本书是目前网站数据挖掘与分析领域最具系统性、深度和商业实践指导价值的著作，作者是来自在线数据分析领域巨擘Webtrekk的官方资深数据分析专家，黄成明、宋星、蓝鲸、宫鑫等近10位国内网站分析领域顶尖专家联袂推荐。
全书从5个维度对网站数据分析进行了全面的讲解：
（1）认知维度：首先是告诉企业和数据分析师应该如何科学地认识网站数据分析，其次是指导企业如何从零开始构建自己的数据体系，最后讲解了数据分析师应该如何从零开始建立自己的成长体系；
（2）技术维度：详细地讲解了网站数据的采集和配置、网站分析工具的选择和使用、网站数据整合的方法、数据监测与评估的指标，以及数据分析的场景和相应的方法；
（3）应用维度：通过10余个商业化的案例，还原了网站数据分析在营销和运营中的应用，不仅从业务层面讲解了数据驱动的营销和运营的方法论，而且还从实操层面讲解了案例的操作过程，可以直接套用到工作中并产出效果；
（4）管理维度：从数据管理者和领导者的角度探讨了如何进行数据风险、数据质量、数据投入和产出、数据流程和落地管理，这些都是作为管理者自我提升的必备知识；
（5）工具维度：对Webtrekk和Adobe Analytics等世界级的网站分析工具报表、指标和重要特性进行了详细的列举，同时包含大量最新的完整代码部署示例。
在线数据分析领域巨擘Webtrekk官方资深数据分析专家撰写，目前最具系统性、深度和商业指导价值的Web数据挖掘与分析专著
技术层面，系统讲解网站数据分析的各种指标、工具、技术和方法；应用层面，通过10余个商业案例还原真实的数据分析场景；管理层面，深入探讨如何进行数据风险、数据质量、数据投入和产出、数据流程和落地管理
自电商时代开启以来，企业便开始重视并挖掘网站数据对于企业经营的价值，进入大数据时代以后，企业对网站数据分析更加重视，因为用户和时代对企业的精细化运营提出了更高的要求。
然而，企业和数据工作从业者在对网站数据分析的认知上存在着多种问题：
第一，数据工作的认知问题。一种是技术论，只关注数据的部署、采集，以及数据分析的工具、技术、模型的重要性，而忽略了应用场景；一种是业务论，只关注应用层面的业务问题，由于缺乏对数据处理的把握及专业技术和工具的支持，导致后期的数据质量和应用都缺乏可靠性依据，最终也影响了数据价值的提炼及应用效果的提升。
第二，数据价值的认知问题。几乎所有企业都意识到数据对于企业的重要性，但是很少有企业能说清楚数据到底对企业有什么作用，不知道哪些数据对企业有作用，不知道如何应用数据分析的结果，更不知道如何去构建企业的数据体系和与数据相关的人才体系。
第三，数据工作的管理问题。数据分析师的主要职责是把数据分析工作做好，但管理者需要思考的不仅是如何完成工作，而是如何建立企业数据架构、数据工作流程、数据应用体系、数据风险与以及质量管理体系。目前，绝大多数管理者都缺乏这些数据管理的思维和能力。
本书旨在帮助读者解决这3方面的问题，帮助读者放开眼界，首先破除网站数据的局限，其次破除数据的局限，最终的落地点是站在企业的角度思考问题。
作者简介
宋天龙（TonySong）
Webtrekk（德国最大的网站数据分析服务提供商）中国区技术和咨询负责人，前国美在线数据分析经理， 数据研究与商业应用博主，资深数据分析领域专家。拥有丰富的数据项目应用经验，参与过企业级流量数据仓库建设、网站流量系统建设、企业BI和DMP搭建、RTB和DSP、决策支持平台、站内个性化推荐、站外个性化营销等大型数据工作项目。参与实施客户案例包括国美、库巴、迪信通，Esprit中国、猪八戒、乐视商城、泰康人寿、合众人寿、酒仙网，Webpower、德国OTTO集团电子商务（中国）等。合作培训的项目包括数盟、互联网分析沙龙、Netconcepts、truemetrics、中商联数据分析委等。
萝卜课堂特邀讲师，百度文库认证作家、站长之家、互联网分析沙龙专栏作家。
内容简介
本书是目前网站数据挖掘与分析领域最具系统性、深度和商业实践指导价值的著作，由来自在线数据分析领域巨擘Webtrekk的官方资深数据分析专家撰写，获得黄成明、宋星、蓝鲸、宫鑫等近10位国内网站分析领域顶尖专家联袂推荐。
全书从5个维度对网站数据分析进行了全面讲解：
认知维度：首先告诉企业和数据分析师应该如何科学地认识网站数据分析，其次指导企业如何从零开始构建自己的数据体系，最后讲解了数据分析师应该如何从零开始建立自己的成长体系；
技术维度：详细地讲解了网站数据的采集和配置、网站分析工具的选择和使用、网站数据整合的方法、数据监测与评估的指标，以及数据分析的场景和相应的方法；
应用维度：通过10余个商业化的案例，还原了网站数据分析在营销和运营中的应用，不仅从业务层面讲解了数据驱动的营销和运营的方法论，而且还从实操层面讲解了案例的操作过程，可以直接套用到工作中并产出效果；
管理维度：从数据管理者和领导者的角度探讨了如何进行数据风险、数据质量、数据投入和产出、数据流程和落地管理，这些都是管理者自我提升的必备知识；
工具维度：对Webtrekk和Adobe Analytics等世界级的网站分析工具报表、指标和重要特性进行了详细的列举，同时包含大量最新的完整代码部署示例。
为什么要写这本书
随着中国商业精细化运营价值的凸显以及企业对数据价值认可度的提高，网站数据分析正变得炙手可热，尤其在互联网企业中，网站数据分析已经成为从业人员必备的一项职业技能。
但在对网站数据进行分析的过程中，我发现企业中普遍存在三类问题，本书就致力于帮助读者解决这三类问题。
第一类是数据工作者的认知问题。
纵观当前与网站数据相关的从业者，或多或少都会存在以下两种认知：第一种是技术论，这种观点的核心是关注数据部署和采集、数据工具、技术、模型的重要性而忽略了应用场景；第二种是业务论，这种观点只关注应用层面的业务问题，由于缺乏对数据前端处理的把握和专业技术、工具的支持，导致后期数据质量和应用都缺乏可靠依据，最终影响了数据价值的提炼及应用效果的提升。
以数据价值为导向的数据分析师应该具备以下素质，这也是贯穿本书的核心思想：
一是立足于数据本身的追本溯源。数据分析师需要了解数据的整个工作链，从数据的产生、采集、存储、提取、挖掘、分析、展现到集成应用，并能在各个环节有独到的见解。
二是着眼于数据应用价值的研究。研究数据如何能更智能化、可视化、自动化，以及如何更有价值地解决业务问题并带来业务价值的直接提升。
不得不说，技术是实现商业理解的必要保证。网站数据分析的传统方法是趋势、细分和转化，但仅有这些方法还不够，很多深层次的问题需要借助其他方法来实现，例如数据挖掘、统计学、人工智能、商业智能等。我从来不认为网站数据分析与数据工作是割裂的，它是数据工作的一部分，所有关于数据的工作方法都可以和网站数据结合使用。但可惜的是，当前将网站分析与其他数据工作方法结合起来的较少，因此，我在本书中用大量的篇幅介绍数据挖掘在网站分析中的应用案例。
第二类是数据价值的认知问题。
对于任何一个企业来说，数据工作都不是企业发展的必需条件，最起码在企业运作初期没有大量数据的情况下企业同样可以快速发展。这时我开始思考数据的价值到底是什么？数据到底能给企业带来什么？如果没有数据企业又会损失什么？归根结底，数据存在的意义是用来解决商业问题的，换句话说数据能给企业带来多少价值，以及这些价值是如何体现在企业的利润报表里面的。作为网站数据分析应该如何带动企业的业务成长，或者如何以单独的形态与业务结成依存关系最终实现自我价值。这些问题是需要讨论的。未来，数据的作用将主要着眼于基于数据驱动和系统智能工作机制，而辅助决策工作将成为数据的一个非主要应用。所以本书在案例篇中重点介绍了基于数据驱动的营销和运营应用，其目的便在于此。
第三类是如何从企业的角度做数据工作管理的问题。
作为初、中级分析师，主要工作职责是把数据本身或数据项目工作做好；但作为管理层的高级分析师或管理者，需要思考的问题不仅是如何完成工作，还包括如何建立企业数据架构、数据工作流程、数据应用体系、数据风险以及质量管理体系，这是站在企业的高度来思考数据的定位及布局的必经之路。
基于以上三类问题，我萌生了写本书的想法，目的是希望读者能够放开眼界，首先破除网站数据的局限性，其次破除数据的局限性，最终站在企业的角度思考问题。作为一本接地气的书，书中列举了大量案例并通过对每个案例的详细介绍来帮助读者进行案例式的学习，希望能带给读者一些新的理解、观念和应用思路，使其无论是在工作机会的选择上还是收入上都能获得较大的帮助。
读者对象
本书适合以下几类从业者阅读。
对数据研究感兴趣的在职人员。无论你从事什么工作，如果你能够将数据的思路、价值和应用方法结合到你的工作实践中，一定会对你现有的工作有所帮助。数据化思维和工作能力已经成为每个在职人员的加分项。
刚入数据行业的新人。如果你是一位刚入行的新人，一定希望能够有一本兼具实战和理论高度的书籍，从全局到局部的每个细节为你理清工作思路并明确职业成长方向。如果你要了解数据在企业内的价值、工作流程，同时想快速融入企业并得到领导的赏识，那么本书绝对适合你。
已经具备一定实践经验的数据从业者。对于已经在数据方面工作1～3年的从业者，相信你们会面临一些瓶颈，并想要在原有数据思维的基础上获得更有效的工作方法和工作价值的提升。本书中丰富的应用案例可以帮助你拨开云雾见青天。
已经具有丰富工作经验的数据从业者。当数据从业者工作3年或3年以上时，就已经有机会从执行层走向管理层了。机会总是留给有准备的人的，作为管理者如何从数据工作流程、制度、风险和绩效方向进行思考并开展工作呢？相信本书会给你满意的答案。
如何阅读本书
本书的正文内容分为四篇，按照数据工作的成长思路来撰写，每篇都对应着一个成长阶段。
认知篇，介绍网站数据分析在企业内的价值体现，以及如何建立个人的数据成长体系、企业数据职能架构与数据价值最大化的定位。本篇的目的是帮助读者快速了解企业内部的整体数据架构、网站数据分析所扮演的角色以及个人在企业中如何进行自我定位和发展。
基础篇，分别介绍了网站数据的采集和配置、网站分析工具的选择、网站数据整合的方法、数据监测与评估指标以及数据分析场景和方法。这些知识是进行数据分析的基本前提，其中的第7章和第8章直接以业务场景为切入点，这部分知识可直接应用到实际工作中。
案例篇，以与网站分析结合最为紧密的营销和网站运营为例，分别介绍了网站数据的辅助决策以及数据驱动的工作内容，通过十多个案例还原数据分析的实际场景，这些案例可以套用到实际工作中并直接发挥作用。
提高篇，从数据管理者和领导者的角度介绍数据风险、数据质量、数据投入与产出、数据流程与落地管理，这些都是作为数据管理者自我提升的必备知识。
除正文内容外，本书还提供了两个附录。
附录A是关于网站分析工具中三个典型工具的特性的具体介绍，包括Webtrekk（主要是Q3）和Adobe Analytics（主要是Sitecatalyst）的默认报表和指标，以及Universal Analytics的通用和自定义代码的部署示例。
附录B总结了关于网站数据工作的局限与发展，从网站数据的价值、认知和技术局限性来阐述其所面临的挑战，展望了未来数据发展的三个方向：整合化、智能化、可视化。
勘误和支持
由于作者的水平有限以及编写时间仓促，书中难免会出现一些错误或者不准确的地方，恳请读者批评指正。为此，作者特意创建一个QQ群以方便大家讨论与沟通（群号：127586352），读者可以将书中的错误发布到群中；如果你遇到任何问题，也可以访问http://www.searchmarketingart.com/并在“书籍讨论区”进行提问，我将尽量在线上为读者提供最满意的解答。书中的全部源文件除可以从该网站“书籍讨论区”下载外，还可以从华章网站（www.hzbook.com）下载，我会将相应的功能更新及时在该网站发布出来。如果你有更多的宝贵意见，还欢迎发送邮件至邮箱：beijingtl@gmail.com，期待能够得到大家的真诚反馈。
致谢
首先要感谢机械工业出版社华章分社的杨福川老师，是他鼓励我写这本书并给予了详细的思路和专业指导，其次感谢全程参与审核、校验等工作的姜影编辑以及其他支持本书出版的相关工作者。
感谢我的领导彭亮以及我的良师益友田学峰，是他们在我的职业生涯中给我非常多的启发和知识拓展的机会，我在工作过程中接触到的各个世界级的网站数据解决方案以及数据工作知识都是基于前辈们已有的宝贵经验。另外，在从网站数据到企业级数据的角色转变过程中，我的几个好朋友、好同事提供了许多帮助，在他们的共同努力下，我才能获得较多关于企业级数据价值的资料，在此对他们也表示感谢，他们是姜继浩、庞程程、吕兆星、赵光娟、郑传峰等。除此之外，还有很多一起奋斗过的小伙伴，如徐子东、陈林、郭靖等，在此就不一一列举了，同样感谢他们对我工作的支持。
感谢我的领导Webtrekk亚太区总监张姝，是她给了我更多学习世界级网站数字智能解决方案的机会并支持我撰写关于Webtrekk的相关内容。
最后感谢我的爸爸、妈妈将我培养成人，并教我正确做人、做事的方法！感谢我的夫人，是她在我写作本书期间默默打理着家里的一切事务，使我有精力、有时间完成本书的全部撰写工作。
谨以此书献给我最亲爱的家人，以及众多热爱数据工作并努力为之奋斗的朋友们！
宋天龙（Tony Song）
北京
计算机科学/大数据分析与处理
自电商时代开启以来，企业便开始重视并挖掘网站数据对于企业经营的价值，进入大数据时代以后，企业对网站数据分析更加重视，因为用户和时代对企业的精细化运营提出了更高的要求。
然而，企业和数据工作从业者在对网站数据分析的认知上存在着多种问题：
第一，对数据工作的认知问题。一种是技术论，只关注数据的部署、采集，以及数据分析的工具、技术、模型的重要性，而忽略了应用场景；一种是业务论，只关注应用层面的业务问题，由于缺乏对数据处理的把握和专业技术、工具的支持，导致后期的数据质量和应用都缺乏可靠性依据，最终也影响了数据价值的提炼及应用效果的提升。
第二，对数据价值的认知问题。几乎所有企业都意识到数据对于企业的重要性，但是很少由企业能说清楚数据到底对企业有什么作用，不知道哪些数据对企业有作用，不知道如何应用数据分析的结果，更不知道如何去构建企业的数据体系和与数据相关的人才体系。
第三，数据工作的管理问题。数据分析师的主要职责是把数据分析工作做好，但管理者需要思考的工作不仅是如何完成工作，而是如何建立企业数据架构、数据工作流程、数据应用体系、数据风险与以及质量管理体系。目前，绝大多数管理者都缺乏这些数据管理的思维和能力。
本书旨在帮助读者解决这3个方面的问题，帮助读者放开眼界，首先破除网站数据的局限，其次破除数据的局限，最终的落地点是站在企业的角度思考问题。
宋天龙 著：
作者宋天龙，TonySong，现任Webtrekk Business Consultant，网站分析和数据的从业者和爱好者，前国美在线数据分析经理，百度文库认证作者，站长之家和互联网分析沙龙专栏作家。
本书赞誉
前 言
认知篇
第1章 科学地认识网站的数据分析 2
1.1 企业为什么要对网站的数据进行分析 2
1.1.1 网站数据分析能为“谁”解决问题 2
1.1.2 网站数据分析能解决哪些问题 3
1.1.3 常见的几种“分析”概念 5
1.2 网站数据分析的5个误区 7
1.3 识别网站数据具有欺骗性的3种形态 11
1.4 辅助决策与数据驱动的争议 15
1.4.1 辅助决策 15
1.4.2 数据驱动 16
1.4.3 辅助决策与数据驱动差异点 17
1.5 本章小结 17
第2章 从零开始建立企业数据体系 18
2.1 数据价值最大化的定位 18
2.1.1 数据价值定位的基本原则 18
2.1.2 数据价值的4种常见定位 20
2.2 企业数据的职能架构与组成 21
2.2.1 企业内部的职能架构 22
2.2.2 企业外部的职能架构 25
2.3 企业数据技术架构与组成 26
2.3.1 数据收集层 27
2.3.2 数据存储层 28
2.3.3 数据计算层 29
2.3.4 数据管理层 34
2.3.5 数据应用层 35
2.4 本章小结 36
第3章 从零开始建立数据分析师个人成长体系 37
3.1 数据分析师的完整知识结构 37
3.2 对数据分析师的职能素质要求 40
3.2.1 工作方向划分 40
3.2.2 工作职位划分 41
3.3 数据分析师成长的4个阶段 42
3.4 给数据分析师的5点建议 45
3.5 本章小结 47
基础篇
第4章 网站数据采集和配置 50
4.1 网站分析系统的数据工作机制 50
4.1.1 数据采集 50
4.1.2 数据处理 53
4.1.3 数据报告 55
4.2 网站代码部署 55
4.2.1 通用全局的脚本部署 56
4.2.2 通用页面的脚本部署 59
4.2.3 特定页面的脚本部署 62
4.3 系统功能配置 63
4.3.1 数据安全设置 63
4.3.2 数据处理设置 64
4.3.3 数据转化设置 79
4.3.4 数据整合设置 81
4.3.5 数据智能工作设置 82
4.4 本章小结 86
第5章 网站分析工具的选择 87
5.1 网站分析工具 87
5.1.1 Adobe Analytics 89
5.1.2 Webtrekk 106
5.1.3 Webtrends 112
5.1.4 Google Analytics 114
5.1.5 IBM Coremetrics 122
5.1.6 Piwik 125
5.1.7 百度统计 127
5.2 移动分析工具 128
5.2.1 Flurry 128
5.2.2 友盟 134
5.3 如何选择网站分析工具 135
5.3.1 整体解决方案的能力 135
5.3.2 产品易用性 136
5.3.3 功能丰富性 137
5.3.4 增值服务价值 140
5.3.5 价格和费用 141
5.4 本章小结 142
第6章 网站数据整合的方法 143
6.1 网站数据整合的意义 143
6.2 网站数据整合的范畴 144
6.2.1 业务数据整合 144
6.2.2 IT数据整合 153
6.3 网站数据整合的方法 156
6.3.1 在线数据整合 156
6.3.2 本地数据整合 163
6.4 本章小结 170
第7章 数据监测与评估指标 171
7.1 业务效果流指标 171
7.1.1 站外推广类指标 171
7.1.2 网站运营类指标 172
7.1.3 企业会员类指标 182
7.1.4 呼叫中心类指标 186
7.1.5 仓储配送类指标 188
7.2 成本控制流指标 193
7.3 收益控制流指标 197
7.4 本章小结 201
第8章 数据分析场景和方法 202
8.1 以效果预测为目的的数据分析 202
8.1.1 效果预测是什么 202
8.1.2 效果预测的两种类型 203
8.1.3 效果预测的应用场景 203
8.1.4 预测结果的常用方法 204
8.2 以结论定义为目的的数据分析 211
8.2.1 结论定义是什么 211
8.2.2 结论定义的4种方向 212
8.2.3 结论定义的3个误区 213
8.2.4 下结论的常用方法 215
8.3 以数据探究为目的的数据分析 218
8.3.1 数据探究是什么 218
8.3.2 数据探究的两种类型 218
8.3.3 探究原因的分析方法 219
8.4 以业务执行为目的的数据分析 222
8.4.1 业务执行是什么 222
8.4.2 业务执行的两种类型 222
8.4.3 提取业务执行建议的常用方法 223
8.5 正确的数据模型与算法选择观 228
8.6 本章小结 229
案例篇
第9章 网站数据的营销辅助应用 232
9.1 网站营销分析辅助决策报告矩阵 232
9.2 三种常用的网站营销分析场景 239
9.2.1 营销前的媒体规划与效果预测 239
9.2.2 营销时的异常检测与及时反馈 241
9.2.3 营销结果总结与项目分析 243
9.3 常用的网站营销分析维度 245
9.3.1 目标端 245
9.3.2 媒体端 245
9.3.3 用户端 249
9.3.4 网站端 249
9.3.5 竞争端 251
9.3.6 其他因素 252
9.4 网站营销辅助决策四大案例 253
9.4.1 恶意流量分析 253
9.4.2 多渠道订单归因分析 259
9.4.3 渠道效果聚类 274
9.4.4 营销效果分析 286
9.5 本章小结 295
第10章 数据驱动下的数字营销应用 297
10.1 数字营销的概念和范围 297
10.2 数字营销发展的三个阶段 298
10.3 个性化媒体投放的价值 298
10.4 个性化媒体投放的技术架构 299
10.4.1 数据层 300
10.4.2 算法层 301
10.4.3 API层 304
10.4.4 应用层 305
10.5 个性化媒体投放的实现 306
10.5.1 个性化媒体投放的实现方式 306
10.5.2 如何选择优秀的服务提供商 307
10.6 个性化媒体投放的问题 307
10.7 本章小结 309
第11章 网站数据的运营辅助应用 310
11.1 网站运营分析辅助决策报告矩阵 310
11.2 三类常见的网站运营分析场景 311
11.2.1 点：面向单体坑位的辅助分析 311
11.2.2 线：面向站内流程的优化与提高 314
11.2.3 面：面向整体网站资源的价值最大化 318
11.3 常用的网站运营分析维度 319
11.3.1 目标端 319
11.3.2 运营端 320
11.3.3 用户端 322
11.3.4 网站端 323
11.3.5 竞争端 324
11.3.6 其他因素 325
11.4 网站运营辅助决策四大案例 325
11.4.1 站内广告位效果标杆管理 326
11.4.2 网站用户调研 330
11.4.3 站内活动分析 338
11.4.4 商品销售诊断 354
11.5 本章小结 362
第12章 数据驱动下的个性化运营应用 363
12.1 网站运营的概念和范围 363
12.2 网站运营发展的三种形态 364
12.3 个性化网站运营的价值 364
12.4 个性化网站运营的应用 365
12.4.1 个性化网站运营的在线应用 365
12.4.2 个性化网站运营的离线应用 368
12.5 个性化网站运营的实现 369
12.6 个性化网站运营遇到的问题 371
12.7 本章小结 372
提高篇
第13章 数据风险管理与控制 374
13.1 数据风险管理的概念 374
13.2 数据风险管理的类型 375
13.3 数据风险管理的原则 378
13.4 数据风险管理与控制 379
13.5 本章小结 383
第14章 数据质量把控与建设 384
14.1 数据质量建设的内涵 384
14.2 数据质量建设的原则 386
14.3 影响数据质量的常见因素 389
14.4 数据质量建设的框架 391
14.4.1 数据质量管理 391
14.4.2 数据监督管理 398
14.4.3 数据生命周期管理 399
14.5 本章小结 402
第15章 数据投入与产出管理 404
15.1 数据投入与产出的内涵 404
15.2 数据投入与产出的特征 405
15.3 数据投入与产出的管理 406
15.3.1 数据投入管理 406
15.3.2 数据产出管理 408
15.3.3 数据投入与产出优化 410
15.4 本章小结 413
第16章 数据流程与落地管理 414
16.1 数据流程与落地管理的内涵 414
16.2 数据流程与落地管理的意义 415
16.3 数据流程与落地管理的策略 416
16.4 数据流程与落地管理的框架 418
16.4.1 数据需求管理 419
16.4.2 项目工作流程 421
16.4.3 数据培训体系 424
16.4.4 权限管理流程 426
16.4.5 数据知识管理 427
16.5 本章小结 428
附录A 网站分析工具的特性及代码部署 429
附录B 企业网站数据工作的局限与发展 457
