<?xml version="1.0" encoding="UTF-8"?><rss version="2.0"
	xmlns:content="http://purl.org/rss/1.0/modules/content/"
	xmlns:dc="http://purl.org/dc/elements/1.1/"
	xmlns:atom="http://www.w3.org/2005/Atom"
	xmlns:sy="http://purl.org/rss/1.0/modules/syndication/"
		>
<channel>
	<title>《网站用户的识别》的评论</title>
	<atom:link href="http://webdataanalysis.net/personal-view/web-user-identification/feed/" rel="self" type="application/rss+xml" />
	<link>http://webdataanalysis.net/personal-view/web-user-identification/</link>
	<description>通过网站分析与数据分析实现网站优化</description>
	<lastBuildDate>Tue, 21 Apr 2015 08:18:18 +0000</lastBuildDate>
	<sy:updatePeriod>hourly</sy:updatePeriod>
	<sy:updateFrequency>1</sy:updateFrequency>
	<generator>http://wordpress.org/?v=3.5.1</generator>
	<item>
		<title>作者：Google Analytics中的IP地址 &#124; 内容采集</title>
		<link>http://webdataanalysis.net/personal-view/web-user-identification/#comment-294</link>
		<dc:creator>Google Analytics中的IP地址 &#124; 内容采集</dc:creator>
		<pubDate>Sat, 07 Mar 2015 13:35:13 +0000</pubDate>
		<guid isPermaLink="false">http://webdataanalysis.net/?p=215#comment-294</guid>
		<description><![CDATA[[...] 相对来说使用第一方cookie来辨别访问者身份比使用IP地址更加准确一些，但cookie也有自己的问题，比如访问者或第三方工具清除cookie，访问者更换电脑或浏览器上网，页面JS文件失败等等。更多识别访问者身份的方法请参考joegh的网站用户识别的文章。在omniture和webtrends中可以根据需求选择使用IP地址或是Cookie来识别访问者身份，并可以设置优先级。Google Analytics默认使用第一方cookie来识别访问者身份。 [...]]]></description>
		<content:encoded><![CDATA[<p>[...] 相对来说使用第一方cookie来辨别访问者身份比使用IP地址更加准确一些，但cookie也有自己的问题，比如访问者或第三方工具清除cookie，访问者更换电脑或浏览器上网，页面JS文件失败等等。更多识别访问者身份的方法请参考joegh的网站用户识别的文章。在omniture和webtrends中可以根据需求选择使用IP地址或是Cookie来识别访问者身份，并可以设置优先级。Google Analytics默认使用第一方cookie来识别访问者身份。 [...]</p>
]]></content:encoded>
	</item>
	<item>
		<title>作者：向上营销、交叉营销与关联推荐 &#124; 内容采集</title>
		<link>http://webdataanalysis.net/personal-view/web-user-identification/#comment-293</link>
		<dc:creator>向上营销、交叉营销与关联推荐 &#124; 内容采集</dc:creator>
		<pubDate>Mon, 23 Feb 2015 18:35:14 +0000</pubDate>
		<guid isPermaLink="false">http://webdataanalysis.net/?p=215#comment-293</guid>
		<description><![CDATA[[...] 这里以电子商务网站为例来说明一下关联规则的具体实现。目前大部分电子商务网站都提供用户注册的功能，而购物的用户一般都是基于登录的条件下完成的，所以这里为用户识别提供了最为有效的标示符——用户ID（关于用户识别的方法，请参考这篇文章——网站用户的识别）；同时网站会把所有用户的购物数据储存在自己的运营数据库里面，这个为用户行为分析提供了数据基础——用户历史购物数据。所以满足了上述的前两个条件，我们就可以着手进行分析了。 [...]]]></description>
		<content:encoded><![CDATA[<p>[...] 这里以电子商务网站为例来说明一下关联规则的具体实现。目前大部分电子商务网站都提供用户注册的功能，而购物的用户一般都是基于登录的条件下完成的，所以这里为用户识别提供了最为有效的标示符——用户ID（关于用户识别的方法，请参考这篇文章——网站用户的识别）；同时网站会把所有用户的购物数据储存在自己的运营数据库里面，这个为用户行为分析提供了数据基础——用户历史购物数据。所以满足了上述的前两个条件，我们就可以着手进行分析了。 [...]</p>
]]></content:encoded>
	</item>
	<item>
		<title>作者：网站数据分析：识别用户的方法有那些？ &#124; 内容采集</title>
		<link>http://webdataanalysis.net/personal-view/web-user-identification/#comment-292</link>
		<dc:creator>网站数据分析：识别用户的方法有那些？ &#124; 内容采集</dc:creator>
		<pubDate>Thu, 12 Feb 2015 04:28:37 +0000</pubDate>
		<guid isPermaLink="false">http://webdataanalysis.net/?p=215#comment-292</guid>
		<description><![CDATA[[...] Via：网站数据分析 [...]]]></description>
		<content:encoded><![CDATA[<p>[...] Via：网站数据分析 [...]</p>
]]></content:encoded>
	</item>
	<item>
		<title>作者：Google Website Optimizer报告解读 - 超越光速 &#8211; 广东机电学院第三方电子商务服务平台</title>
		<link>http://webdataanalysis.net/personal-view/web-user-identification/#comment-291</link>
		<dc:creator>Google Website Optimizer报告解读 - 超越光速 &#8211; 广东机电学院第三方电子商务服务平台</dc:creator>
		<pubDate>Tue, 27 May 2014 02:19:59 +0000</pubDate>
		<guid isPermaLink="false">http://webdataanalysis.net/?p=215#comment-291</guid>
		<description><![CDATA[[...] 　　我用GWO实现了一个最简单的A/B测试，一个原始版本和一个测试版本，输出的报告主要是比较实验过程中设定的转化率。上方的折线图显示的是原始版本和实验版本的转化率趋势，截至目前的转化情况显示在下方表格的最右侧（Conv./Visitors），从指标名称看，GWO衡量转化率用的是转化的用户数，应该使用Cookie来唯一识别用户（这里仅是在博客新建了几个简单测试页面，所以数据量较小，而转化率相比正常网站都明显偏高）。 [...]]]></description>
		<content:encoded><![CDATA[<p>[...] 　　我用GWO实现了一个最简单的A/B测试，一个原始版本和一个测试版本，输出的报告主要是比较实验过程中设定的转化率。上方的折线图显示的是原始版本和实验版本的转化率趋势，截至目前的转化情况显示在下方表格的最右侧（Conv./Visitors），从指标名称看，GWO衡量转化率用的是转化的用户数，应该使用Cookie来唯一识别用户（这里仅是在博客新建了几个简单测试页面，所以数据量较小，而转化率相比正常网站都明显偏高）。 [...]</p>
]]></content:encoded>
	</item>
	<item>
		<title>作者：网站用户的识别_读懂_钛媒体网</title>
		<link>http://webdataanalysis.net/personal-view/web-user-identification/#comment-290</link>
		<dc:creator>网站用户的识别_读懂_钛媒体网</dc:creator>
		<pubDate>Wed, 13 Nov 2013 00:18:06 +0000</pubDate>
		<guid isPermaLink="false">http://webdataanalysis.net/?p=215#comment-290</guid>
		<description><![CDATA[[...] 来源：网站数据分析 [...]]]></description>
		<content:encoded><![CDATA[<p>[...] 来源：网站数据分析 [...]</p>
]]></content:encoded>
	</item>
	<item>
		<title>作者：钛媒体网 &#124; 向上营销、交叉营销与关联推荐</title>
		<link>http://webdataanalysis.net/personal-view/web-user-identification/#comment-289</link>
		<dc:creator>钛媒体网 &#124; 向上营销、交叉营销与关联推荐</dc:creator>
		<pubDate>Wed, 09 Oct 2013 02:01:13 +0000</pubDate>
		<guid isPermaLink="false">http://webdataanalysis.net/?p=215#comment-289</guid>
		<description><![CDATA[[...] 这里以电子商务网站为例来说明一下关联规则的具体实现。目前大部分电子商务网站都提供用户注册的功能，而购物的用户一般都是基于登录的条件下完成的，所以这里为用户识别提供了最为有效的标示符——用户ID（关于用户识别的方法，请参考这篇文章——网站用户的识别）；同时网站会把所有用户的购物数据储存在自己的运营数据库里面，这个为用户行为分析提供了数据基础——用户历史购物数据。所以满足了上述的前两个条件，我们就可以着手进行分析了。 [...]]]></description>
		<content:encoded><![CDATA[<p>[...] 这里以电子商务网站为例来说明一下关联规则的具体实现。目前大部分电子商务网站都提供用户注册的功能，而购物的用户一般都是基于登录的条件下完成的，所以这里为用户识别提供了最为有效的标示符——用户ID（关于用户识别的方法，请参考这篇文章——网站用户的识别）；同时网站会把所有用户的购物数据储存在自己的运营数据库里面，这个为用户行为分析提供了数据基础——用户历史购物数据。所以满足了上述的前两个条件，我们就可以着手进行分析了。 [...]</p>
]]></content:encoded>
	</item>
	<item>
		<title>作者：网站用户的识别 &#124; leojunp</title>
		<link>http://webdataanalysis.net/personal-view/web-user-identification/#comment-288</link>
		<dc:creator>网站用户的识别 &#124; leojunp</dc:creator>
		<pubDate>Thu, 03 Oct 2013 12:31:11 +0000</pubDate>
		<guid isPermaLink="false">http://webdataanalysis.net/?p=215#comment-288</guid>
		<description><![CDATA[[...] 原文地址：《网站用户的识别》 [...]]]></description>
		<content:encoded><![CDATA[<p>[...] 原文地址：《网站用户的识别》 [...]</p>
]]></content:encoded>
	</item>
	<item>
		<title>作者：&#8211; 网站新老用户分析</title>
		<link>http://webdataanalysis.net/personal-view/web-user-identification/#comment-287</link>
		<dc:creator>&#8211; 网站新老用户分析</dc:creator>
		<pubDate>Thu, 27 Jun 2013 07:09:24 +0000</pubDate>
		<guid isPermaLink="false">http://webdataanalysis.net/?p=215#comment-287</guid>
		<description><![CDATA[[...] 对于网站用户的识别，之前写过一篇相关的文章——网站用户的识别，里面主要是在基于点击流日志的基础上提供的4类识别用户的方法，可以作为参考。但对于新老用户的辨别可能根据网站自身的特定而有不同的定义方法。 [...]]]></description>
		<content:encoded><![CDATA[<p>[...] 对于网站用户的识别，之前写过一篇相关的文章——网站用户的识别，里面主要是在基于点击流日志的基础上提供的4类识别用户的方法，可以作为参考。但对于新老用户的辨别可能根据网站自身的特定而有不同的定义方法。 [...]</p>
]]></content:encoded>
	</item>
	<item>
		<title>作者：向上营销、交叉营销与关联推荐 — 互联网分析</title>
		<link>http://webdataanalysis.net/personal-view/web-user-identification/#comment-286</link>
		<dc:creator>向上营销、交叉营销与关联推荐 — 互联网分析</dc:creator>
		<pubDate>Sat, 23 Feb 2013 23:37:49 +0000</pubDate>
		<guid isPermaLink="false">http://webdataanalysis.net/?p=215#comment-286</guid>
		<description><![CDATA[[...] 这里以电子商务网站为例来说明一下关联规则的具体实现。目前大部分电子商务网站都提供用户注册的功能，而购物的用户一般都是基于登录的条件下完成的，所以这里为用户识别提供了最为有效的标示符——用户ID（关于用户识别的方法，请参考这篇文章——网站用户的识别）；同时网站会把所有用户的购物数据储存在自己的运营数据库里面，这个为用户行为分析提供了数据基础——用户历史购物数据。所以满足了上述的前两个条件，我们就可以着手进行分析了。 [...]]]></description>
		<content:encoded><![CDATA[<p>[...] 这里以电子商务网站为例来说明一下关联规则的具体实现。目前大部分电子商务网站都提供用户注册的功能，而购物的用户一般都是基于登录的条件下完成的，所以这里为用户识别提供了最为有效的标示符——用户ID（关于用户识别的方法，请参考这篇文章——网站用户的识别）；同时网站会把所有用户的购物数据储存在自己的运营数据库里面，这个为用户行为分析提供了数据基础——用户历史购物数据。所以满足了上述的前两个条件，我们就可以着手进行分析了。 [...]</p>
]]></content:encoded>
	</item>
	<item>
		<title>作者：网站用户的生命周期价值 - 博客 - 伯乐在线</title>
		<link>http://webdataanalysis.net/personal-view/web-user-identification/#comment-285</link>
		<dc:creator>网站用户的生命周期价值 - 博客 - 伯乐在线</dc:creator>
		<pubDate>Sun, 16 Sep 2012 15:08:19 +0000</pubDate>
		<guid isPermaLink="false">http://webdataanalysis.net/?p=215#comment-285</guid>
		<description><![CDATA[[...] 首先就是如何识别用户是首次访问，也就是该访问用户是新用户（New Visitor），大家估计已经注意到了在Google Analytics工具中的Visitors模块中有一项是根据New和Returning对用户进行细分，Google Analytics可以根据是否存在Cookie来进行细分，用户识别还有很多其他方法，可以参考我之前的文章——网站用户的识别，但不得不说无论何种方法对新用户的识别都存在一定的不准确性。 [...]]]></description>
		<content:encoded><![CDATA[<p>[...] 首先就是如何识别用户是首次访问，也就是该访问用户是新用户（New Visitor），大家估计已经注意到了在Google Analytics工具中的Visitors模块中有一项是根据New和Returning对用户进行细分，Google Analytics可以根据是否存在Cookie来进行细分，用户识别还有很多其他方法，可以参考我之前的文章——网站用户的识别，但不得不说无论何种方法对新用户的识别都存在一定的不准确性。 [...]</p>
]]></content:encoded>
	</item>
</channel>
</rss>

<!-- Dynamic page generated in 0.542 seconds. -->
<!-- Cached page generated by WP-Super-Cache on 2024-11-09 06:26:13 -->
