最近读了《精通Web+Analytics+2.0++用户中心科学与在线艺术统计》一书，真是受益匪浅！该书是介绍网站分析方面写的非常好的一本书，通过这本书，让我了解到了网站分析的魅力。以前听过在大公司的一些同学介绍过他们公司目前的网站分析系统，当时很不以为然，认为这些分析系统对网站的贡献不大，起的作用微乎其微。
通过深入的阅读，让我越来越感觉网站分析的重要性，也让我重新认识了什么是网站分析，什么是数据困境，以及有了大量的数据后我们如何去分析。面临海量的数据，精度永远比准确性重要，我们不能够去追求完美的数据，因为在数据的海洋中，准确的数据永远都是相对的。书中的一些关键信息都通过MindManager Project工具做了记录，这里就不再详细介绍了，记录的信息如下（导出的格式有点乱）：
mmap读书总结下载地址：http://download.csdn.net/detail/wgw335363240/6946409
-------------------------------------------------------------
1 1.0 analytics 2.0的新世界
-------------------------------------------------------------
1.1 数据困境：缺乏数据，不能做出完整的决策；而有了大量数据，而仍然只能得到极少的深入分析见解
1.2 工具多样性策略：1.是什么：点击流的数据；2.有多少：多目标产出分析；3.为什么：实现与测试；4.为什么：客户的反馈；5.其他方面：竞争情报
-------------------------------------------------------------
2 2.选择网站分析系统的最佳战略：
-------------------------------------------------------------
2.1 1.10/90法则：10元的工具成本需要90元的人的成本
2.2 2.网站分析前3个问题：
2.2.1 1.需要报表还是需要分析：报表简单，分析才重要
2.2.2 2.我们的优势在IT方面、业务方面还是两方面都有:需要强大的IT部门的驱动
2.2.3 3.只是需要点击流数据，还是需要整个web analysis 2.0的
-------------------------------------------------------------
3 3.点击流分析指标KPI
-------------------------------------------------------------
3.1 1.访问与独立访客：访问是session，独立访客是cookie
3.2 2.网页停留时间与网站停留时间（也就是会话时间）的计算：需要考虑特殊情况，如：只浏览一个页面；多标签浏览页面等；
3.3 3.跳出率：网站上单个页面访问所占的会话比例（主要记录：我来，我吐，我离开）；
3.4 4.退出率：在某个页面有多少访客离开网站；
3.5 5.转化率：某种产出除以独立访客或是访问量；如：电商网站客户提交的订单就是产出；
3.6 6.参与度
3.6.1 1网站分析系统不能区分访客的参与度是正面的还是负面的
3.6.2 2.网站分析领域讨论参与度时，讨论的只是参与度的程度
3.7 7.优秀指标的特性：简单、相关、及时、即时有效性
3.8 8.经验：不要过分追求完美；要做到少而精；重视网站指标的生命周期；
-------------------------------------------------------------
4 4.点击流分析实践
-------------------------------------------------------------
4.1 1.族群细分：了解更深层次上的数据
4.2 2.关注用户行为而非总体结果
4.3 3.站内搜索使用度、热门词、搜索结果质量（搜索退出率衡量）
4.4 4.对于富媒体的事件跟踪机制
4.5 5.抽样方法（第三种最优）
4.5.1 1.只对部分网页的所有数据进行抽样
4.5.2 2.从所有网页收集数据，但针对每个网页，只对部分数据进行抽样
4.5.3 3.收集所有数据，只有在运行查询或报表时抽样
-------------------------------------------------------------
5 5.衡量绩效
-------------------------------------------------------------
5.1 1.产出KPI
5.1.1 1.任务完成度
5.1.2 2.搜索流量比例
5.1.3 3.访客忠诚度和回访率
5.1.4 4.RSS/Feed订阅数
5.1.5 5.正面退出比例
5.2 2.整体着眼，考察宏观转化；对于精彩部分，着重标识和衡量微观转化的衡量
5.3 3.访问深度
-------------------------------------------------------------
6 6.利用定性数据
-------------------------------------------------------------
6.1 1.调研的类型
6.1.1 1.页面级别调研（被动调研模式）
6.1.2 2.网站级别调研（主动调研模式）
6.2 2.永不过时的3个调研最佳问题
6.2.1 1.今天你访问我们的网站是什么
6.2.2 2.你能在我们网站上完成你想做的事么
6.2.3 3.如果今天你不能完成想做的事，原因是什么
-------------------------------------------------------------
7 7.充分发挥测试和试验的力量
-------------------------------------------------------------
7.1 1.A/B测试：测试两种布局不同的页面
7.2 2.多变量测试（MVT）：测试每个网页中的每个部分
7.3 3.改进关键页面：着陆页；结账、注册/登录和提交页面；优化广告的数量和位置；
7.4 4.对照性试验：可以通过局部的测试来类比全局
-------------------------------------------------------------
8 9.新兴分析：社交、移动和视频
-------------------------------------------------------------
8.1 传统模式：内容创建、内容发布和内容消费
8.2 基于事件收集机制开发的TimesReader可以跟踪用户线下的阅读行为
8.3 手机对javascript和cookie支持的不好，收集的数据不准确
8.4 移动收集的方案
8.4.1 基于日志收集
8.4.2 基于数据包嗅听
8.4.3 基于加码-javascript或者图片加码
8.5 网站基本指标：访问、页面查看、平均访问页面数、跳出率及网站停留时间
8.6 分析师准则：可执行的分析结论与见解不会来自静态报告，而是来自于对数据的细分和分析
8.7 博客指标：原作者贡献、读者增长、转换率、引用和轰动指数、成本、收益
8.8 数据统计时：高精确性，其次才是准确性
8.9 涅槃之路：javascript加码、工具设置、营销活动跟踪、收入、富媒体
-------------------------------------------------------------
9 11.成为分析专家的入门指南：用行之有效的办法来尽量避
免让自己淹入数据的海洋，或是陷入分析的泥潭中
-------------------------------------------------------------
9.1 只有关键KPI的图、表和仪表板就是犯罪，因为没有背景（如多少流量来自搜索引擎）
9.2 通常选择产出指标为伴侣指标，这样有助于衡量网站的绩效
9.3 不能指导实际行动的KPI技术：平均值、百分比、比率和组合指标
9.3.1 （族群细分）细分是处理平均值并获得分析见解的有效策略
9.3.2 数据分布：剖析哪些数据组成了平均值
9.3.3 组合指标的使用场景是哪些数据衡量很难的地方，通常的地方使用复杂的组合指标得出的数字很难理解
9.4 最优长尾策略
9.4.1 计算头部和长尾
9.5 真正的成功不是来自点击正确的按钮，而是来自于将正确的方法引入表格；善于分析的头脑和对互联网的专注；