HappyFranc

最近很少更新，主要原因在于觉得网站分析碰到了瓶颈，很多东西不得不让我去好好地思考。

做了五六年的专职网站分析工作，在国外的几年也有幸接触到很多非常优秀的网站分析师，越来越觉得要做好网站分析不是一件容易的事，原因很多，所处的环境也不同，就我个人而言主要有如下几个阶段：

一、当刚接触到网站分析的前一两年，那是新奇与兴奋。当我开始使用HBX，Coremetrics，看到Omniture SiteCatalyst, 看到免费的Google Analytics等等非常好的工具，以及那么多可以拿到的指标。觉得网站分析很神奇，我可以了解用户的所有行为。这个阶段，我做了很多很多的报告，给公司各个level上至CEO下至Marketer提供各种各样的数据，诸如网站的整体流量，页面的表现，流量的来源，各渠道流量的质量，站内搜索行为，站外引擎的情况，等等。我相信很多网站分析人员目前所处的阶段跟我当时是一样的，就是reporter的角色远远大于analyst。但是这个过程是很有必要的，因为只有经过这样的过程，你才能对分析系统有深入的了解，知道各个指标的详细定义，并且知道什么情况下大概需要什么样的指标来衡量。

二、接触网站一段时间之后，就发现其实不知道的还有很多，变得越来越谨慎与小心。这个时候，我会用更高级一些的分析功能，诸如segment, path, scenario等。大概情况是这样，当你需要对很多人提供越来越多的数据的时候，你就会发现数据源会越来越多，不仅仅是你这儿的数据源，还有其他人能接触到的数据源，但是这些数据源很多情况下数据是不一致的，会有很多人来

引用

rhaozhi 的 电子商务的数学问题：代数与几何

◎电子商务第一阶段：代数题

电子商务在中国飞速发展，进入市场者前仆后继。事实上电子商务在 所有的互联网服务中，是最能够说清楚商业模式的一种类型，至少 比目前还不知道营利模式何在的社交网络服务要清晰得太多。如果要 把电子商务比喻成一道算术题，他的公式可能会是这样的：

收入 = 网站访客数 x 订单转化率 x 均单值

简单说就是网站来了多少多少人，其中有多少人下了单，平均每一单 多少钱。再往下细分，网站访客数还可能等于新访客加上老访客的数 量，其中部分的新访客数等于对外投放广告的曝光数乘上广告点击率 ；而老访客可能等于既有的会员数乘上老会员的回访率等等。

电子商务经营者的共通难题是如何提升网站访客数同时兼顾订单转化 率，而这个问题牵涉到广告的投放精准度与效率，网站本身使用的容 易度与设计美感，品牌力，商品（价格）竞争力，是否提供足够的促 销诱因等等。

此外，让第一次购买的顾客以后会记得长期回来，这件事情至关重要 ，因为这代表著平均获得访客的成本降低。而回头率要高，跟整体的 购物经验包含配送速度，客户服务等相关。虽说公式很明晰，但是要 做到却一点也不容易。说电子商务是个杂学真是一点也不为过。

但凡要开发一个产品，都想让目标用户来用，最好每天都来用，那不管如何产品经理开心，产品相关人员开心，老板更开心了。那决定这结果的因素那是很多，是否符合互联网发展趋势，产品在整个公司战略的地位和所能获取的资源，前期是否有充足的市场调研和用户研究，产品的定位和功能是否瞄准用户的需求或潜在需求，产品的设计是否能够切合或激发目标用户的喜好，性能是否足够稳定，产品产生过程以及开发后的运营是否跟上。一环扣一环，任何一环的盲目拍脑袋式的臆断，都可能使产品夭折。

然而，对产品的运营与推广，在整个产品过程中举足轻重，一个不好的产品经过精心运营可以变成好产品，一个好的产品没有得到体系的运营也不能成功。而产品运营中，是否能够及时监控数据以及深入分析以优化调整方案基本可以决定运营的成败，这种调整涉及到产品定位的调整、产品功能的优化、产品设计的调整、运营方案的调整、客户服务策略的调整，都以实际的数据分析结果为向导来优化，这样方能客观，更高级的是直接以数据的分析来定位产品、开发产品，形成数据化的产品，一切以数据为基础，这就是数据化的运营。

但往往现实并不全是这样，很多时候只是一些简单的数据指标来考核结果，而对过程的分析少之又少，更不用说迭代的优化和调整，并不能有效积累足够的可以借鉴的经验。这个最首先的就是有没有这样的氛围有没有这样的思维。

某老大说，咱们搞个活动吧，这样搞这样搞。Ok，搞吧，然后活动上线了，看数据没上去，为什么？应该是。。。可能吧，那我们应该怎么调整，脑袋一拍，我们再上个活动，如此重复这样的氛围永远都得不到真知灼见，并不能挖掘到闪光的金子。

Mindjet MindManager 思维导图空间快捷键：

Mindjet MindManager 思维导图空间，可以先行记住最需要，Mindjet MindManager 思维导图空间最常用的3个快捷键，然后尽量多的运用它们。熟练了以后，再挑选3个进行练习。

制图

Insert or CTRL + Enter: 添加副主题

Enter: 添加同级主题（向下）

Shift + Enter: 添加同级主题（向上）

CTRL + Shift + Insert: 添加上级主题

CTRL + Shift + Enter: 添加说明

CTRL + Shift + B: 添加边框

F2: 编辑主题内容

CTRL + T: 显示或者隐藏主题说明窗口

CTRL + K: 添加超链接

移动主题

CTRL + Alt + Up arrow: 将主题向上移动一个位置

CTRL + Alt + Down arrow: 将主题向下移动一个位置

CTRL + Alt + Home: 将选中主题移至最高位置

CTRL + Alt + End:   将选中主题移至最低位置

CTRL + Alt + B: 将导图内容平衡分布

格式

CTRL + B:  粗体

CTRL + I: 斜体

CTRL + U: 下划线

看到这篇很基础的文章，转过来学习一下

SPSS检验相关之原理篇

统计假设检验有很多，从大的方面包括参数检验与非参数检验。参数检验有我们常见的关于方程模型显著性检验的F检验，方程参数的T检验等；而非参数检验中比较常见的则包括符号检验、秩和检验以及游程检验。提到参数检验时，不得不说的一个概念就是P-值，也就是SAS&SPSS等统计软件输出结果中的做sig.值，到底什么是sig.值是什么，它与我们平时所熟悉的概率P有什么关系，最初它是怎样形成的……提到这些，不得不提到的概念有上分位点、两类错误（弃真和纳伪）以及阀值K又是怎样一回事？下面我将一一道来：

图1  α值与P值的关系图

一、相关统计概念

1.上分位点

学统计的同学都知道正态分布，而上分位点的由来正与正态分布有关。最初由标准正态分布由来，随后扩展到t分布，F分布,卡方等其他分布。下面以标准正态分布为例，设X~N（0,1），若Zα满足条件

P{X> Zα}=α，0<α<1

则称点Zα为标准正态分布的上α分位点，例如： Z0.05=1.645，Z0.005=2.57，Z0.001=3.10

2.两类错误

简单的讲两类错误是指第一类错误："弃真"错误（其发生的概率常用α表示）；第二类错误："取伪"错误（其发生的概率常用β表示）。