方法10:链路标签的流量标记

　　链接标签标志着流量的来源，绝对是所有方法中最基本最重要的。该方法不仅适用于网站的流量源，也适用于app下载源的监控(但后者需要满足一定条件)。

　　链接标签意味着向流量源的链接出链接(链接出URL)添加尾部参数。这些参数不仅不影响链路的跳转，还可以指示链路属于什么流量源(理论上可以指示流量源的属性数量不限)。

　　链接标签不能单独工作，但必须借助网络分析工具或应用程序分析工具。

　　链接标签是流量分析的基础。要认真分析流量，不仅是常规分析，还有属性分析，都需要使用链接标签的方法。

　　方法9:转化漏斗

　　分析转化的基本模型是转化漏斗，大家应该都很熟悉。

　　最常见的转化漏斗是把最终的转化设定为某个目的的实现，最典型的是实现销售，所以人们往往把转化和销售混为一谈。但是，转换漏斗的最终转换也可以出于任何其他目的实现，例如每次使用应用程序超过10分钟(会话持续时间)

　　10分钟).对于成长中的黑客来说，建立漏斗是最常见的工作。

　　漏斗帮助我们解决两个问题。第一，一个流程是否有漏洞。如果有泄漏，我们可以在漏斗中看到，通过进一步分析堵塞泄漏点；第二，是否有其他过程不应该出现在一个过程中，对主转化过程造成损害。

　　漏斗的构建非常简单，web和app都是最好的方法。但是漏斗使用的奥秘非常丰富。而且漏斗法会和其他方法混在一起，很好玩。我也会在互联网数据运营的过程中详细说明。

　　方法8:微转化

　　大家都知道转化漏斗，但不是每个人都关注微观转化。但是你指望一个转化漏斗不断提高转化率太难了，而微观转化是可以实现的。转化漏斗解决了转化过程中的大问题，但大问题总是有限的。这些问题解决后，你还是需要不断优化自己的转型。这个时候，你必须使用微转换。

　　微观转化是指超出转化必要过程的各种要素，同时也对转化产生影响。这些元素与用户之间的交互影响用户的感受，直接或间接影响用户的决策。比如商品的一些图片在转化过程中不是必须的，但是它们的存在会对用户的购买决策产生影响吗？这些图片都是微变元素。

　　方法7:合并相似的项目

　　合并相似的项目是一种很容易被忽视的常见方法。我们往往很重视细分，但有时需要了解更多的宏观表现。

　　合并类似的项目就是这样一种方法。我问你，比如一个电商网站，所有产品页面的整体表现如何？他们的整体跳出率怎么样，停留时间怎么样，用户满意度怎么样等等。你能回答吗？

　　如果看每一个产品页面的表现，然后把一个页面的所有数据汇总起来分析，那就太麻烦了(分析根本无法实现)。这时，我们必须合并类似的项目。

　　怎么合并？使用分析工具的过滤工具或查找替换功能。可以考虑扔掉不支持这个功能的工具，因为根本不应该放在成长中的黑客的专业装备箱里。

　　合并相似的项目有许多用途。比如你想知道web或者app的某个版块(频道)的整体性能，或者想知道整个导航系统的使用情况，这些都是必须要用到的。

　　方法6:抗体试验

　　成长黑客不谈AB测试，真可惜。

　　通过数据优化运营和产品的逻辑很简单。看到问题，想到一个想法，做原型，测试定型。

　　比如你在转化漏斗中间发现了一个漏洞，所以你觉得，商品的价格一定是错的，让人不想买。你看到了问题——漏斗，你也想出了——改定价的主意。

　　但是这个想法不靠谱。这不是你的主意。必须是真实用户使用。所以你用AB测试，一部分用户还是看到旧价格，一部分用户看到新价格。如果你的想法真的行得通，新的价格应该更好地转化。如果是这样的话，新的价格就确定了(敲定了)，就开始在新的转型高度上运行，直到你发现一个需要改进的新问题。

　　成长中的黑客的主要思想之一，不是做一件大而全的事情，而是不断做一些小而精，可以快速验证的事情。快速验证，如何？主要方法是AB测试。

　　当今互联网世界，由于流量红利时代的结束，对快速迭代的要求大大提高，这也让我们更加注重测试的力量。

　　在网上测试AB很简单，但是在app上就难多了，但是解决方案还是很多的。国外经典应用和卖钱游戏几乎每天都在AB测试。

　　方法5:热图和对比热图

　　热图是最喜欢的功能，是记录用户与产品界面交互最直观的工具。然而，如果你真的使用它，你可能很少真正深入其中。热图对于web和app的分析非常重要！与过去的热图相比，今天的热图的功能有了很大的提高。

　　在web端，曾经有一些无法很好解决的问题，比如只看链接的点击情况，点击位置错位，浮动层部分点击的标注，链接出链接的标注等等。现在有很好的工具可以提供很多新的解决方案。在app端，有两种情况。基于内容的app对热图的需求较弱；然而，工具的应用对热图有很大的需求。前屏主要由平行内容组成，内容动态变化，热图应用价值不高；在后一种情况下，尤其需要通过热图来反映用户的使用习惯，并结合其他app内的参与来优化功能和布局设计，因此热图对他们来说非常重要。

　　为了很好的使用热图，很重要的一点就是你光用热图是很难解决问题的。我经常用集中对比热图的方法。

　　一、各种热图的对比分析，尤其是点击热图(触摸热图)、阅读线热图、停屏热图的对比分析；

　　其次是细分人群的热图对比分析，如不同渠道热图、新老用户热图、不同时间段热图、AB测试热图等。

　　第三，不同深度相互作用反映的热图也不同。这种情况也值得使用热图比较功能。比如点击热图和转化热图的对比分析等。

　　总之，在分析很多用户交互的时候，热图简直就是神器，但它真的比你看到的更强大！

　　方法4:事件跟踪(事件跟踪)

　　网络分析是互联网运营数据分析的重要基础。今日app分析、流量分析、渠道分析、归因分析等。都是基于web  analytics开发的。

　　但是早期的web  analytics有一个特点，就是页面上只有一条用户交互行为的记录，就是点击http链接(点击URL)。但是随着技术的发展，页面上不仅有http链接，还有大量flash(现在flash将被淘汰)、JavaScript的交互链接、视频回放、其他web或app的链接等。用户点击这些东西，不能用老办法记录。

　　但是，如果有问题，一定有办法。人们发明了事件跟踪来解决上述问题。事件跟踪本质上是对这些特殊交互的定制化监控，但是因为是定制化的，所以有更多额外的好处，就是可以为这个活动添加更多的描述(以事件跟踪方法的附件属性的方式)。因此，这种方法甚至有些反客户。甚至一些http链接，许多资深分析师喜欢添加事件跟踪(技术上可行)来获得更多附加的监控属性描述。随着app的出现，由于app的特殊性(小屏幕，更强调在一个屏幕内完成交互)，分析app的页面之间的跳转(其实应该是app的屏幕)的重要性不如web上的页面之间的跳转那么大，但是分析app上的点击行为的重要性非常大，这使得我们在分析app内的参与度时，对事件的依赖度很大，使用屏幕相对较少。也就是说在app端，事件是主要的，页面(更准确的说是屏幕)是辅助的！

　　方法3:队列分析

　　队列分析没有一个大家统一使用的翻译。有的说队列分析，有的说生成分析，有的说队列时间序列分析。你可以参考维基百科：https://zh.wikipedia.org/wiki/队列研究，找到合适的翻译名字。

　　无论叫什么，队列分析在数据操作领域都变得非常重要。原因是，随着交通经济的撤退，密集的互联网运营需要仔细洞察留存情况。这就是队列分析的最大价值所在。队列分析通过比较具有相同属性的可比组的保留率，找出影响短期、中期和长期保留率的因素。

　　队列分析流行的另一个原因是它使用非常简单，但非常直观。与繁琐的流失分析、RFM或用户聚类相比，队列直接用简单的图表描述用户在一段时间内(甚至整个LTV)的留存(或流失)变化，甚至无需四次运算。甚至队列可以帮助你做出预测。

　　方法2:归因

　　归因不是每个人都听得到的，也很少用得好。但是考虑到人们购买某样东西的决定，可能会受到很多因素(数字营销媒体)的影响，比如看到广告就知道这个产品的存在，使用搜索来了解更多关于这个产品的信息，然后在社交渠道上看到这个产品的微信官方账号等等。这些因素的结合，让一个人下定决心去买。

　　所以很多时候，单一的广告渠道不是你打开客户大门的阀门，而是多个渠道共同作用的结果。

　　如何理解数字营销渠道之间的顺序或互动？如何建立合理的数字营销渠道策略来促进这种关系？评价一个渠道时，如何把归因考虑进去，才能更客观的衡量？这些都需要归因。方法1:细分

　　严格来说，细分不是方法，它是一切分析的原点。所以不愧是排名第一。

　　我一贯的口头禅是，给我死不细分。不细分做什么分析？

　　细分有两种，一种是一定条件下的划分。比如在页面停留30秒以上；或者只是来自北京的游客。其实就是过滤。另一个是维度之间的交集。比如北京新来的游客。也就是分段。

　　细分帮助我们解决几乎所有的问题。比如构建转化漏斗，其实就是按照步骤细分转化过程。交通通道的分析和评价也需要大量的细分方法。

　　维度间的交集是反映一个人的分析水平的细分方法。比如我的朋友孙伟(卡车之家的数据经理)，他把用户反馈作为事件跟踪的一个属性(放在事件动作属性中)，提交给GA，然后在一个定制的报告中把用户反馈和用户的其他行为进行交叉链接，从而看到有某种反馈的用户，他们的行为轨迹是什么，猜测出了什么问题。

　　在分析跳出率的时候，我们也是把登陆页面和它的流量源交叉，来检查高跳出率的表现是登陆页面造成的还是流量造成的。这也是维度交叉细分的典型应用。