只需5分钟-提高转化率（conversion rate）的最快的方法（2）- 实施篇

作者： 天岸 | 归档：网站分析（web analytics）

在只需5分钟-提高转化率（conversion rate）的最快的方法（1）-方法篇中，我们主要讨论了如何根据网站的目的和实际情况选择正确的算法和合适的参数来计算网站的转化率。现在我们来看一下如何在各种网站分析软件中获得这些参数。

1.目标转化的数量：每个网站都有自己的特定的目标，这些目标有的可以通过网站分析软件直接监测（如销售，下载），有的需要经过一定的转化间接监测（如扩大品牌的影响，提高售后服务质量等）。不过无论是哪一种，目标转化量都不是自动给出的（out of the box），都要经过特定的配置才行。在网站制定数据采集方案的时候，就应该制定网站的可监测目标和监测方法。目前最常见的方法是定义一个或者若干个关键页面（如注册的确认页面或者激活账号页面）。这个页面的访问数量便是目标转化的数量。

对于这个页面的定义，在Google Analytics和Hitbox中非常方便，不需要对网页上的参数变量/监测代码（tag/tracking code）做额外的修改，而是在软件管理者后台中指定相关页面的标题或者URL. 而在WebTrends和SiteCatalyst中虽然也有类似的方法，但是主要还是通过给特定的参数赋值来定义一个目标的实现,从而具有更大的灵活性。比如在Omniture SiteCatalyst中，主要是通过定义eVar和s.events来定义一个目标/成功事件（conversion/success event）的。这种方法的好处之一是使目标的实现不再局限在一次访问之内。比如，它可以通过对cookie时间的定义，来监测一个潜在顾客在以前的访问中使用站内搜索引擎的情况，并把这条信息和以后的购买联系起来。

2. 访问者的数量：访问者的数量是几乎所有的网站分析软件作为一个基本的指标给出的(手机网站的分析软件(Mobile Analytics)除外,这主要是因为在手机上确定一个访问者的难度非常大)。如Google Analytics在Visitor->Overallview中会直接给出所选时间区间的净访问者数量(Absolute Unique Visitors ) . 在这里需要注意区别不同的访问者数量报告。在Hitbox和SiteCatalyst中，会给出月净访问者(monthly unique visitor),周净访问者数量(weekly)，日净访问者数量（daily）甚至小时净访问者数量(Hourly).这里需要注意：

• 净访问者数量不可以随便加减：这是因为一个访问者在12日访问了网站之后，在13日可能又访问了网站；这对于12日和13日分别是一个访问者，但是对于从12-13这个时间区间中，却仍然是一个访问者，而不是1+1=2个
• 在Hitbox的报告中，对于某一个时间区间中，monthly unique visitors <= weekly unique visitors <= daily unique visitors。这是因为对于hitbox来说，daily的计算基础就是一天的“unique”，而weekly的计算基础是一周的“unique”. 使用中要根据实际情况来选取最合适的。我最经常使用的是Monthly Unique,以减少重复计算对结果的影响。这同样适用于SiteCatalyst.

3. 如何从访问者数量中剔除注册用户：这实际是一个对网站访问者细分的问题(segment).这在SiteCatalyst和Unica NetInsight中能够很灵活的实现。在SiteCatalyst中，有很多中实现方法，比如通过创建一个ASI（Advanced Segmentation Insight）,可以很容易的把注册用户分离出来，形成一个独立的报告，包含所有的报表。这里如果是单纯的为了得到注册用户的访问次数的话，有点儿大材小用的感觉。另一个选择是通过DataWarehouse，直接创建一份包含或者不包含注册用户的报告，然后在邮箱中等待就可以了。当然如果有Ominiture Discover的话，那么非常简单的一个筛选条件的设定之后，立刻就可以看到你想要的数字了。在访问（者）细分方面，Discover真是无比强大。

如果软件是Google Analytics的话，实现起来就比较麻烦了。实际上，对于访问者的细分的能力一直是GA的软肋。虽然近来新版中加入了高级细分功能(advanced segments) ，非常的实用和灵活，但是这个功能更多的是基于“visit”而不是“visitor”的。如果通过这个功能筛选出所有访问过注册确认页面和登陆成功页面的访问的话，可以分离出一部分注册用户，但是对于没有登陆的，或者登陆之后保持登陆的用户，就无法区别了。在GA中的正确实现方法应该是通过_setVar变量的赋值来实现。因为这一步骤不能对历史数据进行操作，所以必须在一开始便预示到这个需要。而另一个限制是由于GA中只有这一个细分函数，所以当一个用户已经属于一个细分方法中的一组时，很难再同时加入另一种细分方法的值。

4.对于不同来源的流量的细分：一个网站的访问源(traffic sources)有很多，大体可以归类为直接访问（direct traffic）,通过电子邮件访问(Email),通过自然链接访问(referring site),自然搜索(Organic search),付费搜索(Paid search),其他营销活动(campaigns)和其他访问源。其中，各个网站分析软件通过HTTP头文件采集基本的访问源信息（主要是上一个链接）。如果这部分信息缺失的话，那么便自动归类到直接访问中。另外，很多网站分析软件都有自己的搜索引擎列表，会自动把来自这些网站的访问归类，并且分离出搜索关键字。

分析各个访问源的访问质量尤其是各种营销活动的效果是网站分析的重点之一，也是网站分析软件的必备功能之一。为了分析这些不同的访问和访问者的行为特征，尤其是营销活动所带来的访问者行为特征，必须在一开始便确定数据采集方案并且在确认方案可行，代码安装正确之后才能开始在线营销活动。这是因为，比如说横幅广告，很多是嵌在Flash中的，并且广告服务商（比如double click）为了计数需要，会把广告中的链接进行再编码，转向等等，这样便导致HTTP头文件中访问源信息的丢失，从而在默认情况下网站分析软件并不能获取来源信息，从而使对广告效果的评估变的非常困难或者无法完成。

为了跟踪在线营销活动所带来的流量，以及更好的整理这些信息，网站分析软件一般都要求对每一个广告链接进行处理，通过在广告链接中加入标签（tag），和在目标页面中（Landing page）加入搜集标签值的变量(在他们的JS代码中一般默认存在，但是有的需要找到变量名字，比如Omniture SiteCatalyst,变量需要添加，用户可以自主设定变量名称)。

跟踪广告链接是一个非常丰富的话题，在策略层面上需要确定收集哪些信息，如何组织这些信息，以满足目前和将来的需要；在执行上需要正确的加入标签，正确的设定网站分析代码中的变量。如果需要的话，我会在一篇独立的博客中专门讨论。

然后，在使用相关技术区分开各个流量来源尤其是广告来源的之后，我们在软件的报表中便会得到很多基本的信息，其中包括流量，访问者，页面浏览数，访问时长，目标实现数量（如果有的话）等等。对于付费营销，还有关键字报告和财务参数。这样，我们就可以很容易的计算每一个流量来源的转化率了。

收藏、分享这篇文章!