人人都是网站分析师：从分析师的视角理解网站和解读数据(《流量的秘密》作者、Google分析个人资格认证(GAIQ)发起者、Web Analytics业界领袖Brian Clifton博士推荐阅读)pdf/txt下载_在线阅读全文

当前位置:首页 > 计算机/网络 > 程序设计 > 人人都是网站分析师：从分析师的视角理解网站和解读数据(《流量的秘密》作者、Google分析个人资格认证(GAIQ)发起者、Web Analytics业界领袖Brian Clifton博士推荐阅读)

内容简介

　　《人人都是网站分析师》
　　《流量的秘密》作者、Google分析个人资格认证(GAIQ)发起者、Web Analytics业界领袖Brian Clifton博士推荐阅读
　　基于场景的网站分析指标使用指南
　　从网站分析师的视角理解你的网站
　　以业务为中心的代码设计及实施流程Tag Manager高级代码实施方法
　　Google Analytics跨屏追踪
　　网站流量分类原理及处理逻辑

作者简介

　　A great introduction to the art and science of web analytics. This book covers the fundamentals that often get forgotten about when having to deal with masses of data, yet are so important to get right form the beginning.
　　—— Brian Clifton　世界*网站分析专家/《流量的秘密》作者
　　数据的价值在于不断地提升网站的使用体验，对于“链家网”来说就是通过数据为客户创造一段完美的找房之旅。本书作为一本以数据驱动网站体验的教程，不仅详细讲解了网站分析中的各种基础知识，更结合了信息架构方面的知识，以GIGO原则(Garbage In Garbage Out)为基础实现以业务需要定制数据，并最终通过数据解决业务问题，提升网站体验的分析闭环，带领读者快速从数据中发现价值。
　　—— 彭永东　链家网CEO
　　互联网的核心是“数据”，而如何用好“数据”决定企业能走多远。本书通过蓝鲸多年的实战经验总结，醍醐灌顶般将堆积如山的知识深入浅出地阐述给我们，即使数据分析的门外汉也能借助本书解决问题。

显示全部信息

目　　录

第1章　什么是网站分析
1.1　网站分析的定义
1.1.1　网站分析定义及关键信息的概述
1.1.2　关键信息解读
1.1.3　网站分析定义的总结
1.2　网站分析的作用
1.2.1　网站的眼睛
1.2.2　网站的神经系统
1.2.3　网站的大脑
1.3　学习网站分析的5个阶段
第2章　网站分析工具
2.1　网站分析的3个阶段及其工具
2.1.1　服务器日志和计数器阶段
2.1.2　网站数据统计阶段

第1章　什么是网站分析 
1.1　网站分析的定义 
1.1.1　网站分析定义及关键信息的概述 
1.1.2　关键信息解读 
1.1.3　网站分析定义的总结 
1.2　网站分析的作用 
1.2.1　网站的眼睛 
1.2.2　网站的神经系统 
1.2.3　网站的大脑 
1.3　学习网站分析的5个阶段


	 
第2章　网站分析工具 
2.1　网站分析的3个阶段及其工具 
2.1.1　服务器日志和计数器阶段 
2.1.2　网站数据统计阶段 
2.1.3　网站数据分析阶段 
2.2　服务器日志和JavaScript日志对比 
2.2.1　网站服务器日志的特点 
2.2.2　JavaScript日志的特点 
2.2.3　数据差异和准确性对比 
2.2.4　数据全面性对比 
2.3　如何选择适合的网站分析工具 
2.3.1　有逻辑地展现网站中各项指标 
2.3.2　可定制并与网站的商业目标结合 
2.3.3　发现数据中的问题 
2.3.4　使用通俗易懂的指标及描述 
2.3.5　专业及完善的服务和技术支持 
2.4　Webtrekk工具 
2.4.1　功能套件及扩展工具 
2.4.2　Webtrekk Q3特色功能 
2.5　个性化网站分析工具推荐 
2.5.1　Clicktale 
2.5.2　Crazyegg 
2.5.3　SkyGlue 
2.6　SkyGlue工具 
2.6.1　实施过程 
2.6.2　工作原理 
2.6.3　追踪每一位独立访问者 
2.6.4　追踪独立访问者的每一次点击 
2.6.5　跨渠道与跨地域追踪访问者 
2.6.6　对事件进行追踪 
2.6.7　SkyGlue工具测试总结 
2.7　用户调研工具 
2.8　竞争分析工具 
2.8.1　Alexa 
2.8.2　Google Ad Planner


	 
第3章　从网站分析师的角度理解网站 
3.1　理解网站的目的和不同阶段的目标 
3.1.1　网站存在的目的 
3.1.2　网站不同阶段的目标 
3.2　理解网站的流量策略 
3.3　理解网站的信息架构 
3.3.1　什么是元数据 
3.3.2　元数据的作用和使用者 
3.4　理解网站的页面分类 
3.4.1　网站中的三类页面 
3.4.2　页面的关注点和衡量指标 
3.5　理解网站的流程结构 
3.6　理解网站URL中的关键信息 
3.7　理解站内搜索的工作原理 
3.8　理解网站的成功及微转化


	 
第4章　指标的使用场景及计算方法 
4.1　6种最常见的指标场景 
4.1.1　计数指标和复合指标 
4.1.2　货币指标与非货币指标 
4.1.3　正向指标与负面指标 
4.1.4　广告指标与网站指标 
4.1.5　用户行为指标与网站性能指标 
4.1.6　驱动指标与绩效指标 
4.2　指标及计算方法 
4.2.1　广告端基本计数指标 
4.2.2　广告端扩展指标 
4.2.3　网站端基本计数指标 
4.2.4　网站端扩展指标


	 
第5章　广告数据及网站数据的监测原理 
5.1　Cookie的作用及分类 
5.1.1　第一方和第三方Cookie 
5.1.2　永久和临时Cookie 
5.2　广告数据监测原理 
5.2.1　广告点击监测 
5.2.2　搜索引擎排名监测 
5.2.3　EDM广告监测 
5.2.4　分析工具识别及处理流量的逻辑 
5.3　网站数据监测原理 
5.3.1　PageView日志示例 
5.3.2　常见的5种日志类型 
5.4　数据准确性及数据差异问题 
5.4.1　数据准确性问题 
5.4.2　数据差异问题


	 
第6章　监测代码设计、实施和检查 
6.1　用户隐私保护 
6.2　网站监测的GIGO原则及实施流程 
6.2.1　为什么无法从数据中获得洞察 
6.2.2　以业务为中心的代码实施流程 
6.3　广告及网站的监测代码设计 
6.3.1　广告端代码设计 
6.3.2　网站端代码设计 
6.3.3　14个需要考虑的代码设计问题 
6.4　监测代码实施方法 
6.4.1　基础代码实施方法 
6.4.2　高级代码实施方法 
6.5　监测代码检查 
6.5.1　页面源代码检查 
6.5.2　Cookie值检查 
6.5.3　使用工具检查 
6.5.4　实时报告及最终报告检查


	 
第7章　网站分析的5种常用方法及使用场景 
7.1　细分分析法 
7.1.1　使用场景 
7.1.2　如何在Google Analytics中完成细分 
7.2　对比分析法 
7.2.1　使用场景 
7.2.2　如何在Google Analytics中完成对比分析 
7.3　聚类分析法 
7.3.1　使用场景 
7.3.2　如何在Google Analytics中完成聚类分析 
7.4　质与量分析法 
7.4.1　使用场景 
7.4.2　如何在Google Analytics中完成质与量分析 
7.5　转化及漏斗分析法 
7.5.1　使用场景 
7.5.2　如何在Google Analytics中完成转化分析


	 
第8章　网站分析框架及报告解读 
8.1　Google Analytics简介 
8.1.1　谁在使用Google Analytics 
8.1.2　Google Analytics特点 
8.2　解读报告的基础知识：指标和维度 
8.2.1　什么是指标 
8.2.2　什么是维度 
8.2.3　快速区分指标与维度 
8.3　解读Google Analytics报告的技巧 
8.3.1　第一步：明确阅读报告的目的 
8.3.2　第二步：时间范围及颗粒度选择 
8.3.3　第三步：多指标的趋势变化及对比 
8.3.4　第四步：查看报告中的细分数据 
8.3.5　小技巧：高级筛选及加权排序 
8.4　网站分析框架及Google Analytics报告解读 
8.4.1　实时报告解读 
8.4.2　受众群体报告解读 
8.4.3　流量获取报告解读 
8.4.4　行为报告解读 
8.4.5　转化报告解读 
8.5　回顾网站分析模型


	 
附录　本书介绍的数据分析工具 
阅读推荐-网站数据分析相关博客

显示全部信息

前　　言

　　第1章
　　什么是网站分析
　　网站分析现在已经是一个充满标准的行业。如果是在几年以前，笔者可能会建议你先从实践入手，边操作边学习并掌握这项技能，但在今天，这种方法已经不再适用，从花费的时间以及掌握知识的速度上来说已经不能满足我们快速学习和掌握技能的需求。因此，笔者建议从定义开始，以结构化的方式了解并学习网站分析。网站分析的定义中包含了这门学科中最主要的信息，从定义开始学习将帮助我们少走弯路，快速了解网站分析这个行业的全貌，并形成自己在学习网站分析过程中的知识体系。
　　1.1网站分析的定义
　　网站分析的定义有很多种，各种权威机构和协会甚至不同的企业都有自己对网站分析的定义。这些定义大部分都是基于不同的人从不同的角度对网站分析的理解以及经验汇总而来。作为一个全新且高速发展的行业来说，这里既不存在最权威的定义，也没有错误的定义。笔者依照自己对网站分析的经验及理解推荐Avinash对网站分析的定义。
　　下面介绍Avinash是如何对网站分析进行描述和定义的，以及我们该如何对这个定义的内容进行分析与解读，并从中发现有价值的信息。

第1章 
　　什么是网站分析 
　　网站分析现在已经是一个充满标准的行业。如果是在几年以前，笔者可能会建议你先从实践入手，边操作边学习并掌握这项技能，但在今天，这种方法已经不再适用，从花费的时间以及掌握知识的速度上来说已经不能满足我们快速学习和掌握技能的需求。因此，笔者建议从定义开始，以结构化的方式了解并学习网站分析。网站分析的定义中包含了这门学科中最主要的信息，从定义开始学习将帮助我们少走弯路，快速了解网站分析这个行业的全貌，并形成自己在学习网站分析过程中的知识体系。 
　　1.1网站分析的定义 
　　网站分析的定义有很多种，各种权威机构和协会甚至不同的企业都有自己对网站分析的定义。这些定义大部分都是基于不同的人从不同的角度对网站分析的理解以及经验汇总而来。作为一个全新且高速发展的行业来说，这里既不存在最权威的定义，也没有错误的定义。笔者依照自己对网站分析的经验及理解推荐Avinash对网站分析的定义。 
　　下面介绍Avinash是如何对网站分析进行描述和定义的，以及我们该如何对这个定义的内容进行分析与解读，并从中发现有价值的信息。 
　　1.1.1网站分析定义及关键信息的概述 
　　网站分析定义： 
　　“通过分析来自网站及竞争对手的定性与定量数据，驱动用户及潜在用户在线体验的持续提升，并最终转化为你期望的结果。（线上及线下）” 
　　—Avinash 
　　在Avinash对于网站分析的定义中有3个关键信息，它们分别是数据、用户体验和结果。通过这3个关键信息，以及它们在定义中出现的位置，可以发现这样的逻辑，如图1-1所示。 
　　网站的目标决定了在进行分析时所需的数据及关注点，数据分析的价值则体现在改善用户在网站中的使用体验，而用户体验的提升则可以吸引更多的用户频繁到访（流量），并最终获得期望的结果。这是一个周而复始，不断提升的过程。下面针对这3个关键信息进行分解，并逐一进行解读。 
　　图1-1网站分析定义中的3个关键信息 
　　1.1.2关键信息解读 
　　1.结果（目标） 
　　第一个关键信息是网站期望获得的结果，在这个期望的结果还没有达到前，它是网站的目标，这同时也是网站分析过程的开始。对于网站分析师来说，网站的目标就像一个杂乱的毛线球开始的那一根，找到这个开始的节点后，分析过程中所需要的数据及分析方法都将一目了然，它将所有的数据、指标、分析过程有效地串联在一起，并形成一个高效的闭环提升过程。 
　　网站的目标简单来说就是网站为什么存在。每个网站的目标都各不相同，例如，电商网站的目标是商品销售，门户类网站的目标是广告页面的浏览量，SNS社区类网站的目标是用户活跃度及内容贡献率。有时同一行业中网站的目标也不尽相同。原因很简单，每个网站的商业模式与运营策略，以及所处的成长周期都不相同，因此，每个网站的目标也都不一样。成长初期的网站不会去关注ROI，它们更加关注新客户的增长及带来的价值。而成熟期的网站则更关注老客户的到访频率及每次访问带来的价值。关于不同商业模式网站的目标，我们将在第3章中详细介绍。 
　　确定网站的目标后，还需要对目标进行分解，并选择合适的指标对目标进行度量。如果无法对目标进行量化，那么也同样无法对目标进行提升和优化。因此，目标只有转化为可以被量化的数字后才可以被称为可执行的指标。如何选择度量指标是一个有技术含量的工作。同一个指标在不同的使用场景和业务模式下，所表达的含义可能截然相反。第3章将详细介绍在实战中不同指标的使用场景，以及如何对目标进行分解，如何选择指标对网站目标进行衡量。 
　　2.数据 
　　数据是在网站分析过程中最渴望得到的，同时也是最令人头疼的。对于一个线下实体店来说，要获得每天来访客户的信息是一件非常困难的事情。像7-11这样的实体店就是使用专门的设备对每天购物的顾客进行统计，可见数据对于实体店面的重要性。 
　　对于线上的网站来说，获得数据是一件易如反掌的事情。追踪访客信息已经不是一件困难的事情，真正让我们头疼的是过于庞大的数据量，以及如何利用数据获取洞察的问题。原始数据数量庞大且杂乱无章，这些数据不会为网站带来任何价值。对于这样的数据，Avinash在网站分析的定义中将它们从两个维度分为了4个大类，如图1-2所示，它们分别是来自网站自身的网站数据、来自竞争对手的竞争数据，以及定性数据和定量数据。网站数据用来衡量网站的表现，竞争数据用来了解竞争对手及行业变化，定量数据告诉我们网站中每天发生的故事，而定性数据则可以告诉我们这些故事发生的原因。 
　　图1-2网站分析中数据的分类 
　　（1）网站数据 
　　网站数据是目前谈论最多的网站分析数据,也是最容易获得的。最早的网站数据来自于服务器日志，并用于网站运维人员分析网站状态及服务器错误。后来随着营销对数据的需求产生了专业的网站数据统计及分析工具。 
　　目前常见的网站数据追踪工具如图1-3所示，有GoogleAnalytics、OMNITURE、webtrends、百度统计、CNZZ等，其中标注为免费的工具可以直接注册使用。本书最后的附录部分将给出所有本书介绍的数据分析工具的网址。 
　　图1-3常见的网站数据分析工具 
　　（2）竞争数据 
　　知己知彼，百战不殆。除了网站自身的数据外，我们还需要了解竞争对手的数据。竞争数据并不像网站数据那样容易获得，需要专业的竞争分析工具的支持。这类工具目前国内还比较少，如图1-4所示。竞争数据分析工具的功能和使用我们将在第2章详细介绍。 
　　图1-4常见的竞争数据分析工具 
　　（3）定量数据 
　　通过工具自动获得的网站数据都属于定量数据。获取定量数据的工具如图1-5所示。定量数据可以告诉我们网站中每天发生了什么故事。例如，谁来过我的网站？他们来自哪里？在网站中做了什么事情？浏览了哪些信息？从哪些页面离开？这些问题的答案都可以通过定量数据找到。 
　　图1-5常见的定量数据分析工具 
　　（4）定性数据 
　　定量数据可以回答网站中发生的每件事情，但唯独有一件事情无法回答，那就是这些事情为什么会发生。这时就需要网站中的另一类数据—定性数据。获取定性数据的工具如图1-6所示。定性数据可以告诉我们每一件事情发生的原因。例如，访问者在网站中是否完成了访问目标？如果没完成，原因是什么？获得定性数据的方法很简单，就是和网站的访客直接进行沟通。这种沟通可以通过在线工具进行用户问卷调研，也可以直接与目标用户面对面沟通。 
　　图1-6常见的定性数据分析工具 
　　我们通常使用4QSurvey或Kampyle对用户进行在线调研。4QSurvey是Avinash参与运营的一款免费调研工具，Kampyle是对小流量的网站及个人用户提供免费版本。大家可以在笔者的博客上找到这两个调研工具。 
　　3.用户体验 
　　第三个关键信息是用户体验。用户在网站中的体验是一个非常宽泛的内容，相信任何一本关于交互设计或架构设计的书都介绍得非常全面且专业。从网站分析的角度来看，用户体验的衡量标准只有3个： 
　　访问目的是否完成。 
　　实现目标所耗费的时间。 
　　实现目标所进行的任务负荷。 
　　第一个标准是用户访问网站的任务是否完成。这里不仅局限于用户是否完成转化，还包括不以转化为目的的用户访问行为。数据来源于网站记录到的转化数据及用户调研数据。 
　　第二、第三个标准可以统一称为用户完成任务的效率，既包括完成任务所使用的时间，也包括过程中访问者与网站交互的次数。 
　　所有的数据分析都将围绕这3个标准进行，而这3点也将直接影响网站的目标完成。Avinash强调网站分析的过程是通过数据来驱动用户体验的提升，并最终转化为结果的一个过程。数据并不直接驱动或影响结果，而是用来对用户体验进行度量和提升，这就要求数据必须能够完整且准确地反映用户行为。 
　　如果想验证Avinash的理论，可以在亚马逊网站上找到答案。亚马逊的飞轮效应与Avinash对网站分析的定义相互印证。飞轮效应是指为了使静止的飞轮转动起来，一开始必须使很大的力气，一圈一圈反复地推，每转一圈都很费力，但是每一圈的努力都不会白费，飞轮会转动得越来越快。在达到某一临界点后，飞轮的重力和冲力会成为推动力的一部分，这时，就无须再费更大的力气，飞轮依旧会快速转动，而且不停地转动。

显示全部信息

媒体评论

　　资深网站数据分析专家，“蓝鲸的网站分析笔记”8年网站数据分析工作经验，尤其擅长使用Google Analytics等网站分析工具，在国内网站分析领域颇有影响力和知名度。
　　此外，他还是畅销书《流量的秘密（第2版）》的译者及《网站分析实战》的作者，Web Analytics Association会员、DMOZ Open Directory Project志愿者及艾瑞专家团成员。

在线试读部分章节

　　《人人都是网站分析师》是一本真正能让网站分析的数据结果产生商业价值的著作。很多人都知道网站分析中的指标，但很少有人知道它们使用的场景。很多人都知道网站分析工具能提供数据，但很少有人知道为什么需要这些数据。很多人都知道数据对网站很重要，但很少有人知道数据究竟能带来什么价值。输入的是垃圾，输出的也是垃圾，单纯的数据对企业来说没有价值。
　　本书从分析师的视角系统、深入地讲解了如何理解网站和解读数据。首先，通过讲解网站的信息架构和工作原理，不仅系统介绍有哪些分析指标，而且会详细介绍每一个指标的使用场景；不仅会分析每个指标数据的作用和局限性，而且还会介绍这些数据如何与业务结合才能产生价值。其次，通过讲解以业务为中心的代码设计、Tag Manager高级代码实施、Google Analytics跨屏追踪、网站流量分类原理及逻辑，详细讲解了如何分析数据、选择数据、使用数据才能确保分析结果的价值，最终为网站的运营提供决策依据。
　　作者蓝鲸在网站分析领域浸淫多年，不仅积累了丰富的经验，而且为网站数据分析知识的传播做出了很大的贡献，在业界有非常好的口碑和影响力。《人人都是网站分析师》是继其译作《流量的秘密》和著作《网站分析实战》后的第3部著作，内容更加丰富，视角更加独特。本书得到了国际公认网站分析专家Brian Clifton（《流量的秘密》作者，Google欧洲、中东和非洲区的前网站分析负责人）等10余位来自全球和中国的网站分析专家联袂推荐。

人人都是网站分析师：从分析师的视角理解网站和解读数据(《流量的秘密》作者、Google分析个人资格认证(GAIQ)发起者、Web Analytics业界领袖Brian Clifton博士推荐阅读)下载

人人都是网站分析师：从分析师的视角理解网站和解读数据(《流量的秘密》作者、Google分析个人资格认证(GAIQ)发起者、Web Analytics业界领袖Brian Clifton博士推荐阅读)

发布书评

相关图书推荐