<?xml version="1.0" encoding="UTF-8"?>
<rss version="2.0"
	xmlns:content="http://purl.org/rss/1.0/modules/content/"
	xmlns:wfw="http://wellformedweb.org/CommentAPI/"
	xmlns:dc="http://purl.org/dc/elements/1.1/"
	xmlns:atom="http://www.w3.org/2005/Atom"
	xmlns:sy="http://purl.org/rss/1.0/modules/syndication/"
	xmlns:slash="http://purl.org/rss/1.0/modules/slash/"
	>

<channel>
	<title>CNlaoKe&#039;s Blog &#187; Web Analytics</title>
	<atom:link href="http://blog.cnlaoKe.com/category/web-analytics/feed/" rel="self" type="application/rss+xml" />
	<link>http://blog.cnlaoKe.com</link>
	<description>Rome was not built in a day!</description>
	<lastBuildDate>Wed, 25 Aug 2010 09:45:12 +0000</lastBuildDate>
	<generator>http://wordpress.org/?v=2.8.6</generator>
	<language>en</language>
	<sy:updatePeriod>hourly</sy:updatePeriod>
	<sy:updateFrequency>1</sy:updateFrequency>
			<item>
		<title>同比增长</title>
		<link>http://blog.cnlaoKe.com/2009/11/03/248/</link>
		<comments>http://blog.cnlaoKe.com/2009/11/03/248/#comments</comments>
		<pubDate>Tue, 03 Nov 2009 09:25:54 +0000</pubDate>
		<dc:creator>CNlaoKe</dc:creator>
				<category><![CDATA[Web Analytics]]></category>

		<guid isPermaLink="false">http://blog.cnlaoKe.com/2009/11/03/248/</guid>
		<description><![CDATA[　　同比增长
　　和上一时期、上一年度或历史相比的增长（幅度）。
　　同比增长计算公式
　　同比增长率＝（本期数－同期数）÷同期数×100%
　　例子
　　比如说去年3月的产值100万，今年3月的产值300万，同比增长是怎么算的？是同比增长200％？还是同比增长300％？
　　本题＝（300－100）÷100＝200％
　　同比增长率，一般是指和去年同期相比较的增长率。
　　某个指标的同期比=（本年的某个指标的值-去年同期这个指标的值）/去年同期这个指标的值 
]]></description>
		<wfw:commentRss>http://blog.cnlaoKe.com/2009/11/03/248/feed/</wfw:commentRss>
		<slash:comments>0</slash:comments>
		</item>
		<item>
		<title>Google Analytics跳出率和退出率的理解</title>
		<link>http://blog.cnlaoKe.com/2009/08/03/56/</link>
		<comments>http://blog.cnlaoKe.com/2009/08/03/56/#comments</comments>
		<pubDate>Mon, 03 Aug 2009 09:22:48 +0000</pubDate>
		<dc:creator>CNlaoKe</dc:creator>
				<category><![CDATA[Web Analytics]]></category>

		<guid isPermaLink="false">http://blog.cnlaoKe.com/2009/08/03/56/</guid>
		<description><![CDATA[跳出率是指说在只浏览网站的一个页面就离开的访问者所占的比例。跳出率越高就说明该网站对访问者的吸引力越低，当跳出率达到一定的程度时，就说明网站需要及时优化更新了，否则将被淘汰。
在 说退出率之前先说说，网站的入口问题，对于一个网站来说， 可能有很多可以进到某一个页面的链接，这些不同的链接就是该网站不同的入口；访问者从某一个入口进入网站的次数就称为该入口的进入数，相反，从这个入口出 去的被称为退出数，（对于一个网站整体来说进入数和退出数始终都是相等的）所以我们可以得出：一个入口的退出率=该入口的退出数/该页面被浏览的次数。退 出率应该是一个小于1的数。对于退出的那个页面来说，根据我自己和我周围同学浏览网页的习惯来看，从一个页面里退出很多情况下都是因为该页面不再吸引我 们，因为如果页面的内容足够好，或符合我们的习惯，就会想看下一个页面，但是也有特殊情况：寻找的目标很明确，看完需要的东西也就直接从该页面退出了，所 以感觉退出率也能从一定的程度上反应一个页面对访问者的吸引力吧。
]]></description>
		<wfw:commentRss>http://blog.cnlaoKe.com/2009/08/03/56/feed/</wfw:commentRss>
		<slash:comments>0</slash:comments>
		</item>
		<item>
		<title>评估网站页面质量的指标：跳出率和退出率</title>
		<link>http://blog.cnlaoKe.com/2009/08/03/55/</link>
		<comments>http://blog.cnlaoKe.com/2009/08/03/55/#comments</comments>
		<pubDate>Mon, 03 Aug 2009 09:22:15 +0000</pubDate>
		<dc:creator>CNlaoKe</dc:creator>
				<category><![CDATA[Web Analytics]]></category>

		<guid isPermaLink="false">http://blog.cnlaoKe.com/2009/08/03/55/</guid>
		<description><![CDATA[
Google公司为广大站长们提供了Google analytics统计分析工具，里面的比较费解的几个概念，跳出率、退出率，很多人包括SEO都不甚了解，今天我们就来综合剖析以下跳出率（Bounce Rate.）和退出率（Withdrawal rate）！
什么是跳出率（Bounce Rate.）？
跳出率：只浏览了一页的访问次数占一组页面或一个页面访问次数的百分比。
跳出次数是指访问者不访问您网站的其他任何一页便从进入页退出的次数。那么跳出率为跳出次数除以进入次数。
其实上面的定义比较学术化，用一个通俗的说法来解释跳出率就是仅浏览了一个页面就离开的用户所占你整个网站浏览量的比例。
google的 bounce rate 分两种情况：1. 只浏览了一页；2. 从浏览的第一页离开网站。bounce rate 就是这两种visit和所有visit的比例
下面我们用一个实例：
假如今天共有100人通过本页来到SEO地爱歪博客，其中30人没有再阅读其他文章即离开本站。则本页的跳出率是 30%。
什么是退出率（Withdrawal rate）！
退出率指：某个时间段内，离开网页的次数占该网页总浏览次数的比例。
从本页退出网站的次数/本页的综合浏览量
比如，今天 SEO地爱歪博客首页综合浏览量是100次，从这个页面离开本站的次数是40次，则首页的退出率是 40%。
那么什么是离开网站？
什么是离开网站？我想下面的操作应该可以称为”离开网站”：
* 关闭浏览器
* 通过地址栏去浏览其他网站
* 点击了我们网站上的友情链接
*
GA上跳出率的计算方式：
首页（网址1），进入数80，跳出65，65/80 = 81.25%
GA的退出率的计算方式:
首页（网址1），退出数80，综合浏览量109，80/109 = 73.39%
这样我们又必须搞清楚几个概念：
进入数：同一用户在同一会话期间生成的浏览量 PS:刷新如果在同一会话中将不统计。
综合浏览量：综合浏览量定义为对 Analytics（分析）跟踪代码正在跟踪的网站网页的一次浏览。如果访问者到达此页后点击重新加载，会被算做另一次综合浏览量。如果用户浏览到其他网页后返回初始页，也会被记录为又一次综合浏览量。PS:刷新一次也统计一次。
这里有个疑问就是进入数和退出数相等？难道他们总是相等的，还是因为我GA上统计的结果就是这样。按理论分析应该不会总是相等？（哈哈，后来我仔细比较了一下，数据是不相等的，图上的数据是正好碰巧都相等）
那么我们只要知道进入数、退出数、跳出数、综合浏览量是怎么统计出来的就可以知道这个比例如何计算。
情景一：
我访问了www.seo-diy.cn这个网站，我首先访问的是首页，当我看到这个网站时就觉的不感兴趣，那么我就关闭了浏览器或是输入了新的网站。
这个情景下产生的是跳出数+1的动作，整个过程中具体是首页这个页面的跳出数+1，进入数+1。
如 果我是通过搜索引擎，可能首先访问的是http://www.seo-diy.cn/post/letter-cizhi-jingli-right- geshi-weizhi.html这个页面，如果我不感兴趣，我”离开网站”，我进行的就是这个页面跳出数+1的动作。
情景二：
我 访问了www.seo-diy.cn这个网站，我首先访问的是首页页面，当我看到这个网站时就觉的感兴趣，我点击了上面的链接，进入了该网站的 http://www.seo-diy.cn/post/letter-cizhi-jingli-right-geshi-weizhi.html页 面，这个时候我发现了我感兴趣的一条内容，我再点击了http://www.seo-diy.cn/post/standard-chinese- letter-geshi.html这个页面。看完后我关闭了浏览器或是输入了新的网站。
这个情景下产生的是退出数+1的动作。整个 过程中具体是http://www.seo-diy.cn/post/standard-chinese-letter-geshi.html的退出 数+1，首页面的浏览量+1 进入数+1，http://www.seo-diy.cn/post/letter-cizhi-jingli-right-geshi- weizhi.html的浏览量+1 进入数+1.
跳出率和退出率说明什么？
跳出率高，说明很多新用户来了，看了一页就离开。这种情况就说明观众有种被骗的感觉或者是粗粗浏览量了一下你网站的内容就发觉进错了地方。
退出率低，说明新老用户来了都点击很多页才离开。也变相的可以理解为网站内容深受欢迎！
为什么我的跳出率这么高？
至于跳出率高的原因分析，有可能是网站整体质量不好或者单个页面没有价值所致，但是也有可能是错误地实施了跟踪代码而导致的问题，Google官方给出的解释说明请参见：
http://www.google.cn/support/analytics/bin/answer.py?answer=86131&#38;topic=11046
]]></description>
		<wfw:commentRss>http://blog.cnlaoKe.com/2009/08/03/55/feed/</wfw:commentRss>
		<slash:comments>0</slash:comments>
		</item>
		<item>
		<title>跳出率和退出率</title>
		<link>http://blog.cnlaoKe.com/2009/08/03/54/</link>
		<comments>http://blog.cnlaoKe.com/2009/08/03/54/#comments</comments>
		<pubDate>Mon, 03 Aug 2009 09:19:56 +0000</pubDate>
		<dc:creator>CNlaoKe</dc:creator>
				<category><![CDATA[Web Analytics]]></category>

		<guid isPermaLink="false">http://blog.cnlaoKe.com/2009/08/03/54/</guid>
		<description><![CDATA[Google公司为广大站长们提供了Google analytics统计分析工具，里面的比较费解的几个概念，跳出率、退出率，很多人包括SEO都不甚了解，今天我们就来综合剖析以下跳出率（Bounce Rate.）和退出率（Withdrawal rate）！
什么是跳出率（Bounce Rate.）？
跳出率：只浏览了一页的访问次数占一组页面或一个页面访问次数的百分比。
跳出次数是指访问者不访问您网站的其他任何一页便从进入页退出的次数。那么跳出率为跳出次数除以进入次数。
其实上面的定义比较学术化，用一个通俗的说法来解释跳出率就是仅浏览了一个页面就离开的用户所占你整个网站浏览量的比例。
google的 bounce rate 分两种情况：1. 只浏览了一页；2. 从浏览的第一页离开网站。bounce rate 就是这两种visit和所有visit的比例
下面我们用一个实例：
假如今天共有100人通过本页来到SEO地爱歪博客，其中30人没有再阅读其他文章即离开本站。则本页的跳出率是 30%。
什么是退出率（Withdrawal rate）！
退出率指：某个时间段内，离开网页的次数占该网页总浏览次数的比例。
从本页退出网站的次数/本页的综合浏览量
比如，今天 SEO地爱歪博客首页综合浏览量是100次，从这个页面离开本站的次数是40次，则首页的退出率是 40%。
那么什么是离开网站？
什么是离开网站？我想下面的操作应该可以称为&#8221;离开网站&#8221;：
* 关闭浏览器
* 通过地址栏去浏览其他网站
* 点击了我们网站上的友情链接
*
GA上跳出率的计算方式：
首页（网址1），进入数80，跳出65，65/80 = 81.25%
GA的退出率的计算方式:
首页（网址1），退出数80，综合浏览量109，80/109 = 73.39%
这样我们又必须搞清楚几个概念：
进入数：同一用户在同一会话期间生成的浏览量 PS:刷新如果在同一会话中将不统计。
综合浏览量：综合浏览量定义为对 Analytics（分析）跟踪代码正在跟踪的网站网页的一次浏览。如果访问者到达此页后点击重新加载，会被算做另一次综合浏览量。如果用户浏览到其他网页后返回初始页，也会被记录为又一次综合浏览量。PS:刷新一次也统计一次。
这里有个疑问就是进入数和退出数相等？难道他们总是相等的，还是因为我GA上统计的结果就是这样。按理论分析应该不会总是相等？（哈哈，后来我仔细比较了一下，数据是不相等的，图上的数据是正好碰巧都相等）
那么我们只要知道进入数、退出数、跳出数、综合浏览量是怎么统计出来的就可以知道这个比例如何计算。
情景一：
我访问了www.seo-diy.cn这个网站，我首先访问的是首页，当我看到这个网站时就觉的不感兴趣，那么我就关闭了浏览器或是输入了新的网站。
这个情景下产生的是跳出数+1的动作，整个过程中具体是首页这个页面的跳出数+1，进入数+1。
如 果我是通过搜索引擎，可能首先访问的是http://www.seo-diy.cn/post/letter-cizhi-jingli-right- geshi-weizhi.html这个页面，如果我不感兴趣，我&#8221;离开网站&#8221;，我进行的就是这个页面跳出数+1的动作。
情景二：
我 访问了www.seo-diy.cn这个网站，我首先访问的是首页页面，当我看到这个网站时就觉的感兴趣，我点击了上面的链接，进入了该网站的 http://www.seo-diy.cn/post/letter-cizhi-jingli-right-geshi-weizhi.html页 面，这个时候我发现了我感兴趣的一条内容，我再点击了http://www.seo-diy.cn/post/standard-chinese- letter-geshi.html这个页面。看完后我关闭了浏览器或是输入了新的网站。
这个情景下产生的是退出数+1的动作。整个 过程中具体是http://www.seo-diy.cn/post/standard-chinese-letter-geshi.html的退出 数+1，首页面的浏览量+1 进入数+1，http://www.seo-diy.cn/post/letter-cizhi-jingli-right-geshi- weizhi.html的浏览量+1 进入数+1.
跳出率和退出率说明什么？
跳出率高，说明很多新用户来了，看了一页就离开。这种情况就说明观众有种被骗的感觉或者是粗粗浏览量了一下你网站的内容就发觉进错了地方。
退出率低，说明新老用户来了都点击很多页才离开。也变相的可以理解为网站内容深受欢迎！
为什么我的跳出率这么高？
至于跳出率高的原因分析，有可能是网站整体质量不好或者单个页面没有价值所致，但是也有可能是错误地实施了跟踪代码而导致的问题，Google官方给出的解释说明请参见：
http://www.google.cn/support/analytics/bin/answer.py?answer=86131&#38;topic=11046
]]></description>
		<wfw:commentRss>http://blog.cnlaoKe.com/2009/08/03/54/feed/</wfw:commentRss>
		<slash:comments>0</slash:comments>
		</item>
		<item>
		<title>[原创]如何使用Google网址构建器</title>
		<link>http://blog.cnlaoKe.com/2009/07/17/16/</link>
		<comments>http://blog.cnlaoKe.com/2009/07/17/16/#comments</comments>
		<pubDate>Fri, 17 Jul 2009 02:45:54 +0000</pubDate>
		<dc:creator>CNlaoKe</dc:creator>
				<category><![CDATA[Web Analytics]]></category>

		<guid isPermaLink="false">http://blog.CNlaoKe.com/2009/07/17/16/</guid>
		<description><![CDATA[使用Google analytics一段时间，发现里面有很多功能都还没有使用到，前段时间了解到使用网址构建器，对URL进行修改，可以在Google analytics查看到广告点击统计来源，具体做法如下：
点击打开网址构建器
如图，假设原有广告地址为http://www.CNlaoKe.com/ad.html
把原有的广告链接地址进行修改，具体如下图:

1.修改说明：广告来源，我填写的是index,比如我想了解到从首页通栏的banner,980*60尺寸耐克的广告，有多少次点击，媒介填写的是banner，广告内容填写是nike,广告系列名称填写的是尺寸980*60，然后点击生成网址，当然大家可以根据自己的需求进行修改
2.拿到新地址替换原有广告链接，生产的新地址不会影响我们原有的目标页面，大家可以放心使用，只是在URL加了一些参数
3.Google analytics的数据因为不是实时数据，所以需要等待一定的时间，大家挂上地址，第二天可以在流量来源中的广告系列，看到相关的广告点击数据了，如图：

]]></description>
		<wfw:commentRss>http://blog.cnlaoKe.com/2009/07/17/16/feed/</wfw:commentRss>
		<slash:comments>2</slash:comments>
		</item>
		<item>
		<title>[转]Google analytics的数据和其他分析软件的数据差别</title>
		<link>http://blog.cnlaoKe.com/2009/07/17/14/</link>
		<comments>http://blog.cnlaoKe.com/2009/07/17/14/#comments</comments>
		<pubDate>Thu, 16 Jul 2009 16:21:14 +0000</pubDate>
		<dc:creator>CNlaoKe</dc:creator>
				<category><![CDATA[Web Analytics]]></category>

		<guid isPermaLink="false">http://blog.CNlaoKe.com/2009/07/17/14/</guid>
		<description><![CDATA[
我们在接触的客户中了解到，他们以前有使用过其他的网络分析软件，但是使用google analytics之后，发现他们之间的数据差别会很大，到底哪个数据才比较准确？
不同的网络分析产品可能使用不同的方法跟踪网站访问。因此，不同分析软件的数据有所差异是很正常的。一般来说，我们认为在比较web 分析软件的数据时，最好能够着重分析这些数据所体现的趋势，而非数据本身。
例如，我们可以比较综合浏览量和转换率的趋势，&#8221;网站四月份的综合浏览量增加了20%&#8221;；&#8221;过去2 个月网站目标转换次率增加了 20%&#8221;。这样您可以看到，虽然不同的web分析软件数据有所差别，但体现的趋势往往都是相似的。
我们不能提供 Google Analytics与其他分析软件之间的横向比较，但可以通过以下几个方面了解造成数据差异的一些原因：
一：术语： 不同web分析软件，其术语的含义或衡量方式可能不同。各个web分析软件对综合浏览量的定义基本上是相同的，但对访问的定义则差别很大。在 Google Analytics中，如果用户在未关闭浏览器的情况下30 分钟内两次访问您的网站，Google Analytics（分析）会将其记录为一次访问。而其他分析软件可能将此行定义为2 次访问，具体取决于各自的定义方式。
二：跟踪方式：跟踪的方式主要有两种：基于Cookie 和 IP + 用户代理。
a，基于 Cookie 的跟踪需要依赖浏览器来对Cookie的设定。如果 Cookie 被停用，基于 Cookie 的分析软件（如 Google Analytics）就不会记录访问，这样就会排除漫游器或 Spider 之类来源的点击量。
 b， IP + 用户代理跟踪一般通过分析日志文件来获得数据。由于动态分配的 IP 地址及 Spider 与漫游器的访问量，这种跟踪方式   所报告的数值可能高于基于Cookie 的跟踪方式。
三：第一方与第三方 Cookie：即使是基于Cookie跟踪的分析软件 ，也还是存在第一方和第三方 Cookie 的差别。由于第三方 Cookie 是由被访网站之外的来源设置的，因此通常会遇到浏览器和安全软件的拦截。Google Analytics使用的是第一方Cookie。
 
四：第三方图片：有些浏览器允许用户停用由当前网页之外的网域所请求的图片。停用此类图片将会阻止数据发送至 Google Analytics。
五：过滤器/设置：许多网络分析软件都会提供数据过滤器。由于过滤器应用方式的不同，或同时指定了不同的过滤规则，因此报告中的数据可能会受到非常大的影响.
 六：时区差异：如果您的网络分析软件对数据进行分组时使用的是不同的时区，您的每天或每小时数据就会受到影响。
 七：访问者浏览器首选项：要让 Google Analytics报告相关访问，访问者须在浏览器中启用 JavaScript、图片和 Cookie。取决于其收集数据的方式，其他分析软件可能仍然能够记录这些访问者。
 八：缓存：每当网页被访问时（即使该页已被缓存），Google Analytics都会直接通知 [...]]]></description>
		<wfw:commentRss>http://blog.cnlaoKe.com/2009/07/17/14/feed/</wfw:commentRss>
		<slash:comments>0</slash:comments>
		</item>
		<item>
		<title>[转]浅析豆瓣的 Google Analytics 应用</title>
		<link>http://blog.cnlaoKe.com/2009/07/16/10/</link>
		<comments>http://blog.cnlaoKe.com/2009/07/16/10/#comments</comments>
		<pubDate>Thu, 16 Jul 2009 07:16:13 +0000</pubDate>
		<dc:creator>CNlaoKe</dc:creator>
				<category><![CDATA[Web Analytics]]></category>

		<guid isPermaLink="false">http://blog.CNlaoKe.com/2009/07/16/10/</guid>
		<description><![CDATA[大家好，我是owen，主要从事 Online marketing 方面的工作，平时主要专注于 SEM 和 Web analytics。这次很荣幸能够应 Denis 之邀，在我爱水煮鱼抛砖引玉，发表 Web analytics 方面的文章，希望以后能够在这里，与大家多多交流这方面的知识。今天首先给大家简单谈谈豆瓣网怎么应用 Google Analytics。
豆瓣 Google Analytics 代码加载模式
豆瓣从今年开始也加入 Google Analytics 的统计阵营。让我们通过它加载的 Google Analytics 源码，简单分析一下它都是怎么应用的。
我们先从豆瓣的源码来看看它的Google Analytics统计代码
豆瓣 Google Analytics 代码
我们知道一般默认的 Google Analytics代码如下：
默认 Google Analytics 统计代码
两相对比，我们就会发现豆瓣加载 ga.js 的方式与默认的方式有些不太一样，由于豆瓣并没有采用 https 加密访问，所以撇弃了默认的ga.js加载方式。
默认的统计函数，pageTracker 也被豆瓣改成了 _ga ，这个只是名称定义上的区别，并没有什么实质的改变。豆瓣的主要应用是下面两个函数：
使用 _ga._addOrganic 识别非主流搜索引擎
再来看豆瓣比默认 Google Analytics 代码增加的部分，那就是多了数个 _ga._addOrganic ，这是 Google Analytics 添加自定义搜索引擎的代码。尽管 Google Analytics 对于主流的搜索引擎都能自动识别，但毕竟能识别的是国外的主流搜索引擎，在国内，像搜狐的 Sogou，QQ 的 soso，网易的有道等搜索引擎，都不能被 Google Analytics 正确识别，而被当作推荐来源。这时候我们就可以利用_addOrganic [...]]]></description>
		<wfw:commentRss>http://blog.cnlaoKe.com/2009/07/16/10/feed/</wfw:commentRss>
		<slash:comments>0</slash:comments>
		</item>
		<item>
		<title>网络口碑术语</title>
		<link>http://blog.cnlaoKe.com/2009/07/02/112/</link>
		<comments>http://blog.cnlaoKe.com/2009/07/02/112/#comments</comments>
		<pubDate>Thu, 02 Jul 2009 10:11:00 +0000</pubDate>
		<dc:creator>CNlaoKe</dc:creator>
				<category><![CDATA[Web Analytics]]></category>

		<guid isPermaLink="false">http://blog.cnlaoKe.com/2009/07/02/112/</guid>
		<description><![CDATA[WOM: 口碑相传，其本身是Word of Mouth的缩写。WOM是一个消费者向另外一个消费者提供信息的过程，在我们的定义中，它包括两个部分：网络口碑相传以及传统口碑相传。
IWOM： 网络口碑，其本身是Internet Word of Mouth的缩写。IWOM是消费者通过在网络社区（包括论坛、博客、评论等多种形式）中就某公司的品牌、产品或服务发表文字性或者各种多媒体性的信息， 并与其他消费者进行沟通互动的一个过程。这些互动所产生的持续影响力将成为公司无形资产的一个重要组成部分。也因为如此，公司需要对网络口碑引起足够重视 并加以管理。
Organic WOM: 自发的口碑。即消费者完全自发形成的口碑相传的行为（网络口碑或者传统口碑都符合这个要求），这对于公司来说具有相当大的价值， 因为发自消费者内心的行为完全符合自然、真实的特征。
Amplified WOM: 被创造的口碑。即营销者通过创造社区、创造意见发表途径、奖励意见发表、制造口碑话题等方式引起消费者的口碑相传的行为（网络口碑 或者线下口碑都符合这个要求）。这对于公司也具有相当大的价值，因为营销的本质也是利用消费者的真实感受。
WOMM: 口碑营销，其本身是Word of Mouth Marketing的缩写。口碑营销是一种被创造的口碑，它是指给消费者一个理由或者话题去讨论你的产品或者服务，并且为消费者提供讨论的渠道。
Buzz: 蜂鸣，也就是指消费者针对产品或者服务进行发表意见并进行持续的互动。
Efluencer: 社区意见参与者，指参与到针对产品或者服务发表意见并进行持续互动的消费者。
Online Opinion Leader: 网络社区意见领袖，网络社区的核心成员，往往是该特定社区中最活跃、发帖最多、具有一定威信和影响力的网络社区话题发起者与参与者。
]]></description>
		<wfw:commentRss>http://blog.cnlaoKe.com/2009/07/02/112/feed/</wfw:commentRss>
		<slash:comments>0</slash:comments>
		</item>
		<item>
		<title>网络口碑术语</title>
		<link>http://blog.cnlaoKe.com/2009/07/02/110/</link>
		<comments>http://blog.cnlaoKe.com/2009/07/02/110/#comments</comments>
		<pubDate>Thu, 02 Jul 2009 10:10:10 +0000</pubDate>
		<dc:creator>CNlaoKe</dc:creator>
				<category><![CDATA[Web Analytics]]></category>

		<guid isPermaLink="false">http://blog.cnlaoKe.com/2009/07/02/110/</guid>
		<description><![CDATA[WOM: 口碑相传，其本身是Word of Mouth的缩写。WOM是一个消费者向另外一个消费者提供信息的过程，在我们的定义中，它包括两个部分：网络口碑相传以及传统口碑相传。
IWOM： 网络口碑，其本身是Internet Word of Mouth的缩写。IWOM是消费者通过在网络社区（包括论坛、博客、评论等多种形式）中就某公司的品牌、产品或服务发表文字性或者各种多媒体性的信息， 并与其他消费者进行沟通互动的一个过程。这些互动所产生的持续影响力将成为公司无形资产的一个重要组成部分。也因为如此，公司需要对网络口碑引起足够重视 并加以管理。
Organic WOM: 自发的口碑。即消费者完全自发形成的口碑相传的行为（网络口碑或者传统口碑都符合这个要求），这对于公司来说具有相当大的价值， 因为发自消费者内心的行为完全符合自然、真实的特征。
Amplified WOM: 被创造的口碑。即营销者通过创造社区、创造意见发表途径、奖励意见发表、制造口碑话题等方式引起消费者的口碑相传的行为（网络口碑 或者线下口碑都符合这个要求）。这对于公司也具有相当大的价值，因为营销的本质也是利用消费者的真实感受。
WOMM: 口碑营销，其本身是Word of Mouth Marketing的缩写。口碑营销是一种被创造的口碑，它是指给消费者一个理由或者话题去讨论你的产品或者服务，并且为消费者提供讨论的渠道。
Buzz: 蜂鸣，也就是指消费者针对产品或者服务进行发表意见并进行持续的互动。
Efluencer: 社区意见参与者，指参与到针对产品或者服务发表意见并进行持续互动的消费者。
Online Opinion Leader: 网络社区意见领袖，网络社区的核心成员，往往是该特定社区中最活跃、发帖最多、具有一定威信和影响力的网络社区话题发起者与参与者。
]]></description>
		<wfw:commentRss>http://blog.cnlaoKe.com/2009/07/02/110/feed/</wfw:commentRss>
		<slash:comments>0</slash:comments>
		</item>
		<item>
		<title>[原创]没有标准 就自己来制定标准吧 关于web站点数据分析的一点心得</title>
		<link>http://blog.cnlaoKe.com/2009/03/20/57/</link>
		<comments>http://blog.cnlaoKe.com/2009/03/20/57/#comments</comments>
		<pubDate>Thu, 19 Mar 2009 17:11:16 +0000</pubDate>
		<dc:creator>CNlaoKe</dc:creator>
				<category><![CDATA[Web Analytics]]></category>

		<guid isPermaLink="false">http://blog.cnlaoKe.com/2009/03/20/57/</guid>
		<description><![CDATA[作者：老客 发表时间：2009-03-20 凌晨1点11
如果需要转载请注明文章来源以及作者，谢谢。
最近数据分析上，有了一些和以前不一样的东西，究竟我做的东西，能否对项目有帮助，我自己也不知道答案。
其实最关键的是，提出的建议，能否被teamleader所认同，然后去执行整改。
这段时间在工作上也有越来越多的感触，有些东西还是有必要总结一下，虽然跟之前的工作有所改进，还是希望能够保持这个趋势。
以下是针对WEB网站数据分析，最近总结的心得。
一.关于数据的收集
任何一个有流量的站点，都会有流量统计系统，这样每天的IP和UV以及PV都可以查询到。前几年，个人做站的时候，最比较关心的是IP，对UV还没有什么概念，PV也只是做为参考，不太关心。
对于一个高访问量的站点(千万PV级别的)，总会有一个瓶颈出现，访问量一般来说维持在一个水平，没有什么突发事件，网站的流量不会有太高的变化，PV和UV涨幅估计控制在10%以内。
一周数据，周一的流量在一周当中往往是最低，一周最高流量大部分发生在周5，也有的时候周6。
话题扯的有点远，继续讨论数据的收集，我一般在收集数据的时候，加入某项目的数据需要分析，手下关注的是PV和UV，IP现在倒不是必备的条件，我个人是这么理解的，可能有的朋友会和我不同意见。
拿到PV和UV，可以得到一个人均访问次数。
收集到的PV和UV数据，一般我会按照时间来制作成excel表格，然后做出一个时间段的曲线图。这段时间中最高峰值和最低的流量数据我都会标注出来。
采集的数据一般以周为单位。
二.针对数据的分析
(a)历史数据
拿 到数据以后，以前刚开始做分析的时候，每天生硬的采集数据，不断的复制和粘贴，时间长了，有的时候却发现自己只是在应付做一项工作，并没有对采集到的数据 进行深入分析，所以往往会出现，在工作时和同事交流，发现自己虽然在做数据分析的工作，却往往表现出数据并不是很熟悉的尴尬情况，我个人认为，做WEB站 点数据分析，怎么算合格呢，至少你所负责的项目，每天的PV和UV数据，以及人均访问数据，这些必备的东西，你可以随口报出来，而不是支支吾吾思考半天， 说出来的数据自己也未必有信心。
这些都是我犯过的错误，曾经有段时间，虽然在数据分析，却无法准确的说出这些数据来，我替自己觉得这是一种悲哀。
分析项目的时候，一个是数据的参照标准，比如历史数据，所谓的历史数据是指针对当前的数据，上一周或者上一个月，甚至前几个月的数据，都可以拿来坐对比，我一般是以周数据来对比。
对比一般是看流量涨幅还是下跌，说到这些，不得不提到，我所谈到的分析采集到的数据包，一个是在保证网站服务器正常运行，二是统计代码一切正常工作的理想情况下。
对比历史数据，长期的工作经验，会有一段判断，下降的幅度是否过大，比如超过10%以上，我觉得是有问题的，需要好好分析一下。
(b)一直大事记或突发事件
首先做到数据分析，我觉得应该对该项目的产品要有一个完整的了解，比如体育站点，一周的赛事是比较重要的，因为对流量影响比较关键，如果是汽车或者数码类产品站点，新车上市或者新款产品推出，大家的关注度对新产品了解的渴望度，也是可以影响到一个站点的流量。
深 入分析来说，比如某天的新闻比较意外，比如科比强奸，刘翔奥运退赛，这种事件发生以后，也是要记录下来，一个优秀的站点，应该会把握住这些信息，一般我会 判断当天的流量是否和以往数据相比，有一定的上升，如果和平时没有什么变化，我觉得可能是我们负责运营的同事有些工作需要改进。
如果你有足够的经验，你也可以提出相关的建议，比如针对类似事件，你认为怎么样合理的利用这些资源，能够使网友积极的参与该事件的讨论，或者发布出的消息，让网友有点击和花一定时间观看新闻的欲望。
(c)最热门的内容
通过数据分析，可以查看一些最热门的版面或者页面，因为热门的栏目一般都不会有太大的变化，因为产品的特殊性，使得访问网站的用户固定的会访问这些版块。
我 比较关注的是数据中显示出访问量比较高页面，一个是去看什么原因会有这么多人访问，大致上分文字信息和媒体，而文字信息分为新闻，这又包含到只是单纯的新 闻，还是发布在论坛社区内的帖子，如果是新闻的话，针对新闻内容做一个判断，是纪实性的新闻，还是比较八卦的新闻，经验上可以判断出用户喜欢的是哪方面的 东西。
如果是在论坛内的帖子，除了在访问次数上的数据作为一个衡量的标准，其次，该帖子的回复数，以及回复评论内容的质量，都可以作为分析的对象。具体如何利用这些来分析，以后有时间单独写出来。
(d)其它关注的
页面跳出率，退出率，停留时间。
最常见的推出页面。
这些都是可以深入分析的数据，这会有点晚了，先写到这些。
最 后来一个总结，目前我工作中所做到数据分析，都是凭借自己的研究得出来的一些经验，一个是现在网上没有太多这方面的资料可以去学习，其次，我不知道别的公 司会不会也有专门的部门去做这种深入的分析。所以在这种情况下，做这个东西时候，你要把自己摆在一个正确的位置，首先你要相信自己分析出的结果，以及数据 分析后给项目组的建议。如果你对自己都没有什么信心，又怎么可能去说服别人，让他们觉得你提供的信息是有价值的呢，当然这些工作也和公司的主管或者老板有 很大的联系，我之前一段时间做这些东西，也是从菜鸟开始，现在也是菜鸟，一直怀疑一直工作的意义，但是我的老板对这个工作很重视，首先我自己需要克服我自 身的毛病，浮躁的心里，最近一段时间数据分析的工作有了进展，但是我觉得没有什么可以满足的，一个是公司太多的项目我觉得自己工作效率的问题，没办法好好 去分析，我相信我分析给出的建议，对这些项目的发展都是有一定作用的。
尤其是一个新的项目上线后，最开始的阶段，有这些数据分析作为指导，我觉得可以起到事半功倍的效果。
其次我对自己做出数据分析的报告，不满的一点就是每次文字性的描述，过于混乱，没有一个规范的格式，当然这些东西也是需要自己去制定，就像标题我写到的，没有标准，就要自己去制定标准。
看到此篇文章，如果在数据分析上跟我有着一样爱好的朋友，可以交流一下。
我的邮箱 ｃｎｌａｏｋｅ　#　ｇｍａｉｌ．ｃｏｍ
]]></description>
		<wfw:commentRss>http://blog.cnlaoKe.com/2009/03/20/57/feed/</wfw:commentRss>
		<slash:comments>0</slash:comments>
		</item>
	</channel>
</rss>
