【经典好文】揭秘我所知道的网站分析

因为上一家雇主的缘故(国内Top2的专业数据分析公司),常会有很多电商的朋友来问我,到底网站分析(WebAnalysis,以下简称WA)是什么,有什么用,有没有必要做投入,投入多少,回报如何,诸如此类;每次我都要废老大的口水解释半天,今天终于有点小空,还是写一篇“科普文章”,给朋友们一个较为综合的参考吧。 首先,我不是Web Analyst,但是我有很多朋友是资深的Web Analyst;其次,除了早期,我几乎不再自己动手部署监控代码,但是我是资深的“WA消费者”,无论是过去还是现在,我已经习惯依赖WA的分析结果来 做决策。所以,我想,我应该能够把WA说的相对简单易懂,呵呵。 “科普文章”嘛,都会有个小目录,我也先加一个: 一, Web Analysis的前世今生与方法论 二, Web Analysis的监控原理与实现工具 三, 实战:电商运营优化的WA重点 一 Web Analysis的前世今生与方法论 1, 虽然网站分析是一个新词,但是WA的内容却是由来已久:从最早的所谓网站统计(PV/UV),到后来的互联网广告定向投放,再到如今的网站访问内容/访问流程优化(营销活动,购物流程等);虽然筐里装的东西越来越多,但仍脱不出两条主要的发展脉络: A, 从简单的统计分析向过程解析演进:很显然,大家都已经不再满足于得到一个简单的报表,列举一些数字,更多希望了解,这些数字是如何产生的。 B, 从基于网站自身的分析,转向“以人为本”的分析:大家都发现,访客的行为强烈的受到其自身特征(年龄,性别,职业,地域等)的影响,要想转化率更高,必须大规模的定位访问者(使用cookies或者flash cookies),从而使得商业活动的执行更有针对性,性价比更高。 2, 抛开历史旧账不谈,如今网站分析在两大领域中运用最为广泛:互联网广告定向投放与电子商务运营优化。原因简单,WA在这两者中的运用,能够非常直接的提升业绩:无论是前者成本的降低还是后者收入的增加。(小小的感慨一下:商业的力量真强大,好东西总能先用上) A- 1,互联网广告定向投放,在国外最著名的公司是doubleclick,可惜后来被google收购,失去了独立第三方的身份;国内最早的试水者是1998年成立的好耶,最早想走技术路线卖软件,结果媒体只愿意用 广告付费,被迫变成了Agency;被分众收购之后,变的什么都做,又失去了第三方的身份,影响力大不如前。倒是后起之秀的AdChina,专心致志,成 长惊人,无论是从技术层面还是销售额,确实值得期待。WA界大家熟知的Sydney Song(宋星),正是就职于类似的一家北京公司。 A-2, 无论是好耶还是AdChina,基础方法论都是一样的:通过cookies来识别和记录访客的访问行为;然后细分客户族群,把消费者感兴趣的互联网广告推 送给TA看。随着广告投放数量的不断增加和cookies数目的不断积累,客户访问数据会被“清洗”的越来越精确,覆盖面会越来越广,最终达到广告主希望什么人群看,就只有这些特定的人能看到,“不错过,也不放过”。 A-3, 我和AdChina负责广告网络运营的同学聊过,他们的精确投放技术真的很有意思:如果我的习惯是看到2-3次广告banner才会点击进去,我到 sina看到了2次,到sohu又看到了1次才点击进去;如果广告投放期内我又访问sina和sohu的同一位置,就再也看不到这个广告了,广告主因此则 节约了大量重复或无效的付费曝光;此外,如果您是广告主,预算有限,又想投门户,传统的买位置投放就不行,因为可能一小时就把预算消耗掉了;AdChina则提供了一个所谓平均投放的技术,保证页面刷新N次才出现1次广告,这样可以保证页面曝光比较均匀,有限的预算可以支撑广告持续较长的 时间,降低了品牌网络广告的门槛。此外,还有些常规的按地域,时段,人群投放,创意轮播,前问卷后问卷之类的技术,就不多说了。有点预算(一个月几万块)的同学可以尝试投放一下,毕竟打品牌还是要靠硬广的。 B-1,与互联网定向广告相比,电子商务运营优化要复杂的多,门槛也高的多;我个人印象中, 电子商务界最早大规模采用WA的公司应该是Ebay,可惜的是,外部的同学只能下载到一些for seller的统计结果,关于网站访问的渠道,内容等分析则无从得知。在中国,WA则是一个brand-new的行当,新到许多业界的同学都不知道WA为 何物。阿里系也是从2007年之后才开始正式组建类似的部门,还从我上家公司挖了一个很NB的DA。说起来,新蛋在中国的WA部门算是国内最前沿的,我自 己的DA也是从那里挖的。(可惜,我挖不起新蛋的前首席Dave Zheng同学,被安居客搞走了,这里算帮他打个小广告了,呵呵) B-2,与定向广告相比,电子商务运营优化的方法论要复杂的多,而且国内外差异颇大,细细盘下来,大致的逻辑如下: 识别虚假流量,剔除那些绝非人类产生的访问行为(Avinash大神肯定没干过这个,呵呵) 使用不同维度(按来源渠道,按老客户新客户,按访问次数,按不同的campaign,按是否具备某种自然特征如地理分布/性别)把总流量划分成各个子流量 从2个不同的角度(统计概率分布和特定目标完成)去观察用户的访问行为,并在不同的子流量之间横向对比 通过上述对比,得出两个结论: 1. 宏观上,各子流量所代表的客群有哪些访问特征,如何利用这些特征把网站的UE做的更好,吸引到更多的目标客群,从而实现商业目标。 2.微观上,具体到一个特定的商业目标,如何调整网站的定位(主要是商品策略),功能,界面,设计,提升目标转化率,改进返单率,提升客单价与销售额。 值得注意的是,无论是哪个领域,网站分析一切的一切必须基于一个宏观的商业目标,自顶向下,逐步分解的;如果目标不明,WA人员是无法开展真正有价值的工作的;这也是一小部分同学始终坚称WA无用的深层次原因:其实TA们自己都没想好建这个网站到底要干嘛 二.Web Analysis的实现工具和监控原理 俗话说,工欲善其事,必先利其器,WA也不例外。不过这里的“器”,除了分析软件,还有自身对WA工作原理的一些基础了解。(Web Trends之类的服务器端分析机制就不介绍了,国内用的人很少,我自己也只懂个皮毛,就不误导大家了) 目 前最主流的网站分析工具采用的都是Page Tag;基本原理都一样,在HTML页面的头部或尾部嵌入一段js代码,浏览器读到这段代码,触发远程服务器的程序,自动记录用户的访问行为。WA人员则使用客户端软件,通过一些标准的和自定义的模型,来展现和分析这些数据。比较NB的公司,也有自己开发类似系统的,如AdChina的AdServer定 向广告投放系统,让人不佩服都不行。 目前比较主流的WA工具,除了收费不菲的Omniture和免费的Google Analytics(前身是WA四大之一的Urchin,以下简称GA),还有一大堆如Crazy Egg之类的免费软件(大家有空可以上网搜)。对国内绝大部分的电子商务平台来说,Omniture实在是太贵了,每年至少30万以上;更郁闷的是,设置 非常复杂,不是专业人员根本搞不定,一不小心数据就跑不出来。当然如果您一年市场预算几千万,那么花个50万买一套,再花个50万请2个资深的WA,肯定 能值回票价。(插播一个小广告;购买Omniture,请找八叉乐的卫峰同学,呵呵。) 对于绝大多数同学,我的建议是,用GA吧;虽然GA每隔 2,3个月总会抽几个小时的筋,好歹免费的不是,另外基础配置也简单,稍微懂点js和html的人都能弄。更难得的是,GA的升级速度很快,总能看到一些 新的模型和界面,有些非常有帮助。关于GA的具体功能,就不多说了,网上已经有很多文章了,搜来看看,上手很容易。 不过需要提醒大家的是,所有的 WA工具,能够实现的,不过是Metrics的排列组合,最多把模型弄得复杂点,对于基础Metrics的定义,都是统一而无法修改的(比方说old client的定义是cookies未被清空的情况下,只要访问过的都算;如果你想把访问过3次以上的定义为old client,是办不到的)。考虑到中美业界差异和国内奇形怪状的电商模式,工具不一定能够很好的满足您的要求。我自己最近就很纠结,是不是要下定决心,组织开发力量做一套WA工具出来;因为很可能在12个月甚至更短的时间内,GA就将无法满足我的分析需求了。 三.实战:电商运营优化的WA重点 1, 首先,我个人觉得,电商公司都应该设置WA的职位,甭管现在招的人水平好坏,能看看GA,做做最简单的定性分析就成,不能总是拍脑袋;我常和同事说,从无到有是一个飞跃;从有到好是另外一个飞跃。您的WA team其实也一样的。 2, 为了让您的WA人员不致于沦为花瓶或者背黑锅的,您自己得知道,您的WA人员是来干嘛的,千万别看这人家闲着就总想打发人干点啥;在我看来,WA和架构师是一个类型的position,思考多于动手。TA的具体工作,无非如下几项: 把业务层的需求转化为一整套的Metrics(度量指标)体系 与技术人员沟通确保这些Metrics能够被有效的获得,并且系统性误差在可接受范围内 把这些Metrics以易于理解/传播的展现形式(如各种自定义图表界面)传递给相关方(sales,ops等等) 3, 电商网站上线初期(1年内),小规模高频次的做定性分析,不求体系完整,但求能发现问题(甚至不一定要求解决问题);上了量之后,再做大规模少频次的定量分析,制定运营的Kpi体系。 4, 用一句套话,last but not least,千万不要瞎指挥WA;就我个人观察,互联网出身的电商公司还好,一般还能在一个频道上对话;传统行业出身的,很容易瞎折腾,最后的结果很可能是:为了数据而数据,WA人员被迫提供一些不知所云或者虚无缥缈的报告,害人害己。

原文发布于微信公众号 - PPV课数据科学社区(ppvke123)

原文发表时间:2014-09-20

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏分布式系统和大数据处理

非暴力沟通

知道这本书是一次在和朋友跑步时听她提起,因为我有去京东上面看图书畅销榜的习惯,无意中又看到了这本书,朋友正好看完了,就借来读一下。

1874
来自专栏程序员宝库

经济学人:Python为什么是编程语言中最skr的?

Python的出现让计算机编程语言不再是生僻的专业技能,而是常人都能学习和使用的万金油。

1482
来自专栏CDA数据分析师

当我用python爬了公司BD王同事的微信好友...

? 某日,BD王同事找我聊天,聊着聊着就抱怨起来,这一年跑市场跑太猛了,工作微信的好友加到了5000人上限,只能换个双微信的手机了,但是这个X刚买没多久啊.....

2126
来自专栏AI科技大本营的专栏

资讯 | 你肯定不知道今晚微软还有个开发者大会

今晚,微软 Build 2017 大会将在西雅图开幕。 Win10、语音助手、混合现实……你更关心哪一个的出场? 我们简单来盘点一下三个值得关注的产品: 1...

35410
来自专栏ytkah

微信公众号刷量工具崩溃原来是接口变了

  这两天微信公众号刷点击阅读量的工具崩溃了的消息漫天遍布,原来是腾讯在9月27号晚上将接口key改为了“cookie”,公号刷量工具就不能通过post的方式进...

6478
来自专栏互联网杂技

设计效果检验之道

设计效果检验,即针对设计师的设计方案进行数据验证,通过客观的数据来量化一部分设计方案中较为主观或存在争议的地方,以此判断设计方案的优劣,从而得出检验结论。 众...

3669
来自专栏互联网杂技

专业科班的答案!一个完整的交互设计流程是怎样的?

编者按:初学交互设计的新人,因为没有做过任何的设计项目,所以不知道整个交互设计师的工作流程会有哪些内容,今天这篇文章请了专业科班出身的设计师来科普他们在实际项目...

39512
来自专栏PPV课数据科学社区

【推荐】如何一步一步制作出高品质数据信息图?

译者注:Infographic就是 information+graphic的组合,透过图像的力量让生硬的数据显出趣味与生命力,也让读者可以轻松的理解并在脑海中留...

2674
来自专栏程序员互动联盟

揭秘高手拼命写博客的原由

对于软件开发人员来说,坚持写博客是个好习惯。以下是我建议大家写博客的七个理由。 ? 1. 帮助整理思路 最近我做出了一个决定,那就是: 我要坚持天天写博客,记录...

3345
来自专栏大数据文摘

我们可以从Alexa语音助手的错误中学到什么:用户对话界面的设计性挑战

1342

扫码关注云+社区

领取腾讯云代金券