网站优化的目标

要优化网站，首先得有一个明确的目标。

作为博客，当然希望辛苦写成的文章能更多的被看到。在目前总访问量不太会容易扩大的情况下，提升网站的粘性，是非常必要的。我这次优化的目标是提升PV/Visits。

分析与优化

有了目标，可以围绕这个目标来做分析和优化。最容易想到的，针对内容来分析，将一些高质量的文章，朋友们更喜欢的文章，做一些推荐。首先来看“热门内容”的报表。

通过使用“退出百分比”倒序排列，可以清楚的看到，大家看了哪些页面以后更容易继续浏览其他页面，而不是离开我的博客。通过将这些页面在一些重要位置曝光，让更多的朋友看到，就有可能提高整个网站的PV/Visit。

噢，等等，这里的页面很多浏览量都太低了，数据会有很大的偶然性。接下来，使用Google Analytics的条件过滤器，过滤掉流量太小的页面。

设置一个过滤器，只有页面浏览量大于或者等于20的页面，才会显示在报表中，一些流量太小的页面就被过滤了。

这样看起来就方便多了。我已经选好了一些文章，这些文章的退出率比较低，停留时间也还不错。接下来就是要找个地方把他们展示出来。博客上有个“随便翻翻”，会随机展示文章，在每个页面都会出现，位置也很好。显然，只是显示一些随机的文章，对这么好的位置太浪费吧，用我精选的文章代替吧。

一切搞定，留影纪念！

前面已经有介绍过Google Website Optimizer这个工具来进行A/B测试和多变量测试。这篇文章想针对测试的概念，谈谈我的看法。

在实际工作中，常常会遇到，针对同一个页面的设计，不同的人有不同的看法，都认为自己的想法更好。或者针对以前的版本有一些修改，但拿不准到底修改后的版本是不是能比前一个版本有更好的效果。这个时候，需要的就是进行测试。

最简单的测试：分时段测试

最容易想到，也最容易实现的办法是，假设同一个页面我有3个版本的设计，但是拿不准哪个更好，那么就把第一个版本展示10天，第二个版本展示10天，第三个版本展示10天，最后通过对比，挑选出用户最喜欢的设计。这个方式的优点在最简单，实现很容易。缺点是误差也很大，因为是分成不同的时段，受广告、热淡季、线上活动等影响较大，得出的结果不是很准确。

复杂一些的测试：A/B测试

为了解决分时段测试的问题，我们会想到，让不同的版本在同一时间上，随机展示给访问者，然后来测定不同版本的效果。也就是说，还是假设同一个页面有3个版本的设计，那么当一个用户来到网站的时候看到每个版本的几率都是33％。3个版本平均的展示给访问者，最后通过跟踪访问者之后的反应，选出更好的设计。这个测试的方法是非常常用的，因为是同时进行展示，因此几乎不受外部因素影响，因而比较准确。

更复杂的测试：多变量测试

当测试的位置不再是几个版本，而是有N个位置，对应每个位置有M个版本的内容，那么测试的版本就有N×M种。举个例子，某个页面上，横幅广告的位置准备了几个版本，下方文字数据有几种排版的设计，右边的图片部分也有多种设计，等等，测试的目的是想知道，各个位置的多个版本，如何组合使用，效果更好。如果使用A/B测试，可能就需要准备很多（N×M个）的版本，会非常麻烦。那么使用多变量测试，只要划定多个区块，设置好这些位置上要展示的版本，多变量测试的工具会在各个位置上随机展示不同版本，同时跟踪各个组合的效果。也就是说，工具帮你完成了各个位置的组合，省去了你自己组合的麻烦。这个测试最大的问题就是，当组合的量比较大，比较几百种组合方式，而网站流量比较小的时候，需要较长的时间才能收集到足够的样本。

但是，对于广告活动来说，广告效果可谓参差不齐，同时还可能包含了水分。下面从如何跟踪广告的效果开始，简单介绍一下广告跟踪分析的流程。

获取数据

我们可以通过网站分析工具，统计到广告从点击进入网站开始到最后离开网站这中间的行为，实际操作需要下面的步骤。

1. 需要在网站的页面上部署网站分析工具的代码。这些代码能够获取到广告点击进入的次数和后续的访问轨迹。对于Google Analytics来说，只要默认的代码就可以，对于SiteCatalyst，需要在代码中加入插件。
2. 在投放广告时，广告的URL后面需要增加规定格式的参数。比如，Google Analytics就规定了几个参数来跟踪广告和广告进行分类，同时Google也提供了一个URL的生成工具，通过这个工具可以生成符合Google Analytics格式要求的URL。
3. 以上的工作完成以后，我们能够看到各个广告的点击进入网站的次数。可以更进一步，设置一些转化。比如，注册，登录，购买等等。对于Google Analytics来说，可以设定一些Goal，在《Google Analytics的新“目标”》中介绍过如何设置目标。对于SiteCatalyst，就需要在发生转换的页面标记events变量，来通知SiteCatalyst转换的发生。

完成以上的步骤之后，基本上我们就可以得到一份比较完整的广告效果的报告。

清理数据

前面提到，我们已经可以从报告中看到各个广告的效果，但是已经获取到的广告效果的数据，可能是有水分的。

1. 异常的流量。这主要是指，广告的流量集中在某些地区，某些时段等。
2. 数据不一致。这是指，报表之间的数据相互矛盾。比如，通过广告代码跟踪到网站A的广告的点击量，比Referrer报告中，该网站带来的流量大许多。
3. 与实际情况矛盾。比如，在广告的排期以外有许多的流量。

分析数据

分析广告的效果，单单看点击量是没有意义的，应该重点关注广告目标的达成。不同的广告的目的是不一样的。有些是为了宣传网站的品牌，有些是为了吸引用户来网站注册，有些是为了推销产品，等等。那么衡量的指标也是不一样的。下面列举一些常见的衡量方式。

1. 针对访问有效性的：访问超过三个页面；停留两分钟以上等的访问次数
2. 针对转换的：注册、购买、浏览品牌信息等的次数
3. 针对访问路径的：通过广告到达的访客有多少按照我们期望的路径浏览

上面是网站在线广告跟踪分析的简单过程。

最基本的角度

对于站内搜索分析来说，监控用户输入的每个关键词是最基本的。通过记录用户输入的关键词，可以了解不同关键词被搜索的次数和后续为转化带来的贡献。这里的转化包括了像注册、购买、订阅等等这样的显而易见的硬指标，也包括像每次搜索后平均页面访问，每次搜索后平均停留时间等等。比如，当通过报表了解某个关键词被搜索以后，用户平均只浏览了1个页面。这说明，用户使用搜索功能以后，在搜索结果页上基本没有什么动作，也就是说，用户很可能对搜索的结果不满意，而选择了离开。这时，我们可以使用这个关键词，试着在网站上搜索一下，看看结果页是不是存在问题，存在怎样的问题。再进一步思考如何改善从而留住用户。

从站内搜索的结果数量

关键词只是一个分析的角度，我们也可以从搜索功能给用户的反馈的结果数这个角度分析。在搜索时提供过少的搜索结果，甚至没有结果提供给用户，会浪费一个达成转化的机会。搜索结果的跟踪在Analytics Talk这个博客中的《Tracking Zero Result Searches in Google Analytics》这篇文章中有详细的解决方案，而且现在Google Analytics开始支持自定义变量，实现起来不是难事。

搜索结果页的停留时间

一般的页面，我们都会希望用户停留更长的时间，这是网页粘性的表现。而搜索结果页有些不同，用户在搜索结果页上停留的时间越短越好。停留的时间太长，往往是我们提供的结果不合意，或者排序不合理，用户需要向下翻页寻找。针对不同关键词查看在分类页面上的停留时间，可以分析出关键词结果是否让用户满意。

搜索结果页的下一页

搜索结果的下一页，是用户搜索了某个关键词以后，浏览到了哪个页面。如果搜索功能设计得好，搜索结果页面的导航设计也不错，那最多的用户应该会去浏览搜索结果的详细页面，这也是我们希望的。那如果发现很多用户回到了首页，或者通过菜单目录的方式浏览，这就说明搜索的功能还需要优化。

为什么要跟踪网站上的错误呢？

1. 很显然，网站上的种种错误，不论是网站本身的原因还是访问者的原因造成的，对访问者来说，都会影响在网站上的访问体验。跟踪网站上发生的错误，可以发现错误对后续转化的影响。
2. 由于网站的原因造成的错误，比如移动目录造成的404错误，通过网站分析工具，可以立即监控，使我们可以及时修复，减小损失。
3. 对网站错误提示或处理进行调整以后，通过跟踪和分析，可以评估这种调整是否有效。

如果跟踪网站上的错误呢？

最简单的

最简单的方法就是使用一个变量在出现错误的时候，把错误类型记录下来。那么通过报表就知道，发生了那些错误，这些错误后续产生了什么影响。

更进一步

前面提到的方法，只能记录最后一次的错误，如果想了解访问者在一次访问中遇到的所有错误，就显得无能为力了。这时需要一点编程的能力。启用一个Cookie，遇到错误时，就保存在Cookie里，当再次遇到错误，需要和前一次的拼接，比如：错误1＋错误2＋错误3，然后将Cookie中的值赋值到一个变量中。通过这种方式，对访问者遇到的所有错误都能跟踪。

另一个方面

前面是对错误类型的跟踪，其实错误的次数也是可以监控和分析的。我们可能希望了解，发生几次错误会对访问者造成什么样的影响，那么错误次数的报表就能够帮助我们。和前面在Cookie中拼接错误相识，在Cookie中累加错误的次数，然后放到一个变量中来跟踪。

还有？

还有什么没想到的，等待你添砖加瓦！

我之前的文章都集中讨论公开发布的网站，这篇文章我将分享如何在公司内部施展你的网站分析技术。公司内部网站很多时候比外部公开的网站更大，我在这里分享的技巧，会使你成为公司的明星和HR的英雄。

为什么你需要关心内部网站？

通常，公司会花很多钱来建立内部网站。不过，并不是公司的每个人都使用内部网站。如果你可以知道内部网站中哪些部分有被使用，哪些部分没有被使用，则可以帮公司节省很多钱。除此之外，我还有以下一些看法：

1、在内部网站上尝试使用网站分析的新功能是一个比较安全的做法。

2、内部网站的流量较小，所以是一个以成本为理由增加网站分析预算的不错方式。

3、给内部的同事在内部网站上展示网站分析，从而使他们了解在公开发布网站上你所做的努力。

我有看到过，一个网站分析团队没有成功的让管理高层理解正式网站上当前正在发生什么，以及如何在网站分析基础上进行改进，但同样的团队在给高层展示在内部网站上的网站分析成绩后，在两三周之类就获得了晋升或者预算，因为内部网站是他们正实实在在使用的。

跟踪内部网站

那么，你应该在内部网站上跟踪哪些数据呢？下面是我为一些大客户工作后总结出来的经验。

• 员工工号
  依据公司的安全策略， 决定是否跟踪到员工工号这么细的粒度。
• 员工非私人信息
  在内部网站的每个页面上，我推荐跟踪部门、地区、事业组、办公室、职务级别等信息。这可以让你用这些数据来分割查看页面被浏览的情况。
• 页面和页面分组
  显然，你应当为内部网站的每个页面定义一个唯一的名字。另外，也应该跟踪页面分组的情况。这样你可以了解员工在多组页面间浏览导航的情况。
• 站内搜索
  和正式网站一样，站内搜索对内部网站也是很重要的。你应该向在正式网站跟踪站内搜索一样跟踪站内网站的站内搜索。你可以跟踪那些关键词有被搜索，同时更进一步，你也可以知道这些关键词都是那些部门或者那些地区的员工搜索的。
• 时间区段
  我很多客户都希望知道公司员工都是什么时间访问内部网站的。所以我建议跟踪访问的时间区段。这可以让你知道，这些访问都是在一周中的星期几或者一天中的哪些时段发生的。同时，也可以和页面建立关联，从而分析不同的时间更多的访问了哪些页面。
• 站内推广
  和我之前描述过的站内推广一样，站内网站可能有一些推广的区域希望吸引员工去点击查看。这部分情况你可以象在正式网站上做的一样来跟踪。

内部网站分析的KPI（Key Performance Indicator）

下面是我见过内部网站使用的KPI：

• Page Views / Visits & Average Time Spent / Visits
  如果你在乎员工在网站上花更多的时间浏览更多的内容，那么这两个KPI可以用来衡量网站的粘度。
• 站内搜索
  在内部网站，你应该跟踪站内搜索被使用的情况，并且分析它的趋势。
• 登录
  如果员工在内部网站上登录，这可以作为一个KPI来分析他们来到网站以后都做了什么。同样可以和其他指标建立分割，比如可以知道说30天内没有登录的员工有哪些。
• 自定义的KPI
  很多时候，内部网站会让员工填写表单、接受调查等等。这些关键的活动都可以作为一个成功的事件被记录下来。另外也可以记录一些维度的信息，比如在表单页上记录下表单的名称。这样可以分析不同表单被员工填写的情况。
• 员工详细信息的浏览
  如果内部网站上有SNS的部分，那员工详细页面的浏览也许你也会关注，这可以让你了解公司里哪些员工更活跃。

总结

如你所见，如果你很清楚如何跟踪正式发布的网站，其实跟踪内部网站也是使用相同的原理。如果你刚刚开始接触网站分析，在跟踪正式网站以前，你完全可以把上面的内容先在内部网站中尝试。如果你有其他关于内部网站分析的更酷的内容，请在下面评论中分享吧！

某个网页在搜索引擎中的排位，和用户搜索的关键词在这个网页上的密度是由关系的。我们无法直接告诉搜索引擎这个网页的关键词是哪些（Keywords这个标签主流搜索引擎早就不看了），同时搜索引擎也不会给用户展示与用户搜索的关键词无关的页面。搜索引擎会根据网页的标题、内容、图片、链接等按照一定算法自行判断关键词。实际上，一般来说在其他条件（竞争程度、外链等）相同的情况下，与网页内容越匹配的关键词越容易得到更高的排位。这也就是说，对于网站来说，受网站内容的限制，很难也没有必要对所有的关键词进行优化。针对与网站相匹配的一组关键词优化是正确的做法。那这部分关键词应该如何选择？对于网站建设伊始，因为网站还没有发布，没有数据，还无法对网站进行分析。但随着网站的运营，数据的积累，网站分析能为SEO后续的关键词选择和调整提供依据。

关键词分析

在左图中，横轴代表了流量，竖轴代表了转化率。转化是什么呢？转化就是网站目的的达成。比如说，用户注册、产品购买、新闻阅读等等。一般来说，转化率越高，说明流量的质量就越好。右上部分的关键词，代表的是高流量高转化律的关键词。这表明搜索的人多，同时和网站的契合比较好，带来的都是高质量的流量。这部分关键词，一般都有较高的排名，是SEO要保持和强化的关键词。右下部分的是高流量低转化率的关键词。这部分关键词，带来的流量较多，但因为各种各样的原因，并没有为网站带来与流量成比例的转化。这里的原因比较复杂，可能这个关键词与网站的内容关联性并不强，这类关键词可以不用关注，也可能是因为网站本身的原因（导航、页面设计等）造成的，这就需要对网站进行优化，从而是这些关键词慢慢转移到高流量高转化这类关键词中。在左上的是低流量高转换率的关键词，这类关键词是SEO的重点，也是网站未来高质量流量的增长点。这部分关键词往往排名较低，但和网站内容很契合，可以努力通过SEO来提高这部分关键词的排名，从而提高流量，将这些关键词做进高流量高转换率的一类，从而提高整个网站的转化。至于，左下角低流量低转化率的关键词，基本可以不用关注。
如果有必要的话，也可以为每个搜索引擎建立一个图表，再结合关键词在搜索引擎中的排名，做更进一步的深入分析。

用户的搜索习惯分析

用户使用搜索引擎搜索的时候，是为了满足某种需求。比如说，一个用户搜索“数码相机的选择”，很可能是希望购买一台相机，如果是数码类的购物网站，这种用户是一定要吸引到网站上来的。但是，用户希望购买数码相机，也可能输入“数码相机导购”、“数码相机购买”和“如何购买数码相机”等等。不同关键词带来的流量当然可能和关键词排名相关，但通过报告可以参考，用户经常使用那种关键词。这为以后的新的页面的关键词选取提高了参考，可以考虑在页面的标题和正文中，自然的融合这些关键词。

关键词登陆页分析和优化

用户在搜索引擎中输入关键词，点击搜索结果到达网站的第一页是这个关键词的登陆页，之前有一篇文章谈到了登陆页面的设计可以参考。登陆页面给了用户对网站的第一印象，这个页面的表达好不好，和关键词的相关度如何，导航设计是否合理等等，都是我们可以分析的角度。特别是在关键词分析中提到的属于高流量低转化率的关键词，可以分析登陆页面，看有没有改善转化的空间。

关键词趋势分析

通过关键词带到网站上的流量和转化是随着时间在发生变化的。针对在关键词分析中区分出的重点关键词带来的流量和转化的趋势，可以分析这些关键词优化的效果。比如，如果某些关键词随着时间流量和转化都在变大，那么说明我们的SEO方面的优化在朝好的方向发展。如果某些关键词随时时间流量或者转化在变小，那就需要分析原因，比如关键词排名降低、关键词热度变冷、网站变化等，然后对症下药。

现在越来越多网站的市场人员逐渐认识网站分析（Web Analytics），也逐渐了解网站分析对网站运营的重要作用。其中很多的网站也开始尝试使用网站分析工具来监测网站的流量，分析用户的行为。也有一些，可能也意识到网站分析很重要，但是却不知道如何入手。因此，我想把我的一些体会写下来，以供参考。

第五步：理解报表

在部署完网站分析工具以后，我们马上就能得到网站分析的报表了。最基本的报表入下图：

这个例子是Google Analytics中页面报表。其中红框部分是维度（Dimension），除了本例中的页面以外，常见的维度还有：时间、访问来源、新访回访、访问者客户端信息、用户自定义维度等等。而绿框部分是度量（Metric），在《基本量度的讨论》中对常见度量有过介绍。中间的部分就是各个页面在各种度量下的数据了。

如果需要细化的分析，需要使用的分割的功能。比如在上面的例子中，如果希望了解不同来源的访问者浏览页面的情况，需要点“None”的下拉菜单，选中Source，就会生成下面的报表：

在上图中可以看出，红色区块的Home Page这个页面，根据不同的来源被分成了多行。

上面是阅读报表的基本介绍。一般网站分析工具会生成大量的报表，再加上自定义报表、高级分类等功能，可以得到的报表数以百计。面对如此众多的报表，又该如何入手呢？还记得网站分析如何进行（上）中提到的需求分析哪一节吗？在那里我们列出了需要通过网站分析来解决的问题。对，没错，我们就从这些问题入手来阅读报表。

比如每篇文章的浏览量是多少，访问者停留了多少时间？这个问题可以通过刚才的页面报表来解决；外部投放的广告带来了多少有效的新访客，其中多少完成了注册，最后产生了多少的购买？这个在Campaigns这个报表里可以寻找答案，等等。

第六步：数据分析

数据分析是网站分析中的核心步骤。这部分最重要，我却会因为自身水平限制写得很简略，只敢提提我的体会。希望随着今后的学习，能更多的丰富这部分内容。

更关注实际效果而非流量

以前，网站往往只是关心有多少流量，产生了多少的PV等。现在，越来越多的网站开始注意到更应该关心的是这些流量中哪些是真正有效的流量，也就是这些流量的实际效果。比如，这些访问者中有多少完成了注册，有多少订购了产品。下图中是投放广告的流量报告：

注意到了吗？这些广告虽然带来了数以万计的流量，但是跳出率也是相当的高，很多在99％以上，甚至有的达到了100％。流量太容易被人工伪造，但是实际的效果却很难伪装，因而更加准确。

通过比较得到答案

在《网站分析数据的准确性》中提到，得到的报表中的数据并不是准确的数据，使用比较的方法可以减少数据误差的影响。比较可以是相同维度在时间轴上的比较，比如比较3月和4月两个月的老用户订单的数量，可以知道网站对老用户的支持的情况，以及老用户的满意度。也可以是相同时间段上不同维度的比较，比如4月份新用户和老用户下订单的数量，这可以分析新老用户的比例。

通过更加细化的分析，可以发现网站存在的问题，同时参考搜集用户的行为习惯，从而形成对网站的见解。

第七步：测试与优化

通过网站分析，发现了网站中存在的问题，也得出了结论。如果什么都不做，那前面的所有工作都是白搭。我们需要的是改善网站。于是，网站的设计人员又设计了几种页面的样式，那这几种版本的设计，到底哪种比较好呢？这不能由设计人员说了算，不能由老板说了算，应该由用户说了算。Omniture的Test&Target，Google的Website Optimizer都可以帮助网站运营者通过测试来决定哪个版本的设计更好。这些工具会同时为不同的访问者展示设计好的不同版本，同时收集不同版本的带来的转换（如：注册、购买、下载等）。当一定时间之后，当采集到的数据样本足够大，就有信心确定，哪个版本更好了。那么把它切换成正式的版本吧。

通过以上网站分析的步骤，相信能够提升网站的水平，带来更多的效益。

后记：吃力的堆完三篇文字，深感自己在实践经验的不足，还需要多努力才行。另外，最近还是胡诌一些技术方面的，毕竟是老本行。

现在越来越多网站的市场人员逐渐认识网站分析（Web Analytics），也逐渐了解网站分析对网站运营的重要作用。其中很多的网站也开始尝试使用网站分析工具来监测网站的流量，分析用户的行为。也有一些，可能也意识到网站分析很重要，但是却不知道如何入手。因此，我想把我的一些体会写下来，以供参考。

第三步：网站分析工具的选择

现在市面上有许多的网站分析工具，该如何选择确实是非常重要同时要谨慎斟酌的事情。

从技术实现上来讲，网站分析工具主要分为日志型和标签型两类。日志型网站分析工具是通过读取和分析网站服务器产生的访问日志，形成报表的，这类工具以Webtrends、Urchin、Awstats为代表。标签型网站分析工具是通过在页面中部署代码的方式，将搜集到的数据发送到数据采集服务器，并最终通过服务器的处理形成报表，这类工具包括Omniture、Google Analytics、Statcounter等。标签型网站分析工具的工作原理可以参看《脚本型网站分析工具工作原理》。这两类工具应该如何取舍呢？可以从以下几个方面来考虑：

业务需求

日志型网站分析工具的数据源是网站服务器的访问日志，访问日志一般包含访问者IP地址、访问时间、访问文件的URL、访问文件的大小、访问来源以及客户端的一些信息。注意到了吗？除了URL以外，没有和网站业务相关的信息了，同时其原理也限制了这类工具的定制方面的功能。

标签型网站分析工具通过部署在页面上的代码来收集数据，除了文件的大小以外，上面提到的信息都可以得到。除此之外，有些工具还提供了使用自定义的变量来跟踪一些与业务相关的数据。比如说，访问者是否登录、访问者在站内搜索中使用哪些关键词等。这些数据能够更贴近业务，能解决更多的业务问题。

准确性

唯一访问者（Unique Visitor）这个参数很重要，访问者多次访问的行为就是依靠唯一访问者关联起来的。日志型网站分析工具根据IP地址来判断唯一访问者，相同IP地址的访问，被判断为来自同一个访问者。标签型网站分析工具是根据Cookie来判断的，Cookie中保存访问者的唯一标识，每份Cookie中保存的标识都是不同的，然后在数据中心的数据库中这些唯一标识会将访问者的所有行为串联。

一般来说，使用Cookie来判断会比使用IP来判断准确性更高。因为一般用户的IP都是动态的IP，会经常发生变动，这会严重影响日志型分析工具的数据整合。而Cookie的接受率通常在95％以上甚至更高，这会带来更高的精度。

部署和维护

不论选择何种分析工具，都会有部署的过程。

日志型的工具一般数据分析是在本地进行的，需要将访问的日志导入到工具中，工具会运行分析程序，最终到处报表。前期最好采购单独的服务器来保存日志和安装分析程序，这不会有什么问题。但对一些大流量，后期的维护是比较头疼的事情。因为日志需要导入后才能分析，的网站来说日志的保存是很麻烦的事情。同时因为数据量比较大，从导入日志到最后跑出报表经常需要很长的时间，我就听过客户抱怨说几天以后才能看到当前的报表。

标签型的工具不需要采购服务器，数据保存在服务提供商那里，只要把代码安装网页中就可以看到报表。相对来说实施起来简单。同时，后期不需要保存日志，很多标签型网站分析工具提供的也是实时的报表。

保密性

一般的日志型分析工具是部署在本地的，而绝大部分的标签型网站分析工具都是采用SaaS模型提供服务，也就是说，数据是发送到产品供应商的服务器上的。网站分析供应商都会有严格的保密协议和流程，对于一般的网站不用太担心。不过对于一些需要严格保密的网站来说，象银行、证券、电信等行业，数据的绝对安全是不得不考虑的。这种情况下建议使用日志型的分析工具，确保数据的安全。

如果不是某些需要特别保密的行业，我个人的推荐还是使用标签型的网站分析工具。那这部分工具也有不少，应该如何取舍呢？以下是我对这些工具的个人评价，仅供参考。

Omniture和Coremetrics：提供定制的跟踪内容，全面的报表，强大的配套与整合功能。几乎网站分析的所有需求都能提供相应的解决方案。不过，收费，而且不便宜。

Google Analytics：相对前面的二位，只是在自定义、路径分析和整合方面有所不足，报表要在第二天才能看到，但作为满足一般分析的需要，它完全可以胜任，而且更重要的是它是完全免费的，很难想象这样强大的一款工具竟然可以免费使用。

Woopra：一款新推出不久却很有个性的网站分析工具。它需要安装客户端，而不是象大多数通过浏览器来阅读报表，报表的展示更精美。另外还能实时和访问者聊天，同时在页面停留时间的计算上也有独到之处。

CrazyEgg：CrazyEgg并不能帮您解决网站分析的所有问题，不过如果您对网站的点击热图特别关心的话，CrazyEgg是一个不错的选择。它通过很炫的可视图形展示访问页面的访客们的信息和行为，而价格也比较便宜。

BTBuckets：专注于测试和目标人群区分的工具，类似于Omniture的Test&Target。目前是免费使用的。

这里仅仅列举了一些比较有特点的工具，其实还有不少工具，不过我感觉免费的Google Analytics的光芒足以掩盖它们。

如果是在标签型的网站分析工具中选择，一定需要考虑好，因为一旦发现不能满足的需求，是没有后悔药吃的，即使更换别的工具，更换之前的数据将没办法再得到，对于瞬息万变的互联网世界来说，网站可能失去很多机会。还记得上一篇中提到，我们需要整理出关心的业务问题吗？如果这些问题使用Google Analytics都能搞定，免费的Google Analytics肯定是必然的选择。如果有些Google Analytics无能为力，可能就需要考虑收费的工具，考虑到工具本身更为强大以及有同时提供的支持与服务，相信也是物有所值。

第四步：网站分析工具的部署

在选择和购买网站分析工具以后，需要将工具部署到网站上。受个人经验的限制，以下主要讨论标签型网站分析工具的部署。一些收费工具提供了相应的服务，会帮助网站的运营者将工具部署到网站中，并做相应的验证。如果选择了免费的工具，则需要依靠网站自己完成相应的工作。

首先，需要对网站分析工具进行配置和定制。比如，Google Analytics提供了一个Goal页面、用户自定义报表、Filter等自定义功能，活用这些功能能够帮助网站更好更准确的跟踪网站访客的行为。然后，将工具提供的一段代码，部署到页面上。最后，需要对整个部署进行检查。部署是否正确对得到的报表中数据影响非常大，所以检查的部分非常重要。可以通过下面一些角度来检查：

1. 代码是否部署在HTML的body中。
2. 页面上有没有JavaScript错误。
3. 报表中的PV数与估计的或其他工具检测到的有没有明显差距。
4. 跟踪到的注册、成交等数据与网站本身数据库中的数据是否对得上。
5. 检查报表中有没有不符合逻辑的情况。

验证页面上部署的代码，推荐使用一个叫WASP的Firefox的插件，这个插件可以检查Firefox当前打开的页面上部署的主流的网站分析工具，以及这些工具采集到的数据。

以上只是我个人的意见，欢迎留言表达你的看法！

现在越来越多网站的市场人员逐渐认识网站分析（Web Analytics），也逐渐了解网站分析对网站运营的重要作用。其中很多的网站也开始尝试使用网站分析工具来监测网站的流量，分析用户的行为。也有一些，可能也意识到网站分析很重要，但是却不知道如何入手。因此，我想把我的一些体会写下来，以供参考。

第一步：准备阶段

网站分析能够监测网站上的用户的行为，监控网站广告活动的效果，能够帮助我们提出优化的见解。网站分析给网站运营带来价值的同时，它本身的部署和运用也需要一些资源。这些资源需要最好事先有一些准备，即使现在并不是准备充分，但至少也要心中有数。这些包括：

分析人员

分析人员是非常重要的。后续我们会谈到，即使网站分析工具部署得很成功，但是报表中得到的只是数据，而将数据转化为结论再以此为依据提出创造性的见解，这才是网站分析中最重要的环节。Avinash的《The 10 / 90 Rule for Magnificent Web Analytics Success》中的规则指出，在分析方面的投入和购买分析工具的投入应该是9比1的关系，可见其重要性。而这部分工作就需要分析人员来完成。分析岗位可以是一个专门的岗位，也可以是由市场部门的人员兼任。这个岗位除了需要通过分析发现数据背后的真相，还需要熟悉网站本身的业务，熟悉网站的推广和运营，这样才可能得出符合网站实际的分析报告。

技术人员

除了分析人员以外，技术人员也是非常重要的。网站分析，需要借助网站分析工具来检测网站。这个分析工具的安装部署本身是属于技术范畴的，需要由技术人员来完成。分析工具部署是否正确，直接影响监测到数据的正确性，而数据正确与否又直接影响到分析结论的正确性。技术人员除了熟悉网站开发语言、熟悉JavaScript以外，最好能多了解一些网站分析工具部署方面的知识。

资金预算

这没什么好说的，大军未动，粮草先行，即使使用免费的工具，也涉及到培训、咨询和支持方面的费用。更不要说很多收费的工具价格不菲了。

第二步：确定网站分析的目标和需求

确定网站分析的需求和目标是非常重要的。一些网站意识到网站分析能够提升网站的整体运营水平，找了一款免费的工具使用默认的配置安装到网站上开始监控。网站分析的数据已经得到了，甚至有很多报表，这时却发现不知道从哪个报表开始入手，或者突然发现，这些数据并不是最希望了解的。我想这可能就是需求不够清楚。

目标就是网站的目的。一般的，零售类的网站的目的是让更多的人到网站上来消费；媒体类的网站的目的是让更多的人在网站上浏览文章，点击广告；品牌推广类网站的目的是吸引潜在客户了解商品信息，同时为顾客提供在线售后支持；教育类网站的目的是有更多的访问者浏览文章，下载课件。等等。

那应该如何明确需求？这其实并不难，这是网站目的的可度量的具体指标。只要将网站业务各个方面的人召集起来，大家一起讨论业务方面有哪些问题需要了解，可以用问题的方式提出来，比如说：网站上发布了很多新闻，哪些文章更受欢迎？在外部投放了很多广告，哪些效果比较好，哪些效果比较差？访客到达网站的登陆页面以后，都有去哪些页面？购物车页面的表现如何？网站内广告点击情况如何？在线售后支持的使用情况如何？等等。

这是从业务的角度提出的需求，下一步还需要更加细化成网站分析相关的需求。比如说：每篇文章的浏览量是多少，访问者停留了多少时间？外部投放的广告带来了多少有效的新访客，其中多少完成了注册，最后产生了多少的购买？访问者到达登录页面以后的访问路径如何？购物车每个步骤上的流失情况怎样？网站内每个广告有多少点击次数，其中不同的广告或者搜索引擎带来的访问者点击了多少次？售后支持系统的使用次数，说明书文件的下载次数有多少？等等。

列出最关心的，对网站最重要的问题，文档的形式确定下来，后续的网站分析的内容都会围绕着这些需求来进行。

其实，还有很多通过网站分析工具抓取到的数据都是不准确的。比如说：网页停留时间。

先让我们看看网站分析工具是如何跟踪访客在页面上停留的时间的。举个例子：一个访客在8:00打开了网站的首页，网站分析工具就会抓到这个数据；接着，他又在8:02分打开了“新闻”分类的页面，网站分析工具同样会抓到这条数据；接下来，8:05分，他有点开了“NBA新闻”分类的页面；最后，他在“NBA新闻”页面中发现姚明该死的伤还没有好，索性就关掉了浏览器。网站分析工具会统计两次连续页面打开动作之间间隔的时间，这个间隔的时间就算作访客在这个页面上停留的时间。在上面的例子中，访问者在首页呆了2分钟，在“新闻”分类页呆了3分钟。这样计算在上面这种情况下没有问题。（参考《基本量度讨论》）

回头说说我的一个习惯。我浏览网站，特别是新闻类网站，会一次先把所有感兴趣的内容页面都点开，然后再一篇文章一篇文章的阅览。那么，对网站分析来说，得到的页面停留时间的数据，前面的页面都会很短，只有最后一个页面会很长（如果我还有继续点击的话）。最后在报告里出现的不是准确的数据。

再举一个关于访问来源的例子。我很想购买一款相机，于是我在Google中搜索了“某某相机”这个关键字，在结果页中我点了一个付费链接，来到一个卖相机的网站。这时，我这次访问的访问来源是付费搜索引擎，到这里都没问题。而我想了解还有没有更便宜的价格，于是我去到了其他网站查询，或者正巧我妈妈叫我吃饭，反正就是我并没有关掉页面，但是离开了超过30分钟。最后我又回来，还是在这个网站上完成了购买。

为什么例子里是离开30分钟呢，因为像Google Analytics和Omniture的SiteCatalyst都是当间隔30分钟没有动作时，算作一次访问结束，接下来再发生的流量就算作一次新的访问。我想说的是，在完成购买的时候，对于网站分析工具生成的报表来说，已经是另外一次访问了，这次访问的来源也不再是Google上的付费关键字广告了，完成购买的贡献也没有Google的份了。

其实还有许多维度的数据都存在着误差，那么应该怎么理解这些误差，又应该如何解读数据呢？

抓住网站分析中的主要问题

网站分析，并不是要得到一堆一堆的数据，而是需要发现这些数据背后隐藏的真相。这就需要我们将这些定量的数据通过分析转化为定性的结论。只要这些数据具有统计学意义，那就不会影响定性的分析。假设通过网站分析工具我们统计到，广告A带来了30000唯一访客的流量，广告B带来了3000唯一访客的流量。那么我们可以得出结论，在唯一访客流量的贡献上，A会比B好很多。如果广告A带来了30000唯一访客流量，而广告B带来了29900。那么我们可以说，广告A和广告B在带来流量上效果差不多。这部分可以参考《统计学意义》。

把握数据的变化趋势

上面提到的是在相同维度的数据间比较，得出定性的结论。其实也可以，在同一维度的不同时间点上比较，从而得出结论。比如，我只告诉你，上个月网站上达成了30000个订单，然后让你得出结论，是好还是坏。我想什么结论都得不到。如果我再告诉你，上上个月的订单量是25000个，那结论就出来了，上个月的订单增加了。那接下来就可以细化的分析订单增加的原因从而有更深入的结论。

学习物理的时候，会学到测量的工具都有误差。其实网站分析工具就是一个测量网站的工具，它当然也存在误差。总是把眼光盯住这些误差不放，还不如多考虑考虑如何用好这个工具。

网页加载时间的数据，可以分析些什么呢？网页加载的时间越长，说明用户连接到服务器的速度越慢。访客一般都是缺乏耐心的，如果5、6秒钟还不能加载页面，他们就开始考虑关闭这个浏览器的窗口了。再细化到不同的地域分析，那么可以考虑在打开速度慢的地方增加镜像服务器。如果各处加载页面都很慢，那就可以看是不是服务器端的接入和本身负载的问题了。

那应该如果做才能跟踪到这个数据呢？这需要一点JavaScript的代码。

首先在页面的HTML的头部，记录一个时间：

var date = new Date();
var startstamp = date.getTime();

然后，在底部，在得到一个时间，两个时间的差值，就是页面打开的时间了：

date = new Date();
var endstamp = date.getTime();
var interval = endstamp – startstamp;

我们只需要知道一个大的范围，不用很精确，所以做如下的判断：

var scope;
if(interval<50) {
scope = “0 – 50 ms”;
}
else if(interval < 100) {
scope = “50 – 100 ms”;
}
else if(interval < 200) {
scope = “100 – 200 ms”;
}
else if(interval < 500) {
scope = “200 – 500 ms”;
}
else if(interval < 1000) {
scope = “500 – 1000 ms”;
}
else if(interval < 2000) {
scope = “1000 – 2000 ms”;
}
else {
scope = “2000+ ms”;
}

最后，要用到Google Analytics的_setVar()函数，把值放到User Defined报表中：

pageTracker._setVar(scope);

如果你在使用Omniture的SiteCatalyst也没有问题，只要建立两个自定义变量来跟踪就可以了：

s.propx＝scope;
s.eVarx=s.propx;

修改好了，就等着看报表吧：

站内搜索

在前面的一篇《站内搜索的跟踪的意义与实现》中，已经有介绍到站内搜索对SEO和SEM的帮助。基本上，用户使用站内搜索时的心理和使用搜索引擎时的心理是相似的，那站内搜索对搜索引擎方面的优化有非常强的借鉴价值。如果，站内搜索的关键词，效果很好，能够为电子商务网站带来更多的购买，能够为媒体网站带来更多的内容阅读，能够为品牌网站带来更多的产品信息推送。这样的关键词就可以考虑是不是可以用作SEM关键词的推广。

热点分析

投放广告的目的是要带来流量，那么，用户更关心哪些方面，也是网站需要关心的。基本上，我们可以通过页面浏览的报表、产品销售的报表等了解到，哪一类的内容或者哪一类的产品，是网站最被关注的。那，组织关键词的时候，可以着重从这一类相匹配的关键词入手。

自然关键词效果分析

访客通过自然搜索来到网站，输入的关键词一般都是和网站最匹配的，带来的流量一般都是效果最好的。那么，如果我们在分析报告的时候发现，有些自然搜索的关键词，在搜索引擎的排名上不能排在前两页，质量却非常好，就可以考虑对这些关键词出价，把他们提到搜索结果的第一页。这样，我们可以期望在保持这些关键词效果的同时，带来更多的流量，从而提高总体的效果。

付费关键词效果评价

对于已经投放的关键词来说，我们需要通过网站分析工具，了解各个关键词的效果，从而对出价进行调整。对于一些效果好，质量高，但是流量相对较小的关键词，考虑提高出价，尽量争取排在第一的位置。一些效果不好，流量却比较大的关键词，一般是和网站匹配度不高，用户进来后可能发现不是要搜索的内容就离开了。这样一些关键词可以考虑减少或者停止出价。

关键词出价价格分析

使用网站分析工具，我们可以了解到不同关键词点击的次数，同时，我们也知道这个关键词最后的效果。最后是购买了多少价格的产品呢，还是了解了多少关于我们品牌的咨询呢，还是有没有完成了注册呢，等等。比如，某个关键词A，点击了100次，花费了300元的费用，最后带来了5个用户注册。那么，每个注册用户的推广费用就是60元。如果超过了我们的预期，就可以考虑调低这个关键词的出价。

广告语分析

在对关键词进行投放的时候，我们需要为每组关键词设置广告语。一般，比较推荐的做法是，设置多种语义，多种角度的广告语。那么，到底哪种广告语更适合呢？在设置Landing Page的URL的时候，可以增加一个参数用来记录广告语，每个参数的值唯一对应到广告语，同时用网站分析工具中的一个变量对这个参数进行跟踪。那么在报告里就可以分析到哪种广告语的质量更好，能够带来更大比例的有效用户，从而可以指导今后广告语的编写。

站内搜索的分析有些什么意义呢？

1. 了解用户需求

   通过对用户搜索的关键字进行分析，可以精确的了解用户的需求。很多网站会精心设计调查问卷，期望了解用户的需要，会通过访问路径来分析用户的心理，那么，用户在站内搜索中输入的关键字这样直接体现用户需求的机会当然不应该忽视。
   对于新闻为主的媒体类网站，可以了解到用户关心的热点新闻是哪些？对于某些非常热点的新闻，是不是需要考虑增加不同角度的更多报道，甚至可以制作一个专题。对于电子商务类网站，可以了解用户都喜欢什么样的产品，可以考虑是不是可以在搜索框附近列出这些热门的搜索关键字，对一些用户搜索较多的产品，可以考虑在首页通过Banner、Flash等形式做一些内部的推广，对网站暂时还没有的产品，可以考虑设计生产。

2. 站内搜索功能优化

   想象一下，我们现在新开张了一个服装类的电子商务网站，专门在线零售时尚的男女服装。网站上实现了站内搜索的功能，能够对产品名称进行模糊的查询。运营了一段时间，通过分析报告，我们可能会发现，用户很多时候不一定是搜索具体的产品，而是搜索一些服装的风格，比如“百搭”、“可爱”这种关键词。这时因为产品名称中不会包含这类的关键词，会出现没有结果的搜索，那这部分用户很多就可能因为没有找到合适的款式而放弃了购买。
   发现了这个情况，我们改良了设计，对产品增加了描述性的语句，在搜索的时候会对描述性的语句进行查询。那么，很多本来没有结果的关键词，因此能够匹配到合适的产品，整个网站的转换也因此有提高。我们再深入分析，也许又会发现，有一些产品，用户浏览了这些产品的产品详细页，了解产品的详情，最后达成购买的比例比较大，而另外一些产品，可能被浏览的次数很多，但是真正销售的情况却不佳。
   撇开产品详细页的设计不谈，我们这里也可以针对这些产品的差异，对站内搜索再进一步优化。我们现在站内搜索的排序是按产品名称排序的，很糟糕的排序，对吧？有一些产品，可能只要用户找到它，就比较容易卖出去，却排在了几页以后。我们调整了搜索结果的顺序，越容易卖的产品排在前面。这样，站内搜索对销售的贡献又应该有所增强。

3. SEO和SEM优化

   站内搜索的关键词，对SEO和SEM也有借鉴的意义。用户在网站内部搜索中使用的关键词，反映了用户寻找目标的思路和想法。同样的，在使用搜索引擎的时候，多半也会使用类似的关键词。我们通过分析工具，了解到，一些站内搜索的关键词效果很好，能够带来很多的销售，那么在做SEO和SEM的时候，可以针对这些关键词进行优化。这种有依据的SEO优化和SEM的投入，肯定比盲目的选择有更好的效果。

站内搜索功能如何实现？

1. 使用Omniture的SiteCatalyst

   SiteCatalyst默认的报表并没有对站内搜索的支持，不过SiteCatalyst有很强的自定义扩展能力。在SiteCatalyst中，可以在搜索结果页面上设定一个自定义的变量，用来记录搜索的关键词。同时，根据是否有搜索结果触发两个自定义的事件，就可以跟踪到关键词被搜索的情况，以及后续对转换的贡献。

2. 使用Google Analytics

   Google Analytics要实现站内搜索的支持，也需要一些设置。
   

在Google Analytics中后台中，修改配置文件。根据网站的实际情况，设置传递查询关键字的参数。比如在我的这个网站分析博客，使用的是“s”作为参数。只要在对应的地方填入参数，保存后即完成设置。之后只要保证在搜索的结果页面上已经部署了Google Analytics的代码，搜索的关键词就会出现在报告里。

2、分析软件的部署实施
网站分析，不是主观的臆断，而是建立在数据基础上的。端一杯茶，对这显示器，想出来的分析报告，很可能是谬误的。我们总设身处地的从用户角度考虑，但其实用户想的很可能与我们不同，我们离网站太近了。而分析软件没有感情、没有偏见、不会说谎，可以让我们更接近事实。现在免费的软件有Google Analytics，需要费用的最好的是Omniture的SiteCatalyst。通过这些软件，可以采集到用户对网站访问的各种数据，分析软件如何工作可以参考《脚本型网站分析软件工作原理》。在实施之前，需要按照确定的目标设定部署的战略。部署了分析软件以后，就可以得到包含各种数据的报表。对分析人员来说，只要是技术方面的要求，在部署和报表以及他们之间的关联很熟悉。

3、由定量数据到定性的分析
发现隐藏在数据之后的真相，这应该是最体现分析人员价值的地方。在报表中看到的只是一个一个数字，如何把这些数字关联起来，分析出用户的行为，广告的效果等。这个分析也是围绕着网站分析目标来的。具体如何分析，我会把工作中遇到的问题和得到的体会，在后续的文章中和大家分享。需要分析人员，具有很强的分析能力，一定的统计学功底。

4、发现问题，得出结论，提出意见
把之前定性得到的一个一个小的结果进行综合考量，发现网站中存在问题，或者是得到广告分析的结果等。这是对分析目的的回应。比如，分析投放的几个在线广告，其中哪些广告投资回报率比较高，哪些广告投资回报率比较低。再比如，分析用户的行为，可以得出网站的哪些设计，更符合用户的习惯，用户使用得比较多，而哪些设计是有缺陷的。对此，分析人员要根据得出的结论，提出意见：投资回报率高的哪个广告要追加预算，而这些回报率低的，下一期就不再投了，等等……

5、改善和跟踪结果
如果网站本身存在问题，分析人员要配合网站设计开发人员进行改善。改善的过程中，可以对拿不准的设计进行测试。最常见的，比如A/B Test。通过对两种设计预案效果的分别跟踪，最终确定使用的方案。同时，也要跟踪改进后的访问情况，对比改进前，整理出改进的效果。