《流量的秘密 Google Analytics网站分析与商业实战》一1.3 Google Analytics的地位

简介:

本节书摘来自异步社区《流量的秘密 Google Analytics网站分析与商业实战》一书中的第1章,第1.3节,作者 【英】Brian Clifton,更多章节内容可以访问云栖社区“异步社区”公众号查看

1.3 Google Analytics的地位

你的网站对你来说是极其重要的。在网络世界,网站是用户及非用户(潜在用户、求职者、投资者、媒体以及竞争对手)了解你的第一站,他们通过网站了解你的业务、产品和服务信息。对此,网站分析是唯一可以帮助你同步掌握这些数据的工具。

对于高级管理人员来说,能够把全部看似不相关的数据对比起来查看,是件千金难求的事。在同一套标准和方法下,你可以将其放大以查看某方面的详细信息,也可以将其缩小以便纵览全局,从而来帮助你对比评估各个方面的表现,换句话说,就是对相同类型的数据进行评估比较。不仅如此,网站分析还可以为你提供具体的情景,分析人员向你提供的深度调研报告中通常都缺少具体情境。有了具体情境,你就可以把重点集中在能够给你的业务带来最大效益的方面。

尽管如此,一个单一的工具无论如何都不是万能的。 Google Analytics(见图1.3)的地位之所以重要,就在于它可以把公司的网络活动同传统的线下营销和现有的用户联系起来。当然,就各个具体方面来说,我们依然需要各自对应的工具来对其进行日常管理。如果想要分析和了解这些方面的性能,那就得使用统一监测工具了,即你的中心分析平台——Google Analytics。如果不使用Google Analytics,而是用各个次级工具来追踪数据,那你就会浪费大量的时间和精力,而最终获得的也不过是一些在原则上一致而现实中却不匹配的数据。事实上,在数据统计方面,我们本就有多种不同的技术、方法和定义!


d281b86b24912f269a5246e3d04cb43375ddabdb

Google Analytics 收集并向你报告数据,它会告诉你何时发生了什么,这当然很不错。不过Google Analytics 却无法告诉你事情发生的原因,这就是分析师要做的工作了。优秀的网站分析师会利用知识和经验来推测出事情发生的原因。然后再通过分析其他相关数据来验证推测,一般验证所需数据都来自Google Analytics之外。如果数据具有不确定性,就得通过测试(实验)来进行验证。这方面的知识会在第8章进行详细介绍。

Google Analytics为什么不能和Customer Analytics画等号?

如图1.3所示,在表示Google Analytics和Customer Analytics的关系时,我故意使用了虚线,目的是要强调两点。

  • 绝大部分网站数据(一般 97%)都是匿名的,而Customer Analytics所处理的都是具体的用户和公司。即使你为用户设置了一个单独的登录入口(以便可以对其进行识别),但是并非所有的用户都会通过这个入口来浏览你的网站。也就是说,即使他们是你的用户,在网站分析中留下的数据也是无法识别的。
  • 在使用Google Analytics追踪用户时,网站的性能和销售的性能是不一样的。例如,你的网站在将访客转化为用户方面或许存在优势,但是如果有退货情况,你的销售量就不会很好。
    你可以使用Google Analytics进行大量的用户分析,但是请谨记上面这两点,以防出现对错误信息的过度分析。

数据不是简单的筒仓
就网站分析的潜力(用户以及潜在用户数据)、(网站分析团队中的)数据质量负责人和数据的不确定性(因为有大量的匿名数据)来说,网站分析不同于其他形式的商业分析。尽管如此,作为公司内部的一种信息来源,网站分析并不应该被区别对待。相反,我希望做的,是让你们以一种不同的方式对待公司内部的所有数据。

通常来说,数据分析都被隔离在公司的筒仓之内:公司设立一个独立的数据部门,以供咨询。在数据部门工作的人都被其他同事看成网虫,整日与数字为伍,总之只专于分析,不懂得创造性思考(用左脑思考的人)。我这里要告诉你,收集或研究数据是枯燥的,这一点所有的网虫都认可。但是要想获得激动人心的创造性知识,这是必做的工作。

如果数据团队中人人聪明透顶,又能提出深刻的见解,但是公司却很少甚至从不采纳他们的建议和想法,他们对数据苦苦研究,最后却毫无建树,这真是让人无比泄气。如果数据被隔离在公司筒仓之内,而数据团队也降格为汇报机器,那么就会出现上述情况,公司不仅错失了良机,而且还造成了数据人才的浪费。

通过整合公司营销、公共关系、销售、网站研发、内容创建、用户维系和其他团队中的所有数据(不过我这里特指的是网站分析中的数据),你就可以为公司的改变奠定好环境基础。在网络世界,如果你不追求持续进步,即使你现在是市场上的主导公司,几年之后也会完全丧失生命力。

为改变奠定好环境基础,这也是本书的立足点。

相关文章
|
3月前
|
编解码 数据可视化
Google Earth Engine —— MODIS影像数据集分析
Google Earth Engine —— MODIS影像数据集分析
91 2
|
5月前
|
Linux 异构计算 Docker
实战 Google Colab,一起用 GPU
实战 Google Colab,一起用 GPU
121 0
|
3月前
|
计算机视觉
Google Earth Engine(GEE)——使用MODIS数据单点测试SG滤波和harmonics method 滤波的差异分析
Google Earth Engine(GEE)——使用MODIS数据单点测试SG滤波和harmonics method 滤波的差异分析
53 0
|
3月前
|
传感器 编解码 区块链
Google Earth Engine(GEE)——Landsat8/modis/sentinel2 NDVI时序影像差异对比分析图表
Google Earth Engine(GEE)——Landsat8/modis/sentinel2 NDVI时序影像差异对比分析图表
48 0
|
5天前
|
机器学习/深度学习 自然语言处理 对象存储
[wordpiece]论文分析:Google’s Neural Machine Translation System
[wordpiece]论文分析:Google’s Neural Machine Translation System
12 1
|
16天前
|
机器学习/深度学习 数据采集 数据可视化
R语言Pearson相关性分析降雨量和“外卖”谷歌搜索热度google trend时间序列数据可视化
R语言Pearson相关性分析降雨量和“外卖”谷歌搜索热度google trend时间序列数据可视化
|
16天前
|
数据可视化 搜索推荐 数据挖掘
R语言Pearson相关性分析就业率和“性别平等”谷歌搜索热度google trend时间序列数据可视化
R语言Pearson相关性分析就业率和“性别平等”谷歌搜索热度google trend时间序列数据可视化
|
27天前
|
数据可视化 数据挖掘 数据建模
R语言指数平滑法holt-winters分析谷歌Google Analytics博客用户访问时间序列数据
R语言指数平滑法holt-winters分析谷歌Google Analytics博客用户访问时间序列数据
|
5月前
|
JavaScript 测试技术
【sgGoogleTranslate】自定义组件:基于Vue.js用谷歌Google Translate翻译插件实现网站多国语言开发
【sgGoogleTranslate】自定义组件:基于Vue.js用谷歌Google Translate翻译插件实现网站多国语言开发
|
7月前
|
JavaScript Java 开发工具
Cocos Creator Android 平台接入 Google Firebase (Analytics功能)(二)
Cocos Creator Android 平台接入 Google Firebase (Analytics功能)
179 0