Alan Hou的个人博客

Web Analytics 2.0读书笔记

Chapter 1 The Bold New World of Web Analytics 2.0

Avinash Kaushik此人的生平我不甚了解,但他确实是位业界非常知名且活跃的博主同时在Youtube上也上传了很多优质的有关网络分析视频。在这样一个充满着付费和免费统计工具(Omniture Site Catalyst, Webtrends, Clicktracks, Xiti, Google Analytics, Crazy Egg, Piwik, Open Web Analytics, MochiBot, 4Q)的电子商务环境里,获取数据似乎早已不是问题,而如何使用这些数据实现目标则成为了一个棘手的问题。开篇就讲到了一个网站无非要实现以下3个结果:

•Increase revenue.
• Reduce cost.
• Improve customer satisfaction/loyalty

并提到了很多时候实现目标的路上会受到所谓HiPPO(Highest Paid Person’s Opinion的缩略词)的阻碍。应通过调研来调整策略,所提到的调查的工具有:Google Website Optimizer, Omniture’s Test&Target, Autonomy’s Optimost以及SiteSpect。尽量听取客户的声音以及对比竞争的数据(这里是作者尤其强调的一部分并提到了一个网站www.compete.com,)也将有助于达成目标。下图为所谓的Five Pillars(Clickstream, Multiple Outcomes Analysis, Experimentation and Testing, Voice of Customer, and Competitive Intelligence),通过这5个重要数据分析步骤最终来获取目标值。

Chapter 2 The Optimal Strategy for Choosing Your Web Analytics Soul Mate

进行网络分析,选择正确合适的工具很重要,但作者在2006提出了一个10/90原则,即要想通过网络分析获得最大化的价值,用于购买专业的分析工具和服务应占$10,而剩作的$90则投入到智能分析即人力资源上。再好的工具没有人的分析,你只是得到了数据而没有转化为有用的信息。选择正确的工具前需要问自己几个问题:

•I你需要的究竟是分析还是报告?

有的时候你选择的工具可能无法满足需求,则应考虑升级,而有的时候昂贵的分析工具也许并不能为你使用,这时选择免费工具如Google Analytics可能更好。

•有没有相应的IT实力、营销实力或者两者兼有

IT实力确保你在安装时少走弯路并可进行后续开发,而营销实力自不待言,是分析的中坚力量。

你在追求点击还是web分析2.0

显然后者是本书讨论的重点,web分析2.0要求工具有更健壮的定性和定量分析方法来弄清客户的体验会怎样影响在您网站上的行为。选工具时一方面要立足现在的需求,如是否易于进行您需要的A/B或MVT(Multivariate testing)测试,另一方面也要着眼未来,网络风云变幻,以免刚用过两年就发现工具已经落伍了。

问完了自己,作者建议问工具提供者以下十个问题:

与Google和Yahoo的免费工具相比你们的工具/分析方法有什么不同?

你是纯粹的ASP(Application Service Provider)吗?是否计划开发新的软件版本?

你们使用什么样的数据抓取机制?

使用你们的工具总的消费将是多少(Total cost of ownership)?

你们提供哪些售后服务?哪些分别是免费和付费的?是否全天候免费(24/7)?

数据分离工具(Segmentation)有哪些功能?

如果要将数据导出到我们公司的系统中,有哪些方法?

有哪些可以导入其它渠道数据的工具和方法?

可否告知贵公司在今后3年为保持竞争优势将会有的新功能/工具/并购?

贵公司最近取消合同的两个客户的原因分别是什么?他们现在使用什么工具?我们是否可以与他们取得联系?

Chapter 3 The Awesome World of Clickstream Analysis: Metrics

八个重要的Web度量参数

访问数和访问者数量(Visits& Visitors)

不同工具中对于visits和visitors的定义有细微的差别,就技术上而言,一个visit对应一个session;而visitors或者unique visitors则是通过一个特殊的cookie字段来统计。大多数统计工具中的daily unique visitors, weekly unique visitors都会重复计算隔天/周访问网站的同一个人,只有少数如Google Analytics, XiTi或Nedstat会进行排除重复的处理。

页面访问时间和站内访问时间(Time on Page & Time on Site)

退出移动版