前面已经介绍过使用Google Website Optimizer进行AB测试，这篇文章会介绍多变量测试。AB测试和多变量测试的更详细的话题，下一篇还会更多讨论。

进入Google Website Optimizer的后台，开始创建一个测试项目，首先需要选择进行A/B测试还是多变量测试。这里需要选择多变量测试。多变量测试是在某个页面上划分N个位置，每个位置对应M个素材，这个页面会随机展示N×M个版本，最后通过跟踪确定哪个版本更好。

接下来，输入测试项目的名称，测试页面的URL和目标页面的URL。所谓测试页面，就是展示不同版本素材的页面，而目标页面是用户到达哪个页面被认为是成功转化。

再下来，选择自己安装验证JavaScript代码。

根据提示，将不同的代码放在页面的合适位置上。特别要注意的是需要显示多个版本的测试区域需要用<script>utmx_section(”section name”)</script>和</noscript>包住。其中，section name是这个区域的名字。

验证代码无误再进入下一步。

最后，在页面的各个测试位置上，增加不同版本的内容。这些内容会随机替代现在页面上的内容。

最后只要点“Launch now”，这个测试就开始了。访问者会随机看到不同的内容，以确定哪些素材组合在一起效果最好。

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。

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。

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。