Web Analytics 雜談(下)
寫web Analytics是因為把web Analytics 2.0這本書看完了,覺得很不錯,就想寫點 web Analytics 2.0 這本書的讀書筆記,後面就想起Piwik,那是我對資料分析的初識,所以就把第一篇web Analytics理解獻給了Web Analytics 雜談(上)之理解Piwik。現在這一篇就是來接著把web Analytics 2.0寫完。
2、Web Analytics的理解2:使用者中心科學與線上統計藝術
這本書有點奇怪,講web Analytics卻沒怎麼講演算法。更像是在講怎麼樣通過關注資料來做出一個好的產品,或者做一個好的老闆。適合有少量基礎需要從更高視角更全面的瞭解web Analytics的人員。
Web Analytics的目標是根據現有的資料來分析一個產品的現狀和用資料來協助決策最終達到它的發展目標。目標的達成是可以通過資料的量化和變化來達成的。目標最終是在使用者體驗、商業目標等方面達到最優化。
到了最後,對於個人,最核心的競爭力會是,很深入的理解,對於一個web產品來講,怎樣的資料是好的資料。另外就是知曉可以通過一個怎樣的過程可以達到好的資料,也就是做出更好的、更有競爭力的產品。
Web Aanlytics往low裡看就是寫報表的,往高處看是網站動力之源。正是資料驅動著決策,資料驅動運營、流程、互動、UI變得更加美好。
2.1從以下幾個角度來重新審視Web Analytics2.0
1、是什麼?點選流資料,關注點在資料
(PS)好的資料是成功的一半:一份好的資料能夠比較完美的反應出網站的整體運營情況。就像一份好的財報可以比較清晰的反映出公司運營的好壞。
2、有多少?多目標產出分析,關注點在目標
(PS)需要有一個或多個目標,產品優化的目的就是達到相應的目標。
3、為什麼?實驗與測試,關注點在迭代和優化
(PS)目標的實現是通過實驗和測試,多次迭代來實現的。
4、為什麼?客戶的反饋,關注點在使用者體驗
(PS)關注使用者體驗、關注產品
5、其他方面,競爭情報,關注點在競爭對手
(PS)關注競爭對手
怎樣選擇網站分析系統
1、你們的工具/解決方案和yahoo、google的免費分析工具之間有什麼區別?
2、是否提供本地安裝版本的系統?
3、資料捕獲機制?
4、使用你們工具的總成本?
5、提供哪些服務?哪些免費的,哪些付費的?
6、系統的哪些功能允許對資料進行族群細分?
7、有哪些方式可以將你們系統的資料匯入到公司內部系統?
8、你們的系統提供了哪些功能可以將其他來源的資料整合到系統?
9、列舉幾個正在規劃的新的系統功能?
10、誰在使用你們的系統?最近的倆客戶與你們解除合同的原因是什麼?
2.2以下是從剛才重新審視的五個角度來實踐Web Analytics 2.0
(關注點在資料)點選流的精彩世界:指標與實踐操作
總計8大指標:
1、訪問與訪客
2、網頁停留時間與網站停留時間
3、跳出率
4、退出率
5、轉化率
6、參與度
實踐操作看了一下,可以參考WebAnalytics雜談(上)
1、訪客來源分析、點選密度分析、衡量訪問與購買
2、流量來源與流量產出
3、關注使用者行為
4、站內搜尋、SEO、按點選付費/付費搜尋分析、直接流量分析、郵件營銷分析、富媒體內容分析(flash/Video/Widgets)
5、真實性驗證:跟蹤訪客cookie、抽樣
(關注點在目標)績效衡量
1、關注“少數關鍵節點”
2、產出KPI實際操作5例:任務完成度、搜尋流量比例、訪客忠誠度和回訪率、RSS/Feed訂閱數、正面退出比例
3、轉化率進階:購物車和結算流程放棄率、購買前訪問次數和天數、平均訂單價值、主要目標(標記可轉化人群)
4、衡量非電子商務績效:訪客忠誠度、訪客回訪率、網站停留時間、訪問深度
(關注點在使用者)可用性研究:
1、實驗室可用性研究
2、可用性研究的替代方案
3、調研
4、線上測試:競爭性標杆研究、快速可用性測試、線上卡片-分揀研究、人工智慧視覺熱點圖
充分發揮測試和實驗的力量(儘早預知成敗)
1、測試方法:A/B測試、MVT(multi variate)
2、測試建議:改進關鍵頁面、關注結賬、註冊/登陸和提交頁面、優化廣告的數量和位置、測試不同的定價與銷售策略、測試包裝盒設計等實物、對照實驗、建立並推動測試文化
(關注點在競爭對手)競爭情報分析
1、競爭情報的資料來源、型別和祕密
2、網站流量分析:長期流量趨勢、分析競爭網站的重合度、分析反相連結和退出網站
3、搜尋和關鍵詞分析:
4、受眾識別和細分分析
2.3以下是從個人的角度來看做Web Analytics這個事業
成為分析專家的入門指南和進階指南
1、背景資訊
2、KPI變化趨勢
3、衡量潛在訪客行為和潛在轉化
4、搜素:實現最優長尾策略、衡量上層漏斗關鍵詞的價值、付費點選進階
5、多觸點營銷活動的歸因分析
6、多渠道分析
網站分析職業生涯
1、生涯規劃:個人技術貢獻者、個人業務貢獻者、技術團隊領導、業務團隊領導
2、技能培養:
3、分析高手的一天:20%提供報表、20%流量引入分析、20%站內客戶體驗、20%分析背景資訊、10%探索新的策略選擇
4、僱傭最好的人才:個人對網際網路的熱愛、頭腦靈活、變化不會打垮他們、好奇、具備批判性思維能力
建立資料驅動的企業文化
方向要靠眼光、精細化運營要靠資料驅動、這個絕對不會錯的
3、Web Analytics結語
網際網路開啟了一個偉大的時代,一個產品從研發到接觸使用者只需要按下上線一個按鈕。另外,網站還可以飛速的迭代更新,這帶來了網際網路的繁榮。緊跟著Web Analytics來了,資料是一個網站的晴雨表,一開始粗略的關注點在訪客,搞網站的一見面就問你的網站的PV/UV是多少,網站可以根據使用者數來賣錢。後來關注到了轉化,即網站的內容曝光、購買、成交有多少? 再後來就進入到了精細化運營時代,產品和流量成為了一門投入,轉化成為了產出,這是一門生意,web Analytics更像是工具在優化這一門生意。
優化這門生意的過程中,先驅者們發現這需要更好的理解客戶,於是web Analytics 2.0 關注點在使用者,在理解使用者的行為,網站開始紀錄使用者的所有頁面檢視和點選,並以此取優化頁面和點選,億萬級別的使用者帶來了PB級別的資料,從此,大資料的時代來臨了。
從1.0時代到2.0時代的過程中,BAT打敗了入口網站崛起了,成就了中國的PC網際網路三巨頭;隨後由PC的網際網路時代進入了移動網際網路時代,網際網路人數、網際網路產品使用粘性上升了數十倍,但是BAT三巨頭的局面並沒有改變,這和網際網路技術上並沒有出現跨越式的創新也有一定關係。只是在已有基礎上面的優化。現在google宣佈從移動進入到AI時代,資料的產生目前並沒有太大變化,但是如果AI的出現在某些場景下能大大改變資料的產生,已知AI在某些場景下可以更好的優化web Analytics這門生意,那麼這個時代是否依然是屬於網際網路巨頭們呢?讓我們拭目以待。