聪明人的谷歌分析
Posted: Tue Jan 07, 2025 3:57 am
Analytics Ninja的创始人 Yehoshua Coren在题为“Google Analytics for Smarties”的讲座开始时说道：“重点是理解数据并做出明智的决策。 ” Yehoshua 是网络分析领域最伟大的专家之一，这一点也在演讲舞台上得到了体现。不仅有知识，还有他的表现和热情，这是非常有感染力的。
战略方针
作为 inOrbit 17 活动的一部分，Yehoshua 在讲座开始时强调了一个重要但经常被遗忘的事实：如果我们想要获取相关数据并做出正确的决策，网络分析需要大量规划。重要的是，一开始我们不讨论实现方法，也不对我们要衡量的内容感兴趣，但第一个也是最重要的问题是我们的业务目标是什么。一旦我们知道了我们的目标是什么，我们就会问自己需要什么数据（=我们将衡量什么）来看看我们是否正在实现我们的目标。然后才是工具的实施、配置和各种报告的准备。基于以上所有，我们可以获得重要的数据和各种信息。当我们能够根据获得的数据确定我们是否正在实现为自己设定的目标以及我们是否完全遵循这些目标时，循环就结束了。如果没有这些发现，网络分析实际上毫无用处。
他强调的下一件事是 Google Analytics 中的维度和指标。这些是基本构建块，但如果使用正确，它们可以提供有关用户在网站上发起的事件的更详细信息。它们主要用作各种事件的计数器。此时，他还提到了计算指标。他强烈推荐它们的使用，作为最重要的例子之一，他强调了衡量转化率的正确公式，其中用户很重要，而不是访问次数（#交易/#用户）。
这一切都是为了理解数据并做出决策！ @analyticsninja
点击发推文
使用高级维度和指标
网站的个人访问评分也与高级指标相关。基本思想是计算用户在每次访问期间可以触发的各种事件（例如提交表单、单击各种按钮......）。当然，我们正在谈论重要且符合我们目标的事件！通过这种方式，我们可以找出哪些用户在访问期间获得了最高的积分。您可能会同意，这些用户通常也最有可能成为我们的客户（当然，假设他们还没有成为我们的客户；））。
实施中最重要的事情之一是规划我们稍后将用于细分的指标。例如，我们可以提供有关可在分析中记录的博客的附加数据：作者姓名、帖子类别、帖子标题、帖子长度等。如果不事先考虑，我们最终会得到对分割无用的数据。提到了 2 种细分类型：
传统的基于角色的类型，
根据网站本身的用户行为进行类型。
Yehoshua提到的一些可以帮助我们了解用户的例子：
从数据中，我们可以了解各个行业的采购频率，这使我们更容易计划库存和营销，
在销售IT领域的课程时，我们可以发现由于课程浏览量和申请表数量多而同时申请数量少而脱颖而出的课程。因此，它可以成为生成假设和运行 A/B 测试的一个很好的起点。
没有用户细分就不行！
在讲座的第三部分，他指出如何借助维度和指标（普通和高级）来了解用户访问我们网站的目的。
例如：
如果我们有一个在线商店，我们可以很容易地找出哪些用户只是出于好奇而访问该网站 - 他们将产品添加到愿望清单和购物车，但不购买。东南欧的居民是这方面的世界冠军。
如果我们在网站上提供用户可以下载的内容，我们可以使用为该内容 巴拉圭电报数据库 配备的附加维度和指标来找出用户感兴趣的内容，从而更好地了解他们访问该网站的目的。
如果我们在网站上提供各种IT课程，我们可以借助额外的维度和指标更详细地了解用户正在寻找什么——他是来网站注册高级课程还是初级课程，他是什么主题感兴趣等等
找出用户访问我们网站的目的非常重要。
点击发推文
智能再营销
在最后一部分中，Yehoshua 谈到了再营销或再营销。但不仅仅是一般情况，而是基于上述所有解决方案的再营销。最常用的基本再营销列表实际上毫无用处，因为它们捕获了所有已经访问过我们网站的用户。最好使用具有不同条件的列表，可以使用高级维度和指标进行跟踪，并基于该列表我们可以推断用户意图。作为示例，我可以给出根据条件创建的列表，例如：
用户向购物篮添加了至少 1 件产品，但未进行购买，
用户观看了超过3个视频，
用户主要查看初级课程，而不是高级课程，
用户使用了产品比较器。
通过策划再营销候选名单，这些活动可以更好/更成功/更有效（无论什么更适合您:)），因为它们总体上更针对我们的目标用户。
创建再营销列表时的一个重要参数是用户满足所选条件后在列表中停留多长时间的数据。通过正确使用此参数，我们可以得出更好的再营销列表。
最后，Yehoshua再次总结了整个讲座，所以这里总结一下似乎也是合理的。
在开始实施网络分析之前，请准备好计划和策略。记录商定的内容。
请注意，有两种类型的分段。
根据数据，尝试确定用户访问网站的目的。
根据获得的数据使用智能再营销。
Yehoshua 在结束演讲时高呼“细分、细分、细分、细分！”，再次强调，在分析数据、研究用户行为、制定广告策略时，细分是最重要的。
加入我们参加免费网络研讨会：圆桌会议：如何更加数据驱动，2020 年 11 月 24 日 15:00。来自分析领域的 3 位顶级专家将与我们一起，解释为什么基于数据制定决策如此重要以及如何去做。
战略方针
作为 inOrbit 17 活动的一部分，Yehoshua 在讲座开始时强调了一个重要但经常被遗忘的事实：如果我们想要获取相关数据并做出正确的决策，网络分析需要大量规划。重要的是，一开始我们不讨论实现方法，也不对我们要衡量的内容感兴趣，但第一个也是最重要的问题是我们的业务目标是什么。一旦我们知道了我们的目标是什么，我们就会问自己需要什么数据（=我们将衡量什么）来看看我们是否正在实现我们的目标。然后才是工具的实施、配置和各种报告的准备。基于以上所有，我们可以获得重要的数据和各种信息。当我们能够根据获得的数据确定我们是否正在实现为自己设定的目标以及我们是否完全遵循这些目标时，循环就结束了。如果没有这些发现，网络分析实际上毫无用处。
他强调的下一件事是 Google Analytics 中的维度和指标。这些是基本构建块，但如果使用正确，它们可以提供有关用户在网站上发起的事件的更详细信息。它们主要用作各种事件的计数器。此时，他还提到了计算指标。他强烈推荐它们的使用，作为最重要的例子之一，他强调了衡量转化率的正确公式，其中用户很重要，而不是访问次数（#交易/#用户）。
这一切都是为了理解数据并做出决策！ @analyticsninja
点击发推文
使用高级维度和指标
网站的个人访问评分也与高级指标相关。基本思想是计算用户在每次访问期间可以触发的各种事件（例如提交表单、单击各种按钮......）。当然，我们正在谈论重要且符合我们目标的事件！通过这种方式，我们可以找出哪些用户在访问期间获得了最高的积分。您可能会同意，这些用户通常也最有可能成为我们的客户（当然，假设他们还没有成为我们的客户；））。
实施中最重要的事情之一是规划我们稍后将用于细分的指标。例如，我们可以提供有关可在分析中记录的博客的附加数据：作者姓名、帖子类别、帖子标题、帖子长度等。如果不事先考虑，我们最终会得到对分割无用的数据。提到了 2 种细分类型：
传统的基于角色的类型，
根据网站本身的用户行为进行类型。
Yehoshua提到的一些可以帮助我们了解用户的例子：
从数据中，我们可以了解各个行业的采购频率，这使我们更容易计划库存和营销，
在销售IT领域的课程时，我们可以发现由于课程浏览量和申请表数量多而同时申请数量少而脱颖而出的课程。因此，它可以成为生成假设和运行 A/B 测试的一个很好的起点。
没有用户细分就不行！
在讲座的第三部分，他指出如何借助维度和指标（普通和高级）来了解用户访问我们网站的目的。
例如：
如果我们有一个在线商店，我们可以很容易地找出哪些用户只是出于好奇而访问该网站 - 他们将产品添加到愿望清单和购物车，但不购买。东南欧的居民是这方面的世界冠军。
如果我们在网站上提供用户可以下载的内容，我们可以使用为该内容 巴拉圭电报数据库 配备的附加维度和指标来找出用户感兴趣的内容，从而更好地了解他们访问该网站的目的。
如果我们在网站上提供各种IT课程，我们可以借助额外的维度和指标更详细地了解用户正在寻找什么——他是来网站注册高级课程还是初级课程，他是什么主题感兴趣等等
找出用户访问我们网站的目的非常重要。
点击发推文
智能再营销
在最后一部分中，Yehoshua 谈到了再营销或再营销。但不仅仅是一般情况，而是基于上述所有解决方案的再营销。最常用的基本再营销列表实际上毫无用处，因为它们捕获了所有已经访问过我们网站的用户。最好使用具有不同条件的列表，可以使用高级维度和指标进行跟踪，并基于该列表我们可以推断用户意图。作为示例，我可以给出根据条件创建的列表，例如：
用户向购物篮添加了至少 1 件产品，但未进行购买，
用户观看了超过3个视频，
用户主要查看初级课程，而不是高级课程，
用户使用了产品比较器。
通过策划再营销候选名单，这些活动可以更好/更成功/更有效（无论什么更适合您:)），因为它们总体上更针对我们的目标用户。
创建再营销列表时的一个重要参数是用户满足所选条件后在列表中停留多长时间的数据。通过正确使用此参数，我们可以得出更好的再营销列表。
最后，Yehoshua再次总结了整个讲座，所以这里总结一下似乎也是合理的。
在开始实施网络分析之前，请准备好计划和策略。记录商定的内容。
请注意，有两种类型的分段。
根据数据，尝试确定用户访问网站的目的。
根据获得的数据使用智能再营销。
Yehoshua 在结束演讲时高呼“细分、细分、细分、细分！”，再次强调，在分析数据、研究用户行为、制定广告策略时，细分是最重要的。
加入我们参加免费网络研讨会：圆桌会议：如何更加数据驱动，2020 年 11 月 24 日 15:00。来自分析领域的 3 位顶级专家将与我们一起，解释为什么基于数据制定决策如此重要以及如何去做。