关于移动设备如何监测用户的行为，看似容易，其实不容易。容易的是，如果把移动设备就当成桌面PC，那么其实无论是对App还是对Web，都可以沿用目前在PC上的方式：Page Tagging和Event Tracking。但问题在于移动设备存在更多的灵活性，人们不止使用一个设备，人们还在移动设备和桌面设备之间切换，而且人们还在web和app之间切换。这样，一个人所发生的跨域和跨界的行为就太多了，如果监测不到这些“跨”行为，我们的监测就无法准确。后PC时代，互联网用户的监测也面临新的课题和挑战。
这篇带有一点点技术的文章，帮我解决了一个很大的问题，就是我知道流量是从Google来的，但是具体是从Google的什么搜索类别来的？并且Google的Sitelinks这样的特殊链接，我怎样才能辨别它们分别贡献了多少流量给我？还有一个很大的用途——GA现在对于Google的Organic关键词几乎都已经隐藏了，我怎样才能知道这些not provided的关键词是什么？这篇来自提姆.雷斯尼克的文章给我们提供了一个新的方法——分析Google的跳转URL中的尾参字符串。
本文包括： 包含ROI和Engagement的多维度的细分流量渠道价值衡量； 流量渠道间的相互作用及对流量渠道评估的影响； 助攻流量和得分流量的案例分析； Attribution Modeling以及流量间相互关系的深挖；
本文内容包括： ROI衡量电子商务线上营销的不足； 如果ROI不是越高越好，那么ROI能够承受的最低限度是什么； 如果毛利永远是负数，如何依据投资金额设定ROI； 三种通向线上营销成功的途径。
很多朋友用GA监测自己的SEO表现，不过对于Google的SEO，Google自家的GA却可能力有不逮。你是否注意到，在GA的Organic（指搜索引擎自然排名流量，与付费搜索引擎广告流量相对）的报告中，存在Not Provided和Not Set这样的项目呢？你是否为此疑惑？这篇文章帮助你解决这个疑惑。
还记得我们前文谈到的优化路径吗？在这个路径中，我们强调从定义KBR开始，然后分解影响KBR绩效的驱动因素，然后再确定这些驱动因素中哪些是基础驱动因素，哪些是非基础驱动因素，再尝试分析基础驱动因素并着手改进，同样，尝试分析非基础驱动因素并着手改进，这之后测试你的这些改进是否有效并固定有效的改进（优化）。由于优化不可能是针对所有人群和兴趣的，所以最后你要在优化的基础上进行动态处理（定制化）。
Visit这个度量是网站分析的基石。但即使是这样基本的一个度量，Google Analytics对它的定义其实都不是完全一成不变的。为了适应新的浏览器变化和人们访问网站习惯的变化，Google Analytics在基本度量上甚至都在不断进化。哦，这或许也是Google Analytics的可怕之处，她已经达到了这样的高度，还比别人爬的快。在本文中，你将学到什么： GA定义visit的重大改变；特殊情况下GA如何处理visit的定义； Visit关联属性的变化（过去和现在）；为什么大部分页面的visit会远小于这些页面的访问者（visitor）数量。
“一图胜千言”，在网站分析中也完全如此。我们喜欢热图的原因，是这张图非常明确地告诉我们用户对一个页面上的什么部分感兴趣，而且非常直观。我曾经有客户告诉我：我什么都不需要，你就给我热图就好了。我想，他一定是因为热图易读好懂，且满含信息，所以才对它青睐有加。
Bounce Rate，网站分析的基本度量之一，相信大家都不陌生。Bounce rate似乎代表着某种网站分析赋予我们的“神奇挑战”，如果我们拥有制服或是支配它的力量，我们就似获得了某项了不起的成就。 于是人们相信bounce rate越低越好，但即如古语所言“过犹不及”，更低的bounce rate或许并不如我们预想的那般美好。
当有朋友问我，什么是效果营销，我相信这是一个非常好的问题，难道还有营销是不为了追求效果的吗？的确，即使是为品牌造势的活动也是为了追逐品牌的传播和好感。不过，为了让事情变得简单一点(我必须指出，我一直以来在尝试用定量化的方法衡量品牌营销的效果，在我的培训中也有一些案例，但品牌营销效果的衡定确实是一项异常复杂的工作，需要远超过网站分析的专业努力和执行)，我们决定让这个沙龙聚焦在明确产出的营销上，即我们所追求的ROI、转化以及实际能够以金钱或者数量衡量的营销上。这也意味着，我们企图通过数学的方法来实现分析和优化是可能的，并且我们理应探寻其中的规律。
毫无疑问，中国电子商务目前整体处于一个非常困难的时期。尤其是当唯品会上市这样在过去非常利好的消息，在今天却成为一句验证“流血”、“亏损”、“资金链”紧张的结语。这不得不让人心生喟叹，中国的电子商务，究竟怎么了？ 中国不会有亚马逊 这个标题怕是会得罪很多人，也定会招致拍砖和鄙视。但我必须坚持我的想法，若有不妥，请海涵。
莫道我不迷惘，我比任何时候都更迷惘。上次说到游泳的例子，我得承认，在游泳的时候，各种“怪异的姿势”，往往不仅仅是因为冰冷的河水，更是因为水中难保没有漩涡湍流，水草拽脚，以及一群混乱游动的人群的相互制肘。或许这些人是推着一条往前行驶的船，但可惜，力气未必是朝同样的方向的。 这就是组织的困境。组织越大，力量反而...
从事电子商务的工作一段时间，发现自己对于数据的想法有了很多变化。过去，我们拿着国外的理论，然后站在河边的岸上，对河中游泳的人们指指点点。今天，当你也跳入河中，就是全然不同的感受。一方面河水冰冷刺骨，另一方面，也开始理解为什么曾经河中的人们用各种“怪异的姿势”奋力搏击。这一篇文章，是我在杭州参加车品觉老师《智论商道，西湖秋学》活...
尽管当前实现衡量的方法还是很有限，我还是对社会化网络未来能够允许更多的加入标记充满希望。我们发现在过去的几年中，社会化媒体平台在不断地进化中，无论是大型还是小型的广告主(公司)都面临着挑战，它们必须与社会化媒体这几年的变化保持一致的步调，更不用说理解社会化媒体营销应该如何更好运作。幸运的是Adobe同世界上最领先的这些社会化媒体平台保持着非常良好的合作关系，并且将不断推进探寻可能的方法帮助广告主更好更有效地持续衡量和优化它们的社会化媒体营销效果。
当一个公司的策略影响到前面价值路径中的所有领域之后，一个有趣的事情就会发生。起初，数据会开始引导并优化业务的战术执行层面。然后，你将看到数据在不断形成或影响你的业务策略，并且能从中得到很多洞见。数据和策略就如同中国的阴阳太极。两个领域互相平衡，互相影响，互相转化又互相滋养。
如果网站让用户参与的互动比较多，例如提交意向，参与调查，参与抽奖，参与评论以及参与分享等内容时，监测工具的选用取决于您是否愿意从一个业务流的角度监测这些活动，以及对这些活动监测粒度（细腻程度）的需要。您当然可以选择GA等免费工具，以一个流量流的角度看待这些活动，代价是从一个网站整体的角度来衡量整体的网站参与度需要作比较多的人工计算，相对比较麻烦，而且更细分的活动监测做不到。如果选用付费工具例如Omniture SiteCatalyst，当然能解决所有的问题，但全面监测的代价是分析的难度显然增加。不过利用Adobe Omniture的数据接口引擎Genesis，可以把这些业务层面的数据直接导入企业的BI系统，这就使数据直接转化为信息，工作难度极大降低。在我离开OMG时，Intel一直都在采取这种方法。
由于大中型电子商务网站太复杂，所以这篇文章一下子又说多了。很可能有些部分朋友们觉得有些难理解，请给我留言询问。大中型电子商务网站选型网站分析工具要注意几点：1) 定制能力；2) 转化和路径能力；3) 业务过程监测; 4) 服务能力。至于说这个工具有没有什么成功案例，我觉得甚至不是什么重要的。很多工具案例不成功，完全不是工具的错，客户也有责任，毕竟中国的商业环境下应用这些工具的案例都还谈不上成功与否――太新了。
工具是网站分析不可缺少的元素。但是如何选择一个称心如意的工具，就不是那么简单了。坦率说，对于工具的选择方面的话题，我并不是最好的建议者，毕竟我所使用过的和我所了解过的工具是有限的。而网站分析的工具则太多太多，我来说这个话题，一定会有失偏颇。但是，朋友们对我不断提出的殷切的期望，又让我不能不紧张地谈谈这个话题。 是的，网站分析工具太多了，我不能够帮助大家选择所有的工具，因此这篇文章中...
我们常常做报告，我们也常常进行网站分析。但是很多时候，报告和分析似乎并不容易严格的区分开来。而且，分析最终也还是以一个报告来呈现的。不过，这篇文章想要告诉我们的是，分析和报告虽然有联系，但的确有很多的不同。他们如同孪生兄弟（就像我之前说Bounce Rate和Exit Rate是孪生兄弟一样），但其实长得并不一样。本文的作者也是美国网站分析的领军人物之一。
希望大家能够记住的，是网站分析与SEO的关系，并不是相互取代，而是相辅相成的。我认为，现在的SEO或者SEM，单纯的进行操作已经成为历史，与网站分析相结合才是王道。而网站分析对SEO的评估和促进主要来自两个层面（浅水区和深水区）以及四个方面（索引、搜索引擎结果、流量和收益）。通过这些层面的评估，将帮助SEO走出仅仅依靠排名决定一切的过往，而走向科学化和精确化，且与网站用户体验真正结合的进化新境界。
