現如今信息爆炸時代，各種信息多的眼花繚亂。很多東西看起來炫酷，但往往能解決大量問題的卻是一些樸實無華的方法。
本文講述運營分析的八個經典方法，助力數據分析之道。
Link Tag 流量標記
Link tag標記流量源頭 ，絕對是所有方法中最為基本重要的一種。
這種方法不僅僅適用於網站的流量來源，也同樣適用於app下載來源的監測（但後者需要滿足一定的條件）。
Link tag的意思是在流量源頭的鏈出連結上（即訪問URL上）加上尾部參數。這些參數不僅不會影響連結的跳轉，而且能夠標明這個連結所屬的流量源是什麼（理論上能夠標明流量源的屬性數是無限的）。
Link tag不能單獨起作用，必須要在網站分析工具或者app分析工具的配合下工作。
Link tag 是流量分析的基礎，要嚴肅的分析流量，多種分析方法都需要使用link tag的。
構建轉化漏斗模型
分析轉化的基本模型是轉化漏斗（conversion funnel），這個SEMER都應該很熟悉了。
轉化漏斗最常見的是把最終的轉化設置為某種目的的實現，最典型的就是實現銷售。
所以大家很多時候把轉化和銷售是混為一談。但轉化漏斗的最終轉化也可以是其他任何目的的實現，比如一次使用app的時間超過10分鐘。
漏斗幫助我們解決兩方面的問題，第一，在一個過程中是否發生流失，如果有流失，我們能在漏斗中看到，並且能夠進一步的分析流失點；第二，在一個過程中是否出現了其他不應該出現的過程，造成轉化主進程受到損害。
漏斗的構建很簡單，無論web還是app，都是最好用的方法之一。而且漏斗方法還會和其他方法混合使用，樂趣無窮。
微轉化的元素分析
人人都懂轉化漏斗，但不是所有人都關注微轉化。但是你想指望一個轉化漏斗不斷提升轉化率太困難了，而微轉化卻可以做到。
微轉化是指在轉化必經過程之外，但同樣會對轉化產生影響的各種元素。這些元素與用戶的互動，左右了用戶的感受，也直接或者間接的影響了用戶的決定。
比如，商品的一些圖片展示，並不是轉化過程中必須要看的，但是它們的存在，是否會對用戶的購買決定產生影響？這些圖片就是微轉化元素。
實驗論證A/B測試
通過數據優化運營和產品的邏輯很簡單——看到問題，想個主意，做出原型，快速驗證。
快速驗證，如何驗證的？
主要方法就是A/B測試。在web上進行A/B測試很簡單，在app上難度要高很多，但解決方法還是很多的。國外的經典app，還有那些賣錢的遊戲，幾乎天天都在A/B測試。
熱圖及對比熱圖
熱圖是一個大家都喜歡的功能，它是最直觀的記錄用戶與產品介面交互的工具。
要想熱圖用的好，一個很重要的點在於你不能單獨使用一個熱圖就想解決問題。而集中對比熱圖則是一個不錯的方法。
其一，多種熱圖的對比分析，尤其是點擊熱圖（觸摸熱圖）、閱讀線熱圖、停屏熱圖的對比分析；
其二，細分人群的熱圖對比分析，例如不同渠道、新老用戶、不同時段、AB測試的熱圖對比等等。
其三，深度不同的互動，所反映的熱圖也是不同的。這種情況也值得利用 熱圖對比功能。例如點擊熱圖與轉化熱圖的對比分析等。
總之，分析很多用戶交互的時候，熱圖簡直是神器，只不過，熱圖真的比你看到的要更強大！
Event Tracking
事件追蹤本質上是對特殊互動的定製化監測，而由於是定製化，所以反而有了更多附加的好處。
即可以額外添加對於這個活動的更多的說明（以事件追蹤這個方法的附件屬性的方式）。
隨著app的出現，由於app的特殊性，分析app上的點擊行為的重要性則十分巨大。這就是說，在app端，event反而是主，page（更準確應該是screen）反而是輔！這也是為什麼，這個方法你必須要掌握的原因。
Attribution 歸因
考慮到人們購買某一樣東西的決策，可能受到多種因素（數字營銷媒體）的影響，所以科學合理的歸因模型有助於更好的運營分析。
比如看到廣告了解到這個商品的存在，利用搜索，進一步了解這個商品，然後在社交渠道上看到這個商品的公眾號等等。這些因素的綜合，讓一個人下定了決心購買。
如何了解數字營銷渠道之間的這種先後關係或者相互作用？如何設置合理的數字營銷渠道的策略以促進這種關係？在評價一個渠道的時候，如何將歸因考慮在內從而能夠更客觀的衡量？這些都需要用到歸因。
所以對於營銷負責人，歸因分析是必不可少的分析方法。
分析本源——細分法
嚴格說，細分不是一種方法，它是一切分析的本源。SO沒有細分你做什麼分析呢？
細分有兩類，一類是一定條件下的區隔，其實就是過濾。另一類是維度（dimension）之間的交叉。
細分幾乎幫助我們解決所有問題。比如，我們前面講的構建轉化漏斗，實際上就是把轉化過程按照步驟進行細分。流量渠道的分析和評估也需要大量用到細分的方法。
維度之間的交叉是比較體現一個人分析水平的細分方法。分析跳出率時，我們會把landing page（落地頁）和它的traffic source（流量源）進行交叉，以檢查高跳出率的表現是由著陸頁造成，還是由流量造成。
無細分，毋寧死。
上面分享的運營分析時一定會用到的經典方法，如果能做到這些方法爛熟於心，其實網際網路運營分析的最核心部分也就掌握差不多了。數據分析當真沒那麼複雜！