第七章 尽早预知成败：充分发挥测试和试验的力量
利用网络资源，可以使用极地的成本来改进网页－－－测试
7.1 测试方法入门：A／B测试和MVT（multivariate test,多变量测试）
7.1.1 A/B测试
用来测试网站上某个网页的两个或更多版本优劣的方法。
7.1.2 MVT
指在一个页面当中同时测试多个不同元素的变化。
7.2 可操作的测试建议
7.2.1 改进关键页面－－着陆页
如跳出率比较高的最热着陆页。
7.2.2 关注结账、注册／登陆和提交页面
7.2.3 优化广告的数量及位置
广告数量并不是越多越好，试试A/B测试或者MVT测试，看看减少50%，效果如何？
7.2.4 测试不同的定价与销售策略
使用A/B测试，让5%的用户体验新的定价，观察效果如何？
7.2.5 测试包装盒的设计、DVD封面等实物
在网上摆出来，卖卖看，如果有15条正面评论，可以在实体店销售。
7.2.6， 优化外部市场活动
改进电子邮件营销、网站联盟、站外展示广告和搜索引擎营销的效果
7.3 对照试验：改善你的数据分析
其实就是单一变量不同，其余相同，找出引起结果变化的原因和影响因素
7.3.1 衡量付费搜索对品牌关键词和关键词拆解的影响
事例：
面临一个选择，本公司的品牌关键词排在第一位。是否还需要使用付费关键词
犹豫不决。使用对照试验，观察两种不同的做法的最后的转化率。
7.3.3 对照试验的优缺点
需要大量的人力、物力资源去尝试。但获得的好处也很多。
7.4 创建并推动测试文化
1.第一次测试务必成功
使用A／B测试。
2.不要过于依赖工具或迷信专家的夸大宣传。
不需要使用最好的工具或请教专家，免费的工具就能看到效果
3.别有任何隐瞒————抛开自以为是
自己的想法并不代表用户想法。
4.以假设开始
不是简单的说首页换个颜色、这幅图片换成文本。
7.4.9 两个必备要素－－测试宣讲员和测试专家
第八章：竞争情报分析（competitive intelligence,CI）
通过和竞争者比较，更了解自己的定位和业绩，可以探究商业趋势、获得有用
的发现；更好的了解竞争对手。
举个例子，你的业绩上涨了8%，无法看出好坏，但是如何竞争对手的业绩上涨了
15%，那你就要调整策略了，哪里出了问题或竞争者用了什么手段让业绩飞涨。
8.1 竞争情报的数据来源、类型和秘密
数据来源都是相似的，但数值上，CI和网站分析是不同的，网站分析可以埋点，但是
CI不可以埋点。
8.1.1 工具条数据（toolbar）
工具条就是为浏览器提供的附加功能的插件。
8.1.2 用户库数据————CI主要数据来源
在用户上安装监控软件，收集用户浏览数据。
8.1.3 ISP数据
互联网服务商拥有大量的数据。
8.1.4 搜索引擎数据
搜索引擎也会提供数据挖掘的工具。但要根据搜索引擎数据的特点采用方法。
8.1.5 网站分析供应商的行业基准数据
网站分析供应商拥有很多数据。如GA提供Fireclick。
8.1.6 自行提供数据
对于那些以广告为主营业务的网站，广告主使用的数据必须尽可能准确，所以他们会自省
提供数据，让广告商来进行投资。
8.1.7 混合数据
供应商使用多种数据来源扩充数据集。
8.2 网站流量分析
8.2.1 分析长期流量趋势
和竞争对手的曲线放到一起，观察趋势。
8.2.2 分析竞争网站的重合度，发现机会
使用Also visited 找到你真正的竞争对手，看看你的竞争对手的竞争对手，伺机在竞争对手
的竞争对手中做广告和拉赞助。
8.2.3 分析反向链接和退出网站
想知道谁为竞争对手提供了流量，能不能拉拢过来。分析反向链接
想知道离开了自己网站，去了哪个网站，什么地方没满足用户。 分析退出网站
8.3 搜索和关键词分析
8.3.1 最热门关键词的绩效趋势
使用Compete, 看看竞争者关键词业绩趋势。（和几个品牌比较）
8.3.2 地域兴趣和机会分析
搜索引擎可以使你根据地域投放广告，每个公司有自己的地域优势，能不能根据对手的地域，
找到机会，拓展机会。
8.3.3 相关的和快速上升的搜索
任何有效的营销计划，都有重要的策略：了解市场的竞争格局，并深入发掘用户的兴奋点。
分别对应：持续收集相关搜索词，关注热门快速上升的关键词
拓宽对相关市场的视野。 用户兴趣点
8.3.4 市场占有率分析（share－of－shelf）
通过Compete 可以知道自己拥有多少市场份额。还有多少的上升空间.
8.3.5 竞争性关键词优势分析
分析哪些词给自己网站带来最大的流量。
给竞争对手带来最大的流量
使用compete，使用竞争关键词优势搜索。可以查看给网站带来流量的关键词有哪些，
哪些词是你占优势的。
8.3.6 关键词拓展分析
对哪些关键词进行竞价能帮助自己呢？
使用AdWord Keyword Tool
8.4 受众识别和细分分析
用户不反感广告，特别反感和自己无关的广告。
所以投放广告之前要进行受众识别和细分分析。
8.4.1 基于人口统计学的细分分析
例如30-40岁，年收入6w以上的女性最常浏览的网站
例如35-54岁拥有大学学历、家庭无小孩的中年男子
8.4.2 基于用户心理的细分分析
我们通常希望通过用户生命周期和社会心理来识别相关受众。
8.4.3 搜索行为和受众细分分析
第九章 新兴分析：社交、移动和视频
内容通过了RSS和移动互联网等更多的渠道发布，那么对于数据的采集就是一个挑战。
9.1 衡量新的社交网站：数据方面的挑战
从前是工作人员创建、发布，读者消费（浏览）内容。
9.1.1 网站内容的转变
现在变成了用户生成内容的方式。：内容什么时候对访客是有用的？ 发布后，还是点评后。
9.2 分析离线用户的行为（应用程序）
使用event tracking(事件追踪机制)来收集数据。
9.3 分析移动用户行为
9.3.1 移动数据收集的可选方案
1.基于日志的解决方案
使用ISP的日志文件。
2.基于数据包嗅探的解决方案
可以收集客户端和服务器之间往返的数据包。
3.基于加码（Tag）的解决方案－－JS或图片加码
最常用的还是JS加码
9。3.2 移动报表和分析
如何使用数据：
移动数据和之前的数据没什么区别
1.多少访问量
2.流量来源
3.屏幕分辨率
4.通过什么关键字
5.停留多久
6.转化率
9.4 衡量博客的表现
9.4.1 原始作者的贡献
每月帖子、 每篇内容数量
9.4.2 整体的受众增长
订阅数量
转化率：评论数量／贴子数
9。4.3 引用和轰动指数
有多少人在谈论你的内容， 通过博客引用数和帖子引用数来衡量。
9.4.4 博客的成本
技术（软硬件）成本
时间成本
机会成本
9.4.5 博客收益（投资回报率）
1.比较价值： 通过工具 衡量博客价值
2.直接价值： 广告等
3.非传统价值：用户口碑
4.无法量化的价值
9.5 量化Twitter的影响
1。粉丝人数增长
流失率
2.信息放大
指的是粉丝转发你的帖子，更快的传播你的信息。
9.5.3 点击率和转化
1.共享链接平均点击率（Click-Through Rate）
你发送的链接的点击率。
2.转化率（产出）
如果共享链接是电子商务网站
9.6 分析视频的表现
使用event tracking来追踪视频
9.6.2 关键视频指标与分析
1.基本性能指标
整体和每个视频的观看次数，以及观众所处的位置。
9.6.3 高级视频分析
我们能看到视频对业务目标的影响，可以衡量看视频对转化率和不看视频的转化率，那种情况更好？
但是其中涉及到一个问题，有购买计划的访客看了视频，怎么区分这样的情况呢？
第十章 隐藏的网站分析陷阱的最优解决方案
追求正确的思维模式和分析方法，以及从多种角度出发的思考方式和决策成本的优化。
10.1 准确性还是精确性
准则：不要过度追求数据质量
10.2 数据质量处理的6个步骤
1.收集简洁的数据。
2.要有针对性。
3.数据检验
4.追求精确性
5.数据不完整不是问题
6.快速行动，聪明地思考。
10.3 建立行动仪表板
10.3.1 创建优秀的仪表板
1.给高层的报表中主要集中提供一些关键信息。
2.创建一个可操作的仪表板。
10.3.3 高影响力仪表板的五个准则
1.基准和细分
给出族群细分才能让人了解指标变化的原因。
10.4 全线营销的机遇和多渠道衡量
最被低估和最困难的事：多渠道营销
10.4.1 转向全线营销模式
现在的时代，是线下和线上相结合的全线营销，没有单纯的线下和线上。必须转变思维
10。4.2 多渠道分析
指的是如何区分线上和线下对营业额带来的影响。
10.5 行为定向的优势和挑战
行为定向：涵盖了线上定向广告和内容优化的各种技术。
对线上广告，目的提高广告有效性，从而提高投资回报率。
对内容优化，目标是向访客显示与其相关的内容，从而提供投资回报率。
10.5.1 行为定向的优势
良好的行为定向优势： 通过网站服务平台整合智能工具或引擎，从而使用用户数据来优化他们的用户
体验。
10.5.2 克服基本分析挑战
面对收集好的行为定向数据，需要接受三大挑战
10.5.3 行为定向的两个先决条件
记住一条原则： 输入的是垃圾，输出的也将是垃圾。
如果输入的数据是错误，那么得到的结果毫无作用
算法工程师 数据分析 数据挖掘
写出推荐 根据数据，利用商业敏感度，得出结论 确定性质
10.6 在线数据挖掘和预测分析面临的挑战
本书只讨论：使用自动智能或人为创建的业务规则将内容或信息定向到用户。
另一种预测分析是搜索引擎根据搜索者的位置和之前的搜索行为来改善查询结果。
10.6.1 数据类型
数据经常是非结构化和碎片化的。 比如匿名的cookie，你无法通过cookie来确定是否是一个人
来访问网站购买产品，是否一台机子多个人使用，或者一个人多个机子访问访问，所以对复杂数据的
趋势判断十分困难。 这就是不完整和匿名的数据。
10。6.2 变量的数目
在网站上，所有人都是你的竞争对手。
10。6.3 多重主要意图
用户访问网站的目的往往不是单一的，很难确定。
并且将海量数据归类到几种意图上，做出预测，很困难。
10.6.4 多次访问行为
对网站的多次访问，还要分析用户的行为，很艰巨。
10.6.5 缺少主键和数据集
在收集数据过程中，多个渠道的数据如何进行整合，他们之间缺少着连接点，困难大大增加。
对未加码的广告和网页，我没无法获取数据。
10.7 走向智能分析的步骤
10.7.1 步骤一：加码
10.7.2 步骤二：配置网站分析工具的设置
1.配置报表： 站内引擎搜索的报表
2.配置目标（goal）:微观或者宏观的转化
10.7.3 步骤3:营销活动／流量来源追踪
每一类营销活动必须用独有的加码方式。
10.7.4 步骤四：收入和高级情报
如果是电子商务网站，标准加码不会追踪，必须在提交页面添加页面相关的JS代码。（自定义变量）
10.7.5 步骤五：富媒体追踪
追踪这些应用程序，你需要接触各个方面：每个系统、很多人和几乎目前所有的流程。
第11章 成为分析专家的入门指南
如何正确的处理数据。
11.1 背景信息的重要性：可能花90%的时间为数据提供背景信息。
背景信息是主要指标周围的那些定量或定型的信息，用来描述指标所处的背景情况。
11.1.1 比较不同时期的关键指标
例如拿去年的这几个月，和今年的这几个月比较一下。
11.1.2 通过细分提供背景信息
例如，这个月的网站平均停留时间，进行细分，60以内的， 200秒以上的，又发现200秒以上的
才是转化的那部分人，应该继续分析它们的行为，这部分是优质用户，挖掘潜力。
11.1.3 比较网站关键指标的平均值和细分值
比如关键指标：搜索流量， 我们查看到25%的流量来自于细分搜索，那么专注去做，会让他达到50%。。
11.1.4给指标找伴侣：尽量选择产出指标
比如十大引流网站的排名，给他加个指标，新访客的百分比，有时访问最多的不一定是新访客最多的。
11.1.5 利用行业基准和竞争数据
假如购物车的放弃率是80%，或网站停留时间的指标为42min。你需要知道这些数字是好的，还是需要
紧急修复。此时，你就需要行业基准和竞争数据来获取外部背景信息。
11.1.6 了解业务知识
获得网站分析数据的背景信息的必杀技：了解业务知识。这些信息包括：公司的各项举措、营销计划、
网站的更新与变化、管理层的变化、管理层的变化、服务器终端、PPCC、直复营销，都会影响网站。
11.2 KPI变化趋势比较
根据第一项举措，去比较不同时间段KPI的对比。你需要更深入的去挖掘趋势和表现背后所隐藏的问题。
如何更好的比较：
1.多去了解业务知识，询问专业人员，今天和去年有什么不同？团队人员增加了一倍么？此类的问题
11.2.1 呈现业务知识
当你展示数据时，你的目标是要体现出对变化的理解，从而可以将这些变化转变为行动。
11.2.2 细分来救援；把问题由大变小 ：
11.3 在Top10之外：什么改变了
top的变化是很小的，大家关注的会很少。反而应该关注什么变化的特别大，看它后面所影响的因素。
11.4 真正的价值：衡量潜在转化及访客行为
我们都沉迷于如何在网上获取流量，在衡量网站营销活动时可以看到倾向：引入了多少访问量，只有有多少
转化，多少注册量。
11.4.1 潜在访客行为
fackbook做了营销活动，取得大量的用户注册，它成功了么？我说没有。会员数其实是用来衡量成功
最不重要的指标。这是因为称为会员后的行为才是网站增加价值的关键。
11.4.2 潜在转化
假如你是一个电子商务网站。 基于转化率衡量初步的成功，等待90天，看哪些营销活动带来更多的
重复购买，哪些渠道是优质的，即使初始转化率较低。
11.5 四种不能指导实际行动的KPI衡量技术
平均值、百分比、比率、组合指标。
11.5.1 平均值
单纯的平均值一点作用都没有，但是换个角度可能有不同的看法。
11.5.2 百分比
百分比提供不了任何信息，但是如果加上背景信息，才有意义。
11.5.3 比率
比率代表两个量的相对大小。一个常见的比率是没访问的页面查看量（访问深度，page views per visit）。
11.5.4 组合或计算得出的指标
1.不要使用组合／计算得出的指标
有组合指标，试试压力测试。再使用，在观察
11.6 搜索：实现最优长尾策略
核心是解释市场营销如何在网络上发生了根本性的改变，以及必须如何调整方法，以找到可操作的分析见解。
11.6.1 计算头部和长尾
通过图表，查看趋势。
11.6.2 了解品牌和行业关键词
品牌关键词是指与公司本身有关的短语或关键词，你的公司名称、提供的服务名、产品名。
行业关键词与贵公司没有直接联系，他们是公司主要业务的通用次。
11.6.3 最佳搜索营销策略
1.改善SEM
不要在意境能搜到公司网站的关键词上浪费预算。你需要回到EXCel并检查搜索关键词分析。
重点研究一下头部和长尾部分关键词的分布图形。
11.6.4 执行最佳长尾策略
通过Ad／Search share（广告搜索份额），我们能知道你进行了付费以后，网站的展示份额是多少，
你花的钱到底有没有人来点击，占到多少，即使调整策略。
11.7 搜索：衡量上层漏斗关键词的价值
如今的客户，不是即时文化的思维。用户总是经过多次（3次）访问后，确定购买产品。这也是为什么转化率的
分母是独立访客。衡量购买前所用的天数和访问数的重要性，已确定决定购买需要多长时间。
11.8 搜索：付费点击进阶
11.8.1 识别关键词的潜在机会
忽视了 一个关键词在不同搜索引擎中的表现。搜索引擎使用不同算法，有不同表现。
11.8.2 关注“什么改变了”
为了确保长尾部分充分转化成收益，搜索推广活动有成千上万个关键词，但是不可能都看完。
一个策略就是把重点放在”什么改变了“。
11.8.3 分析展示份额和收入损失
展示份额：即你的广告在搜索结果页面上显示的频率，与搜索引擎上用户查询该关键词的频率的比较情况。
11.8.4 拥抱投资回报率分布报表
显示的是有多少广告活动、广告组、关键词。
可以清楚的了解有多少关键词有用，有多少没用。
11.8.5 用户搜索查询和匹配类型归零（优化投放）
虽然整个付费搜索市场都围绕着关键词进行，显然对触发付费搜索广告的规则匹配类型的重要性没有足够重视。
第12章： 成为分析专家的进阶指南
线上衡量最困难的挑战：转化很复杂，有多重网络营销活动。如何进行衡量线上、线下价值。
12.1 多触点营销活动归因分析
12.1.1. 多触点是什么
指的是在转化之前，经过多次的接触：广告、电子邮件营销、实体店，完成的转化，这就是多触点
转化。
12.1.2 你有归因问题么？
点击访客购买前访问次数报表。 假如80%的转化发生在前两次访问。多触点就不是大问题。
12.1.3 归因模型
一旦你通过数据确定确实有必要进行多出点归因分析，下一步就是要了解对于每一个接触点，可以使用
什么归因模型。
12.1.4 真实世界中归因分析的核心挑战
路径分析是使用归因分析时遇到的最核心的挑战。
12.1.5 归因分析的可行代替方案
12.1.6 关于多触点的部分思考
通过上面选择出最优方案之前，有三个想法
1.转化率将来自多个营销接触点。在做任何事情之前，搞清哪种渠道影响最大。
2.如果多触点是个大问题，慎重选择方案。
3.如果是一个大公司，有很多预算，那么使用媒体组合模型等类似模型，是明智的
12.2. 多渠道分析：对于全线营销的衡量技巧
12.2.1 跟踪离线营销活动对在线营销活动的影响
12.2.2 追踪线上广告活动的线下影响
1.衡量线下行为引导
实行多渠道营销的企业通常会采取线下的行为引导。如在网站上放入实体店的位置查询功能。在查询结果
网站url放入特定追踪代码。这样就能衡量线上行为对线下的影响。
第十三章 网站分析职业生涯
13.1 网站分析职业生涯规划
两个关键的选择
1.技术还是业务
2.个人贡献者还是团队领导者
13.2 网站分析成功职业生涯的技能培养
1.使用数据
不使用数据，永远不会学到真正的分析。
网站分析中的八大指标
访问、访客、网页停留、网站停留、跳出率
、转化率、参与度。
优秀的指标只有有四个特性：
简单、相关、及时、及时有用性。
优秀的指标：跳出率。
教训；不追求完美、少而精的指标。指标有生命周期。
最关键的指标：转化
网站的任何都是和产出有关的。转化至关重要。
网站三大核心：提高收入、减少产出、提升用户体验。
报表关注核心： 报表太多。只关注最核心的。
从宏观理解网站：这是优化的关键，
1.有多少人来网站
2.访客从哪来。
3.你希望访客干什么
4.访客真正在干什么。
这时候调查问卷有用。
第四章 实践操作
4.1 网站分析入门
1.是什么
2.告诉了我什么
3.下一步怎么做
4.我该怎么做。
4.2 最佳网站分析报表
1.流量贡献表：来源和产出。
4.3 基础分析的思路
1.细分。
比如销售额的细分，我能知道谁占了大头，谁给我带来利益，我接下里该怎么做。
2.关注用户行为。
关注那部分我能转化的人的行为，促成转化。