各种不同的访问者-指标挖掘（2）

作者： 天岸 | 归档：网站分析（web analytics）

先讲个糗事：前几天和客户一起吃饭。当时正值打折期（solde，法语），所以谈打折的事情。然后谈到了客户的公司，一家从不打折的奢侈品公司。他说，solde这个词在公司是禁止被提及的。我说我知道，这也是我正想问的，因为今天早晨在我桌面上有一个广告效果图，下边竟然有solde这个词，我也是非常惊讶。他说不可能，我则确信我的眼睛。于是相约回办公室去确认一下。到了办公室，我找到了那个仅露出一脚的广告，指着给他看，“sold…”。他也很惊讶，把效果图全部拉了出来，只见上面写着，“sold exclusively in xxx’s store….”。囧！

言归正传，谈过了弹出率（bounce rate),我们这次来看访问者(visitor)。对于基本的访问者的定义，我还是推荐大家看WAA的定义。虽然在技术上对Visitor的跟踪有比较大的难度，但是却也越来越重要，因为最终，我们针对的个体还是“人”。对于visitor可以谈的东西很多很多，这里主要通过比较Omniture Insight的三个相关指标来看我们应该怎样分析Visitor。

Omniture Insight并不是一个专门的网站分析的工具，它更像是一个报告，数据挖掘和视图的工具。不过因为它同时具有数据采集的功能，所以可以当做一个网站分析的工具来使用。这个工具最初是Visual Science的Visual Site，后来被Omniture收购，继续发展，成为了Omniture Discover On Promise，然后演变成Omniture Insight。这是一款非常灵活的工具，他没有现成的报表，所有的报告都是根据需要由客户自行设计，这需要对数据和工具的运行原理有深刻的理解。正如一位参加过Omniture认证培训的朋友所说，如果你懂得使用方法，这（Omniture Insight）将是一款非常强大的工具；如果你不懂的使用，那是十分危险的。

总的来说，Insight可以根据事先设计好的维度（dimension）来对数据随意进行筛选，然后给需要查看的维度附加任何有意义的参数指标(metric)。比如说，我想查看在2010年1月10日通过搜索引擎查找“运动鞋”，同时看到过条幅广告，来自北京市的，查看过双星回力鞋的产品页面的访问者的所下的订单数量和总的销售额，根据产品种类分组。这样的精准筛选方法在传统的网站分析工具中实现起来非常繁琐，但是在Insight中可以很方便的建立一个报告，在很短的时间内（根据总的数据量大小，3-30分钟不等）生成结果。如此灵活的功能实现，让人惊叹；但是稍微不注意，便会得出错误的结果。

<技巧/工具越是先进，越需要我们对所做的东西有深刻的理解>

打住，不然成了介绍工具的了。回到正题来：在Insight中，关于Visitor的参数有三个：Visitor，Visitor by session 和 Visitor by pageview。理解这三个参数对我们网站分析的工作很有用处，即使不使用Insight，因为当我们需要知道一个营销活动的效果的时候，当我们需要对人群进行分组的时候，当我们需要统计不同的内容模块对企业业务的贡献的时候，必须从正确的“人”身上找答案。

从分析的角度来说，这三个指标表达了对访问者的三种不同的分组方法；从工具的角度来看，就是不同的筛选项的组合。对于不同的目的，当然要采用不同的参数去评估，这就涉及到两方面：

1. 如何选择正确的参数
2. 如何把所选择的参数在企业拥有的工具中正确的提取出来

如果直接给这三个visitor一个定义的话比较困难，也难于理解，我们从一个例子入手：

假设我们分析一个多语言多内容模块的网站，有三个筛选条件：

1. 月份： month=December;
2. 语言: language=English
3. 模块：content group=DoubleStar

记：

1. M，代表访问者在12月份至少访问过一次该网站
2. L，代表访问者至少看过一个英文版本的网站
3. G，代表访问者至少看过一次双星的品牌页面

那么，如果我们来查看不同商品的购买的话，很可能会得到以下的表格

	Visitor	Visitor by session	Visitor by page view
DoubleStar	20	19	18
Nike	23	20	18
Adidas	15	13	15
Reebok	5	2	1
23 More

在随机填写这个表格的时候，我只需要注意一个问题，那就是数量N,N(Visitor)>N(Visitor by session)>N(Visitor by page view).

为什么呢？因为如果一个visitor可以被统计到三个参数中的一个话，他必须分别符合以下条件：

	Visitor	Visitor by session	Visitor by page view
Month	M	M	M
Language	L	L in M	L in M
Content Group	G	G in M	G in L and in M
	Session(M) and Session(L) and Session (G)	Session (L,M) and session (G,M)	Session(G,L,M)

可以看出，visitor的条件最宽松，他的条件是只要这个访问者在12月访问过至少一次网站，在他的whole life中访问过至少一次英文版的网站，在他的whole life中查看过至少一次双星的页面，那么他就是一个符合条件的visitor；也就是说，对于visitor，研究这三个参数的数据组（dataset）是一个visitor的所有数据；所有的数据，都是采用“并集”的形式。

visitor by session：条件稍微严格，访问者要在12月份访问过网站，并且要在12月份访问过英文版本的网站，并且要在12月份看过双星的页面，所有的条件，研究范围都是12月份的dataset；语言版本和内容模块分别和时间区间取交集，然后取并集。

visitor by pageview 就更加严格了，访问者要在12月份访问过网站，并且要在12月份访问过英文版本的网站，并且要在12月份访问英文版本的网站时看过英文的双星的页面；所有的数据，都是采用“交集”的形式，也就是，dataset的范围被“G”给缩小了。

总的来说，这三个筛选条件如何分配的问题对分析结果会产生影响。在本例中，如果我们需要对12月份英文版本的双星页面进行分析，来考察一下其对交叉销售的影响的话，应该采用哪个参数指标呢？欢迎大家一起讨论。

收藏、分享这篇文章!

--