第1章Web Analytics 2.0的新世界 1
1.1网站分析现状 1
1.2行业现状 2
1.3重新审视Web Analytics： Web Analytics 2.0 3
1.3.1“是什么”：点击流数据 5
1.3.2“有多少”：多目标产出分析 5
1.3.3“为什么”：试验与测试 6
1.3.4“为什么”：客户的反馈 7
1.3.5“其他方面”：竞争情报 7
1.4变革：我们可以实现 8
1.4.1必要的策略调整 8
1.4.2战术调整 8
1.4.3其他基础分析 10
第2章 选择网站分析系统的最佳战略 13
2.1确定预期业务目标 13
2.2第一步：选择网站分析系统前需要回答的3个关键问题 15
2.2.1问题1：需要报表，还是需要分析 15
2.2.2问题2：我们的优势在IT方面、业务方面，还是两方面都有优势 17
2.2.3问题3：我只需要解决点击流数据，还是需要整个Web Analytics 2.0 17
2.3第二步：系统选定之前问供应商的10个问题 18
2.3.1问题1：你们的工具/解决方案 Yahoo！和Google的免费分析工具之间有什么区别 18
2.3.2问题2：你们是否是100%的ASP？是否提供本地安装版本的系统？你们计划提供本地安装版本吗 19
2.3.3问题3：你们使用什么样的数据捕获机制 19
2.3.4问题4：你们能计算使用你们工具的总成本吗 19
2.3.5问题5：你们能提供什么样的支持服务？哪些支持服务是免费的，哪些是付费的？免费服务是否是全天候的 21
2.3.6问题6：你们的系统当中哪些功能允许对数据进行族群细分 21
2.3.7问题7：有哪些方式可以将你们系统的数据导入到公司内部系统 21
2.3.8问题8：你们的系统提供了哪些功能可以将其他来源的数据集成到系统 22
2.3.9问题9：你们是否可以列举2～3个目前正在规划的新的系统功能，保证你们的系统未来3年领先于竞争对手 22
2.3.10问题10：最近两家客户与你们解除合同的原因是什么？他们中谁还在使用你们的系统？我们可以给这些客户打个电话吗 23
2.4 Web Analytics供应商比较：多元化与竞争优势 24
2.5第三步：识别网站分析系统（如何有效地试用分析系统） 25
2.6第四步：确定合作前的谈判——详细检查供应商提供的合同服务条款 27
第3章 点击流分析的精彩世界：指标 31
3.1重温网站分析标准指标：8个关键网站指标 32
3.1.1访问与访客 32
3.1.2网页停留时间与网站停留时间 39
3.2跳出率 44
3.3退出率 46
3.4转化率 48
3.5参与度 49
3.6网站分析指标揭秘 51
3.6.1优秀指标的4个特性 51
3.6.2优秀指标示例 53
3.6.3 Avinash关于网站成功的3个教训 54
3.7关键指标的战略性对策 55
3.7.1确定网站指标表现的关键因素——转化 55
3.7.2合理利用自定义报表 56
3.7.3建立团队报表中心 60
3.7.4从宏观上理解网站 60
第4章 点击流分析的精彩世界：实践操作 65
4.1网站分析入门 65
4.1.1扫清入门障碍：熟悉元老级指标 66
4.1.2了解访客来源 67
4.1.3修源节流 69
4.1.4点击密度分析 70
4.1.5衡量访问与购买 72
4.2最佳网站分析报表 73
4.2.1流量来源 74
4.2.2流量产出 75
4.3基础分析思路 75
4.3.1无细分，毋宁死 76
4.3.2关注用户行为而非总体结果 80
4.4让日常点击流分析更具操作性 81
4.4.1站内搜索分析 81
4.4.2 SEO分析 86
4.4.3按点击付费/付费搜索分析 93
4.4.4直接流量分析 98
4.4.5邮件营销分析 100
4.4.6富媒体内容分析：Flash、Video和Widgets 102
4.5真实性验证：网站分析的挑战性视角 105
4.5.1跟踪访客cookie 105
4.5.2数据抽样 108
4.5.3历史数据的价值 110
4.5.4用户体验视频回放的实用性 112
4.5.5终极数据校正清单 113
第5章 通往光荣之路：衡量绩效 119
5.1关注“少数关键节点” 121
5.2产出KPI实际操作5例 122
5.2.1任务完成度 122
5.2.2搜索流量比例 122
5.2.3访客忠诚度和回访率 122
5.2.4 RSS/Feed订阅数 123
5.2.5正面退出比例 123
5.3转化率进阶 123
5.3.1购物车和结算流程放弃率 124
5.3.2购买前访问次数和天数 124
5.3.3平均订单价值 124
5.3.4主要目标（标识可转化人群） 125
5.4衡量宏观及微观转化 126
5.5量化经济价值 129
5.6衡量非电子商务绩效 131
5.6.1访客忠诚度 131
5.6.2访客回访率 132
5.6.3网站停留时间 133
5.6.4访问深度 133
5.7衡量B2B网站绩效 134
第6章 解决“为什么”难题——利用定性数据 137
6.1实验室可用性研究：是什么，为什么，有多少 137
6.1.1什么是实验室可用性研究 138
6.1.2如何进行测试 138
6.1.3实验室可用性研究的最佳实践 140
6.1.4实验室可用性研究的好处 140
6.1.5注意事项 141
6.2可用性研究的替代方案：远程和线上外包 141
6.3调研：真正倾听用户心声 144
6.3.1调研的类型 145
6.3.2调研中最容易犯的错误 148
6.3.3永不过时的3个最佳调研问题 149
6.3.4选择线上调研供应商的8个忠告 151
6.4互联网环境下新的用户研究方法 153
6.4.1竞争性标杆研究 153
6.4.2快速可用性测试 153
6.4.3线上卡片-分拣研究 154
6.4.4人工智能视觉热点图 154
第7章 尽早预知成败：充分发挥测试和试验的力量 157
7.1测试方法入门：A/B测试和MVT 158
7.1.1 A/B测试 158
7.1.2 MVT 159
7.2可操作的测试建议 162
7.2.1改进关键页面——着陆页 162
7.2.2关注结账、注册/登录和提交页面 163
7.2.3优化广告的数量及位置 163
7.2.4 测试不同的定价与销售策略 163
7.2.5测试包装盒的设计、DVD封面等实物 164
7.2.6优化外部市场活动 164
7.3对照试验：改善你的数据分析 165
7.3.1衡量付费搜索对品牌关键词和关键词拆解的影响 165
7.3.2对照试验示例 167
7.3.3对照试验的优缺点 168
7.4创建并推动测试文化 168
7.4.1忠告1：第一次测试务必成功 168
7.4.2忠告2：不要过于依赖工具或是迷信专家的夸大宣传 169
7.4.3忠告3：别有任何隐瞒——抛开自以为是 169
7.4.4忠告4：以假设开始 169
7.4.5忠告5：制定结果评估标准和预先决策 170
7.4.6忠告6：测试并衡量多目标产出 170
7.4.7忠告7：根据用户最需要解决的问题进行测试 170
7.4.8忠告8：分析数据，交流心得 170
7.4.9忠告9：两个必备要素——测试宣讲员和测试专家 171
第8章 竞争情报分析 173
8.1竞争情报的数据来源、类型和秘密 174
8.1.1工具条数据 174
8.1.2用户库数据 175
8.1.3 ISP数据 176
8.1.4搜索引擎数据 176
8.1.5网站分析供应商的行业基准数据 176
8.1.6自行提供数据 178
8.1.7混合数据 179
8.2网站流量分析 179
8.2.1分析长期流量趋势 180
8.2.2分析竞争网站的重合度，发现机会 181
8.2.3分析反向链接和退出网站 182
8.3搜索和关键词分析 183
8.3.1最热门关键词的绩效趋势 183
8.3.2地域兴趣和机会分析 184
8.3.3相关的和快速上升的搜索 187
8.3.4市场占有率分析 188
8.3.5竞争性关键词优势分析 189
8.3.6关键词扩展分析 190
8.4受众识别和细分分析 192
8.4.1基于人口统计学的细分分析 192
8.4.2基于用户心理的细分分析 194
8.4.3搜索行为和受众细分分析 195
第9章 新兴分析：社交、移动和视频 197
9.1衡量新的社交网站：数据方面的挑战 198
9.1.1网站内容的演变 198
9.1.2 Twitter的革命 202
9.2分析离线用户的行为（应用程序） 202
9.3分析移动用户的行为 204
9.3.1移动数据收集的可选方案 204
9.3.2移动报表和分析 206
9.4衡量博客的表现 210
9.4.1原始作者的贡献 210
9.4.2整体的受众增长 211
9.4.3引用和轰动指数 213
9.4.4博客的成本 214
9.4.5博客的收益（投资回报率） 215
9.5量化Twitter的影响 217
9.5.1粉丝人数的增长 217
9.5.2信息放大 218
9.5.3点击率和转化 219
9.5.4转化率 221
9.5.5新兴的Twitter指标 221
9.6分析视频的表现 223
9.6.1视频的数据收集 223
9.6.2关键的视频指标与分析 224
9.6.3高级视频分析 228
第10章 隐藏的网站分析陷阱的最优解决方案 231
10.1准确性还是精确性 232
10.2数据质量处理的6个步骤 233
10.3建立行动仪表板 234
10.3.1创建优秀的仪表板 235
10.3.2综合仪表板 236
10.3.3高影响力仪表板的5个准则 237
10.4全线营销的机遇和多渠道衡量 240
10.4.1转向全线营销模式 240
10.4.2多渠道分析 241
10.5行为定向的优势和挑战 242
10.5.1行为定向的优势 243
10.5.2克服基本分析挑战 243
10.5.3行为定向的两个先决条件 244
10.6在线数据挖掘和预测分析面临的挑战 246
10.6.1数据类型 246
10.6.2变量的数目 247
10.6.3多重主要意图 247
10.6.4多次访问行为 247
10.6.5缺少主键和数据集 248
10.7涅槃之路：走向智能分析的步骤 249
10.7.1步骤1：加码 250
10.7.2步骤2：配置网站分析工具的设置 250
10.7.3步骤3：营销活动/流量来源跟踪 251
10.7.4步骤4：收入和高级情报 252
10.7.5步骤5：富媒体跟踪 252
第11章 成为分析专家的入门指南 255
11.1背景信息的重要性 256
11.1.1比较不同时期的关键指标 256
11.1.2通过细分提供背景信息 257
11.1.3比较网站关键指标的平均值和细分值 257
11.1.4给指标寻找伴侣 259
11.1.5利用行业基准和竞争数据 260
11.1.6了解业务知识 261
11.2 KPI变化趋势比较 262
11.2.1呈现业务知识 262
11.2.2细分来救援 263
11.3在Top 10之外：什么改变了 264
11.4真正的价值：衡量潜在转化及访客行为 267
11.4.1潜在访客行为 267
11.4.2潜在转化 268
11.5 4种不能指导实际行动的KPI衡量技术 269
11.5.1平均值 269
11.5.2百分比 270
11.5.3比率 272
11.5.4组合或计算得出的指标 273
11.6搜索：实现最优长尾策略 275
11.6.1计算头部和长尾 276
11.6.2了解品牌和行业关键词 277
11.6.3最佳搜索营销策略 278
11.6.4执行最佳长尾策略 280
11.7搜索：衡量上层漏斗关键词的价值 281
11.8搜索：付费点击进阶分析 284
11.8.1识别关键词的潜在机会 284
11.8.2关注“什么改变了” 285
11.8.3分析展示份额和收入损失 286
11.8.4拥抱投资回报率分布报表 288
11.8.5用户搜索查询和匹配类型归零 288
第12章 成为分析专家的进阶指南 291
12.1多触点营销活动归因分析 291
12.1.1多触点是什么 291
12.1.2你有归因问题吗 293
12.1.3归因模型 294
12.1.4真实世界中归因分析的核心挑战 297
12.1.5归因分析的可行替代方案 298
12.1.6关于多触点的部分思考 300
12.2多渠道分析：对于全线营销的衡量技巧 300
12.2.1跟踪离线营销活动对在线营销活动的影响 300
12.2.2跟踪线上广告活动的线下影响 306
第13章 网站分析职业生涯 313
13.1网站分析职业生涯规划：选择、薪酬前景和成长 314
13.1.1个人技术贡献者 315
13.1.2个人业务贡献者 316
13.1.3技术团队领导 317
13.1.4业务团队领导 318
13.2网站分析成功职业生涯的技能培养 319
13.2.1使用数据 319
13.2.2获取多个分析工具的经验 320
13.2.3真实世界中的运用 320
13.2.4成为数据收集侦探 322
13.2.5数学基础：学习统计学的基本知识 322
13.2.6善于提问 322
13.2.7与业务团队紧密协作 323
13.2.8学习有效的数据可视化和PPT技能 323
13.2.9与时俱进：参加免费网络研讨会 324
13.2.10与时俱进：阅读博客 324
13.3分析高手人生中最美好的一天 326
13.4雇佣最好的人才：给分析经理和总监们的建议 327
13.4.1优秀分析专家的关键特质 328
13.4.2熟手或新手：做出正确的选择 328
13.4.3面试中的最大考验：批判性思维 329
第14章 公司高层、分析师和其他员工一起：创建数据驱动的企业文化 331
14.1改造企业文化：如何让人们关注网站分析 332
14.1.1做一些令人惊讶的事，不要简单地提交数据 332
14.1.2从产出和影响开始分析，而不是访问量 333
14.1.3创造英雄和榜样 333
14.1.4如果想让决策者感兴趣，首先要让网站分析有趣 334
14.1.5竞猜 334
14.1.6内部分享 334
14.1.7把握办公时间 334
14.2提供能指导实际行动的报表和分析 335
14.2.1使用Unboring过滤器 336
14.2.2将见解与实际数据联系在一起 336
14.3通过更改指标定义来改变企业文化：品牌宣传指数 337
14.3.1案例及分析 338
14.3.2问题 338
14.3.3解决方案 339
14.3.4结果 339
14.3.5采用BEI指数的结果 340
14.3.6可选择的计算方法：加权平均 340
14.3.7总结 341
14.4提升数据质量：从质疑转向使用数据 341
14.4.1选择不同的老板 342
14.4.2用“完美”数据资源教育组织 342
14.4.3用可操作的见解吸引公司高层的注意 343
14.4.4小秘密1：第一周/月的头部数据具有可操作性 343
14.4.5小秘密2：在漏斗的低层提升数据精度 344
14.4.6解决方案不是实施另一款网站分析工具 344
14.4.7承认边际收益递减 345
14.4.8网站越小，问题越大 345
14.4.9不合逻辑的用户行为和不准确的基准 346
14.4.10在网站上更快失败 346
14.5让老板成为数据驱动型主管的5项法则 346
14.5.1摆正自己的位置 347
14.5.2认可不完整的数据 347
14.5.3始终多做一点 347
14.5.4成为营销人员 348
14.5.5拒绝数据服务业务 348
14.5.6采用Web Analytics 2.0的思维模式 349
14.6需要预算吗？获得公司支持的策略 349
14.6.1实施试验和测试方案 350
14.6.2倾听用户的心声 350
14.6.3使用行业基准 350
14.6.4竞争情报：你最好的新朋友 351
14.6.5与有意向的网站合作 351
14.6.6如果这些方法都失败了，打电话给我 351
14.7打破网站衡量壁垒的策略 352
14.7.1惊人发现 352
14.7.2缺乏预算/资源 353
14.7.3缺乏策略 353
14.7.4孤立的组织 353
14.7.5缺乏了解 354
14.7.6数据泛滥 354
14.7.7缺乏高级管理人员支持 355
14.7.8 IT障碍 355
14.7.9缺乏对分析的信任 357
14.7.10找不到合适的人员 357
14.7.11糟糕的技术 358
14.8谁真正拥有网站分析 358
14.8.1集中或分散 359
14.8.2团队的演变 359