[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。]

　　译自

　　极少数公司在互联网视频领域能够提供视频广告绩效评测的解决方案，只有少数几家能做到这一点，例如Visible Measures, NedStat, TubeMogul, Divinity Metrics，以及备受质疑的Omniture, Unica, WebTrends, ComScore, 和Neilsen NetRatings。

　　下面是我的一些看法：

　　在2007年年末，DVBES（Video Barometer Executive Survey）指出超过80%的媒体和娱乐业管理层都相信追踪、测量以及监控互联网视频内容是实现基础性盈利的关键。这并不让人吃惊，因为精确的衡量（在线视频内容）能为决策制定和提升商业绩效提供非常有益的信息，因此比以往任何时候都更趋主流并更受重视。而可能让管理层吃惊的是，对互联网视频效果的测量一般只能聚焦于自己站点上的视频内容本身，而无法对自己站点外的同样视频进行测量。对于网站分析工具而言，它能够提供一个非常直接的方法，告诉你人们在你的站点上如何享受在线视频的服务，以及如何与之互动。但是由于视频可以被用户传播并在其他站点分享，或是通过社会媒体推广，因此视频的消费行为完全可能分布在更多的站点上，而这些则是无法被网站分析工具测量到的。基于受众普查的调研技术能够大致获得在其他站点上的视频消费和分布情况，但却又不能提供更深入的在你的站点上的监测。对于在你的站点之上的视频的消费、互动以及传播的监测可以分为下面两个类目：

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

• 流内监测

　　指衡量视频本身以及发生在视频浏览期间的各种操作及行为，例如基于时间的时间区间测量以及互动和行为的度量（举个例子，停止播放、播放、暂停、倒回、快进等操作数量的测量，上传有或链接到该视频的站点的数量，或是热点的点击数，以及其他一些社会媒体特征）。

• 流外监测

　　指衡量视频内容所处的环境，以及围绕该视频的网站或皮肤的用户体验，例如转化率度量（Conversion Metrics，如访问者的下载或浏览一个视频的百分比），来源度量（Source Metrics，指播放器用过的视频页面），以及内容度量（Content Metrics，如视频按主题浏览的百分比，或视频按文件格式播放的百分比）。

　　这两个分类提供了监测在线视频的KPI（关键绩效指标）的框架，以帮助鉴别用户如何与视频互动，此视频与彼视频比较起来表现如何，以及是否达到预定的商业目标。分析KPI能够让视频内容能够根据具体情况进行重新剪裁，以最大化其绩效。下面我举出一些具体的KPI：

　　流内监测的KPI：

• 视频浏览时间各长度区间所占的百分比，例如观看该视频时间较长（/中/短）的次数所占总观看次数的百分比
• 观看该视频的平均时间
• 看完该视频的访问者占总访问者的百分比
• 看了10秒不到就停止该视频的访问者所占的百分比
• 如该视频是某visit最后浏览的视频，所有这一类visit相对于对该视频所有visit的百分比
• 如该视频是某visit第一个浏览的视频，所有这一类visit相对于对该视频所有visit的百分比

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

　　流外监测的KPI：

• 转化率（Conversion Rate），按视频、主题、渠道、分类节点、引用网站、地理位置、关键词等等来衡量
• 平均每一个visit的视频浏览次数（与Page View / visit 类似）
• 从不同渠道浏览视频的visit数量（例如从email、rss、搜索引擎、付费关键字搜索引擎以及直接在官方网站浏览等）
• 包含该次视频浏览的visit的平均持续时间
• 对该视频或该视频下载的重复访问率（Repeat Visit Rate）

　　这些KPI指标都可以利用网站分析工具进行测量，而其中的一些甚至有可能能够用传统的基于受众普查的研究方法进行测量。但是，对当前的分析和受众测量工具而言，你自己的站点外的视频传播已经产生了一系列全新的挑战，使它们很难完成对流内和流外的指标以及KPI追踪，这种情况下，广告平台和广告主将如何应对呢？这是一个需要用一些新的技术来解决的商业问题，这些新的技术需要理解用户行为、消费习惯以及视频在你站点外其他同步站点的传播模式，或是视频内容病毒性的传播模式。

　　那么，能够提供监测互联网视频和受众行为的新技术解决方案应该是什么样的呢？首先，它需要以某种方式弥合专家小组调研系统和普查系统之间的鸿沟，以能够既帮助广告发布平台又帮助到广告主。这个技术还必须能够追踪、动态报告以及以简明图表的方式汇报关键测量值和KPI、视频传播模式、用户行为以及互动情况，而无论这个视频在互联网上“走到”了哪儿。位于外部数据库（比如说OpenID）的受众特征应该和内部的公司数据库（如用户提交和用户注册的数据库系统）中搜集了用户行为、视频元数据以及流内和流外度量值的数据相整合。

　　既然十个高管中有八个都相信测量数据视频的重要性，那么在这个领域就具有巨大的挣钱的机会。这些机会既对那些为新出现商业需求提供技术解决方案的公司有益，也对利用互联网视频去影响用户的认知和反应的广告主有益，当然，同样也对绩效测量的专业人员有益，因为这些人员能够帮助互联网视频的生态系统更加合理，也能够使用视频的绩效测量提升客户的商业绩效。

　　我们当然还是处在互联网视频绩效测量的“J曲线”的起点，无论对于广告平台商还是广告主而言都是如此。毕竟，Forrest预测互联网广告市场的花费将从去年的4.71亿美元增长到2012年的71亿美元。

　　Sidney Song: I quote the article without authorized permission, if any rights offending, pls mail to me: sxwuda(at)gmail.com, and I will feedback to your request. Thanks!

[转载请事先声明并得到许可，版权归作者所有。]

　　如果认为用通常意义上的那些衡量自己网站上的可控内容的那一套东西来衡量用户自生成内容（UGC，User Generated Content，或者也可以被称为用户生成的媒介），那是有点儿天真的。我很高兴看到我的好朋友 Avinash 正在不断地鼓吹：网络分析绝对不是能直上直下一条道走到底的事情。【点击标题阅读全文】

　　我在试着把我不久前提交给客户的一个你可能也会觉得有用的东西进行简化。为此，我把它命名为“在线商业媒介的四象限模型”，这样是不是更容易理解些了？呵呵。：）

　　在线商业媒介的四象限模型试着要强调那些必须要做监测，尤其是在非常差异化环境中必须要监测的东西。四个象限分别代表：

• 自己网站上的可控内容
• 其他网站上的可控内容
• 自己网站上的不可控内容
• 其他网站上的不可控内容

　　让我来用一系列不同种类的内容来解释上面的这几个象限。

　　有了上面的具体内容，我认为有些事情应该能变得的简单多了，但是如何收集活跃的信息仍是一个障碍。尽管很容易收集一些点击的流量数据（就是自己网站上的可控内容），但我们都能看到，辨识那些在不知道哪里冒出来的博客上的关于你的品牌或者产品的评论（这就是其他网站上的不可控内容了），实际上是非常困难的。不仅仅是因为考虑到如何分析这些东西本身非常困难，更困难的是，我们如何能够把这些收集到的信息和其他象限关联起来，以进行一些更令人兴奋的分析。

　　总结一下：想要超越传统的网络分析是很很难的，也很难获得一些真正的帮助。让我为你提供一些我随意的选择吧，他们都是为上面模型的各个象限的监测活动提供代表性监测工具的服务提供商。下面是他们的名字：

　　网络分析 —— （用于分析自己网站上的可控内容）

　　(由传统的网络分析服务提供商提供的典型的监测工具） – www.omniture.com – www.webtrends.com - www.indextools.com (*) – …

　　口碑监测 —— （用于分析其他网站上的不可控内容）

　　另外，我也给http://www.scoutlabs.com/发了一个试用DEMO的请求。朋友们，如果你读到了这里，也发一个请求吧，就当是给自己的一个圣诞礼物。（作者行文在圣诞前，译者注）

　　如你所看到的，被我标为“网络（Web）”象限中的传统的网络分析工具也进入了一些其他的象限。这是因为，今天的企业级的网络分析系统能够收集一些在其他象限里的数据，只不过还不能达到我们期望的完美境地而已。对此，我个人的主观态度可以表现在下图中：

　　对于在线商业媒介四象限模型的话题实际上是在进行中的一个工作。所以，请给我发Email或者留下评论吧，这样能够帮助我们大家干得更好！：）

[转载请事先声明并得到许可，版权归作者所有。]