一、Web analytics 2.0的新世界

从取得数据到做出正确的决策之间，还有很长的路要走。

不要去纠结数据的准确度，更是更多的关心这些数据指标是否与想解决的问题相关。

Google Analytics:创建了一个巨大的数据仓库。任何人只要简单地在网站的页脚文件中加几行JavaScript代码，就能很方便地使用它的各种报表工具。

体验（Experience）、行为（Behavior）、产出（Outcomes）构成的三维策略

多目标产出：要让报表统计的指标能够用来衡量产出，有目标地、深入地区衡量产出。

二、选择网站分析系统的最佳战略

• 问供应商这些工具和别家的有什么区别，和免费的有什么区别
• 说出他们最得意的三个功能。
• 总成本多少。
• 试用久一点把实际项目都上线试试
• 微服私访去问服或者查阅帮助手册，试用阶段热情可能后面就跟不上支持了。
• 加新的维度是否需要提前埋点还是可以后面再细分？这种叫先验和后验。
• 列举2-3个目前正在规划的新的系统功能，保证系统在未来领先竞争对手
• 问问最近两家客户解除合同的原因是什么？他们中谁还在使用你们的系统？可以跟他们打个电话吗？
• 详细检查供应商提供的合同服务条款，例如响应速度，多久可用，发生故障时间和次数。

三、点击流分析的精彩世界：指标

问自己4个问题：

• 有多少访客来到我们的网站？
• 访客从哪儿来的？
• 你希望访客在网站上做什么？
  • 网站的目的是什么？
  • 网站3个最重要的流量策略是什么？（付费广告或网站联盟等等）
  • 你认为访客在网站上应该做些什么？
• 访客实际上在网站上做了些什么？
  • 流量最大的着陆页
  • 流量最大的页面
  • 页面点击覆盖分析：热图
  • 抛弃率分析：分析转化漏斗中，抛弃率最高的行为发生在哪一个步骤，通过优化这些步骤的页面快速提高最终的转化率。
• 四个重要的指标
  • 跳出率：我来，我吐，我离开
  • 退出率：这个指标要认真区分，因为在这个页面退出，不代表这个页面不好，因为用户可能已经得到自己想要的东西了
  • 转化率：需要明确使用独立访客UV还是使用访问Visit作为分母。独立访客主要是指访问网站的独立访问者的数量，而访问则是用来表示访问者的会话次数。每位独立访客都可能会多次访问网站。
  • 参与度：这个指标无法知道用户参与时的反馈是正面还是负面的，这点要再汇报的时候说清楚，只能说明程度如何。
• 优秀指标的4个特性：简单、相关、及时、即时有用性（当你很快理解这个指标后，马上就能发现指标背后反映的问题）
• 关键指标的战略性对策：举个例子：当你的老板要求你将网站的转化率提升10%，建议你先做准备工作，和你的市场营销及其他相关人员讨论，确定所有影响转化率升降的因素。
  • 1.确定关键因素，主要是用来通过关键指标揭示问题所在
  • 2.合理利用自定义报表，宏观层面把控整个网站而不是纠缠细节。

我们需要根据这几个关键因素分别收集数据。分析这些因素的相关数据，能够知道提高转化率的真正切入点。通过这样的分析，我们可以从N个因素里面找到几个我们做得特别不好需要改进的地方。

• 建立团队报表中心：不同的岗位关心的报表不一样。

四、点击流分析的精彩世界：实践操作

非常重要的6项指标：访问(Visits)、跳出率（Bounce Rate）、页面查看（Page Views）、单次访问页面数（Page/Visit）、平均网站停留时间（Avg.Time on Site）和新访问比例（%New Visits）

• 要了解访客来源：

  • 直接流量（收藏夹或者输入url）：这个较低说明网站在与用户有效互动、吸引用户回访方面存在问题
  • 反向网站链接：低了说明自我营销不到位
  • 搜索引擎（自然和付费）
  • 广告和邮件

• 一定要细分用户，不细分用户无法发现真正的需求。

• 要关心流量产出

• 关注用户行为而非总体结果：对于BBC有价值的用户应该是浏览不小于4页，把不小于4页的访问归入积极行为的细分族群，再去观察这个族群的偏好。

• 日常点击流分析更具有操作性：

  • 站内搜索分析：网站分类点击数据都忽略了一个重要元素：用户意图。有两个基本点：搜索的使用比例、热门关键词。搜索质量：1.看到搜索页离开 2.有没有一直往下浏览在其他页面找到搜索结果 3.二次搜索比例，同一个词用户搜索了多次说明他可能用这个搜索词找不到结果
  • SEO分析

• 做数据分析时可以考虑数据抽样

4.5.5 终极数据校正清单

1.#1 服务器日志和 JavaScript加码的统计数据不具可比性

2.#2 第一方 cookie 和第三方 cookie

3.#3 跟踪代码安装疏漏

4.#4 拷问供应商:检查关键指标的定义

5.#5 难念的经:会话(Session)时效

6.#6 时刻检查:站内 URL 结构

7.#7 难题:广告链接设置

如果投放了大量站外广告(邮件、联盟、付费搜索、视频、移动广告等)，必须严格按照规范对它们进行标记，并正确配置分析工具以确保广告活动和链接能够正确报告、收入和转化能正确标识。这一任务对于大公司来说尤为艰巨。

8.#8 隐藏的天使:数据抽样

本章已经出现过这些内容。既可以对数据来源抽样(省去部分数据的收集)，也可以对结果数据随机抽样。

需要坚持一点:在同一个工具中采用同一种抽样方式。尴尬的是我们经常没得选择，因为很多工具已经把抽样过程内嵌了。只能被动接受处理过的结果，从而也无法完全保证数据一致性

尽量要求供应商提高透明度吧。数据到手后，及时矫正自己对其精确度的理解。

9.#9 加码的顺序

本清单的最后一项，关于加码的安置顺序。不是最紧要，但对于大流量的网站来说加码的顺序也会影响到数值大小。

加载页面时，加码是最后加载的。这是件好事:加码就应该放在/body后。如果有多个加码，它们会按照自然位置-一加载。

加码在有些元素过多的页面上来不及运行。因为还没等到加载它，用户已经点击去了其他链接。也有可能被其他的臃肿代码挡在前面，没法继续加载。

简单的解决方法就是调加码的位置，再看奏效与否。当然了，加码安放顺序是造成数据差异可能性最小的因素。现在认同我说的“分析师与工具要遵守一夫一妻制了吧”?必要的时候，认真剖析数据差异的原因。

但我建议，只要误差小于10%，还是可以接受的，不必纠结，继续吧，

五、通往光荣之路：衡量绩效

• 关注"少数关键节点"

  • 从战略角度看，网站要解决的最重要的事情是什么？

  • 只用一项指标来确定网站成败，应该是哪项指标？

  • 哪些指标能描述当前优先级最高的3项业务的绩效？

  • 哪些数据是必须知道的，哪些只是锦上添花？

  • 把100美金花在网站运作上，怎么花？大头在哪块？

  • 网站业务的最大威胁是什么？对于它你怎么预警？

• 产出KPI实际操作:密切注视一切可以衡量的产出。因为你的选择会影响整个分析团队的方向和所提供的分析结论。

  • 任务完成度：对于电子商务网站来说，大部分访客不会产生线上转化。在点击流数据基础上，想知道访客是否达成期望，可以使用线下调研，获取定性结果，了解其是否完成任务。

  • 搜索流量比例：你的流量来自搜索引擎的比例，以及主要竞争对手的相应数据。

  • 访客忠诚度和回访率：忠诚度是指每位访客访问网站的次数；回访率指访客两次访问的时间间隔。

• 转化率进阶

  • 购物车和结算流程放弃率
  • 购买前访问次数和天数
  • 平均订单价值
  • 主要目标（标识和转化人群）：了解用户的访问目的，然后计算出真正的潜在客户数（极可能产生转化的访客数目）

• 衡量宏观及微观转化

• 衡量非电子商务绩效
  • 访客忠诚度（Visitor Loyalty）：表示指定时间段内访客到来的频率
  • 访客回访率（Visitor Recency）：访客最后一次访问网站距今的时间，或访客两次访问之间的时间间隔。内容网站一般更新频繁，一周数次甚至一日数次。访客回访率报表可以显示出用户是否接收到了新的内容。
  • 网站停留时间（Length of Visit，访问时长）单次访问的持续时间来描述访问的质量。
  • 访问深度（Depth of Visit）：指定时间段内单次访问浏览页面数的分布情况，也是网站停留时间结合一起看的指标。有的用户可能在很短的时间内浏览了很多页面，这个还可以分析用户的行为习惯。

六、解决“为什么”难题————利用定性数据

• 本章主要内容
  • 实验室可用性研究：是什么，为什么，有什么
    • 可用性研究、远程测试和调研技术可以让你直接获取用户反馈，并解决“为什么”的问题。例如为什么用户想要这个？1.调研法（不要问一些弱智问题，浪费彼此时间） 2.5秒测试 3.可用性测试（招募实验者来体验流程）
    • 永不过时的3个最佳调研问题：1.今天你访问我们网站的目的是什么 2.你能在我们网站上完成你想做的事么 3.如果今天你不能完成想做的事，原因是什么。
    • 挑选线上供应商的八个忠告：
      • 1.数据处理要严谨：调研结果不能简单地用平均数来衡量，因为平均数不能反映真实情况，只能用衡量分布情况和进行回归处理。你不必会使用数理统计和统计显著性来处理调研结果————确保调研公司会做就行了，这样你就可以把精力集中在分析（而非报表）上
      • 2.提供动态数据细分功能：数据分析不是静态的，事务随时在发生变化。例如，如果24小时内从微软的Bing搜索过来的流量转化率下降了9个点，你只想知道那些来网站下载补丁但访问了3次都不能如愿的用户的反馈。因此，你希望能快速并有效地细分数据。不能提供这种能力的直接拜拜。还有一些在要求时才提供这种服务，即你必须要求或请求他们提供数据细分，要是没有其他选择就选这个。最理想的供应商是，从合作的那天起，就可以提供随意分割和切割数据的线上环境。
      • 3.提供行业基准和指数
      • 4.对开放式问题进行分类：很难，有最好
      • 5.确认调研邀请类型：退出时调研、弹出式、主动或者被动
      • 6.成熟的cookie技术
      • 7.集成点击流数据：自己的工具可以跟供应商的工具集成
      • 8.提供测试
  • 可用性研究的替代方案：远程和线上外包
  • 调用：做到真正地倾听用户心声
  • 互联网环境下的用户研究方法
    • 竞争性标杆研究
    • 快速可用性测试：用户打开链接，有5秒的时间观看，5s后问还记得什么
    • 线上卡片-分捡研究：用户自己以卡片的方式来组合页面。
    • 人工智能视觉热点图。

七、尽早预知成败：充分发挥测试和试验的力量

• 测试方法入门：A/B测试和MVT
• 可操作的测试建议
  • 改进那些跳出率很高的着陆页
• 对照试验：改善你的数据分析
• 创建并推动测试文化

八、竞争情报分析

• 竞争情报数据来源、类型和秘密
  • 市场占有率分析
• 网站流量分析
  • 用你的产品的人还用什么
• 搜索和关键词分析
  • 热门关键词的绩效趋势
  • 哪些关键词可以给自己网站带来最大流量，哪些关键词给对手网站带来最大流量，相关关键词是哪些
• 受众识别和细分分析
  • 地域兴趣和机会分析
  • 基于人口统计学的细分分析：以25~44岁、家庭收入超过6万美元的妇女作为目标人群，查询他们经常浏览的网站。
  • 基于用户心理的细分分析：喜欢xx的用户
  • 搜索行为和受众细分分析：互联网广告的最高境界是将广告的展示和用户的搜索行为结合起来

九、新兴分析：社交、移动和视频

• 博客
  • 转化率：访客的评论数量 / 帖子数
  • 引用和轰动指数

十、隐藏的网站分析陷阱的最优解决方案

• 准确性还是精确性
  • 互联网不存在真正准确的数据。我们最好分析精确性，因为能够得出结论。好随时调整目标。
• 数据质量处理的6个步骤
  • (1)收集简洁的数据(Collect Clean Data):遵循所有收集数据的最佳做法，不要自作聪明。总是使用第一方cookie。确保所有页面都正确加码。确保网站分析工具的权限设置正确。
  • (2)要有针对性(Be Very Selective):网上所能收集到的数据量没有上限。尽可能收集现在和不久的将来需要的数据。公司往往会实施全面的、高端的分析工具,但这需要18个月!然而网站每6~9个月就会发生变化。因此，在部署时，计划中很多需要衡量的东西最后已经变得无关紧要了。所以，记住要有针对性。计划的系统实施时间最好为3个月，然后开始使用数据。如果需要更多其他的数据，重复第(1)步和第(2)步。
  • (3)数据校验(DataAudits):在公司设立一个流程来定期校验所收集的数据;你应该至少每季度校验一次。收集到最完整的数据集时，这种定期的校验会使数据保持较高的精确性。有大量免费和付费的解决方案，如WASP和ObservePoint，使你不被分析系统提供的数据牵着鼻子走。
  • (4)追求精确性(Gofor Precision):前面已经讨论过为什么要追求数据的精确性。一定做到这一点。得到更精确的数据，会使你获得更准确的分析!
  • (5)数据不完整不是问题(Incomplete?NoProblem):对于分析师和营销人员而言，如何使用不完整的数据是最难的事。有时,这是由他们的思维定式或公司对风险的谨慎造成的。或者有时是出于追求完美的性格，希望给出完美的答案。但是很多情况下，时间都浪费在等待数据的完整性上，从而导致分析瘫痪，不能提供分析建议。因此，建议学会真正自然地使用不完整的数据，并学习做出决定。
  • (6)快速地行动，聪明地思考(Move Fast,thinksmart):一旦做出了决定，过去我们的口号就是“聪明地思考，快速地行动”。而在互联网行业，在等待完美数据时，就已经失去了机会。因此，对于分析师高手说，现在的口号应该是“快速地行动，聪明地思考”。互联网的发展速度就跟网速一样，最好的投资是在聪明的人才身上，他们都应具备追求速度的DNA。这也意味着公司能快速有效地制定决策，并迅速采取行动。抛弃那些多层级的官僚机构，让决策和执行更为高效!

• 建立行动仪表板
• 高影响力仪表盘的五个准则
  • 优秀仪表板的第一条准则就是所有的指标都必须有相应的背景信息，因为必须要让人很容易看出结论，而不只是提出问题。仪表板切忌只给出指标，而不说明情况。仪表板的目的不仅是让人知道指标的表现，更重要的是让人知道如何行动。

图10-5上方的粗线表明了指标的目标(80)。目标的设置极其重要，可以让相关人员了 解需要达到什么样的目的。

图10-5中所示并不仅仅是某个时间点的数据，而是3个月的表现趋势，这对于目前的表现给出了很好的背景信息。此外，该图显示了4个独立的用户群体的表现，有助于迅速了解哪些部分群体使整体下降(第4个群体)。

如果图表只显示整体表现，那么仪表板的数据只是提出问题，更糟的是忽视了重要信息。这绝对是要设法避免的。

不要每天发垃圾数据，分离出少数关键指标

淘汰与保持相关性,互联网瞬息万变

• 全线营销的机遇和多渠道衡量

作为用户，我可以在网上对数码相机先进行研究，然后去商店看看实物，向销售助理问些问题，再回网上购买。另一方面，你可能会在网上看到一个横幅广告，从而对此产生兴趣进行研究，再到论坛查看评论和顾客评分，一旦你决定购买，你通过搜索找到最低的价格(仍然在线上)，然后再在实体商店购买。

我们考虑营销策略，思考如何影响他人时，需要认识到，用户并不是简单地通过线上或线下之一作出决定。如果要赢得用户的青睐，必须重新调整思维模式，更重要的是调整组织，以便切实执行全线营销活动。对于已有客户和潜在客户来说，这就转化为需要在各个关键节点展示营销活动。不掌握这一方法的公司必将逐渐消亡。

用户在网上看了你的营销，留下的电话或者是姓名，需要电话登陆，然后去线下购买要填电话号码就串起来了。

• 行为定向的优势和挑战:注意输入是垃圾，输出也是垃圾
  • 1.有可靠的用户反馈收集系统的投入考虑一下你想要使用行为定向实现什么:你希望在正确的时间，让合适的人，得到正确的内容。现在退一步回答这个问题:除了网站分析工具，你如何倾听用户的心声，了解他们是谁，他们需要什么，以及他们有什么问题?我怀疑，大多数人没有很好的用户反馈收集系统。其中包括调研、可用性研究、远程测试、市场调研或收集客服中心问题。在第6章已经讨论了这些方法。利用这些用户反馈收集系统时，会了解用户的真实想法。了解用户，才能够开发行为定向平台需要的内容，智能地在正确的时间定向正确的人。缺乏优秀的内容并不能通过技术手段来弥补。因此，你需要走出定量分析的牢笼，与用户交谈。在你实施行为定向平台之前，至少需要3个月认真研究用户的反馈。
  • 2.首先做 AVB 测试或多变量测试(MVT)
• 线上数据挖掘和预测分析遭遇的挑战：匿名化、多变量
• 涅磐之路:通向智能分析的步骤

十一、成为分析专家的入门指南

1.学会比较、细分、了解上下文、找伴侣指标、找到变化的地方而不是一直关注那些不变的top10

2.真正的价值:衡量潜在转化及访客行为:

所以，这里是一个激进的想法:为什么不等活动结束30天后，再衡量访客行为呢?访客忠诚度和新进度这种指标衡量的正是这个(在第5章介绍这些指标的详细信息)。图11-17说明了你将要做的这种分析。主要分析营销活动结束30天之后(或访客注册后)访客的行为。

3.不要搞一些花里胡哨的组合指标，要单独来看，组合起来容易不知道哪一块贡献了大头。

4.搜索：实现最优长尾策略

有了这些数据，你可以生动地向决策者说明在网站上究竟发生了什么搜索行为。第一次提交报表时，这会给他们留下很深的印象，这是一件好事。很少有人会想象他们的搜索世界有数千或数万的关键词。 你可以说明公司业务曝光最多的领域。例如，处于头部的关键词最容易受到竞争对手的攻击，他们出高价使他们的付费搜索广告的展示量比你高很多，从而带走了你的很多流量。 当你从左侧(头部)移动到右侧(长尾部分)时，搜索者使用的关键词会增加。这是因为人们通常会用不同的关键词进行搜索。例如，当我想找零食时，我输入的关键词或短语就可能和你的不同。因此，关键词短语(而不是关键词)只会出现在较少的访问中。

5.了解品牌和行业关键词

所谓的品牌关键词(或关键短语)是指与公司本身相关的短语或关键词，你的公司名称、提供的服务名称和产品名称等。行业关键词与贵公司没有直接联系，它们是公司主要业务的通用词和短语。

• 品牌关键词:occams razor, avinash kaushik, avinash,occams razor blog,90/10 rule,90 10 rule, kaushik
• 行业关键词语:competitive intelligence(竞争情报)，pathanalysis(路径分析)，howtomeasure success(如何米衡量成功)，survey question(调研问题)，analytics(分析)，datadriven decision making(数据驱动的决策)

图11-27是一个典型品牌和行业关键词分布图，你会看到头部和长尾部分的分析。正如你所期望的，头部品牌关键词占主导地位。当人们在 Bing或 Yahoo!输入品牌关键词时,搜索引擎会首先列出你的网站，而且大部分的点击都将进入你的网站。

因此，品牌关键词带来的访问基本上是那些已经知道你的人和购买生命周期后阶段的人。例如，某人输入“ThinkPad X301”。这是一个特定的品牌，将要使用的人了解自己想要什么。

而对于长尾部分，会充满行业关键词，也称为通用或早期关键词。对于这些词语，你的网站将只是 Bing或 Yahoo!上列出的诸多网站之一，因此你只能得到少量点击次数。

使用行业关键词的人通常处在考虑生命周期的早期。他们尚未决定想要什么，并愿意听取他人建议。有人输入关键词“最轻的电池寿命长的笔记本电脑”，并不可能在搜索的第一位看到联想笔记本，因为这句话适用于多种笔记本电脑。但是，如果联想网站确实显示出来了，这个人可以访问联想的网站，留下深刻的印象，并最终转化成客户这就是理解关键词的类型，以及头部和长尾部分访客的类型所能带来的价值。

在头部的品牌词语上，集中优化SEO。如果优化网站的结构，搜索引擎就会进行正确的索引，人们会通过搜索引擎找到你的网站。SEO虽然并不能像PPC那样一投放马上就能看到巨大的效果，但从长远来看，回报丰厚。将PPC投放到长尾部分，从而转化成收益。对于很多企业和网站来说，很难提升行业关键词在搜索引擎中的排位。你的主要希望是利用付费关键词投放来加深访客的品牌认知。幸运的是，对这些长尾行业关键词，并没有多少人与你竞争，因为每个公司都只专注于自己所在的细分领域。更少的竞争意味着更低的成本，这使你可以轻松地将预算使用在很多地方。

在图11-29中，你可以看到灰度更深的“利用PPC”有一部分渗透到了头部。这是故意的。因为有时新的品牌关键词刚出来，使用自然搜索还不能搜索到(因为SEO还没加入这些新出现的品牌关键词)。在这些情况下，唯一的选择是使用PPC。再如，你推出一个专题电视宣传活动，只持续几个星期就结束。当然，这样能引入一部分搜索流量，但是因为时间很短，SEO并不能很好地引入流量。在这种情况下，也需要使用PPC。还有一种情况如果品牌关键词有很强的竞争对手，则可以同时使用SEO和PPC来参与竞争(当然，你需要通过测试来确认确实存在这种情况，详见第7章)。

PPC（点击付费广告） 是指按点击付费，是搜索引擎营销(SEM) 的一种形式，广告商为别人对广告的每一次点击向出版商(如谷歌或Facebook)付费，这种模式允许企业只在消费者与他们的广告互动时才付款。如果您使用PPC广告，您会吸引那些对您的产品感兴趣并准备转换的人。

6.搜索:衡量上层漏斗关键词的价值

例如，我想在我 Android 手机中添加橄榄球游戏。我在 Google 中搜索“mobile footballgame”(手机橄榄球游戏)，会看到一个EA Sport 付费搜索结果(www.eamobile.com)。我访问该网站，然后离开这个网站去做更多研究。几天后，我在Google上输入“mobile madden09”(一款手机橄榄球游戏名称)，因为这是我第一次访问EA的网站时看好的游戏。我来到EA网站并购买了这款游戏。

关键词A在google表现很好，在雅虎不好，那么说明雅虎这里就有金矿，去挖挖。

7.关注“什么改变了”

搜索推广活动有成千上万的关键词，部分原因是为了确保能把长尾部分充分地转化成收益。通过阅读标准的报表来查看关键词的表现是不可能的，90000个关键词的报表要花很长时间才能看完。

一个更好的策略是把重点放在“什么改变了”，使用简单的数学算法，揭示100行或若干行明显发生了改变的数据。这些数据行需要关注。

“什么改变了”报表的重点是，和前面一段时期相比，哪些营销活动、广告和关键词获得了更多的展示、更多的点击次数或更多的收入。为了获得最佳效果，建议你除了基本访问或转化指标，应该更多关注真正影响业务的指标。图11-35所示为收入(Revenue)和总利润(Gross Profit)这两个关键指标的“什么改变了”报表。图表显示了变化最大的关键词,这时不需要查看很多数据就能确定问题或机会所在，并采取行动。

• 场景1:天哪，我要看数千行数据，我们真差劲!
• 场景2:天哪!我每天只是看看几个关键词，并采取行动，我们很牛!

你是否认同图11-35就是场景2呢? 付费搜索分析的最大问题是不知道从何着手。“什么改变了”报表提供了着手点，然后可以开始进行研究并采取行动。也许竞争对手也在迅速行动。也许你的质量得分已经下降，要赶快行动起来。

8.分析展示份额和收入损失

在搜索引擎输入关键词，与查询匹配的结果出现在搜索结果页面。结果页面顶部和右侧都会出现付费搜索广告。但是，只有符合一系列复杂算法的付费广告才会出现。算法的变量包括价格、质量评分、历史点击、输入查询的人的位置以及使用的匹配类型。

有了所有这些变量，你必须了解你的展示份额，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。这个概念有时也称为话语份额(share ofvoice)或搜索货架占有率(share ofthe search shelf)。

图11-36显示了ClickEquations的分析报告，说明了收入前20名的关键词展示份额(即真正带来最大收益的关键词)。

对于关键词“GS Food Branded”，拥有86%的展示份额。因此，当人们精确地搜索该关键词时，我们的广告有86%的机会得以展现。这是一件好事，因为对于和我们相关的东西,我们的广告显示的越多,点击的机会就越高,也就会产生越多的转化。而对于“GS HealthBrandes”，我们的展示份额只有51%，明显小了很多。

展示份额报表可以帮助我们找出在哪里存在具体的机会，以确保我们的广告以最好的关键词出现。基本不需要高层的支持就可以进行改进，向他们展示失去展示份额的影响。图11-37 显示了由于展示份额的损失引起的点击和收入的损失。

柱状图显示了收入的损失，曲线显示损失的点击次数。从活动的展示中得到每次点击的平均收入(来自网站的真正转化)，从而推断出由于展示份额的损失而损失了多少收入。上面是一个真实的例子，仅展示份额一项就意味着收入增长30%的机会。记住，该数据是根据目前广告展示的实际点击和真实的转化得出的。

要想将损失的展示份额赢回来，需要增加预算，显著改善竞价或质量得分。这种分析比付费搜索提供了更清晰的具体拓展的机会。

9.查看Ad策略是否生效

在营销活动中，使用广泛(Broad)、词组(Phrase)和精确(Exact)这3种匹配类型，以确保对相关用户的搜索展示广告。因此，大多数活动使用的关键词包括了所有或部分匹配类型。一个简单的报表可帮助你分析不同匹配类型在效果上的差异。例如，图11-39所示的报表有3部分重要数据。第1栏列出了在搜索引擎输入的关键词，第2栏列出了在付费搜索广告活动中使用的关键词，第3栏显示了匹配类型。

马上，你就可以使用用户搜索查询来分析不同匹配类型的表现，从而找到投放的具体关键词。这种分析可以得出如下信息:

• 匹配类型调整(你目前以词组或广泛匹配方式投放的关键词，应该改为精确方式匹配的关键词)。
• 以广泛方式匹配的搜索查询，应当调整为以词组方式匹配的关键词。
• 应该建立关键词列表黑名单，从而有效制止花钱购买不合格流量的情况。

该搜索查询报表可能是你手边能找到的终极关键词搜索工具，而且是免费的!用吧!现在，您了解了用户查询和匹配类型，再提高一个档次吧!你需要了解在整个账户中不同匹配类型的表现。你可能希望完全精确(Exact)匹配关键词，因为你认为精心选择的目标肯定比准确和广泛匹配有更好的表现。但是，真的是这样么?图11-40显示了你能接触到的 PPC 匹配类型分析，可以回答这个基本问题。

十二、成为分析专家的进阶指南

1.多触点营销活动归因分析

先判断是否有多触点归因问题：如果大部分用户在1~2次内或者当天就下单就没有这个问题

• 基于最后点击（Last Click）的归因
• 基于第一次点击（First Click）的归因
• 基于平均点击（Even Click）的归因
• 基于功劳划分的归因：将总功劳的50%归于最后遇到的营销活动，其他的接触点评分剩余的50%
• 自定义归因：自己计算每个接触点应该分多少钱，对人的要求很高，需要了解网上的哪些因素对访客影响大，哪些因素影响小，必须对网站过去的表现了如指掌，建立的自定义模型才能符合实际情况，过去的表现能指导将来的成功这一假定必须成立（因为即使过去很成功，利用过去的经验在将来也未必取得成功）

2.归因分析的路径也是多种组合

在进行归因分析时，可能会回答错误的问题：“我如何将功劳归于每个营销活动？”然后就去做路径分析。其实应该回答的问题是:“我如何在可用的广告和营销渠道之间优化预算分配”

3.边际归因分析面临的挑战

在边际归因分析中，很难控制可能会影响试验的所有变量，线上环境中尤其如此。你将不得不构建尽可能干净的试验，并确定你可以控制和无法控制的变量。你每次改变一件事，这需要时间。

无论是媒体组合建模还是边际归因分析，都不容易，但是由于问题的复杂性，你必须集中思考黑箱输出情况，要耐心，并愿意尝试。

媒体组合模型

4.怎么知道线上对线下购买产生的影响

• 全局唯一ID关联
• 给特殊的优惠券码
• 线上看了之后给他一个附件商店的购买路线图
• 使用调研预测线下影响

长期监测这一比例的变化趋势，可以衡量网站带来的线下购买客户的有效性，这是对线上转化数据的强有力补充。

• 进行对照试验

十三、网站分析职业生涯

自学工具：在自己博客中使用Google或Microsoft的SEO分析工具。登录到工具，检查所有的精彩报表，并Site Catalyst里面尚缺数据，这对理解SEO的表现是非常关键的。

想要得到有关竞争情报的经验？不要等到老板给你访问的权限。登录到Compete、Google Insights for Search和Google的AdPlanner，免费了解社会心理学和人口统计学的一些细分知识

我所有的A/B测试和多变量测试的知识都来自于我在非盈利网站上密切使用Google Website Optimizer。他们得到了更多的捐款，我得到了宝贵的知识和经验。

需要具备的能力：

• 理解数据如何收集和解读很重要
• 数学基础：学习统计学的基本知识（分析高手知道如何利用统计的力量，如利用统计学的显著性sn.im/satsign 和统计控制范围 sn.im/statcl ）。传统的点击流分析变得很难得出分析见解，因为网站和访客行为的复杂性每一天都在增加。基于这个原因，我推荐关注客户体验，以及实验与测试。要真正在业务中使用这些方法必须了解统计学。
• 调研分析工具经常使用复杂的多元回归模型，以得出可操作性的结论。这些模型将较难的定量功能带入到定性调研的领域。你需要了解这些模型如何工作
• 如果你坐AB测试，也需要了解统计学的基本知识，当你的结果达到显著的置信水平时，就可以做出决策了。
• 善于提问：
  • 1.问老板他们想要什么，总是问为什么
  • 2.对于一个指标，问3次那又怎样，通常回答了一个问题又会有另外一个问题。通常3个问题结束后，没有得到实际行动的建议，说明使用了错误的指标。
  • 3.你需要一直问，数据是怎么收集的。
  • 4.不要接受或向别人展示top10报表或静态仪表板。总是问：“什么改变了？”当你这样做时，就会意识到任务的艰巨性，以及答案中令人难以置信的力量。
  • 5.当你面对高层的一个观点时，问：“那么，你的假设是xyz，对吗？我可以对这个假设进行试验吗？”
  • 6.你最好的朋友是这样一个问题：这个问题很重要吗？
• 与业务团队紧密合作
• 学习有效的数据可视化和PPT技能：你可能认为精心制作的Excel报表和自定义细分得到的分析见解，将推动领导采取行动。抱歉。实际上是你说服他人的能力在推动行动。如果分析时不能讲数据的可视化效果做好，并清晰呈现出来，很多优秀工作有可能被忽视。如果需要灵感请访问《纽约时报》可视化实验室(sn.im/nytvlab) 美国联邦政府年度预算的可视化（sn.im/jessba）
• 提高沟通、激励和传教于一身。培训有效的表达技巧。观赏在历史上每一个伟大的演说家在YouTube上的影片，并做笔记。了解如何使PPT更好。
• 与时俱进：参加免费网络研讨会：一个保持与时俱进，并学习新的分析方法的有效途径，就是出席各种网络研讨会。几乎所有的供应商都会提供免费线上研讨会。特别是Omniture，做了伟大的工作，共享有用的信息。你会发现，在sn.im/omnedu 上有Omniture的网络研讨会，而且往往是免费的。首先使用这些网络研讨会，并确定目标：一个月参加两次。营销组织，如Marketing Profs(sn.im/mktprofs)和M… Motive（sn.im/mmotive） ，也提供线上网络研讨会和培训。质量非常高，但必须付费或是称为会员。
• 阅读博客：
  • Junk Charts(sn.imjunkcharts)Kaiser 的博客是我最喜欢的博客之一。他除了最常使用的数据图和可视化的技术，还提供了更好的替代品。
  • Kaizen Analytics(sn.im/mnotte)Mich… Notte 目前在Toyota Europe 工作，他分享了作为一个执行者的精彩经验的见解。
  • Dónde está Avinash cuando se le necesita?(sn.im/gmvera)Gemm… Munoz 关于分析的西班牙语博客是那么好，以至于我用Google翻译来阅读，尽管我知道，这种翻译有些不是最好的!Gemma在一家银行工作，是另一种罕见的实践者。
  • 网站分析在中国(sn.im/wachina)Sid… Song 的中文博客涵盖了中国网站分析领域的元素，并包含大量现实世界的见解。
  • Web Analytics Inside(sn.im/timoa)Timo Aden 的德语博客涵盖了广泛的世界网站分析及有效利用GoogleAnalytics的见解和分析技巧。
  • Trending Upward(sn.im/shelbyt)She… Thayer目前在一所大学工作，她的博客包含日常经验和对于高等教育的网站怎样分析的深刻见解。
  • Non-Line Blogging(sn.im/dhughes) David Hughes 是一个数字营销顾问，是我学习多渠道、电子邮件和其他营销技术的最好来源。
  • Seth Godin(sn.imsethg)Seth有一个世界排名在首位的博客。充满发人深省的简洁的和精辟的见解。如果我在世界上只能读一个博客，就会读Seth的。
  • Analytics Talk(http:/!sn.im/cutroni)Justin Cutroni是Google Analyics Short Cus 一哲的作者，他的博客涵盖了 Google Analytics 所有先进的东西。
  • Marketing Productivity 博客(sn.im/jimnovo)他的网… Novo 是一位客户忠诚度方面的专家，在客户营销项目投资生成特殊回报方面有近25年的经验。”需要我多说吗?
  • Visual Revenue(sn.im/visualr) Dennis Mortensen 是雅虎 Data Insights 部门的主管，他的博客涵盖了Yahoo!WebAnalytics的所有东西。
  • ClickEquations 博客(sn.im/ceblog) Craig Danulof分享他的见解,并在博客上做搜索引擎。如果想很快地搜索所有内容，或者只是听一些Craig的阴谋理论，那是一个合适的地方。
  • FutureNow’s Marketing Optimization 博客(sn.im/grokdot)我的朋… Bryan Eisenberg的团队写这个博客。它涵盖了从电子商务的分析，到测试，到改善网站等相关方面的东西。
  • Google Analytics 博客(http://sn.i/gablog)Google Analytics 的官方博客，频繁更新提视频、有帮助的帖子，及其他很多方面。示、
  • Omniture 的博客(sn.im/omblog)Omni… 有最好的供应商博客。它涵盖了非常多的领域,从分析到搜索,到测试,到电子商务优化。你应该阅读它,即使你没有Omniture。
  • 这15个博客提供了广泛的知识。你也可以访问www.kaushik.netavinash 阅读我的博客在本节最后，我想介绍一个额外技能，我认为它被严重低估了:常识。我们生活在一个复杂的、数据丰富的世界。我们使用的指标和分析方法越来越复杂。保持你的“常识”思维，不要忘记 Occam’sRazor(译者注:即奥卡姆剃刀原理，这个原理为，切勿浪费较多东西去做用较少东西同样可以做好的事情，本书作者的博客也以此命名)。

分析师的一天

面试中最大的考验：批判性思维

• 候选人提出的解决方案：提供了解决方案，要进行小小的质疑，可以尝试说一些完全愚蠢的观点，或者指出一个缺陷。看看是否可以影响候选人
• 候选人是如何思考的：如果候选人是一个具有批判思维能力的人，她会独特思考，或者换一个说法，让自己留下来。实际上，她一定会喜欢挑战，答复具体的问题，而不是模棱两可。

十四、公司高层、分析师和其他员工一起:创建数据驱动的企业文化

14.1 改造企业文化:如何让人们关注网站分析

让大家对数据和分析激动和疯狂

• 你要接受网站分析可能最终并不能形成很大的影响。一旦接受这种观点，就可以开始去做一些相关的事情了。
• 循序渐进，每天、甚至每小时你都可以有微小的进步。人们都知道奥运会的游泳金牌很难赢得，但这不应吓退任何想学习游泳的人。你可以从浅水池开始起步，随着时间的推移做得更好。在网站分析中，你想花15个月实施分析工具，然后在一天中就能获得巨大的效果是不现实的。
• 通过慢慢教会大家来使用一部分的数据，让人觉得其实数据并不那么让人恐惧，从而让组织成员成为数据的爱好者。形成习惯之后，在他们做出自己的下一个决定前，就会尽一切努力使用手中的数据!

14.1.1 做一些令人惊讶的事，不要简单地提交数据

你着手制作报表，将数据填入Excel，整整16页，然后发出。千万不要这么蛮干! 你的决策者希望你将数据处理好，他们对于数据是很谨慎的。因此，要给他们惊喜让他们感到意外。给他们想要的答案，并与想要和你交谈的人交谈。询问他们如下问题:

• “能简单地说说您的工作吗?”
• “您的生活或工作有哪些方面与我们网站相关?”
• “关于我们的网站，您想了解什么信息?从我们网站的访客数量上，您能得到什么信息?”

记住，简单地给出数据并不能使人信服。你不能指望他们会想出办法。如果只是简单给出数据，就算次数再多，也不会有效果。正确的做法是:面带笑容，与人沟通，并带回对方的答案。

14.1.2 从产出和影响开始分析，而不是访问量

打开任何网站分析工具，都会看到访问、访客、网站停留时间、旧访客和页面等指标。你可能急于使用这些指标，尝试向决策者解释cookie 和退出率，但决策者可能不明白你在说什么。

所以当你开始分析时，首先要做的是告诉决策者网站分析在衡量产出方面多么地有效，因为产出对网站来说至关重要(从第5章中寻找技巧和方法)。

要向决策制定者显示网站赚了多少钱,拥有多少潜在用户,宏观和微观的转化率如何。向他们展示网站如何为实体店带来客流。这样决策者才会了解这些概念，才会感兴趣。然后他们会问:

• “这些人(潜在用户)从哪里来?”
• “为什么只有 1400万美元?我们很有说服力的内容情况如何?”
• “2千万人中只有 15 人使用了实体店位置查询功能。你认为为何会这样?”(原因是:没有给出链接!)
• “我们的'差劲的’网站带来的产出居然比所有的销售人员加起来还多?”

所有问题都很好! 在工作中，会要求你提供传统的网站指标。但是以传统指标开始介绍时，同行和公司高层无法理解网站分析的作用，也无法知道网站分析师的价值。你要避免这种错误的开始。记住:网站的产出是最重要的。

14.1.3 创造英雄和榜样

使整个组织改变想法真的很困难，无论组织有20人还是20000人。你需要在公司中找到一个合作伙伴，以及真正愿意接受你想法的领导。是否花很多钱运行企业网站或部门的小型网站其实都不重要,但必须有领导可以让你正确地给网站加码，并考虑你从数据分析中得出的见解。然后你就可以全心全意地发挥全部的分析才能，去发现具可操作性的见解。真正地深入决策者的业务，通过数据驱动的决策制定方式来让决策者成为英雄。

14.1.4 如果想让决策者感兴趣，首先要让网站分析有趣

当你试图改变企业文化时，必须先做一件事情--尽量使分析有趣。只要跟“赚钱、提高转化率、衡量多渠道的影响”联系在一起，自然会使人兴奋。让分析有趣后，再去做别的吧。

14.1.5 竞猜

14.1.6 内部分享

14.1.7 把握办公时间

我们总是生活在自己的世界中。人们总是喜欢面对面的交流，因为会优先处理这些面谈请求，Excel报告已经过时了。

每个星期你应该留出半天时间，任何人都可以来问你和你的团队他们想要问的任何问题。虽然这看起来并不是很有趣，但你显得更平易近人，人们会知道，当他们想咨询时，

你总会在那里。或安排一小时的工作时间，邀请营销人员和决策者说出问题，你现场使Yahoo!WebAnalytics或 Webmaster Tool，米显示你利用这些工具当场就能回答他们的问题。网站分析是令人兴奋的。当你想出一个分析数据或解决真正业务问题的新方法时，心中的喜悦简直无法形容。去分享一些你的激情吧!它会很有感染力。

14.2 提供能指导实际行动的报表和分析

当你完成分析之后，提交数据之前，应用下面给出的“筛选”条件可确保你马到成功。

筛选条件一：“你的观点是什么？”

每当我看到数据分析，我的脑海就会出现下面几个问题和意见：

• “你的观点是什么？”给我有价值的信息，而不是简单的数据罗列。
• 基于你的观点，“你想要我做什么”
• 只要是我需要的，立即提供相关的具体数据（不要让别人心算，或计算8296次访问数的19%是多少！）

努力向业务产出靠拢

数据与收入、潜在客户、提高的用户满意度、捐赠、广告点击和任务完成率等关联起来。分析必须把重点放在明确既定的业务产出上。即使老板或客户并没有设置既定产出目标，你也必须设置。

多角度分析

当我收到数据分析时，我的第一直觉是看分析时是否使用多个数据源。要回答“是什么”。知道“为什么？”和“还有什么？”，以获得更坚定的，具有更深层次的用户竞争性分析见解。如果不使用分析回答后面的问题，或者如果没有其他的数据来源，就说明工作没做到家。

例如，如果展示搜索流量趋势，应该在图标上也画一条线显示主要竞争者的流量。或者在展示网站转化率时，也应该显示所在行业的转化率。这些额外的工作可使你的报表好很多。

公司工具有限，可以使用Compete、Google Insight for Search、Trends for Website或Fireclick Index等免费服务得到更多的数据。

14.2.1 使用Unboring过滤器

多用这种形象的例子

14.2.2 将见解与实际数据联系在一起

将你的建议和你手边的数据联系起来。如果你觉得很有必要，可以在附录中表达自己的感受。但要确保所做的每一项建议都能有分析中所用数据的支持。

1.期待值的不同

你越大牌，听众对你的期待值越高：要有更多的真知灼见，更严谨，更包罗万象。看看你的头衔，请问你的分析与你的头衔相符吗？

2.要有独特的观点

例如，每个人的报告都会说，某个指标对于关键字z是53%，对于关键字q是56%：但你可以计算其统计显著性（统计学用语），从而与众不同。你可以向决策者显示他们可以对这些数据有多少信息，而是不仅仅是报告这两个数据。

如果想获得重视，你必须有独特的见解（UVP）。如果没有能令你脱颖而出的独特信息，不要轻易发出分析报告。

14.3 通过更改指标定义来改变企业文化：品牌宣传指数

需要去思考适合自己公司业务的一些评价指标，而不是用通用的评价指标，这样容易掩盖一些问题。

14.4 提升数据质量：从质疑转向使用数据

先决条件

• 了解网站上的数据收集是不完美的。
• 你已经内化，并开始执行第10章中关于数据质量的6步骤思考模型。
• 你为数据分析的进步而努力，却受到了“慈善的统治者”的阻碍（或我们经常亲切地称他们为公司高层）

14.4.1 找到可以支持你的老板

14.4.2 用“完美”数据资源教育组织

• 解决主要问题。用不完美的数据教育自己。因为过于追求完美往往是关键缺陷。
• 为各种数据源及其价值提供公平的，无偏见的处理。
• 特别注意为什么互联网数据来源比其他来源更加准确，并且互联网数据能提供其他数据源所缺失的更多信息。

14.4.3 用可操作的见解吸引公司高层的注意

用你的智慧吸引公司高层的注意!吸引他们，就像用叮当作响的钥匙来吸引婴儿的注意力一样。

提交数据时，你需要改变重点，从琐碎的、不可操作的汇总数字，如访问量或每个访客的平均页面浏览次数，转变到突出流量的关键来源。使用对流量来源的分析结论，就可以利用对照实验来衡量线下的影响。你可以关注提高营销活动的转化，而且可以找出访客来到你的网站但未完成任务的五大理由。

你的高级管理层不知道该怎么处理总访客或唯一访客。如果你能通过令人感兴趣的见解来启发他们，他们会关注数据的价值。用本书在第5章使用的具体例子作为你的出发点吧。

14.4.4 小秘密1：第一周/月的头部数据具有可操作性

不需要完美的数据也可以开始行动，基本不会影响你的见解和决定。

14.4.5 小秘密2：在漏斗的底层提升数据精度

14.4.6 解决方案不是实施另一款网站分析工具

14.4.7 承认边际收益递减

你应该努力提高数据质量，但应认识到数据质量在达到一定点以后，再努力是白费的。这里重温边际收益递减的经典原则。如图14-6所示：星号表示收益递减的临界点。

14.4.8 如果用户量很少，导致数据质量不好，应该想的是怎么多吸引访客来访。

14.4.9 不合逻辑的用户行为和不准确的基准

数据准确性的许多挑战，源于有逻辑的工具和不符合逻辑的用户行为的冲突。网站分析工具是基于一系列逻辑规则，然后设置目标。但在很大程度上，互联网访客的行为是不合逻辑的。

大多数人只在很少时间里行为不合逻辑(比如网站之间快速切换，想法发生改变，忽略了明显的按钮，或没看到相关度很高的搜索结果)。但只要付出足够的工作和试验，我们还是可以解释那些不合逻辑的行为的。然而，在几乎所有的情况下，虽然找到了原因，但是并没有带来好的投资回报。更糟的是，这些工作挤占了真正要做的工作。

还有一些分散分析师注意力的事情:网站数据质量误差最大的底线基准是多少?实际上，寻求这样的基准就像在寻求Donald Rumsfeld(唐纳德·拉姆斯菲尔德，美国防部长)所谓的未知的未知数一样。

互联网非常复杂，现在还不可能得到确切的误差范围。网站类型的不同，用户体验的不同，技术运用，以及网站对每个工具的需求之间的巨大差异，都增加了数据的复杂性。

你知道了在网站分析领域的很多知识。基于数据采取行动，并尝试找出目前还无法获得数据的部分(使用工具 Maxamine、ObservePoint或 WASP 执行审计),并尝试解决这些问题在这种情况下，所谓的基准其实不是那么重要。

14.4.10 在网站上更快失败

14.5 让老板成为数据驱动型主管的5项法则

14.5.1 摆正自己的位置

你的老板知道更多的组织背景：业务中心、战略和目标。这一信息对你的成功至关重要；你需要背景信息和情报，以进行正确的网站分析。将情绪放在一边，通过沟通（真正的）来了解老板的观点。然后，可以找出解决老板问题的方法。

14.5.2 认可不完整的数据

所有分析师，特别是聪明的分析师，也无法抗拒对完美数据的追求。避免这种徒劳的努力吧，你和老板必须接受不完整的数据；这将使你更加自由。

14.5.3 始终多做一点

当你的老板要求你给出报表时，额外做10%的工作。你必须访问该网站，点击网站进行体验，然后返回到数据，将行为与数据关联起来。只有你能做到这一点，因为你是在办公室最聪明的人。

14.5.4 成为营销人员

我发现优秀的分析师不仅仅是数据分析师，还是用户的代言人。如果想改变老板和公司，就必须称为营销人员，一个了解市场规则的人，一个用户的拥护者，一个宣扬数据分析的目的就是创造以用户为中心的决策的布道者。

在当地的大学选修市场营销课程，通过阅读获取营销知识（从Seth Godin的博客开始，注：Seth Godin是互联网营销大师），与公司的营销人员合作，并吸取他们的经验。老板将会重用你，你的事业将会得到提升。

14.5.5 拒绝数据服务业务

数据本身是为业务服务的，花80%的时间分析数据并提出自己的见解。

14.6 需要预算吗？获得公司支持的策略

14.6.1 实施试验和测试方案

14.6.2 倾听用户的心声

调研

14.6.3 使用行业基准

第8章介绍了许多可以获得行业基准的资源和网站，如Fireclick Index网站、Google Analytics工具或shop.org协会等

14.6.4 竞争情报：你最好的新朋友

CI工具

14.6.5 与有意向的网站合作

14.6.6 寻找一位受人尊敬的行业思想领袖，让他们来做演示或小型的战略咨询

有时高层管理人员会真正地听取局外人的建议，并付诸实施。 要找这样的人

• 他们作为从业者身经百战
• 他们会设身处地，会考虑你们公司的内部经验，而不仅仅是他们自己的外部经验。
• 他们坚定地立足未来，而不是过去

14.7 打破网站衡量壁垒的侧脸

2009年Econsultancy 线上衡量与策略报告(sn.im/starep)认为成功…:

• 缺乏预算/资源(45%)
• 缺乏策略(31%)
• 孤立的组织(29%)
• 缺乏理解(25%)
• 数据泛滥(18%)
• 缺乏高级管理人员的支持(18%)协调各系统数据很困难(17%)TT 障碍(17%)
• 对分析缺少信任(16%)
• 找不到合适的人员(12%)
• 糟糕的技术(9%)

14.7.1 缺乏预算/资源

从免费开始，并获得要求得到预算的权利。

现在你想要的任何工具都是可以免费获得的，从网站分析到行为分析;所以为什么还需要工具预算呢?尽管你可能不希望使用一年到两年就更换工具,但没有人知道18个月后世界将是怎么样。那么，为什么你计划要做5年呢?

实施 Yahoo!Web Analytics、Google Website Optimizer 或 BT Buckets!--你的服务会拥有强大的点击流、产出、试验、行为分析平台等功能。而且这些都是免费的!

当你运行这些工具受到限制时，你所拥有的成功的分析工作，会使你对WebTrends、SiteSpect 和Kefa所做的预算要求更容易得到批准。你遭到拒绝的唯一原因可能是你没给公司带来任何价值。 下面是用于获取更多预算的建议:

• 不要只关注资源的价值:而是量化你将带来的产出的价值。这样说，“我想要一个技术支持网站的分析师，以减少电话呼叫中心的接入电话，节省成本160万美元，用户满意度增加5个百分点。”
• 让你的客户和竞争对手帮助你(见前面的介绍)。通过这种方式，可以向管理层表明你的需求顺应企业和竞争的大环境。

14.7.3 缺乏策略

成功的第二个障碍就是缺乏策略。如果有效的网站衡量策略的障碍是你的公司没有互联网策略，那么你应当换工作了，因为改变策略的成本要比市场营销人员或分析师的成本高多了。

策略是公司高层的问题。你的公司高层需要真正了解互联网并建立相应的互联网策略，而你可以帮助他。但他需要的是一个已经基本成型的策略，而这可能是失败的一个原因。

如果你是董事或副总裁，也许可以让这一策略慢慢成长，尤其是如果你发现IT部门拥有衡量/分析团队(虽然这不太好)，要将分析推升至公司层面。

这里有一些其他的技巧，可以帮助你建立有效的互联网策略:

• 如果你在一家大公司，许多部门没有达成共识，那么试着选择一个部门/某国子公司，使它们成为英雄。
• 不要试图让每个人都同意一个衡量标准。如果你认为老板想创建某项策略，到了紧要关头需要有人推一把，请参考14.5节

14.7.4 孤立的组织

如果你能向组织证明价值所在，孤立的组织也可以变得开放。每个人都想要奖金，都希望得到晋升。他们也想帮助这家公司。因此，利用这些事实，并记住你将付出艰苦的努力。

从小处着手，体现出一定的价值，然后做大。这是我的策略:刚开始时，团队只有我和一个分析师，没有人会听我们的。但是，我们证明了数据对公司里一个孤立团队的价值，其他人都心有所动。

经过一番痛苦的业务努力，IT和分析部门打破了隔阂，联系在一起。在团队的帮助下人们有能力花更多的时间更快更好的工作。我们证明了价值并赢得了信誉。

公司的规模发展壮大时，管理层需要的是知道“为什么”?公司高层从善如流，听取了我们对于定量和定性分析相结合的需求。这一变化使我们能够创造更多的价值，反过来又增加了管理层对团队的信任，从而给予我们更多的资源和支持。

充分利用目前所拥有的一切。努力工作一整天。晚上休息好之后。第二天回去更努力地工作。因为大多数人不希望这么努力地工作，也没有这种耐心。在这种情况下，人们很容易抱怨，等待别人来打破孤立的组织。

14.7.5 缺乏了解

缺乏了解是很普遍的一种现象，很多人都在说:“没有人理解我，没有人欣赏我(除了我妈妈!)，没有人会帮我。”如果你的公司不知道数据的价值，那么管理团队的成员需要参加一个供应商网络讨论会(例如Omniture 经常做，MarketingProfs也是一样)。这些网络研讨会展示了用户的体验，这可能让老板开始欣赏数据的价值。

如果管理层不明白分析师可以做什么，在一个小网站上使用Google Analytics，显示你能通过改善自然搜索来提高访客数目。自然搜索是免费的，除了你的时间。

如果老板不了解市场上现有的技术，做一个快速的Bing 搜索，确定主要供应商，并让他们为你做一次演示(线上或派人过来)。当然，这有一些哗众取宠，但你和老板也会学到很多。 下面是加深相互了解的一些其他技巧:

• 如果你是一个低层或中层员工，那么请认清这一点:你不能采取直接行动。寻找可以帮助你的主管。
• 再次强调:要通过实干而不是空谈来加深相互了解。

14.7.6 数据泛滥

最后，这是关于网站分析的问题!只有18%的受访者抱怨数据太多，这令我很意外。这就说明有许多人仍然停留在 Web Analytics 1.0，或仅仅是点击流数据策略。如果他们真正使用 Web Analytics2.0策略，会有更多的人抱怨数据太多，这应该是一件好事。

好，是忍痛割爱的时候了:数据太多是从业人员创造的问题。我们只是急于使用全部数据并制作有28205项指标的报表，以展示我们有多么厉害，从而打动别人。谁在乎呢?

两个词:关键与少数。直到你确定了几个关键指标，才能发送一份报告，否则即使是通过电子邮件发一个数字也不行。这个过程从一个问题开始:我们究竟为网站解决了什么问题?

为你的网站确定一个宏观转化(大目标)和3个微型转化(其他小目标)。现在仅仅关注几个关键指标，就能帮助你衡量你选择的转化指标是否成功，其中宏观转化最最优先。别的什么也先别做，直到你已经掌握了这些目标及其指标。不要用大量的报表惹恼同事。如果你不能使管理者理解这些目标，更新自己的简历，并申请其他职位。当你在等待时，努力关注那些有助于增加收入，降低成本，提高满意度的指标。关注这3项就不会犯错。

14.7.7 缺乏高级管理人员支持

14.6节介绍了如何让高层管理者了解网站分析。使用其中介绍的策略，让管理者难堪以达到你的目标。那些策略很简单，很有效。

最后，要使管理者最终接受网站分析师的工作，还必须充分利用用户和竞争对手。他们可以为你的网站业绩提供背景信息。用户满意度和竞争者的业绩会促使管理层采取行动。此外，记住，报表和分析是有区别的。成为分析师，需要用你的分析提供价值;而不是做报表机器。

校验各系统数据很困难

让我们从两个层面来解决数据的校验问题。从宏观角度来看，你现在知道，让数据相吻合是不可能的，特别是因为你已经采用了真正的“多样性”策略(第1章)。随着“多样性”的发展，你使用不同的数据来源和不同的指标。因此，数据绝对是不可能相吻合的。不过你从这些数据中得到的好处要比其弊端大的多。

你需要让管理者明白为什么数字是不同的，尽管他们不会完全接受它。从基于多样性数据做出小的决定开始，体现数据价值，赢得众人信任，再用多样性数据做更大的决策。你可以借鉴本章前面提到的策略。 在微观层面上，数据统一问题，是指使GoogleAnalytics和 Nedstat 的数据一致，或使HitWise 和 Compete 之间的数据一致。如果你是这种情况,那么请使用第4章中介绍的“终极数据校正清单”,来确定问题可能在哪里并加以解决问题。你将永远无法得到完美匹配的数字，但是如果能将误差控制在10%之内，那已经很好了。好了，让我们看下一个问题。