前言
第 1章　數(shù)據(jù)分析進階的全新世界
1.1　數(shù)據(jù)分析現(xiàn)狀
1.2　行業(yè)現(xiàn)狀
1.3　重新反思數(shù)據(jù)分析：實現(xiàn)數(shù)據(jù)分析進階 3
1.3.1　“是什么”：點擊流
1.3.2　“有多少”：多樣性產(chǎn)出分析
1.3.3　“為什么”：實驗和測試
1.3.4　“為什么”：用戶反饋
1.3.5　“還有什么”：競爭情報
1.4　變革： Yes We Can
1.4.1　策略性調(diào)整
1.4.2　戰(zhàn)術(shù)性轉(zhuǎn)變
1.4.3 　其他分析

第 2章　選擇數(shù)據(jù)分析工具的最佳策略
2.1　確定預(yù)期業(yè)務(wù)目標
2.2　第一步：選擇數(shù)據(jù)分析工具前要回答的3個關(guān)鍵問題
2.3　第二步：選擇數(shù)據(jù)分析工具前要問供應(yīng)商的10個問題
2.4　數(shù)據(jù)分析供應(yīng)商比較：多樣化和競爭優(yōu)勢
2.5　第三步：如何有效地試用數(shù)據(jù)分析工具
2.6　第四步：確定合作前的協(xié)議，檢查供應(yīng)商的服務(wù)條款 23

第 3章　點擊流分析的精彩世界：指標
3.1　回顧標準指標： 8個關(guān)鍵網(wǎng)站指標
3.2　跳出率
3.3　退出率
3.4　轉(zhuǎn)化率
3.5　參與度
3.6　數(shù)據(jù)分析指標揭秘
3.6.1　優(yōu)秀指標的 4個屬性
3.6.2　優(yōu)秀指標示例
3.6.3　關(guān)于網(wǎng)站成功的3條經(jīng)驗
3.7　關(guān)鍵網(wǎng)站指標的戰(zhàn)略性策略
3.7.1　確定影響網(wǎng)站指標表現(xiàn)的根源一轉(zhuǎn)化
3.7.2　利用自定義報表
3.7.3　創(chuàng)建團隊報表中心
3.7.4　從宏觀上進行分析

第 4章　點擊流分析的精彩世界：實際操作
4.1　數(shù)據(jù)分析入門
4.1.1　熟悉基本指標
4.1.2　獲取訪客
4.1.3　控制成本
4.1.4　點擊密度分析
4.1.5　衡量購買前的訪問次數(shù)
4.2　最佳數(shù)據(jù)分析報表
4.2.1　流量來源
4.2.2　流量產(chǎn)出
4.3　基礎(chǔ)分析策略
4.3.1　細分至關(guān)重要
4.3.2　關(guān)注用戶行為而非總體情況
4.4　讓日常點擊流分析更具操作性
4.4.1　站內(nèi)搜索分析
4.4.2　SEO 分析
4.4.3　付費搜索分析
4.4.4　直接流量分析
4.4.5　郵件營銷分析
4.4.6　富媒體分析
4.5　面對現(xiàn)實：數(shù)據(jù)分析的挑戰(zhàn)性
4.5.1　跟蹤訪客 cookie
4.5.2　數(shù)據(jù)抽樣
4.5.3　歷史數(shù)據(jù)的價值
4.5.4　對用戶體驗視頻回放的作用
4.5.5　終極數(shù)據(jù)校正清單

第 5章　成功的關(guān)鍵：衡量績效
5.1　關(guān)注“少數(shù)關(guān)鍵指標”
5.2　產(chǎn)出 KPI實際操作 5例
5.2.1　任務(wù)完成率
5.2.2　搜索流量比例
5.2.3　訪客忠誠度和回訪度
5.2.4　訂閱數(shù)
5.2.5　正面退出率
5.3　轉(zhuǎn)化率進階
5.3.1　購物車和結(jié)算流程放棄率
5.3.2　購買前訪問次數(shù)和天數(shù)
5.3.3　平均訂單價值
5.3.4　識別可轉(zhuǎn)化人群
5.4　衡量宏觀和微觀的轉(zhuǎn)化
5.5　量化經(jīng)濟價值
5.6　衡量非電子商務(wù)網(wǎng)站的成功
5.6.1　訪客忠誠度
5.6.2　訪客回訪率
5.6.3　網(wǎng)站停留時間
5.6.4　訪問深度
5.7　衡量 B2B 網(wǎng)站

第 6章　利用定性數(shù)據(jù)解決“為什么”的難題
6.1　實驗室可用性研究：是什么，為什么，有多少
6.1.1　實驗室可用性研究是什么
6.1.2　如何進行測試
6.1.3　實驗室可用性研究的最佳實踐
6.1.4　實驗室可用性研究的好處
6.1.5　注意事項
6.2　可用性研究替代方案：遠程和線上外包
6.3　調(diào)研：真正傾聽用戶反饋
6.3.1　調(diào)研的類型
6.3.2　調(diào)研中最大的錯誤
6.3.3　永不過時的 3個最佳調(diào)研問題
6.3.4　選擇線上調(diào)研供應(yīng)商的 8個建議
6.4　互聯(lián)網(wǎng)環(huán)境下的用戶研究新方法
6.4.1　競爭性基準研究
6.4.2　快速可用性測試
6.4.3　線上卡片分類研究
6.4.4　人工智能視覺熱點圖

第 7章　快速試錯：發(fā)揮測試和實驗的力量
7.1　測試方法入門： A/B測試和多變量測試
7.1.1　A/B測試
7.1.2　多變量測試
7.2　可操作的測試建議
7.2.1　改進的關(guān)鍵——登錄頁面
7.2.2　關(guān)注結(jié)賬、注冊和提交頁面
7.2.3　優(yōu)化廣告數(shù)量和位置
7.2.4　測試不同的定價與銷售策略
7.2.5　測試包裝等實物設(shè)計
7.2.6　優(yōu)化外部市場活動
7.3　對照實驗：提升分析水平
7.3.1　衡量付費搜索對品牌關(guān)鍵詞的影響
7.3.2　對照實驗案例
7.3.3　對照實驗的優(yōu)缺點
7.4　營造企業(yè)的測試文化
7.4.1　建議 1：第一次測試至關(guān)重要
7.4.2　建議 2：不要盲目依賴工具或?qū)＜?br>7.4.3　建議 3：拋開自以為是
7.4.4　建議 4：以假設(shè)開始
7.4.5　建議 5：制定目標評估標準和預(yù)先決策
7.4.6　建議 6：測試衡量多目標產(chǎn)出
7.4.7　建議 7：根據(jù)用戶的痛點進行測試
7.4.8　建議 8：分析數(shù)據(jù)、交流心得
7.4.9　建議 9：配備測試推廣者和測試專家

第 8章　競爭情報分析
8.1　競爭情報的數(shù)據(jù)來源、類型和機密
8.1.1　工具條數(shù)據(jù)
8.1.2　用戶庫數(shù)據(jù)
8.1.3　ISP數(shù)據(jù)
8.1.4　搜索引擎數(shù)據(jù)
8.1.5　數(shù)據(jù)分析供應(yīng)商的行業(yè)基準數(shù)據(jù)
8.1.6　自行提供數(shù)據(jù)
8.1.7　混合數(shù)據(jù)
8.2　網(wǎng)站流量分析
8.2.1　分析長期流量趨勢
8.2.2　分享競爭網(wǎng)站的重合度，發(fā)現(xiàn)機會
8.2.3　分析引用網(wǎng)站和退出網(wǎng)站
8.3　搜索和關(guān)鍵詞分析
8.3.1　熱門關(guān)鍵詞的績效趨勢
8.3.2　地域興趣和機會分析
8.3.3　相關(guān)搜索和快速上升的搜索
8.3.4　市場占有率分析
8.3.5　競爭性關(guān)鍵詞優(yōu)勢分析
8.3.6　關(guān)鍵詞擴展分析
8.4　受眾識別和細分分析
8.4.1　基于人口統(tǒng)計學的細分分析
8.4.2　基于用戶心理的細分分析
8.4.3　搜索行為和受眾細分分析

第 9章　新興分析：社交、移動端和視頻
9.1　衡量新型社交網(wǎng)絡(luò)：數(shù)據(jù)的挑戰(zhàn)
9.1.1　網(wǎng)站內(nèi)容的演變
9.1.2　推特的革命
9.2　分析離線用戶體驗（應(yīng)用程序）
9.3　分析移動端用戶體驗
9.3.1　移動端數(shù)據(jù)的收集方法
9.3.2　移動端報表和分析
9.4　衡量博客的表現(xiàn)
9.4.1　原始作者的貢獻
9.4.2　讀者增長
9.4.3　轉(zhuǎn)化率
9.4.4　引用和轟動指數(shù)
9.4.5　博客成本
9.4.6　博客的收益（投資回報率）
9.5　量化推特的影響
9.5.1　粉絲人數(shù)的增長
9.5.2　信息放大
9.5.3　點擊率和轉(zhuǎn)化
9.5.4　轉(zhuǎn)化率
9.5.5　新興的推特指標
9.6　分析視頻的表現(xiàn)
9.6.1　視頻的數(shù)據(jù)收集
9.6.2　關(guān)鍵視頻指標與分析
9.6.3　高級視頻分析

第 10章　解決隱藏的數(shù)據(jù)分析陷阱
10.1　準確性還是精確性
10.2　數(shù)據(jù)質(zhì)量處理的 6個步驟
10.3　建立行動儀表盤
10.3.1　創(chuàng)建優(yōu)秀的儀表盤
10.3.2　綜合儀表盤
10.3.3　高影響力儀表盤的 5個準則
10.4　全線營銷的機遇和多渠道衡量
10.4.1　轉(zhuǎn)向全線營銷模式
10.4.2　多渠道分析
10.5　行為定向的優(yōu)勢和挑戰(zhàn)
10.5.1　行為定向的優(yōu)勢
10.5.2　克服基本的分析挑戰(zhàn)
10.5.3　行為定向的兩個先決條件
10.6　線上數(shù)據(jù)挖掘和預(yù)測分析面臨的挑戰(zhàn)
10.6.1　數(shù)據(jù)類型
10.6.2　變量的數(shù)量
10.6.3　多個主要目的
10.6.4　多次訪問行為
10.6.5　缺少主鍵和數(shù)據(jù)集
10.7　涅槃之路：實現(xiàn)智能分析的步驟

第 11章　數(shù)據(jù)分析專家的入門指南
11.1　背景信息的重要性
11.1.1　比較不同時期的關(guān)鍵指標
11.1.2　通過細分提供背景信息
11.1.3　比較網(wǎng)站的關(guān)鍵指標平均值和細分值
11.1.4　給指標尋找伴侶
11.1.5　利用行業(yè)基準和競爭數(shù)據(jù)
11.1.6　了解業(yè)務(wù)知識
11.2　比較 KPI變化趨勢
11.2.1　呈現(xiàn)業(yè)務(wù)知識
11.2.2　細分來救援 235
11.3　在 Top10之外：什么改變了
11.4　真正的價值：衡量潛在轉(zhuǎn)化及訪客行為
11.4.1　潛在訪客行為
11.4.2　潛在轉(zhuǎn)化
11.5　4種不能指導(dǎo)實際行動的 KPI衡量技術(shù)
11.5.1　平均值
11.5.2　百分比
11.5.3　比率
11.5.4　組合或計算得出指標
11.6　搜索：實現(xiàn)最優(yōu)長尾策略
11.6.1　計算頭部和長尾
11.6.2　了解品牌和行業(yè)關(guān)鍵詞
11.6.3　最佳的搜索營銷策略
11.6.4　執(zhí)行最佳的長尾策略
11.7　搜索：衡量上層漏斗關(guān)鍵詞的價值
11.8　搜索：付費點擊的進階分析
11.8.1　識別關(guān)鍵詞的潛在機會
11.8.2　關(guān)注“什么改變了”
11.8.3　分析展示份額和收入損失
11.8.4　擁抱投資回報率分布表
11.8.5　用戶搜索查詢和匹配類型歸零

第 12章　數(shù)據(jù)分析專家的進階指南
12.1　多觸點營銷活動歸因分析
12.1.1　多觸點是什么
12.1.2　你有歸因問題嗎
12.1.3　歸因模型
12.1.4　實際情況下歸因分析的核心挑戰(zhàn)
12.1.5　歸因分析的可行替代方案
12.1.6　關(guān)于多觸點的部分思考
12.2　多渠道分析：對于全線營銷的衡量技巧
12.2.1　跟蹤線下營銷活動對線上營銷活動的影響
12.2.2　跟蹤線上廣告活動的線下影響

第 13章　數(shù)據(jù)分析的職業(yè)生涯
13.1　數(shù)據(jù)分析師職業(yè)生涯規(guī)劃：選擇、薪酬前景和發(fā)展
13.1.1　個人技術(shù)貢獻者
13.1.2　個人業(yè)務(wù)貢獻者
13.1.3　技術(shù)團隊領(lǐng)導(dǎo)者
13.1.4　業(yè)務(wù)團隊領(lǐng)導(dǎo)
13.2　數(shù)據(jù)分析成功職業(yè)生涯的技能培養(yǎng)
13.2.1　使用數(shù)據(jù)
13.2.2　獲取多個分析工具的經(jīng)驗
13.2.3　在實際中的運用
13.2.4　成為數(shù)據(jù)收集偵探
13.2.5　數(shù)學基礎(chǔ)：學習統(tǒng)計學的基本知識
13.2.6　善于提問
13.2.7　與業(yè)務(wù)團隊緊密合作
13.2.8　學習有效的數(shù)據(jù)可視化和 PPT技能
13.2.9　與時俱進：參加免費網(wǎng)絡(luò)研討會
13.2.10　與時俱進：閱讀博客
13.3　數(shù)據(jù)分析專家最美好的一天
13.4　雇傭最好的人才：給分析經(jīng)理和總監(jiān)的建議
13.4.1　優(yōu)秀分析專家的關(guān)鍵特質(zhì)
13.4.2　專家或者新手：做出正確選擇
13.4.3　面試中的最大考驗：批判性思維

第 14章　創(chuàng)建數(shù)據(jù)驅(qū)動的企業(yè)文化
14.1　改造企業(yè)文化：如何讓人們關(guān)注數(shù)據(jù)分析
14.1.1　做一些令人驚訝的事情，不要簡單提供數(shù)據(jù)
14.1.2　從產(chǎn)出和影響開始分析，而不是訪問量
14.1.3　創(chuàng)造榜樣
14.1.4　如果想讓決策者感興趣，首先要讓數(shù)據(jù)分析有趣
14.1.5　競猜
14.1.6　內(nèi)部分享
14.1.7　把握辦公時間
14.2　提供指導(dǎo)實際行動的報表和分析
14.2.1　使用 Unboring過濾器
14.2.2　將見解與實際數(shù)據(jù)聯(lián)系在一起 305
14.3　通過更改指標定義來改變企業(yè)文化：品牌宣傳指數(shù)
14.3.1　案例及分析
14.3.2　問題
14.3.3　解決方案
14.3.4　結(jié)果
14.3.5　采用 BEI指數(shù)的結(jié)果
14.3.6　可選擇的計算方法：加權(quán)平均
14.3.7　總結(jié) 309
14.4　提升數(shù)據(jù)質(zhì)量：從質(zhì)疑轉(zhuǎn)為使用數(shù)據(jù)
14.4.1　換個不同的老板
14.4.2　使用“不完美”的數(shù)據(jù)
14.4.3　用可操作的分析結(jié)論吸引公司高層的注意
14.4.4　秘密 1：第一周 /月的頭部數(shù)據(jù)具有可操作性
14.4.5　秘密 2：在漏斗底部提升數(shù)據(jù)精度
14.4.6　解決方案是堅持一種數(shù)據(jù)分析工具到底
14.4.7　識別邊際收益遞減
14.4.8　網(wǎng)站越小，問題越大
14.4.9　不合邏輯的用戶行為和不準確的標準
14.4.10　在網(wǎng)上更快試錯
14.5　數(shù)據(jù)驅(qū)動型老板的 5條規(guī)則
14.5.1　擺正自己的位置
14.5.2　認可不完整的數(shù)據(jù)
14.5.3　付出更多努力
14.5.4　成為營銷人員
14.5.5　拒絕數(shù)據(jù)服務(wù)業(yè)務(wù)
14.5.6　數(shù)據(jù)分析進階的思維模式
14.6　獲得公司支持的策略
14.6.1　實施實驗和測試方案
14.6.2　傾聽用戶反饋
14.6.3　使用行業(yè)標準
14.6.4　競爭情報：你最好的新朋友
14.6.5　與有意向的網(wǎng)站合作
14.6.6　向?qū)＜仪笾?
14.7　打破數(shù)據(jù)分析壁壘
14.7.1　驚人發(fā)現(xiàn)
14.7.2　缺乏預(yù)算或資源
14.7.3　缺乏策略
14.7.4　孤立的組織
14.7.5　缺乏了解
14.7.6　數(shù)據(jù)泛濫
14.7.7　缺乏高級管理人員的支持
14.7.8　IT障礙
14.7.9　缺乏對分析的信任
14.7.10　缺乏人才
14.7.11　糟糕的技術(shù)
14.8　誰真正擁有數(shù)據(jù)分析
14.8.1　集中或者分散
14.8.2　團隊的演變