网站分析新工具推荐——孔明统计

　　前天Google Alert让我无意间发现了一个令人耳目一新的工具，试用了下，今天忍不住要跟大家分享。

　　我们都知道，网站分析是通过监测网站访问者的访问行为实现的，我们所有熟知的网站分析工具，例如Google Analytics，SiteCatalyst（Omniture的网站分析工具），Webtrends等等，都是通过访问者的行为来判断访问者的目的以及他们在网站上的实际体验。因此，对于这些传统工具，没有行为，我们就无法真正了解网站的访问者。

　　在这个方面，孔明统计很显然想让人大吃一惊。

　　让我们来看看这个工具给我们带来了什么新鲜的触感。

登录界面

　　登录界面很清新，立即免费注册的Call To Action button非常引人注目。这个，其实是我一直推崇的Landing Page的执行方式，简单，明了，有效。不过下面三个图标中的两个——“洞悉您的网站受众"、“掌握您的热门话题”，其实我没有看明白是什么意思，另外“了解孔明科技”，似乎也不该属于“孔明统计特性”。建议把前两个改为“洞悉网站用户究竟是‘什么人’”，“挖掘网站热门内容”。

[版权归Sidney Song（宋星）所有，欢 迎转载，但请事先告知作者并注明出处]

　　点击“立即免费注册”，发现原来现在还没有开放注册，需要向开发者发邮件索取。

　　这样更好，我能跟他们取得联系，了解了一些更多关于这个工具的信息。下面会跟大家具体介绍。

Dashboard

　　注册完毕，代码加入，运行一天，就能看到数据报告了。报告的Dashboard映入眼帘，和工具的首页一样清新。

　　猛一看，很兴奋，对于网站访问者的人口属性（Demographic）统计其实大家都不陌生，Google DoubleClick Ad Planner（按照CCTV的要求应该写为“谷歌双击广告计划者”）就能够提供美国网络访问者的人口属性统计。但是这个问题，在中国，一直没有得到真正的解决。对，我们有艾瑞，但是艾瑞是一个付费工具，而且也不是监测自己的网站的工具，是做给广告主用的，而不是做给网站站长用的。然后就很难找出第二个真正做好这块的工具了。

　　孔明统计是否能够填补这块空白，我们拭目以待。

[版权归Sidney Song（宋星）所有，欢 迎转载，但请事先告知作者并注明出处]

　　接着看看具体的Dashboard。

　　左上方的饼图，代表着访问者本身的一种属性——访问者作为一个人，他/她自己的兴趣是什么。例如，我的网站访问者A这个人的兴趣大致可以分为最感兴趣网络（65%），比较感兴趣金融（20%），还对旅游感兴趣（10%），以及其他（5%）；B这个人则是金融（55%），旅游（20%），网络（10%），其他（15%）；C这个人……这样，把所有访问者的各种兴趣分布加在一起（也可能是加权加在一起），就做成了这个分布图。这个图的作用很明确——让你了解你的访问者他们抱着什么目的访问你的网站的。一个建议，如果分类还能够更细，那就更有意义。

　　右边的柱状图是抱有各种类型兴趣的访问者流量网站的PV。例如，我的网站访问者中，对“网络”感兴趣的访问者贡献了最多的PV，对“金融”感兴趣的访问者其次。这的图很直接的说明了——我的内容在满足“网络”兴趣方面做的不错。

　　下面四个小图是受众的人口属性，很直观，不用多说。我倒是很感兴趣的是，他们是如何获得这些数据的。工具的创始人告诉我，他们通过用户跨网站浏览页面的内容来判断用户的兴趣，并结合用户的浏览行为模式来分析他们的性别、年龄、收入、身份等属性。仍然是间接的方法，而且也需要跨域监测同一个cookie在很多网站上的访问行为和内容，对语义分析的要求也很高。这些都不是简单的事情。不过，他们对自己的技术非常自信。

Underfolder

　　上面的抓图只是首页的第一屏，首页还有underfolder的部分，如下图所示：

　　这个部分想要说明网站内容的分布，我感觉其实如同搜索引擎crawler（爬虫），把内容爬下来，再进行语义的分析，最后总结出具体内容主题的分布。这个功能，我认为他们的意图是用于对比网站访问者实际兴趣和网站实际内容之间的匹配程度，以帮助网站站长优化自己的网站。

　　有点儿意思，不过似乎还需要再继续完善。

　　如果能够准确对比访问者意图和网站内容的供给之间的差异，这的确是帮助优化网站内容的一个非常有利的工具。

[版权归Sidney Song（宋星）所有，欢 迎转载，但请事先告知作者并注明出处]

细分和趋势

　　在具体的报告中，这个工具提供了访问者兴趣变化的趋势，以及怀揣各种兴趣的访问者网站访问流量的趋势。

　　另外，工具也提供了各种细分流量的兴趣分布和人群属性，这种细分的意义不言而喻。比如，我花钱买了流量，通过这个工具就可以知道我的流量是不是我想要的那群人。如下图，是苏杰的博客带给我的访问者的兴趣分布和人口属性。

　　呵呵，大家都知道Sidney是最喜欢细分、趋势和转化的。所以，我看到这个工具真的很惊喜。

我的问题

　　唯一的问题，留给工具的所有者回答，如何获得数据？如何保证数据的准确性？这些数据，我其实根本不期望100%的准确，但是我希望能够获得一个大致的置信区间。

　　最后，推荐朋友们自己试试，地址在：http://www.kmtongji.com。