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！

【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！

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！

　　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！

【版权声明】本文系Adobe Omniture资深分析总监Brent Dykes所作，原文名为：Strategy and Data – the Yin and Yang of Analytics and Optimization。中文译文系Sidney Song（宋星）翻译。Adobe及作者拥有版权，译文版权归译者及CWA（China Web Analytics, www.chinawebanalytics.cn）所有。

【前言】

　　这是2010年12月15日圣诞节前前辈Brent Dykes的一篇文章，探讨数据和策略之间的关系。原文请见：http://blogs.omniture.com/2010/12/15/strategy-and-data-%E2%80%93-the-yin-and-yang-of-analytics-and-optimization/。

　　在我的前一篇文章中，我介绍了“价值路径”的理念（见下图），显示了实现网站分析投资的不同的关键步骤。这个过程中的第一个“多米诺骨牌”是数据。最初，我认为大家都很好地理解了自身的业务目标决定了自己的数据收集方式，但进一步的反馈表明我还是需要明确说明这个过程中“策略”的重要性。

　　我的第一个想法是在数据“多米诺牌”前加上另一个骨牌。然而，再度考虑之后，我觉得相对于把策略置于这个流程的第一步，把它作为这个数据驱动价值路径中所有步骤的基础更为恰当，因为策略是贯穿始终的，而且比这个过程中的每个单一步骤都更有影响力而且能够真正影响到每一个“骨牌”。

　　为了显示策略如何作为上面所有数据驱动活动的基础，我将描述5个关键区域，并说明策略是如何以不同的方式为其中的每个区域带来不同影响的。

1. 数据

　　为了让网站数据有用、相关而且完整，需要紧随在线营销的策略和组织的目标。如同上面提到的，一个网站监测策略确保网站分析和优化工具的实施或是配置与业务的关键目标相一致。没有任何组织想要不好的数据。相关性差以及不完整的数据和不精确的数据一样糟糕。

2. 报告

　　如果不理解一个公司的策略和业务目标，那么就很难建立有意义的报告和dashboard（精要报告，所谓dashboard的的解释请见我的博客www.chinawebanalytics.cn的文章：网站分析报告101：计划、实施策略和Dashboard）。最好的报告和dashboard一定很好地为衡量业务的绩效表现而做了恰当的调整。如果你不是那么小心，超期报告就会跟不上当前的在线营销策略和业务目标。

　　时间一长，网站分析团队可能会被要求不断定期做出各种报告，做这些报告也许只是成为了连贯性的行为。在日夜劳作前，有些人会按下暂停键并问“为什么这个报告会存在？”或者“这个报告还跟业务有关吗？”因此，与其复制那些为过时的业务目标设定的历史报告，还不如决定是否这些报告应该被更具相关性、更有意义且与当前业务目标联系更紧密的报告所替代。

3. 分析

　　分析工具例如SiteCatalyst，Discover以及Insight都提供极为丰富的网站数据供公司进行分析。在很多情况下，你所拥有的数据比你想要知道的还要多。此外，你的分析师团队每天或每周都会接到来自各个业务部门的堆积如山的分析需求。当分析师对于线上策略和关键业务目标有一个清晰理解的时候，他们就能自主为需要进行的分析排好优先级——哪些需要早些完成，哪些可以延迟，哪些可以忽略。由于大多数公司的分析资源都是有限的，因此对于业务策略的理解对于高效分配资源和时间是至关重要的。当分析的优先级是基于对当前业务最为重要的事情排序的，那么就很容易推回那些暂时不重要的事情。分析师的精力也就能集中于那些能够带来最大回报的工作上。

4. 行动

　　没有之后的执行（行动），分析再多也没有价值。一旦企业掌握了有价值的分析和洞见，就会形成策略并影响之后的行动。类似于对于分析的优先级排序的影响，策略也能帮助对于提出优化建议的优先级进行更好地排序，例如哪些被提出来的建议更值得通过Test&Target（Adobe Omniture的一款功能强大的测试和定向工具）进行实际的测试。策略也能够潜移默化地灌输给团队对于建议被采纳优先级别的更好感觉。如果市场营销部门以及IT部门能够对关键业务目标有共同的认识，那么这两个团队就能够围绕更加重要更有优先级的策略目标更好地配合工作。

5. 业务价值

　　策略决定了一个公司可能能够通过数据驱动实现的最大化的潜在价值。一个差劲的策略将会限制潜在的整体价值。即使所有其他的业务领域（例如做出极好的实施，很有洞察力的报告，有技能的分析师，执行力很强的团队等）都被你夯实，但是你的业务价值却受限于积弱的策略而不能够有所质变。另一方面，一个合理的策略能够提供给一个组织无尽的价值。数据、汇报、分析以及执行等具体活动为价值带来的贡献其实都被策略的优劣所牢牢限定。

阴阳

　　当一个公司的策略影响到前面价值路径中的所有领域之后，一个有趣的事情就会发生。起初，数据会开始引导并优化业务的战术执行层面。然后，你将看到数据在不断形成或影响你的业务策略，并且能从中得到很多洞见。数据和策略就如同中国的阴阳太极。两个领域互相平衡，互相影响，互相转化又互相滋养。

　　例如，无论监测实施的多快多顺利，如果不能与业务策略紧密结合都会使数据变得无甚意义。没有预先清晰定义的线上策略，数据、汇报、分析和行动都将无法带来预期的价值。如同Peter Drucker（彼得·德鲁克）所嘲讽的：“做不需要去做的事情，即使再高效，也屁用没有。”分析师的资源和时间都是有限的，有一个清晰地策略对于数据驱动的成功至关重要。这会确保你的公司正在衡量和测试正确的事情，假以时日，这些衡量和测试的数据就会为你源源不断带来洞见，并帮助你不断提纯和提升你的在线策略。

　　策略催生数据，数据催生策略，正如同阴阳太极，相克相生。【全文完】

　　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！

需求和工具的对应（续1）

类型二：大中型电子商务网站

　　我觉得，大中型电子商务网站的网站分析需求分为两类。一类是：不不不类（很有趣我刚看了Tenly给我转来的老罗的演讲，我就立即联想到了这个分类）；另外一类是：我一切都要类。

　　不不不类的电子商务网站要么不需要网站分析，要么不需要额外的工具来做网站分析。我常常听到：“网站分析是什么？我不需要。我最需要的是流量流量流量！”确实，这些网站自己有log file可供分析，但是总体上讲，进行网站分析对这些网站而言并不迫切。即使网站并不完美，但是它已经照这样运行了很多年，也没看出它的表现有什么不好。而且修改网站会影响我SEO的效果，各个执行部门的人也会很不happy增加了工作量和多了一些衡量他们的条条框框。

　　对于这种理念我很难置评，毕竟电子商务在中国还是正处于一个粗放竞争的年代。电子商务是微利甚至是负利的，但是没关系，我有规模就好了，有规模就有投资，有投资就能继续扩大规模，这使电子商务在中国的玩儿法变得不需要那么精耕细作，抢资源才是硬道理。除了电子商务网站，团购网站更强烈地显现出这种特征。我绝对不敢嘲笑这种做法，什么样的商业环境就有什么样的商业规则，什么样的商业规则就会产生什么样的商业策略，在中国这片神奇的土地上，不这么做才显得不正常。

　　但我坚信到了某一个时点，这一切都会快速地发生改变。

　　另外一种流派是我一切都要类，就是希望网站分析能够解决所有的网站优化问题。这种希望并不是很具体，但能够传达出明确的我要网站得到优化的欲求。这种想法不能说不对，但网站分析不是万能油，不解决网站所有的问题。网站分析的落脚点在于用户行为，如果这个网站没有什么用户，而且用户也不活跃，那么这个网站可以施展网站分析的领域就不多。同样，如果希望网站的SEO排名能够依靠网站分析而得到迅速提升，这也是没有用对工具。

　　好了，闲话就不多说了。对于大中型电子商务网站而言，网站分析施展本领的真正领域如下：

1. 定位购物转化过程中网站结构和页面的问题；提供可能的优化方案；测试并固话优化方案。
2. 流量的定位、细分和分析；提供细分基础上的流量效果比较。
3. 除了直接从端到端的ROI（投资收益）角度分析流量效果之外，还能够提供Engagement（即流量参与网站各种行为和程度）角度的效果分析；或者换句话说，就是不仅能看到流量的输入和输出，还能看到流量输入输出之间在网站上的点点滴滴的过程。能看到过程，才能有机会优化。
4. 商品品类分析：哪些品类有好的转化，哪些没有，可能的原因是什么。
5. 商品分析：哪些商品有好的转化，需要新增哪些商品（消费者有需求却没有提供的商品）。
6. 访客分析：细分访客，例如按照网站访问次数的多少细分为新访客、重复访客和忠诚访客，或者按照客户购买商品的情况细分（如，新顾客，回头客和忠诚顾客）；或者按照地域细分以及其他规则细分访客并对它们表现出的不同行为和转化模式进行细分等等。

　　上面所列出这些需求都是通常一个大中型电子商务网站进行网站分析时肯定要做的事情，在之前的两篇文章中，从更广义的角度较为系统地阐述了电子商务网站分析的需求：电子商务网站分析要关注些什么（上）；电子商务网站分析要关注些什么（下）。建议大家可以参考。

　　大家可以看到，上面的这些分析和优化内容，单单靠免费的网站分析工具已经勉为其难了。上篇文章中朋友们提到的CNZZ等工具，在流量的监测上没有什么问题，但是到了与业务结合的细分层面，就无法提供解决方案了。毕竟是免费流量工具，不能要求太多。所以，有朋友留言说得好“网站分析  注意不仅仅是 流量分析”，的确是这样。这是需求的不同，如果只是看看流量的变化，不做更深入分析的话，那么CNZZ和51la是足够了，用更复杂的工具是浪费。但是做网站分析，尤其是做大中型电子商务网站的分析，好的工具就很重要了。

大中型电子商务网站需要什么样的网站分析工具？

　　前面说了，工具不存在好坏，满足需求的工具就好。大中型电子商务网站选择网站分析工具的时候，需要问工具提供商如下的功能需求：

• 流量定位和监测

　　这个功能Omniture SiteCatalyst最早实现，即通过SAINT Classification的方法，可以实现对流量来源的无限标记。这种方法后来被Google Analytics简化为UTM的外链形式，流量的细分属性被限制为不超过6个，但也够用。关于这个功能，大家参考这篇文章：用Google Analytics的Link Tag深入了解流量来源（广告）的质量。这个功能对于细分流量来源非常强大。

• 全路径和自定路径

　　在Google Analytics的能与不能提到过，Google Analytics其实没有全路径分析和后自定义路径分析功能，只有预定义路径和转化分析，相对而言对于路径和转化分析很复杂的大中型电子商务网站而言，就很不给力了。Omniture SiteCatalyst在这个地方很强大，路径分析是它的看家本领。其他商用工具在这块应该也不赖。

• 灵活的细分能力

　　灵活的细分指预定义的细分和自定义的细分都要强大。Google Analytics的预定义细分很牛，是我见过的工具中最好的，没有之一。自定义方面，Omniture SiteCatalyst可以实现无限制自定义细分，但需要在实施工具前就想好，然后在工具部署的时候定义进去。如果漏掉希望细分的地方，也可以未来随时升级工具补上。所以，我常常跟朋友说，Omniture的工具不定制直接用绝对是浪费。虽然预先的定制需要策略性思考和实施工作量，但未来这工具就是针对你的业务专用的，的确值得。不过，目前能够通过默认预定义功能就能实现所有分析需求的工具还不存在。我想，由于每个业务自身的独特性，这样的工具可能永远也不会存在，除非——一种能够监听和解读网页上所有变量，并把这些变量的启动和数据变化全部记录下来并按逻辑进行分隔的工具出现（够拗口的，够复杂的，我想这种工具是难以出来了）。

• 与业务动态结合

　　这个，比较难，但商用工具应该做得到，否则你有理由不选择它。所谓与业务动态结合，指网站分析工具不仅是从流量的角度监测数据（流量过程监测），而且从流量在网站内流动过程中所引发的业务流动的角度来提供数据的监测（业务过程监测）。比较抽象，举个例子。例如，你在京东商城选购商品的时候，你在各个页面的访问都被网站分析记录下来，这是流量的流动过程，是以页面为载体的。如果你完成了一个商品的购买，这个流动的过程又可以被记录为：“查看商品信息”->“添加到购物车”->“填入收货信息”->“确定购买”->“支付”->“支付成功”，这是一个动态的业务流程（如下图所示）。商用工具不仅仅从流量角度描述这个过程，也从业务的角度描述这个过程。流量过程和业务过程的区别是，流量过程是以页面为载体，由于不同商品页面的URL或者页面名称的不同，因此用流量过程描述整体的业务的过程过于复杂。而直接定义业务过程，则能够很便利地实现业务流分析。免费的工具都是流量过程监测，付费的商用工具有些具有业务过程监测。这也是为什么Omniture SiteCatalyst要区分Traffic props和conversion evars+successful events的原因，因为前者是流量过程，后者则描述业务过程（关于这点，没有用过Omniture的朋友们无需深究）。

• 商品标记、细分和转化跟踪

　　商品本身的属性很复杂，品名，类型，SKU，价格，库存状态……，有些电子商务网站的商品属性多达30种。免费工具太难记录这些东西了。无法较好的记录，也就无法较好的细分。另外，商品的转化跟踪属于业务过程，而不仅仅只是流量过程。

• 顾客细分

　　免费工具一般只提供新旧访问者的细分，商用工具从业务过程的角度考虑，把访问者中的顾客（已经购买商品的访问者）抽取出来，并且按照新顾客（只够买一次商品的），回头客（购买两次商品的）以及忠诚顾客（三次或者以上购买次数的）区分开来。另外，对于访问者的一些其他属性，例如是否注册客户，是否银卡、金卡、钻石卡客户，以及客户注册或者购物时所填写的个人属性，利用这个网站分析工具，都应该通过增加监测变量实现监测。国内好像还很少有通过网站分析工具做这么细致做顾客角度的网站分析的，但是用网站分析工具，把顾客细分后按照流量过程和业务过程结合起来分析，对顾客的分析和挖掘绝对给力。其他对顾客细分如地域细分、浏览器版本、操作系统版本，javascript支持等等，这些基本的就不用说了。

　　这些是服务于大中型电子商务网站的网站分析工具所必需的一些功能。

　　此外，即使某些工具能够实现上面的功能，你也要注意一些其他的（可能让你未来蛋疼的）地方。

注意避免未来会让你蛋疼的地方

　　由于商用工具必需照顾业务流程，因此它要么是具有很强的可定制化能力，要么就是提供针对某一个领域的细分定制方案（比如我们之前提到的小艾统计）。后者我们就不多看了，并不是针对大中型电子商务网站的解决方案。而对于前者，定制化能力可能是一把双刃剑。

　　毫不夸张的说，好的定制需要花费心血。一方面，对自己网站的业务和过程要非常了解。另一方面，对自己网站结果，URL结构，SEO结构要极为清晰了解。除此之外的另另一方面，还要对自己的监测期望有极为极为清晰地了解。三者缺一不可。

　　如果你不想花费这个心血，而让外人越俎代庖，最后绝对会把强大的工具应用地不伦不类。这种杯具其实是常见的。

　　我认为，网站分析工具的选择，功能只是一个方面。功能强大，而分析团队没有或者十分孱弱，那么工具越强大，事情反而可能越糟糕，还不如免费工具来得快活。我有这样的经验，用我的Pentax单反相机能照出相当不错的照片，但是交给一个女孩子，出的东西反而不如她手上的卡片好。这不是歧视女生，这是强大的工具需要强大的能力去匹配，所谓好马配好鞍。

　　不扯远了，天色已晚。如果开始不注意，未来会让你蛋疼的地方包括：

1. 页面的定义太随意，例如忘记对一个品类的所有页面做一个统一的标识，或者忘记为页面过程附加业务过程。
2. 细分需求定义不全——需要工具提供的一些重要细分数据需求忘记提交，后面的分析肯定打折扣。
3. 初期实施追求监测的大而全，结果造成实施的困难重重。未来拿到的数据报告过多，极大增加分析难度。——这一点和上一点说明，掌握初期需求和细分的度是非常必要的。
4. 流量标识和商品标识不认真做，结果最后分析的时候不得不重头来，或者没有得到数据。

　　一旦使用了商用工具，大家如果怕未来难受，可以跟我先聊聊，我这里有不少曾经让人非常郁闷的经验，但若注意到了别人的失败，自己至少就能够少走点弯路。

　　即使是使用Google Analytics这样的工具，如果开始没做好，未来也难免蛋疼。看看这两篇文章，说不定就能帮到您：警惕网站分析监测实施的陷阱（上）；警惕网站分析监测实施的陷阱（下）。

服务

　　大中型电子商务网站分析如果使用了付费工具，那么肯定是要特别看重服务的。因为这些工具用起来都不是那么容易。我建议先工具厂商购买或者索取三类服务。

　　第一类：使用帮助。不一定需要人在场，但是搞不定的时候一定要有官方的人帮忙。

　　第二类：让官方的人帮助一起做一次分析，并且把分析结果所使用的具体工具、方法再现出来。这是一个非常快的掌握工具的好办法。

　　第三类：完整的知识库。大半夜的时候实在搞不定了，还能看看文章自己摸索下。

　　没有任何服务的工具不要选，原因就不说了。

本篇总结

　　由于大中型电子商务网站太复杂，所以这篇文章一下子又说多了。很可能有些部分朋友们觉得有些难理解，请给我留言询问。大中型电子商务网站选型网站分析工具要注意几点：1) 定制能力；2) 转化和路径能力；3) 业务过程监测; 4) 服务能力。至于说这个工具有没有什么成功案例，我觉得甚至不是什么重要的。很多工具案例不成功，完全不是工具的错，客户也有责任，毕竟中国的商业环境下应用这些工具的案例都还谈不上成功与否——太新了。

　　最后，祝大家好运。有什么问题给我留言，如果你开始用了商用的工具出现了问题，也跟我联系吧！新的一周开始了，祝大家度过愉快的新一周。

　　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。坦率说，对于工具的选择方面的话题，我并不是最好的建议者，毕竟我所使用过的和我所了解过的工具是有限的。而网站分析的工具则太多太多，我来说这个话题，一定会有失偏颇。但是，朋友们对我不断提出的殷切的期望，又让我不能不紧张地谈谈这个话题。

　　是的，网站分析工具太多了，我不能够帮助大家选择所有的工具，因此这篇文章中的工具都是主流的网站分析工具，而一些特定性的或者是专门性的工具，我可能会提及，但不会作为重点。我们这里所指的工具，是一个完整而成熟的网站分析解决方案，而绝不仅仅只是一个软件那么单纯。

　　如果有任何问题和想要分享的，请在留言区给我留言。谢谢大家！

【鸣谢】

　　亲爱的朋友们，我不知道大家是不是在等待我新的文章，也不知道大家是不是有更多的问题，但我知道，我答应了很多朋友的各种需求，却爽约了太久。容我慢慢还吧。2010年已然过去，这一年发生很多让我难忘的经历。特别感谢Qunar的Karen（你一直以来的关注、支持和启发，谢谢！同时，请大家帮助她解决一个我也不能很好回答的问题）、姜文涛先生（谢谢宝贵经验的无私分享，我也想复制你的成功，找时间再喝酒(和果汁)）、中海互动的艾颂（在我需要的时候，你总是那么给力的鼎力相助，谢谢！）、Angela（谢谢你的安排，让我能够有愉快的分享）、SEO大神小帅（南奇）和Robin和少炜、神通一击屠夫、宫鑫先生、大牛Mars、百度的天放和涛哥、艾瑞的云飞兄弟、Frost&Sullivan的王煜全先生、创新工场的Luffy小姐（你现在语速真的快了！）、AdMaster的Vincent和Tenly（你的才华我从来不质疑，现在你爆发的机会来了！）、我在澳洲的同事Catherine和Gary夫妇（你们对我太好了，我在悉尼觉得有家人的温暖）、Cellbikes的Peter（春节后澳洲见！）、IBM的朋友Frank（祝你早日找到更棒的工作）、Intel的客户凯男（什么时候切磋星际啊）、国航的小蔡、联想的客户宗辉和成浩、欧莱雅的文武宝贝、OMG美国的Elin（你答应了我的请求哦，希望能在芝加哥再见到你）、好兄弟大尤、优米网点点、小艾统计的武凯和千鸟、两位David（David Chen和David Wu）……以及和我朝夕相处的网站分析领域的超好的同事们（Vyse, Lillian, Karen, Michael, Darryl, John, Louis, Suraj, Oliver, Kobe, Ling, Ann……）和所有给我各种帮助的朋友们（抱歉我无法提及你们所有的名字，一下子回忆一年真的很难，但真的很感谢你们！）。当然，最最要感谢的是各位读者朋友们，你们的支持让我的博客能够安然走到现在。2010年对我不是很容易的一年，我在不断变化中生存，跟抑郁做严肃地斗争，失去一些生命中引以为傲的东西，且不断在努力辛苦中寻求一些生活的答案，一个人也旅行了很多。但终于我坚信我能让自己变得越来越快乐，而且极端充实，这一年中我甚至没有哪一分钟挥霍过自己的生命，所以到了年末能够带着微笑。这种感觉真的很好。2011年还有很多希望和目标，继续努力，继续努力。

【正文】

　　之前我答应参与案例分析的朋友们的文章和文件还没有发出，春节前一定会做好发出。2011年的开山之作再回来讲一讲网站分析的工具，有一位在QQ群中叫竺筱的在ShopEx工作的朋友很执着地问了我很多关于这个方面的问题，我相信你的问题代表了很多朋友们的疑惑。现在容我慢慢回答。

　　有朋友反映过我的文章太长。我决定从新年开始，所有的文章都变短。长文拆成更短的文章，分更多期发布。大家看着不那么累，我也能悠着点儿写了。:)

从需求开始

　　是的，网站分析工具太多了，我应该用什么样的工具呢？

　　如果你这样问我，我也会一下子哑口无言，因为使用什么样的工具取决于你有什么需求。网站分析的需求通常是很细分的，也许有那么一个特别重要的需求是你特别在意的，而正好又只有某一种网站分析工具能够做到实现这个需求，那么你就该选择这个工具。如果你想让我为你挑选工具（坦率说我不太乐意干这个事情 ），那么你就该说说你的需求，说说你网站的情况，而不能直接问我：你认为哪个工具好？

　　这世界上的工具，能够做出来，且有一定的用户基础的，都不会是“不好”的工具，如果觉得它不好用，八成不是它本身不够好，而是一开始就把它的定位给弄错了。

　　没有清楚自己的需求，不要问工具好坏。

需求和工具的对应

　　现在大家的问题可能是，如果我清楚了我的需求，我该如何选择网站分析工具？别急，让我慢慢来。由于需求的复杂性，我这里将帮助大家梳理几种常见的网站和其需求，然后看看对应什么样的网站分析工具。

类型一：小型电子商务网站

　　我认为，从网站分析的角度看，小型电子商务网站的定义不应该按照营业额的大小，而应该按照商品品类的数量。相对而言，品类越多，网站分析的复杂程度也就越高。超不过50个品类的电子商务网站，应该算小型电子商务网站。

　　可是，如果一个小型电子商务网站问我，我应该用什么网站分析工具。我仍然会说，其实跟大型电子商务网站该用的工具不应该有区别，即，如果有可能，应该用商用付费的网站分析工具。

　　电子商务网站强调几种关键需求：转化路径分析，营销效果分析（其中也包括大家熟悉的来路分析），关键页面分析，商品品类分析，交叉销售分析以及客户细分。在测试阶段则强调A/B测试。这些都不是免费的工具能够做到的。

　　不过，你会说，毕竟我的网站规模还小，我们可以入门慢慢来。我赞同，如果完全没有网站分析经验，小型电子商务网站使用基本的免费分析工具开始其实也不妨。网站分析的基本逻辑是，先把最低垂的果子摘下来。如果要摘那些容易摘取的果实，并不一定要非常牛X的网站分析工具。所谓那些最低垂的果实，既是指那些最明显的问题，比如糟糕的landing page，低劣的端到端转化（暂时不考虑过程），销售和访问不成比例的商品等。我觉得其中有些甚至不需要网站分析工具就可以做出。网站分析的另一个基本逻辑是，千万不要只见树木不见森林。从端到端开始，从大画面开始——这些不需要太牛X的工具就行，然后再细分到细节——这才需要更牛的工具。

　　小型电子商务网站选择网站分析工具应该先问自己几个问题。

1. 我对网站分析一窍不通吗？如果是，而且你也没有空来学，那么别选免费工具了，找懂的人来做，找工具供应商的服务人员给你做讲解。
2. 我有专门的网站分析人员吗？如果有，且他熟悉商用工具，那么试试商用工具没问题。否则，如果要用商用工具，一定要找一个给力的顾问——让他帮你分析一个正在运行的活案例，然后告诉你他是如何使用这个工具完成分析的。这种方法是最快能学会网站分析的捷径。
3. 我对网站和网络营销的流量目前存在的问题有清晰的认识吗？如果没有这个认识，先用好的免费工具吧发现网站的问题吧。毫无疑问，我推荐Google Analytics。
4. 免费分析工具不能获得的数据可以通过其他方法获得吗？例如商品销售量和金额，例如添加到购物车最后并没有完成销售的数量等。这些数据用Google Analytics之类的网站分析工具的确很难获得，但是毕竟网站是你的，如果你能有办法弄到这些数据，那么实际上就延伸了Google Analytics的效果。
5. 是否存在这样的状态？——我已经知道了存在问题，例如我知道填入购物信息的表单页面肯定有问题，但我不知道具体问题在哪里。这个时候，你可能需要更深入的分析（细分），这种情况下，免费的工具可能就不行了，你应该用付费的商业工具，而且还要跟他们具体说明你的问题所在，让他们提供技术方案解决这个确定的问题。

　　我的感觉是，小型电子商务网站不要试图一口吃个大胖子。掌握阶段和节奏很重要。什么都不知道的时候，从免费工具入门，了解一些网站分析的基本常识，了解对流量的定义和分类；接着，利用免费工具发现一些网站明显存在的问题，定义一些跟业绩相关的关键指标；然后，开始发现越来越多的问题，并到了需要深度挖掘才能发现真相，才能更细致解决这些问题的时候，再上付费工具。如果，觉得免费工具发现的问题已经很明确，或者发现的问题根本已经超出了当前资源能够去解决的可能性，那么，暂时还是用免费工具吧。

　　我推荐的小型电子商务网站网站分析工具有两个（严格意义上是三个）：Google Analytics（网站分析入门的不二之选，免费工具）和Adobe SiteCatalyst+Discover（电子商务网站分析的解决方案较全面且灵活，付费工具）。我怕我有偏见，其他工具如果大家觉着用得好，也请提出来。

　　关于电子商务网站网站的哪些关键分析需求，各种工具是否能够满足，满足的程度如何，我将在后面关于大型电子商务网站的工具分析中为大家详解。

　　好了，第一集先写到这里，后面会继续各种网站的分析需求和对应的工具。另外也会探讨与工具相关的资源配置和价格结构，以及对选择工具上的一些误区。这个文章准备来个至少4、5集啦！有什么问题，欢迎讨论！