方法10:鏈路標(biāo)簽的流量標(biāo)記

　　鏈接標(biāo)簽標(biāo)志著流量的來源，絕對是所有方法中最基本最重要的。該方法不僅適用于網(wǎng)站的流量源，也適用于app下載源的監(jiān)控(但后者需要滿足一定條件)。

　　鏈接標(biāo)簽意味著向流量源的鏈接出鏈接(鏈接出URL)添加尾部參數(shù)。這些參數(shù)不僅不影響鏈路的跳轉(zhuǎn)，還可以指示鏈路屬于什么流量源(理論上可以指示流量源的屬性數(shù)量不限)。

　　鏈接標(biāo)簽不能單獨工作，但必須借助網(wǎng)絡(luò)分析工具或應(yīng)用程序分析工具。

　　鏈接標(biāo)簽是流量分析的基礎(chǔ)。要認(rèn)真分析流量，不僅是常規(guī)分析，還有屬性分析，都需要使用鏈接標(biāo)簽的方法。

　　方法9:轉(zhuǎn)化漏斗

　　分析轉(zhuǎn)化的基本模型是轉(zhuǎn)化漏斗，大家應(yīng)該都很熟悉。

　　最常見的轉(zhuǎn)化漏斗是把最終的轉(zhuǎn)化設(shè)定為某個目的的實現(xiàn)，最典型的是實現(xiàn)銷售，所以人們往往把轉(zhuǎn)化和銷售混為一談。但是，轉(zhuǎn)換漏斗的最終轉(zhuǎn)換也可以出于任何其他目的實現(xiàn)，例如每次使用應(yīng)用程序超過10分鐘(會話持續(xù)時間)

　　10分鐘).對于成長中的黑客來說，建立漏斗是最常見的工作。

　　漏斗幫助我們解決兩個問題。第一，一個流程是否有漏洞。如果有泄漏，我們可以在漏斗中看到，通過進(jìn)一步分析堵塞泄漏點；第二，是否有其他過程不應(yīng)該出現(xiàn)在一個過程中，對主轉(zhuǎn)化過程造成損害。

　　漏斗的構(gòu)建非常簡單，web和app都是最好的方法。但是漏斗使用的奧秘非常豐富。而且漏斗法會和其他方法混在一起，很好玩。我也會在互聯(lián)網(wǎng)數(shù)據(jù)運(yùn)營的過程中詳細(xì)說明。

　　方法8:微轉(zhuǎn)化

　　大家都知道轉(zhuǎn)化漏斗，但不是每個人都關(guān)注微觀轉(zhuǎn)化。但是你指望一個轉(zhuǎn)化漏斗不斷提高轉(zhuǎn)化率太難了，而微觀轉(zhuǎn)化是可以實現(xiàn)的。轉(zhuǎn)化漏斗解決了轉(zhuǎn)化過程中的大問題，但大問題總是有限的。這些問題解決后，你還是需要不斷優(yōu)化自己的轉(zhuǎn)型。這個時候，你必須使用微轉(zhuǎn)換。

　　微觀轉(zhuǎn)化是指超出轉(zhuǎn)化必要過程的各種要素，同時也對轉(zhuǎn)化產(chǎn)生影響。這些元素與用戶之間的交互影響用戶的感受，直接或間接影響用戶的決策。比如商品的一些圖片在轉(zhuǎn)化過程中不是必須的，但是它們的存在會對用戶的購買決策產(chǎn)生影響嗎？這些圖片都是微變元素。

　　方法7:合并相似的項目

　　合并相似的項目是一種很容易被忽視的常見方法。我們往往很重視細(xì)分，但有時需要了解更多的宏觀表現(xiàn)。

　　合并類似的項目就是這樣一種方法。我問你，比如一個電商網(wǎng)站，所有產(chǎn)品頁面的整體表現(xiàn)如何？他們的整體跳出率怎么樣，停留時間怎么樣，用戶滿意度怎么樣等等。你能回答嗎？

　　如果看每一個產(chǎn)品頁面的表現(xiàn)，然后把一個頁面的所有數(shù)據(jù)匯總起來分析，那就太麻煩了(分析根本無法實現(xiàn))。這時，我們必須合并類似的項目。

　　怎么合并？使用分析工具的過濾工具或查找替換功能?？梢钥紤]扔掉不支持這個功能的工具，因為根本不應(yīng)該放在成長中的黑客的專業(yè)裝備箱里。

　　合并相似的項目有許多用途。比如你想知道web或者app的某個版塊(頻道)的整體性能，或者想知道整個導(dǎo)航系統(tǒng)的使用情況，這些都是必須要用到的。

　　方法6:抗體試驗

　　成長黑客不談AB測試，真可惜。

　　通過數(shù)據(jù)優(yōu)化運(yùn)營和產(chǎn)品的邏輯很簡單。看到問題，想到一個想法，做原型，測試定型。

　　比如你在轉(zhuǎn)化漏斗中間發(fā)現(xiàn)了一個漏洞，所以你覺得，商品的價格一定是錯的，讓人不想買。你看到了問題——漏斗，你也想出了——改定價的主意。

　　但是這個想法不靠譜。這不是你的主意。必須是真實用戶使用。所以你用AB測試，一部分用戶還是看到舊價格，一部分用戶看到新價格。如果你的想法真的行得通，新的價格應(yīng)該更好地轉(zhuǎn)化。如果是這樣的話，新的價格就確定了(敲定了)，就開始在新的轉(zhuǎn)型高度上運(yùn)行，直到你發(fā)現(xiàn)一個需要改進(jìn)的新問題。

　　成長中的黑客的主要思想之一，不是做一件大而全的事情，而是不斷做一些小而精，可以快速驗證的事情?？焖衮炞C，如何？主要方法是AB測試。

　　當(dāng)今互聯(lián)網(wǎng)世界，由于流量紅利時代的結(jié)束，對快速迭代的要求大大提高，這也讓我們更加注重測試的力量。

　　在網(wǎng)上測試AB很簡單，但是在app上就難多了，但是解決方案還是很多的。國外經(jīng)典應(yīng)用和賣錢游戲幾乎每天都在AB測試。

　　方法5:熱圖和對比熱圖

　　熱圖是最喜歡的功能，是記錄用戶與產(chǎn)品界面交互最直觀的工具。然而，如果你真的使用它，你可能很少真正深入其中。熱圖對于web和app的分析非常重要！與過去的熱圖相比，今天的熱圖的功能有了很大的提高。

　　在web端，曾經(jīng)有一些無法很好解決的問題，比如只看鏈接的點擊情況，點擊位置錯位，浮動層部分點擊的標(biāo)注，鏈接出鏈接的標(biāo)注等等?，F(xiàn)在有很好的工具可以提供很多新的解決方案。在app端，有兩種情況?；趦?nèi)容的app對熱圖的需求較弱；然而，工具的應(yīng)用對熱圖有很大的需求。前屏主要由平行內(nèi)容組成，內(nèi)容動態(tài)變化，熱圖應(yīng)用價值不高；在后一種情況下，尤其需要通過熱圖來反映用戶的使用習(xí)慣，并結(jié)合其他app內(nèi)的參與來優(yōu)化功能和布局設(shè)計，因此熱圖對他們來說非常重要。

　　為了很好的使用熱圖，很重要的一點就是你光用熱圖是很難解決問題的。我經(jīng)常用集中對比熱圖的方法。

　　一、各種熱圖的對比分析，尤其是點擊熱圖(觸摸熱圖)、閱讀線熱圖、停屏熱圖的對比分析；

　　其次是細(xì)分人群的熱圖對比分析，如不同渠道熱圖、新老用戶熱圖、不同時間段熱圖、AB測試熱圖等。

　　第三，不同深度相互作用反映的熱圖也不同。這種情況也值得使用熱圖比較功能。比如點擊熱圖和轉(zhuǎn)化熱圖的對比分析等。

　　總之，在分析很多用戶交互的時候，熱圖簡直就是神器，但它真的比你看到的更強(qiáng)大！

　　方法4:事件跟蹤(事件跟蹤)

　　網(wǎng)絡(luò)分析是互聯(lián)網(wǎng)運(yùn)營數(shù)據(jù)分析的重要基礎(chǔ)。今日app分析、流量分析、渠道分析、歸因分析等。都是基于web  analytics開發(fā)的。

　　但是早期的web  analytics有一個特點，就是頁面上只有一條用戶交互行為的記錄，就是點擊http鏈接(點擊URL)。但是隨著技術(shù)的發(fā)展，頁面上不僅有http鏈接，還有大量flash(現(xiàn)在flash將被淘汰)、JavaScript的交互鏈接、視頻回放、其他web或app的鏈接等。用戶點擊這些東西，不能用老辦法記錄。

　　但是，如果有問題，一定有辦法。人們發(fā)明了事件跟蹤來解決上述問題。事件跟蹤本質(zhì)上是對這些特殊交互的定制化監(jiān)控，但是因為是定制化的，所以有更多額外的好處，就是可以為這個活動添加更多的描述(以事件跟蹤方法的附件屬性的方式)。因此，這種方法甚至有些反客戶。甚至一些http鏈接，許多資深分析師喜歡添加事件跟蹤(技術(shù)上可行)來獲得更多附加的監(jiān)控屬性描述。隨著app的出現(xiàn)，由于app的特殊性(小屏幕，更強(qiáng)調(diào)在一個屏幕內(nèi)完成交互)，分析app的頁面之間的跳轉(zhuǎn)(其實應(yīng)該是app的屏幕)的重要性不如web上的頁面之間的跳轉(zhuǎn)那么大，但是分析app上的點擊行為的重要性非常大，這使得我們在分析app內(nèi)的參與度時，對事件的依賴度很大，使用屏幕相對較少。也就是說在app端，事件是主要的，頁面(更準(zhǔn)確的說是屏幕)是輔助的！

　　方法3:隊列分析

　　隊列分析沒有一個大家統(tǒng)一使用的翻譯。有的說隊列分析，有的說生成分析，有的說隊列時間序列分析。你可以參考維基百科：https://zh.wikipedia.org/wiki/隊列研究，找到合適的翻譯名字。

　　無論叫什么，隊列分析在數(shù)據(jù)操作領(lǐng)域都變得非常重要。原因是，隨著交通經(jīng)濟(jì)的撤退，密集的互聯(lián)網(wǎng)運(yùn)營需要仔細(xì)洞察留存情況。這就是隊列分析的最大價值所在。隊列分析通過比較具有相同屬性的可比組的保留率，找出影響短期、中期和長期保留率的因素。

　　隊列分析流行的另一個原因是它使用非常簡單，但非常直觀。與繁瑣的流失分析、RFM或用戶聚類相比，隊列直接用簡單的圖表描述用戶在一段時間內(nèi)(甚至整個LTV)的留存(或流失)變化，甚至無需四次運(yùn)算。甚至隊列可以幫助你做出預(yù)測。

　　方法2:歸因

　　歸因不是每個人都聽得到的，也很少用得好。但是考慮到人們購買某樣?xùn)|西的決定，可能會受到很多因素(數(shù)字營銷媒體)的影響，比如看到廣告就知道這個產(chǎn)品的存在，使用搜索來了解更多關(guān)于這個產(chǎn)品的信息，然后在社交渠道上看到這個產(chǎn)品的微信官方賬號等等。這些因素的結(jié)合，讓一個人下定決心去買。

　　所以很多時候，單一的廣告渠道不是你打開客戶大門的閥門，而是多個渠道共同作用的結(jié)果。

　　如何理解數(shù)字營銷渠道之間的順序或互動？如何建立合理的數(shù)字營銷渠道策略來促進(jìn)這種關(guān)系？評價一個渠道時，如何把歸因考慮進(jìn)去，才能更客觀的衡量？這些都需要歸因。方法1:細(xì)分

　　嚴(yán)格來說，細(xì)分不是方法，它是一切分析的原點。所以不愧是排名第一。

　　我一貫的口頭禪是，給我死不細(xì)分。不細(xì)分做什么分析？

　　細(xì)分有兩種，一種是一定條件下的劃分。比如在頁面停留30秒以上；或者只是來自北京的游客。其實就是過濾。另一個是維度之間的交集。比如北京新來的游客。也就是分段。

　　細(xì)分幫助我們解決幾乎所有的問題。比如構(gòu)建轉(zhuǎn)化漏斗，其實就是按照步驟細(xì)分轉(zhuǎn)化過程。交通通道的分析和評價也需要大量的細(xì)分方法。

　　維度間的交集是反映一個人的分析水平的細(xì)分方法。比如我的朋友孫偉(卡車之家的數(shù)據(jù)經(jīng)理)，他把用戶反饋作為事件跟蹤的一個屬性(放在事件動作屬性中)，提交給GA，然后在一個定制的報告中把用戶反饋和用戶的其他行為進(jìn)行交叉鏈接，從而看到有某種反饋的用戶，他們的行為軌跡是什么，猜測出了什么問題。

　　在分析跳出率的時候，我們也是把登陸頁面和它的流量源交叉，來檢查高跳出率的表現(xiàn)是登陸頁面造成的還是流量造成的。這也是維度交叉細(xì)分的典型應(yīng)用。