KPI（Key Performance Indicators，关键绩效指标），似乎是一个很熟悉的名词了，很多企业都设置了各种各样的KPI来作为日常绩效考核的指标。公司会用KPI来评估员工的表现，同样网站也需要用KPI来衡量网站的表现，选择好合适的KPI有利于正确地把握网站的运营状况，迅速地做出调整和改进。

网站KPI的定义

　　KPI的设定本来就是基于目标管理的基础上的，用定量的方式来评估目标的实现情况。对于网站而言，KPI是直接与网站目标（Goal）挂钩的，下面是我对网站KPI的一些理解：

1. KPI并不等于网站目标，而是反映目标实现过程中网站在各方面的表现情况的指标；
2. 每个网站对KPI的选择都会存在差异；
3. KPI往往能够直接反映网站的目标实现情况，并且可以被量化；
4. 分析KPI可以发现运营中的问题，并直接指导决策和行为的执行。

　　同时，网站可以设定多个KPI，从多个层面来评估网站的表现，这也是我在标题中用KPIs的原因。

选择KPI的原则

　　基于上面对网站KPI的定义，我们在选择KPI的时候需要注意以下几个原则：

　　首先根据KPI的定义，知道KPI由网站目标决定，所以在选择KPI之前先要明确网站的战略和目标。什么，你不知道你的网站目标是什么？那就问下自己网站存在的意义是什么，或者你建立这个网站是为了实现什么目的。

　　既然网站目标决定了KPI，而对于每个网站而言战略目标都会存在差异，即使网站的类型再相似，其在市场、运营和发展战略上面必然不尽相同，所以就导致了上面KPI定义第二项的差异性；而网站战略会不断变化，所以KPI应该根据网站目标的变化做出调整。

　　网站分析的指标何其之多，我们应该选择哪些指标作为KPI？所以必须把握这个原则：KPI能够直接反映网站目标的实现程度。其实很多网站分析的指标都能反映网站的基本状况，比如访问数（Visits），但它只能反映网站的受欢迎程度，而并非目标，比如Visits的数量无法直接决定电子商务网站的利润，也没法确定那些访问用户是否能够成为博客的忠实读者。所以我们需要寻找更接近目标的指标，Avinash Kaushik先生在他的博客中也一再强调在做分析的时候需要不断探索更加深入和有效的指标。

　　KPI是一个定量指标，可以被衡量，所以在选择KPI的时候，我们必须明确KPI的指标定义，计算逻辑和公式，以及其具体衡量的问题。

　　KPI最终目的是指导我们Make Decisions或者Take Actions，所以在选择的时候必须确定其在这方面能够做出有效的判断，于是就有了Avinash Kaushik的So What Test（有时候自问自答的模式也是挺有效的），假如能够在回答完3个So What前提出有效的解决方案，那么这个指标就过关了。

　　大部分的KPI指标都是可以基于细分的。因为聚合的指标对于决策和行为是无效的，看着网站的总体转化率（Conversion Rate），也许你无法采取任何行动，但通过来源细分organic搜索、PPC和各来源网站的转化率变化趋势，也许你就十分清楚是应该加强SEO还是SEM、或者着重于链接建设了。

几类网站的KPI选择

　　很明显，电子商务网站的目标就是创造更多的利润（当然某些特定的时期也有可能专注于提高订单数或者创造更多购买顾客）；而WEB2.0网站在不断地制造内容、聚合内容、传播内容，他们的目标在于信息的快速通常的流转；而搜索引擎一定希望更多的用户来使用他们的搜索服务，于是他们关注的是用户是否能够通过搜索引擎迅速地找到想要的信息。下面就看下这三类网站各自可以选择哪些KPI：

　　对于电子商务网站，我可能会选择平均订单价值（Average Order Value, AOV）或者平均每次访问销售额（Sales Per Visit, SPV)来作为网站的KPIs，因为这些指标直指网站目标——利润。同时这两个指标都可以基于来源途径、用户类型、产品类型进行细分，可以更清晰地看到哪些渠道带来了最有价值的流量；网站吸引的是哪类用户，应该注重哪块市场的开发；或者网站的哪类商品是核心产品，网站应该坚持20/80法则还是走长尾路线。这些都是战略决策中应该考虑的问题，KPI可能已经给出了直观的参考答案。

　　再来看一下博客类网站，作者都希望自己的文章被更多的读者阅读，所以他们对于博客的目标是更多的忠实读者、更多的评论和订阅，于是他们把忠诚用户访问比率、每次访问的订阅几率或每篇文章的评论数作为KPIs；而对于Blogger.com这类博客平台而言，吸引更多访问量的基础是用户能够不断创造出更高质量的内容，于是他们会把平均每位用户发表文章数或者产生的热门文章数作为自己的KPI，看上去两者存在很大区别，这完全取决于两者目标定位上的差异。

　　同样对于Facebook、Twitter这些Social Media网站而言，他们都是以UGC（User Generated Content）为基础，用户生产的内容或者制造的热门正是他们的价值所在，也就是用户的活跃度的体现，只有足够活跃的网站才能吸引更多的眼球，制造更多的曝光和焦点。所以他们更加会关注每位用户的平均关注人数、发布信息数量、评论和转发信息数等。

　　再看一下搜索引擎，Google另类地提出要让用户更快地离开网站的口号，这正是其自身目标的体现——让用户更方便快捷地找到自己想要的信息，所以是不是Google会把平均每次访问的搜索时间作为它的KPI呢？

　　当然，上面都是作者的一家之言，大家可以各抒己见，基于KPI的定义的基础上，有原则地选择合适的KPI。我想网站的决策层一定会喜欢你为网站量身选择的KPIs的，因为没有比直接衡量网站战略目标更有意思的事了。

　　上一篇文章——直邮营销分析（上）中已经介绍的直邮营销（EDM）的特点及基本的实现流程。这篇文章重点介绍一下与直邮相关的分析指标，这些指标的数据获取方式，及基于直邮实现流程的漏斗模型的构建。

直邮的分析指标

　　因为直邮的分析始终是基于其实现流程的，所以在列举直邮相关的分析指标前，还是再引用下上一篇文章中的实现流程图，这样对照着看会更加清晰：

　　发送邮件数：这个一般是已知的，从可以获取到的邮箱中抽取一定数量的用户作为直邮的对象用户；

　　发送失败邮件数：这里的发送失败是指邮箱服务器有失败响应的邮件，如无效地址、网络错误等，这个也是在发送后可以直接统计得到的（需要注意的是我们无法获取诸如邮件被防火墙屏蔽或者被识别为垃圾邮件等这些意外事件，因为无法知道也就不会被算入发送失败）；

　　打开邮件数：即被用户打开查看阅读的邮件数；

　　点击数：如果邮件中有引导用户进入网站的链接或者call to action的按钮，那么当用户点击这类链接进入网站时就被计入点击数的统计中；

　　上面四种数据是直邮的基础统计数据，基于这些数据我们可以计算得出一些有价值的指标：

　　发送成功邮件数 = 发送邮件数 – 发送失败邮件数

　　邮件发送成功率 = 发送成功邮件数 / 发送邮件数

　　邮件打开率 = 打开邮件数 / 发送成功邮件数

　　邮件点击率（Click-to-Open Rate, CTOR） = 点击邮件数 / 打开邮件数

　　邮件的目的是实现预期的营销目的，所以自然还要统计目标实现的指标，举个例子，比如电子商务的网站用直邮吸引用户购买新出来的产品，那么目标指标就是直邮带来的网站收益，所以直邮的KPI可以是平均每封直邮收益 = 直邮带来的总收益 / 发送成功邮件数；如果目标是吸引用户注册，那么目标指标就是直邮带来的注册用户数，目标转化率 = 直邮带来的注册用户数 / 发送成功邮件数。

　　最后不要忘记还有退订邮件数，以及邮件退订率 = 退订邮件数 / 发送邮件数。

直邮的追踪与数据获取

　　从上面列举的指标中，我们已经知道发送邮件数、发送失败邮件数可以直接获得，而当用户进入网站后的数据也可以从网站分析工具中获取；所以只有邮件的打开和点击情况是由用户操作，并且处于网站之外，是比较难以追踪和获取的一部分数据。

　　关于邮件的打开统计，一般的实现方式是通过Beacon log的形式获取数据，即在邮件中加入1×1px的透明图片，通过统计该图片被加载情况来获取邮件被打开的次数，如果你用的是Google Analytics，当然也有一些解决方案，具体的介绍可以参考之前的文章——NoJS的网站数据统计。但是我在实践的时候发现这种方式只能统计到网页邮箱的邮件打开情况，如果用户使用邮箱客户端（如Outlook等），那么图片请求不会显示在GA的报表上，我猜想是当使用邮箱客户端时，没有相应的URL链接，于是GA无法获取utmp参数也就无法识别和统计，不知道有没有GA的大牛可以提供其它完整的解决方案。

　　关于邮件的点击统计，也许很多同行已经想到了办法，那就是为邮件上每个可点击链接加上URL参数，根据参数进行追踪。如果要用GA，那也相当方便，因为GA提供了广告流量追踪，我们可以使用同样的方法来统计，详细的设置方法可以参考蓝鲸的文章——Google Analytics追踪不同渠道的广告流量。比如我要为我的博客的推广邮件中的“欢迎访问网站数据分析”这个按钮添加追踪链接参数，点击后进入我的博客首页，使用Google的URL构建器（因为Link Tag加的参数都严格区分大小写，所以在这里我全部统一使用小写）：

　　生成的带参数的链接如下：

http://webdataanalysis.net/?utm_source=directmail0915&utm_medium=email&utm_term=%E6%AC%A2%E8%BF%8E%E8%AE%BF%E9%97%AE%E7%BD%91%E7%AB%99%E6%95%B0%E6%8D%AE%E5%88%86%E6%9E%90&utm_content=joeghwu%40gmail.com&utm_campaign=webdataanalysis_promotion

　　细心的朋友可能注意到了，我在Campaign Content（utm_content参数）设置的是一个邮箱地址，是的，我放的是该直邮目标用户的邮箱地址，我们可以用它来追踪每个用户的点击情况（用户可能点击多次，跟踪每个用户的后续操作、目标实现等），当然这个需要根据每封直邮的对象用户进行动态生成，你可以请教下前台开发的同事，他们应该可以搞定。好了，参数加好后就可以将链接加到相应的邮件中去了，之后你只需要统计匹配相应参数的页面请求就行，如果你是用GA等第三方工具，那就只要坐等结果就行。

　　从上图GA的统计中可以看到Tom和Jerry都通过直邮渠道光顾了我的网站，如果你的网站设置了目标（Goal），那么就可以在Goal Set的标签下查看直邮来源的用户的目标实现情况和转化率了。

直邮分析的漏斗模型

　　其实从看到上篇文章的那张直邮的实现流程图之后，可能很多朋友已经想到了，对直邮的统计同样可以使用漏斗模型，因为同样具有相对固定清晰的实现路径（Path）。关于关键路径分析和漏斗模型可以参考我之前的文章——网站转化率与漏斗模型。下面就基于直邮的实现流程来构建一下漏斗模型：

　　具体的计算和分析这里就不展开了，详细可以参考我之前的那篇文章。其实只要成功获取上面提到的各类原始直邮追踪数据，然后通过这些数据计算得出上面直邮分析中相关的指标，那么上面的这个漏斗模型就自然成型了，让直邮整个实现流程的分析一目了然。

我们需要注意些什么

　　直邮从发出到最终实现预期目标需要经历一个如此长的流程，自然流程中某些环节的不确定因素会对整个直邮的分析模型造成影响：

1. 实际收到邮件的用户往往比预期的要少。受到邮件错发、屏蔽和邮箱反垃圾系统的影响，一般实际发送成功的邮件数（用户从收件箱中看到了该邮件）要比发送端显示的发送成功的数要少；
2. 实际邮件的打开数可能比统计到的数字要多。上面已经介绍过了，邮件的打开数是通过Beacon log的方式统计的（图片请求），这种方式只有在支持HTML格式的条件下才能实现，也就是说当不支持HTML格式时，用户打开的是文字形式的邮件，图片无法被加载，那么打开数也就无法被统计到。
3. 实际点击邮件数可能比统计到的数字要多。上面介绍的是通过统计加入相应参数的链接被请求的次数作为该链接被点击的次数，但实际是我们仅仅统计到了链接被点击并成功进入网站的用户，而那些点击了链接，但因为某些原因加载页面失败，或者那些在页面未加载完成之前就关闭了浏览器的用户都是未被统计到的，但这些因素一般可以被忽略。
4. 提供邮件退订功能，分析邮件的退订率。提供退订是对用户的尊重，也是对自身形象的维护，如果用户对该类邮件不感兴趣甚至排斥，提供了退订的按钮可以避免用户直接把邮件归类为垃圾邮件，同时可以避免潜在用户直接流失这种更严重情况的出现；通过分析邮件的退订率我们可以分析直邮的内容对用户是否有足够的吸引力，如果某批直邮的退订率很高，那么显然那封邮件的内容出了问题。

　　好了，我对直邮分析的总结和分享就是这些，你是不是还有更有价值的分析？欢迎评论分享。

　　BTW. 上周末在英国留学的一个同学回国，几个同学一起来我这边聚了下，突然发现有朋友的感觉真好，似乎这个时候才真切地体会到了孔子的“有朋自远方来，不亦乐乎”的真谛。

　　也许你平均每天都会收到一封各类的营销邮件，超市的广告、银行的记账单（里面一般都夹杂着广告）、各类电子商务网站的定期产品促销邮件、也许还有其他网站的产品或应用的更新通知，或者也不知道怎么会发到你的现实或电子邮箱的某些产品的推销广告。以此可以看到直邮营销正在被广泛的应用在各个领域，无论是传统的邮寄投递或者是通过网络的电子邮件，所以就出现了针对直邮的数据分析，这里主要介绍一下基于电子邮件形式的直邮分析。

直邮的特点和类型

　　既然直邮被这么广泛的使用，一定有它的优势所在。直邮（Direct Mail，或者叫EDM，Email Direct Marketing），即直接通过邮件的方式发送的通知、广告等信息，它的特点简单地说就是：“定位准确、成本低、见效快”（都有点像医药的广告了-_-|||）。直邮的用户群体是既定的，也就是有选择性的，这让营销可以面向特定的市场和人群；直邮，尤其是电子邮件方式的直邮几乎没有显性的成本，这也让直邮成为很多促销和推广的首选；通过Email方式发送的直邮几乎可以认为是在发送后实时到达的，而大部分用户都有每天查看邮箱或者不定期地收取邮件的习惯，因此直邮的信息能够迅速地到达用户那边，以便快速地收到用户的反馈。

　　直邮的类型比较多样，根据目的的不同可以分为：

• 用于发展新用户的广告邮件，如邀请用户来使用或购买产品；
• 用于推销产品的促销邮件，如产品的低价促销、活动奖励等；
• 用于保留客户的提醒邮件，如购买商品的过期提醒，对很久未登录用户的召唤等；
• 对用户操作的反馈，如订单状况、付款状况等；
• 通过直邮方式发送的用户调查问卷。

直邮营销的准备

 　　发直邮前需要做哪些准备工作？也许营销部门的同事都已经驾轻就熟了，所以这里只是提一下当我们需要分析直邮数据时，在发直邮前需要做哪些准备：

1. 明确直邮的目的，如吸引用户注册、购买等，这也是基于目标分析的前提；
2. 选择合适的对象，也许可以通过分析用户的历史行为选择合适的用户群体进行精准地投放；
3. 添加追踪的链接参数，主要包括统计直邮打开的带参数的小图片及需要追踪点击的各个链接及按钮的参数设置（这个会在下一篇具体分析的时候介绍）；
4. Call to action按钮及Landing page的设置，这些都将影响直邮营销的效果；
5. 在直邮中添加退订按钮，这是对用户自主选择的尊重，也是直邮分析的需要。

直邮的实现流程

　　好了，所有一切的准备工作都完成了，现在可以开始发送邮件了。那么我们来看一下这封小小的邮件会经历一个怎么样的冒险历程呢？

——图中用黄色标识邮件服务器行为，蓝色标识用户行为

　　其实一封邮件的路途看起来有点坎坷，它在任何时候都有可能经历被抛弃的危险。首先在发送时有可能因为地址无效或者网络问题导致发送失败；在到达用户的邮箱后，很有可能被邮箱服务提供商归为垃圾邮件而被放入垃圾箱；当然也可能招致用户的无视或厌恶，因而被用户直接删除或归为垃圾邮件；自然也会有些幸存者被用户打开了，但如果用户对内容不感兴趣也同样会遭受被抛弃的命运；而剩下的幸运儿们有幸得到了用户的赏识，用户准备点击链接进去看看，这时邮件的使命其实已经完成了，而很多时候大部分的分析工作也在这里“中止”了。

　　根据上面的流程我们其实已经可以得到很多数据：发送邮件数、发送邮件成功数、用户打开邮件数、用户点击邮件数等的行为数据，基于此我们已经可以开展一些分析工作了，但这些数据和分析还远远不够，这也是为什么我上面用“中止”而不是“终止”的原因。其实从上面的流程图中可以看到还有最后一步——实现目标，这是基于目标的分析必须要做的事情，我们的目的并不只是让用户通过直邮进入我们的网站，我们的最终目的是为了让用户实现我们预期的目标（也就是直邮准备第一步中指定的目标），所以分析最终实现目标的用户数才是有意义的，也是对直邮效果的最客观的评价。这时我们可以说已经完成了80%的分析工作了，但我们还可以做得更多，我们可以考量下有没有实行剩下的20%的工作的需要——用户生命周期价值分析，也就是说我们不仅要关注直邮带来的用户的单次价值的实现，更应该关注这些用户是否能够为网站带来持续的价值，当然这类分析的成本也不低，对于某些类型的直邮而言，做好前面80%的工作就已经足够了。

　　哦，对了，不要忘了，用户在打开邮件后，可能觉得这些信息他并不感兴趣，甚至已经有些厌恶了，他不再希望收到这类邮件，于是毫不犹豫地点击了退订按钮，所以我们也需要把用户的退订行为分析进来，这些对于我们也是有用的。

　　这篇文章主要介绍的是直邮的一些特点和实现流程，以及我们可以对直邮做哪些分析。下篇会介绍针对直邮的具体的分析指标及分析方法，会在之后奉上。

　　随着互联网的不断发展，信息更注重实时性，微博的风靡，搜索引擎相继推出实时搜索的功能，但是对于网站分析而言实时的数据是否更有意义呢？

　　其实看数据看报表的人往往希望数据越实时越好，他们希望掌握网站每个小时甚至每十分钟的变化情况，能够对网站的当前状况了如指掌，能够发现问题并快速响应。但其实如果你问下他们在知道了网站数据的实时变化情况后，或者在某个时间段网站访问量突然剧增或者剧增，我们又能做些什么？我估计大多数人答不上来。刚好前段时间在做网站的实时数据统计相关的工作，所以有些想法在这里分享一下。

实时统计的优缺点

　　先不说实时统计到底有用还是没用，先看看如果需要获得实时的统计数据需要做些什么，以及实时的数据能够给我们带来什么，也就是实时统计的Pros and Cons。

　　首先从技术的角度来看一下，很明显实时的数据统计需要更多的资源占用，因为网站分析的数据大部分是需要从点击流数据中计算得到的，并没有现成的结果数据可以直线获取显示。从点击流中获得的数据需要进行计算和汇总，无疑这些操作需要更多的成本，特别对于大型网站的大数据量处理而言，同时实时数据增加了实现的复杂度，并可能会在某种程度上增加数据的不准确性。

　　但是实时的数据统计可以展现在技术层面上处理数据的能力，同时可以提供更丰富的报表展示，甚至在报表上使用动态的趋势图表进行实时刷新，在显示效果上自然不用说，所以有时候很多技术人员也很乐意做这些工作。

　　再从数据应用和分析的角度来看一下，目前很多实时数据统计的结果用于展示网站实时流量的变化情况，哪个时间段的访问量最高，或者网站的整体活跃度最高，同时可以分析每天各小时的流量或用户数分布，但这些分析的对于网站到底有多大的意义？即使知道网站在晚上8、9点的时候有最多的在线用户，我们又能做些什么？网站的压力测试显然不需要通过这种方式来完成。

　　所以个人认为实时统计更多的是对网站实时状态的监控，对于分析而言，没有多大的实际意义，至于能对网站的优化和决策支持起到多少作用，至少我还没有想到。

　　记到Avinash Kaushik在书中提到过一句话：“Real-Time Data: It’s Not Really Relevant, and It’s Expensive to Boot.” 其实我对这句话非常赞同。很多人都会觉得获取实时数据将更有利于做出实时的响应，细粒度的数据也为数据的分析提供了更加细节的基础数据，我们可以基于此做更多的分析工作，但我们需要认清实时数据给我们带来的成本及其真正的价值到底能够体现多少。Avinash Kaushik同时还列举了5中典型的获取实时数据所造成的消极影响，大致可以概括为以下几点：

1. 不要一味追求数据的量，更应该注重数据的质，并通过有效的分析来体现数据的价值；
2. 不符合10/90的原则，实时数据在获取上的成本显然无法和分析价值达成1:9的比例；
3. 过多地关注实时数据会在分析工具的选择上造成拘束，无法使用真正优秀的网站分析工具；
4. 技术上的系统资源占用、任务调度以及复杂的流程；
5. 在某种程度上可能增加数据的不准确性。

　　当然实时数据也不是一点价值都没有，只是出于其成本的考虑，没有必要对每个分析指标进行实时统计，或者花费大量的精力去关注实时数据。

实时数据的价值

　　其实无论是Google Analytics还是百度统计，都提供了部分指标的每小时的统计数据。百度统计将实时数据统计放在网站概况里面显示，也就是用户只要一登录就能看到当天的PV、UV等整点数据的变化趋势：

　　而在Google Analytics中，可能我们会发现GA一般都是以天为单位显示各度量，但其实GA也有以整点统计的数据，只是潜藏的比较“深”，在Visitors—Visitor Trending里面，在Visits、Pageviews、Bounce Rate等报表中会发现右上方时间区间选择下面的时间汇总粒度多了一个选项——Hour，选择后就会看到每天个小时的数据变化趋势：

　　实时数据也并非一无是处，Avinash Kaushik认为当一个公司具有快速的分析能力、快速的决策能力和快速的执行能力时，那么实时的数据就能创造其价值。我这里举几个我想到的应用，如果我们能够获取到每小时的统计数据，那么我们就能知道网站在哪个时间段具有最高的用户访问数，可以在这个时间段做些推广活动，并通过实时的数据统计分析活动的效果，做出快速合理的反应。比如“秒杀”活动就需要在极短的时间内完成统计并展示结果，当然前提是需要在后台的统计系统可以承受的条件下。

　　最后还是借用Avinash Kaushik的一句话作为总结：如果只是为了看实时数据而进行实时统计，而不是根据实时数据做出相应的action，那么实时数据就是相当昂贵的。

　　轮到你了，大家有什么在实时数据分析上的想法吗？也许可以让我之前实现的实时数据产生除了实时监控外更有价值的结果，欢迎留言评论。