目录

• 壹、脑图笔记
• 贰、《谷歌数据分析方法》脑图文稿[^1]
• • 一、 反思数据分析
  • 二、选择数据分析工具的最佳策略
  • • 第一步：选择数据分析工具前要回答的3个关键问题
    • 第二步：选择数据分析工具前要问供应商的10个问题
    • 第三步：如何有效地试用数据分析工具
    • 第四步：确定合作前的协议，检查供应商的服务条款
  • 三、点击流分析的精彩世界：指标
  • • 8个关键网站指标
    • 数据分析指标揭秘
    • 关键网站指标的战略性策略
  • 四、成功的关键：衡量绩效
  • • 关注“少数关键指标”
    • 衡量非电子商务网站的成功
    • 衡量B2B网站
  • 五、调研和测试
  • • 永不过时的3个最佳调研问题
    • 选择线上调研供应商的8个建议
    • 营造企业测试文化的9个建议
  • 六、解决隐藏的数据分析陷阱
  • • 数据质量处理的6个步骤（循环）
    • 高影响力仪表盘的5个准则
    • 实现智能分析的步骤
  • 七、数据分析专家
  • • 背景信息的重要性
    • 职业生涯
    • 雇佣最好的人才：给分析经理和总监的建议
  • 八、创建数据驱动的企业文化
  • • 改造企业文化：如何让人们关注数据分析
    • 数据驱动型老板的5条规则
    • 获得公司支持的策略
    • 数据分析壁垒
• 叁、参考资料

壹、脑图笔记

扫码关注下方博主的微信公众号，回复 关键字 【谷歌数据分析】,获得博文中的思维导图原图。

贰、《谷歌数据分析方法》脑图文稿¹

一、 反思数据分析

	是什么：点击流
	有多少：多样性产出分析
	为什么：实验和测试
	为什么：用户反馈
	还有什么：竞争情报

二、选择数据分析工具的最佳策略

第一步：选择数据分析工具前要回答的3个关键问题

		问题1：我们需要报表，还是需要分析
		问题2：我们的优势在IT、业务方面，还是两者都有
		问题3：我们只需要解决点击流，还是需要整个数据分析进阶

第二步：选择数据分析工具前要问供应商的10个问题

		问题1：你们的工具/解决方案与雅虎、谷歌的免费工具相比，有什么区别
		问题2：你们是100%的ASP?是否提供软件版本？你们计划提供软件版本吗
		问题3：你们使用什么样的数据收集机制
		问题4：你们能计算使用你们工具的总拥有成本吗
		问题5：你们提供什么样的支持服务？哪些服务的免费的，哪些是付费的？免费服务是否是全天候的
		问题6：你们的工具中哪些功能能够对数据进行细分
		问题7：有哪些方式将数据从你们的系统导入我们公司的内部系统
		问题8：你们的工具提供哪些功能可以将其他来源的数据集成到工具上
		问题9：你们是否能列举两个目前正在规划的新功能，确保你们的工具在未来三年领先于竞争对手
		问题10：最近两家客户取消合同的原因是什么？他们现在用谁家的工具？我们可以和那些客户聊聊吗

第三步：如何有效地试用数据分析工具

		可用性
		功能性
		技术
		响应
		总拥有成本
		足够的时间
		保持公平
		了解数据抽样
		细分
		搜索分析
		测试网站内容分类
		让实习生（或VP）使用
		测试服务支持的质量
		校验数据
		检查常用功能
		总拥有成本

第四步：确定合作前的协议，检查供应商的服务条款

		工具和功能的可用性与响应状况
		报表和数据的可用性
		技术和实际应用支持
		系统安全
		沟通

三、点击流分析的精彩世界：指标

8个关键网站指标

		访问：指访客的会话次数
		访客：指访问网站的人数
		页面停留时间
		网站停留时间
		跳出率：网站上单个页面访问停留时间短于x秒的会话所占的会话比例。即跳出率指从特定页面进入网站，什么都没做，又在相同页面退出的访问比率
		退出率：指从某个页面进入网站，但在某个特定页面退出的访问比率
		转化率：指用产出除以独立访客或访问量
		参与度：定性指标，很难通过点击流数据来衡量

数据分析指标揭秘

		优秀指标的4个属性
			简单性：公司中的决策不是由一个人来制定的，因此需要让所有人明白指标的含义，从而做出决策。
			相关性：与你的业务相关且是独一无二的
			及时性：优秀的指标必须是及时的，从而使决策者能够及时采取决策
			即时有用性：指当你很快理解这个指标后，能马上从中得出分析见解

		关于网站成功的3条经验
			不要过分追求完美：一次能让人有所收获的错误，远比没有行动好。
			指标应少而精
			网站指标的生命周期极为重要

关键网站指标的战略性策略

		确定根本原因：转化
		利用自定义报表：创建团队报表中心
		从宏观上进行分析
			问题1：我们的网站有多少访客
			问题2：访客是从哪里来的
			问题3：我希望访客在网站上做什么
			问题4：访客实际上在网站上做了什么

四、成功的关键：衡量绩效

关注“少数关键指标”

衡量非电子商务网站的成功

		访客忠诚度：表示指定时间段内访客到来的频率
		访客回访率：反映的是访客最后一次访问网站距今的时间，或访客两次访问之间的时间间隔
		网站停留时间：单次访问的持续时间来描述访问的质量
		访问深度：指定时间段内单次访问浏览页面数的分布情况

衡量B2B网站

		浏览产品目录的访问比例
		下载精选产品/解决方案信息的访问比例
		样品免费试用数量
		新注册账号数量
		视频完整播放次数
		会员发帖比例
		购买辅助工具使用数

五、调研和测试

永不过时的3个最佳调研问题

		问题1：你今天访问我们网站的目的是什么
		问题2：你能在我们网站上完成想做的事吗
		问题3：如果今天你无法完成想做的事情，原因是什么

选择线上调研供应商的8个建议

		数据严谨性
		动态数据细分能力
		开放式文本分类
		调研邀请分类
		成熟的cookie技术
		集成点击流数据
		易于测试

营造企业测试文化的9个建议

		建议1：第一次测试至关重要
		建议2：不要盲目依赖工具或专家
		建议3：抛开自以为是
		建议4：以假设开始
		建议5：制定目标评估标准和预先决策
		建议6：测试衡量多目标产出
		建议7：根据用户的痛点进行测试
		建议8：分析数据、交流心得
		建议9：配备测试推广者和测试专家

六、解决隐藏的数据分析陷阱

你所追求的不应该是分析工具，而是正确的思维模型和分析思路，以及从多种角度出发的思考方式和决策成本优化的方法。

失败中得出的教训总比没有任何行动好

数据质量处理的6个步骤（循环）

		1.收集干净的数据
		2.要有取舍
		3.数据校验
		4.追求精确性
		5.数据不完整不是问题
		6.快速行动，聪明思考

高影响力仪表盘的5个准则

		1.基准和细分：仪表盘的目的不仅是让人知道指标的表现，更重要的是指导如何行动。因此，细分对于一个指标的好坏非常关键，它能帮助人们把握指标变化的原因
		2.分离出少数关键指标：一般来说，仪表盘包含的指标应少于10个，最好是6个左右
		3.不要停留在指标表面，应加入深入的分析
		4.将仪表盘控制在一页
		5.淘汰与保持的相关性

实现智能分析的步骤

		步骤1：标签
		步骤2：配置web数据分析工具
		步骤3：营销活动/流量活动跟踪
		步骤4：收入和高级情报
		步骤5：富媒体跟踪（flash，Widgets，视频）

七、数据分析专家

背景信息的重要性

		比较不同时期的关键指标
		通过细分提供背景信息
		比较网站的关键指标平均值和细分值
		给指标寻找伴侣
		利用行业基准和竞争数据
		了解业务知识

职业生涯

		职业生涯规划：选择、薪酬前景和发展
			个人技术贡献者
			个人业务贡献者
			技术团队领导者
			业务团队领导
			
		技能培养
			使用数据
			获取多个分析工具的经验
			在实际中的应用
			成为数据收集侦探
			数学基础：学习统计学的基础知识
			善于提问
			与业务团队紧密合作
			学习有效的数据可视化和PPT技能
			与时俱进：参加免费网络研讨会
			与时俱进：阅读博客

雇佣最好的人才：给分析经理和总监的建议

		1)优秀分析专家的特质
			热爱互联网
			头脑灵活
			变化不会打败他们
			充满好奇心：失败没有关系，不去尝试才是错误
			具备批判性思维能力
		2)专家或者新手：做出正确的选择
		3)面试中的最大考验：批判性思维
			给候选人一个真正需要批判分析和思考的业务问题，并要求他们解决。
			通过下面两个条件来判断：
			    1）候选人提出的解决方案；
		    	2）候选人是如何思考的。
			后者比前者重要。并测试是否能否捍卫自己原来的方案！

八、创建数据驱动的企业文化

改造企业文化：如何让人们关注数据分析

		做一些令人惊讶的事情，不要简单提供数据
		从产出和影响开始分析，而不是访问量
		创造榜样
		如果想让决策者感兴趣，首先要让数据分析有趣
		竞猜
		内部分享
		把握办公时间

数据驱动型老板的5条规则

		摆正自己的位置
		认可不完整的数据
		付出更多努力
		成为营销人员
		拒绝数据服务业务
		数据分析进阶的思维模式

获得公司支持的策略

		实施实验和测试方案
		倾听用户反馈
		使用行业标准
		竞争情报：你最好的新朋友
		与有意向的网站合作
		向专家求助

数据分析壁垒

		缺乏预算或资源
		缺乏策略
		孤立的组织
		缺乏了解
		数据泛滥
		缺乏高级管理人员的支持
		IT障碍
		缺乏对分析的信任
		缺乏人才
		槽糕的技术

叁、参考资料