谷歌数据分析方法

数据分析领域经典读物！数据分析领域领跑者、谷歌数字营销布道师、谷歌联合创始人阿维纳什?考希克经典之作！学习以用户为中心的数据分析思维框架！《怪诞行为学》作者、美国杜克大学行为经济学教授丹?艾瑞里《紫牛》《营销人都是大骗子》作者赛斯?高汀前苹果公司首席宣传官盖伊?川崎CDA数据分析师联袂推荐

在过去几年中，互联网、在线营销以及广告经历了巨大的变革，然而大家处理数据的方式跟几十年前相比还是大同小异。数据分析领域的领跑者（Avinash Kaushik）通过《谷歌数据分析方法》提出了下一代数据分析的框架，将能很大程度地帮助你提高组织的能动性和对市场的反应速度。本书阐述了如何去衡量、分析目前互联网上出现的新技术和应用，并在此基础上快速行动。这些新技术和应用包括社交媒体、视频、移动互联网上以用户为中心的设计等。作者通过对传统方法的改造，对互联网数据进行了抽丝剥茧般的分析，提出了具体、简单以及更优选的方法。如果你想了解数据分析方法，本书将是你的很好选择。

前言
第1章数据分析进阶的全新世界
1.1数据分析现状
1.2行业现状
1.3重新反思数据分析：实现数据分析进阶3
1.3.1“是什么”：点击流
1.3.2“有多少”：多样性产出分析
1.3.3“为什么”：实验和测试
1.3.4“为什么”：用户反馈
1.3.5“还有什么”：竞争情报
1.4变革：YesWeCan
1.4.1策略性调整
1.4.2战术性转变
1.4.3其他分析
第2章选择数据分析工具的很好策略
2.1确定预期业务目标
2.2第一步：选择数据分析工具前要回答的3个关键问题
2.3第二步：选择数据分析工具前要问供应商的10个问题
2.4数据分析供应商比较：多样化和竞争优势
2.5第三步：如何有效地试用数据分析工具
2.6第四步：确定合作前的协议，检查供应商的服务条款23
第3章点击流分析的精彩世界：指标
3.1回顾标准指标：8个关键网站指标
3.2跳出率
3.3退出率
3.4转化率
3.5参与度
3.6数据分析指标揭秘
3.6.1优秀指标的4个属性
3.6.2优秀指标示例
3.6.3关于网站成功的3条经验
3.7关键网站指标的战略性策略
3.7.1确定影响网站指标表现的根源一转化
3.7.2利用自定义报表
3.7.3创建团队报表中心
3.7.4从宏观上进行分析
第4章点击流分析的精彩世界：实际操作
4.1数据分析入门
4.1.1熟悉基本指标
4.1.2获取访客
4.1.3控制成本
4.1.4点击密度分析
4.1.5衡量购买前的访问次数
4.2很好数据分析报表
4.2.1流量来源
4.2.2流量产出
4.3基础分析策略
4.3.1细分至关重要
4.3.2关注用户行为而非总体情况
4.4让日常点击流分析更具操作性
4.4.1站内搜索分析
4.4.2SEO分析
4.4.3付费搜索分析
4.4.4直接流量分析
4.4.5邮件营销分析
4.4.6富媒体分析
4.5面对现实：数据分析的挑战性
4.5.1跟踪访客cookie
4.5.2数据抽样
4.5.3历史数据的价值
4.5.4对用户体验视频回放的作用
4.5.5终极数据校正清单
第5章成功的关键：衡量绩效
5.1关注“少数关键指标”
5.2产出KPI实际操作5例
5.2.1任务完成率
5.2.2搜索流量比例
5.2.3访客忠诚度和回访度
5.2.4订阅数
5.2.5正面退出率
5.3转化率进阶
5.3.1购物车和结算流程放弃率
5.3.2购买前访问次数和天数
5.3.3平均订单价值
5.3.4识别可转化人群
5.4衡量宏观和微观的转化
5.5量化经济价值
5.6衡量非电子商务网站的成功
5.6.1访客忠诚度
5.6.2访客回访率
5.6.3网站停留时间
5.6.4访问深度
5.7衡量B2B网站
第6章利用定性数据解决“为什么”的难题
6.1实验室可用性研究：是什么，为什么，有多少
6.1.1实验室可用性研究是什么
6.1.2如何进行测试
6.1.3实验室可用性研究的很好实践
6.1.4实验室可用性研究的好处
6.1.5注意事项
6.2可用性研究替代方案：远程和线上外包
6.3调研：真正倾听用户反馈
6.3.1调研的类型
6.3.2调研中优选的错误
6.3.3永不过时的3个很好调研问题
6.3.4选择线上调研供应商的8个建议
6.4互联网环境下的用户研究新方法
6.4.1竞争性基准研究
6.4.2快速可用性测试
6.4.3线上卡片分类研究
6.4.4人工智能视觉热点图
第7章快速试错：发挥测试和实验的力量
7.1测试方法入门：A/B测试和多变量测试
7.1.1A/B测试
7.1.2多变量测试
7.2可操作的测试建议
7.2.1改进的关键——登录页面
7.2.2关注结账、注册和提交页面
7.2.3优化广告数量和位置
7.2.4测试不同的定价与销售策略
7.2.5测试包装等实物设计
7.2.6优化外部市场活动
7.3对照实验：提升分析水平
7.3.1衡量付费搜索对品牌关键词的影响
7.3.2对照实验案例
7.3.3对照实验的优缺点
7.4营造企业的测试文化
7.4.1建议1：第一次测试至关重要
7.4.2建议2：不要盲目依赖工具或专家
7.4.3建议3：抛开自以为是
7.4.4建议4：以假设开始
7.4.5建议5：制定目标评估标准和预先决策
7.4.6建议6：测试衡量多目标产出
7.4.7建议7：根据用户的痛点进行测试
7.4.8建议8：分析数据、交流心得
7.4.9建议9：配备测试推广者和测试专家
第8章竞争情报分析
8.1竞争情报的数据来源、类型和机密
8.1.1工具条数据
8.1.2用户库数据
8.1.3ISP数据
8.1.4搜索引擎数据
8.1.5数据分析供应商的行业基准数据
8.1.6自行提供数据
8.1.7混合数据
8.2网站流量分析
8.2.1分析长期流量趋势
8.2.2分享竞争网站的重合度，发现机会
8.2.3分析引用网站和退出网站
8.3搜索和关键词分析
8.3.1热门关键词的绩效趋势
8.3.2地域兴趣和机会分析
8.3.3相关搜索和快速上升的搜索
8.3.4市场占有率分析
8.3.5竞争性关键词优势分析
8.3.6关键词扩展分析
8.4受众识别和细分分析
8.4.1基于人口统计学的细分分析
8.4.2基于用户心理的细分分析
8.4.3搜索行为和受众细分分析
第9章新兴分析：社交、移动端和视频
9.1衡量新型社交网络：数据的挑战
9.1.1网站内容的演变
9.1.2推特的革命
9.2分析离线用户体验（应用程序）
9.3分析移动端用户体验
9.3.1移动端数据的收集方法
9.3.2移动端报表和分析
9.4衡量博客的表现
9.4.1原始作者的贡献
9.4.2读者增长
9.4.3转化率
9.4.4引用和轰动指数
9.4.5博客成本
9.4.6博客的收益（投资回报率）
9.5量化推特的影响
9.5.1粉丝人数的增长
9.5.2信息放大
9.5.3点击率和转化
9.5.4转化率
9.5.5新兴的推特指标
9.6分析视频的表现
9.6.1视频的数据收集
9.6.2关键视频指标与分析
9.6.3高级视频分析
第10章解决隐藏的数据分析陷阱
10.1准确性还是准确性
10.2数据质量处理的6个步骤
10.3建立行动仪表盘
10.3.1创建优秀的仪表盘
10.3.2综合仪表盘
10.3.3高影响力仪表盘的5个准则
10.4全线营销的机遇和多渠道衡量
10.4.1转向全线营销模式
10.4.2多渠道分析
10.5行为定向的优势和挑战
10.5.1行为定向的优势
10.5.2克服基本的分析挑战
10.5.3行为定向的两个先决条件
10.6线上数据挖掘和预测分析面临的挑战
10.6.1数据类型
10.6.2变量的数量
10.6.3多个主要目的
10.6.4多次访问行为
10.6.5缺少主键和数据集
10.7涅槃之路：实现智能分析的步骤
第11章数据分析专家的入门指南
11.1背景信息的重要性
11.1.1比较不同时期的关键指标
11.1.2通过细分提供背景信息
11.1.3比较网站的关键指标平均值和细分值
11.1.4给指标寻找伴侣
11.1.5利用行业基准和竞争数据
11.1.6了解业务知识
11.2比较KPI变化趋势
11.2.1呈现业务知识
11.2.2细分来救援235
11.3在靠前0之外：什么改变了
11.4真正的价值：衡量潜在转化及访客行为
11.4.1潜在访客行为
11.4.2潜在转化
11.54种不能指导实际行动的KPI衡量技术
11.5.1平均值
11.5.2百分比
11.5.3比率
11.5.4组合或计算得出指标
11.6搜索：实现很优长尾策略
11.6.1计算头部和长尾
11.6.2了解品牌和行业关键词
11.6.3很好的搜索营销策略
11.6.4执行很好的长尾策略
11.7搜索：衡量上层漏斗关键词的价值
11.8搜索：付费点击的进阶分析
11.8.1识别关键词的潜在机会
11.8.2关注“什么改变了”
11.8.3分析展示份额和收入损失
11.8.4拥抱投资回报率分布表
11.8.5用户搜索查询和匹配类型归零
第12章数据分析专家的进阶指南
12.1多触点营销活动归因分析
12.1.1多触点是什么
12.1.2你有归因问题吗
12.1.3归因模型
12.1.4实际情况下归因分析的核心挑战
12.1.5归因分析的可行替代方案
12.1.6关于多触点的部分思考
12.2多渠道分析：对于全线营销的衡量技巧
12.2.1跟踪线下营销活动对线上营销活动的影响
12.2.2跟踪线上广告活动的线下影响
第13章数据分析的职业生涯
13.1数据分析师职业生涯规划：选择、薪酬前景和发展
13.1.1个人技术贡献者
13.1.2个人业务贡献者
13.1.3技术团队领导者
13.1.4业务团队领导
13.2数据分析成功职业生涯的技能培养
13.2.1使用数据
13.2.2获取多个分析工具的经验
13.2.3在实际中的运用
13.2.4成为数据收集侦探
13.2.5数学基础：学习统计学的基本知识
13.2.6善于提问
13.2.7与业务团队紧密合作
13.2.8学习有效的数据可视化和PPT技能
13.2.9与时俱进：参加免费网络研讨会
13.2.10与时俱进：阅读博客
13.3数据分析专家好看好的一天
13.4雇佣优选的人才：给分析经理和总监的建议
……