《谷歌分析寶典》是機械工業出版社出版的圖書，作者是費拉斯·阿爾洛（Feras Alhlou）、希拉茲·阿西夫（Shiraz Asif）和埃里克·費特曼（Eric Fettman）。這是一本完整介紹谷歌分析工具（Google Analytics）功能和報告的指南。
基本介紹
- 書名：谷歌分析寶典
- 又名：數據化行銷與運營實戰
- 作者：費拉斯·阿爾洛（Feras Alhlou）、希拉茲·阿西夫（Shiraz Asif）、埃里克·費特曼（Eric Fettman）
- 原版名稱：Google Analytics Breakthrough: From Zero to Business Impact
- 譯者：宋星
- ISBN：9787111612056
- 定價：135.00元
- 出版社：機械工業出版社
- 出版時間：2019年4月
內容簡介,作者簡介,譯者簡介,目錄,
內容簡介
這是一本完整介紹谷歌分析工具（Google Analytics）功能和報告的指南，先概括性地介紹報告的功能，然後介紹衡量的策略，再介紹賬戶的建立和跟蹤代碼的安裝，谷歌跟蹤代碼管理器，事件、虛擬頁面瀏覽、社交操作和錯誤報告，流量獲取，目標和電子商務跟蹤，數據視圖設定、數據視圖過濾器和訪問許可權，細分，信息中心、自定義報告和智慧型提醒，實施的定製化，移動App的衡量，谷歌分析工具的集成，谷歌分析工具與CRM數據的集成，用第三方工具實現高級報告和可視化，數據導入和測量協定，*後介紹Analytics 360。每章*後都有要點回顧以及實戰與練習，每章更特別邀請了行業內大咖及專家分享業務上的經驗和技巧。
本書對於有些谷歌分析工具經驗的讀者來說，能學到很多實戰案例、技巧以及思路。產品經理、互動設計師、市場行銷、運營、增長、分析師、內容創作者、用戶體驗專家、技術人員等崗位的讀者通過閱讀本書可以建立數據驅動的視角並最佳化結果。對於數據科學家或者商業智慧型（BI）人員，閱讀關於數據集成和可視化的章節更受益。
作者簡介
費拉斯·阿爾洛（Feras Alhlou）：
E-Nor的聯合創始人和首席顧問，數字分析協會舊金山分會的認證網路分析師和聯合主席。
希拉茲·阿西夫（Shiraz Asif）：
E-Nor 的聯合創始人和分析副總裁，在解決方案架構和網站 / 移動端分析領域擁有豐富的背景，擅長高級分析實施、報告創建和自動化，以及集成數據分析。
埃里克·費特曼（Eric Fettman）：
E-Nor 的培訓總監，利用豐富的開發和行銷經驗，在現實世界的業務和技術框架中做定位分析。在埃里克開發的谷歌分析測試網站上，參與者完成了超過十萬次測試。
譯者簡介
宋星：
網際網路行銷與運營數據分析與最佳化專家，數字行銷最佳化大師和行業意見領袖。網際網路行銷技術與數據諮詢機構紛析諮詢的創始人，Publicis Media（陽獅媒體）、百度、騰訊等公司顧問，北京航空航天大學特聘教授。
目錄
譯者序
序
致謝
關於作者
關於貢獻者（嘉賓名單）
第1 章 引 言 1
1.1 為什麼要閱讀這本書 1
1.2 誰適合讀這本書 3
1.3 章節概覽 4
1.4 開啟學習之旅 6
嘉賓觀點 分析的三要素 6
第2 章 Google Analytics 報告概述：用戶特徵和行為 9
2.1 Google Analytics 報告：用戶特徵和行為 9
2.1.1 “客群群體”報告 10
2.1.2 “流量獲取”報告 17
2.1.3 “行為”報告 18
嘉賓觀點 提升移動端導航的三個小竅門 22
2.1.4 轉化報告 24
嘉賓觀點 Google Analytics 是一種增長引擎 24
2.2 維度與指標 26
2.2.1 主要維度 27
2.2.2 指標組 28
2.2.3 次要維度 28
2.2.4 表格過濾器 28
2.2.5 加權排序 30
2.2.6 日期選擇 30
2.2.7 圖表顯示選項 32
2.2.8 附加報告 34
2.3 實時報告 37
嘉賓觀點 關於Google Analytics 的三大竅門和資源 37
本章要點回顧 39
實戰與練習 39
第3 章 衡量的策略 41
3.1 目標：業務影響力 41
3.1.1 最佳化框架 41
3.1.2 評估你的分析狀態 41
3.1.3 流程和溝通的挑戰 43
3.1.4 商務和行銷發現 43
3.2 衡量的計畫 44
3.3 分析有效性的六個步驟 45
3.3.1 收集 45
3.3.2 匯總 46
3.3.3 細分 46
3.3.4 集成 46
3.3.5 可視化 46
3.3.6 解讀 46
嘉賓觀點 推下水、使用踏板，然後繼續前進：關於我們公司的增長分析訓練
（你的公司也一樣） 47
本章要點回顧 49
實戰與練習 50
第4 章 賬戶創建和跟蹤代碼安裝 51
4.1 創建Google Analytics 賬戶 51
4.1.1 配置賬戶和媒體資源設定 52
4.1.2 賬戶和安裝術語 54
4.2 Google Analytics 的賬戶結構 55
4.2.1 針對組織中每個額外增加的網站或App 的新媒體資源 56
4.2.2 每個媒體資源的多個數據視圖 57
4.3 安裝跟蹤代碼 57
4.3.1 Google Analytics 跟蹤代碼的位置 58
4.3.2 從Classic 版遷移到Universal 版 66
4.3.3 如何能辨別我是否仍在使用Classic 版 67
嘉賓觀點 Google Analytics 的十大注意事項 70
本章要點回顧 77
實戰與練習 78
第5 章 谷歌跟蹤代碼管理器的概念 79
5.1 GTM 的概念 79
5.1.1 賬戶 79
5.1.2 容器 80
5.1.3 跟蹤代碼 80
5.1.4 觸發器 81
5.1.5 變數 81
5.1.6 數據層 82
5.2 GTM 帶來的好處 82
5.2.1 管理 82
5.2.2 靈活觸發 82
5.2.3 模板和開放格式代碼 82
5.2.4 自定義和更新 83
5.2.5 結構化變數保持一致 83
5.2.6 模組化和可重用性 83
5.2.7 更多的市場/ 分析部門的參與 83
5.3 創建GTM 賬戶和容器 85
5.3.1 創建賬戶 85
5.3.2 將容器代碼添加到你的網站 85
5.3.3 在WordPress 中安裝GTM 容器 86
5.4 通過GTM 部署Google Analytics 87
5.4.1 創建Google Analytics Pageviews 跟蹤器 87
5.4.2 預覽/ 調試 88
5.4.3 發布和版本控制 89
5.5 訪問許可權 91
5.5.1 賬戶訪問 91
5.5.2 容器訪問 91
5.5.3 兩步驗證 92
5.6 從原生跟蹤遷移到GTM 93
5.6.1 GTM 和升級Universal 版本 93
5.6.2 維護原生GA 代碼，同時構建GTM 93
5.7 GTM 環境 94
創建自定義GTM 環境 94
嘉賓觀點 與開發人員協作（當你不是開發人員時） 104
本章要點回顧 106
實戰與練習 106
第6 章 事件、虛擬頁面瀏覽、社交操作和錯誤 107
6.1 事件跟蹤的必要性 107
6.1.1 點擊不會讓Google Analytics 做出反應 107
6.1.2 DOM 偵聽器 110
6.1.3 填充事件報告 110
6.1.4 不用跟蹤用戶的每一個互動 113
6.1.5 一致性至關重要 113
6.2 用GTM 進行事件跟蹤 114
6.2.1 了解手動事件跟蹤，但當你可以避免時儘量避免它 115
6.2.2 通過GTM 跟蹤下載PDF 115
6.2.3 跟蹤其他檔案類型和出站連結 118
嘉賓觀點 處於後台的GTM 觸發器 118
6.2.4 測試PDF 事件代碼 122
6.2.5 非互動事件和跳出 124
6.3 虛擬頁面瀏覽 124
多個AJAX 螢幕的虛擬頁面瀏覽 128
6.4 通過GTM 數據層和自定義事件觸發器跟蹤Google Analytics 事件 132
嘉賓觀點 Google Analytics 事件自動跟蹤器：僅使用兩個代碼
將多種類型的連結點擊跟蹤為事件 132
6.4.1 將部落格評論作為事件跟蹤 136
6.4.2 跟蹤頁面滾動和視頻嵌入 137
嘉賓觀點 滾動和嵌入式YouTube 的事件跟蹤 137
6.4.3 使用事件跟蹤導航 138
6.5 跟蹤社交網路 140
6.5.1 社交連線 140
6.5.2 社交內容操作 142
6.5.3 區分社交連線和社交內容操作 146
6.5.4 社交外掛程式報告 146
6.5.5 Google Analytics 跟蹤社交視窗小工具 147
6.6 錯誤跟蹤 147
6.6.1 跟蹤404 和500 錯誤 147
6.6.2 在“導航摘要”報告中查看引薦頁面 150
6.6.3 將錯誤作為事件進行跟蹤 151
6.6.4 跟蹤JavaScript 錯誤 152
6.6.5 在事件報告中查看JavaScript 錯誤 153
本章要點回顧 154
實戰與練習 155
第7 章 “流量獲取”報告 157
7.1 關於流量獲取的術語和概念 157
7.1.1 媒介與來源 157
7.1.2 引薦 158
7.1.3 渠道 159
7.1.4 “樹狀圖”報告 160
7.1.5 廣告系列 160
7.2 廣告系列跟蹤：Google Analytics 歸因需要你的幫助 161
7.2.1 將廣告系列參數添加至入站連結 162
7.2.2 一致性至關重要 169
7.3 自定義渠道 172
7.3.1 自定義默認渠道 173
7.3.2 對一個渠道進行重新排序 173
7.3.3 定義一個新渠道 175
7.3.4 定義自定義渠道分組 176
7.3.5 “多渠道路徑”和“歸因”報告中的渠道自定義 177
7.4 跟蹤自然搜尋流量 178
7.4.1 未提供 178
7.4.2 品牌與非品牌自然搜尋流量的異同 178
7.4.3 谷歌圖片與特定國家/ 地區的入站流量 179
7.4.4 谷歌搜尋控制台 179
嘉賓觀點 Google Analytics 基準化分析報告 181
7.4.5 直接流量和歸因優先 183
7.4.6 “多渠道路徑”報告中的直接會話 186
嘉賓觀點 https 到http 的引薦來源損失 186
本章要點回顧 186
實戰與練習 187
第8 章 目標和電子商務跟蹤 188
8.1 目標跟蹤 188
配置目標 188
嘉賓觀點 做出一個有效的號召性用語（Call to Action）的7 個技巧 190
嘉賓觀點 渠道（Funnel）前用戶的故事 197
嘉賓觀點 修復網頁分析中最大的盲點：電話 204
8.2 電子商務跟蹤 209
8.2.1 配置基本電子商務跟蹤 210
8.2.2 電子商務報告 212
8.2.3 增強型電子商務 213
8.2.4 安裝增強型電子商務跟蹤 216
嘉賓觀點 最後的妥協：使用高級Google Analytics 增強型電子商務技術
跟蹤基於可自定配置進行定價的商品的購買意向 228
8.2.5 基於購物及結賬行為渠道的細分和再行銷 232
8.3 “多渠道路徑”報告 233
8.3.1 最終點擊歸因模型 234
8.3.2 “多渠道路徑”報告 234
8.3.3 網頁價值 238
8.3.4 在網頁價值範圍內區分目標價值和電子商務收入 240
8.4 與第三方購物車合作 241
嘉賓觀點 應向電子商務服務商提出的與GA 跟蹤相關的問題 241
本章要點回顧 243
實戰與練習 244
第9 章 數據視圖設定、數據視圖過濾器和訪問許可權 246
9.1 為什麼我們需要多個數據視圖 246
9.2 最佳實踐：工作、測試和未被過濾的數據視圖 247
9.3 數據視圖設定 248
9.3.1 默認頁面 249
9.3.2 排除URL 查詢參數 250
9.3.3 阻止PII 的“排除URL 查詢參數” 252
9.3.4 網站搜尋跟蹤 252
9.3.5 漫遊器過濾 253
9.4 數據視圖過濾器 254
9.4.1 根據IP 地址來排除內部流量 255
9.4.2 把“媒介”中的“社交”重寫為“社交來源” 257
9.4.3 小寫過濾器 258
9.4.4 僅包含特定子目錄的流量 259
9.4.5 主機名過濾器 259
9.4.6 為非標準搜尋結果的URL 配置“網站搜尋” 259
9.4.7 排除垃圾引薦流量 260
9.4.8 過濾器執行順序 260
9.4.9 針對不同的數據視圖，套用相同的過濾器 262
9.5 訪問許可權 263
9.5.1 “管理用戶”許可權 263
9.5.2 “修改”許可權 263
9.5.3 “協作”許可權 264
9.5.4 “閱讀和分析”許可權 265
9.5.5 通過數據視圖過濾器和用戶許可權控制對數據子集的訪問 265
9.5.6 無直接訪問的許可權 266
9.5.7 廣告代理商的用戶管理 266
9.6 更改歷史記錄 267
9.7 垃圾箱 267
本章要點回顧 268
實戰與練習 268
第10 章 細分 270
10.1 為實現聚焦和放大進行的細分 270
10.1.1 套用內置（“系統”）細分 270
10.1.2 創建自定義細分 273
10.2 繪製客戶組別作為自定義細分 280
10.3 抽樣 286
10.3.1 抽樣規模和基數 287
10.3.2 訪問非抽樣的數據 287
10.4 細分與已過濾的數據視圖的比較 288
本章要點回顧 289
實戰與練習 289
第11 章 信息中心、自定義報告和智慧型提醒 291
11.1 信息中心 291
11.1.1 創建信息中心 291
11.1.2 共享 292
11.1.3 導出和傳送電子郵件 292
11.2 自定義報告 293
嘉賓觀點 在數據中尋找故事 296
11.3 捷徑 298
11.4 智慧型提醒 298
11.5 注釋 302
本章要點回顧 304
實戰與練習 304
第12 章 實施的定製化 305
12.1 自定義維度 305
12.1.1 自定義維度： 文章作者和類別 305
12.1.2 自定義維度：登錄狀態 310
12.1.3 自定義維度：表單選擇 311
嘉賓觀點 酒店預訂的計算指標和自定義維度 312
12.2 內容分組 314
12.2.1 設定內容分組 315
12.2.2 填充內容組 315
12.3 自定義指標 316
12.3.1 設定自定義指標 316
12.3.2 填充自定義指標 317
12.3.3 格式設定類型和範圍 318
12.4 計算指標 319
12.4.1 基於用戶的轉化率 319
12.4.2 非跳出的轉化率 320
12.5 客群特徵和興趣 320
12.6 增強型連結歸因 321
12.7 跟蹤信息自定義 322
12.7.1 會話逾時 322
12.7.2 廣告系列逾時 322
12.7.3 自然搜尋來源 323
12.7.4 引薦排除列表 324
12.7.5 搜尋字詞排除列表 324
12.8 跨網域和匯總報告 324
12.8.1 跨網域跟蹤 325
12.8.2 匯總報告 327
12.8.3 移動App 匯總 328
12.8.4 子域跟蹤 328
12.8.5 套用視圖過濾器來消除域名的歧義 329
12.8.6 每個網域或子域的專用視圖 329
12.9 使用User ID 跨設備跟蹤 330
12.9.1 跨設備跟蹤的其他注意事項 333
12.9.2 “跨設備”報告 333
12.9.3 把User ID 作為自定義維度 335
嘉賓觀點 Google Analytics 與數據隱私 336
本章要點回顧 340
實戰與練習 340
第13 章 移動App 的衡量 342
13.1 跟蹤移動App 342
13.2 為什麼移動設備非常重要 342
13.3 移動策略 343
13.4 衡量什麼 343
13.5 Google Analytics 中的移動設定 344
13.6 在App 中設定Google Analytics 345
13.6.1 在應用程式中部署Google Analytics 345
13.6.2 應該通過移動SDK 還是GTM SDK 部署 346
13.7 移動媒體資源中賬戶結構的最佳實踐 348
13.8 App“實時”報告 349
13.9 集成 351
13.9.1 AdMob 與Google Play 和iTunes 的集成 351
13.9.2 Google Play 和Apple Store 的集成 353
13.10 移動廣告系列跟蹤 355
13.10.1 安卓 356
13.10.2 iOS 358
13.11 移動隱私 360
嘉賓觀點 改進App 的App 測量 361
本章要點回顧 366
實戰與練習 367
第14 章 Google Analytics 的數據集成：整合的力量 368
14.1 AdWords 368
14.1.1 Google Analytics 中的AdWords 數據 369
14.1.2 AdWords 中的Google Analytics 數據 369
14.1.3 關聯AdWords 和Google Analytics 370
14.1.4 Google 展示廣告網路廣告系列 371
14.1.5 最後一次觸達以外的歸因 372
14.1.6 Google Analytics 的轉化與AdWords 的轉化的比較 373
14.1.7 通過利用Google Analytics 客群群體進行AdWords 再行銷 373
14.1.8 AdWords 與Google Analytics 的再行銷客群群體比較 374
嘉賓觀點 再行銷的最佳實踐和專家提示 379
14.2 AdSense 382
14.2.1 Google Analytics 集成的好處 382
14.2.2 連結賬戶 383
14.2.3 報告示例 383
14.2.4 DoubleClick 廣告發布管理系統與DoubleClick Ad Exchange 384
14.3 YouTube 在Google Analytics 中的套用 384
14.3.1 YouTube 數據分析 385
14.3.2 Google Analytics YouTube 渠道網頁 385
14.4 Analytics 360 集成 385
14.5 附加集成 385
14.5.1 電子郵件服務供應商 386
14.5.2 社交媒體平台 386
14.5.3 測試 387
14.5.4 客戶之音—客戶反饋 387
14.5.5 行銷自動化 387
14.5.6 付費搜尋管理平台 388
14.5.7 商業智慧型/ 數據可視化 388
本章要點回顧 388
實戰與練習 388
第15 章 將Google Analytics 與CRM 數據集成 389
15.1 長期觀察 389
15.2 計算每個合格銷售線索的成本 389
15.2.1 B2B 案例：記憶體晶片製造商的合格銷售線索 389
15.2.2 將廣告系列渠道與合格潛在客戶相關聯 392
嘉賓觀點 在Salesforce 中記錄Google Analytics 廣告系列數據 393
15.3 在Google Analytics 和CRM 數據中加入訪問者ID 398
15.3.1 導出Google Analytics 數據 398
15.3.2 將Google Analytics 數據導入CRM 398
15.3.3 藉助CRM 數據將Google Analytics 行為和客群群體數據合併 399
15.3.4 在Google Analytics 中使用CRM ID 作為訪問者ID 400
嘉賓觀點 實施長期價值（LTV）和單位獲客成本（CPA）
以獲得競爭優勢的案例 404
本章要點回顧 407
實戰與練習 408
第16 章 使用第三方工具製作高級報告和可視化 410
16.1 聚焦問題：如何從Google Analytics 獲取數據 411
16.1.1 核心報告API 411
16.1.2 非抽樣請求API 411
16.1.3 第三方工具 411
嘉賓觀點 Google Analytics 的突破：從零塑造商業影響力 414
16.2 ETLV—完整的報告自動化周期 416
16.3 BigQuery / Tableau 的高級案例 418
16.3.1 案例1 ：路徑分析 418
16.3.2 案例2 ：電子商務 420
16.3.3 案例3 ：先進的渠道（funnel）分析 422
嘉賓觀點 高級渠道（funnel）分析—下一級 422
嘉賓觀點 使用R 訪問Google Analyics 數據 426
嘉賓觀點 ShufflePoint 428
本章要點回顧 431
實戰與練習 431
第17 章 數據導入和測量協定 432
17.1 數據導入 432
17.1.1 將CRM 數據導入Google Analytics 432
17.1.2 通過管理API 上傳 436
17.1.3 在Google Analytics 報告中使用導入數據 436
17.1.4 導入內容數據到Google Analytics 437
17.1.5 導入廣告系列數據到Google Analytics 440
17.1.6 導入成本數據到Google Analytics 442
17.1.7 對比廣告系列成本和效果 444
17.1.8 將產品數據導入Google Analytics 445
17.1.9 導入Google Analytics 地理數據 445
17.2 測量協定 446
嘉賓觀點 對於測量協定的技術考量 446
嘉賓觀點 測量協定的兩個案例 447
本章要點回顧 453
實戰與練習 454
第18 章 Analytics 360 455
18.1 為什麼要用Analytics 360 455
18.2 提升數據容量 456
18.2.1 10 倍以上的自定義維度和自定義指標 456
18.2.2 以12 倍速度更新數據 456
18.2.3 提升數據量的上限 456
18.3 服務級協定 458
18.3.1 支持、升級和條款 459
18.3.2 自定義渠道（funnel） 459
18.3.3 BigQuery 導出 460
18.3.4 匯總報告 460
18.3.5 DoubleClick 集成 461
嘉賓觀點 在處理高級歸因之前需要回答的4 個問題 467
18.4 Analytics 360 獨有的功能 468
18.4.1 門戶 468
18.4.2 培訓資源 468
18.4.3 發布版和測試版功能 468
18.4.4 賬單和層 468
18.5 在哪裡買——是通過經銷商還是Google 直接購買 469
本章要點回顧 470
實戰與練習 471
附 錄 472
附錄A 擴充你的最佳化項目 472
A.1 定性輸入 472
嘉賓觀點 通過訪問者調查增強Google Analytics 473
嘉賓觀點 用戶研究和定性最佳化 476
A.2 疊加熱圖報告 479
嘉賓觀點 快速獲得顯著結果 479
A.3 測試 480
嘉賓觀點 利用LIFT 模型創建強有力的實驗假設 481
嘉賓觀點 通過文檔和測試後分析，更好地使用分組測試 486
嘉賓觀點 A/B 測試成功的技巧 491
嘉賓觀點 使用Optimizely 測試移動App 493
A.4 行銷自動化和個性化 496
嘉賓觀點 行銷自動化與Google Analytics ：集成和個性化 496
附錄B 資源 501
序
致謝
關於作者
關於貢獻者（嘉賓名單）
第1 章 引 言 1
1.1 為什麼要閱讀這本書 1
1.2 誰適合讀這本書 3
1.3 章節概覽 4
1.4 開啟學習之旅 6
嘉賓觀點 分析的三要素 6
第2 章 Google Analytics 報告概述：用戶特徵和行為 9
2.1 Google Analytics 報告：用戶特徵和行為 9
2.1.1 “客群群體”報告 10
2.1.2 “流量獲取”報告 17
2.1.3 “行為”報告 18
嘉賓觀點 提升移動端導航的三個小竅門 22
2.1.4 轉化報告 24
嘉賓觀點 Google Analytics 是一種增長引擎 24
2.2 維度與指標 26
2.2.1 主要維度 27
2.2.2 指標組 28
2.2.3 次要維度 28
2.2.4 表格過濾器 28
2.2.5 加權排序 30
2.2.6 日期選擇 30
2.2.7 圖表顯示選項 32
2.2.8 附加報告 34
2.3 實時報告 37
嘉賓觀點 關於Google Analytics 的三大竅門和資源 37
本章要點回顧 39
實戰與練習 39
第3 章 衡量的策略 41
3.1 目標：業務影響力 41
3.1.1 最佳化框架 41
3.1.2 評估你的分析狀態 41
3.1.3 流程和溝通的挑戰 43
3.1.4 商務和行銷發現 43
3.2 衡量的計畫 44
3.3 分析有效性的六個步驟 45
3.3.1 收集 45
3.3.2 匯總 46
3.3.3 細分 46
3.3.4 集成 46
3.3.5 可視化 46
3.3.6 解讀 46
嘉賓觀點 推下水、使用踏板，然後繼續前進：關於我們公司的增長分析訓練
（你的公司也一樣） 47
本章要點回顧 49
實戰與練習 50
第4 章 賬戶創建和跟蹤代碼安裝 51
4.1 創建Google Analytics 賬戶 51
4.1.1 配置賬戶和媒體資源設定 52
4.1.2 賬戶和安裝術語 54
4.2 Google Analytics 的賬戶結構 55
4.2.1 針對組織中每個額外增加的網站或App 的新媒體資源 56
4.2.2 每個媒體資源的多個數據視圖 57
4.3 安裝跟蹤代碼 57
4.3.1 Google Analytics 跟蹤代碼的位置 58
4.3.2 從Classic 版遷移到Universal 版 66
4.3.3 如何能辨別我是否仍在使用Classic 版 67
嘉賓觀點 Google Analytics 的十大注意事項 70
本章要點回顧 77
實戰與練習 78
第5 章 谷歌跟蹤代碼管理器的概念 79
5.1 GTM 的概念 79
5.1.1 賬戶 79
5.1.2 容器 80
5.1.3 跟蹤代碼 80
5.1.4 觸發器 81
5.1.5 變數 81
5.1.6 數據層 82
5.2 GTM 帶來的好處 82
5.2.1 管理 82
5.2.2 靈活觸發 82
5.2.3 模板和開放格式代碼 82
5.2.4 自定義和更新 83
5.2.5 結構化變數保持一致 83
5.2.6 模組化和可重用性 83
5.2.7 更多的市場/ 分析部門的參與 83
5.3 創建GTM 賬戶和容器 85
5.3.1 創建賬戶 85
5.3.2 將容器代碼添加到你的網站 85
5.3.3 在WordPress 中安裝GTM 容器 86
5.4 通過GTM 部署Google Analytics 87
5.4.1 創建Google Analytics Pageviews 跟蹤器 87
5.4.2 預覽/ 調試 88
5.4.3 發布和版本控制 89
5.5 訪問許可權 91
5.5.1 賬戶訪問 91
5.5.2 容器訪問 91
5.5.3 兩步驗證 92
5.6 從原生跟蹤遷移到GTM 93
5.6.1 GTM 和升級Universal 版本 93
5.6.2 維護原生GA 代碼，同時構建GTM 93
5.7 GTM 環境 94
創建自定義GTM 環境 94
嘉賓觀點 與開發人員協作（當你不是開發人員時） 104
本章要點回顧 106
實戰與練習 106
第6 章 事件、虛擬頁面瀏覽、社交操作和錯誤 107
6.1 事件跟蹤的必要性 107
6.1.1 點擊不會讓Google Analytics 做出反應 107
6.1.2 DOM 偵聽器 110
6.1.3 填充事件報告 110
6.1.4 不用跟蹤用戶的每一個互動 113
6.1.5 一致性至關重要 113
6.2 用GTM 進行事件跟蹤 114
6.2.1 了解手動事件跟蹤，但當你可以避免時儘量避免它 115
6.2.2 通過GTM 跟蹤下載PDF 115
6.2.3 跟蹤其他檔案類型和出站連結 118
嘉賓觀點 處於後台的GTM 觸發器 118
6.2.4 測試PDF 事件代碼 122
6.2.5 非互動事件和跳出 124
6.3 虛擬頁面瀏覽 124
多個AJAX 螢幕的虛擬頁面瀏覽 128
6.4 通過GTM 數據層和自定義事件觸發器跟蹤Google Analytics 事件 132
嘉賓觀點 Google Analytics 事件自動跟蹤器：僅使用兩個代碼
將多種類型的連結點擊跟蹤為事件 132
6.4.1 將部落格評論作為事件跟蹤 136
6.4.2 跟蹤頁面滾動和視頻嵌入 137
嘉賓觀點 滾動和嵌入式YouTube 的事件跟蹤 137
6.4.3 使用事件跟蹤導航 138
6.5 跟蹤社交網路 140
6.5.1 社交連線 140
6.5.2 社交內容操作 142
6.5.3 區分社交連線和社交內容操作 146
6.5.4 社交外掛程式報告 146
6.5.5 Google Analytics 跟蹤社交視窗小工具 147
6.6 錯誤跟蹤 147
6.6.1 跟蹤404 和500 錯誤 147
6.6.2 在“導航摘要”報告中查看引薦頁面 150
6.6.3 將錯誤作為事件進行跟蹤 151
6.6.4 跟蹤JavaScript 錯誤 152
6.6.5 在事件報告中查看JavaScript 錯誤 153
本章要點回顧 154
實戰與練習 155
第7 章 “流量獲取”報告 157
7.1 關於流量獲取的術語和概念 157
7.1.1 媒介與來源 157
7.1.2 引薦 158
7.1.3 渠道 159
7.1.4 “樹狀圖”報告 160
7.1.5 廣告系列 160
7.2 廣告系列跟蹤：Google Analytics 歸因需要你的幫助 161
7.2.1 將廣告系列參數添加至入站連結 162
7.2.2 一致性至關重要 169
7.3 自定義渠道 172
7.3.1 自定義默認渠道 173
7.3.2 對一個渠道進行重新排序 173
7.3.3 定義一個新渠道 175
7.3.4 定義自定義渠道分組 176
7.3.5 “多渠道路徑”和“歸因”報告中的渠道自定義 177
7.4 跟蹤自然搜尋流量 178
7.4.1 未提供 178
7.4.2 品牌與非品牌自然搜尋流量的異同 178
7.4.3 谷歌圖片與特定國家/ 地區的入站流量 179
7.4.4 谷歌搜尋控制台 179
嘉賓觀點 Google Analytics 基準化分析報告 181
7.4.5 直接流量和歸因優先 183
7.4.6 “多渠道路徑”報告中的直接會話 186
嘉賓觀點 https 到http 的引薦來源損失 186
本章要點回顧 186
實戰與練習 187
第8 章 目標和電子商務跟蹤 188
8.1 目標跟蹤 188
配置目標 188
嘉賓觀點 做出一個有效的號召性用語（Call to Action）的7 個技巧 190
嘉賓觀點 渠道（Funnel）前用戶的故事 197
嘉賓觀點 修復網頁分析中最大的盲點：電話 204
8.2 電子商務跟蹤 209
8.2.1 配置基本電子商務跟蹤 210
8.2.2 電子商務報告 212
8.2.3 增強型電子商務 213
8.2.4 安裝增強型電子商務跟蹤 216
嘉賓觀點 最後的妥協：使用高級Google Analytics 增強型電子商務技術
跟蹤基於可自定配置進行定價的商品的購買意向 228
8.2.5 基於購物及結賬行為渠道的細分和再行銷 232
8.3 “多渠道路徑”報告 233
8.3.1 最終點擊歸因模型 234
8.3.2 “多渠道路徑”報告 234
8.3.3 網頁價值 238
8.3.4 在網頁價值範圍內區分目標價值和電子商務收入 240
8.4 與第三方購物車合作 241
嘉賓觀點 應向電子商務服務商提出的與GA 跟蹤相關的問題 241
本章要點回顧 243
實戰與練習 244
第9 章 數據視圖設定、數據視圖過濾器和訪問許可權 246
9.1 為什麼我們需要多個數據視圖 246
9.2 最佳實踐：工作、測試和未被過濾的數據視圖 247
9.3 數據視圖設定 248
9.3.1 默認頁面 249
9.3.2 排除URL 查詢參數 250
9.3.3 阻止PII 的“排除URL 查詢參數” 252
9.3.4 網站搜尋跟蹤 252
9.3.5 漫遊器過濾 253
9.4 數據視圖過濾器 254
9.4.1 根據IP 地址來排除內部流量 255
9.4.2 把“媒介”中的“社交”重寫為“社交來源” 257
9.4.3 小寫過濾器 258
9.4.4 僅包含特定子目錄的流量 259
9.4.5 主機名過濾器 259
9.4.6 為非標準搜尋結果的URL 配置“網站搜尋” 259
9.4.7 排除垃圾引薦流量 260
9.4.8 過濾器執行順序 260
9.4.9 針對不同的數據視圖，套用相同的過濾器 262
9.5 訪問許可權 263
9.5.1 “管理用戶”許可權 263
9.5.2 “修改”許可權 263
9.5.3 “協作”許可權 264
9.5.4 “閱讀和分析”許可權 265
9.5.5 通過數據視圖過濾器和用戶許可權控制對數據子集的訪問 265
9.5.6 無直接訪問的許可權 266
9.5.7 廣告代理商的用戶管理 266
9.6 更改歷史記錄 267
9.7 垃圾箱 267
本章要點回顧 268
實戰與練習 268
第10 章 細分 270
10.1 為實現聚焦和放大進行的細分 270
10.1.1 套用內置（“系統”）細分 270
10.1.2 創建自定義細分 273
10.2 繪製客戶組別作為自定義細分 280
10.3 抽樣 286
10.3.1 抽樣規模和基數 287
10.3.2 訪問非抽樣的數據 287
10.4 細分與已過濾的數據視圖的比較 288
本章要點回顧 289
實戰與練習 289
第11 章 信息中心、自定義報告和智慧型提醒 291
11.1 信息中心 291
11.1.1 創建信息中心 291
11.1.2 共享 292
11.1.3 導出和傳送電子郵件 292
11.2 自定義報告 293
嘉賓觀點 在數據中尋找故事 296
11.3 捷徑 298
11.4 智慧型提醒 298
11.5 注釋 302
本章要點回顧 304
實戰與練習 304
第12 章 實施的定製化 305
12.1 自定義維度 305
12.1.1 自定義維度： 文章作者和類別 305
12.1.2 自定義維度：登錄狀態 310
12.1.3 自定義維度：表單選擇 311
嘉賓觀點 酒店預訂的計算指標和自定義維度 312
12.2 內容分組 314
12.2.1 設定內容分組 315
12.2.2 填充內容組 315
12.3 自定義指標 316
12.3.1 設定自定義指標 316
12.3.2 填充自定義指標 317
12.3.3 格式設定類型和範圍 318
12.4 計算指標 319
12.4.1 基於用戶的轉化率 319
12.4.2 非跳出的轉化率 320
12.5 客群特徵和興趣 320
12.6 增強型連結歸因 321
12.7 跟蹤信息自定義 322
12.7.1 會話逾時 322
12.7.2 廣告系列逾時 322
12.7.3 自然搜尋來源 323
12.7.4 引薦排除列表 324
12.7.5 搜尋字詞排除列表 324
12.8 跨網域和匯總報告 324
12.8.1 跨網域跟蹤 325
12.8.2 匯總報告 327
12.8.3 移動App 匯總 328
12.8.4 子域跟蹤 328
12.8.5 套用視圖過濾器來消除域名的歧義 329
12.8.6 每個網域或子域的專用視圖 329
12.9 使用User ID 跨設備跟蹤 330
12.9.1 跨設備跟蹤的其他注意事項 333
12.9.2 “跨設備”報告 333
12.9.3 把User ID 作為自定義維度 335
嘉賓觀點 Google Analytics 與數據隱私 336
本章要點回顧 340
實戰與練習 340
第13 章 移動App 的衡量 342
13.1 跟蹤移動App 342
13.2 為什麼移動設備非常重要 342
13.3 移動策略 343
13.4 衡量什麼 343
13.5 Google Analytics 中的移動設定 344
13.6 在App 中設定Google Analytics 345
13.6.1 在應用程式中部署Google Analytics 345
13.6.2 應該通過移動SDK 還是GTM SDK 部署 346
13.7 移動媒體資源中賬戶結構的最佳實踐 348
13.8 App“實時”報告 349
13.9 集成 351
13.9.1 AdMob 與Google Play 和iTunes 的集成 351
13.9.2 Google Play 和Apple Store 的集成 353
13.10 移動廣告系列跟蹤 355
13.10.1 安卓 356
13.10.2 iOS 358
13.11 移動隱私 360
嘉賓觀點 改進App 的App 測量 361
本章要點回顧 366
實戰與練習 367
第14 章 Google Analytics 的數據集成：整合的力量 368
14.1 AdWords 368
14.1.1 Google Analytics 中的AdWords 數據 369
14.1.2 AdWords 中的Google Analytics 數據 369
14.1.3 關聯AdWords 和Google Analytics 370
14.1.4 Google 展示廣告網路廣告系列 371
14.1.5 最後一次觸達以外的歸因 372
14.1.6 Google Analytics 的轉化與AdWords 的轉化的比較 373
14.1.7 通過利用Google Analytics 客群群體進行AdWords 再行銷 373
14.1.8 AdWords 與Google Analytics 的再行銷客群群體比較 374
嘉賓觀點 再行銷的最佳實踐和專家提示 379
14.2 AdSense 382
14.2.1 Google Analytics 集成的好處 382
14.2.2 連結賬戶 383
14.2.3 報告示例 383
14.2.4 DoubleClick 廣告發布管理系統與DoubleClick Ad Exchange 384
14.3 YouTube 在Google Analytics 中的套用 384
14.3.1 YouTube 數據分析 385
14.3.2 Google Analytics YouTube 渠道網頁 385
14.4 Analytics 360 集成 385
14.5 附加集成 385
14.5.1 電子郵件服務供應商 386
14.5.2 社交媒體平台 386
14.5.3 測試 387
14.5.4 客戶之音—客戶反饋 387
14.5.5 行銷自動化 387
14.5.6 付費搜尋管理平台 388
14.5.7 商業智慧型/ 數據可視化 388
本章要點回顧 388
實戰與練習 388
第15 章 將Google Analytics 與CRM 數據集成 389
15.1 長期觀察 389
15.2 計算每個合格銷售線索的成本 389
15.2.1 B2B 案例：記憶體晶片製造商的合格銷售線索 389
15.2.2 將廣告系列渠道與合格潛在客戶相關聯 392
嘉賓觀點 在Salesforce 中記錄Google Analytics 廣告系列數據 393
15.3 在Google Analytics 和CRM 數據中加入訪問者ID 398
15.3.1 導出Google Analytics 數據 398
15.3.2 將Google Analytics 數據導入CRM 398
15.3.3 藉助CRM 數據將Google Analytics 行為和客群群體數據合併 399
15.3.4 在Google Analytics 中使用CRM ID 作為訪問者ID 400
嘉賓觀點 實施長期價值（LTV）和單位獲客成本（CPA）
以獲得競爭優勢的案例 404
本章要點回顧 407
實戰與練習 408
第16 章 使用第三方工具製作高級報告和可視化 410
16.1 聚焦問題：如何從Google Analytics 獲取數據 411
16.1.1 核心報告API 411
16.1.2 非抽樣請求API 411
16.1.3 第三方工具 411
嘉賓觀點 Google Analytics 的突破：從零塑造商業影響力 414
16.2 ETLV—完整的報告自動化周期 416
16.3 BigQuery / Tableau 的高級案例 418
16.3.1 案例1 ：路徑分析 418
16.3.2 案例2 ：電子商務 420
16.3.3 案例3 ：先進的渠道（funnel）分析 422
嘉賓觀點 高級渠道（funnel）分析—下一級 422
嘉賓觀點 使用R 訪問Google Analyics 數據 426
嘉賓觀點 ShufflePoint 428
本章要點回顧 431
實戰與練習 431
第17 章 數據導入和測量協定 432
17.1 數據導入 432
17.1.1 將CRM 數據導入Google Analytics 432
17.1.2 通過管理API 上傳 436
17.1.3 在Google Analytics 報告中使用導入數據 436
17.1.4 導入內容數據到Google Analytics 437
17.1.5 導入廣告系列數據到Google Analytics 440
17.1.6 導入成本數據到Google Analytics 442
17.1.7 對比廣告系列成本和效果 444
17.1.8 將產品數據導入Google Analytics 445
17.1.9 導入Google Analytics 地理數據 445
17.2 測量協定 446
嘉賓觀點 對於測量協定的技術考量 446
嘉賓觀點 測量協定的兩個案例 447
本章要點回顧 453
實戰與練習 454
第18 章 Analytics 360 455
18.1 為什麼要用Analytics 360 455
18.2 提升數據容量 456
18.2.1 10 倍以上的自定義維度和自定義指標 456
18.2.2 以12 倍速度更新數據 456
18.2.3 提升數據量的上限 456
18.3 服務級協定 458
18.3.1 支持、升級和條款 459
18.3.2 自定義渠道（funnel） 459
18.3.3 BigQuery 導出 460
18.3.4 匯總報告 460
18.3.5 DoubleClick 集成 461
嘉賓觀點 在處理高級歸因之前需要回答的4 個問題 467
18.4 Analytics 360 獨有的功能 468
18.4.1 門戶 468
18.4.2 培訓資源 468
18.4.3 發布版和測試版功能 468
18.4.4 賬單和層 468
18.5 在哪裡買——是通過經銷商還是Google 直接購買 469
本章要點回顧 470
實戰與練習 471
附 錄 472
附錄A 擴充你的最佳化項目 472
A.1 定性輸入 472
嘉賓觀點 通過訪問者調查增強Google Analytics 473
嘉賓觀點 用戶研究和定性最佳化 476
A.2 疊加熱圖報告 479
嘉賓觀點 快速獲得顯著結果 479
A.3 測試 480
嘉賓觀點 利用LIFT 模型創建強有力的實驗假設 481
嘉賓觀點 通過文檔和測試後分析，更好地使用分組測試 486
嘉賓觀點 A/B 測試成功的技巧 491
嘉賓觀點 使用Optimizely 測試移動App 493
A.4 行銷自動化和個性化 496
嘉賓觀點 行銷自動化與Google Analytics ：集成和個性化 496
附錄B 資源 501
