第一部分
数据产品的两段式，关于怎么分析数据指标。
第一部分概览理解：
1、放弃对因果关系的追求，关注相关关系。（个人理解：因果关系是一定存在的，只是比较晦涩，追寻这些因果关系，可能要花费大量的资源和精力，并且得到的回报可能是毫无用处的鸡肋结论，投入产出过小，不如只追求表面的相关关系划得来。）
2、用途：a、预测趋势，做大势分析。b、对个体分析，做精准化营销（这是目前一般公司的用途）
3、数据结构：大数据更多体现在海量非结构化数据本身与处理方法的整合
NO.1
网站分析的指标：
1、基本指标比较清晰和常见，在过去的工作中大大小小均有所接触，也比较容易理解，主要关注在基本指标基础上，更进一步的复合数据分析，这些复合指标分析可能直接作为策略指导以及业务导向。基础指标就不展示了，列一下需要深度思考的 一些问题。
进一步思考：
- 访客价值
- 页面价值（或者资源位和广告的价值）
- 新旧访客的投资回报率
- 网站的跳出率（根据不同页面以及不同来源进行分析）
- 网站对用户的吸引力
- 用户的生命周期
带着这些问题，抱着研究的心态，继续接下来的阅读，据书上说，能在下面的章节找到答案。
分析的基础方法论：
1、方法论：获得访客→评估表现→分析趋势→实验改进 （循环此步骤，逐渐优化）
就目前对数据产品这块来看，大的框架还没有逃出上面所述的方法论指导，随着数据这块关注度的提升和技术的进步，在每一个步骤的深挖程度较早先的时候，可能提升比较多，但是做初步了解从经典的方法论起步，也没有偏颇的风险。
2、网站分析的重要性
书上有一句话特别经典：”衡量投资回报率的投资回报率是多少“，不说公司，单说市场和商业模式，在这两者已经确定的情况下，接下来就是一个精细打磨的过程，在定势上做优化，在公司市场和供应链投入不变的情况下，投入数据产品优化（包括流程、人与网站内容的关系等），从而提升公司在市场上的投入产出比。对流量、转化进行分析和优化，是一个公司发展到一个阶段后的必由之路。
NO.2
网站分析的现有方法：
此处的现有方法是比较早了，很多问题现在已经得到了优化（尚未完全解决），比如原来会自然丢失20%的流量，现在可以做到只又10%的丢失，但了解此部分可以增加对全书内容的理解。
1、页面标签技术
- 主要的优点是可以提供精准的追踪，实时提供和处理客户端数据，还能统计电子商务数据，应用比较广泛。
- 页面标签主要通过cookie完成，删除cookie和使用第三方cookie会造成数据无法统计和用户拒绝问题。
- 一个网页，在没有清除cookie情况下，两个用户先后访问，会只统计到一个用户（通过账号登陆可以缓解此问题）
- 类似于网吧这种，关机会自动清除cookie 的，同一个用户会被统计多次（通过账号登陆可以缓解此问题）
2、日志文件
- 可以处理旧数据，可以不受防火墙阻隔，存储在服务器中（这就意味着不能追踪事件）
- 日志文件通过IP来统计，动态IP的话，会导致数据不准
- 访问缓存页面的时候，可能没有办法和服务器联通，统计不到数据
- 爬虫等技术，会使数据虚高
3、总结分析
- 两种方法都可以统计数据，但是都有局限，可能会造成数据不准甚至是错误，所以这些统计方法， 只是在研究关系和趋势方面会有指导意义，如果要看某个具体的数值，比如流量大小之类，只能看一 个大概（已经能满足运营需求）；如果是一个电商网站，需要看精确数据的，大概是两个值：一是订 单相关，二是gmv相关，这些都可以存储在数据库中， 是比较精确的，其他的数据只要用趋势来指导 一下业务就完成了其数据的使命。
- 数据的统计策略：两种方法有缺陷，在统计时，可能有问题的数据，宁愿舍弃，也不要将其纳入数据统计中，”舍即是得“。另外，需要过滤一些特定的、已经确认是无效的数据，比如机器人爬虫之类的，在前期考虑尽量全面，可以避免很多脏数据。
- 页面的漏斗和层级要设置好，全面考虑，建立一个良好的合理的漏斗模型。
GA的亮眼功能（系统的功能介绍）：
- 路径完整性好，用户从哪儿来、用户在网站的行为、关键路径的转化，GA都包含。
- 交叉分类，可以对数据集合进行交叉操作
- 电子商务报告，亮眼的功能中这个功能最亮，将数据货币化，可以深挖电商方面的信息。
除了其他一些报表常见功能外，上面几个功能是GA好用的精华，但是比较自己做的系统来说，还是不够因地制宜，但是可以满足一般的功能需求了。另外，GA的数据无法被第三方调用，这块是有一些不方便的，如果平台要用这些数据做一些其他的事情（包括人群的风控、营销活动投放至指定人群等），还是要走自己开发的路线，这些功能可能还涉及到人群画像之类的其他模块。
第二部分
GA的报告：
- 需要关注指标 页面价值 $index=（目标价值+电子商务收入）/ 独立页面浏览数
页面价值越高，受欢迎程度越高。
- 此章节中，可以看到【第一部分】中的问题答案：通过报告可以展示各项数据
其他：略（GA的后台设计是比较清晰的）
第三部分
此部分主要是部署，作为数据方面的产品经理，了解数据分析的流程策略即可，不需要具体实施。
第四部分
此部分主要是数据产品的两段式的后半段，主要是关于怎么用数据优化产品设计。
NO.1
书中的关键流程：确定合作伙伴→头脑风暴→设定OKR（目标和关键结果）→提炼OKR
- 对于现阶段的工作来说，主要重点是网站商品排序和推荐的策略，主要是通过算法策略影响转化和营收，对于我们团队来说，业务方就是我们自己，我们团队内部通过一系列的研究和实验，得出一个最优的策略并应用到线上。
- 与文中切合点在：设定OKR和提炼OKR，并将okr拆解成可以实现的、可以影响的指标参数。