网站分析中的自定义维度——底层数据收集

浏览: 1652

所谓自定义维度,是区别于网站分析工具中的默认维度,常用来做自定义分析。通常自定义维度的实施从底层数据收集开始,然后才是上层的配置文件过滤,本文先讲底层数据收集常用思路。

一、底层数据收集方法

不同的工具有不同的定义方法。

  • Google Analyitcs中通过SetCustomerVar定义。不过最多只能定义5个维度(注,其中类别从1-5),具体操作方法可见蓝鲸的文章Google Analytics功能篇—自定义变量,具体定义方法:
  1. _setCustomVar(类别, 自定变量名称, 自定义变量值, 自定义变量范围)  
  1. _SetVar(“自定义变量名称”);  
  • UA中通过(最多20个维度),定义方法:
  1. var dimensionValue = ‘SOME_DIMENSION_VALUE’;   
  2. ga(‘set’, ‘dimension1’, dimensionValue);  
  • Omniture Sitecatalyst中通过Prop和Evar,(注:由于Omniture的维度和量度全部都是自定义的,因此可操作范围及其广泛,在15.4版本中,有75个Prop和Evar),定义方法:
  1. s.prop4=“**首页”;   
  2. s.eVar3=“首页推荐”;  
  • Webtrends中通过各种Meta扩展码定义,如:
  1. <META name=“WT.dcsvid “ content=“用户ID”>  

由于代码实施不是本文的重点,因此关于代码部分不扩展来讲,具体GA/UA可见帮助文档或相关博客,Sitecatalyst和Webtrends请见具体实施文档。

二、底层数据收集维度

这部分是本文的重点,常用的自定义实施维度包括以下几部分:

 页面级别

页面级别的定义通过都是hit层级的,通过区分页面不同的维度,可以对全部页面进行归类和细分:

  • 自定义页面。默认的页面名称是Title中的名称,你可以指定一个名称,并且该名称是有规律的,通过可能是URL层级或业务层级关系。
  • 自定义区域。自定义区域是将页面进行最高层级的归档,如以电商网站为例,根据业务习惯,网站可能划分为超市页、首页、产品列表页、产品详情页、搜索页、帮助页、个人中心等。通过这种方法的划分,结合指标和量度直接可以了解每种类型页面的具体效果。
  • 自定义类别。自定义类别是网站区域的下一层级,如超市页会分为大家电、手机、数码等,通过这一层级的划分,可以实现对网站区域的下钻分析。
  • 自定义子类别。自定义子类别是类别的更细一层,根据情况具体实施,如果子模块较多,需要这一层级。上面四种自定义列表的属性关系是区域>类别>子类别>页面。
  • 自定义功能页。自定义功能页是根据页面功能来定义的,如同样都是商品页,可以根据功能划分为商品评论、商品晒单等。
  • 自定义测试版本。自定义测试版本需要跟A/B测试或Test&Target结合使用,目的是用来做不同版本测试效果。由于通过A/B测试或Test&Target中的效果衡量指标有限,我们可以通过这种方式实现对页面效果的全面衡量。

 用户级别

用户级别是自定义变量或维度中使用最多的形式,通过定义,不仅可以丰富访问数据,更可以将CRM数据结合起来:

  • 用户ID/名称。通过用户唯一识别标志会被定义到工具中,通过这一标示,我们可以了解用户的前端具体访问、浏览、搜索、评论和购买行为,更可以实现和CRM广泛数据的结合,实际上已经将前后端用户行为流打通,实现完整路径分析。
  • 访问类别。访问类别是指用户是否具有访问某些重点区域的特征,如访问了首页的用户,使用过收藏的用户,这种访问定义直接可以细分我们关注的用户访问行为,并且与配置文件中自定义群体不同是,我们可以随意控制该行为的发生时间特征,可以根据页面特征而非访问特征进行细分。
  • 用户类别。通常我们会把用户分为未注册用户、注册新用户、注册购买用户(新客户)、老客户(购买2次以上客户)以往的定义都是直接在CRM中进行的,并且由于缺少行为数据,数据流是断链的,通过这种细分,并结合用户ID,我们完全对这几类用户的画像进行更全面的描绘。

产品级别

在产品页的跟踪上,通常我们会根据产品ID/名称,但业务的划分决定了我们需要进行汇总,当然这种汇总 可以在导出数据后手动整理,也可以通过类似Omniture Saint导入自动处理,但如果能在底层就定义好这种逻辑关系,必然会省去很多后期数据整理时间。

常用的产品级别定义包括产品一二三级分类、品牌、名称、价格、库存、折扣力度、促销方法等。但是否要定义产品级别,取决于具体情况,以下几个问题在定义时是需要考虑的:

  • 需求是第一位的,没有需求的自行处理是额外的工作;
  • 产品类别属性可能会经常更改,经常更改意味着数据导出后还需要手动整理之前的数据,处理量更大;
  • 没有类似于Saint规则处理自动处理功能,对应表可能会比较麻烦,尤其是需要手动上传和处理;
  • 当你把产品数据注入页面中时,不仅是对工具的开放,也是对竞争对手(或友商)的开发,数据泄露的风险需要评估。

数据自定义是分析的常用方法,是否自定义以及尺度的把握需要经验指导,更需要结合业务,盲目的自定义也可能对业务产生相关作用,尤其是对底层原来的理解不深时,矛盾的数据以及甚者相互影响的数据会是极大的麻烦。当然,在曲折的道路上成长也多了一些看风景的时间。

推荐 0
本文由 宋天龙 创作,采用 知识共享署名-相同方式共享 3.0 中国大陆许可协议 进行许可。
转载、引用前需联系作者,并署名作者且注明文章出处。
本站文章版权归原作者及原出处所有 。内容为作者个人观点, 并不代表本站赞同其观点和对其真实性负责。本站是一个个人学习交流的平台,并不用于任何商业目的,如果有任何问题,请及时联系我们,我们将根据著作权人的要求,立即更正或者删除有关内容。本站拥有对此声明的最终解释权。

0 个评论

要回复文章请先登录注册