內容介紹
開發成功的Web分析策略Step-by-Step指南
使用這本優秀的現代指南正確學習當今Web分析領域中的機遇和挑戰。《精通Web Analytics——來自專家的最佳Web分析策略》由業內一線從業人員寫成，它不僅僅是介紹了概念和定義，還挑戰了關於該領域的一些根深蒂固的觀念，並手把手地指導您如何執行成功的Web分析策略。
Web分析專家Avinash Kaushik，以其引人深思的寫作方式，揭露了行業里一些主流神話的謬誤，並指引您從分析結果中獲得可行的認識。教您如何撇開點擊流分析的方法、了解定性數據是關注的焦點的原因，以及介紹其他一些認識和技術，幫助您在不犧牲企業收益的情況下開發以客戶為中心的思路。《精通Web Analytics——來自專家的最佳Web分析策略》內容包括:
了解數據收集方法的利與弊
找出能夠不通過計算統計頁面瀏覽數卻仍能深入了解客戶的方法
學會使用“3層次問答”的方法來確定有價值的度量
最佳化組織結構，並選用合適的分析工具
理解和套用高級分析理念，包括SEM C分析、細分的強大功能、轉換率的最佳實踐等
利用快速啟動解決方案來解決部落格和電子商務站點、客戶支持站點和小型業務Web站點面臨的問題
了解構成優秀實驗與測試平台的關鍵因素
使用競爭情報分析來獲得認識並激發行動
您還將發現：
快速提高Web分析能力的10個步驟
在組織中創建以數據為中心的文化的7個步驟
測量部落格站點成功與否的6種方式
能通過Web 分析獲得可行動認識的3個秘訣
優秀Web分析師的10大標誌
第1章 Web分析-- 現狀與展望 1
1.1 Web分析的簡史 2
1.2 現狀和挑戰 5
1.3 傳統Web分析已經廢棄 7
1.4 新的Web分析 8
1.4.1 測量定量和定性數據 10
1.4.2 三位一體：思路和戰略方法 12
第2章 數據收集--重要性和選擇 19
2.1 了解數據前景 20
2.2 點擊流數據 21
2.2.1 Web日誌 21
2.2.2 Web Beacons 23
2.2.3 JavaScript標記 25
2.2.4 包嗅探器 27
2.3 結果數據 32
2.3.1 電子商務 32
2.3.2 導引生成 33
2.3.3 品牌/宣傳和支持 33
2.4 研究數據 34
2.4.1 思路 35
2.4.2 組織結構 35
2.4.3 時機 35
2.5 競爭數據 36
2.5.1 基於專門小組的測量 36
2.5.2 基於ISP的測量 37
2.5.3 搜尋引擎數據 38
第3章 定量分析概述 41
3.1 以客戶為中心的重要性 42
3.2 實驗室可用性測試 42
3.2.1 實施測試 43
3.2.2 實驗室可用性測試的好處 45
3.2.3 注意點 45
3.3 啟發式評估 46
3.3.1 實施啟發式評估 47
3.3.2 啟發式評估的好處 49
3.3.3 注意點 49
3.4 實地考察 49
3.4.1 進行實地考察 50
3.4.2 實地考察的好處 51
3.4.3 注意點 51
3.5 調研(問卷調查) 52
3.5.1 站點調研 52
3.5.2 訪問後調研 53
3.5.3 創建和執行調研 53
3.5.4 調研的好處 56
3.5.5 注意點 56
3.6 小結 58
第4章 Web分析策略成功的關鍵要素 59
4.1 致力於以客戶為中心 60
4.2 解決業務問題 62
4.3 遵循10/90原則 63
4.4 僱傭優秀的Web分析師 66
4.5 確定最佳組織結構和職能 72
4.5.1 集中式 74
4.5.2 分散式 74
4.5.3 集中分散式 75
第5章 Web分析的原理 77
5.1 捕獲數據：Web日誌還是JavaScript標記 78
5.1.1 將數據服務和數據捕獲分離 78
5.1.2 數據類型和大小 79
5.1.3 創新 79
5.1.4 集成 79
5.2 選擇最佳的Web分析工具 80
5.2.1 舊的方式 80
5.2.2 新的方式 81
5.3 了解點擊流數據的質量 84
5.4 最佳實踐 87
5.4.1 標記所有頁面 88
5.4.2 確保標記放在最後(客戶優先) 88
5.4.3 標記應當內聯 88
5.4.4 確定獨特的頁面定義 89
5.4.5 智慧型地使用cookie 89
5.4.6 考慮連結編碼問題 90
5.4.7 注意重定向 91
5.4.8 驗證數據被正確地捕獲了 93
5.4.9 對站點中豐富的媒體進行正確的編碼 93
5.5 運用“3層次問答”測試 94
5.5.1 關鍵績效指標：重複訪客的百分比 95
5.5.2 關鍵績效指標：站點上退出最多的頁面 95
5.5.3 關鍵績效指標：最頻繁的搜尋關鍵字的轉換率 96
第6章 第1個月：對Web分析的核心概念進行深入挖掘 97
6.1 第1周：開始了解這些基本概念 98
6.1.1 周一和周二：URL 98
6.1.2 周三：URL參數 99
6.1.3 周四和周五：cookie 100
6.2 第2周：回顧基本度量 102
6.2.1 周一：訪問數和訪客 103
6.2.2 周二和周三：站點訪問時間 106
6.2.3 周四和周五：頁面瀏覽 109
6.3 第3周：了解標準報告 111
6.3.1 周一和周二：跳出率 112
6.3.2 周三到周五：推薦者--源和搜尋關鍵字短語 114
6.4 第4周：使用站點內容的質量和導航報告 117
6.4.1 周一和周二：頂級的頁面-- 瀏覽最多的、進入最多的、退出最多的 118
6.4.2 周三：到達最多的目標(退出的連結) 121
6.4.3 周四和周五：站點覆蓋(點擊密度分析) 123
第7章 第2個月：啟動Web數據分析 129
7.1 前提和框架 130
7.2 第1周：創建基本報告 130
7.2.1 周一：最多推薦的URL和最頻繁出現的關鍵字短語 131
7.2.2 周二：站點內容受歡迎程度以及首頁訪問數 133
7.2.3 周三和周四：點擊密度(站點覆蓋) 135
7.2.4 周五：站點跳出率 135
7.3 電子商務站點的起步指南 137
7.3.1 第2周：測量業務成果 137
7.3.2 第3周：衡量表現，測量商業效果以及客戶滿意度 140
7.4 支持類站點的起步指南 143
7.4.1 第2周：從客戶的角度測量脫機影響 143
7.4.2 第3周：使用VOC或客戶評價(在站點和頁面層次上)測量成功 147
7.5 部落格測量的起步指南 149
7.5.1 第2周：克服複雜性對原理進行測量(通過使用新的指標) 149
7.5.2 第3周：競爭標準化以及測量成本和ROI 152
7.6 第4周：反省和總結 155
第8章 第3個月：搜尋分析-- 站內搜尋、SEO和PPC 157
8.1 第1周：實施站內搜尋分析 158
8.1.1 周一：理解站內搜尋的價值 158
8.1.2 周二：認清站內搜尋的趨勢 162
8.1.3 周三：通過站點覆蓋報告來分析點擊密度 163
8.1.4 周四：對實際搜尋結果的有效性進行測量 164
8.1.5 周五：對站內搜尋的結果度量進行測量 165
8.2 第二周：開始搜尋引擎最佳化(SEO) 165
8.2.1 周一：理解影響、最佳化和連結 167
8.2.2 周二：連結到新聞發布和社會站點 167
8.2.3 周三和周四：對Web頁面標記和內容進行最佳化 168
8.2.4 周五：對搜尋機器人提供指導 168
8.3 第3周：對SEO上的工作進行測量 169
8.3.1 周一：檢查站點被索引的效果如何 169
8.3.2 周二：對入站連結和頻率最高的關鍵字進行跟蹤 170
8.3.3 周三：對來自PPC的有機推薦者進行分離 173
8.3.4 周四：對有機推薦者的價值進行測量 174
8.3.5 周五：對最受歡迎的頁面的最佳化進行測量 174
8.4 第4周：對PPC的有效性進行分析 176
8.4.1 周一：理解PPC的基礎 177
8.4.2 周二：對和搜尋引擎競價有關的度量進行測量 178
8.4.3 周三：定義影響盈虧底線的重要指標 178
8.4.4 周四：測量唯一訪客數 179
8.4.5 周五：學習PPC報告的最佳實踐 179
第9章 第4個月：對電子郵件和多渠道行銷進行測量 181
9.1 第1周：電子郵件行銷的基本原理及相關內容 182
9.1.1 周一：了解電子郵件行銷的原理 182
9.1.2 周二和周三：測量基本的回響度量 183
9.1.3 周四和周五：測量結果度量 184
9.2 第2周：電子郵件行銷-- 高級的追蹤 184
9.2.1 周一和周二：測量站點有效性 184
9.2.2 周三：避免電子郵件分析的漏洞 185
9.2.3 周四和周五：將電子郵件行銷和Web分析軟體相結合 186
9.3 第3周和第4周：多渠道的行銷、跟蹤和分析 186
9.3.1 第3周：了解多渠道的行銷，對從離線到線上的促銷活動進行跟蹤 187
9.3.2 第四周：對多渠道的行銷進行跟蹤和分析 191
第10章 第5個月：Web站點實驗和測試-- 轉移力量到客戶實現有意義的結果 197
10.1 第1周和第2周：進行測試的原因以及有哪些選擇 198
10.1.1 第1周：前期準備和A/B測試 198
10.1.2 第2周：採用A/B測試之外的其他方法 201
10.2 第三周：測試什麼-- 具體的選擇和方案 207
10.2.1 周一：測試重要的頁面並號召行動 208
10.2.2 周二：關注搜尋流量 209
10.2.3 周三：內容測試和創新性測試 209
10.2.4 周四：價格測試和促銷測試 210
10.2.5 周五：對直接行銷活動測試 210
10.3 第四周：創建一個良好的實驗和測試程式 211
10.3.1 周一：提出假設和設定目標 211
10.3.2 周二：對多個目標進行測試和驗證 213
10.3.3 周三：從簡到難，享受其中的樂趣 214
10.3.4 周四：關注傳播和專業技術 215
10.3.5 周五：在每個測試程式中實現兩個重要的因素 215
第11章 第6個月：Web分析可行性背後的三個秘密 219
11.1 第1周：利用基準和目標來驅動行動 220
11.1.1 周一和周二：了解基準和設定目標的重要性 220
11.1.2 周三：利用外部基準 221
11.1.3 周四：利用內部基準 224
11.1.4 周五：鼓勵並創建目標 226
11.2 第2周：創建具有較大影響力的可執行報告板 229
11.2.1 周一：提供背景-- 基準、細分和趨勢 229
11.2.2 周二：將重要的幾個度量進行隔離 231
11.2.3 周三：不要停留於度量-- 包括認識 231
11.2.4 周四：將報告板限制在單個頁面上 233
11.2.5 周五：知道外觀的重要性 233
11.3 第3周：使用最佳實踐創建有效的報告板程式 234
11.3.1 周一：創建清晰的三位一體度量 234
11.3.2 周二：創建相關的報告板 236
11.3.3 周三：一個度量，一個責任人 237
11.3.4 周四：做實事 238
11.3.5 周五：對報告板的有效性進行測量 238
11.4 第4周：在Web分析中運用六西格瑪或者流程最佳化 239
11.4.1 周一：任何事物都是一個過程 239
11.4.2 周二到周四： 運用DMAIC過程 244
11.4.3 周五：對所學的知識進行回顧 246
第12章 第7個月：競爭情報與 Web 2.0分析 247
12.1 競爭情報分析 248
12.1.1 第1周：競爭性流量報告 248
12.1.2 第2周：搜尋引擎報告 253
12.2 Web 2.0分析 262
12.2.1 第三周：測量富互動應用程式(RIA)的成功 263
12.2.2 周4：測量RSS的成功 267
第13章 第8個月及之後： 揭穿Web分析的神話 275
13.1 路徑分析：它有什麼好處？一點兒都沒有 276
13.1.1 路徑分析帶來的挑戰 277
13.1.2 一個替代方案：篩選報告(Funnel report) 278
13.2 轉換率：一種毫無意義的執著 281
13.2.1 轉換率帶來的問題 281
13.2.2 一個替代方案：原始目的的任務完成率 283
13.3 完美：完美已死，願它永垂不朽 284
13.3.1 完美數據 285
13.3.2 網站速度下的Web 286
13.3.3 支離破碎的多元數據 286
13.4 實時數據：實際並不相關，利用其卻耗資巨大 287
13.4.1 獲取實時數據的後果 287
13.4.2 一份檢驗是否已準備好接受實時數據的清單 288
13.5 標準KPI：相關性並不強 290
第14章 高級分析概念-- 加速提升Web分析能力 293
14.1 發揮統計顯著性的能量 294
14.2 使用細分的神奇力量 296
14.2.1 按跳出量細分 296
14.2.2 按搜尋細分 297
14.2.3 將搜尋和跳出量相結合 298
14.2.4 查看細分數據的趨勢 298
14.3 使分析和報告“有聯繫” 299
14.3.1 使用直觀圖 300
14.3.2 使用有聯繫的語言 300
14.4 採用轉換率的最佳實踐 303
14.4.1 忘掉站點總轉換率 304
14.4.2 隨時關注趨勢，不要忘了季節性因素 304
14.4.3 理解Web站點/公司的商業獲取策略 305
14.4.4 測算前5個推薦URL的轉換率 305
14.4.5 不要測算頁面或連結的轉換率 306
14.4.6 瘋狂使用細分 306
14.4.7 總是在轉換率旁顯示收益 307
14.4.8 帶著一個既定目標去測算轉換率 308
14.5 提高對搜尋引擎行銷/按點擊付費的分析 309
14.5.1 測算您的跳出率(總計或按頂級關鍵字短語測算) 309
14.5.2 對分析供應商/機構進行審計 310
14.5.3 測算PPC行銷活動的侵蝕率(對比有機結果) 311
14.5.4 積極地推動測試和實驗 312
14.5.5 努力去理解客戶的多重目標 312
14.6 測算站點放棄率 313
14.6.1 對放棄率進行細分 314
14.6.2 找到可行的認識並採取行動 315
14.7 測算購買天數和訪問數 316
14.7.1 如何測算這些KPI 317
14.7.2 找出可行的認識並採取行動 318
14.8 藉助統計學的控制限值 320
14.8.1 計算控制限值 322
14.8.2 使用控制限值的一個實例 323
14.9 測算能夠轉換的“機會份額”的實際大小 324
14.9.1 使用跳出率 325
14.9.2 篩選掉搜尋爬蟲、圖像請求、404錯誤、Web站點監控軟體的“訪問” 326
14.9.3 使用客戶意圖 327
14.9.4 採取行動 329
第15章 創建以數據為本的文化-- 實際步驟和最佳實踐 333
15.1 尋找Web分析經理/主管的關鍵技巧 334
15.1.1 對於工作的極大熱情 334
15.1.2 熱愛變革，掌控變革 335
15.1.3 以無禮的方式質疑數據 335
15.1.4 CDI(基於客戶的創新) 335
15.1.5 並非真正的“數字天才” 336
15.1.6 天生的商業悟性和頭腦 336
15.1.7 令人印象深刻的人際交往技巧 337
15.2 何時和如何僱傭外部顧問或內部專家 337
15.2.1 階段1：襁褓嬰兒 338
15.2.2 階段2：蹣跚學步到懵懂少年 340
15.2.3 階段3：狂野青年 341
15.2.4 成熟-- 30而立 342
15.3 創建基於數據的決策文化的7個步驟 344
15.3.1 先去看盈虧底線(結果) 344
15.3.2 記住報告不是分析，應鼓勵後者 345
15.3.3 客觀作出決策 345
15.3.4 要積極主動而不要消極被動 346
15.3.5 賦予分析員更多的權力 346
15.3.6 追求三位一體 347
15.3.7 關於流程 347
作者介紹
Avinash Kaushik是備受讚譽的Web分析部落格Occam’S Razor（www.kaushik.net／avinash）的版主。他是一位獨立顧問，目前是Google的分析宣傳師。這之前他曾經是Intuit公司的網路研究與分析主管，負責管理分析平台上的業務、技術和策略元素，該分析平台為Intuit的70多個Web站點提供支持。Avinash Kaushik經常在Emetrics峰會上發言。媒體談及他時經常在其名字上冠以Web度量專家的稱號。Avinash將本書的全部收益都捐贈給了兩個慈善機構：微笑列車和無國界醫生組織。
作品目錄
第1章 Web分析—— 現狀與展望1.1 Web分析的簡史
1.2 現狀和挑戰
1.3 傳統Web分析已經廢棄
1.4 新的Web分析
1.4.1 測量定量和定性數據
1.4.2 三位一體：思路和戰略方法
第2章 數據收集——重要性和選擇
2.1 了解數據前景
2.2 點擊流數據
2.2.1 Web日誌
2.2.2 Web Beacons
2.2.3 JavaScript標記
2.2.4 包嗅探器
2.3 結果數據
2.3.1 電子商務
2.3.2 導引生成
2.3.3 品牌/宣傳和支持
2.4 研究數據
2.4.1 思路
2.4.2 組織結構
2.4.3 時機
2.5 競爭數據
2.5.1 基於專門小組的測量
2.5.2 基於ISP的測量
2.5.3 搜尋引擎數據
第3章 定量分析概述
3.1 以客戶為中心的重要性
3.2 實驗室可用性測試
3.2.1 實施測試
3.2.2 實驗室可用性測試的好處
3.2.3 注意點
3.3 啟發式評估
3.3.1 實施啟發式評估
3.3.2 啟發式評估的好處
3.3.3 注意點
3.4 實地考察
3.4.1 進行實地考察
3.4.2 實地考察的好處
3.4.3 注意點
3.5 調研（問卷調查）
3.5.1 站點調研
3.5.2 訪問後調研
3.5.3 創建和執行調研
3.5.4 調研的好處
3.5.5 注意點
3.6 小結
第4章 Web分析策略成功的關鍵要素
4.1 致力於以客戶為中心
4.2 解決業務問題
4.3 遵循10/90原則
4.4 僱傭優秀的Web分析師
4.5 確定最佳組織結構和職能
4.5.1 集中式
4.5.2 分散式
4.5.3 集中分散式
第5章 Web分析的原理
5.1 捕獲數據：Web日誌還是JavaScript標記
5.1.1 將數據服務和數據捕獲分離
5.1.2 數據類型和大小
5.1.3 創新
第6章 第1個月：對Web分析的核心概念進行深入挖掘
第7章 第2個月：啟動Web數據分析
第8章 第3個月：搜尋分析——站內搜尋、SEO和PPC
第9章 第4個月：對電子郵件和多渠道行銷進行測量
第10章 第5個月：Web站點實驗和測試——轉移力量到客戶並實現有意義的結果
第11章 第6個月：Web分析可行性背後的三個秘密
第12章 第7個月：競爭情報與 Web 2.0分析
第13章 第8個月及之後： 揭穿Web分析的神話
第14章 高級分析概念——加速提升Web分析能力
第15章 創建以數據為本的文化——實際步驟和最佳實踐
