分析称Twitter所带网络流量为想象数量4倍以上

分析 src="https://img1.runjiapp.com/duoteimg/zixunImg/local/2011/07/15/13106916971640.jpg">

谷歌Analytics对于网站本周三的浏览情况分析

　　导读：创投机构GRP Partners合伙人、初创博客网站BothSidesoftheTable创始人马克·苏斯特(Mark Suster)于周四下午在TechCrunch发表了一篇综述。他在这篇文章里详细解释了他对网络流量统计方式的分析方法，并强调了Twitter在网络推荐和推广中的影响力。

　　以下为综述全文：

　　大部分互联网发布商都会通过专用的分析软件套装——如谷歌Analytics、Omniture或者Core Metrics之类的软件来判断网络流量的来源。这些软件软件的确很有用，能够有效地帮助互联网企业判断到底哪些人在使用他们的网站。

　　但是如今，他们的判断却不再准确，甚至是大错特错了。因为了解到有哪些机构推荐了该发布商而产生的网络流量也是一个非常重要的环节，这将直接关系到发布商如何安排其市场推广的预算情况。而事实上我们几乎可以肯定，Twitter上的信息通过广大用户的推荐而产生的流量也是远远超出大家的想象的——或许是大家想象的数量的4倍，甚至更多。

　　到底应该如何分析流量数据？

　　软件开发者乔纳森·斯特拉斯(Jonathan Strauss)设计了一款软件awe.sm来检测了这些数据，并为此写了一篇精彩的报告。

　　我自己也曾经是他的产品awe.sm的用户，此后我也对斯特拉斯的公司进行了投资。因此我对于外界很少将Twitter作为一个推荐源的情况以及关注了很久。我列了张图表供大家参考。

　　大家从图表中可以看到谷歌Analytics对于网站本周三的浏览情况分析。我们可以看到共有8502位访客，但其中只有1669位是“直接访客(direct)”，所谓直接访客即用户直接输入了该网站地址并进入网站的用户。他们没有接受过其他任何人的“推荐”。

　　但是请大家关注一下第2行。这行显示“direct – bothsid.es / bothsid.es – twitter”，这里显示了1423条推荐。而第5行显示“ / bothsid.es – twitter”则显示了712条推荐，第9行的“ / referal”则又显示了170条推荐。

　　我们应该如何解读这些信息呢？

　　awm.se能帮助我够追踪我的社交媒体分享情况。这款软件能够让网站发布商追踪每一个用户个体的分享情况，其追踪广度已经超过了目前市面上的其他任何追踪工具。

　　在传统的追踪工具中，上面图表中的第2行将会被统计成“直接访客(direct)”的流量，因此我会错误地高估直接访问这个网站的人数。这样一来我会认为来访问这个网站的用户有36%是直接访客，只有10%是通过Twitter推荐来的访客，但是事实上，只有20%才是直接访客，有近27%的访客是经Twitter推荐而来的。

　　Twitter对市场推广极为重要

　　事实上，Twitter推荐的效果比人们想象中的效果往往要高出4倍以上。而对于大多数发布商而言都需要特别去了解和关注推荐的效果。这是一个关键问题，因为信息发布商往往会忽略在Twitter进行市场推广活动中的影响力。因为他们忽略了“最后一英里的归属性”的重要性。

　　这种情况在其他市场推广活动中也时有发生。用户平时经常听到广播里播放的广告、看到电视里的广告或者阅读杂志里刊登的广告，同时当用户在谷歌中键入与这些广告相关的信息后，也可以找到关于产品或者服务的更多细节信息。但问题在于这些市场专业人士都以为网络流量是由谷歌来引导的。但事实并非如此，如果他们就此撤下他们的电视广告和印刷品广告的话，便会发现谷歌上对他们的产品的搜索量也将会急剧减少。

　　“最后一英里的归属性”的了解对于理解市场推广的投资回报效果十分重要。而社交媒体让这个问题更加复杂化。Twitter已经成为了与网站间进行社交链接的生成器。部分接入其他网站的链接均源自网站。但是由于很多其他网站都能够从Twitter获取信息——其中也包括链接——而发布商也不是总能够了解到底是谁在为你推荐这些网络流量。

　　举个例子来说：Twitter上的微博信息被发送到了LinkedIn上，因此发布商会误以为流量推荐的来源是LinkedIn。从某种程度上说也的确如此，因为用户是通过LinkedIn看到相关信息的。但是如果没有再前面一层的Twitter微博上的推荐信息的话，那么你所看到的情况就会像我之前提到的发布商撤下电视广告的后果。

　　因此，当我看到科技博客Techcrunch的编辑MG·斯格勒(MG Siegler)宣称：“LinkedIn为TechCrunch网站带来的流量远超过Twitter”时——我难以表示赞同。我非常理解他的想法——因为谷歌的Analytics是这样说的。但是我敢打赌，该网站从LinkedIn获得的那些推荐点击中，有不少应该是从Twitter上引用来的。同时我也敢打赌，有许多来TechCrunch的“直接访客(direct)”流量也是受到了Twitter的影响而来的。

　　通过一定的社交媒体归属方式，发布商需要为每一个分享行为都设置一个独立的URL。这样一来，如果用户点击了一个网站上的“Tweet this”按钮来讲文章分享给他的朋友后，该链接对发布商来说依旧应该是独一无二的。通过使用独立的URL能够让该信息在各个网站间传递的情况下，发布商依旧能够很好地对其进行追踪。

　　同时最为重要的一点是，当有其他用户将该链接进行分享后，该链接会形成一条“父母/子女”的链接关系。因此当发布在Twitter上的微博被如LinkedIn之类的其他网站通过“Tweet This”引用，发布商仍然可以判断这个网络流量的源头还是来自Twitter上的那条微博。我管这个叫做“最后一英里的社交归属性”，当发布商准备为产品的市场推广进行烧钱和埋单的时候，这些信息是他们必须事先了解到的。

　　如果一个虽然没有被太多的人关注，但是非常有影响力的人在Twitter上发布了一个链接。稍后著名影星阿什顿·库奇(Ashton Kutcher)突然关注了他，并分享了他的这篇微博，那么关注库奇的700万用户便会如滚雪球般地将这一条链接的影响力不断扩大。

　　综上所述，事实永远没有数据所显示的那么简单。(林静)