第1章 衡量成功的前期准备
流量的秘密 Google Analytics网站分析与商业实战
你应该知道监测对成功来说是至关重要的，不管是对个人，还是对公司，亦或是对职业发展，都是如此。从很多方面来说，Google Analytics只是一个工具，同用来帮助公司作决策的众多其他数字工具没什么区别。
但是网站分析——即Google Analytics所涉及的领域、技术和行业——有所不同，它的功能和潜力是其他工具都望尘莫及的。为什么？因为Google Analytics不仅可以评估用户参与度、交易量和用户带来的收入，而且还可以监测潜在用户的数据，比如他们来自哪里、要寻找什么、你是在哪个环节失去这些潜在用户的（以及你具体是在网站上的哪个页面或APP上失去他们的）。
把现有用户及潜在用户的数据整合在一起是网站分析所独有的功能，鉴于这个功能的专一属性，网站分析就变得尤为强大。例如，大部分网站的转化率都很低，一般为3%（见图1.1）1。。这也就意味着，每100位访客中最后只有3位转化为了实际用户。尽管有很多业务分析师都在绞尽脑汁地想要提高这个数字，但是有件事显然更为重要，那就是首先弄清楚为什么另外97%对你感兴趣的访客（因为他们访问了你的网站）最终离开了，然后再根据分析得出的结果去改善转化率。
Google Analytics 不仅可以分析用户行为，而且可以分析非用户行为，只要访客在同公司互动时有一个数字接触点。通常来说，这个接触点是通过用户访问网站产生的，但是如果使用Universal Analytics（Google Analytics的最新功能版本，我们会在第6章中详细介绍），这个接触点就不一定非得通过用户访问网站来产生。例如，假如潜在用户收到了一封你寄来的信件，信件中包含一张优惠券。如果潜在用户到你的公司实体店里使用优惠券进行消费，那么实体店就会通过互联网把该用户的消费信息（产品名称、价值、优惠码等）发送到你的 Google Analytics 账户。根据收到的用户消费信息， Google Analytics 就可以生成一份报告，分析你直接向用户投递信件活动的效果和实体店销售情况。
在上面这个例子中，接触点就是用户的实际购买行为，假设：
a = 信件实际投递量 = 100 000
b = 使用优惠券的实际购买量 = 725
那么：
商业活动效果 = b / a = 0.7%
假如你寄出的信件要求收信人首先访问你的网站，以获取优惠码。那么第二个数字接触点就是你的网站，收信人如果访问你的网站，就说明对你提供的信息感兴趣。这样一来，即使收信人没有到实体店消费，你同样会得到一组简单且有力的数据，可以来进一步分析，例如：
a = 信件实际投递量 = 100 000
b = 使用优惠券的实际购买量 = 725
c = 访问你网站的实际收信人数 = 8 000
那么：
访客兴趣度 = c / a = 8.0%
商业活动效果= b / a = 0.7%
网站转化率 = b / c = 9.1%
从上面额外收集到的数据（c）可以看出，对信件投递活动的评估并不是非黑即白的二分法判断。就实际购买量来说，根据数据显示似乎只有725个人对你的产品感兴趣，但是从这项额外收集到的数据（访问你网站的实际收信人数）我们可以判断出，对你的产品感兴趣的实际人数是8 000。根据对这项数据的分析，你就可以通过改善信件投递活动来提高访客兴趣度了。同时，还可以通过改善网站着陆页来提高9.1%的网站转化率，此外还可以尝试提高用户的消费金额（比如交叉销售相关产品）。不管怎么说，你现在可以通过多种途径来提高销量了，同时根据对各种商业活动的评估，还可以判断出盈利最多的活动。这确实是很强大的数据啊。
商业智能定义
所有可以帮助你对公司进行深入分析的工具都属于“商业智能”（business intelligence）， Google Analytics也是商业智能的一种分析工具。为了帮助读者理解，我在这里分别对商业智能的三个分类进行解释定义。
Customer Analytics（用户分析）即对现有用户数据进行挖掘，其目的是为了发现用户的购买模式和获得人口统计信息。公司通常会根据这一信息来制定商业活动，提高现有用户购买相关产品的数量，维系用户关系。
Web Analytics （网站分析）即通过研究网站访客的行为，改善访客体验。此类数据的绝大部分都是匿名的。从过去的使用传统来说， Google Analytics 就是网站分析工具。
Digital Analytics （数字分析）随着网站分析的发展，其使用范围目前已包括所有联网设备，如移动应用程序、条形码扫描仪、收银读码机、存货盘点、呼叫中心性能或者芯片。经过最新的功能更新， Google Analytics现已升级为数字分析工具了。
1.1 网站分析数据的价值
想一想下面这个例子。
很多业务分析师都把精力放在了用户分析上（参见上面的“商业智能定义”），分析结果可用来制定商业活动，提高相关产品的销量，维系用户关系。一般来说，活动的结果只能让公司收入提高1～9个百分点。
那么，让我们把在同一个公司所花费的相同精力投入在网站分析上试试。在我们这个例子里，你要了解的是网站转化过程中的不利因素。我们所获得的信息当然也要用来改善这些不利因素，从而提高访客转化率，也就是带来更多的用户。从我的个人经验来看，转化率一般都可以增加两位数甚至三位数（参见图1.2）。
此外，网站转化过程的改善是一个长期复杂的过程。例如，在你把网站效率提高了10个百分点之后，访客的转化率也不是一次性就能提高上来的，这是一个持续改善的过程（尽管实际情况并不总是如此）。也就是说，即使在一年之后，如果有新访客访问你的网站，你还会获得较以前多10%的新用户。不过，如果访客因为用户体验不佳而离开，那么他再次访问网站的几率就很小了。当然，在网站转化过程改善之后，你所获得的每一位新访客，他们被转化并成为长期支付用户的概率都会有所提升。综合起来说，你的收入会大大增加，你的营销尝试也会更加有效！
在吸引高附加值访客以及访客转化方面，网站分析的潜力是无限的。而在这一领域， Google Analytics 又是首屈一指的工具。
假设在认真分析了访客同网站的互动情况，以及他们使用诸如销售漏斗分析、退出点、跳出率（单个网页访问）和参与指标之后，你可以把网络转化率提高3到4个百分点（以33%作为基本改善率）。那么这对你的盈亏底线意味着什么呢？让我们看看下面这个假设，如果：
v = 访问者数量 = 100 000
c = 单个访问者成本 = $1.00
那么：
a = 所有访问者成本 = v x c = $100 000
访客获取成本保持不变，非市场利润率、营销成本和单个转化收入也保持不变：
m = 非市场利润率 = 50%
s =营销成本 = $100 000
u = 单个转化收入 = $75
表1.1显示的是转化率3%提高到4%之后的结果。
表1.1中最后两行是实际情况的分析结果：利润增加了 37500美元 ，而投资回报率提高了4倍，增加到了50%。请注意，这仅仅是改善了网站转化率后的结果，此时访客获取成本依然保持不变。这就是网站分析可以为企业带来的商业价值。作为一个拥有超过15年专业经验的从业者，我无数次地见证过这个潜力所发挥的巨大作用。它是真实可实现的。
第1章 衡量成功的前期准备
流量的秘密 Google Analytics网站分析与商业实战
你应该知道监测对成功来说是至关重要的，不管是对个人，还是对公司，亦或是对职业发展，都是如此。从很多方面来说，Google Analytics只是一个工具，同用来帮助公司作决策的众多其他数字工具没什么区别。
但是网站分析——即Google Analytics所涉及的领域、技术和行业——有所不同，它的功能和潜力是其他工具都望尘莫及的。为什么？因为Google Analytics不仅可以评估用户参与度、交易量和用户带来的收入，而且还可以监测潜在用户的数据，比如他们来自哪里、要寻找什么、你是在哪个环节失去这些潜在用户的（以及你具体是在网站上的哪个页面或APP上失去他们的）。
把现有用户及潜在用户的数据整合在一起是网站分析所独有的功能，鉴于这个功能的专一属性，网站分析就变得尤为强大。例如，大部分网站的转化率都很低，一般为3%（见图1.1）1。。这也就意味着，每100位访客中最后只有3位转化为了实际用户。尽管有很多业务分析师都在绞尽脑汁地想要提高这个数字，但是有件事显然更为重要，那就是首先弄清楚为什么另外97%对你感兴趣的访客（因为他们访问了你的网站）最终离开了，然后再根据分析得出的结果去改善转化率。
图1.1 尽管绝大多数公司都只把分析重点放在极少数转化了的访客，但是绝大部分访客依然未实现转化
Google Analytics 不仅可以分析用户行为，而且可以分析非用户行为，只要访客在同公司互动时有一个数字接触点。通常来说，这个接触点是通过用户访问网站产生的，但是如果使用Universal Analytics（Google Analytics的最新功能版本，我们会在第6章中详细介绍），这个接触点就不一定非得通过用户访问网站来产生。例如，假如潜在用户收到了一封你寄来的信件，信件中包含一张优惠券。如果潜在用户到你的公司实体店里使用优惠券进行消费，那么实体店就会通过互联网把该用户的消费信息（产品名称、价值、优惠码等）发送到你的 Google Analytics 账户。根据收到的用户消费信息， Google Analytics 就可以生成一份报告，分析你直接向用户投递信件活动的效果和实体店销售情况。
在上面这个例子中，接触点就是用户的实际购买行为，假设：
a = 信件实际投递量 = 100 000
b = 使用优惠券的实际购买量 = 725
那么：
商业活动效果 = b / a = 0.7%
假如你寄出的信件要求收信人首先访问你的网站，以获取优惠码。那么第二个数字接触点就是你的网站，收信人如果访问你的网站，就说明对你提供的信息感兴趣。这样一来，即使收信人没有到实体店消费，你同样会得到一组简单且有力的数据，可以来进一步分析，例如：
a = 信件实际投递量 = 100 000
b = 使用优惠券的实际购买量 = 725
c = 访问你网站的实际收信人数 = 8 000
那么：
访客兴趣度 = c / a = 8.0%
商业活动效果= b / a = 0.7%
网站转化率 = b / c = 9.1%
从上面额外收集到的数据（c）可以看出，对信件投递活动的评估并不是非黑即白的二分法判断。就实际购买量来说，根据数据显示似乎只有725个人对你的产品感兴趣，但是从这项额外收集到的数据（访问你网站的实际收信人数）我们可以判断出，对你的产品感兴趣的实际人数是8 000。根据对这项数据的分析，你就可以通过改善信件投递活动来提高访客兴趣度了。同时，还可以通过改善网站着陆页来提高9.1%的网站转化率，此外还可以尝试提高用户的消费金额（比如交叉销售相关产品）。不管怎么说，你现在可以通过多种途径来提高销量了，同时根据对各种商业活动的评估，还可以判断出盈利最多的活动。这确实是很强大的数据啊。
商业智能定义
所有可以帮助你对公司进行深入分析的工具都属于“商业智能”（business intelligence）， Google Analytics也是商业智能的一种分析工具。为了帮助读者理解，我在这里分别对商业智能的三个分类进行解释定义。
Customer Analytics（用户分析）即对现有用户数据进行挖掘，其目的是为了发现用户的购买模式和获得人口统计信息。公司通常会根据这一信息来制定商业活动，提高现有用户购买相关产品的数量，维系用户关系。
Web Analytics （网站分析）即通过研究网站访客的行为，改善访客体验。此类数据的绝大部分都是匿名的。从过去的使用传统来说， Google Analytics 就是网站分析工具。
Digital Analytics （数字分析）随着网站分析的发展，其使用范围目前已包括所有联网设备，如移动应用程序、条形码扫描仪、收银读码机、存货盘点、呼叫中心性能或者芯片。经过最新的功能更新， Google Analytics现已升级为数字分析工具了。
1.1 网站分析数据的价值
想一想下面这个例子。
很多业务分析师都把精力放在了用户分析上（参见上面的“商业智能定义”），分析结果可用来制定商业活动，提高相关产品的销量，维系用户关系。一般来说，活动的结果只能让公司收入提高1～9个百分点。
那么，让我们把在同一个公司所花费的相同精力投入在网站分析上试试。在我们这个例子里，你要了解的是网站转化过程中的不利因素。我们所获得的信息当然也要用来改善这些不利因素，从而提高访客转化率，也就是带来更多的用户。从我的个人经验来看，转化率一般都可以增加两位数甚至三位数（参见图1.2）。
此外，网站转化过程的改善是一个长期复杂的过程。例如，在你把网站效率提高了10个百分点之后，访客的转化率也不是一次性就能提高上来的，这是一个持续改善的过程（尽管实际情况并不总是如此）。也就是说，即使在一年之后，如果有新访客访问你的网站，你还会获得较以前多10%的新用户。不过，如果访客因为用户体验不佳而离开，那么他再次访问网站的几率就很小了。当然，在网站转化过程改善之后，你所获得的每一位新访客，他们被转化并成为长期支付用户的概率都会有所提升。综合起来说，你的收入会大大增加，你的营销尝试也会更加有效！
图1.2 对某旅游公司的网站数据分析后预订量的增长情况
在吸引高附加值访客以及访客转化方面，网站分析的潜力是无限的。而在这一领域， Google Analytics 又是首屈一指的工具。
假设在认真分析了访客同网站的互动情况，以及他们使用诸如销售漏斗分析、退出点、跳出率（单个网页访问）和参与指标之后，你可以把网络转化率提高3到4个百分点（以33%作为基本改善率）。那么这对你的盈亏底线意味着什么呢？让我们看看下面这个假设，如果：
v = 访问者数量 = 100 000
c = 单个访问者成本 = $1.00
那么：
a = 所有访问者成本 = v x c = $100 000
访客获取成本保持不变，非市场利润率、营销成本和单个转化收入也保持不变：
m = 非市场利润率 = 50%
s =营销成本 = $100 000
u = 单个转化收入 = $75
表1.1显示的是转化率3%提高到4%之后的结果。
表1.1 转化率改善后的经济收益情况
改善前
改善后
r=转化率
3%
4%
C=转化量
3 000
4 000
T=总收入=u*C
$225 000
$300 000
n= 非营销成本=（1-m）*T
$112 500
$150 000
P=总利润 = T-（n+s）
$12 500
$50 000
R=总ROI =P/ s
13%
50%
表1.1中最后两行是实际情况的分析结果：利润增加了 37500美元 ，而投资回报率提高了4倍，增加到了50%。请注意，这仅仅是改善了网站转化率后的结果，此时访客获取成本依然保持不变。这就是网站分析可以为企业带来的商业价值。作为一个拥有超过15年专业经验的从业者，我无数次地见证过这个潜力所发挥的巨大作用。它是真实可实现的。