流量质量如何，这个Traffic Source的报告就可能帮不到你了，因为你会发现：Traffic Source的最细分的级别是Referring Sites，即哪些网站或是搜索引擎为你贡献了流量，但却无法细分到具体的广告，是的，在你的报告上看不到。

　　那么，是不是我们就毫无办法了呢？事实上，Google早已经（其实也就是去年）注意到这个需求，而且已经给出了一个非常棒的解决方案，使Traffic  Source报告能够给提供进一步细分的流量来源报告，这对我们深究网站流量来源，尤其是深究不同广告的流量及流量质量具有决定性的帮助。

　　Google提供的这个解决方案叫做Link Tag，它通过两步实现，非常简单，我建议从未了解过的朋友们看了这篇文章后就立即动手试一试，你会发现你的Google Analytics Traffic Source 报告立即变得sexy了。:)

• 第一步：给你的网站加入Google Analytics的最基本的Tracking Code，就是我们要监测网站时必须加的那个Code，如图1所示。唯一要注意的是，一定得是新版的ga.js的那个tag。——你一定会说：这第一步简直是废话，如果没有页面的Tracking Code，那根本连页面都监测不到——是的，没错，你是对的。但我仍然写下这一步的原因是告诉大家，Link Tag要想发挥功能，首先必须保证流量来源指向的网站是被Google Analytics监测的。首先网站要被Google Analytics，然后才能有Link Tag。如果网站已经加好了code被Google Analytics监测了，这一步一定要略过 。

　　图1：先加入ga.js code给网站建立Google Analytics的Tracking（监测）

• 第二步：给你想要细分的Traffic Source建立Link Tag。这是关键一步，可以分解为几个具体的内容：

1.   请先了解Link Tag是什么。说出来你不信，但就是这么简单——Link Tag跟刚才提到的ga.js code完全不同，它不过是给一个URL后面加上了一些参数而已。例如一个典型的Link Tag：http://www.chinawebanalytics.cn/home.html?utm_source=sina&utm_medium=banner&utm_content=linktag&utm_campaign=IloveWA
2. 大家可以清楚的看到，上面的这个Link Tag实际上就是一个URL，但后面带上了一些“utm”的参数；
3. 这个带了参数的URL将作为网站实际的流量来源（主要是广告）的链出URL。例如，我在新浪上做了一个广告，广告内容是介绍Link Tag的好处，广告链接到的地址（即链出URL）是我的博客：http://www.chinawebanalytics.cn，为了让我了解这个广告带来的流量大小和质量，我必须要把这个广告上最初的链出URL加上Link Tag，即把http://www.chinawebanalytics.cn改为加了Link Tag的新URL：http://www.chinawebanalytics.cn/home.html?utm_source=sina&utm_medium=banner&utm_content=linktag&utm_campaign=IloveWA
4. 你一定会问我，上面那个URL的“?”之后的参数都是什么？你可以把“?”之后的参数理解为广告的名字，即为每个广告起的Google Analytics能够识别的名字。其中： 
   • utm的意思是“Urchin Traffic Monitor”的简写；不了解它没关系 ；
   • utm_source指广告所处的网站位置，“=”后面的名字你自己起，如果是新浪，还是用sina较好，如果是搜狐，就用sohu吧！注意不能用汉语字符；
   • utm_medium指广告的具体形式，“=”后面的名字同样你自己起，如果是通栏，就起名“Leaderboard”吧，如果是对联广告，就用“Biskyscraper”吧！——约定俗成。当然，你自己认识的名字就行；
   • utm_content指广告的具体内容，因为可能你有几个不同内容的广告版本——根据不同内容自己起个名字就行；
   • utm_campaign指你投放广告的这次营销活动的名称。什么？不要告诉我投放广告的营销活动连个名字或者代号都没有！
   • 看完了上面的这几条，请大家一定点击这个链接：http://www.google.com/support/analytics/bin/answer.py?answer=55578&hl=en，一切一目了然！
5. 当你做好了加入Link Tag的URL，别忘记把它们加到对应的广告文件（行话是“广告物料”）中去，记住一定不要张冠李戴造成统计分析的错误。

　　是不是很简单？加完了之后，你要做的事情是找到Traffic Source报告中的Campaign子报告，然后看看发生了什么变化。你能看到从图2到图3的变化就是你的报告中会发生的——此前Campaign子报告所有的项目都是“(not set)”，但现在Campaign报告出现了你加的utm_campaign的具体名字 。

图2：加入Link Tag之前的报告情况

图3：加入Link Tag之后，Campaign子报告的项目发生了变化！你在Link Tag里加的名字出现了！

　　不仅如此，你还应该点击图4中的上面的红框中的“segment”下拉条，在下面的红框中间点击其他项目，看看会有什么发现？

图4：试试segment下拉条，看看还能有什么新的发现！

　　用这个方法，Google Analytics实现了对你的不同类型广告（或者其他流量来源）的监测，而你，则能够更深入的了解，具体哪个source（是新浪还是搜狐，还是其他的网站上的广告）带来了更好的流量，或是哪种形式的广告（是Leaderboard，还是PIP，还是普通banner，还是skyscraper）更有效果，或是哪个campaign（营销活动）的广告，更加让你满意。

　　不过，我要最后提醒的是，不要把Google Analytics 的这个功能和AllYes或是Double Click等工具提供的广告监测功能相混淆。Link Tag提供的是广告点击后，与这个广告相关的网站访问流量数据，而Allyes或Double click提供的则是广告本身的Impression和Click数据，Google Analytics和它们是配合的，但不能互换。

　　快试试吧！我写的虽然已经不少，但实际上可能仍然让你意犹未尽。如果有什么问题，或是有什么心得，在下面的留言区给我留言吧！我真的非常非常急切的想要听到你们的声音！

[转载请事先声明并得到许可，版权归作者www.chinawebanalytics.cn所有]

　　衡量你网站最大数量或者质量最好的流量从何而来，是一个网站分析师能做的最基本最重要（也是最简单）的事情。但是，很多情况是，许多网站分析师的网站流量来源报告（traffic sources report）常常看上去是下面的样子：

　　如果你足够老练，你可能会用饼图做出一个图形化的报告：【点击标题阅读全文】

　　对于这两种呈现数据的方法，我都毫无疑义，它们都能很好的总结数据。但是，我还是发现了一个问题： 　　我能从中获得什么样的见解？ 　　观察上面的表和图，我能获得下面的信息：

• 似乎有相当多的流量来自于其他的网站（Some other site）
• 有一些人直接从浏览器登陆了我们的网站
• 没有多少流量来自于搜索引擎

　　但是还是有些问题无法解答：

• 他们从这些流量源头（Sources）来了之后又做了些什么？
• 付费搜索和自然搜索（指非付费搜索）的对比情况如何？
• 从RSS提交/e-Mail/以及其他网络渠道（affiliates）来的流量情况如何？我能否把它们区分开，看各自的表现如何？
• 除此之外，还可以列举更多!

　　关键是，上面展现的信息产生的问题比能够解答的问题多得多。但是，实际上这些问题能够得到解决！

　　下面是一些我认为能够从流量来源报告中获取一些深度见解的点子：

　　1. 决定网站流量的来源

　　你的组织中很可能有多种营销手段共存的复杂情况。你可能拥有e-newsletter（电子邮件）营销，e-blast营销，Facebook应用营销，RSS提交以及等等等等！所有的这些努力都可能为你的网站带来可观的流量，但你未必清楚。

　　与你组织中的人聊聊（最好从市场部门开始），试着从他们中搞到现在正在进行的可能为你的站点带来潜在流量的营销手段的清单。试着把他们分成7-8个主要的类别。一开始不要分得太细，否则会让你“只见树木，不见森林”，不利于你的分析。

　　下面是一个例子：

1. 直接流量（Direct Traffic，指在浏览器中输入网址，或者从收藏夹，历史记录中进入的流量，译者注）
2. E-mail（包括新闻邮件即Newsletter，以及eBlasts）
3. RSS / Atom Feeds
4. 付费的联盟站点（aka内容联盟）
5. 非付费的联盟站点（所有有你网站的链接，而你不需要付费的站点）
6. 付费搜索
7. 自然搜索（即非付费搜索）

　　确保你所定义的每一组都是恰当的，以保证每一个都能被恰如其分的归类。

　　2. 为你定义的来源建立追踪（Tracking）

　　既然你已经知道该测量些什么了，你就应该再做一点而努力，把你需要测量的东西都建立追踪标签。

　　对于大多数网站分析工具而言，独立的追踪各个流量源是很简单的，只需要在这些流量源的每一个连接上加上标签即可，这样分析工具就能辨识他们。

　　例如，在我的RSS 提交链接中，我就加上了Google Analytics的追踪代码：

　　图中链接中下划线的部分就是告诉Google Analytics，“嗨！这是一个从RSS提交（RSS Feed）中来的访问者，所以你把它归类到RSS组中吧！”

　　你必须跟你的分析工具提供商协作，以找出那些属于这个工具的参数，但是不同工具的方法是完全相同的。

　　3. 做报告并找到真知灼见！

　　既然你已从熟知的分析工具中获得了所有的令人欣慰的数据，那么你需要一个精确的方式做出报告，并且得出令所有人惊叫的真知灼见。

　　以我愚见，这里有一些极为重要的关键点。都是基于过去的经验，经过一段时间人们把我的报告丢到垃圾桶之后，我发现了如何让我的报告对他们产生效果！

　　让我们先看看这个报告的结构。你能看到两个大标题，这两个标题所指的内容，是唯一利用这个简明报表（Dashboard）持续追踪的。它们分别是：

1. 流量的数量情况以及
2. 流量的质量

　　我想知道的最基本的东西是：

1. 如果我获得了流量，那么哪个流量的来源是我最该感谢的？
2. 在我提高网站流量的方式中，哪一个是最能为我带来效益的？

　　有了这样的一个“大图景”，让我们再深挖它，通过其他几个图表来获得上面问题的答案。

[转载请事先声明并得到许可，版权归作者www.chinawebanalytics.cn所有]

　　如果我获得了流量，那么哪个流量的来源是我最该感谢的？

　　我很喜欢这些堆栈图，它们就如同包含时间序列的饼图一样。我能很快辨别一个月相对于另一个月流量是增加还是减少，以及流量的变化最应该归因于谁。

　　已经相当不错了。但是，我还不知道这些不同来源的流量各自质量如何。他们转化为有效的访问了吗？他们蹦失（Bounce）了吗？他们看到网页后“吐”了吗？;)

　　在我提高网站流量的方式中，哪一个是最能为我带来效益的？

　　上面是我最喜欢的图表（这是一个气泡图，在Excel中就能很好的生成，译者注）了。从中我可以看到：

• 横轴是Pageviews/Visit（即PV/Visit）
• 纵轴是蹦失率（Bounce rate）以及
• 气泡大小代表着Visit的多少

　　在这儿我们选择了PV/Visit以及蹦失率是因为这三个量度为流量质量提供了最好的指标。如果你负责一个电子商务或销售网站，你可以把蹦失率作为纵轴，把转化率（Conversion Rate）作为横轴。

　　一般而言，我喜欢将气泡与流量的数量保持相关，例如与Visits或者Unique Visitors（UV）保持相关。这种方法能够简单的避免这样一种情况——你花费大量时间去优化一个高质量的流量源，但这个流量源却只给你带来了流量总量的1%。

　　上面这张图可能需要多一点解释，因为优化流量来源的目的是为了创造更好的ROI（Return on investment，即投入产出，译者注）。

　　为了理解ROI，我们需要知道不同流量源的每个Visit的成本（Cost per visit，或CPV，译者注）。如果要了解如何计算不同网站的CPV或者每个Visit的销售额（revenue per visit），又需要一个完整的博客帖子了。

　　在这个文章里，我给出一个简单的等式：

　　Revenue per Visit = （PV/V * Ads per Pageview) / 1000 x CPM

　　CPV = $0! (上表中的成本只是为了说明它应该是什么样子，也不是实际的真实数据 ）

　　当我谈到网站度量（eMetrics）的时候，很多人问我，他们怎样才能与老板或者高级管理层疏通好关于网站分析的事项。如果你真的想要他们跟你同心协力，那么停止谈什么网站分析吧！你应该谈谈他们心里所想的事情——收入和成本！

　　4.去找老板给你升职吧！

　　既然你已经把如何合理分配预算以帮助实现利润最大化的工具交给了市场营销团队和企业组织，那你应该径直奔向你最喜欢的HIPPO（给你实际发薪水的人），找他给你升职！

　　说说你的想法吧！你对Dashboard（简明报表）该如何去做有什么想法吗？我还漏掉了什么吗？

　　英文原文请看：Tips on Visually Measuring Your Traffic Sources

[转载请事先声明并得到许可，版权归作者所有。]