宋天龙（TonySong） ，Webtrekk（德国的网站数据分析服务提供商）中国区技术和咨询负责人，前国美在线数据分析经理， 数据研究与商业应用博主，资深数据分析领域专家。拥有丰富的数据项目应用经验，参与过公司级流量数据仓库建设、企业BI和DMP搭建、RTB和DSP、站内个性化推荐等大型数据工作项目。参与实施客户案例包括国美、库巴、迪信通，Esprit中国、猪八戒、乐视商城、泰康人寿、合众人寿、酒仙网等，Webpower、德国OTTO集团电子商务（中国）。等，合作培训的项目包括数盟、互联网分析沙龙、Netconcepts、truemetrics、中商联数据分析委等。萝卜课堂特邀讲师，百度文库认证作家、站长之家、互联网分析沙龙专栏作家。

　　《网站数据挖掘与分析 系统方法与商业实践》是目前网站数据挖掘与分析领域具系统性、深度和商业实践指导价值的著作，作者是来自在线数据分析领域巨擘Webtrekk的官方资深数据分析专家，黄成明、宋星、蓝鲸、宫鑫等近10位国内网站分析领域专家联袂推荐。
　　全书从5个维度对网站数据分析进行了全面的讲解：
　　（1）认知维度：首先是告诉企业和数据分析师应该如何科学地认识网站数据分析，其次是指导企业如何从零开始构建自己的数据体系，最后讲解了数据分析师应该如何从零开始建立自己的成长体系；
　　（2）技术维度：详细地讲解了网站数据的采集和配置、网站分析工具的选择和使用、网站数据整合的方法、数据监测与评估的指标，以及数据分析的场景和相应的方法；
　　（3）应用维度：通过10余个商业化的案例，还原了网站数据分析在营销和运营中的应用，不仅从业务层面讲解了数据驱动的营销和运营的方法论，而且还从实操层面讲解了案例的操作过程，可以直接套用到工作中并产出效果；
　　（4）管理维度：从数据管理者和领导者的角度探讨了如何进行数据风险、数据质量、数据投入和产出、数据流程和落地管理，这些都是作为管理者自我提升的必备知识；
　　（5）工具维度：对Webtrekk和Adobe Analytics等的网站分析工具报表、指标和重要特性进行了详细的列举，同时包含大量的完整代码部署示例。

　　★宋天龙是中国新生代的网站数据分析界“大拿”的代表，其对网站数据分析的理解是行业中数一数二的。他把他对网站数据分析的阐释和领会一览无余地吐露在本书中，并分四篇深入浅出地讲述了从企业数据体系建设之初，到网站分析工具的选择与部署，再到实际案例分析，最后收尾于其对网站数据分析的升华与提高，尤其是引人入胜的第15章对网站数据分析的投入与产出的分析，更是充分展示了宋天龙对网站数据分析游刃有余的拿捏。据此，我推荐任何刚入门及所有对网站数据分析感兴趣的朋友来学习和阅读，如果可能，与宋天龙一起切磋和提高。
　　——张姝　Webtrekk亚洲区市场总监

　　★这是一本写网站数据分析的专业书，有思路，有分析方法，有分析工具讲解和案例剖析。推荐数据分析、网站运营等人士阅读。
　　——黄成明（@数据化管理）　数据化管理的咨询顾问及培训师

　　★很早就认识天龙，次正式认识是通过我的一篇博文，他的评论来源于有见地的实践。与其他网站数据书籍不同的是，本书既强调工具和技术，又重视意识和应用，尤其融入了很多大型企业的宝贵经验。他把统计学、数据挖掘、自动化应用等方法应用其中，这是对网站数据工作方法的延伸；同时，对于数据工作的完整认知和数据管理意识，更是丰富了网站数据工作的广度与深度。因此，这是一本不可多得的佳作。
　　——宋星　阳狮锐奇（Publicis Groupe VivaKi）数据解决方案总经理

　　★数据分析=技术+市场+战略，这就决定了数据分析在企业中的重要性，我们需要借助数据来指引决策，而不是随机拍脑袋！传统行业的决策过多依赖于管理者的眼光和洞察力，而数据分析人要做的事情，就是把这些眼光和洞察力转化为可量化的数字信息！同时数据的竞争在于数据采集的竞争，在于数据维度的竞争以及玩转数据的人，再好的数据没有优秀的数据人员进行经营及挖掘，其价值终究无法展现。推荐阅读天龙撰写的此书，本书很好地阐述了如何进行企业级数据运营及数据分析工作，对于准备了解及从事数据分析工作的人有非常大的帮助。
　　——田学峰　萝卜教育网创始人

　　★如何定位及发现数据中的价值是网站分析中最受关注的问题。宋天龙通过多年的从业经验给出了答案。本书从数据的认知到数据的应用，以丰富的案例由浅入深地讲解了数据在商业中的作用及价值。无论你是数据行业的新人，还是有一定实践经验的从业者，这都是一本不应该错过的好书。
　　——王彦平　网站分析爱好者《网站分析实战》作者之一

　　★对于每一位网站分析师来讲，这是本必须买和必须认真读的书。
　　次读本书时，就被书中宽广的知识视角和清晰的阐述所折服，这完全是源于作者极其丰富的实战经验，以及对产品和技术孜孜不倦的追求。
　　——宫鑫　射手学院创始人

　　★中国网站分析的圈子其实不大，我和天龙也一直相望于江湖。他从业时间很长，使用过各家主流的分析工具，亦有着从事大型电商数据管理工作的经验，实属不多见的实战派人才。天龙是一个严谨的网站分析工作者，正如他所理解的那样，在这个领域里很多人是一只翅膀的鸟儿，要么执着地偏向分析技术，要么急躁地追求数据价值。网站数据分析是一条漫长的路，它隶属于一个细分研究领域，却涉猎广博、变化极快。希望这本书能够带给你一个新的角度，从而帮助你站到一个新的高度。
　　——王晓东　TrueMetrics创始人

　　★互联网的发展日新月异，企业要想有所作为，必须打造完善的数据跟踪、分析和优化体系。网站数据分析区别于传统的业务分析，会涉及数据跟踪机制、数据分析建模层面，也区别于数据挖掘，会有数据与业务结合的层面。此书深入浅出地介绍了网站数据分析的原理和实际案例，是行业内不可多得的开山之作。无论是对于互联网数据分析相关从业人员，数据分析专业人员，还是管理者，本书都是不可多得的好书。优秀的人出优秀的书，强烈推荐！
　　——胡力　Netconcepts深圳分公司总经理《流量的秘密（第3版）》审校

　　★无论是互联网还是传统公司都越来越意识到数据资产和数据分析的重要性，但很多公司对如何利用数据创造价值和基于数据做决策存在一些疑惑。
　　本书作者基于自身的行业经验和理论，从数据的价值、如何收集数据，到如何形成数据决策和数据驱动的体系一层层地回答了企业线上营销和线上运营等维度的数据分析问题。无论是对职业的数据分析师、数据分析入门者，还是企业管理人员，本书都不失为既有理论深度又有较高实践性的优秀之作。
　　——李俊　百度大数据部高级产品经理

　　第1章
　　科学地认识网站的数据分析
　　网站数据分析的相关话题正随着中国互联网的发展被越来越多的人讨论着，但其中关于网站数据分析基本认知层面的讨论较少。实际上国内对网站分析的认知水平仍然处于较低的层次，表现在把网站数据分析当做万能钥匙，期望它能解决任何的业务问题；或者对网站数据分析不屑一顾，忽视数据在业务优化中的辅助甚至是驱动作用。
　　本章旨在引领大家建立一个全面的网站数据分析观，向大家介绍网站数据分析到底是什么，为什么企业需要网站数据分析，它能解决和不能解决的问题；同时就大家经常谈论的“数据驱动”问题展开讲解，使大家了解到底什么才是真正的数据驱动。
　　1.1　企业为什么要对网站的数据进行分析
　　1.1.1　网站数据分析能为“谁”解决问题
　　网站数据分析面向的对象是公司内部的整体运营体系，可以涵盖公司内部所有的以网站为核心的上下游相关业务主体。
　　1. 网站数据分析能为公司整体运营提供战略支持
　　网站数据分析的支持对象首先是公司整体。网站数据分析在战略支持过程中围绕网站，重点围绕网站营销、网站运营、网站用户、网站产品销售等业务进行趋势和战略规划，它是线上的数据核心。通过对网站本身整体的营销情况、流量情况、销售情况和用户情况的挖掘分析，并结合财务数据、CRM数据、ERP数据、OA数据等数据形成整体数据体系和关键度量，为公司高层战略决策的制定提供基本的数据支持。
　　另外，网站数据分析还能通过特定的方法获取整个行业及其竞争对手的相关信息，这对于获取关键的竞争情报，如营销推广动向、产品销售策略、网站设计趋势和用户组成结构等都有至关重要的作用。因此，它也是战略竞争分析的重要组成部分，能为公司高层战略决策的制定提供行业视角和竞争情报。
　　通过对公司内外部数据的收集和整合应用，结合公司的内部运营和外部行业环境，网站数据分析能为企业的战略制定和执行优化提供较为全面的数据视角。
　　2. 网站数据分析能为各业务点提供数据支持
　　网站数据分析面向的业务对象是公司内部与网站有关的支持、生产、运营、发布和优化等部门。按照公司内部的职能划分，直接支持的对象通常是业务类部门，包括营销相关、运营相关、销售相关、产品设计、用户体验、会员相关等；间接支持的对象通常是职能类部门，包括HR、财务、行政管理、稽查等。无论是业务类部门还是职能类部门，网站数据分析的作用都是为公司提供评估、优化、审核、校验、稽查等相关价值点，数据结果会反馈给相关部门和管理人员进行公司流程梳理、部门执行优化、个人发展绩效等环节。
　　1.1.2　网站数据分析能解决哪些问题
　　网站数据分析的载体是网站，因此所有的数据都来自于网站本身。而数据在反馈到业务的过程中，能解决的问题集中在与网站相关的课题上。网站数据分析可以提供多平台（不同形式的网站和应用）、多渠道（不同的营销和推广渠道）、多终端（不同的访问终端）下多数据体系的数据整合分析，为与网站整体营销相关、运营相关、用户相关和销售相关的业务提供洞察支持。
　　1. 多数据平台的数据整合分析
　　大多数企业都有多个企业级的应用平台，包括WAP网站、APP应用和Web网站。这三种平台产生的数据可以通过网站分析系统直接进行整合分析，以便评估不同平台上的业务效果；同时，网站分析系统还可以通过整合数据集进行用户识别和关联，提供跨平台、多渠道和跨终端的效果分析，打通不同平台间的运营通路。比如，线下电视媒体的标版广告是如何对线上的流量产生影响的、APP上的移动广告对Web网站的销售影响如何，以及用户是如何在三个企业级的应用平台之间进行切换等。
　　随着用户访问碎片化特征的加深，跨平台、多渠道和跨终端的访问越来越明显，尤其是对于决策周期较长的电商类、保险类、金融类企业而言，复合型推广、整合性传播、全方位维护已经成为重要的战略方向，而针对这种复杂行为的数据必须通过网站数据分析中独有的工具和方法进行跟踪、整合与分析。
　　另外，在整合网站数据进行分析的过程中，由于网站中大部分用户采用的是匿名访问的方式，因此传统的以CRM用户ID等为主键的关联方法将很难大规模的被适用，这种方法只能针对已经登录或注册的用户进行行为分析。因此，占绝对数量的匿名访问以及基于Cookie的唯一访客ID的网站数据分析将得到更大规模的应用。这种数据整合分析可以为企业由原来从已知用户行为数据中提炼关键价值点演进到依据未知的用户推导结论辅助已知的业务进行优化。
　　2. 多业务对象的辅助数据支持
　　（1）营销类数据支持
　　营销类数据支持是指通过数据提炼相关的业务观点，为营销决策、营销实施、营销优化和评估等提供数据驱动建议的过程。营销类数据支持的对象主要是品牌部或市场部，其下属细分业务包括：媒介（品牌）、SEM、CPS（按销售付费）、SNS（新媒体）、EDM、PR、BD（商务拓展）等。
　　营销类数据支持是最常见的网站数据分析需求，一方面由于所有的营销推广渠道效果都可以直接或间接地反馈到线上（纯线下的业务经营除外），因此，效果更容易量化评估；另一方面由于营销费用是公司重要的费用支出项目，因此公司更加关心巨额广告费投入之后的营销产出。因此，营销类分析是网站数据分析的重要课题，也是结合最紧密的一类业务需求。
　　营销类网站数据分析需求通常包括：前期整体营销策略组合和媒体策划、中期渠道推进和优化执行、后期渠道效果评估等，网站数据分析都要结合特定的数据分析和挖掘方法针对这些需求提供服务。另外，结合适当的追踪方式和分析方法，网站数据分析还能解决传统线下投放浪费的“另一半”广告费的效果评估问题，使每次的广告投放有的放矢，效果评估更加科学、全面。
　　营销类数据支持常见的课题包括：渠道投放效果评估、跨渠道访问特征分析、营销组合分析、渠道最佳费用和效果产出点分析、渠道作弊分析、广告和社会化媒体的销售贡献分析、渠道生命周期分析、渠道画像和价值模型分析等。
　　（2）运营类数据支持
　　运营类数据支持指的是狭义的运营，即以网站为载体的，包括网站运维支持、内容优化、功能设计和业务操作为核心的业务体系。该体系包含的相关部门主要是网站运维、页面运营、功能优化、用户体验等。
　　运营类数据需求也是常见的网站数据分析需求，由于是围绕网站开展的业务动作，因此业务效果更容易直接反馈和作用于线上，形成从前期策划设计、中期落地执行、后期优化改进到再评估优化业务流程闭环。
　　运营类数据支持的常见课题是围绕网站相关的数据需求，包括网站整体设计和组织策略、网站诊断及整体优化、网站资源位或坑位最佳优化组合、促销活动组织策略、页面产品功能喜好、整体用户体验度、站内促销流程分析、页面布局和最佳组合分析、站内广告位挖掘和定价分析等。
　　（3）用户类数据支持
　　用户类数据支持是指以用户为核心的数据支持体系，其效果直接作用于会员或客户维系的相关部门。用户根据登录状态分为匿名用户和实名用户两种。
　　网站分析的整体设计逻辑是为用户分析而服务的，因此用户类数据支持是整个网站数据分析的重要组成部分。网站用户分析是用户整体数据分析的重要节点，因为网站端提供了传统线下在购买或转化之前的所有属性和行为记录，为对用户进行360°认知提供了关键的“事前”视角。另外，由于实际工作中可能有超过10%甚至更高比例的用户是匿名状态，该状态下的用户是网站的潜在和目标客户，分析其行为对整个网站的优化改进能起到重要的参考作用。
　　用户类数据分析点通常包括用户基本属性、用户基本行为和转化行为的分析与挖掘。
　　用户基本属性：人口社会属性、地理位置属性、访问环境、终端属性、来源属性等。
　　用户基本行为：浏览、查看、搜索、点击、事件。
　　用户转化行为：试用、下载、表单、注册、登录、订单。
　　用户类数据支持常见的课题包括典型用户特征提取、特殊类别用户行为挖掘（如购买了A类产品的购物路径、高活跃度用户站内行为轨迹）、用户忠诚度分析、用户活跃度分析、用户流失和预流失分析、用户广告偏好度分析等。
　　（4）销售类数据支持
　　销售类数据支持是电子商务类企业的核心数据应用之一，直接作用于线上相关采购和销售类部门，间接作用于线下采购、仓储、物流配送等部门。
　　网站数据分析支持可以直接为线上相关采销和销售类部门提供产品销售前和产品销售中的业务洞察，包括从产品被检索、查看、加入购物车，直至提交订单的整个动作链条结束时所有的细节数据，能为采销业务趋势的把握和症状诊断提供最直接的一手资料和数据支持。
　　同时，线上的产品检索、查看、加入购物车的趋势可以直接映射到线下，如根据线上产品需求规划、采购方案和商品组合，利用线上需求预测产品库存和周转策略；根据线上用户产品订货特征做仓库最佳分拣路线制定和调整；根据各品类销售预测结果提前制定物流和配送方案等。
　　销售类数据支持常见的课题包括：销售废单率分析、站内商品销售漏斗分析、产品关联和交叉销售分析、商品最佳投放渠道分析、商品站内资源位推荐分析、产品打包销售策略分析、产品需求与销售预测供应分析、产品关注周期分析、产品季节性分析、恶意订单分析、价格敏感度分析等。
　　……

本书赞誉
前　言
认知篇
第1章　科学地认识网站的数据分析  2
1.1　企业为什么要对网站的数据进行分析  2
1.1.1　网站数据分析能为“谁”解决问题  2
1.1.2　网站数据分析能解决哪些问题  3
1.1.3　常见的几种“分析”概念  5
1.2　网站数据分析的5个误区  7
1.3　识别网站数据具有欺骗性的3种形态  11
1.4　辅助决策与数据驱动的争议  15
1.4.1　辅助决策  15
1.4.2　数据驱动  16
1.4.3　辅助决策与数据驱动差异点  17
1.5　本章小结  17
第2章　从零开始建立企业数据体系  18
2.1　数据价值最大化的定位  18
2.1.1　数据价值定位的基本原则  18
2.1.2　数据价值的4种常见定位  20
2.2　企业数据的职能架构与组成  21
2.2.1　企业内部的职能架构  22
2.2.2　企业外部的职能架构  25
2.3　企业数据技术架构与组成  26
2.3.1　数据收集层  27
2.3.2　数据存储层  28
2.3.3　数据计算层  29
2.3.4　数据管理层  34
2.3.5　数据应用层  35
2.4　本章小结  36
第3章　从零开始建立数据分析师个人成长体系  37
3.1　数据分析师的完整知识结构  37
3.2　对数据分析师的职能素质要求  40
3.2.1　工作方向划分  40
3.2.2　工作职位划分  41
3.3　数据分析师成长的4个阶段  42
3.4　给数据分析师的5点建议  45
3.5　本章小结  47
基础篇
第4章　网站数据采集和配置  50
4.1　网站分析系统的数据工作机制  50
4.1.1　数据采集  50
4.1.2　数据处理  53
4.1.3　数据报告  55
4.2　网站代码部署  55
4.2.1　通用全局的脚本部署  56
4.2.2　通用页面的脚本部署  59
4.2.3　特定页面的脚本部署  62
4.3　系统功能配置  63
4.3.1　数据安全设置  63
4.3.2　数据处理设置  64
4.3.3　数据转化设置  79
4.3.4　数据整合设置  81
4.3.5　数据智能工作设置  82
4.4　本章小结  86
第5章　网站分析工具的选择  87
5.1　网站分析工具  87
5.1.1　Adobe Analytics  89
5.1.2　Webtrekk  106
5.1.3　Webtrends  112
5.1.4　Google Analytics  114
5.1.5　IBM Coremetrics  122
5.1.6　Piwik  125
5.1.7　百度统计  127
5.2　移动分析工具  128
5.2.1　Flurry  128
5.2.2　友盟  134
5.3　如何选择网站分析工具  135
5.3.1　整体解决方案的能力  135
5.3.2　产品易用性  136
5.3.3　功能丰富性  137
5.3.4　增值服务价值  140
5.3.5　价格和费用  141
5.4　本章小结  142
第6章　网站数据整合的方法  143
6.1　网站数据整合的意义  143
6.2　网站数据整合的范畴  144
6.2.1　业务数据整合  144
6.2.2　IT数据整合  153
6.3　网站数据整合的方法  156
6.3.1　在线数据整合  156
6.3.2　本地数据整合  163
6.4　本章小结  170
第7章　数据监测与评估指标  171
7.1　业务效果流指标  171
7.1.1　站外推广类指标  171
7.1.2　网站运营类指标  172
7.1.3　企业会员类指标  182
7.1.4　呼叫中心类指标  186
7.1.5　仓储配送类指标  188
7.2　成本控制流指标  193
7.3　收益控制流指标  197
7.4　本章小结  201
第8章　数据分析场景和方法  202
8.1　以效果预测为目的的数据分析  202
8.1.1　效果预测是什么  202
8.1.2　效果预测的两种类型  203
8.1.3　效果预测的应用场景  203
8.1.4　预测结果的常用方法  204
8.2　以结论定义为目的的数据分析  211
8.2.1　结论定义是什么  211
8.2.2　结论定义的4种方向  212
8.2.3　结论定义的3个误区  213
8.2.4　下结论的常用方法  215
8.3　以数据探究为目的的数据分析  218
8.3.1　数据探究是什么  218
8.3.2　数据探究的两种类型  218
8.3.3　探究原因的分析方法  219
8.4　以业务执行为目的的数据分析  222
8.4.1　业务执行是什么  222
8.4.2　业务执行的两种类型  222
8.4.3　提取业务执行建议的常用方法  223
8.5　正确的数据模型与算法选择观  228
8.6　本章小结  229
案例篇
第9章　网站数据的营销辅助应用  232
9.1　网站营销分析辅助决策报告矩阵  232
9.2　三种常用的网站营销分析场景  239
9.2.1　营销前的媒体规划与效果预测  239
9.2.2　营销时的异常检测与及时反馈  241
9.2.3　营销结果总结与项目分析  243
9.3　常用的网站营销分析维度  245
9.3.1　目标端  245
9.3.2　媒体端  245
9.3.3　用户端  249
9.3.4　网站端  249
9.3.5　竞争端  251
9.3.6　其他因素  252
9.4　网站营销辅助决策四大案例  253
9.4.1　恶意流量分析  253
9.4.2　多渠道订单归因分析  259
9.4.3　渠道效果聚类  274
9.4.4　营销效果分析  286
9.5　本章小结  295
第10章　数据驱动下的数字营销应用  297
10.1　数字营销的概念和范围  297
10.2　数字营销发展的三个阶段  298
10.3　个性化媒体投放的价值  298
10.4　个性化媒体投放的技术架构  299
10.4.1　数据层  300
10.4.2　算法层  301
10.4.3　API层  304
10.4.4　应用层  305
10.5　个性化媒体投放的实现  306
10.5.1　个性化媒体投放的实现方式  306
10.5.2　如何选择优秀的服务提供商  307
10.6　个性化媒体投放的问题  307
10.7　本章小结  309
第11章　网站数据的运营辅助应用  310
11.1　网站运营分析辅助决策报告矩阵  310
11.2　三类常见的网站运营分析场景  311
11.2.1　点：面向单体坑位的辅助分析  311
11.2.2　线：面向站内流程的优化与提高  314
11.2.3?面：面向整体网站资源的价值最大化  318
11.3　常用的网站运营分析维度  319
11.3.1　目标端  319
11.3.2　运营端  320
11.3.3　用户端  322
11.3.4　网站端  323
11.3.5　竞争端  324
11.3.6　其他因素  325
11.4　网站运营辅助决策四大案例  325
11.4.1　站内广告位效果标杆管理  326
11.4.2　网站用户调研  330
11.4.3　站内活动分析  338
11.4.4　商品销售诊断  354
11.5　本章小结  362
第12章　数据驱动下的个性化运营应用  363
12.1　网站运营的概念和范围  363
12.2　网站运营发展的三种形态  364
12.3　个性化网站运营的价值  364
12.4　个性化网站运营的应用  365
12.4.1　个性化网站运营的在线应用  365
12.4.2　个性化网站运营的离线应用  368
12.5　个性化网站运营的实现  369
12.6　个性化网站运营遇到的问题  371
12.7　本章小结  372
提高篇
第13章　数据风险管理与控制  374
13.1　数据风险管理的概念  374
13.2　数据风险管理的类型  375
13.3　数据风险管理的原则  378
13.4　数据风险管理与控制  379
13.5　本章小结  383
第14章　数据质量把控与建设  384
14.1　数据质量建设的内涵  384
14.2　数据质量建设的原则  386
14.3　影响数据质量的常见因素  389
14.4　数据质量建设的框架  391
14.4.1　数据质量管理  391
14.4.2　数据监督管理  398
14.4.3　数据生命周期管理  399
14.5　本章小结  402
第15章　数据投入与产出管理  404
15.1　数据投入与产出的内涵  404
15.2　数据投入与产出的特征  405
15.3　数据投入与产出的管理  406
15.3.1　数据投入管理  406
15.3.2　数据产出管理  408
15.3.3　数据投入与产出优化  410
15.4　本章小结  413
第16章　数据流程与落地管理  414
16.1　数据流程与落地管理的内涵  414
16.2　数据流程与落地管理的意义  415
16.3　数据流程与落地管理的策略  416
16.4　数据流程与落地管理的框架  418
16.4.1　数据需求管理  419
16.4.2　项目工作流程  421
16.4.3　数据培训体系  424
16.4.4　权限管理流程  426
16.4.5　数据知识管理  427
16.5　本章小结  428
附录A　网站分析工具的特性及代码部署  429
附录B　企业网站数据工作的局限与发展  457