《人人都是网站分析师》内容简介

这是一本真正能让网站分析的数据结果产生商业价值的著作。很多人都知道网站分析中的指标，但很少有人知道它们使用的场景。很多人都知道网站分析工具能提供数据，但很少有人知道为什么需要这些数据。很多人都知道数据对网站很重要，但很少有人知道数据究竟能带来什么价值。输入的是垃圾，输出的也是垃圾，单纯的数据对企业来说没有价值。
本书从分析师的视角系统、深入地讲解了如何理解网站和解读数据。首先，通过讲解网站的信息架构和工作原理，不仅系统介绍有哪些分析指标，而且会详细介绍每一个指标的使用场景；不仅会分析每个指标数据的作用和局限性，而且还会介绍这些数据如何与业务结合才能产生价值。其次，通过讲解以业务为中心的代码设计、Tag Manager高级代码实施、Google Analytics跨屏追踪、网站流量分类原理及逻辑，详细讲解了如何分析数据、选择数据、使用数据才能确保分析结果的价值，最终为网站的运营提供决策依据。
王彦平（蓝鲸） 资深网站数据分析专家，“蓝鲸的网站分析笔记”（http://bluewhale.cc）博主，8年网站数据分析工作经验，尤其擅长使用Google Analytics等网站分析工具在国内网站分析领域颇有影响力和知名度。
此外，他还是畅销书《流量的秘密（第2版）》的译者及《网站分析实战》的作者。Web Analytics Association会员、DMOZ Open Directory Project志愿者、及艾瑞专家团成员。

作品目录

本书赞誉
前言
为什么写这本书
读者对象
如何阅读本书
勘误和支持
致谢
第1章：什么是网站分析
1.1、网站分析的定义
1.1.1、网站分析定义及关键信息的概述
1.1.2、关键信息解读
1.1.3、网站分析定义的总结
1.2、网站分析的作用
1.2.1、网站的眼睛
1.2.2、网站的神经系统
1.2.3、网站的大脑
1.3、学习网站分析的5个阶段
第2章：网站分析工具
2.1、网站分析的3个阶段及其工具
2.1.1、服务器日志和计数器阶段
2.1.2、网站数据统计阶段
2.1.3、网站数据分析阶段
2.2、服务器日志和JavaScript日志对比
2.2.1、网站服务器日志的特点
2.2.2、JavaScript日志的特点
2.2.3、数据差异和准确性对比
2.2.4、数据全面性对比
2.3、如何选择适合的网站分析工具
2.3.1、有逻辑地展现网站中各项指标
2.3.2、可定制并与网站的商业目标结合
2.3.3、发现数据中的问题
2.3.4、使用通俗易懂的指标及描述
2.3.5、专业及完善的服务和技术支持
2.4、Webtrekk工具
2.4.1、功能套件及扩展工具
2.4.2、Webtrekk
Q3特色功能
2.5、个性化网站分析工具推荐
2.5.1、Clicktale
2.5.2、Crazyegg
2.5.3、SkyGlue
2.6、SkyGlue工具
2.6.1、实施过程
2.6.2、工作原理
2.6.3、追踪每一位独立访问者
2.6.4、追踪独立访问者的每一次点击
2.6.5、跨渠道与跨地域追踪访问者
2.6.6、对事件进行追踪
2.6.7、SkyGlue工具测试总结
2.7、用户调研工具
2.8、竞争分析工具
2.8.1、Alexa
2.8.2、Google
Ad
Planner
第3章：从网站分析师的角度理解网站
3.1、理解网站的目的和不同阶段的目标
3.1.1、网站存在的目的
3.1.2、网站不同阶段的目标
3.2、理解网站的流量策略
3.3、理解网站的信息架构
3.3.1、什么是元数据
3.3.2、元数据的作用和使用者
3.4、理解网站的页面分类
3.4.1、网站中的三类页面
3.4.2、页面的关注点和衡量指标
3.5、理解网站的流程结构
3.6、理解网站URL中的关键信息
3.7、理解站内搜索的工作原理
3.8、理解网站的成功及微转化
第4章：指标的使用场景及计算方法
4.1、6种最常见的指标场景
4.1.1、计数指标和复合指标
4.1.2、货币指标与非货币指标
4.1.3、正向指标与负面指标
4.1.4、广告指标与网站指标
4.1.5、用户行为指标与网站性能指标
4.1.6、驱动指标与绩效指标
4.2、指标及计算方法
4.2.1、广告端基本计数指标
4.2.2、广告端扩展指标
4.2.3、网站端基本计数指标
4.2.4、网站端扩展指标
第5章：广告数据及网站数据的监测原理
5.1、Cookie的作用及分类
5.1.1、第一方和第三方Cookie
5.1.2、永久和临时Cookie
5.2、广告数据监测原理
5.2.1、广告点击监测
5.2.2、搜索引擎排名监测
5.2.3、EDM广告监测
5.2.4、分析工具识别及处理流量的逻辑
5.3、网站数据监测原理
5.3.1、PageView日志示例
5.3.2、常见的5种日志类型
5.4、数据准确性及数据差异问题
5.4.1、数据准确性问题
5.4.2、数据差异问题
第6章：监测代码设计、实施和检查
6.1、用户隐私保护
6.2、网站监测的GIGO原则及实施流程
6.2.1、为什么无法从数据中获得洞察
6.2.2、以业务为中心的代码实施流程
6.3、广告及网站的监测代码设计
6.3.1、广告端代码设计
6.3.2、网站端代码设计
6.3.3、14个需要考虑的代码设计问题
6.4、监测代码实施方法
6.4.1、基础代码实施方法
6.4.2、高级代码实施方法
6.5、监测代码检查
6.5.1、页面源代码检查
6.5.2、Cookie值检查
6.5.3、使用工具检查
6.5.4、实时报告及最终报告检查
第7章：网站分析的5种常用方法及使用场景
7.1、细分分析法
7.1.1、使用场景
7.1.2、如何在
Google
Analytics
中完成细分
7.2、对比分析法
7.2.1、使用场景
7.2.2、如何在
Google
Analytics
中完成对比分析
7.3、聚类分析法
7.3.1、使用场景
7.3.2、如何在
Google
Analytics
中完成聚类分析
7.4、质与量分析法
7.4.1、使用场景
7.4.2、如何在Google
Analytics中完成质与量分析
7.5、转化及漏斗分析法
7.5.1、使用场景
7.5.2、如何在Google
Analytics中完成转化分析
第8章：网站分析框架及报告解读
8.1、Google
Analytics简介
8.1.1、谁在使用Google
Analytics
8.1.2、Google
Analytics
特点
8.2、解读报告的基础知识：指标和维度
8.2.1、什么是指标
8.2.2、什么是维度
8.2.3、快速区分指标与维度
8.3、解读
Google
Analytics
报告的技巧
8.3.1、第一步：明确阅读报告的目的
8.3.2、第二步：时间范围及颗粒度选择
8.3.3、第三步：多指标的趋势变化及对比
8.3.4、第四步：查看报告中的细分数据
8.3.5、小技巧：高级筛选及加权排序
8.4、网站分析框架及Google
Analytics报告解读
8.4.1、实时报告解读
8.4.2、受众群体报告解读
8.4.3、流量获取报告解读
8.4.4、行为报告解读
8.4.5、转化报告解读
8.5、回顾网站分析模型
附录
本书介绍的数据分析工具
阅读推荐——网站数据分析相关博客

热门书摘

从网站分析的角度来看，用户体验的衡量标准只有3个：• 访问目的是否完成。• 实现目标所耗费的时间。• 实现目标所进行的任务负荷。

• 访问目的是否完成。• 实现目标所耗费的时间。• 实现目标所进行的任务负荷。

目前网站分析使用最多的方法就是细分，通过细分找出问题。因此，使用多维度对指标进行结构化深度细分的能力是判断一个网站分析工具是否优秀的第三步。

笔者也把对指标的描述作为判断一个网站分析工具是否优秀的第四步

“蓝鲸网站分析笔记”是网站分析师们的必修之课。本书汇集了作者多年的实践

。但他们却忘了重要的GIGO原则（Garbage In Garbage Out），输入的是垃圾，输出的也是垃圾。数据必须和业务紧密结合才能产生价值。这些

“通过分析来自网站及竞争对手的定性与定量数据，驱动用户及潜在用户

数据、用户体验和结果

目标只有转化为可以被量化的数字后才可以被称为可执行的指标

定量数据告诉我们网站中每天发生的故事，而定性数据则可以告诉我们这些故事发生的原因

用户体验的衡量标准只有3个：

第二个阶段是网站数据统计阶段

第三个阶段是网站数据分析阶段。

网站服务器日志和 JavaScript 日志

网站分析工具最基本的功能之一就是收集数据和展现数据

如何将分析工具中的数字与网站目标紧密结合也是衡量一个网站分析工具是否优秀的第二步

业务问题给出答案

网站按目标分为以货币收入为目标的网站和以非货币收入为目标的网站。在以货币为目标的网站中，又分为直接通过网站获得收入的电商类网站和通过网站间接获取收入的门户类网站

3. 不同阶段流量渠道的作用

3.3　理解网站的信息架构

描述性元数据

• 固有性元数据是指事物所固有的与事物构成有关的元数据。• 管理性元数据是指与事物处理方式有关的元数据。• 描述性元数据是指与事物本质有关的元数据

对于网站中商品或信息分类方法的衡量标准只有一个，就是用户能方便地找到并发现信息。

，对于某个品类的商品，当关注度不高时，究竟是因为商品本身不受关注，还是季节因素不受关注，还是因为信息架构太复杂或错误的分类导致用户无法找到该商品？

差异的原因有两个