每个网页有大量的链接,如何了解用户会点击哪些链接,以及这些点击会产生什么样的商业结果?我们可以利用Google Analytics中的“网页内分析”功能来回答这些问题。这里,我介绍一下如何使用“网页内分析”的功能和数据解读。

1. 访问“网页内分析”功能

进入GA报表后台,在左侧导航栏内找到 “内容”- “网页内分析”模块(截图下方红圈处)

image

点击链接,可以看到“网页内分析”的界面,左侧有“内容详情”(含访问量及相关统计信息)- “入站来源”(进入当前页面的访问路径,也就是访问者从哪个页面链接引过来的) – “站外目标网页”(离开当前页面后的访问路径,也就是访问者接下来访问什么页面);网页主体部分内将自动加载嵌入小秘书网站页面,并且页面内的链接上会浮现气泡图和相应统计数据。

image

2. 几个关键指标的说明

  • a) “网页内分析”的默认指标是“点击次数”,但实际上GA并非跟踪鼠标的点击行为,而是根据链接目标页面的网页访问(PV)行为进行统计。这样产生的一个问题就是,该页面内的多个链接可能会指向同一个链接目标页面,这样的话,这些相同链接的指标数值就是一样的(目标页面url一样)。GA针对这种情况做了一些标记:

clip_image005 “首页”存在多个指向链接,气泡图用虚线进行标注;“找餐厅”只有唯一指向连接,则是实线

当我们把鼠标停留在有多个指向链接的气泡图上,该网页内相同指向链接的气泡图也会被黑亮显示。如下图:

clip_image007

  • b) 气泡图内的数据计算:
  • 绝对值指标:

“点击次数”=该链接被访问过多少次;

“收入”=“访问过当前网页该链接的所有访问进程中,曾经购买的现金券的金额数”

“目标      1”=“访问过当前网页该链接的所有访问进程中,有多少次访问进程曾经在网上订餐”

  • 相对值指标:

“点击率”=该链接被访问过的次数 / 当前页面所有链接被访问的次数;

“收入”=“访问过当前网页该链接的所有访问进程中,曾经购买的现金券的金额数” / “访问过当前网页所有链接的所有访问进程中,曾经购买的现金券的金额数”

“目标 1”=“访问过当前网页该链接的所有访问进程中,有多少次访问进程曾经在网上订餐”/ “访问过当前网页所有链接的所有访问进程中,所有访问进程曾经在网上订餐的总次数”

注意:这里的相对值指标,并非是“转化率”的概念,而是某一个链接在该网页所有链接访问指标中所占的比重!

3. 分析举例:

首页Banner幻灯片2指向的链接http://www.xiaomishu.com/square/food/special_5999 ,指标数据如下:

image

我们看到,在统计期内,获得了172次点击(浏览次数),在访问过此链接的所有访问进程中,产生了价值“1800.00”的目标价值(我们预设了每次网上订餐均为一次目标完成,价值100元),以及18次网上订餐和1次兑换礼品。172次的点击,占首页总链接点击数的0.5%,分别各占所有首页访问进程目标1完成和目标价值的0.6%。

从首页进入目标网页http://www.xiaomishu.com/square/food/special_5999 (截图下半部分),我们可以看到访问者在该页面点击过哪些链接,以及从哪些路径访问到该页面(除首页Banner幻灯片广告链接外)

clip_image010

clip_image012

4. 常见问题

  • 某些连接为什么没有数据?

页面中所有的出站链接

Google Analytics默认不会追踪出站链接,所以对于页面中所有指向站外的链接都无法统计到点击次数。此外,指向站内子域名的链接,GA也不会进行统计,譬如www.xiaomishu.com某个网页中指向wedding.xiaomishu.com/ 子站的链接。

页面中包含在JS/Flash中的链接

当页面中的链接包含在JS/Flash中时,Google Analytics无法追踪到这部分点击的数据,同样热力图中也不会包含这些链接的点击次数。

网站内使用了Google Analytics的虚拟页面trackPageView()来跟踪链接,由于虚拟页面会人工改写链接url,GA不能获取原始url信息,所以无法跟网页内的真实链接进行匹配了。

  • 下载,订阅等功能性按钮

下载,订阅,视频播放等非页面浏览行为默认都不会被Google Analytics追踪到。解决的方法同样是使用虚拟页面进行追踪。

链接目标页面中不包含GATC

Google Analytics利用后续页面的PV计算前一页面链接的点击量,所以,如果碰巧后面的页面没有实施GATC,那么Google Analytics也就没有数据用来计算热力图中的链接点击量了。

  • 整页点击量汇总等于100%吗?

是的,整个页面中各个链接的点击量占比加在一起是等于100%的。

 

上周四Google宣布将对Google Analytics中的访问次数/访问进程(visit/ session)的定义进行改变 – 官方原文http://analytics.blogspot.com/2011/08/update-to-sessions-in-google-analytics.html。最关键的变化在于,新的定义中,无论何时,访问者从不同的来源重新访问网站,都会计算为一次访问。此前,只有访问者在30分钟没有网站访问动作后,才会计算成为一次新的访问。第二个变化是,浏览器关闭不会结束一次访问进程。

Google认为,这次改变影响不会很大,大部分GA用户只会看到大约1%左右的变化。然而,有一些却反映有超过10%的变化幅度。对GA数据来说,影响最明显的是比率指标,譬如转化率,弹出率和网站平均访问时长。

哪些指标会受到影响?

首先可以确定的是,绝对会受影响的指标是访问次数(visits)。对“唯一访问者 UV”、网页访问数量PV、转化率、网站停留时间等,应该是没有影响的。

随着访问次数(visits)增长,那些以访问次数为分母的比率指标都会下降,譬如每次访问的页面浏览数,转化率和网站平均停留时长。

对跳出率(bounce rate)来说,则有些特殊。如果访问者通过某个访问来源来到网站并点击了某个页面,然后她又跳到别的访问来源,譬如用搜索引擎重新进行搜索,在结果页面点击某个结果链接又回到了之前的网站,那GA就会针对第一个访问来源计算一次跳出。这样,对一些网站来说,跳出率就可能会增长。

另一个会受特别影响的指标是 %新访问者 。访问者重新进入网站,产生第二次访问,会被认为是 回访者(Return Visit)。因此 %新访问者 这个指标会下降。

对我的网站指标会造成哪些的影响?

新的定义会根据网站的不同类型而呈现不同程度的影响。这取决于访问者是否会通过多个访问来源来重新进入网站。有些网站可能并不会受影响。而某些是用Google提供的内部搜索服务或第三方聚合网站,则会受很大的影响,因为访问者使用这些功能时,总是被认为是重新进入网站。

具体的影响程度,可能需要一段时间的观察来进行判断。

Google Analytics的数据是否还可靠?

一个关键的问题是,定义的变化是否会影响我们对网站或商业绩效的理解,是否会影响我们用GA数据来改进绩效?从长期角度来看,一点儿也不会。

无论访问次数的定义是否精确,以往和现在的数据是否正确,都取决于所处时期的定义。现在的数据可能跟上几周不能直接进行比较,但过几周后,就不是问题了。毕竟,我们在评估绩效时,更多的是看当下的数据,这一变化并不会营销我们对绩效的理解。

某些人可能会面临的当前困境是,他们刚好前几天刚发起一场营销活动或推出网站新功能。那这些人就可能有点儿运气不太好,不过抗一抗也就过去了。

值得探讨的是,从这个指标的两种定义来看,我们是否能从中更好地理解商业绩效呢?

如何检查数据变化?

定义发生变化的时间是8月11号,但被影响数据的时间可能会根据不同时区而有所不同。建议:从每日的关键指标从抓取一些数据出来,然后比较它们的变化。如果你看到数据发生了变化,那这个数据会在11号或12号左右出现较大的变化,然后逐渐平缓下来。

Change-from-GA-definition2

为什么Google要这么做呢?

可能Google想要让网站分析的数据更容易理解一些吧,尤其是针对线上营销者。现在,访问次数的定义更简单,每次某人进入网站,就是一次访问。Google公告也说了,希望能把不同渠道漏斗的数据进行对齐一致,这可能是一个关键的决策因素。

还有一个原因,可能是Google Analytics与AdWords在访问次数上定义的差异:访问者可能多次点击您的广告。如果一个人在同一会话中多次点击一个广告,AdWords 会记录多次点击,而 Analytics(分析)会将单独的综合浏览识别为一次访问。这是访问者在进行比较购物过程中的常见行为。(http://www.google.com/support/analytics/bin/answer.py?answer=57164

 

电子商务或线上营销企业中的商业智能分析(部分,初稿)

 

最近看到一些电子商务网站在部署Google Analytics代码时,只是简单的加入了默认的GA页面跟踪代码,这实在是对GA这一强悍的免费网站分析工具的一个巨大浪费。因此,写了一个针对电子商务网站的GA代码部署片子,简要介绍GA的功能和部署可能性。

 

不少人认为效率和效果就度量上是同一件事。但仔细考虑一下,在评估营销或者商业效果时,你往往会需要两种类型的度量来确定最恰当的目标和度量方式。当然,对这种差异进行区分也并非是关键,但理解这种差异将帮助我们去创建更好的度量体系。

下面的,给出效果和效率两者在数字化营销中的简要定义,以及案例。

效率 efficiency

简单和常用的效果定义就是“正确的去做事”。

在营销活动和商业流程中,我们需要这种度量来帮助我们检查,是否我们在完成某个流程时把消耗的资源或时间进行最小化。在数字营销中,举例来说,效果包括提高转化率,降低客户获取成本。

RACE数字营销框架

Reach 覆盖

  • 获取成本 cost of acquisition, CPA
  • 广告或广告关键词点击率

Act 行动

  • 跳出率 Bounce rate
  • 每次访问的浏览页面数量

Convert 转化

  • 带来商业机会或销售的转化率
  • 结算转化率

Engage 吸引

  • 重复转化率
  • 邮件列表上的客户或社交网站上追随者的行为

效果 Effectiveness

简单的定义就是“做正确的事情”。

在数字营销中,效果包括支持更广阔的营销目标,通常指示在线营销渠道的贡献。

Reach 覆盖

  • 每次访问所带来的收入或目标价值(goal value, 在Google Analytics可设定)
  • 相对竞争对手的受众份额
  • 整体搜索需求的差距分析(gap analysis)

Act 行动

  • 平均订单价值
  • 每订单商品数量

Convert 转化

  • 利润率
  • 网站体验的客户满意度

Engage 吸引

  • 活跃在线客户、订阅者或追随者的预设回报率(hurdle rate)
  • 客户生命周期价值
  • 整个网站的客户满意度

从上面的例子可以看出,要确切的把两者进行区分几乎是不可能的,但重要的是把两类度量都进行涵盖。

度量效果和效率的一个例子

下面这个例子是基于Kaplan和Norton发表在《哈佛商业评论》(1933)的“平衡积分卡”。

在今天很多大型企业里,“平衡积分卡”依然在使用,来把企业愿景和策略转化成目标,然后通过度量,评估这些策略和实施是否成功。

 

平衡计分卡板块 效率 效果
财务结果(商业价值) 渠道成本
渠道盈利性
线上贡献(直接)
线上贡献(间接)
贡献的利润
客户价值 在线覆盖率(唯一访问者占潜在访问者的%)
获取成本,或者每销售成本(CPA/CPS)
客户倾向性
销售额,每客户的销售额
新客户数
在线市场份额
客户满意度评分
客户忠诚度指数
运营流程 转化率
评价订单价值
客户名单规模和质量
邮件活跃%
完成时间
支持响应次数

这张平衡计分卡把效率和效果度量进行了合并,对财务指标如销售额和利润的过度依赖进行了回应,并且让这些度量避免是回顾式的,而没有看到未来,如通过创新、客户满意和员工成长所指示的潜力。

除了财务数据外,平衡积分卡使用运营度量,如客户满意,内部流程效率,以及组织的创新和活动改善,包括员工成长。

总结

把效率和效果度量区分开是有帮助的,因为在线营销和网站分析通常倾向于关注效率。Hasan和Tibbits(2000)尤其注意到,内部流程度量往往关注于效率,而客户和商业价值视角则关注于效果,但这些度量都能在前面展示的四方面能得到运用。

参考文献

Hasan, H. and Tibbits, H. (2000) Strategic management of electronic commerce: an adaptation of the balanced scorecard, Internet Research, 10(5), 439–50.

Kaplan, R.S. and Norton, D.P. (1993) Putting the balanced scorecard to work, Harvard Business Review, September–October, 134–42.

 

在网站和受众分析社区中,一个很热门的话题就是度量针对访问者的吸引力(visitor engagement)。在2006年,微软的Robert Scoble发表了一篇题为"New Audience Metrice Needed: Engagement"的文章,不久后Forrester Research的Jeremiah Owyang在一次社会媒体Social Media圆桌会上,就社会媒体和Web 2.0环境下讨论了“我们应该度量什么?”。虽然两位牛人对Engagement的度量都给予高度重视,但尚欠缺清晰和有形的度量指标,尤其针对于网站分析工具(Web Analytics Tools)而言。

Web Analytics Demystified的Eric T. Peterson则在这个方向做出了一些尝试,他在一篇题为“How do you calculate engagement? Part I”的博客文章中,提出针对网站的商业目标,使用通用的网站分析工具可以衍生出一套访问者吸引力的度量指标。

当然,在这里首先得对Visitor Engagement先下一个定义:

Engagement这个术语来源于心理学,多涉及情绪等心理因素;营销学中引入这一概念,多涉及品牌方面。

Eric T. Peterson的定义是:

Engagement is an estimate of the degree and depth of visitor interaction on the site against a clearly defined set of goals.

吸引力就是根据一系列清晰定义的目标,评估访问者在网站上进行互动的深度和程度。

用数学公式表达则是:

image

其中:

  • Ci=Click Depth Index:捕捉页面和事件浏览的贡献
  • Di=Duration Index:捕捉网站停留事件的贡献
  • Recency Index:捕捉访问者的“访问速率”——访问者重返网站的比率
  • Brand Index:捕捉访问者对品牌、网站或产品的明显知晓程度
  • Feedback Index:捕捉定性信息,包括获取额外信息的倾向或提供直接反馈
  • Interaction Index:捕捉访问者与设计用来提升品牌、网站或产品注意力之内容或功能的互动
  • Loyalty Index:捕捉访问者与品牌、网站或产品的长期互动

Web Analytics大师Avinash Kaushik在他的博客“奥卡姆的剃刀 Occam’s Razor ”也曾探讨过吸引力Engagement的概念和度量。他把客户吸引力Customer Engagement分成两种单向关系:

吸引力主体 Subject of engagement (不仅限于客户,还包括网站/门店的非客户的访问者,品牌诽谤者)和 吸引力客体 Object of Engagement (主体跟品牌、公司、产品、消费主题的关系)

随后,定义了客户吸引力的两种方式:

类型 Kind:客户正面或负面engaged with某公司或产品。对吸引力类型kind的深入检查,将能揭露其内容,通常是混合了情绪状态和理性信念,诸如,通过正面吸引,意气相投(sympathy),信任,自豪等表现。

程度 Degree:持续的正面或负面吸引程度,从低涉入度(involvement,即心理学中的冷漠状态),到高涉入度。一位被吸引了的人,通常高于与客体之间相关度(relatedness)的平均水平。

Avinash Kaushik的结论是:

  • 网站指标,或者指标组合,并不能判断吸引力的类型Kind of Engagement,例如正面吸引。这需要基础性的研究。
  • 网站指标所能做到的是,判断吸引力的相对程度。
  • 基本指标只能在低程度吸引力之间进行判断。
  • 访问指标高的客户,对品牌的态度也可能是冷淡的。

待续…

© 2011 V的博客 Suffusion theme by Sayontan Sinha