热门标签 | HotTags
当前位置:  开发笔记 > 编程语言 > 正文

商用网站分析工具选择指南:服务篇

为什么要买服务?在中国,我知道很多公司在选择商用网站分析工具时,通常只购买工具本身而不购买服务。比如原来我们用GoogleUrchin也是只买了软件,然后一切都是自己搞。但慢慢

为什么要买服务?

在中国,我知道很多公司在选择商用网站分析工具时,通常只购买工具本身而不购买服务。比如原来我们用Google Urchin也是只买了软件,然后一切都是自己搞。但慢慢的我们会发现存在一些问题:当产品本身遇到功能上的问题时,我们往往负不胜防。比如只是网站分析工具本地维护过程中出现的各种日志无法存在、端口冲突、日志丢失等问题都够让人头疼了,再加上系统功能的开发、产品升级等带来的种种问题很是棘手。

那到底我们为什么要买服务?按照实现难易程度以及对公司的重要性大体分为以下几个方面:

一. 网站分析工具部署和实施需求

通常商用网站分析工具在实施和部署上都具有很大的灵活性,但灵活性也增加了实施的难度——我们不能用一套代码或思路实现所有的跟踪需求。因此我们需要定制化跟踪需求,而服务商在这方面一定是最专业的。当然我们也可以自己做,前期是我们必须了解该工具从底层部署到后端配置的一切,不然会出现各种问题;另外,很多工具也需要有一定的资质才能配合实施,比如Adobe sitecatalyst需要资质认证才能使用“处理规则”功能。

需求重要性:★★,被替代难度:★★★

二.专项沟通和培训需求

我们在使用工具过程中,除了基本的部署和实施配置需求外,落实到商业利益点上是能产生什么价值。不然一年几百万的工具价值投入会觉得跟免费工具一样。如何能产生商业价值——这就需要网站分析师去利用工具将网站数据转化为业务驱动因素。如何刺激或提高这种效果?

1. 好的服务公司需要将网站分析工具的功能结合业务场景来使用。通常我们去看产品的帮助文档,里面大多都在讲产品功能本身,很少看到类似于Best Practices 这种干货。所以,除了公司内部网站分析师自己的因素外,我们需要外部提供这种最佳实践经验。

需求重要性:★★★,被替代难度:★★★★

2. 通常网站分析工具都会定期更新,服务商应该是第一时间接触到新功能的接触点。因此,服务商需要定期和不定期提供新功能的培训和专项沟通,使得甲方在工具使用上与时俱进。

需求重要性:★★★,被替代难度:★★★★

3. 服务商最重要的一个优势是具有行业经验,这也是甲方无论如何都不会具备的。因此在合作过程中,我们会关注服务商的行业服务案例和成果。能够将一个行业甚至跨行业的经验分享到甲方的服务商是不可或缺的,也是含金量最高的。我们需要这种服务商。

需求重要性:★★★★,被替代难度:★★★★★

三.数据整合和二次开发能力

最近我们在做流量系统招标时,尤其提出了一个数据整合和二次开发能力的需求。需求背景是:我们单纯做流量数据视野过于狭窄,与公司核心业务关联性太小,需要将公司所有数据整合到一起并做数据仓库基础上的数据挖掘、OLAP和智能报表等开发。流量数据作为一块重要的数据源,是我们必须要整合的。

但由于流量系统的特殊性,通常流量数据都是以文本形式存储。但我们做数据整合的基础是数据仓库,因此我们需要将流量数据整合到数据仓库中。要实现流量数据整合无非是三种方案:

直接download原始log,我们自己建数据仓库,然后进行数据ETL,此项工作难度较大。 直接在分析报表基础上download数据,即利用类似于DateWareHouse导出固定报表,然后进行数据加工入库,此项难度较小,但由于数据已经经过加工且需要单独开发文档ETL程序,也有一定问题。 服务商已经在原始log基础上进行数据加工,开发了类似于数据仓库的概念,我们只需要通过数据仓库之间的数据传输即可实现。

无疑第三种是我们最想要的解决方案。但在实际沟通过程中,发现大多数服务商都没有这个意识,或者有这个意思没有这个能力。(当然个别服务商还有可以做的,具体等我们确认后跟大家分享)

需求重要性:★★★★★,被替代难度:★★★★★

商用网站分析工具选择两篇文章总结完了,我相信产品+服务的模式一定会慢慢成熟起来,只有有了服务,网站分析师或数据分析师的价值才能更大的发挥出来,否则就将只是一个导数的或者汇总统计的,而不是真正的价值输出和数据驱动的。大家有任何问题请留言吧,期待讨论。

 

推荐阅读
  • 知识图谱与图神经网络在金融科技中的应用探讨
    本文详细介绍了融慧金科AI Lab负责人张凯博士在2020爱分析·中国人工智能高峰论坛上的演讲,探讨了知识图谱与图神经网络模型如何在金融科技领域发挥重要作用。 ... [详细]
  • 【转】强大的矩阵奇异值分解(SVD)及其应用
    在工程实践中,经常要对大矩阵进行计算,除了使用分布式处理方法以外,就是通过理论方法,对矩阵降维。一下文章,我在 ... [详细]
  • 本文整理了关于Sia去中心化存储平台的重要网址和资源,旨在为研究者和用户提供全面的信息支持。 ... [详细]
  • 自然语言处理(NLP)——LDA模型:对电商购物评论进行情感分析
    目录一、2020数学建模美赛C题简介需求评价内容提供数据二、解题思路三、LDA简介四、代码实现1.数据预处理1.1剔除无用信息1.1.1剔除掉不需要的列1.1.2找出无效评论并剔除 ... [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]
  • 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]
  • 如何高效启动大数据应用之旅?
    在前一篇文章中,我探讨了大数据的定义及其与数据挖掘的区别。本文将重点介绍如何高效启动大数据应用项目,涵盖关键步骤和最佳实践,帮助读者快速踏上大数据之旅。 ... [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]
  • 近期,微信公众平台上的HTML5游戏引起了广泛讨论,预示着HTML5游戏将迎来新的发展机遇。磊友科技的赵霏,作为一名HTML5技术的倡导者,分享了他在微信平台上开发HTML5游戏的经验和见解。 ... [详细]
  • 从0到1搭建大数据平台
    从0到1搭建大数据平台 ... [详细]
  • Python 3 Scrapy 框架执行流程详解
    本文详细介绍了如何在 Python 3 环境下安装和使用 Scrapy 框架,包括常用命令和执行流程。Scrapy 是一个强大的 Web 抓取框架,适用于数据挖掘、监控和自动化测试等多种场景。 ... [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]
  • 在众多市场调研公司中,如何选择一家值得信赖的合作伙伴至关重要。基于我在市场调查行业近二十年的经验,我将推荐几家国内知名的市场调研机构,供您参考:1. 开元研究——专注于零售报刊发行研究、媒体广告价值评估及网络营销分析等领域,以其专业性和准确性赢得了广泛认可。 ... [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]
  • 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]
author-avatar
恨之无用_367
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