Google analytics是公认的网站统计分析工具中免费最好的，可GA也有不足。 由于隐私保护的原因，GA不给你看单用户行为。虽然有API可以拿到GA的报告数据，操作费事，还拿不到用户原始访问数据。 有一方法开启GA本地模式，将GA的数据记录在本地apache日志里，这是一个很好的方法，可操作也有些费事，log日志每日处理，还要按GA的格式来提取，目前没有很好的，开源的程序来处理这样的日志，所以要自己写程序，自己搞主机。前段时间就这样处理的，可遇到主机迁移，log日志的处理就又费些事了。 最近想到了一个很好的办法，Piwik配上GA来处理，解决很多不足。Piwik就像网站程序一样，直接安装就是了。网站迁移时，Piwik也做相应的迁移，保证数据不丢，还很简单。 再说说Piwik可以解决GA的哪些问题。GA的单用户行为Piwik可以查看到。近日针对站点订单分析流量来源模块处理就很好使了。订单后台有用户IP,到Piwik里调数据就可以了。 Piwik识别GA的UTM标记，下面是Piwik的说明： Piwik detects URLs tagged with Google Analytics campaign parameters. Piwik offers two dimensions for Campaign tracking: name, and keyword. The campaign parameters utm_campaign, utm_medium, utm_source are mapped to the Campaign name. Whichever parameter is found in the URL is put as the Campaign name, in this order:utm_campaign, utm_medium, [...]
最近看到几个国外免费的网站分析，实测了一下效果，做个介绍给大家做下参考。 getclicky.com，点击免费注册即可。报告界面如下图 此工具的突出特点是即时，访客数据在两分钟内就可以看到。 其他特点有： 比国内的量子统计信息还多一些，如访问内容可以跟踪到图片下载。当然广告活动、目标这两个功能也不错，只不过要收费。 可以很好的跟踪到单个用户行为，和GA的定义一样，以唯一访客作区分。最近有某个用户在什么时间，什么地点，访问了哪些页面，在这些页面停留了多少时间，都可以清楚的看到，对于做在线销售，如淘宝的客户来说还是很不错的，可以了解到当前和你勾通的用户的行为。当然他的非javascript统计代码功能没有试，不知道也还能不能统计到这些信息，如果可以的话，可以拿来做淘宝统计。 可以统计到单个页面的停留时间，这个是其它统计工具所没有的。其它统计工具以下一个页面的开始时间作为这个页面的访问时间。getclicky会即时发送信息到服务器，判断用户还在访问这个页面没有，从而决定访问时长。 总体评价很不错，在即时统计方面突出，胜过其他统计工具。
如何进行邮件营销是一个很值得研究的课题，我本人在这方面也不是很专业，还有很多需要学习的地方。最近进行了一些邮件营销的尝试和探索，今天从网站分析的角度来跟大家分享一下如何监测邮件营销的效果。 邮件发送成功率：用邮件营销软件群发邮件时，能够成功送到客户邮箱的邮件数占总的邮件列表的比例。这个一般的邮件营销软件都能够统计到。 邮件打开率：被客户打开的邮件数占发送成功的总邮件数的比例。邮件打开率，是衡量邮件营销软件的一个重要标准，因为很多邮件营销软件发送的邮件直接被客户邮箱屏蔽，进入了垃圾邮件。当然，这其中跟发邮件人的水平也有一定关系，比如每次发多少封，每个客户发几次，隔多长时间发一次等。要得到邮件打开率，必须能够监测到客户有没有打开邮件。比较简单的办法是采用GA的一个第三方统计工具http://nojsstats.appspot.com生成一段代码http://nojsstats.appspot.com/GA标识/网站域名（如jiadingqiang.com），然后在邮件里以图片的形式加入。这样，当客户在打开邮件的时候，你的Google Analytics账户就会收到统计信息。 链接点击率：即用户在看了邮件之后，点击邮件里的链接进入网站的比例。链接点击率跟邮件内容的撰写非常相关，这个比例是用来衡量邮件撰写质量的重要指标。要得到链接点击率，必须先得到从邮件进入网站的客户数量。这就需要GA能够区分出邮件营销来的客户和其他渠道来的客户。要达到这个目的，可以通过Google的网址构建来构建GA能够区分的链接，然后加入到邮件里。这样，当用户点击邮件里的链接进入网站的时候，我们就能够在GA的campaign里统计到。 目标转化率：进入网站的用户形成转化的比例。这个跟网站质量，邮件营销的着陆页及其其他和网站转化率相关的因素都相关。这个与一般意义上的网站转化率差别不大，可以通过GA很容易的分析到。 得到了以上四个比率，然后把它们相乘，就得到了整个邮件营销的转化率。 转载：http://www.jiadingqiang.com/%E9%82%AE%E4%BB%B6%E8%90%A5%E9%94%80%E7%9B%91%E6%B5%8B/
层次分析法（Analytic Hierarchy Process）简称AHP，是美国运筹学家T. L. Saaty教授于70年代初期提出的， AHP是对定性问题进行定量分析的一种简便、灵活而又实用的多准则决策方法。它的特点是把复杂问题中的各种因素通过划分为相互联系的有序层次，使之条理化，根据对一定客观现实的主观判断结构(主要是两两比较)把专家意见和分析者的客观判断结果直接而有效地结合起来，将每个层次元素两两比较的重要性进行定量描述。而后，利用数学方法计算反映每一层次元素的相对重要性次序的权值，通过所有层次之间的总排序计算所有元素的相对权重并进行排序。 层次分析法的适用范围 层次分析法适用于多目标决策，用于存在多个影响指标的情况下，评价各方案的优劣程度。当一个决策受到多个要素的影响，且各要素间存在层次关系，或者有明显的类别划分，同时各指标对最终评价的影响程度无法直接通过足够的数据进行量化计算的时候，就可以选择使用层次分析法。 AHP的模型结构 首先，可以根据实际问题构建层次模型，这里以网站质量的衡量为例来简单说明下，我们可以认为网站质量主要由网站内容的质量及网站交互的友好度决定，而内容的质量又受到内容的完整性、准确性和及时性的影响；交互的友好度由交互流程的友好度及网站的整体信息架构的优良程度来决定，所以可以构建如下图的模型： 为了计算各要素对上一层指标的影响权重（如内容的准确性对内容质量的影响程度有多高，需要计算出该权重，而完整性、准确性和及时性3个指标对内容质量的影响权重的和为1，其它各指标也同样满足该原则），需要构建对比矩阵，即从模型的第二层开始运用9标度对从属于上一层中每个要素的同层各要素间进行两两比较，如模型中的要素i相对于要素j对上层要素的重要程度，1表示i与j同等重要，3表示i比j略重要，5表示i比j重要，7表示i比j重要很多，9表示i比j极其重要，可以用Wi/Wj表示该重要程度，两两比较后可以得到以下矩阵： 因为上面的矩阵是通过两两比较的结果列出来的，所有对于整个矩阵而言不一定是完全一致的，所以首先需要验证该对比矩阵的一致性。可以通过计算矩阵的最大特征值的方法来衡量矩阵的一致性，相关的指标有一致性指标CI，随机一致性指标RI，一致性比率CR=CI/RI（具体的计算方法不详细介绍了，可以参考相关资料）。一般当CR<0.1时，我们认为该对比矩阵的一致性是可以被接受的。 如果矩阵的一致性满足要求，则可以根据矩阵的最大特征值进一步计算得到对应的特征向量，并通过对特征向量进行标准化（使特征向量中各分量的和为1）将其转化为权向量，也就是我们要求的结果，权向量中的各分量反映了各要素对其相应的上层要素的影响权重。如： 网站质量=内容质量*0.6+交互友好*0.4 内容质量=完整性*0.3+准确性*0.4+及时性*0.3 交互友好=交互流程*0.7+信息架构*0.3 在计算得到各要素相对于上层要素的权重之后，我们就可以通过加权平均的方法将最底层指标的测量结果汇总到目标指标的最总分值，用于评价各决策方案的优劣性，并选择最优方案。如： 网站质量=（完整性*0.3+准确性*0.4+及时性*0.3）*0.6+（交互流程*0.7+信息架构*0.3）*0.4 层次分析法的应用前提 在应用层次分析法时，必须满足以下几个前提： 各层的要素必须是已知的，并且条理结构清晰，能够按层次区分排列； 同一层中的各要素的关系是平等的，而各要素间相互独立，不存在显著的相关性； 最底层的指标可以被量化，并能够通过一定的方法测量； 需要明确各层次间要素的影响关系。
根据美国数据库营销研究所Arthur Hughes的研究，客户数据库中有三个神奇的要素，这三个要素构成了数据分析最好的指标： 最近一次消费（Recency） 消费频率（Frequency） 消费金额（Monetary） RFM分析原多用于传统营销、零售业等领域，适用于拥有多种消费品或快速消费品的行业，只要任何有数据记录的消费都可以被用于分析。那么对于电 子商务网站来说，网站数据库中记录的详细的交易信息，同样可以运用RFM分析模型进行数据分析，尤其对于那些已经建立起客户关系管理(CRM)系统的网站 来说，其分析的结果将更具意义。 基本概念解释 RFM模型是衡量客户价值和客户创利能力的重要工具和手段。RFM分析模型主要由三个指标组成，下面对这三个指标的定义和作用做下简单解释： 最近一次消费(Recency) 最近一次消费意指用户上一次购买的时间，理论上，上一次消费时间越近的顾客应该是比较好的顾客，对提供即时的商品或是服务也最有可能会有反应。 因为最近一次消费指标定义的是一个时间段，并且与当前时间相关，因此是一直在变动的。最近一次消费对营销来说是一个重要指标，涉及吸引客户，保持客户，并 赢得客户的忠诚度。 消费频率(Frequency) 消费频率是顾客在一定时间段内的消费次数。最常购买的消费者，忠诚度也就最高，增加顾客购买的次数意味着从竞争对手处偷取市场占有率，由别人的手中赚取营业额。 根据这个指标，我们又把客户分成五等分，这个五等分分析相当于是一个“忠诚度的阶梯”(loyalty ladder)，其诀窍在于让消费者一直顺着阶梯往上爬，把销售想像成是要将两次购买的顾客往上推成三次购买的顾客，把一次购买者变成两次的。 消费金额(Monetary) 消费金额是对电子商务网站产能的最直接的衡量指标，也可以验证“帕雷托法则”(Pareto’s Law)——公司80％的收入来自20％的顾客。 数据获取与分析 在从数据库中提取相关数据之前，首先需要确定数据的时间跨度，根据网站销售的物品的差异，确定合适的时间跨度。如果经营的是快速消费品，如日用 品，可以确定时间跨度为一个季度或者一个月；如果销售的产品更替的时间相对久些，如电子产品，可以确定时间跨度为一年、半年或者一个季度。在确定时间跨度 之后就可以提取相应时间区间内的数据，其中： 最近一次消费(Recency)，取出来的数据是一个时间点，需要由 当前时间点-最近一次消费时间点 来作为该度量的值，注意单位的选择和统一，无论以小时、天为单位； 消费频率(Frequency)，这个指标可以直接在数据库中COUNT用户的消费次数得到； 消费金额(Monetary)，可以将每位客户的所有消费的金额相加(SUM)求得。 获取三个指标的数据以后，需要计算每个指标数据的均值，分别以AVG(R)、AVG(F)、AVG(M)来表示，最后通过将每位客户的三个指标与均值进行比较，可以将客户细分为8类： Recency Frequency Monetary 客户类型 ↑ ↑ ↑ 重要价值客户 ↑ ↓ ↑ 重要发展客户 ↓ ↑ ↑ 重要保持客户 ↓ ↓ ↑ 重要挽留客户 ↑ ↑ ↓ 一般价值客户 [...]
如果您在 Google AdWords 中购买了关键字，那么最好将支出集中在可为网站带来优质点击量并为公司产生最高投资回报的关键字。只需查看 Google Analytics（分析）中的一份报告，您就可以了解所购买的每个关键字的投资回报率，从而放心地把钱花在有效的关键字上，并且放弃效果不佳的关键字。方法如下。 将 AdWords 帐户链接到 Google Analytics（分析）帐户。 将 Google Analytics（分析）帐户链接到 AdWords 帐户后，您就可以在 Google Analytics（分析）报告中看到每个关键字的费用和其他费用指标。链接到帐户后，您基本上就可以让自己对关键字费用和访问者点击 AdWords 广告后的收入情况进行比较。此外，Google Analytics（分析）会开始从 AdWords 帐户导入点击和费用数据，同时对所有相关的访问者活动进行跟踪。 因此，如果您尚未进行此操作，请现在就将您的 AdWords 帐户链接到您的 Google Analytics（分析）帐户。此外，也建议您确保自动标记功能已经自动启用。这样，对您的 AdWords 广告的每次点击都会自动关联到相应的关键字和 AdWords 广告系列。 链接帐户的另一个好处是，您只需点击 AdWords 帐户中的 Analytics（分析）标签就可以访问 Google Analytics（分析）。 您指定目标价值了吗？ 等一下！先别急着因为自己不销售任何东西而决定跳过此部分。请允许我提醒您一点，这是一篇关于投资回报率的文章。如果您没有为目标设定价值，就无法衡量投资回报。您的投资就是 AdWords 费用。那么，您的回报从哪里来？ 当然，如果有电子商务网站，您的回报就来自电子商务交易收入。不过，即使没有电子商务网站，您多半也能为自己的目标指定适当的价值。例如，如果您知道每 100 次 PDF 下载中就有一次会产生人民币 ￥4000 元的销售额，您就可以为相应 PDF 下载指定 ￥40 元的价值。 分析 AdWords [...]
做了五六年的专职网站分析工作，在国外的几年也有幸接触到很多非常优秀的网站分析师，越来越觉得要做好网站分析不是一件容易的事，原因很多，所处的环境也不同，就我个人而言主要有如下几个阶段： 一、当刚接触到网站分析的前一两年，那是新奇与兴奋。当我开始使用HBX，Coremetrics，看到Omniture SiteCatalyst, 看到免费的Google Analytics等等非常好的工具，以及那么多可以拿到的指标。觉得网站分析很神奇，我可以了解用户的所有行为。这个阶段，我做了很多很多的报告，给公司各个level上至CEO下至Marketer提供各种各样的数据，诸如网站的整体流量，页面的表现，流量的来源，各渠道流量的质量，站内搜索行为，站外引擎的情况，等等。我相信很多网站分析人员目前所处的阶段跟我当时是一样的，就是reporter的角色远远大于analyst。但是这个过程是很有必要的，因为只有经过这样的过程，你才能对分析系统有深入的了解，知道各个指标的详细定义，并且知道什么情况下大概需要什么样的指标来衡量。 二、接触网站一段时间之后，就发现其实不知道的还有很多，变得越来越谨慎与小心。这个时候，我会用更高级一些的分析功能，诸如segment, path, scenario等。大概情况是这样，当你需要对很多人提供越来越多的数据的时候，你就会发现数据源会越来越多，不仅仅是你这儿的数据源，还有其他人能接触到的数据源，但是这些数据源很多情况下数据是不一致的，会有很多人来challenge你。于是就需要进一步研究数据追踪的原理，为什么不一致，这些不一致究竟代表什么。这段时间给我的帮助很多，帮助我了解了很多数据产生的原理，以及很多指标真实的定义，比如对于市场投放attribution window的了解，过程就很复杂。 三、大概三四年之后，做得更多的就是要分析为什么数据会这样变 化。这是一个比较综合的分析过程，你需要了解各渠首的流量数据，以及网站上用户的所有行为。并且，你要知道外部市场的情况有什么变化。所有这些都会影响很 多指标，诸如流量、转化率等重要的指标。在这个过程中，会发现网站分析有的时候很无力，因为在有些情况下，并不能找出数据变化的原因，既使你能找出，由于 原因太多，通常会耗费你大量的精力与脑力去做这件事情。因为有一点情时刻需要提醒自己，就是错误的分析导致的结果很严重，所以很多时候，分析过程只占不到 三分之一的工作，更多的工作在于验证分析结果是否准确，是否能从很多方面验证下来结论都合理。 四、最近，我将主要的精力都转移到网站用户行为的分析上来。网站用户行为的分析，可以说是网站分析最困难的部分。不同于市场投放，因为marketing这 边，总体来说，还是有迹可寻。而对于用户行为研究，情况则全然不同，很多时候你看到某些用户的行为，你没有办法判断是因为网站设计还是用户需求导致这种行 为。当对网站做出一些变动的时候，你希望能分析这种变动是好是坏，于是你去看所有用户的路径，所有用户的点击行为，所有用户的转化。 于是情况就复杂起来，首先，我们需要判断哪些数据 变化是有利的，比如某些网站功能，改进后的结果恰恰是数据变糟了，但对于用户来说是方便的。举个例子，在购物流程中，比较通行的做法是尽量减少出口，让用 户不至于流失，然而，有很多功能是在购物流程中让用户用起来会比较方便的，在这个时候，我们不能仅仅是为了数据而过于减少结账流程中的出口。其次，在分析 用户行为的时候，由于市场投放行为的变化，用户群本身就是变化的，所以往往很多好的改进在数据上看起来，效果并不理想。当然，也有一些方法来解决这些问 题，诸如A/B Testing，诸如问卷调研，但很多情况下，网站功能是从无到有的过程，在这时，A/B Testing就 很难适用。第三，由于做了很久的网站分析，因此逻辑上趋向于一切以数据为说话，而很多时候，你需要站在系统的角度来考虑。举个例子来说明，在考察用户行为 的时候，我们可以看到非常多的网站行为路径，而我们在改进其中一个页面的时候，用户的用户路径也会变化。此时，就不能简单的只看这个改进的页面是否效率提 升，是否有所改进。而应该分析整个网站的用户行为路径发生了何种变化，这种变化是否与我们最终的业务目标一致。 如前文所说，其实网站分析最终的瓶颈在于如何与业务相结合，世界上没有一套放之四海而兼准的分析步骤。因此你在组织中的位置，所能接触到的信息，对业务的了解情况，也一定程度上决定了网站分析是否能真正与业务相契合。 最后，我想说的是我们是analyst，不是reporter，我们需要提供的是帮助决策的insights，不是data。 http://hi.baidu.com/hpzheng1982/blog/item/153aaf664e35a028ab184c9c.html
1. 搜索引擎营销 （SEM） 搜索引擎营销（SEM）英文全称为Search Engine Marketing，意指通过搜索引擎进行服务和产品的营销。搜索引擎营销又主要分为两种：搜索引擎优化（SEO）和付费点击（PPC，Pay-Per- Click）。搜索引擎优化（SEO）指通过优化网站和页面并让它们在搜索结果的页面中展示，而付费点击（PPC）指通过购买搜索引擎的点击将用户带到自己的网站。（通常）这些点击来自搜索结果页面中的“赞助商链接”（译注：显然不适用于百度）。 2. 反向链接（Backlink） 反向链接（Backlink）又称为“回指链接”“入链”和“简易链接”，指从其他网站指向你的网站的一个超级链接。反向链接之所以对SEO异常重要，是因为它们直接影响一个网页的页面等级（PageRank），以及这个页面在搜索结果中的排名。 3. 页面等级（PageRank） 页面等级（ PageRank） 是Goolgle用来评估一个页面相对于其他页面的重要性的一个算法规则。这个算法规则最基本的意思就是说，如果A页面有一个链接指向B页面，那就可以看作是A页面对B页面的一种信任或推荐。所以，如果一个页面的反向链接越多，再根据这些链接的价值加权越高，那搜索引擎就会判断这样的页面更为重要，页面等级（PageRank）也就越高。 4. 链接诱饵（饵链）（Linkbait） 链接诱饵（Linkbait），顾名思义这是一个网站或一个博客上为了尽可能多地吸引反向链接（目的是提高网站的PR值）而存在的一段内容。通常，这些做为诱饵的内容为文字内容，但也可以是一段视频、一张图片、一个测验或其他的热门的内容。最经典的诱饵内容的例子是“十大（Top 10）”，因为这样的内容在一些社交网站很容易流行起来成为热门话题（译注：这个话题貌似已经臭街了）。 5. 互链车间或互链作坊（Link farm） 互链工厂或互链作坊（Link farm）是指很多网站（通常数量很大）为了提高组成一个类似车间或作坊式的团体，通过彼此的互相链接来提高团体每一个的网站的页面评级的手段。早期，这种方法很有用，但现在已经成为一种不耻的作弊手段（并可能会收到惩罚）。 6. 锚文本（Anchor text） 锚文本（Anchor text）在反向链接中是指一个页面中可点击的文本，而其中的关键词对搜索引擎优化（SEO）有很大的帮助，因为Google会将这些关键词和你的内容关联起来。 7. 链接属性-NoFollow Nofollow是网站管理员使用的一个链接属性，其目的是告诉搜索引擎他们并不是为该链接所指向的网站投票。这种链接也可能是网站用户自己创造的内容（比如博客评论中的链接），或者是一个付费交易的链接（比如广告或赞助商的链接）。当Google识别到这些反向链接的NoFollow属性后，基本就不会在页面评级和搜索结果排名的算法中将这些链接的贡献计算在内了。 8. 链接修饰（Link Sculpting） 链接修饰（Link Sculpting）是指网站管理员对网站上其他网站的反向链接进行属性设置。比如，管理员给链接添加Nofollow属性，这可以让管理员决定利用自己的网站为具体某个网站提高页面评级，或者不帮助具体某个网站提高网页评级。不过，现在这种做法的作用已经微乎其微，因为Google已经决定要用自己的算法来决定怎么处理链接的Nofollow属性。 9. 页面标题（Title Tag） 页面标题（Title Tag），顾名思义是指一个页面的标题中，这也是Google搜索算法中最重要的一个参考。理论上，你的页面标题要独一无二并尽可能多地包括页面内容中的关键词。你在浏览网页时可以从浏览器最上方看到一个网页的标题。 10. 元标签（Meta Tags） 元标签（Meta Tags）和页面标题一般，主要用于为搜索引擎提供更多关于你页面内容的信息。元标签位于HTML代码的头部，还有就是对长眼睛的访客是不可见的。 11. 搜索算法（Search Algorithm） Google的搜索算法是为了给每一次搜索请求找到最为相关的网站和页面而设定。这个算法考量的因素超过200种（谷歌自称），其中包括页面等级、标题、元标签、网站内容，以及域名的年龄等。 12. 搜索结果页面（SERP） 搜索结果页面（SERP）的英文全称为Search Engine [...]
“请举手！如果你的用户转化率每天达到了5%。”如果这样问中国所有的B2C网站。 结果是，一个举手的人都没有。 目前，绝大多数B2C的转化率都在1%以下，做的最好的也只能到3.5%左右（比如以卖图书为主的当当）。 我想，所有的B2C都会关心三个问题：究竟那97%去了哪里?自己的网站在什么环节变成了漏斗，让进来的客户像沙子一样一点点地流失？以及怎么检修隐藏的漏斗，减少漏水的速度？ 数据，这个时候可以是一双眼睛，可以让我们看得一些蛛丝马迹。 一、分解B2C漏水的过程 上次参加第五届网上零售年会，我与从美国过来的陈昱波教授都感慨，国内的B2C在数据营销方面太不给力了。后来，与一些到场的B2C的CEO们交流，又一次验证了数据这个东西，看到不等于不等于知道，知道不等于真正知道。比如，大家都知道首页的浏览速度很重要，但是对最后的交易量有多大的影响呢？他们之间的关系函数是什么？极少数人算过。 相同的道理，大家只知道B2C的转化率不高，但是却不知道客户是怎么流失的。一群用户进来网站，他们经过首页、中间页、产品页、购物车以及结算等几个步骤，通常他们在这几个环节是怎么分批离开的呢？其实，这不是没有数据可查。 先给大家看一张图。 图一：访客达到网站到最后付款的比例图。 这个数据图，是我根据十几年的工作经验总结得到的，一般与实际情况相差不多。 图一意思就是说，假定400个客户到了你的网站，会到中间页(包括搜索頁、分类頁、促销頁)的只有320（60%~80%）个用户，点击进产品页的只有190个用户，最后辛辛苦苦走到购物车只有9%~13%的用户，这个时候还不能开心，因为并不代表用这些户会掏钱，留到最后会付钱的用户仅仅只有3%~5%。 更叫人难以接受的是，在这最终购买的3%~5%中(未包括支付成功)，最后回头再次购买的，又要打一个大折扣。 在吐舌头惊讶B2C生意难做之后，大家可以检查一下自己网站的漏水数据。只有清楚了哪个环节漏水，才能补洞。 二、排查每个环节的漏洞在哪里 以下，我们按照漏水的顺序，一个环节一个环节摸下去。 1、三问首页 大部分B2C首页有20%以上的弹出率，可能许多人对这个数字都习以为常，认为非常正常。如果做得很细致的分析的话，可能就意外的收获。 先问第一个问题：每天来的新客户占多少？老客户占多少？新老客户的弹出率分别是多少？ 我看了一下麦包包的数据，麦包包用了很多流量来支持网站首页，如果他们的弹出率很高，那也是很正常的。但是注意要问一句，新老用户的弹出率分别多少？这个是比较容易考验网站的基础能力，新客户的弹出率可以检验一个网站抢客户的能力。对于老客户来说，流程上的用户体验相对不是最讲究，这个就很考验Onsite Merchandising的能力，比如产品的质量和价格是否吸引人。 一般的来说，如果是一个新网站，拓展新用户比经营老客户更为重要的话，新老客户的比例最好是在6比4(甚至7比3)，那么首页就要有一些手段偏向抓住新客户。 如果，新用户的弹出率非常高，或者是老用户的弹出率非常高，那么网站运营者就该反思，是不是网站首页的设计没有照顾到新客户或者老客户。 做了三年的B2C网站，建议分新老用户两个首页，已经在网站购买过的用户，没有必要再向它介绍网站，而是直接刺激他消费。 再问第二个问题，流量分几个大渠道进来，每个渠道的弹出率情况如何？ 问完了之后，接下来可能发现从百度和谷歌进来的用户，弹出率可能差异非常大。而且今天主流B2C网站，都在费尽心思引进流量，比如凡客今天做很多促销，许多不是从“正门”（官网首页）进来，是“旁门”（LP促销页）进来，所以今天注意首页之外，还要看一下旁门。 针对自己的主要流量渠道排查下去，很容易发现，哪条渠道在漏水。找到了痛处之后，再找到相应的解决方法就不难了。 接着再问第三个问题， 首页被点击最多、最少的地方是否有异常情况？ 在首页，点击次数异常的高、或者异常的低的地方，应该引起注意。 这里，在特别给大家分享一个好用的“规律”，一般来说，首页的“E”（以E字中间的“一”为界，上部是首页第一屏）部份是最抓用户眼球的地方，在这个“E”上如果出现点击次数较低的情况，就属于异常情况，应当注意，或者干脆移到“E”外面去；同理，如果在“E”的空白处出现了点击次数较高的情况，也可分析原因，可考虑要不要移到“E”上面来。 国内的B2C网站首页非常长，可能许多用户不会浏览到首页底部，所以“E”最下面的“一”就往往可去掉，变成了“F”规律。 2、中间页留客的三个技巧 先说一下美国用调查出来的现成数据，在B2C网站上的准买家，有18%的用户有找不到需要的产品的困难，有11%的用户找到了产品但是不自己想要的，这29%的用户基本会漏掉。 大部分用户进入首页之后开始找产品，第一是看促销，第二个看目录，第三是用搜索工具。其中，大概有60%~70%的用户是通过搜索+目录的方式走到产品页面。 同上，这三个渠道都要按照新老客户分开去看一下离开率，这里不做赘述。这里和大家分享一下三个技巧。 技巧一：怎么判断促销、目录和搜索是否成功，就看一下走到产品页的用户百分比是多少，哪一个渠道走得不好，就要改善。到底是怎么改进？一般来说，促销的原因与marketing的关系大一些，目录与采购组关联度大一些。 例如，拿产品目录来说，手机应该是按照品牌来分、功能分、还是按照价格来分？目录经理需要和采购经理密切沟通，了解市场情况。曾经，我去京东，京东有个做目录的经理问我，怎样做好一个产品目录？当时我说我也没答案，这个我研究了10多年，没有特别好的标准答案，只能是与凭借多年的市场经验。 如果一个网站前端的东西做不好，是营销的责任多一些。到中间页面，可以按照目录的转化率查一遍，转化率差的目录就要注意一下。 再说搜索，一般B2C网站是由目录经理+技术来做的。通过搜索工具找产品的用户，自己有精确的需求，那么除了搜索技术之外（此环节与产品经理的关系非常大），还要提供符合用户需要的产品。假想一下，如果一个用户搜索出来的页面只有3个产品，他肯定会判断这个网站的东西非常少，如果还不那么符合自己要求的话，离开率几乎是100%。 而多年做数据的经验告诉我，一般来说，在搜索页的第三页至第四页，用户还没有找到想要的产品，离开率就会很大。针对搜索页离开率比较大的页面，也有两个分享的技巧。 技巧二：在离开率高的页末尾，推荐给用户另外一个搜索路径，让用户换一条路找产品。 技巧三：对于那些找不到自己想要的东西的用户，乘他们脑子是空的时候，弹出一个菜单，告诉他们10个人就有9个人买了某某产品，可能就会把他整个思维重新激活，又可能留下。 技巧三比技巧二对用户的刺激大，但是也更冒险，如果对推荐的产品没有足够大的把握，用户可能转头就离开了。 3、产品页要特别留意用户停留时间 到了产品页，用户留不留，与产品描述、质量有非常大的关系。所以，要特别留心客户停留在产品页的时间，如果许多用户打开产品页不到1秒钟就走了，就要留意分析原因了。是不是这个产品没有吸引力？是不是产品描述不准确？要多问一些问题。 另外，和传统零售业喜欢提到的“碰撞率”相似，网站运营者应该了解哪些产品是被看了最终页，哪些没有被用户点看。 4、购物车里多少产品没有付款？ 图三：2010年Q1中国核心B2C网站用户转化率，其中可见许多用户把产品放进购物车，但是并没有下单付款。 许多用户把产品放进购物车，但是并不付款。找产品部负责人，为什么这么多用户放在购物车里却不付款？这对于一个B2C网站来说，是一个很严重的事情。 这里有三个点值得一提。 一是，许多B2C网站，等用户要下单，提醒“请先注册”，30%的人可能会选择离开。这真的非常狠的一刀，从站外把用户引进来好不容易跋山涉水到了这一步，竟然还要给用户一刀送他离开，多少B2C网站思考过是否必要设立这一“提醒”？ 二是，如果找不到用户不付款的原因，可以直接给几个用户电话访问。 三是，分析同时被放在购物车的产品之间关联性。 总之，到了购物车，是网站自己和自己比，定性的多，定量的少。 [...]
首先来看一段比较全面的META标签代码 view plaincopy to clipboardprint? <META NAME=”Title” CONTENT=”lamp blog 专注于SEO、数据分析、网站优化 ”> <META NAME=”Author” CONTENT=”lamp blog”> <META NAME=”Subject” CONTENT=”lamp blog”> <META NAME=”Description” CONTENT=”lamp blog 专注于SEO、数据分析、网站优化”> <META NAME=”Keywords” CONTENT=”lamp blog 专注于SEO、数据分析、网站优化”> <META NAME=”Generator” CONTENT=”gvim”> <META NAME=”Language” CONTENT=”zh-CN”> <META NAME=”Expires” CONTENT=”如：Wed, 27 Sep 2011 08:21:57 GMT”> <META NAME=”Abstract” CONTENT=”SEO、数据分析、网站优化”> <META NAME=”Copyright” CONTENT=”lampblog.net”> <META NAME=”Designer” CONTENT=”luolei”> <META NAME=”Publisher” CONTENT=”luolei”> <META [...]
