数字营销分析工具:美国今天,中国明天

我曾有幸的参加了在美国旧金山举办的eMetrics Summit会议，会议很多收获。本来，因为过去在犹他州工作的关系，也眼见了Omniture和业界的很多与国内不同之处，但这一次旧金山会议的所见所闻仍颇多震撼。

首先的感受是，美国一定比中国领先十年吗？一言以蔽之，这么说太绝对，在技术上，美国未必真的比我们领先那么多，世界是平的，中国研究技术的开发者和大牛也不少，因此这个领域美国人或许确实领先，但领先十年的代际差距，倒还不至于。

但是，大环境的领先，却可能不是十年那么简单，甚至用时间去衡量都不恰当，因为美国的市场环境和专业环境迥异，所以美国能玩的，中国恐怕永远玩不了，也不会去玩；反之，中国也会创造出一些适应国内环境的玩法。

先不说中国怎样，单说美国有一个环境即与我们这里不同，数字营销分析工具方面，无论什么样的创新，只要能够解决某一领域的问题，满足某些方面的需求，那么一定会有客户愿意掏钱购买。因此，美国人更乐意于不断创新，发现解决问题的办法，不断改善现有技术，然后在市场上贩卖，获得收益。新东西不怕被人抄袭？美国也有抄袭别人的，就算是别人的专利，其实还是可以绕道实现同样的效果，但程度就要小多了，原因很简单，文化不容，被人瞧不起。这就好像在美国道路上开车，你要是真的不让行人先行，可能也不能把你怎么样，但路上一定有人对你竖中指，你不愿受这个鄙视，所以乖乖停着让人。但在中国，停止线前停一下等一下斑马线上的行人，后面的车就一定要猛按喇叭催了，文化不同。这种文化的不同，使美国市场上的数字营销分析工具远远多于中国，而且创新性强，远甚中国。

这篇文章，我想写写他们在工具方面的进展，名字叫明天的工具，我想，这方面美国的今天，是中国的明天。

明天的工具关注什么

现在讨论最多的新问题新现象，肯定会成为工具的趋势，美国人在会上关注些什么呢？

1. 以用户（客户）为中心的监测和分析 这是一个大家都已经看到的趋势，Google Analytics更新成Universal Analytics之后的一个最显著的点，就是把过去以visit为核心的监测，进化为以visitor为核心的监测。所以，如同我在上一篇我在上一篇文章（2014年值得关注的数字分析新趋势）所说的，我们已经不可能满足于只是知道一个访问session过程中发生了什么，我们想要知道在访问者（用户）的生命周期内发生了什么，并且用更大的尺度观察、分析以及优化。这拓宽了我们的视野，我们可以做微观的调整（利用既有的visit的方法论），也可以进一步知道做宏观的分析（利用新的以用户为中心的方法论）。这对优化我们的策略具有决定性的意义。

当然，以用户为中心的监测和分析不是仅仅从visit进化到了visitor这么简单，它还包括其他的要素，这些要素是：唯一访问者（唯一用户）的识别，多样化的数据源，统一平台基础上的数据整合。我们接着看这些。

2. 唯一访问者的识别

老美对这一块的关注主要在于跨设备的追踪上，我在上一篇文章中也有专门讲到。所以讲到跨设备追踪的分会场演讲中，人满为患。不过令我相当失望的是，在这个演讲中使用的跨设备追踪方法不是我期望的高大上的大数据方法，或者是fingerprint方法，而是老老实实用了UID的方法。但它至少说明了一个问题，在美国，UID方法解决跨设备追踪是完全可以使用的，一方面用户确实在几乎所有自己的设备中都登录了自己的Google账号，另外一方面，大多数的网络或者服务，也都要求用户注册登录之后才能享用。这样UID方法反而成了广覆盖。我们现在在中国也很关心这个领域，只是没看到真正经得起检验的解决方案。

3. 多样化的数据源 Google Analytics更新成Universal Analytics的另外一个原因，是它开始兼容各种数据来源的数据，因此，分析不一定只是onsite（自己的网站），也不只是online（互联网），它也可以包容其他系统的数据，例如CRM，ERP；甚至可以包容offline的数据，它希望做到如它名字所说的“统一”（universal的一个意思即是统一）。

既然我们要真正了解用户，以用户为中心，那么我们当然要尽可能获取与用户相关的所有数据。

线上数据，各种IT系统的数据就不说了，有趣的是，老美们想尽办法想把offline（传统世界）的东西也数据化，然后搬进Universal Analytics或者相类似的工具中。就像下面这张图所示，各种传感器的数据（哈哈，有没有朋友知道Raspberry Pi或者Arduino？现在老火了）都可以输入到Universal Analytics中。还有人把商店里面布满传感器，捕捉客户的行为，这些传感器的数据，又全部传送给了线上工具，例如传给了Universal Analytics。再考虑到优惠券，二维码什么的，统统都可以输入到这个平台中，想象空间一下子大起来，O2O实际上很容易就打通了。不少老美们天天都在琢磨这个，有意思。

多样化的数据源，对用户的理解当然会深透很多，不过组织数据然后加以分析就成为一个问题了，所以自然而然，新的需求又提出来，即一个能够整合各种数据的统一的监测和分析平台。其实Universal Analytics就是这样的平台，但它不是唯一的，而且也不是走得最远的。

4. 统一平台基础上的数据整合

这样一个平台并非是Google Analytics最先想到的，也不是它最先做的。在听这个会议的一个分会场，Intuit（一个业界巨牛的会计税务软件公司，quickbooks和turbotax就是他们的产品）的数字营销经理分享了他们的案例，即使用Omniture和CRM作为数据源，然后将数据输入到他们自己的BI中做整合，并且通过这个方法实现两个系统的打通，将CRM对用户的管理，延伸到网站上。可见，就算业界没有解决方案，企业自己已经搭建解决方案了，毕竟满足业务需要是第一位的。

不过，现在这样的工具也多了起来，在这个会议上，有一些工具上就提供这样的服务，后面我也会讲到。

5. 去技术化

去技术化的核心是牛逼的技术。什么意思呢，就是让不懂技术的人也能轻松驾驭技术，让懂技术的人能够更好地管理技术。使用方式傻瓜，功能极为强大的意思。美国人在usability（使用体验）上的追求还是很到位的，很多工具都尽可能考虑如何让技术以人为本。有不少“明天的”工具，已经开始在这样做了。我们后面会介绍。

这五点，美国的新数字营销分析工具都有cover。

明天的工具介绍

好了，前面打了那么多伏笔，就是想让大家了解一下为什么这些工具在美国是趋势，因为有需求嘛。那么我们来看一下这些工具都在做什么，它们为什么反映了明天。

工具一：Miapex

我要把这个工具作为第一个介绍的原因，是因为这是第一款从中国走向美国的工具！大家可能没有听过它的名字，事实上，创业团队在中国，但市场几乎全部在海外。这个工具满足我前面所讲的两条：去技术化，以及以用户为中心的监测与分析。

说它是去技术化的，体现在两方面：更傻瓜智能化的使用体验，以及更准确强悍的热图功能。 使用体验方面，相对于Google Analytics，细分和过滤功能设计的相对更加简单，在所有的报告和度量旁，都可以直接做数据过滤；内容编组方面，非常傻瓜，既有高级的利用RegEx的方式，也有为了毫无技术素养的朋友设计的“一点技术含量都没有的”手动输入一个一个页面名称的方法，当然还有介于这些最傻瓜和最高级功能之间的各种方法。目的是为了让每一个人都能上手用。用他们CEO Robin的说法，“这个工具要让普通的市场人员都能够非常轻松自如的使用，如果工具只能让技术同事使用，那么它的价值就必然大打折扣。”

这个工具更加令人印象深刻的是热图功能，事实上它的热图功能拥有与实际上最好工具抗衡的能力。例如，它的热图能够表现出那些复杂的互动关系，比如JavaScript，多层级的菜单系统，或是激活输入框的点击——页面上所有元素的互动，都可以被追踪到，并且以合适的方式表示出来，例如我的博客的搜索框，还有右侧的“订阅到鲜果”都是特殊元素互动，前者是输入框，后者是我的网站利用JavaScript的外部引用，这个工具仍然能够记录相应的点击数量。

不过，这个只是Miapex热图强悍功能的一部分。另外一个让我非常有感的功能是，这个工具带有非常容易实现的热图细分对比功能。这个功能很有作用，例如，我想比较不同流量来源的用户在页面上的互动情况，立即就可以在同一个报告页面上展示出来。在下图中，默认状态下，报告页面显示的是点击热图和注意力热图。

图：默认热图：点击图和注意力图

但如果你要作上面我所说的比较，点击“比较”按钮之后，两个图随即变成你要比较的细分之后的热图。下图左图是直接流量的点击热图，而右边则是搜索引擎流量的点击热图。

图：不同流量来源的热图对比

另一方面，这个工具也为移动设备做了优化。移动设备的竖屏热图和横屏热图被分别捕捉下来。

图：mobile横向阅读和纵向阅读时候的热图也能够自动区分开来

热图的另外一些功能——例如一个页面上不同链接用了一个URL的情况，也是可以自动区分开的。另外据说热图的点击还原报告采用了自动校准系统，以充分消除不同浏览器分辨率造成的点击定位不准确的问题。 该工具还体现了非常多的用心的细节，包括帮助同一个页面不同尾参的情况下，选择保留尾参或者去掉尾参进行合并的功能等，这些都是为了尽最大可能，让不熟悉技术配置的市场人员能够轻松驾驭。

在以用户为中心的分析上这个工具也不遗余力，下图展示了一些细节——不同用户的生命周期内的行为以及各种类别人群（VIP客户，活跃顾客，一般顾客及潜在顾客）的典型特征，以及这些类别人群的典型行为及来源。在这个功能中，流量多少不再是核心，相反，用户的行为、特征以及生命周期表现成为核心度量，供广告主判断它的用户（客户）的属性。

尽管这个工具没有在国内推广，但在美国已经有相当不错的口碑，而在日本则以PTEngine这个品牌攻城略地，据说已经是日本市场上最大的移动web监测工具提供商。完全可以称得上是中国人的骄傲。

工具二：Ghostery

Ghostery跟我上面讲的Miapex并不是一类工具，它的商业模式和功能不是分析工具，而是服务于监测实施。它属于我前面说的去技术化的工具。

Ghostery的功能很简单，他们自己是这样介绍的： “当今的网站，没有几家不放几个第三方监测代码在其上做各种事情的。这些代码有的做监测，有的帮助做广告，有的做营销（例如实现retargetting），有的做widgets……，有些网站有放了超过十种甚至几十种别人的监测代码，这些代码偷偷记录我们的行为数据，而普通网站访问者根本无从得知。”

看看下面的梅西百货的网站，就用了十多种各种第三方监测。

“我们要改变这个状况，让你自己拥有决定哪些第三方监测可以‘监视’你，哪些不能‘监视’你的权力。”

“Ghostery”实际上是一个插件，用了它之后，你可以自己决定让网站中的哪些第三方监测生效，哪些失效。方法很简单，在Ghostery帮你列出来的所有第三方监测中，关闭你不喜欢的即可。他声称帮助用户管理和控制自己的隐私。这个提法深受欢迎。

Ghostery的另外一个作用，是帮网站主了解自己的网站到底被多少监测软件占领了，并且可以迅速排查哪些有用，哪些早已不应该存在在页面上。 不过，Ghostery并不仅仅只是这点功能，它实际上想要做的商业模式是2B的。由于超过数十万用户使用这个工具，他们成功的让自己成为了一个安装广泛的toolbar。现在，浏览器上有了它的toolbar，于是这个公司开始为企业提供这些公司网站在客户端的表现情况，而且还能够捕捉到很多的用户的数据。这个想法真是有够绝的。看起来跟我们国家的360杀毒一脉相承，杀毒不是目的，搞到数据和流量才是目的。 记住这家企业：Ghostery，国内完全可以快速翻版。 最后，放一张在旧金山清晨拍的照片，正好就是梅西百货的倩影。

工具三：HeapAnalytics

HeapAnalytics是另外一个很具有前瞻性的解决方案。这个工具非常符合我在上集中说的“去技术化”特征。

我们都知道，做网站分析，有两个大部分的事情要做，一个是做Tracking（监测），另外一个是做（Analysis）分析。Tracking这块，如果只是把一个工具提供的基本代码原封不动的丢到</body>或者</head>前面还好点，但如果我们要实现哪怕一点点高级的功能，基本都需要对代码动或大或小的“手术”。对于Google Analytics而言，做event tracking（事件追踪）或者是自定义变量（custom viarables）对于不懂前端技术的朋友来说，就不怎么简单了。而更复杂的监测则更望尘莫及。 HeapAnalytics的一大特异之处是，让我们任何完全不懂技术的“普通人”，也能够轻而易举的监测到任何我们想监测的东西。 HeapAnalytics的方法是，它提供了一个所见即所得的追踪方式——HeapAnalytics在它的监测配置页面中，直接引用了你的页面，然后，你的鼠标移动到页面的任何可交互位置，都会有一个红框把该交互元素框取下来。这时，如果你点击，就等于告诉了HeapAnalytics说，“我想监测这里”，于是HeapAnalytics让你把这个想监测的地方起一个名字，然后它就会开始帮你监测这个地方。是不是追踪设置非常简单？下图中所示的，就是当我把鼠标停留在搜索框的位置时，HeapAnalytics的监测确认红框也框下了这个互动元素。一旦我确定这个地方需要监测，并且提交给HeapAnalytics，它就会忠实记录这个搜索框被激活的次数加上搜索发生的次数。如果你想单独记录搜索框被激活的次数，或者点击放大镜图标的次数，只需要把鼠标移动到相应位置即可。

不过，不仅如此。这个工具另一个让人印象深刻的地方是，即使你自己没有定义页面上的任何元素，当你鼠标在它的监测设置页面上点击下去的时候，它会立即告诉你这个地方曾经被点击的次数。如下图所示：

既然抓图抓到了这个网站的页面，我就顺便做一下介绍。这个网站是我和好多个对大数据有特别爱好的朋友一起做的，我们的宗旨是翻译一些觉得有趣的海外的关于大数据的信息，然后完全完整原汁原味的呈现给大家。其中有很多不错的内容，所以，如果大家对大数据感兴趣，又想知道国外的counterparts是怎么看待大数据的，不妨支持这个网站，谢谢！链接是：世界大数据观察。如果有兴趣加入我们的，也请跟我联系。 关于HeapAnalytics我就说到这里，因为是完全免费的，大家自己去尝试就好了。它并不是一个全面的工具，但它确实是一个很好的event tracking的解决方案。 工具四：Ensighten

这些工具统一属于一个大的范畴，即tag manager工具。这一类工具要解决的问题很明确，即降低各种加之在页面上的追踪代码和互联网营销工具代码的管理复杂度。一个简单的场景可以让大家理解它们的用途。如果我们的一个网站上，放置了Google Analytics（GA）的代码，大家都知道它的代码是可以根据需要进行定制的，如果某一天，你觉得必须要对页面上GA的代码进行修改了，你会怎么做？通常的流程是，你需要拿着新的代码，告诉你的前端工程师，请他们帮忙放上代码，并且测试代码的可靠性，然后才能正式上线启用。这个流程对于一个稍微复杂一点的企业，就不是那么简单了，至少分析师需要向前端工程师求情，然后再等待执行排期。或许，等你刚刚改好了这个代码，新的代码修改需要又出现了，你不得不又找工程师帮忙——我相信你已经不得不请他吃饭以确保他能心平气和的帮你的忙了。

问题是，我们要应付的还不只是一个GA的代码，还有很多其他监测的代码，比如我们在第一集提到的那些工具，比如Miapex的代码，或者流行的Adobe Analytics工具神马的。而且，我们还不只是会在页面上放置监测代码，我们还会放上很多营销工具的代码，例如做targeting，retarting，还有RTB的代码——页面上塞满了各种代码，我们每次要做修改，都要让技术同事忙活一番，而且还存在着各种可能没能事先预知的危险。所以，这绝对不是可以轻视的事情。 Ensighten、TrackingFirst以及Google Tag Manager是解决这类问题的工具。原理很简单，把所有的代码都不要再直接放到页面上了，而是统一集中到第三方的服务器上的一个.js文件中，页面上只放一段代码，用于调用这个外部的.js文件。一旦调用发生，这个文件中的所有的代码就能在页面中发挥功能，就如同这些代码直接被写在了页面中一样。关于调用外部.js文件，对于前端技术同事来说就跟1+1=2一样直白。如果你对此不是很了解，直接问问技术同事即可。利用这个方式，当你需要对任何第三方代码进行修改时，就完全不必要再麻烦技术同事折腾页面了，你只需要修改这个外部的.js文件即可，而且修改之后，立即生效。 我特别提及了Ensighten的原因是，它确实是我认为的目前业界最好的tag manager，而且风头正劲。收购了它的竞争对手TagMan之后，它在这个领域的市场占有率可能也是最大的。这个公司不仅仅提供面向web的代码管理方案，它也做event tagging的管理（对用于做事件追踪的代码进行管理），以及对mobile app tracking的代码（相当程度上我认为是sdk的library）进行管理等。完整的解决方案让这个供应商显得更有竞争力。 Google的Tag Manager怎么样呢？没问题，免费而且稳定。它与Ensighten的竞争关系类似于Google Analytics和Omniture的竞争关系，各有各的市场吧。

图：没有Tag Management的情况下管理页面的各种监测代码真是非常麻烦的事情（图片来自于工具：TraceAd）

图：有了Tag Management，代码管理简简单单！（图片来自于工具：TraceAd）

另一个值得关注的地方是tag manager向app监测领域的延伸，即监测sdk管理工具。原理与上面一样，各种sdk不再直接添加到app中，而是统一放到一个云端，这个云端生成一个“总的”sdk包，包含各种供应商的sdk，然后把这个总的sdk发给各个app。这样app中的sdk需要做修改或升级，同样不需要再对app本身进行迭代。这个领域同样具有很大的前景。 Ensighten这一类工具的生意机会在哪里？我觉得太大了。它们真的很聪明，自己并不需要做一个特别的分析工具，或者不需要做一个营销工具什么的，就能通过其他的分析工具或营销工具服务商，迅速铺满各种终端。如果它们在自己的.js文件或者sdk中加上一点点实现自己功能的东西——比如监测点什么——理论上会比任何一家营销工具能够覆盖的终端都要多。所以，他们实际上可以控制最多的数据源。当然，数据源就是钱，你懂的。 当然，我会说，帮助人们减少tagging的难度和成本，也是一种典型的去技术化。我期待在不远的未来，所有的tracking和tagging都能不依赖于网站的前后端技术人员，这一定是迟早的事情。 工具五：Dundas和Sweetspot Intelligence

我一直在强调去技术化。数据不能被好好利用的原因，是人人都知道它是一个极为深奥且需要累积大量知识和技术才能被利用的东西。如同一个坚果，我们需要打碎它外部坚硬的果壳才能品尝到鲜美的果实，但单这果壳就让人望而却步。所以数据的未来一定在去技术化，要让普通人像浏览网页一样轻松地浏览数据，像操作手机一样便利地操作数据。

数据如何才能更简单的被人们浏览和操作？业界一般有两种方法，这些方法都在数据的呈现层，也就是人机界面这个层次来体现。一种方法，是通过infographics的方式（就是我们看到的那些图配数的狂拽炫酷屌炸天的数据图），另一种方法，则是通过dashboard（关于dashboard报告，这里有几篇文章都有详细介绍，感兴趣的同学不妨点击：“可执行的网站分析报告精要”——跟糟糕的简要报告说再见吧！；网站分析报告101：计划、实施策略和Dashboard）。两种方法当然都是当今最热门的领域之一——数据可视化（Data Visualization）的最重要组成部分。而数据可视化的目的和价值，当然就是去技术化。在日常工作中，在对商业活动的指导频率和强度上，dashboard都要比infographics重要的多。所以，在这个部分工具五中，我提到的两个工具：Dundas和Sweetspot都是在dashboard领域有专门作为的。 在e-Summit的这次会议中，有好几场专门关于dashboard的演讲，其中一场甚至是key note speech，说明美国人对这个领域的重视。这不奇怪，因为几乎所有利用数据的企业和部门，大家都更乐意于浏览更加友好的dashboard，而不是直接跳到细节报告本身。所以用户友好是dashboard的第一个重要的特征。Dashboard的第二个特征，则是它必须能够被定制化，毕竟不同企业和部分的业务不同，关心的事情肯定不一样。Dashboard的最后一个特征，是绝对尽量简明扼要的展现关键信息和细节。展现关键信息好办，展现细节就不容易了，因为一旦有了细节，就会跟简明扼要这个宗旨相矛盾。因此如何把握二者的平衡，是做dashboard中非常艺术的领域。 Dundas和Sweetspot这两个工具都是dashboard的专业供应商。他们的商业模式都很明确：你给我原材料，我帮你来料加工，然后出了成品你付给我钱。原材料包括两个：企业的业务目标和关键环节，以及与这些目标和环节相关的全部数据。这两家公司，包括其他的RJMetrics等公司，并没有特别大的不同。他们提供的服务包括：给你dashboard的生成工具（云端的或者local host的）你自己利用自己的数据制作dashboard，或是由这些服务商提供更为傻瓜的“去技术化”的服务直接利用客户的数据，按照客户的业务需求，把dashboards做出来，给客户使用。有一些，例如Sweetspot，还可以做一些数据的挖掘，将挖掘的结果也呈现在dashbaords中。而Dundas则有较好的dashboard的互动能力，例如，在dashboard的某一个reportlet（子报告）中点击一个柱状图中的柱子或是趋势图中的一根线，就会展现出这根柱子或者这根线的更细节的数据图表。另外，大家也都提供针对不同行业的标准dashboard解决方案。

有朋友会问，Dashboards和网站分析工具中一个一个具体的报告谁更有价值？我认为它们都极为重要，体现了不同价值。Dashboards的核心在于以最“美妙”的方式展示所有的关键指标（KPI），而具体的reports则给你所有的过程和细节。你在dashboards上能够快速发现让你快乐的和让你担心的，但如果需要刨根问底，则需要具体的看reports。 不过，我也相信，随着我们去技术化的深入，我们如何展示数据，一定会发生革命性的变化，dashboards最终能够取代所有的reports，或者用更符合真实的说法，是reports本身，也会dashboard化。Dashboards不再仅仅只是展示KPI，在它的主界面上一定可以通过快速交互的方式，让你直接在dashboards展示报告的细节，如同Dundas的网站视频中给我们演示的那样。更酷的工具才有未来。 工具六：Lytics

这个系列的最后一个工具，是Lytics。他们所做的是我在这个文章的第一篇中所讲的“以用户（客户）为中心的监测和分析”，我另外一篇文章“2014年值得关注的数字分析新趋势”也提到了同样的观点，这是明天的必然，或者说，明天其实已经到来了，已经是今天了。

Lytics这个工具做什么，用他们自己的话说，是“a customer data platform for customer-centric digital marketing”，就是帮助广告主（用户）实现以顾客为中心的数字化营销的顾客数据平台。理论上，这个工具帮助用户解决几个方面的问题： 1. 收集理论上与每个顾客相关的数据：Mobile上的用户行为数据、互联网上的浏览数据、在线购物数据、客服支持或CRM数据、社交媒体上的数据等等等等。 2. 把这些数据附着在具体的一个一个的顾客身上。当然，前提是能够识别唯一顾客。 3. 整合这些数据，然后形成每一个顾客的画像（profile），然后让营销部门和顾客关系部门利用顾客的画像信息进行有针对性的营销或服务。 这个工具目前仍然在内测和小圈子beta阶段，这一解决方案的背后，顺应了广告主对于管理自己顾客（customer）和潜在顾客（target audience）的强烈需求。的确，我们一方面希望能够迅速了解他们的方方面面，另一方面则希望在了解他们的基础上分析他们的需求，并立即着手与他们发生互动。这意味着我们不再盲目、被动，而是瞅准机会为合适的对象传达合意的消息。 与传统的CRM工具的差异在哪里？我认为是能够获取和整合的用户数据大大扩展了。传统的CRM只能记录已经成为自己客户的有限的数据（购物和与你直接发生互动的那些数据），但Lytics之类的方案，则不仅仅只是盯着已经成为你的客户的那些，还有你希望通过各种营销手段“打击”到的目标受众（潜在顾客），并且，数据的内容拓展到了整个互联网中他们的行为和静态信息（如社会属性），而不要求一定与你发生直接的交互。 Lytics做的如何？我尚未试用。不过这类工具其实已经不鲜见，DMP（Data Management Platform）要做的事情是完全类似的，只不过它们更偏向外部营销，以及输出给DSP或者Ad Exchange，而较少人为进行分析和挖掘。Lytics则提供reporting，分析以及人工的数据挖掘和数据可视化（利用Tableau之类的工具）。 这些工具，其实已经不是明天的工具了，它们已经在支配今天。 介绍到这个工具，关于明天的数字营销分析工具也就差不多写完了。可能还有很多我没有写到的。比如，NetConcepts的胡力同学邀请我写一些ClickTale的，但是因为其实跟Miapex的解决方案比较类似，我就不重复写了。感兴趣的同学可以看胡力同学亲自搭建的介绍Clicktale的网站。最后，如果大家有觉得很棒很酷的工具，也可以告诉我，我也很乐意学习之后，跟大家做介绍。

摘自：http://www.chinawebanalytics.cn