热门标签 | HotTags
当前位置:  开发笔记 > 运维 > 正文

OmnitureSitecatalyst优点:风景这边独好

AdobeOmnitureSitecatalyst已经是和Webtrends一样,成为网站分析的标杆产品。本文介绍Omniture区别于GA等普通工具的地方,也顺带谈谈里面的一些高级应用。我把Omniture的高级应用分为以下几个

Adobe Omniture Sitecatalyst已经是和Webtrends一样,成为网站分析的标杆产品。本文介绍Omniture区别于GA等普通工具的地方,也顺带谈谈里面的一些高级应用。

我把Omniture的高级应用分为以下几个部分:

数据实时查看 多角度分析 数据整合 商业智能类 辅助效果类 数据实时查看

数据查看不外乎几个方面:实时性、准确性、全面性和一致性。实时性是Omniture相对较好的一方面(对比的是免费的GA等)。

Omniture的数据延迟一般是2~3个小时左右,但在最新版本(15.4中),可以通过控制Include Current Data,实现更实时的查看,如图,最新一次的数据更新时间已经到达11分钟。当然,不是所有的数据指标都是同等的实时性,如图中的流量相关指标,更新时间稍长一些。

当然,这个时间可能对于时间要求更高的群体来说仍然有欠缺,比如原来我们自己用服务器收集和处理日志数据时,每半个小时可以实现全部数据的更新。这意味着半个小时后全部的数据都可以看到。

多角度分析

Omniture的分析之所以强大,主要在于任意页面的上下级路径、任意自定义维度和事件控制、任意级别的漏斗,而这些中最强大的的载体就是Discover:

Discover可以实现任意维度的上卷、下钻、切割,就像是我们在使用一个数据仓库,里面的粒度、维度和指标Discover都通过产品化的形式进行输出,我们只需要通过拖拽的形式实现。这是我用过的最为强大的分析工具(没有之一)。

如果你认为这就是Discover的全部了,那你就错了。除此以外,Discover还有以下强大之处:

任意维度的漏斗。通常在Marketing Cloud中,漏斗只能以页面/区域/类别这样同等维度下做漏斗,但是在Discover中,页面可以与事件做交叉,比如我们在Discover中做一个这样的漏斗:全部页面-产品页面-点击加入购物车-成交,这里面包含了页面和事件两种维度,在Discover中可以进行交叉。当然,在展现结果中,你随时可以下钻和上卷,更可以直接图标,显示任意维度下最细(小时)粒度的趋势数据。这对分析来讲简直太方便了。 多种衡量方式。通常的指标都被定义为最后一次发生产生的效果,比如渠道。但这里,我们可以使用最后一次、线性(平均值)、参与率(百分比)等衡量方式。 虚拟焦点组。虚拟焦点组是对特定访问进行细分的方法,通过该访客做唯一性识别,将该访客隔离出来,从而对他的属性和行为进行针对性分析,这对离群值、异常值分析尤其有效。

优化后的路径。在Marketing Cloud中,只能选择某一维度和值,然后运行报告。但在Discover中,路径得到加强,我们只需要选择初始路径,然后任意的选择向前还是向后拓展,并且可以在任意路径上延伸。另外,传统路径只能看到页面浏览分布,但在Discover中,可以根据任意选定的指标进行综合测量,通过X/Y/Z轴指标选择,实现三维评估。操作方便性以及多维度评估使得路径的应用性和扩展性更强。(注:图中黄色区域是增强路径图,该图支持缩放功能,并且可以三维旋转,超酷!)

数据整合

最近UA也支持导入数据了,但仅限于费用。Omniture通过Saint可以实现任意定义好的Prop和Evar扩展,比如通过产品ID,扩展产品属性、价格、折扣等;通过Tracking Code扩展渠道、模块等;通过Intmp扩展页面、位置等。关于Saint文章,请见Omniture数据扩展应用——SAINT。最近的一次更新,Saint开始至此后规则表达式,这对于站外和站内标记来讲太方便了,我们可以直接通过规则扩展相应字段。

另外,通过Omniture中的“数据源”,我们也可以进行数据拓展。数据源常用来导入非Omniture本身的数据,如每天的营销费用。

商业智能

Omniture的商业智能应用还比较初级,暂时具备的除了基本报表、OLAP外,还有流量异常预警、流量尖峰预警以及通过DataWareHouse导入数据仓库中进行进一步处理。

Omniture中缺少这对流量的数据挖掘模块。当然,其实Recommendations已经是基于用户访问和购买行为的数据挖掘产品,但目的只是用来做个性化推荐,个人感觉可以将一些常用的针对访问行为的挖掘算法放到Marketing Cloud中,这无疑会将Omniture的层次提高一个等级。

辅助效果测试

Test&Target是非常强大的测试工具,通过在后台创建一个测试版本,底层部署一段mbox代码后,T&T基本就可以操作了。Test&Target能实现什么?

位置效果对比。常用于两个相同位置上,不同素材和内容的效果对比。 页面效果对比。常用于同一页面上不同布局,不同结构的效果差异。 流程效果对比。常用于固定流程中不同页面逻辑关系或流程优化对比。如注册流程、购物车流程。

效果测试通过需要选择测试样本,不同的优化目标选择的样本也不同。Test&Target能通过用户站外来源、站内行为等进行定位,也可以通过特点页面、设备以及时间进行定位;另外,也可以结合之前的mbox的实施进行定位:

综合来看,Omniture的主要套件是Sitecatalyst、Discover、Test&Target(网站分析三剑客?)一年几百万的费用主要适合大公司使用。Omniture的发展方向也越来越向商业智能化、数据整合的方向发展。

 

推荐阅读
  • Python与R语言在功能和应用场景上各有优势。尽管R语言在统计分析和数据可视化方面具有更强的专业性,但Python作为一种通用编程语言,适用于更广泛的领域,包括Web开发、自动化脚本和机器学习等。对于初学者而言,Python的学习曲线更为平缓,上手更加容易。此外,Python拥有庞大的社区支持和丰富的第三方库,使其在实际应用中更具灵活性和扩展性。 ... [详细]
  • 时序数据是指按时间顺序排列的数据集。通过时间轴上的数据点连接,可以构建多维度报表,揭示数据的趋势、规律及异常情况。 ... [详细]
  • 本文详细探讨了 HAProxy 的基本概念及其与 LVS(Linux Virtual Server)的比较,特别是在内核空间与用户空间的工作差异。文章还深入介绍了 HAProxy 独有的数据结构——弹性二叉树,以及其在高并发场景下的表现。 ... [详细]
  • 深入浅出:Hadoop架构详解
    Hadoop作为大数据处理的核心技术,包含了一系列组件如HDFS(分布式文件系统)、YARN(资源管理框架)和MapReduce(并行计算模型)。本文将通过实例解析Hadoop的工作原理及其优势。 ... [详细]
  • 尤洋:夸父AI系统——大规模并行训练的深度学习解决方案
    自从AlexNet等模型在计算机视觉领域取得突破以来,深度学习技术迅速发展。近年来,随着BERT等大型模型的广泛应用,AI模型的规模持续扩大,对硬件提出了更高的要求。本文介绍了新加坡国立大学尤洋教授团队开发的夸父AI系统,旨在解决大规模模型训练中的并行计算挑战。 ... [详细]
  • 解决宝塔面板Nginx反向代理缓存问题
    本文介绍如何在宝塔控制面板中通过编辑Nginx配置文件来解决反向代理中的缓存问题,确保每次请求都能从服务器获取最新的数据。 ... [详细]
  • RabbitMQ 核心组件解析
    本文详细介绍了RabbitMQ的核心概念,包括其基本原理、应用场景及关键组件,如消息、生产者、消费者、信道、交换机、路由键和虚拟主机等。 ... [详细]
  • 在机器学习领域,深入探讨了概率论与数理统计的基础知识,特别是这些理论在数据挖掘中的应用。文章重点分析了偏差(Bias)与方差(Variance)之间的平衡问题,强调了方差反映了不同训练模型之间的差异,例如在K折交叉验证中,不同模型之间的性能差异显著。此外,还讨论了如何通过优化模型选择和参数调整来有效控制这一平衡,以提高模型的泛化能力。 ... [详细]
  • K-均值聚类算法是一种经典的划分方法,广泛应用于数据挖掘和机器学习领域。该算法通过将数据集划分为多个互斥的簇,确保每个对象仅归属于一个簇。然而,这种严格的归属要求忽略了潜在的离群点和数据的复杂性,限制了其在某些场景下的适用性。为了提高算法的鲁棒性和灵活性,研究者们提出了多种改进方法,如引入模糊隶属度和基于密度的聚类技术。这些改进不仅提升了算法的性能,还扩展了其在实际问题中的应用范围。 ... [详细]
  • SSAS入门指南:基础知识与核心概念解析
    ### SSAS入门指南:基础知识与核心概念解析Analysis Services 是一种专为决策支持和商业智能(BI)解决方案设计的数据引擎。该引擎能够为报告和客户端应用提供高效的分析数据,并支持在多维数据模型中构建高性能的分析应用。通过其强大的数据处理能力和灵活的数据建模功能,Analysis Services 成为了现代 BI 系统的重要组成部分。 ... [详细]
  • 业务团队与独立团队在数据分析领域的效能对比:谁更胜一筹?
    业务团队与独立团队在数据分析领域的效能对比:谁更胜一筹? ... [详细]
  • PHP开发人员薪资水平分析:工程师平均工资概况
    PHP开发人员薪资水平分析:工程师平均工资概况 ... [详细]
  • 探索聚类分析中的K-Means与DBSCAN算法及其应用
    聚类分析是一种用于解决样本或特征分类问题的统计分析方法,也是数据挖掘领域的重要算法之一。本文主要探讨了K-Means和DBSCAN两种聚类算法的原理及其应用场景。K-Means算法通过迭代优化簇中心来实现数据点的划分,适用于球形分布的数据集;而DBSCAN算法则基于密度进行聚类,能够有效识别任意形状的簇,并且对噪声数据具有较好的鲁棒性。通过对这两种算法的对比分析,本文旨在为实际应用中选择合适的聚类方法提供参考。 ... [详细]
  • AI TIME联合2021世界人工智能大会,共探图神经网络与认知智能前沿话题
    AI TIME携手2021世界人工智能大会,共同探讨图神经网络与认知智能的最新进展。自2018年在上海首次举办以来,WAIC已成为全球AI领域的年度盛会,吸引了众多专家学者和行业领袖参与。本次大会将聚焦图神经网络在复杂系统建模、知识图谱构建及认知智能应用等方面的技术突破和未来趋势。 ... [详细]
  • 择要:Fundebug的JavaScript毛病监控插件同步支撑Vue.js异步毛病监控。Vue.js从降生至今已5年,尤大在本年2月份宣布了严重更新,即Vue2.6。更新包含新增 ... [详细]
author-avatar
我女神不能F哭不能输丶
这个家伙很懒,什么也没留下!
PHP1.CN | 中国最专业的PHP中文社区 | DevBox开发工具箱 | json解析格式化 |PHP资讯 | PHP教程 | 数据库技术 | 服务器技术 | 前端开发技术 | PHP框架 | 开发工具 | 在线工具
Copyright © 1998 - 2020 PHP1.CN. All Rights Reserved | 京公网安备 11010802041100号 | 京ICP备19059560号-4 | PHP1.CN 第一PHP社区 版权所有