GA 电商数据分析实践课

课程介绍

一个电商的流量会某天突然大涨 30%，或者大跌 30%；季节性（比如11.11）订单量会出现突然大涨或大跌；

碰到这些异常，作为电商数据分析师的你需要查出导致异常数据的主要原因（或甚至更深层的原因）。但是，单单看常规报告中的数据，99% 的场景中是无法正确推理出导致异常的原因。所以你需要通过学习一套系统性的数据分析课程——GA 电商数据分析实践课。

本课程的理论部分旨在从策略、数据收集（与埋点）、报表设计到分析的考虑方式，去形成一套健全而且能维系的系统化工作流程。通过对谷歌分析（Google Analytics）的基础原理与进阶功能的讲解，去了解和学习电商数据分析中的策略选择、预备工作和数据收集（埋点）的实践。

本课程的实践部分将讲述怎样通过 GA 里的报表去给电商制定日常的基础分析工作、创建 Dashboard 、创建自定义报表；怎样通过所有的数据分析报告去发现业务的洞察和推进业务的发展，并把各个环节整理成系统化的流程。

具体实践案例

• SEO 渠道数据分析
• 广告数据的整合
• GA 数据分析实践必定会碰到的坑和解决办法

课程内容

导读： 如何有效利用 GA 进行数据分析？

我与 GA

谷歌在2005年底推出 Google Analytics 网站分析工具（谷歌分析，简称 GA ），我自己是最早期的 GA 使用者。2006年，我给当时的博客网站安装了 GA 工具，接下来替100多个网站部署 GA 或给他们已经安装好的 GA 工具进行排查问题，或给他们的网站数据进行分析。2009-12年，我在携程工作，更是携程旗下7个网站 GA 帐号的管理者。2012年，我通过了当时 GA 的验证考试（ GAIQ ）。之后出来创业，还从数据库到前端的范围去研究过一套开源的网站分析工具（ Piwik ），并给一些使用 Piwik 的客户提供过咨询服务。

经过多年，我曾经使用过/自己安装过的分析工具有不少：

• 免费网站数据分析工具，包括：GA 、CNZZ 、百度统计、Statcounter
• 付费网站数据分析工具，包括：Adobe Analytics 、99Click 、GrowingIO
• 热力图/点击分布图数据分析工具，包括：CrazyEgg
• 新一代以用户为中心的网站分析工具，包括：Inspectlet
• 搜索引擎广告投放管理与分析工具，包括：Kensoo 、Marin Software
• APP数据分析工具，包括：Firebase Analytics

这门课程可以学到什么

我发现，其实每个电商的最终目的都是类似的，包括：

• 把获取到的订单量最大化
• 让订单收入最大化
• 让电商网站的转化率最大化

这一门课程，是通过 GA 去演示实际电商数据分析工作的流程。我们通过以下的说明再去理解。

当你在一家拥有电商网站的企业里做数据分析师的角色，你的日常工作会包括对常规的数据报告创建/更新。这种报告的使用者一般包括老板/部门主管（比如网络营销部门），他们需要收到 Dashboard 报告（ High Level 指标数据的表现情况）。其他的报告使用者会是负责每个渠道的同事，他们日常实际操作业务，会需要他们所负责的那块业务的数据表现。

除了常规的日常数据外，电商数据会碰到异常。比如，比较平常的是一个电商的流量会某天突然大涨30%，或者大跌30% 。进一步的异常会有电商网站整体转化率下跌，或者季节性（比如11.11或12.12）的指标波动（比如订单量突然大涨或大跌）。碰到这些异常，你（作为电商数据分析师）需要查出导致异常数据的主要原因（或甚至更深层的原因）。

但是，单单看常规报告中的数据，99%的场景中你是无法正确推理出导致异常的原因。

所以你需要通过学习一套系统性的数据分析课程后，做到：

• 检测到你需要的数据（甚至保存下来）。
• 创建你需要的数据报告，其实就是自定义创建能让你轻易看到“问题”源头的数据报告。
• 解读你已经拉出来的报告里面的数据，“解读”的意思是必须要跟你获取用户的渠道和/或你的电商业务能拉上直接关系的逻辑。

只有你掌握了分析的方法并实践，并且能逻辑性地发现问题和整理出解决方法后，你才会有能力做到：

• 把获取到的订单量最大化
• 让订单收入最大化
• 让电商网站的转化率最大化

我们这一套达人课程可概括为以下几个部分：

第一部分：数据分析方案的策略设计

这一部分会详细讲解：

• 分析工具的类型与选择
• 电商数据分析的策略与前期准备工作

第二部分：埋点的重要

数据的监测和预先部署好监测的埋点会详细讲到：

• 电商数据分析的埋点实践：标准埋点、策略性埋点、电商数据埋点

第三部分：分析报告与分析

GA 作为一款优秀的数据分析工具，你确定能使用正确吗？

这部分课程里很多的案例和方法，我们会通过 GA 去演示。

我们会详细分成如下几个问题来讲解：你必须看什么样的数据报告（报告里必须包含什么）；如何获取你需要的报告；如何从报告中进行分析、找出异常、发现问题源头等。

• 分析实践：通过 GA 基础报表去进行分析工作流程
• 分析实践：通过创建 GA 自定义报表去进行分析工作流程
• 分析实践：转化漏斗的设置与应用
• 分析实践：广告数据分析的工作流程
• 分析实践：SEO 数据分析工作流程

第四部分：渠道数据分析

电商网站的用户来自多种渠道，这部分课程会对每一类渠道提供一个分析流程。

第五部分：漏斗分析

电商网站分析中肯定少不了去创建漏斗，尤其是转化流程的漏斗。

第六部分：数据异常的处理

每个电商网站都会遇到的一些异常流量访问，这一节我们会说到发现异常流量的方法，并提供系统性的方式去区别真正的异常和“看上去像异常的数据”，并研究异常的原因。

第七部分：数据坑与分析工具升级

这一部分会讲解什么情况需要额外的指标与维度 - 创建自定义指标与自定义维度，并把两者分别整合到平日的数据报告中。还会讲解到 GA 数据分析实践中避免不了的数据坑、如何发现数据坑并解决。

最后会讲到，你的电商网站是否需要更“强大”的分析工具。

致谢

电商数据分析是一个过程，它的目的永远是：

• 把获取到的订单量最大化
• 让订单收入最大化
• 让电商网站的转化率最大化

通过这门课，我希望能带领大家做到，也感谢每一位购买达人课的朋友的支持。如果您有什么不清楚的问题，欢迎来我的读者圈提问和交流，共同进步。

第01课：电商数据分析工具的类型与选择

电子商务的定义

电子商务最原始的定义是，互联网用户访问一个网站（比如电商网站），而该网站可使用户直接在线上完成：

• 搜索商品
• 了解商品信息（包括价格、型号等）
• 下单购买商品，并支付

在电商网站流行之前，网站分析的功能一般局限在“今天网站的用户访问数是多少”这一类数据指标。而在“电商”与“电商”之间的竞争开始后，尤其是电商获取“流量”（用户）陆续变得多元化或复杂化后，网站分析的要求（或过程）就开始产生变化了。这当中的变化除了“数据指标”外，日常报告（比如 Dashboard ）和一系列的数据分析方法都开始产生。

网站分析

网站分析（ Web Analytics ，简称 WA ）在很多人看来，源头是 GA ，但并不如此。最早的网站分析其实是通过网站服务器日志（ Web Server Log ）获取的。每个网站发布上线到互联网，从能被用户访问开始，都自带网站服务器日志收集用户访问信息的功能。网站日志数据的使用大概早在1994-1995年互联网刚起步时就有了。

简单来说，每次用户访问网站的一个页面，网站服务器都会生成一条记录，甚至（在很多情况下是会生成多条记录）。通常，一个页面是由多个文件组成的，可能 html 部分是一个文件，css 是一个文件，JavaScript 是一个文件，网页上有3张图片就会有三个文件。而访问一个网页时，html 文件会产生一条记录，css 会产生一条记录……如此类推，该网页被访问时，网站日志一共会产生6条记录。每一条记录被计算做一个 hit - 注： Hit 是一个早期网站分析使用的数据指标。这种以 hits 去记录网站用户访问的方式，并无法（或根本很难）表达到底一个网站的访问次是多少，或某一天的网站的访问次是多少。

后来，基于 JavaScript 收集数据的网站分析工具出现了，但这个并非谷歌的 GA 。Google 是在2005年底推出了免费版的 Google Analytics（谷歌分析），就是我们后来一直叫的 GA 。GA 的前身是一个叫做 Urchin 的产品，是个主要基于 JavaScript 收集数据的网站分析工具。

基于 JavaScript 收集数据的网站分析工具和 GA 都以 Page View （网页浏览次）作为最小的数据指标单位。

基于 JS 收集数据的网站分析工具原理

基于 JavaScript 原理的 WA 工具（比如 GA ），监测（汇报）的最小单位数据指标就是单个 Pageview （网页浏览次）。要让这个网站分析工具正常收集（或监测）到你网站上的访问行为，你需要在每张网页里都添加 GA 的监测代码，以下就是一个 GA 监测代码的例子，它是 Universal Analytics 版本的 GA 监测代码。

<script>(function(i,s,o,g,r,a,m){i['GoogleAnalyticsObject']=r;i[r]=i[r]||function(){(i[r].q=i[r].q||[]).push(arguments)},i[r].l=1*new Date();a=s.createElement(o),m=s.getElementsByTagName(o)[0];a.async=1;a.src=g;m.parentNode.insertBefore(a,m)})(window,document,'script','//www.google-analytics.com/analytics.js','ga');ga('create', 'UA-XXXXXXXX-Y', 'auto');ga('send', 'pageview');</script>

每当一个用户访问并打开一个网页，这段代码会被**，数据会传送到 Google 的服务器中，经过 Google 服务器里的整理和计算后，数据报告会呈现在 GA 的后台界面上。这时候你登录 GA 帐号，就可以获得数据报告。

以上其实是 GA 最基础的一个 JS 监测代码。如果你的目标是监测整个网站上每一个 Button 的点击、每一笔订单的明细信息等，还必须添加（部署）更复杂的代码。

网站分析的阶段演进

不用多说了，其实就是从使用原始的网站日志，变成用 JavaScript 监测代码去收集数据。接着有了免费的网站分析工具（ GA ），再出现了付费的网站分析工具（ Adobe Analytics ，它的前身叫做 Omniture Site Catalyst ）。我们又看到一些开源社区里开发的网站分析工具，比较知名的有 Piwik 。然后大家开始进入“移动端”时代，遇到手机端的 APP ，从 APP 上收集数据的原理跟 Web 端收集数据又有所不同了。

阶段	关注指标	代表性工具	谁在当数据分析师
0 - 远古	Hits、IP 数、用户/会员数、订单次	网站 log 日志	网站开发工程师
1 - 初期	IP 数、用户/会员数、订单次	免费基于 JS 监测的网站分析工具，比如 GA	负责个别渠道来源的同事
2 - 中期	UV 、Sessions 、PV 、跳出率、用户/会员数、订单次	免费工具：GA 、百度统计、CNZZ ；付费工具：Adobe Analytics 、GrowingIO	数据分析师和BI（商业智能）
3 - 后期	几乎所有指标都齐全	免费工具：GA 、百度统计、CNZZ ；付费工具：Adobe Analytics 、GrowingIO ；开源：Piwik（需要自己承担服务器），甚至企业内部开始自己开发网站分析工具	数据分析师配合 BI（商业智能）做主导，其他负责渠道的各个同事提数据需求
4 - 进入移动端世界	Web 端的所有指标，加上移动端 APP 的一些重要指标，比如 DAU	Web 端的网站分析工具同上；移动端免费工具： Firebase Analytics ；付费工具： AppAnnie 、 Talking Data	数据分析师配合 BI（商业智能）做主导，其他负责渠道的各个同事提数据需求

网站分析的三个步骤

网站分析可以简单的分成3个主要步骤：

• 数据收集
• 数据报告
• 数据分析

第一个步骤，数据收集。收集数据后，才能出报告，才能得出洞悉（ Insights ，当然有些情况是什么洞悉也没有），然后才能进行分析。我们可以通过简单地解析数据收集的原理去理解数据收集。

我们收集数据的原理是通过在网站的网页上预先埋好需要的 JS 代码。有时候，我们会把添加 JS 监测代码叫做“埋点”。

JS 监测最重要的优势是：它能把用户访问网页的行为记录下来，连很细节的操作都能记录，比如点击了哪一个 Button 、用了哪一个下拉框等。通过 JS 能收集到的数据会比较全面。

JS 监测最麻烦的事情也是埋点，基础埋点一般不会有太大问题，因为你只需要在网站的每一个页面中（通常建议底部 Footer 或头部 Header ）添加 GA 的基础 JS 监测代码即可。

但一旦需要对很明细的数据记录去做埋点，就会比较费工夫。而且遇到紧急性的活动时，留给埋点设计和部署的时间往往会不够用，有可能会导致一些网站的 Marketing 活动被延误，也有可能活动上线时埋点工作无法完全完成，导致数据记录不全无法分析。

移动端时代网站分析

移动端时代的出现（主要是2010年之后），给网站分析又带来了一些冲击（麻烦）与机会。

例如：屏幕的大小 - 手机就跟 PC 上的屏幕有着巨大的区别了，所以你会发觉一个过往专门给 PC 屏幕设计的网页，到了手机屏幕如果用户直接使用，效果/感受会很不理想的。

我们首先需要去理解移动端时代的网站建设方式（网站建站策略）。

网站就是一个载体，比如你的电商网站，就是放置所有商品的载体。到了移动端时代，一般来说你有两种主要选择（其实还有第三个，但由于需要简化，就不展开说了）。选择是这样的：

• 选择1：自适应网站 - 一个网站，一套网站 URL
• 选择2：PC端和移动端分别使用两个网站 - 两套 URL

网站是指你的电商官网，在规划网站开发的时候就需要做好以上的决定。

自适应

第一个选择（自适应网站）的意思是，不管你的网站在 PC 端还是手机端的浏览器中被访问，你网站/网页永远都只有一套 URL，比如：

首页：www.example.com列表页：www.example.com/fruits/商品页：www.example.com/fruits/new-zealand-kiwi/

用图例简单表示：

网站的网页在开发/设计时已经做好了准备，在用户通过 PC 浏览器（宽屏幕）访问时会展示宽屏幕的网页，而在用户通过手机浏览器（窄屏幕）访问时会把页面处理后再展示。这种方式国外的网站经常使用，也被 Google 大力推荐。

两个网站

第二个选择（ PC 端和移动端分别使用两个网站）是指一个电商会开发两套网站，一套专门给 PC 端的用户使用，另一套专门给手机（移动）端的用户使用。这样的设计就会产生两套网站 URL 。

PC 端网站，比如它的 URL 会有：

首页：www.example.com列表页：www.example.com/fruits/商品页：www.example.com/fruits/new-zealand-kiwi/

移动端网站（国内一些企业把这个叫做 H5 网站），它的 URL 会有：

首页：m.example.com列表页：m.example.com/fruits/商品页：m.example.com/fruits/new-zealand-kiwi/

用图例简单表示：

移动端 APP 分析

以上所说到的移动端，其实只包含了浏览器能打开访问的移动端网站。既然是网站，WA 监测的原理还是能用原来所说过的 JavaScript 监测代码，每张移动端网页都添加一次基础 JS 监测代码就可以了。

但移动端比较复杂，比如微信、QQ 、美图、京东（这个是电商）、携程等APP ，直接使用时无需一定从手机浏览器上打开他们的官方网站。因此，新的问题又出现了。

网站的监测可以通过 JavaScript 监测代码（覆盖了PC端网站和移动端网站）。但移动端 APP 原理不一样，不能直接使用原来的 JS 去监测，其实 APP 是要通过 SDK（ Software Development Kit 的简称）去监测数据的。

以下第一个图只覆盖 PC 端网站和移动端网站的监测，第二个图除了覆盖 PC 端网站和移动端网站的监测外，也覆盖了移动端 APP ：

一套 SDK 是不能跨越多个平台的 - 平台在这里指操作系统,如：iOS 、 Android 。 每一种平台都需要有一套独立开发的 SDK 去监测。

举个例子，Firebase Analytics 是一套 Google 专门提供给 APP 监测的工具，它提供的 SDK 中有区分开是 Android SDK 和 iOS SDK 。比如一家电商的 APP ，它提供给用户的 APP 也是按照手机操作系统的，iPhone iOS 用户需要安装这电商的 iOS SDK ，而 Android 用户需要安装这电商的 Android SDK 。所以作为 APP 监测的工具也要给 iOS 和 Android 两个完全不同的操作系统，各自一套独立的 SDK 监测代码（我们有时候把 SDK 叫做 SDK 包）。

第02课：电商数据分析的策略与前期准备

第03课：电商数据分析的埋点实践（上）

第04课：电商数据分析的埋点实践（下）

第05课：数据分析实践1：GA 基础报表分析

第06课：数据分析实践2：GA自定义报表分析

第07课：数据分析实践3：归因模型的选择与转化漏斗的应用

第08课：电商广告数据分析实践与整合

第09课：电商 SEO 数据分析实践：通过 GWT 与 GA 自定义报表进行 SEO 分析工作

第10课：升级 Dashboard 报告：自定义指标、自定义维度的策略与整合

第11课：GA 数据分析实践中常见的坑与解决方法

第12课：业务持续发展：是时候升级数据分析工具了！

阅读全文: http://gitbook.cn/gitchat/column/59b632c808f7233e6250f588