一． 产品描述

1. 是什么样的产品？
2. 产品特色是什么？
3. 和市场上的产品有什么不同？
4. 生命周期如和何延续？

二．市场分析

1. 市场上现有产品分析
2. 目标消费群分析
3. 潜在目标消费群
4. 产品资费分析
5. 用户操作习惯分析

三． 产品定位

四．市场推广

1. 阶段一
2. 阶段二
3. 阶段三
4. 阶段四

五．效益估算

1. 产品资费
2. 产品用户群数量
3. 产品潜在用户数量
4. 每月产品收益

六．产品内容介绍

1. 产品规则
2. 用户属性
3. 体系介绍
4. 用户等级
5. 主要功能介绍

七. 产品开发进度

1. 产品提案
2. 产品思路整合
3. 再次提案
4. 产品内容再次整合
5. 产品流程编写
6. 产品流程修改
7. 产品流程提交
8. 产品工单
9. 技术开发
10. 内部测试

八.产品人员列表和职责

1. 产品经理（项目经理）
2. 产品策划
3. 编辑人员
4. 技术人员
5. 测试人员

以上内容应该是面面俱到，说的是整个产品策划前期需要考虑到的问题，敖阔定位、推广、资源等。

No related posts.

http://www.baidu.com/s?wd=%E6%A0%87%E7%82%B9%E7%AC%A6&rsv_spt=1&issp=1&rsv_bp=0&ie=utf-8&tn=baiduhome_pg&inputT=2969

URL中的s?表示搜索，&符号起到参数分割的作用。上述链接涉及到的参数如下：

• wd：Keyword，查询的关键词，有时还会是 word，比如www.hao123.com打开的链接就是word，wd后面的关键词使用gb2312进行编码，如果搜索词中出现空格则使用+号替换；
• rsv_spt：识别浏览器，目前测试下来Chrome、FireFox、Safari的为3，IE浏览器为1；
• rsv_bp：判断搜索位置：0为从百度首页进入，1为搜索结果顶部搜索，2为搜索结果底部搜索；
• ie：Input Encoding，查询关键词的编码，缺省设置为简体中文，即ie=gb2312；
• tn：搜索框来源标识，如百度首页的就是baiduhome_ph，hao123站来的sitehao123，遨游浏览器的为tn=myie2dg等。除了百度自身用来数据统计好，词数据还对百度搜索联盟分成起到跟踪作用。tn=baidulocal 表示百度站内搜索，返回的结果很干净，无广告干扰；
• inputT：搜索响应时间，单位是毫秒；

以上我上面的URL中出现的参数，但是百度的搜索引擎参数远远比上面的还要多。再来看看还有哪些参数：

• bs：Before Search，上一次搜索的关键词；百度会记录上一次用户的搜索词是什么；
• sr：结合bs使用。一般查询sr=0或者为空值，但sr=1时，查询将结合bs的值一起作为查询的关键字。默认值为0，除0，1外其它值无效。
• pn：Page Number，搜索结果的页码，从零开始计数。即pn = ${结果页码-1}*rn；
• rn：Record Number，搜索结果显示条数，缺省设置rn=10，取值范围:10-100；
• cl：Class，搜索类型，cl=3为网页搜索，cl=2为图片搜索；
• lm：搜索结果的时间限制。以天为单位，例如搜索最近一个月的网页，lm=30.默认值为0，表示没有时间限制；
• ct：语言限制。0-所有语言，1-简体中文网页，2-繁体中文网页；其它不确定或者无效或。默认值为0；
• q5：搜索内容位置限制。0-所有内容；1-网页标题(相当于使用’title:’查询前缀)；2-url(相当于使用’inurl:’查询前缀)；其它值等效于0，默认值为0 ；
• q6：搜索内容网站限制。例如q6=www.biaodianfu.com，表示只搜索http://www.biaodianfu.com/的网页；相当于使用了’site:前缀’，默认值为空
• dq：不建议使用该参数。查询内容来原的地区限制。具体值有百度确定，默认值为空。使用这个参数的效果很差；
• oq：相关搜索的主词，例如，搜索“标点符”后点击“标点符号”，出现的相关搜索，用来记录来源词“标点符”，或输入搜索词，输入到一半点推荐关键词的那个词，两个通过出现rsp/rsv_bp进行区分；
• rsp：相关搜索词的位置，第一个推荐词为0，第二个为1，以此类推；
• usm：在百度搜索任何词从任何一页点到第三页以后的，都会随机出现usm的参数。当usm=0的时候是正常排名 。当usm=1的时候所有排名后移一位，当usm=2的时候排名后移两位，以此类推。而词参数影响排名的效果只对第三页以及第三页以后的有效，也就是说前20名的排名不受词因素影响。此参数具体作用未知；
• f：搜索判断，f=8用户自主搜索，f=3下拉框推荐，f=1相关搜索；
• rsv_ers：出现的值为rsv_ers=xn0或rsv_ers=xn1，目前还不知道具体的作用。
• rs_src：目前看到的都是rs_src=0，此参数与rsv_ers同时出现。

目前发现的参数就这么多，以后如有补充，后期会追加，关于Google搜索URL的分析，下篇日志中再发出。

Related posts:

1. Google Analytics中organic和referral的区别
2. 对卓越网的分析【SEO每周一站】
3. JSON 轻量级的数据交换格式

如果你需要跟踪某几个链接在页面上的点击数。事先给需要记录的点击链接上添加一个类。如：

<a href=“http://www.domain.com/dir/”  class=”tracklink”>跟踪地址</a>

当每个需要跟踪的链接上都添加了class=”tracklink” 后，你只需添加如下jQuery代码就可以统计所有要统计的链接的点击了。

<script type=”text/javascript”>
$(document).ready(function(){
$(‘a.tracklink’).click(function(){
_gaq.push(['_trackEvent', 'tracklink', 'Click', $(this).attr('href')]);
});
});
</script>

代码非常的短，也非常的简单。非常适合原先网站上就使用jQuery的朋友们~

Related posts:

1. 使用谷歌统计来跟踪网页加载时间
2. SuperFish一款基于jQuery的级联下拉菜单
3. 使用GA在URL上添加UTM参数避免重复页面方法

SPU = Standard Product Unit （标准化产品单元），是商品信息聚合的最小单位，是一组可复用、易检索的标准化信息的集合，该集合描述了一个产品的特性。通俗点讲，属性值、特性相同的商品就可以称为一个SPU。

SKU=Stock Keeping Unit（库存量单位），即库存进出计量的单位，可以是以件、盒、托盘等为单位。在服装、鞋类商品中使用最多最普遍。例如纺织品中一个SKU通常表示：规格、颜色、款式。

通常这两个概念很难去解释清楚，一很难去理清楚。具体要看如何定义。下面以苹果的iphone举个例子，iphone 3gs,iphone 4,iphone 4s 为3个SPU，而同一款iphone 4s有两款颜色，分别为白色和黑色，那么无疑会有两个SKU，但是同一款iphone 4s 有16G和32G，那这个是否应该算进SPU呢，这个就要看企业自己的销售定位了。

SPU和SKU的属性通常都会因为定位的改变而改变，以淘宝的笔记本类目SPU/SKU属性为例：

SPU属性

变更前：品牌-系列-型号、CPU型号、CPU频率量级、显卡类型-显卡型号、显存容量、硬盘容量、内存容量；

变更后：品牌-系列-型号、CPU平台-CPU型号、显卡类型-显卡型号、显存容量、硬盘容量、内存容量、光驱类型、笔记本定位、上市时间。

除此之外SPU属性还有可选项如通信部分：无线网卡、3G、蓝牙、红外线，其他部分如：摄像头、指纹功能、扬声器、USB等。

SKU属性

主要属性：颜色和不同硬盘或内存升级发布。

SPU作用

在商品信息电子化过程中，商品的特性可以由多个“属性及对应的属性值对”进行描述。“属性及对应的属性值对”完全相同的商品，可以抽象成为一个SPU。同时，这些“属性及对应的属性值对”也在SPU中固化下来，逐步标准化。基于SPU的商品信息结构，可以实现丰富的应用，比如商品信息与资讯、评论、以及其 它SPU的整合。

最后用别人的话总结一下：SPU是标准化产品单元，区分品种；SKU是库存量单位，区分单品；商品特指与商家有关的商品，可对应多个SKU。

参考地址：

http://bangpai.taobao.com/group/thread/14070527-267009560.htm

http://www.ikent.me/blog/3017

Related posts:

1. Unit PNG Fix
2. 用户体验的量化方法
3. 基于新浪云服务的网盘vdisk

假设用户访问了网站的主页（Home）。分析工具将这个访问者标记为一个Visit，接着这个访问者又浏览了另外两个页面（Page2和Page3），然后他离开了你的网站。如下图所示：

我们想要知道的是：

• Tp = 花费在一个页面上的时间
• Ts = 花费在这网站上的总时间

假如这个用户从10:00开始访问网站：

对于Page2而言，访问时间是10:05-10:01，即4分钟。

接着访问者来到了Page3页面，他发现改页面无法满足他的需求或是他要找的内容已在Page3页面找到。那么接下来就是离开。

那么，这个访问者到底在Page3停留了多长时间呢？由于不知道用户在Page3具体的离开时间，我们也就无法计算访问者到底在Page3上停留了多长时间。因此，网站分析程序不知道访问者花在网站最后一个页面上的时间是多少。

下图表示各个页面网站分析工具统计的访问时间：

• Tp (Home) = 1 分钟
• Tp (Page2) = 4 分钟
• Tp (Page3) = N/A
• Ts = 5 分钟。

从上面的数据中很容易的看出这样的数据并不合理，因为你不知道访问者花在最后一个页面上的时间是多少，因此网站分析工具给你的时间统计一般都会少于用户实际在网站上停留的时间。

网站停留时间的准确性与跳出率和退出率有关。跳出率和退出率越大，平均停留时间越不准确。

二、页面停留时间或是网站停留时间有什么用？

如果把页面停留时间和网站停留时间单纯的拿出来看，那么意义不是很大，主要原因有以下方面：

1. 这些指标是战术层面的，我们无法认识到这些数据对公司的业绩的影响。单纯的页面停留时间或网站停留时间并不能反映到具体的营收。
2. 这些指标需要很多的推断，简单的逻辑是这些数据越大越好，这些数据无法直接推断出某夜页面是好是坏。
3. 这些指标主要是短期数据，随着互联网的发展，依照会话来度量指标现在远远不能满足需求，长期的访客行为，顾客生命周期等可能更加能反映问题。

不同的停留时间需要用不同的逻辑去判断。下面就开看看淘宝的例子：

出现上述不同数据的主要原因有：淘宝就像超市，访客没有明确的目标，进了超市但是最终会买点什么，淘宝商城更像商场，去商场的用户多半是带着明确的目标去的，他们直奔目标，快速搜索，快速的购物，快速的离开。

从用户行为的维度看，淘宝的用户在淘宝和淘宝商城有着不同的购物行为，就像相同的人在商城和超市的举止言行肯定不同，所以淘宝商城的页面风格更加简洁，服务更标准化，商家更优质化。

同样的，作为旅游预订类网站，来到网站的用户基本上都有很明确的预订需求，我们需要做的是如何让用户在最短的时间内找到适合的产品。

三、页面停留时间和网站停留时间数据如何应用？

1、判断页面用户体验

从页面停留时间的计算方法中我们知道不可能用户在离开前在页面上停留多长时间，即页面停留时间是在有后续行为的情况下计算出来的，对已这部分数据先期可用的，就是把每套页面的停留时间统计出来，判断用户停留高或者低的主要原因，比如：用户在搜索结果页停留时间长了，是不是搜索结果不能满足用户需求，用户在列表页停留时间长了，是不是我们的列表页筛选做的还不够人性化，在产品终页停留长了是不是因为终页内容展示过多或者用户没有找到他想要的内容等。

2、访客再营销

记录网站停留时间较长，但是最后没有下单的用户，对这些用户进行再营销，由此产生的问题是，用户只有在登录的情况下我们才能获取到用户ID，记录下用户ID以后还需通过程序分析，需要给该用户推荐什么样的内容。可行性不是很高。

3、主动弹出客服弹出框或优惠信息

当用户在特定页面停留过长时，弹出客服框。主动与访客接触。解决访客疑惑。促使访客下单。但是此部分用户体验会不太好，可以学习下新浪微博的那种在页面顶部的提示功能。

4、当转化目标来用

在没有下单流程的网站，可以使用页面或者网站停留时间来作为完成一个目标，继而计算目标转化率，比如哪些主要以电话作为目标的网站，如果有N多的人（比例要大）到达终页没有下单，直接打电话预订，就可以使用停留时间来作为目标。

参考链接：

http://www.kaushik.net/avinash/standard-metrics-revisited-time-on-page-and-time-on-site/

http://www.roirevolution.com/blog/2008/05/time_on_page_and_time_on_site_how_confident_are_yo.php

Related posts:

1. Google对网页时间的关注
2. 网站管理员工具及站长帮助
3. 如雨后春笋般的微博客

数据挖掘是商务智能应用中较高层次的一项技术，而商务智能中还包括数据仓库、ETL、联机分析、商业报表等多项技术。数据挖掘在商务智能应用中提供的是一种自动化或半自动化的数据分析手段，利用数据挖掘用户将可以更加方便地发现数据的模式（其实就是用户关心的业务模式），用户还可以利用这些模式对某些符合特征的数据作出预测。

那么数据挖掘究竟是怎么做到上面这些貌似神奇的事情的呢？现在主流的数据挖掘技术有两种，其中之一来源于我们每一个人可能都学习过的一门学科——统计学，例如聚类、关联规则、时间序列等，而另外一种则来源于我们每一个人都听说过的一门学科——机器学习（俗称人工智能），例如神经元网络、遗传算法等。

数据挖掘能干什么？

• 分类 分类可以把大量数据（在数据挖掘中也称为事例CASE）分成多个类别，而分类的依据就是这些事例中的属性。
• 聚类 分类有一个同胞兄弟就是聚类，聚类相对分类更加自动，聚类也将大量实例分成多个类别，不过这次是根据属性值的相似程度自动汇聚成不同的类别。通常把分类成为有监督的算法，而聚类则被称为无监督的算法，主要原因就是分类在执行前就已经有了明确的类别，而聚类在分析前还不知道有多少分类，而是通过不断的迭代使得各分类之间的边界更加清晰，然后再分析这些分类之间的差别，因此聚类也成为无监督的算法。
• 关联 关联是找到事例中出现频率较高的组合规则。
• 序列 提到关联，另外一个同胞兄弟就是序列。序列也是发现组合规律的，不过关联中所提到的规律不涉及到先后次序，而序列则是有先后次序的。
• 回归 对连续的结果值（不依靠人为分段Discretize）进行预测的算法归为回归。

SQL Server 2008 中的数据挖掘算法

1.决策树算法

决策树，又称判定树，是一种类似二叉树或多叉树的树结构。决策树是用样本的属性作为结点，用属性的取值作为分支，也就是类似流程图的过程，其中每个内部节点表示在一个属性上的测试，每个分支代表一个测试输出，而每个树叶节点代表类或类分布。它对大量样本的属性进行分析和归纳。根结点是所有样本中信息量最大的属性，中间结点是以该结点为根的子树所包含的样本子集中信息量最大的属性，决策树的叶结点是样本的类别值。

从树的根结点出发，将测试条件用于检验记录，根据测试结果选择适当的分支，沿着该分支或者达到另一个内部结点，使用新的测试条件或者达到一个叶结点，叶结点的类称号就被赋值给该检验记录。决策树的每个分支要么是一个新的决策节点，要么是树的结尾，称为叶子。在沿着决策树从上到下遍历的过程中，在每个节点都会遇到一个问题，对每个节点上问题的不同回答导致不同的分支，最后会到达一个叶子节点。这个过程就是利用决策树进行分类的过程。决策树算法能从一个或多个的预测变量中，针对类别因变量，预测出个例的趋势变化关系。

在SQL Server 2008中，我们可以通过挖掘模型查看器来查看决策树模型。如图1所示。

在图1中，我们可以看到决策树显示由一系列拆分组成，最重要的拆分由算法确定，位于“全部”节点中查看器的左侧。其他拆分出现在右侧。依赖关系网络显示了模型中的输入属性和可预测属性之间的依赖关系。并能通过滑块来筛选依赖关系强度。

2.聚类分析算法

聚类分析算法就是衡量个体间的相似度，是依据个体的数据点在几何空间的距离来判断的，距离越近，就越相似，就越容易归为一类。在最初定义分类后，算法将通过计算确定分类表示点分组情况的适合程度，然后尝试重新定义这些分组以创建可以更好地表示数据的分类。该算法将循环执行此过程，直到它不能再通过重新定义分类来改进结果为止。简单得说，聚类就是将数据对象的集合分组成为由类似的对象组成的多个类的过程。聚类用在商务方面的客户分析中，可以从客户库中发现不同的客户群，并分析不同客户群的行为模式。

在SQL Server 2008中，我们可以通过挖掘模型查看器来查看聚类分析模型。如图2所示。

在图2中，分类关系图表现个类间关联性的强弱。分类剖面图了解因变量与自变量的关联性强弱程度。分类特征主要呈现每一类的特性。分类对比主要呈现出两类间特性的比较。

3.Naive Bayes 算法

Naive Bayes 算法是 Microsoft SQL Server Analysis Services 提供的一种分类算法，用于预测性建模。Naive Bayes算法使用贝叶斯定理，假定一个属性值对给定类的影响独立于其他属性的值。与其他算法相比，该算法所需的运算量小，因而能够快速生成挖掘模型，以发现输入列和可预测列之间的关系。可以使用该算法进行初始数据探测，在用于大型数据库时，该算法也表现出了高准确率与高速度，能与决策树和神经网络相媲美。

算法采用监督式的学习方式，在分类之前，需要事先知道分类的类型。通过对训练样本的学习，来有效得进行分类。就是通过训练样本中的属性关系，产生训练样本的中心概念，用这些已经产生的中心概念，对未分类的数据对象进行预测。

在SQL Server 2008中，我们可以通过挖掘模型查看器来查看Naive Bayes模型。如图3所示。

在图3中，依赖关系网络可以对数据的分布进一步了解。属性配置文件可以了解每个变量的特性分布情况。属性特征可以看出不同群分类的基本特性概率。属性对比就是呈现属性之间的特性对比。

4.关联规则算法

关联算法规则是要发现数据库中变量和个体之间关系程度，也就是要发现大量数据中项集之间有趣的关联或相关联系。例如，在关联规则挖掘中，典型的例子就是购物篮分析，该分析过程就是通过分析顾客所购买的不同商品之间的联系，来挖掘顾客的购买习惯，并帮助销售商制定营销策略。关联规则算法中有两个重要的参数支持度和置信度。支持度就是指X项集和Y项集中，同时发生X，Y事件的概率。置信度就是指X项集和Y项集中，X事件发生的概率下，Y事件发生的概率。

在SQL Server 2008中，我们可以通过挖掘模型查看器来查看关联规则模型。如图4所示

在图4中，规则可以查看算法中产生的关联规则，我们可以通过此来了解关联规则内容以及其支持度和置信度。项集可以查看算法中产生的对象组，我们可以通过此来了解各个对象组内容及其支持。依赖关系网络可以呈现产品间的相关性，并通过图形了解产品间的相关性。

5.顺序分析和聚类分析算法

顺序分析和聚类分析算法是由 Microsoft SQL Server Analysis Services 提供的一种顺序分析算法。可以使用该算法来研究包含可通过下面的路径或顺序链接到的事件的数据。该算法通过对相同的顺序进行分组或分类来查找最常见的顺序。

在SQL Server 2008中，我们可以通过挖掘模型查看器来查看顺序分析模型。如图5所示

在图5中分类关系图可以显示挖掘模型中的所有分类，分类之间连线的明暗程度表示分类的相似程度。通过调整分类右侧的滑块，可以调整显示的连线数。分类剖面图提供算法创建的分类的总体视图，显示了分类中的每个属性以及属性的分布。分类特征可以检查分类的组成特征。分类对比可以比较两个分类的属性。状态转换可以在选中一个分类后，可在选中的分类中浏览序列状态之间的转换。

6.时序算法

时序算法提供了一些针对连续值预测进行了优化的回归算法，并将时间序列分解成主要趋势成分，季节变化成分，并检验理论模型是否能反应现象。

在SQL Server 2008中，我们可以通过挖掘模型查看器来查看时序模型。如图6所示

在图6中，图表栏显示预测变量个产品过去值以及预测值，以及误差区间。模型将算法以完成的模型显示为树。

7.神经网络算法

神经网络是一组连接的输入输出单元，其中每一个连接都与一个权相连接。在训练学习阶段，通过调整训练网络的权，使得能够预测输入样本的正确类标号。神经网络算法创建由多至三层神经元组成的网络。这些层分别是输入层、可选隐藏层和输出层。输入层：输入神经元定义数据挖掘模型的所有输入属性值及其概率。隐藏神经元接收来自输入神经元的输入，并向输出神经元提供输出。隐藏层是向各种输入概率分配权重的位置。权重说明某一特定输入对于隐藏神经元的相关性或重要性。输入所分配的权重越大，则输入的值越重要。输出神经元代表数据挖掘模型的可预测属性值。

在SQL Server 2008中，我们可以通过挖掘模型查看器来查看神经网络模型。输入选择神经网络模型将用作输入的属性和属性值。输出指定使用输出的神经网络的属性。变量指定属性右侧的条表示指定输入属性状态所倾向的输出属性状态。 条的大小则表示输出状态倾向于输入状态的程度。

8.逻辑回归算法

逻辑回归是根据输入域值对记录进行分类的统计方法，通过建立一组方程，把输入域值与输出字段每一类的概率联系起来。模型在分析二分类或有序因变量与解释变量的关系，用自变量去预测因变量在给定某个值的概率。一旦生成模型，便可用于估计新的数据的概率。概率最大的目标类被指定为该记录的预测输出值。逻辑回归算法是神经网络算法的一种变体，用于确定多个因素对一对结果的影响。通过对输入和输出之间的关系进行建模。来测量每个输入对输出的影响，并权衡不同输入在完成的模型中的作用。

9.线性回归算法

线形回归算法是一种常用的用于统计并作出预测的方法，使决策树算法的一种变体，有助于计算依赖变量和独立变量之间的线性关系，根据输入字段估计预测输出字段的最佳线形方程，然后使用该关系进行预测。使用线性回归确定两个连续列之间的关系，代表一条直线或者平面，以评估数据列之间的关系。

参考链接：http://www.cnblogs.com/mingle/archive/2009/11/04/1596258.html

Related posts:

1. Microsoft Expression Studio 3 中文版下载
2. 电子商务网站用户群体的划分
3. Stack Exchange的系统架构

在 Google Analytics（分析）报告界面中，会话个数会被计为访问次数。新来看看Google Analytics 先前Session 的定义是什么样子的。

2011年8月11日前下列事件将终止会话（后续活动将会被视为新会话）：

• 某个访问者的两次网页浏览间隔超过三十分钟；
• 每天结束的时候；
• 当一个访问者关闭浏览器时

• 用户退出浏览器。
• 用户离开了您的网站，并且在会话时间结束之前没有回来。
• 用户访问您网站上的某个网页，直到会话结束还停留在该网页上（没有触发任何事件或虚拟网页浏览）。
• 用户清除了其浏览器中的 Cookie。
• 在该报告的配置文件中设置时区时时间到了午夜。
• 当访问者的流量来源参数改变时。这些流量来源参数包括：utm_source, utm_medium, utm_term, utm_content, utm_id, utm_campaign, and gclid（autotagging参数）

以下活动不会导致会话结束：

• 用户在您的网站上打开了多个标签/窗口，并在其中至少一个标签/窗口上保持活动状态。
• 用户在没有退出浏览器的情况下离开您的网站，并在会话时间结束之前返回。

这次Session的主要变动就是当用户从新的渠道进入网站时会标注新的Session。

对于此次Session的改变，以下为我自己的理解：

1、Session是针对ga.js进行设置的，所以“在该报告的配置文件中设置时区时时间到了午夜”应该不是在ga.js中控制的，因为其无法获取配置文件中设置的时区。并不是按照用户的电脑上的时间进行设置的。需要对Session做这样的设置应该是和数据处理有关。与统计本身无关。认定是Google是在数据处理中财将Seesion终止是因为同个统计可能会有不同的配置时区。

2、Session的改变时为了更好的进行流量归属的划分。能更好的支撑起Google Analytics的多渠道转化。每次新的渠道都会被认为是一次新的访问。

 参考资料：

http://analytics.blogspot.com/2011/08/update-to-sessions-in-google-analytics.html

http://www.google.com/support/analyticshelp/bin/answer.py?answer=1006241&topic=1006224&hl=zh_CN

Related posts:

1. Google Analytics 数据导出工具：Excellent Analytics
2. 搜索引擎工具栏到底有什么用
3. 谷歌分析报告之按小时查看数据

一所美国高校的两个学院，分别是法学院和商学院，新学期招生。人们怀疑这两个学院有性别歧视。现作如下统计：

法学院

商学院

根据上面两个表格来看，女生在两个学院都被优先录取。即女生的录取比率较高。现在将两学院的数据汇总：

在总评中，女生的录取比率反而比男生低。

上面的数字太凌乱，可以直接看下面的数据：

借助一幅向量图可以更好的了解情况

女生单独两个矢量斜率都比男生大，说明它们的比率都比较高。但最后男生总体向量斜率却大于女生

这个例子说明，简单的将分组数据相加汇总，是不能反映真实情况的。

就上述例子说，导致辛普森悖论有两个前提。

1. 两个分组的录取率相差很大，就是说法学院录取率很低，而商学院却很高。而同时两种性别的申请者分布比重相反。女性申请者的大部分分布在法学院，相反，男性申请者大部分分布于商学院。结果在数量上来说，拒收率高的法学院拒收了很多的女生，男生虽然有更高的拒收率，但被拒收的数量却相对不算多。而录取率很高的商学院录取了很多男生。使得最后汇总的时候，男生在数量上反而占优。
2. 有潜在因素影响着录取情况。就是说，性别并非是录取率高低的唯一因素，甚至可能是毫无影响的。至于在学院中出现的比率差，可能是随机事件。又或者是其他因素作用，比如入学成绩，却刚好出现这种录取比例，使人牵强误认为这是由性别差异而造成的。

为了避免辛普森悖论的出现，就需要斟酌各分组的权重，并乘以一定的系数去消除以分组数据基数差异而造成的影响。同时必需了解清楚情况，是否存在潜在因素，综合考虑。

参考地址：

http://zh.wikipedia.org/wiki/%E8%BE%9B%E6%99%AE%E6%A3%AE%E6%82%96%E8%AE%BA

http://plato.stanford.edu/entries/paradox-simpson/#Causation

Related posts:

1. 对卓越网的分析【SEO每周一站】
2. 对URL中使用中文的分析
3. 支撑起SNS的六度分隔理论和150法则

关于Google Analytics接口的介绍请看这里：Google Analytic 数据导出API接口

GAPI 即 Google Analytics PHP5 Interface的主要功能有：

• 自动选择连接方式是curl或fopen
• 支持GA维度指标数据
• 账户数据映射-获得参数的方法
• 报告数据映射-获得维度和指标的方法
• 容易使用的过滤器
• 面向对象的代码可以让你在其他系统中使用。

GAPI使用示例：

<?php
define('ga_email','username@gmail.com');
define('ga_password','password');
define('ga_profile_id_cn_0','1234567'); require 'gapi.class.php';

$start = mktime(0,0,0,date("m"),date("d")-30,date("Y"));
$end = mktime(0,0,0,date("m"),date("d")-2,date("Y"));
$start_date = date("Y-m-d",$start);
$end_date = date("Y-m-d",$end);
$ga = new gapi(ga_email,ga_password,isset($_SESSION['ga_auth_token'])?$_SESSION['ga_auth_token']:null);
$_SESSION['ga_auth_token'] = $ga->getAuthToken();
?>

<!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN" "http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd">
<html xmlns="http://www.w3.org/1999/xhtml" dir="ltr" lang="zh-CN">
<head profile="http://gmpg.org/xfn/11">
 <title>EDM流量数据</title>
 <meta http-equiv="Content-Type" content="text/html; charset=utf-8" />
</head>
<body>

<strong>EDM流量数据</strong>
<table><tr><th>日期</th><th>访问者</th><th>浏览量</th><th>跳出率</th><th>订单数</th></tr>
<?php $filter = "medium==edm";?>
<?php $ga->requestReportData(ga_profile_id_cn_0,array('date'),array('visits','pageviews','bounces','entrances','goal1Completions','goal2Completions','goal3Completions','goal4Completions','goal5Completions'),'-date',$filter,$start_date,$end_date); ?>
<?php foreach($ga->getResults() as $result):?>
<tr>
<td><?php echo $result; ?></td>
<td><?php echo $result->getVisits(); ?></td>
<td><?php echo $result->getPageviews(); ?></td>
<td><?php echo round($result->getBounces()/$result->getEntrances()*100,2).'%'; ?></td>
<td><?php echo $result->getGoal1Completions() ?></td>
</tr>
<?php endforeach;?>
</table>
</body>
</html>

官方地址：http://code.google.com/p/gapi-google-analytics-php-interface/

GA维度和指标：http://code.google.com/intl/en/apis/analytics/docs/gdata/gdataReferenceDimensionsMetrics.html

Related posts:

1. Google Urchin来自Google的日志分析软件
2. 十六进制HTML颜色
3. Google Analytic 数据导出API接口

Excellent Analytics 的功能点：

• 提供Google Analytics所有维度和指标的查询
• 可以使用过滤器生成特殊的查询
• 所有的查询结果保存在Excel中。

在Excel中处理Google Analytics的好处：

• 少使用一种工具
• 使用熟悉的界面
• 合并不同数据源的数据
• 使用Eecel的公式、图表、透视表
• 定义和计算自定义的KPI
• 按照你喜欢的方式呈现数据
• 与其他Excel共享工作薄

将Google Analytics的数据导出到Excel后你就可以自由的排序、操作和分发数据了。也可以使用Excel来合并其他来源的数据如线下数据。

需要注意的事：高级群体（segment ）中的“all visits”无法与AdWords数据中的visitors指标合并。

官方网站：http://excellentanalytics.com/

Related posts:

1. Google Analytic 数据导出API接口
2. Google Analytics 最新会话定义
3. 《Web Analytics: An Hour a Day》PDF电子书