(電子商務(wù)研究中心訊) Avinash Kaushik在他的《Web Analytics》一書中將數(shù)據(jù)的來源分為4部分：點擊流數(shù)據(jù)(Clickstream)、運營數(shù)據(jù)(Outcomes)、調(diào)研數(shù)據(jù)(Research/Qualitative)和競爭對手數(shù)據(jù)(Competitive Data)。點擊流數(shù)據(jù)主要指的是用戶瀏覽網(wǎng)站時產(chǎn)生的數(shù)據(jù)；Outcomes我更習(xí)慣叫做運營數(shù)據(jù)，主要指用戶在網(wǎng)站中應(yīng)用服務(wù)或者購買產(chǎn)品時記錄下來的數(shù)據(jù)；調(diào)研數(shù)據(jù)主要是網(wǎng)站通過某些用戶調(diào)研手段(線上問卷或者線下調(diào)研)獲取的一些定性數(shù)據(jù)；Competitive Data直譯為競爭對手數(shù)據(jù)可能不太合適，因為根據(jù)Avinash Kaushik的闡述，更像是跟網(wǎng)站有業(yè)務(wù)關(guān)系或競爭關(guān)系或存在某種利益影響的一切網(wǎng)站的可能的數(shù)據(jù)來源。
在獲取上述幾類數(shù)據(jù)的同時，也許我們還可以從其他方面獲取一些更為豐富的數(shù)據(jù)。下面是我對網(wǎng)站分析數(shù)據(jù)獲取途徑的整理：
網(wǎng)站內(nèi)部數(shù)據(jù)
網(wǎng)站內(nèi)部數(shù)據(jù)是網(wǎng)站最容易獲取到的數(shù)據(jù)，它們往往就存放在網(wǎng)站的文件系統(tǒng)或數(shù)據(jù)庫中，也是與網(wǎng)站本身最為密切相關(guān)的數(shù)據(jù)，是網(wǎng)站分析最常見的數(shù)據(jù)來源，我們需要好好利用這部分數(shù)據(jù)。
服務(wù)器日志
隨著網(wǎng)站應(yīng)用的不斷擴張，網(wǎng)站日志不再局限于點擊流的日志數(shù)據(jù)，如果你的網(wǎng)站提供上傳下載、視頻音樂、網(wǎng)頁游戲等服務(wù)，那么很明顯，你的網(wǎng)站服務(wù)器產(chǎn)生的絕不僅有用戶瀏覽點擊網(wǎng)頁的日志，也不只有標準的apache日志格式日志，更多的W3C、JSON或自定義格式的輸出日志也給網(wǎng)站分析提供了新的方向。
網(wǎng)站分析不再局限于網(wǎng)頁瀏覽的PV、UV，轉(zhuǎn)化流失等，基于事件(Events)的分析將會越來越普遍，將會更多的關(guān)注用戶在接受網(wǎng)站服務(wù)的整個流程的情況：上傳下載是否完成，速度如何；用戶是否觀看的整部視頻，視頻的加載情況；及用戶在玩網(wǎng)頁游戲時的操作和體驗分析等。Google Analytics已經(jīng)支持了基于事件的分析——Event Tracking，通過JS的動作響應(yīng)獲取數(shù)據(jù)，但是還存在著一定的局限性。
網(wǎng)站分析工具
當然，通過網(wǎng)站分析工具獲得數(shù)據(jù)是一個最為簡便快捷的方式，從原先的基于網(wǎng)站日志的AWStats、webalizer，到目前非常流行的基于JS Tags的Google Analytics、Omniture的SiteCatalyst，及JS和網(wǎng)站日志通吃的WebTrends。通過網(wǎng)站分析工具獲得的數(shù)據(jù)一般都已經(jīng)經(jīng)過特殊計算，較為規(guī)范，如PV、UV、Exit Rate、Bounce Rate等，再配上一些趨勢圖或比例圖，通過細分、排序等方法讓結(jié)果更為直觀。
但通過網(wǎng)站分析工具得到數(shù)據(jù)也不遠只這些，上面的這些數(shù)據(jù)也一樣可以通過統(tǒng)計網(wǎng)站日志獲得，但網(wǎng)站分析工具的優(yōu)勢在于其能通過一些嵌入頁面的JS代碼獲得一些有趣的結(jié)果，如Google Analytics上的Overlay或者也叫Click Density——網(wǎng)站點擊密度分布，及一些其它的網(wǎng)站分析工具提供的點擊熱圖，甚至鼠標移動軌跡圖。這些分析結(jié)果往往對網(wǎng)站優(yōu)化和用戶行為分析更為有效。
數(shù)據(jù)庫數(shù)據(jù)
對于一般的網(wǎng)站來說，存放于數(shù)據(jù)庫中的數(shù)據(jù)可以大致分為3個部分：
網(wǎng)站用戶信息，一般提供注冊服務(wù)的網(wǎng)站都會將用戶的注冊賬號和填寫的基本信息存放在數(shù)據(jù)庫里面；
網(wǎng)站應(yīng)用或產(chǎn)品數(shù)據(jù)，就像電子商務(wù)的商品詳細信息或者博客的文章信息，如商品信息會包含商品名稱、庫存數(shù)量、價格、特征描述等；
用戶在應(yīng)用服務(wù)或購買產(chǎn)品時產(chǎn)生的數(shù)據(jù)，最簡單的例子就是博客上用戶的評論和電子商務(wù)網(wǎng)站的用戶購買數(shù)據(jù)，購買時間、購買的用戶、購買的商品、購買數(shù)量、支付的金額等。
當然，這一部分數(shù)據(jù)的具體形式會根據(jù)網(wǎng)站的運營模式存在較大差異，一些業(yè)務(wù)范圍很廣，提供多樣服務(wù)的網(wǎng)站其數(shù)據(jù)庫中數(shù)據(jù)的組合會相當復(fù)雜。
其它
其它一切網(wǎng)站運營過程中產(chǎn)生的數(shù)據(jù)，有可能是用戶創(chuàng)造，也有可能是網(wǎng)站內(nèi)部創(chuàng)造，其中有一大部分我們可以稱其為“線下數(shù)據(jù)(Offline Data)”。如用戶的反饋和抱怨，可能通過網(wǎng)站的交流論壇，也有可能通過網(wǎng)站時公布的客服電話、即時通訊工具等，如果你相信“客戶中心論”，那么顯然對于這些數(shù)據(jù)的分析必不可少；另外一部分來源就是網(wǎng)站開展的線下活動，促銷或推廣，衡量它們開展的效果或投入產(chǎn)出，以便于之后更好地開展類似的線下推廣。
外部數(shù)據(jù)
網(wǎng)站分析除了可以從網(wǎng)站內(nèi)部獲取數(shù)據(jù)以外，通過互聯(lián)網(wǎng)這個開放的環(huán)境，從網(wǎng)站外部捕獲一些數(shù)據(jù)可以讓分析的結(jié)果更加全面。
互聯(lián)網(wǎng)環(huán)境數(shù)據(jù)
即使你的網(wǎng)站只是一個很小的網(wǎng)站，但如果想讓你的網(wǎng)站變得更好，或者不至于落后于互聯(lián)網(wǎng)的前進腳步，那么建議你關(guān)注一下互聯(lián)網(wǎng)的發(fā)展趨勢。可以上Alexa查一下互聯(lián)網(wǎng)中頂級網(wǎng)站的訪問量趨勢；看看comScore發(fā)布的數(shù)據(jù)或者199IT–中國互聯(lián)網(wǎng)數(shù)據(jù)中心網(wǎng)站上的各種數(shù)據(jù)分析和研究資料；如果經(jīng)營電子商務(wù)網(wǎng)站，淘寶數(shù)據(jù)中心也許會讓你感興趣。
競爭對手數(shù)據(jù)
時刻關(guān)注競爭對手的情況可以讓你的網(wǎng)站不至于在競爭中落伍。除了在Alexa及一些其他的網(wǎng)站數(shù)據(jù)查詢平臺以外，直接從競爭對手網(wǎng)站上獲取數(shù)據(jù)也是另外一條有效的途徑，一般網(wǎng)站會出于某些原因(信息透明、數(shù)據(jù)展示等)將自己的部分統(tǒng)計信息展現(xiàn)在網(wǎng)站上，看看那些數(shù)據(jù)對于掌握你的競爭對手的情況是否有幫助。
合作伙伴數(shù)據(jù)
如果你有合作的網(wǎng)站或者你經(jīng)營的是一個電子商務(wù)網(wǎng)站，也許你會有相關(guān)的產(chǎn)品提供商、物流供應(yīng)商等合作伙伴，看看他們能為你提供些什么數(shù)據(jù)。
用戶數(shù)據(jù)
嘗試跟蹤用戶的腳步去看看他們是怎么評價你的網(wǎng)站的。如果你的網(wǎng)站已經(jīng)小有名氣，那么嘗試在搜索引擎看看用戶是怎么評價你的網(wǎng)站，或者通過Twitter、新浪微博等看看用戶正在上面發(fā)表什么關(guān)于你的網(wǎng)站的言論。
當然通過用戶調(diào)研獲取數(shù)據(jù)是另外一個不錯的途徑，通過網(wǎng)站上的調(diào)查問卷或者線下的用戶回訪，電話、IM調(diào)查，可用性實驗測試等方式可以獲取一些用戶對網(wǎng)站的直觀感受和真實評價，這些數(shù)據(jù)往往是十分有價值的，也是普通的網(wǎng)站分析工具所獲取不到的。
在分析網(wǎng)站的外部數(shù)據(jù)的時候，需要注意的是不要過于相信數(shù)據(jù)，外部數(shù)據(jù)相比內(nèi)部數(shù)據(jù)不確定性會比較高。網(wǎng)站內(nèi)部數(shù)據(jù)即使也不準確，但我們至少能知道數(shù)據(jù)的誤差大概會有多大，是什么原因造成了數(shù)據(jù)存在誤差。而外部數(shù)據(jù)一般都是有其他網(wǎng)站或機構(gòu)公布的，每個公司，無論是數(shù)據(jù)平臺、咨詢公司還是合作伙伴都可能會為了某些利益而使其公布的數(shù)據(jù)更加可信或更具一定的偏向性，所以我們在分析外部數(shù)據(jù)是需要更加嚴格的驗證和深入的分析。而對于用戶調(diào)研中獲取的數(shù)據(jù)，我們一般會通過統(tǒng)計學(xué)的方法檢驗數(shù)據(jù)是否可以被接受，或者是否滿足一定的置信區(qū)間，這是進行數(shù)據(jù)分析前必須完成的一步。(來源：網(wǎng)站數(shù)據(jù)分析 編選：網(wǎng)經(jīng)社）
