您当前位置: 首页 »

数据分析

分类目录归档: 数据分析

10个增长模型-宋星

工具总是不断推陈出新,增加(或者打补丁)各种功能,但思维模型和分析方法,却隽永而美好。更何况,有了各种模型,才幻化出各种各样的工具。

所以,学习模型和方法才是真正事半功倍的好办法。

不过,与以往我的文章不同,这篇文章不纠结于细节(不然又是几万字的大文章,大家看着也累)。如果你希望更深入了解具体模型,我会提供链接,大家可以进一步阅读。

另外,一些非常理论化的模型,比如AARRR,AAAAA(5A),AIPL模型,因为更多是一种思维,而不是方法,没有被我总结在此列。如果大家对这些模型感兴趣,百度搜索便知。

那,现在便开始我认为重要的2019年的更新版模型总结吧!

模型一:Engagement Index模型

Engagement Index模型的思维并不复杂,即权重化部分甚至所有的用户交互行为。

讲一个最理想最极端的例子(但这样的例子有助于大家理解),如果你认为最终的一个转化价值1000分的话,那么转化之前的用户的行为可以按照与转化发生的比例“打分”。例如,每发生1次转化,就需要看商品介绍页面100次,那么查看商品介绍页的行为每发生一次,就值10分。

这是手工计算的Engagement Index。放在AI这么热门的今天,Engagement Index有可能就是机器来计算了,计算的方式,跟我们后面要讲到的归因模型比较类似。

大家对于Engagement Index模型可能还比较陌生,但对于它的应用场景你肯定不会觉得陌生。

今天,无论是给用户打标签(尤其是CDP或者DMP给用户打标签)所用的方法,还是CRM给销售线索打分,又或是评价一个流量或者人群的质量,无一不是基于这个模型或是以这个模型作为思想。也正因此,把它放在诸多经典模型的首位我自认为并不偏颇。

比如,我非常喜欢的一款全渠道营销管理与自动化工具Marketin——可能了解的朋友同样不多,但这个产自中国的工具制作的非常良心且用心——的用户标记及销售线索打分的功能,就是基于这个模型。

关于Engagement和Engagement Index的解释,可以看我很多年前写的文章:网络营销效果衡量的核心指标及我们用什么样的逻辑思考(2)网络营销效果衡量的核心指标及我们用什么样的逻辑思考(3)网站分析的最基本度量(8)——Engagement

模型二:Engagement-ROI模型

从Engagement Index可以引出另外一个同样极为重要的模型:Engagement-ROI模型。

这个由两个指标构建的模型是我们解决流量质量和人群质量分析中诸多问题的开端。我们通常会构建一个四象限的模型来进行分析:

理解Engagement-ROI模型并不困难,它描述了人群的行为(兴趣)和最终变现之间的最直接关系。高兴趣而低变现(上图的第二象限)和低兴趣而高变现(上图的第四象限)都值得我们进一步挖掘。尤其是高兴趣低变现的情况,可能蕴含着未被发掘的价值或潜在机会。

这个模型对于拥有较复杂流量/人群构成的企业而言,极有价值。

关于这个模型,我没有写过相关文章。但在公开课上会详细介绍。

模型三:以人为核心的转化漏斗模型

转化漏斗大家绝对都不陌生。但转化漏斗模型本身仍然在进化。

主要的进化是从以流量为核心的转化漏斗,进一步扩展为以人为核心的转化漏斗。

这并不意味着以流量为核心的转化漏斗不再重要,对于较为需要在段时间周期内实现转化的生意,构建以流量为核心的转化漏斗是优化的必用模型。

但以人为核心的转化漏斗的区别在于,考虑到今天数字世界的极为膨胀和碎片化的趋势,不同触点(关于什么是触点,请看我的这篇文章:DMP 101之一:DMP的本质是什么?)的用户是同一个人的情况非常普遍,实现以人为核心的转化追踪和分析就更加重要了。

下面这个图很好的解释了以人为核心的转化漏斗模型。数据分析也因此比以流量为核心的转化漏斗要复杂——并不是因为计算更复杂,而是数据的来源更多,且时间周期更长。

这个模型的实际使用功能常常由DMP或CDP实现,普通用户行为工具较难完成相关数据的抓取,也就很难构建模型。

这个模型跟后面马上要提到的归因模型有关联,但也有区别。归因主要是以渠道和触点为维度,描述各种转化路径的构型,分析渠道与触点对最终转化的贡献;而以人为核心的转化漏斗,则是用于分析预置步骤的转化过程。相对而言,归因模型更加复杂。

关于转化漏斗的基础知识,可以看这两篇文章:互联网运营数据分析必须掌握的十个经典方法数据驱动的电商销售转化提升的方案与实践——跨境电商的一个真实案例

模型四:MOT、归因以及消费者旅程模型

严格来讲,这是三个模型。MOT模型用来表述消费者发生的关键性转变,归因模型则描述引发消费者关键转变的渠道或是场景,而消费者旅程则从更“普遍性”的角度描述同一消费者跨触点的行为。

MOT的意思是Moment of Truth,描述消费者被营销或者激发之后发生的行为变化的关键时点。

当进行营销活动的设计(campaign)以及监测这些campaign的效果时,我会特别推崇MOT模型。因为本质上,设计一个campaign,就是为了确保各种营销活动的“伏线”能够激发消费者兴趣及行为的转变。

上图是MOT模型的一个典型示例。你可能一下子看不太懂,别担心,我稍作解释。

这个图的主旨是对campaign中消费者的旅程(customer journey)进行设计的“索引表”。任何一个campaign都有营销目标,因此上图第一行是AIPLA模型指导下的营销活动的常见的目标,并且第二行为每个单一目标打了权重,每个campaign的权重设置可能都是有区别的,毕竟不同campaign的偏重不同。

在这个总目标下,营销人再继续“编织”更细节的营销活动安排,比如,为了增加awareness(曝光度),做KOL的子campaign。图中的绿色格的深浅,表示了在每个环节资源投入的程度,颜色越深,投入资源越大,该项活动占有的权重也越大。

你肯定也注意到了黄色的箭头线,它代表了一次campaign中的各个具体活动(子campaign)之间的关联或者转化关系。设计转化关系对于campaign,尤其是品牌campaign尤为重要,因为品牌campaign的真实绩效数据更加难以获取,那么必然需要让消费者产生可以被量化的行为才能容易衡量campaign短期内的效果。不仅如此,黄色的箭头也描述了消费者即将发生的实际旅程。

在具体利用这个模型的时候,肯定还需要在每一个绿格中间填入更加细致的活动设计、数据指标及收集方法,以及执行方法等。

精细地应用MOT工具,能够极大程度帮助营销活动的执行与之后的数据分析。这也是为什么我一直强调,营销与运营的数据是提前规划才可能获得的,而不是依赖于某种技术或工具就能随时获得,尽管技术和工具必不可少,但提前规划更加重要。

那么,为什么要把MOT和归因等两个模型并列呢?

原因在于,MOT是归因模型和消费者旅程模型的基础,而归因模型(尤其是基于用户而不是基于流量的归因,但目前只能通过强用户ID实现)与消费者旅程模型则是用来定量化描述MOT和消费者旅程的。

归因模型解决两个问题:第一、对于一次成功的转化,各个渠道或触点各有多少的功劳;第二、描述各个渠道或触点对该转化进行贡献的先后关系甚至因果关系(但因果关系还需要人进行分析才可能得出)。对于归因的解释有非常多的文章,我会建议大家阅读iCDO(互联网数据官)上关于归因的专题:http://www.icdo.com.cn/?s=%E5%BD%92%E5%9B%A0。在我的大课堂上则有非常详细的讲解与应用案例。

而消费者旅程模型则是更加“泛化”的归因模型。归因模型仍然强调要发生最终的转化,因为归因二字,实际上是英文attribution(功劳归属)的意思,所以它的作用是回溯转化之前的渠道和触点。但消费者旅程模型则直接描述消费者在不同触点上的行为和先后发生的次序。你可以认为消费者旅程模型是流量的路径模型升级为“以人为核心”的“高级”版本。实现消费者旅程模型的最重要工具是DMP或者CDP。大家可以查看我DMP系列的文章:http://www.chinawebanalytics.cn/?s=dmp,有很多细致的解说。

MOT模型、归因、消费者旅程、转化漏斗,实际上都经历了从流量分析到人的分析的转变(如下面的引用所示)。

流量                                                          –>  人

网站/app/小程序等单触点上的关键行为     –> MOT

基于流量转化的归因                                   –> 基于人转化的归因

流量路径                                                    –> 消费者旅程

流量转化漏斗                                             –> 以人为核心的转化漏斗

这些转变的背后,是互联网产品进一步细分分化,和消费者进一步碎片化的必然结果。不过,坦率讲,以人为核心进行数据收集和分析,目前面临了很多尚未解决的问题,目前能收集到的数据范围很有限,数据质量则参差不齐。

模型五:细分模型及各种常用的细分场景

另一个最最重要的模型几乎贯穿我们所有工作的始终。当然,说它是一个模型并不妥当,它是一类思维方式的总称。这个模型当然是细分。

细分本身并无什么玄妙之处,我也无须解释。不过,常用的细分模型还是有一些典型的类别的,掌握如下这些(还包括太多太多我没有写进去的)常用的细分方式,对我们的工作有事半功倍之疗效。

1. 流量渠道细分——最常用的方式就是我们模型二:Engagement和ROI模型所用的方法。

2. 流量与落地页细分——对于分析流量和承接端的匹配那是超级有用。

3. 人群细分,尤其是注册与非注册人群——CDP、DMP的根本。而我本人,则喜欢对更显性的人群做细分,例如,已经注册和未注册人群的差异。

4. UI和内容的细分——用于辨识不同UI和内容对于人的行为的影响。常常用于分析和优化转化,尤其是微转化领域。

5. 行为细分——热图,下一步分析,参考我热图相关的文章:http://www.chinawebanalytics.cn/?s=%E7%83%AD%E5%9B%BE

6. AB测试,本质上也是利用UI或者UX的差异,人为故意地建立行为的细分,并且AB测试已经不仅仅扩展到UX,随着人群细分能力和CEM相关技术的提升,现在已经可以做到针对不同的营销策略和执行进行AB测试。这样能对不同营销策略和执行进行AB测试的工具,例如我前面提到的Marketin。与前面讲的第4种的区别在于,这个是主动建立差异,而第4点是细分不同业已存在的UI或者内容。

细分极为重要,各种细分场景也多到数不清,而且很多其他模型本身就是一种细分,比如我们讲的转化漏斗和归因,就是对过程进行细分,比如后面讲用户忠诚和留存的cohort,就是对人群进行细分。善于进行细分是一种能力,体现了营销和运营工作的基本素质。

模型六:流量优先级模型

媒体的eCPM决定了流量优先级,而流量优先级又进一步决定了你能获得的流量质量的好坏。因此,进行引流操作,必须理解这一模型和背后的原理。

这个模型的含义是任何媒体都不会将他们的各类广告资源视为同等重要,其重要性由eCPM决定。eCPM越高,媒体就会给予这类资源更高的优先级并寻求将之与更高优先级的广告主进行匹配。

高优先级的资源往往具有更好的质量。因此,反过来讲,如果广告主希望获得更高的优先级,那么在预算一定的情况下,应想办法让广告主的eCPM得以提升。

对于任何非CPM和CPD的广告资源,广告主提升媒体eCPM的好方法是提升CTR(对于CPC类广告),或是转化率(对于CPA类广告)。

媒体普遍采用的监督学习的机器学习方式,进一步强化了这种趋势。

具体内容可以参考这篇文章:质量得分的秘密——什么逻辑?如何优化?

模型七:用户忠诚与流失相关的模型

这个模型同样不是一个,而是一组,包含多个模型:留存曲线、cohort模型、RFM、流失预测模型等。

留存曲线是描述一个细分人群(通常用时间细分,或者用人群源细分),随着时间留存的情况。下面两个图,第一个是示意图,第二个则是具体真实数据例子中的图。留存曲线比较直观的展现了不同群体留存的情况,从而帮助我们分析什么属性或者什么原因能够有更好的留存。

Cohort模型(同类群模型)则是留存曲线用具体的数字来表示,本质上跟留存曲线并无差异。下图就是一个典型的cohort分析图。

9

关于cohort分析,看我的这篇文章:互联网运营数据分析必须掌握的十个经典方法

另外一个模型——RFM模型——是一个非常棒的模型,因为它基本上用excel就能完成模型的建立,但作用却非常巨大。

RFM用三个维度R(Recency,新近度)、F(Frequency,频次)、M(Monetary Value,现金价值)来衡量用户的价值。下面三个图都是很棒的分析,最后一个是输入数据后,工具直接实现的。这个工具感觉不错(我没用过)。

流失预测模型,是用历史流失发生的数据,训练数据模型,从而预测未来的流失,最常用的模型是决策树之类的数据挖掘方法。这个模型普遍应用于零售、游戏、高频次的互联网服务等。我的大课堂会介绍,不再赘言。

模型八:增长曲线

增长曲线是极为简单但重要的模型,它描述了增(减)的趋势。

例如,在搜索投放中,我们建立增长曲线观察一个核心类词的增衰趋势。

image

引自:数据驱动的电子商务组织架构的迷局和反思

又如,我们用增长曲线发现不正常的增长(作弊)。

增长曲线模型最重要的不是曲线本身,而是解释曲线增减背后的原因或故事。

模型九:监督学习

监督学习前面已经提到了好几次,它是如此重要,事实上我们的很多人工智能本质上都是监督学习(当然也有别的机器学习的方法,但监督学习无疑是最基础最重要的)。

监督学习主要在今天的精准广告投放上发挥作用。例如高质量的DMP和CDP应该带有监督学习的模块或者能力。

监督学习依赖于更广范围和更高质量的数据。毫无疑问,今天以人为核心维度的数据收集为监督学习提供了更大的空间。

并不需要你学习如何创造监督学习,但显然理解它的逻辑很有意义。这篇文章可能能够帮助你:【万字长文】深度解读2018年互联网营销的新生态

模型十:推荐模型

推荐模型基本上是今天互联网运营最常用的模型之一了。这个模型的价值在于提升用户体验,并且创造cross-sell和up-sell的机会。因此,它显然也是一个围绕人构建的模型。

推荐模型基于一些常用的推荐算法或算法的组合。

这些算法包括:协同过滤算法、逻辑回归、或者近似内容关联。机器学习同样用在推荐模型中。

协同过滤算法这个最为常见的算法,它的逻辑很容易理解,如下:

如下文字引用自:https://blog.csdn.net/fyq201749/article/details/81026950,作者:fyq201749

协同过滤算法(Collaborative Filtering, CF)是很常用的一种算法,在很多电商网站上都有用到。CF算法包括基于用户的CF(User-based CF)和基于物品的CF(Item-based CF)。

基于用户的CF原理如下:

  1. 分析各个用户对item的评价(通过浏览记录、购买记录等);
  2. 依据用户对item的评价计算得出所有用户之间的相似度;
  3. 选出与当前用户最相似的N个用户;
  4. 将这N个用户评价最高并且当前用户又没有浏览过的item推荐给当前用户。

行业中有大量的开源的推荐算法。不过,开源的推荐算法往往不够解决你的实际业务问题,因此,推荐算法需要做一定程度的定制或重构。

总结

这十个模型(事实上是15个具体的模型)并不能穷尽今天在互联网营销和运营上的全部常用数据方法。但我认为,理解当今的行业变化至关重要,在此此基础上再决定应该应用什么样的方法或者模型才更加现实。今天的行业变化正在从流量为中心变迁为用户(人)为中心,这一变化必然将增加过去所有经典模型的复杂性,并对从业者提出了更高的要求。

欢迎大家提出自己的见解,或者提出自己认为重要的模型。

 

本文来源:数据分析大牛宋星   http://www.chinawebanalytics.cn/10-classical-models-for-growth/

10个Google Analytics使用技巧-本文转载

 几乎每个网站都会统计自身的浏览状况:日IP、PV、跳出率、转换率、浏览者属性等等。了解这些数据有助于更好地了解浏览者的属性、知道网站在什么地方存在缺陷,为更好地提供服务、提高网站收入都有所帮助。

对于大多数网站而言,Google Analytics是最普遍选择的方案,因为Google Analytics提供了非常强大的功能,最重要的是,它是免费的,而且不会像某些统计网站那样,会要求网站主在网站上标明是用它来统计的。

但是,很多人在使用Google Analytics时只是简单地将Google提供的统计代码放到网站中去,实际上Google Analytics有不少鲜为人知的实用技巧,这篇文章将介绍其中一些。

一、将代码放到页面底部

除非你要在网页的中部调用Google Analytics的函数(下面的部分例子需要这么做),否则最好将GA的统计代码放到页面的底部。一般位于</body>之前。

对于WordPress博客来说,可以将代码放到footer.php的</body>之前。

GA的统计代码是一段Javascript,如果将它放到页面头部或中部,在一定程度上是会影响网页的加载速度的,尤其是当你正在使用的是老掉牙的IE,而非Firefox或Chrome等的时候。

二、跟踪出站点击

Google Analytics除了可以统计站内的点击情况之外,还可以统计访客点击什么链接离开了网站。要统计这些链接,需要在链接的代码上做出更改,一般的链接代码是这样的:

<a href="http://www.kenengba.com">可能吧</a>

要想GA统计出站点击,代码需要改成以下形式:

<a href="http://www.kenengba.com" onClick="javascript: pageTracker._trackPageview (‘/outgoing/kenengba.com’);">可能吧</a>

这样,当浏览者在你的网站点击了“可能吧”的链接后,点击会被统计到“outgoing/kenengba.com”里,数据可以在Google Analytics报表里查到。

需要注意的是,要跟踪出站点击,Google Analytics的统计代码必须放到被统计链接的前面,例如<body>下方,不然链接统计代码就无效了。

如果你在页面上放置了第三方网站的广告,用这种方式可以得到较为详细的点击报表。

三、跟踪下载(视频、音乐)点击

Google Analytics的代码是嵌入到网页中去的,如果你的网站提供视频、音乐下载,如何统计这些不能嵌入代码的文件的点击量呢?

不妨将视线往上看,参考“跟踪出站点击”的方法,我们还可以用GA来统计站内的下载情况。

比如,你的网站(假设为 kenengba.com)上有一个链接是指向kenengba.com/av.avi的,一般的链接是这样的

<a href="http://kenengba.com/av.avi">下载av.avi</a>

要实现GA统计下载点击,代码可以改为下列形式:

<a href="http://kenengba.com/av.avi" onClick="javascript: pageTracker._trackPageview (‘/download/av.avi’);">下载av.av</a>

这样,下载点击数就会被计算到download/av.avi里了。

和上面的例子一样,GA统计代码必须放置到被统计链接的前面。

四、不统计自己的点击

有时为了测试不同的效果,我们往往不断刷新自己的网站,但这些点击对网站总体的点击状况会造成一定的影响,因为在大多数情况下,我们只需要了解其它访客的浏览情况,自己的浏览情况被统计进去反而让数据显得不够真实。

Google Analytics提供了强大的过滤器功能,这其中包括了过滤某些点击的特性。

1、IP过滤

如果站长的IP是固定IP,可以将IP添加到过滤列表,方法如下:
(1)打开Google Analytics,转到某个网站的配置文件里。
(2)在配置文件的倒数第二项是“过滤器”,点击“添加过滤器”
(3)过滤器的设置为:排除来自某 IP 地址的所有点击量,并在表单里填入IP地址。
(4)需要注意的是,IP不是直接填写的,每个“.”的前面需要添加“\”,示例:63\.212\.171\.3
(5)你也可以屏蔽一个IP段,比如:63\.212\.171\.*

2、Cookie过滤

如果需要过滤的IP不是静态IP,那就需要通过Cookie来过滤,方法如下:
(1)在网站上创建一个新的页面
(2)在页面的代码里加入:

<body onLoad="javascript:pageTracker._setVar(’test_value‘);">

其中”test_value”是可以自定义的字符。
(3)访问一次这个页面,让电脑里留下这个Cookie
(4)打开Google Analytics,转到某个网站的配置文件里。在配置文件的倒数第二项是“过滤器”,点击“添加过滤器”。
(5)添加如下图所示的过滤器:

五、结合Adsense查看收入情况

Google提供了Analytics统计Adsense广告点击情况的统计功能。要启用这个功能,进入到Adsense后台首页,将Adsense帐户与Analytics帐户结合即可。

通过Analytics的数据,我们可以轻松得到Adsense广告点击者的地理位置、浏览器、搜索关键词、点击来源、浏览的页面、跳出率……。

知道这些数据有什么用?简单举2个例子:

1、了解哪些页面或关键词引来的浏览者的广告点击率、广告单价最高,在网站的后期发展多提供能转化为收入的内容。

2、了解哪些浏览器的用户的广告点击价值最好,加入网站的99% Adsense收入都来自IE用户,那就可以考虑只针对IE用户显示广告。

我曾经以可能吧的Adsense点击状况为例,写过“中文原创博客Adsense点击分析与优化建议”,里面有更详细的分析。

六、查看特定人群的统计状况

在一般情况下,Google Analytics的数据报表里的人群都是“所有浏览者”,也就是说,“浏览器”项目列出的是所有浏览者的浏览器状况、“操作系统”项目列出的是所有浏览者的操作系统状况。

那么,能否看某个特定群体的数据呢?比如“点Adsense广告的人用什么浏览器居多?”

答案是肯定的,Google提供了一个名为“高级群体”的功能:

你可以通过这个功能,筛选一些特定的用户,比如“点Adsense广告的人”:

接下来,你可以在报告的主面板里选择这个新建的群体,你还可以同时勾选其它群体来比较数据,下图是“IE浏览者的带来的Adsense收入”与“总Adsense收入”的曲线对比:

可以看出,IE用户是可能吧广告点击的主要群体。

七、与同行相比较

Google Analytics提供了“基准化”的数据比较功能,只要你在帐户设置里共享了你的网站统计数据(匿名),你就能使用“基准化”功能。

点开“访问者”标签,选择“基准化”:

在右侧里找到“打开目录列表”,在这里你可以选择与你网站进行比较的网站类型,对于可能吧来说,选择“社交网络与在线社区>博客资源与服务”,接下来你就能看到你的网站与其它网站的平均值之间的比较。

这是可能吧与其它博客网站进行“浏览量”基准化比较的图表:

其中蓝线为可能吧的数据,灰线为基准化数据。

八、识别非主流搜索引擎

Google Analytics虽然好用,但它对中文搜索引擎的支持尚待改进。使用GA的朋友可能会发现,Google Analytics的“搜索引擎”统计里是没有“soso”、“yodao”、“sogou”等搜索引擎的,从这些搜索引擎搜索进来的用户会被认为是来自“推介网站(referrel)”,我们需要手动告诉Google,“soso”、“yodao”、“sogou”等虽然份额小,但也是搜索引擎。

方法非常简单,在Google Analytics的调用代码的“pageTracker._trackPageview();”前添加识别非主流搜索引擎的代码,比如soso,代码如下:

pageTracker._addOrganic("soso","w");

其中“soso”是搜索引擎的名称,“w”是搜索代码,这两个字符哪里来的?通过研究soso的搜索URL可以得出,这是soso的一般搜索URL:

http://www.soso.com/q?pid=s.idx&w=kenengba

留意URL中的“soso”和“w”,这时你应该理解“w”表示什么。

同样的,添加其它非主流中文搜索引擎:

    * pageTracker._addOrganic("3721","name");
    * pageTracker._addOrganic("yodao","q");
    * pageTracker._addOrganic("vnet","kw");
    * pageTracker._addOrganic("sogou","query");

你可以也可以打开可能吧的任一页面找到这些内容。

九、将搜索“网站名”进来的流量当作直接流量

搜索引擎在一定程度上替代了收藏夹,比如要上可能吧,可能很多人在Google搜索“可能吧”或“kenengba.com”,而不是直接在地址栏输入拼音。

搜索网站名和域名进入到网站的流量应该算作“搜索流量”还是“直接流量”呢?

我认为应该算作“直接流量”。但是,Google Analytics会将这些流量看作是“搜索流量”,我们需要手动告诉Google,这些流量是“直接流量”。方法和上面提到的“识别非主流搜索引擎”类似。

在Google Analytics的调用代码的“pageTracker._trackPageview();”前添加识别“搜索来的直接流量”的代码,比如我想将搜索“kenengba.com”或“可能吧”进入可能吧的浏览量归为直接浏览量,代码如下:

    * pageTracker._addIgnoredOrganic("kenengba.com");
    * pageTracker._addIgnoredOrganic("可能吧");

 

十、直观地查看数据的变化

Google Analytics提供了直观的数据变化查看功能,要使用这个功能,你必须首先将你的Google Analytics设置为英文版(EN(US)),接着,在一些项目里你能看到报表的上方多了一个名为“Visualize”的按钮:

点击进去你能看到这个项目的数据会以动画的形式按时间轴来展示。这么说有点抽象,亲手试试就明白其中的意义了。

通过“Visualize”,你可以直观地查看一篇文章在一段时间内浏览量的变化,或者某个浏览器用户群的变化,非常实用。

投票活动效果监测

 在上一篇文章中,我们讲到通过举办网上投票活动,可以在短期获得不错的关注与流量。我就从我本身参加google牛人活动,来做一个亲身验证。 

 我在google牛人活动的投票内容如下: 

我在google牛人活动的投票选项 

 可以看到该选项留下了到我博客一些链接。一些投票支持我,或者对该选项感兴趣的朋友,就会通过该链接点到我的博客来,从而也提升了本人博客的流量。   

参加这次投票活动,我博客的流量在这几天有了一个很大的提升。 

博客参加投票活动后流量变化曲线 

这是从参加投票活动带来的流量变化。所谓管中窥豹,可见一斑。由于这些增加的流量都是从投票活动所在的网页带来的,从我自身博客的流量变化,可以了解到投票活动本身获得流量要大的多。 

 我们在上文中讲到,为了宣传自己,我会在博客,论坛,qq群,sns网站等地方留下投票链接,让大家来支持我。如果我想知道在哪些地方留的链接能给我带来最大的支持,我要如何才能知道呢? 

 通过google anlytics的网址构建器,我们便可以轻松实现对各种宣传来源效果的监测。 

 投票活动网页是第三方的网站,我们无法在对方网页上放置统计代码来收集点击流量来源,那么只能在自己的网站上做文章了。 

 我们可以在自己的网站上,放置一个包含goolgle analytics统计代码的跳转页面,用户点击链接后流量数据便被收集了,然后马上跳转到第三方投票网站。在自己网站的GA报告中,便可以看到在各个地方宣传的效果了。 

 通过设置中间跳转页面来检测各种来源的投票效果 

 通过设置中间跳转页面来检测各种来源的投票效果假设这个中间跳转页面的URL为http://sem.joyit.net/poll 那么留在qq群上的链接我们可以加上这样的utm代码:  

http://sem.joyit.net/poll?utm_source=qq&utm_medium=qqGroup&utm_campaign=poll-campaign  类似的,

对于留在博客上的链接,我们可以加类似的utm代码:

 http://sem.joyit.net/poll?utm_source=blog&utm_medium=web&utm_campaign=poll-campaign

论坛,sns网站来源也做类似的设置,注意保持utm_campagn都为poll-campaign 在GA报告中,浏览 点击量来源/广告系列 便可看到该poll-campaign活动的访问情况,点击poll-campaign,选择维度/来源,即可看到来自qq群,博客,snn网站等各种来源所带来的流量情况。
当然,这只是一个实验性的项目,个人拉票的话,其实不惜细分的这么仔细,但是对于企业的在线营销活动来说,却有必要进行这样的细分来监控在各种媒介上的投放效果。大家可以自己举一反三,应用到真实的在线营销活动监测中去。 

使用 Google Analytics 统计 Feed 流量

 对于技术类的博客来说,更多用户是使用 RSS 阅读器来查看和阅读博客的日志,所以对于技术类博客来说,加上日志在 RSS 阅读器中被浏览的次数才更能真实反映这类博客的流量和受欢迎程度,而 Google Analytics 的统计代码都是 JS 格式的,Feed 是不支持 Javascript 代码,那么如何使用 Google Analytics 统计 Feed 的流量呢?其实可以通过 Google Analytics 的第三方服务解决这个问题。

其中 Google Analytics without Javascript(简称 NoJSStats) 就是可以用来统计 Feed 流量的 Google Analytics 第三方服务,NoJSStats 是部署在 Google App Engine 的 Google Analytics 上的免费统计服务,主要是用于在不支持 Javascript 的环境下使用 Google Analytics 统计服务,它是把通过在页面生成一个 1 像素的图片来统计页面流量。

NoJSStats 的语法是:

http://nojsstats.appspot.com/GoogleAnalytics账户ID/网站主页URL

假设你的 Google Analytics 账户 ID 是 UA-123456,网站主页的 URL 是 yourwebsite.com,那么则把以下 HTML 插入网页中即可。

<img src="http://nojsstats.appspot.com/UA-123456/yourwebsite.com" alt="" />

那么我把下面代码加入你主题的 functions.php 中就可以让 Google Analytics 统计 Feed 流量:

<?php
add_filter('the_content', 'google_analytics_for_feed',99);
function google_analytics_for_feed($content){
    return $content.'<img src="http://nojsstats.appspot.com/UA-123456/yourwebsite.com" alt="" />';
}
?>

对于移动网站,由于部分手机浏览器不支持 Javascript,所以我们也可以把使用 NoJSStats 服务应用到 WAP 网站上,对于 WordPress 博客,如果启用了 MobilePress 插件,那么我们也可以在适应移动设备的主题的 footer.php 上加入上面的 HTML 代码来实现在移动设备使用 Google Analytics 统计。

本文转载—原文地址:http://fairyfish.net/2009/12/08/google-analytics-for-feed/

Google Analytics的申请与配置

免费申请地址:https://www.google.com/analytics/

安装:

申请账户并登陆后,创建一个新的配置文件,输入网站地址和时区等参数,并且把生成的统计代码复制到网站所有网页的底部,即可开始统计网站的流量了。

不过要注意的是GA的统计数据并不是实时的,一般有3到6个小时左右的时差。

首先来讲讲GA的账户(account)与配置文件(profile)之间的区别

GA的账户即你的注册账户,而配置文件则相当于一栋房子里的小房间,也就是一个账户可以有多个配置文件。

一般的账户结构可能是这样的:

GA账户结构

  •    记录整站统计数据的配置文件
  •     通过设置过滤器,单独统计符合某个条件网站数据的配置文件

GA具有异常强大的高级细分/维度功能,使用某个单独的配置文件来跟踪特定来源的网站数据(如搜索引擎,竞价广告),并不是很有必要。

由于GA可以实现多用户的共享,创建多配置文件的目的,主要是方便分配权限给特定用户看特定的数据来源报告,实现网站数据的保密。

如在市场活动中,跟第三方的数据库营销公司进行了邮件营销活动。为了方便与该第三方公司分享、分析此次邮件营销活动的效果并作出改进,那么就可以在邮件发送前,提前创建一个网站的配置文件,专门用来跟踪访问来源是邮件的网站访问数据,并且把该配置文件的访问权限分享给该第三方公司的账户。这样即保证了整站数据的保密性,又做到了特定数据的分享。

GA配置文件目标的设定

网站建立的目的,都是为了实现特定的目标,比如提升销售额,增加注册用户。那么体现在网站统计方面,则是要做好这些目标的跟踪。比如用户是否最终成功提交了注册表单,或者是否成功提交了购买表单,或者是浏览了联系页面。

通过在GA的配置文件中设置目标网页的URL及预期的渠道(如购买流程)URL,便可以很好的统计各种网站来源的转换情况和转换渠道。

GA目标设定

GA目标设定

 一个配置文件只能设置4个目标,如果网站目标比较多的话,可以创建多个同样配置的配置条件,然后通过设置不同的网站目标,来实现网站目标的不同设定。

做好以上这些基本的配置之后,如果网站同时有投放adwords广告,则可以把adwords账户跟analytics账户关联起来,实现数据的同步,从而更好地分析广告效果。

关于Adwords与Analytics账户的关联,可查阅GA的官方帮助文档,必须注意的是,adwords里的账户在Analytics必须也是管理员账户方可以实现顺利的关联

如何把adwords广告的优化与google analytics的数据统计更好的结合起来,google有一个很好的转化率优化教程

版权所有作者:owen
原文链接:Google Analytics的申请与配置

如何使用 Google Analytics 监测百度竞价排名效果

来自 我爱水煮鱼

百度是中国最大的搜索引擎,百度竞价是目前中小企业应用最多,也是最有效的网络推广手段。如何检测百度竞价排名的效果,我推荐使用 Google Analytics,Google Analytics 是目前最好的免费统计服务,它能够有效衡量网络营销。所以使用 Google Analytics 监测百度竞价排名效果可以双剑合璧,便能取得 1+1>2 的网络广告投放效果。

Google Analytics 数据来源

我们知道使用 Google Analytics 是很容易检测 Google Adwords 的广告投放效果的,我们只要在检测的网站安装好 Google Anlytics 并设置好合理的目标之后,把 Google Adwords 账户同 Google Analytics 账户连接,就可以开始收集网站各种访问来源的数据,并分析转换情况了,如下图所示:

Google Analytics 数据来源访问与转换报表
Google Analytics 数据来源访问与转换报表

使用 Google Analytics 网址构建器来区分百度付费流量

从上图中,我们可以分别看到自然流量来源的访问数和转换情况,同时也可以看到花钱的 Google Adwords 广告的访问情况与转换情况。但作为一般的企业来说,如果它还有进行百度竞价方面的投放,那么就会发现一个问题了,就是 Google Analytics 并不能区分来自百度的自然排名关键词与付费竞价关键词,所有的百度流量都当作自然流量排名进行统计(即 Organic 流量)。这样的话,不利于我们衡量百度竞价关键词的效果,并进行相关关键词的优化。那么如何解决这个问题?

Google Analytics 提供了一个很好的工具,叫做网址构建器,通过给欲投放的目标网页 URL 增加一些特定的参数,那么便可以在 Google Analytics 中很好的鉴别该广告的来源及属性,实现如百度自然流量与竞价(付费)流量的区分。下面我详细讲解下如何在百度竞价经典版专业版进行关键字标识。

百度竞价经典版关键词标识

在百度竞价经典版进行关键词标识的一般操作流程如下:

1. 在百度竞价经典版后台,创建一个欲投放的关键词:

百度经典版竞价后台创建一个欲投放的关键词
在百度经典版竞价后台创建一个欲投放的关键词

2. 到 Google Analytics 的网址构建器登陆后点击添加即可)所在的页面,广告系列字词中输入该“关键词”,广告系列来源则输入 baidu 或者 baiduCPC,广告系列媒介输入 cpc(注意,这是关键的一步,只有这样,GA才会识别该来源为付费搜索引擎流量,广告内容可以不填,最后的广告系列名称则根据广告投放的区域或者活动名称来填写。如下图所示:

利用 Google Analytics 的网址构建器标注 URL 访问来源
利用 Google Analytics 的网址构建器标注 URL 访问来源

3. 输入所有必要的参数后,最后点击生成网址,就会生成一串带有特定参数的 URL,把该 URL 输入到百度竞价后台关键词栏的 URL 栏去,便完成了一个付费关键词的标注。如下图:

添加了 Google Analytics UTM 参数的百度关键词 URL
添加了 Google Analytics UTM 参数的百度关键词 URL

4. 其他关键词以此类推,一一进行标注。

最后你就能在 Google Analytics 中看到的百度付费关键词的流量,并且和百度自然排名流量的关键词,也区分出开。

进行了UTM标注后的百度付费流量被区分出来
进行了UTM标注后的百度付费流量被区分出来

百度竞价专业版关键字的标识

原先的百度竞价(现在叫做百度竞价经典版),由于后台比较粗糙,不利于大批量竞价关键词的管理,也缺少必要的数据支持,一直被百度竞价客户所诟病。4月20日后,百度推出了新的广告管理后台,也就是传说中的凤巢系统。从使用2个月的情况来看,新的百度竞价专业版在提高大批量关键词管理,广告精确投放,广告投放数据支持方面有了较大的改进,熟悉 Google Adwords 管理后台的客户能够较轻松的上手。

最新的百度竞价推广通知明确指出,百度竞价的管理后台将逐步过渡到专业版,越来越多的关键词将只能在专业版投放。百度广告客户除了熟悉新的专业版后台操作,也需要相应的统计工具来监测百度专业版的投放效果。尽管百度专业版将可能在7月底推出自己的统计系统,但是在推出之前,包括在推出后基于广告效果监测连续性的考虑,也有必要使用原有的统计系统(如 Google Analytics)做好对现有百度广告的监测。

对百度竞价专业版的监测,原理与上面介绍的百度广告竞价经典版的监测大同小异,也是基于 Google Analytics 的 utm 代码设置,而且由于百度竞价专业版的账户结构与 Google Adwords 的账户结构类似,utm 的设置将更为合理,当然也会产生新的问题。我会在下面逐一阐述。

如何用GA UTM设置百度竞价专业版的跟踪

我们先来看百度竞价专业版的账户结构图:

新的百度竞价专业版账户结构与原先经典版的比较
新的百度竞价专业版账户结构与原先经典版的比较

可以看到新的百度竞价专业版的账户结构与 Google Adwords 基本是一致的,只是命名上有些区别。那么要如何设置google utm代码来合理实现对百度专业版的跟踪呢?我是这样设置的(仅供参考,欢迎大家提出自己的解决方案):

百度竞价专业版的utm设置示例
百度竞价专业版的utm设置示例

把生成的网址,填入到百度竞价专业版相应广告创意的输入访问 URL:

把生成的带有 utm 代码的 URL 输入到每个广告创意的输入访问 URL
把生成的带有 utm 代码的 URL 输入到每个广告创意的输入访问 URL

如何查看百度专业版在 Google Analytics 中的相应数据

打开 Google Analytics 报告 > 流量来源 > 广告系列 ,即可看到各个推广计划的访问情况/转换情况:

如何查看百度专业版在 Google Analytics 中的相应数据
如何查看百度专业版在 Google Analytics 中的相应数据

点击某个广告系列名称(对应百度专业版的推广计划)进去后,点击维度,选择关键词,即可查看该推广计划下面,各个推广单元的访问和转换效果(注意这里的关键词对应的是百度的推广单元);如果是选择维度下的广告内容,则可看到各个百度创意访问和转换效果。根据这些数据,即可评判/细分百度专业版投放的实际效果,并根据数据做出调整。

查看推广单元和推广创意的访问和转换效果
查看推广单元和推广创意的访问和转换效果

维度选择关键词或者广告内容,可分别查看推广单元和推广创意的访问和转换效果

百度竞价专业版账户结构设置建议

广告计划内的广告单元,包含的关键词组最好具有比较好的相关性,不宜放置差异较大的关键词,以保证广告创意与关键词的相关性,也有利于提高广告创意质量得分,提高广告转换效果。

必须注意的是,当点击上图中的baiduCPC,会获得一个更详细的付费关键词访问与转换情况,但是这里的关键词只是我们百度竞价后台投放的关键词,不一定就是用户在百度中搜索输入的关键词完全一样。因为百度竞价默认采用智能匹配,用户输入的关键词只要与你的关键词广告相关,就有可能触发该广告。

除了百度竞价的关键词我们可以通过 Google Analytics 的 URL 标注功能进行区分,其他在线广告活动,如电子邮件,付费目录等都可以使用该工具来进行更好的标注。