_setVar函数跟_trackPageview函数一样，灵活运用可以极大丰富统计报告。简单来说，_setVar函数可以定义一个值，当被触发的时候，该值被记录。

1、统计有注册意愿的用户

注册，不出意外都需要访问一个注册页面，那么统计访问这个页面的用户也就知道了有多少用户动过注册的念头，当然可能看了一眼，没有完成注册。我们可以在注册页面这样部署代码：

2、统计注册成功的用户

注册的最后一步无非就是按下“确定”按钮，那么就在完成注册的“确定”按钮上加上onClick事件，比如

3、统计登陆用户

对于有会员系统的网站来说，可能需要知道有每天有多少用户登陆网站，用于考查网站提供的会员增值服务是否有吸引力，关系到网站是否可以通过对会员的精准营销来赢利。我们可以在给登录链接加上：

同样的，也可以在登陆页的确定按钮上加。

以上三个是比较容易想到的应用，值得一提的是，_setVar函数被触发后，定义的值是会被写入cookie的。

4、观察用户兴趣

对于一个大的电子商务网站来说，对用户的购买兴趣一定是有兴趣的，_setVar函数可以通过网站上访问的页面或在表单上做出的响应对其进行分类，前面三个就是演示。

假设网站有个多个商品分类，我们分别给每个分类加上

所有访问该页面的访问者都将被分配到“IT书籍”组，也就是对IT书籍有兴趣的用户。

google给出了一个通过下拉菜单触发的例子：

这样，我们就大致上知道了不同职业的用户停留时间、跳出率、平均访问页数等等数据。

您可能也喜欢：

浅析豆瓣的 Google Analytics 应用

Google Analytics cookie内容详解

Google Analytics实用篇—快速过滤流量来源

Google Analytics基础知识-报告中的流量来源和媒介

Google Analytics热力图—网页详情分析

无觅

cookie在WiKi上的解释是：指某些网站为了辨别用户身份而储存在用户本地终端（Client Side）上的数据（通常经过加密）。

Cookie分为两种类型，第一方cookie和第三方cookie。Google Analytics使用第一方cookie

Google Analytics设置了5个不同的cookie，_utma, _utmb, _utmc, _utmz和 _utmv。分别用来存储不同的信息。所有的cookie统一使用_u-t-m开头，所以我们看到这三个字母就知道是google的cookie。【很好奇 为什么命名为utm。。。是什么的缩写呢？有人知道吗？】

下面逐个介绍Google Analytics的cookie和功能。

_utma的主要功能：识别唯一身份访客

_utma的生存周期为2年。其中第二组的随机唯一ID和第三组的时间戳联合组成了访问者ID，Google Analytics通过这个ID来辨别网站的唯一访问者。而后面的几个时间戳用户计算网站停留时间和访问次数。

_utma Cookie存储的内容：127635166.1360367272.1264374807.1264374807.1264374807.1
第一组数字被叫做“域哈希”，是GA表示这个域的唯一代码。同一域中每个cookie的第一组数据都是“域哈希”，并且值都是一样的。
第二组数字是一个随机产生的唯一ID。
第三，四，五组数字是时间戳，其中第三组数字表示初次访问的时间。第四组数字表示上一次访问的时间，第五组数字表示本次访问开始的时间。
第六组数字是访问次数计数器。这个数字随着访问次数的增加而增加。
PS：上面的三个时间戳数字相同，并且最后的访问次数计数器是1，表示这是第一次访问。

_utmb的主要功能：和_utmc一起决定访客的Session

_utmb的生存周期为30分钟，当访问者在你的网站持续30分钟静止时，utmb将被删除。Google Analytics使用_utmb 和_utmc一起辨别一个session。

_utmb Cookie存储的内容：127635166.2.10.1264374807
第一组数字和_utma一样，是“域哈希”。
后面的几组数字是一些附加值。

_utmc的主要功能：和_utmb一起决定访客的Session

_utmc是一个临时cookie，当用户关闭浏览器时_utmc将一起被删除

_utmc和_utmb一起来识别一个session，当用户访问一个网站时，Google Analytics会检查这两个cookie，如果缺少其中任何一个，Google Analytics都将认为这是一个新的session。
_utmc的内容：127635166 代表“域哈希”。

_utmz的主要功能：存储流量来源信息和链接标记的变量值。

_utmz的生存周期是6个月，_utmz中存储了所有流量的来源信息。

_utmz的内容中一共有4组数字：127635166.1264374807.1.1
第一组数字是“域哈希”。
第二组数字是时间戳。
第三组数字是session number。
第四组数字是campaign number 记录通过不同来源访问网站的次数。
utmcsr=(direct)|utmccn=(direct)|utmcmd=(none)
这些信息代表流量的来源，因为我是直接输入域名直接访问的，所以来源和媒介都是direct

_utmv的主要功能：自定义访问者的属性。

_utmv的内容：127635166.user
第一组数字是“域哈希”。
第二个值user是通过_setVar（）设置的用户属性。
PS：_utmv只有在调用了_setVar（）时才会出现。
此外，还有两个cookie __utmx和__utmxx。这两个cookie不是由Google Analytics设置的，而是由Google的Website Optimizer用来做A/B测试或多变量测试用的。如果在访问某个页面后看到这两个cookie，那就说明这个页面正在进行页面优化测试，而你访问的页面可能是测试中的某一个版本。

Google Analytics中的cookie比较多，每个cookie的属性和功能也各不一样。我做了一个Google Analytics cookie速查表，请在这里下载。

Read more: http://bluewhale.cc/2010-01-24/google-analytics-cookie.html#ixzz1tRg9tH8R

您可能也喜欢：

浅析豆瓣的 Google Analytics 应用

Google Analytics实用篇—快速过滤流量来源

正确设置google analytics“目标和渠道”图例说明

Google Analytics基础知识-报告中的流量来源和媒介

Google Analytics实用篇—3组常用的高级群体

无觅

Google Analytics热力图功能简介

在Google Analytics的网页详情分析界面中，共分为两大部分。一部分是网页热力图的显示区，在这里显示了当前页面中不同链接被点击的情况。另外一部分是功能区，在功能区中提供了各类分析工具。本部分将介绍5个主要的分析工具。

页面中点击行为的质与量分析

点击行为的量是指页面中链接被访问者点击的次数，点击次数越多，量的值也就越大。在很多热力图工具中通常都是按照点击量来显示数据。Google Analytics也不例外，所以，当你看到热力图中的某个链接有很高的点击占比时，说明这个链接或者是这个位置在整个页面中很受访问者欢迎。但仅仅有量是不够的，我们更关心的是每次点击的质，点击行为的质是指访问者点击链接后完成目标的比率。这些目标可能包括访问者的注册，下载，购买商品等等一些列行为。在Google Analytics的热力图工具中，除了点击次数外，还会提供每次点击带来的交易次数，收入，以及目标转化等指标，用于对访问者点击行为的质进行衡量。

分屏的点击量分布数据分析

分屏的点击量分布数据分析

你的网站页面有多长？页面底部的内容是否有人感兴趣？设计新页面时我们该给出哪些建议呢？很多时候设计师按经验设计页面的长度，但这个长度究竟对不对呢？我们需要用数据来验证。分屏点击量分布就是这样一个功能，她可以用来分析访问者在首屏，二屏及三屏…的点击行为的。在Google Analytics热力图的底部有一个橙色区域，用于显示每一屏的点击量在整个页面点击量中的占比。如在上面的截图中，首屏下橙色区域显示“后面的部分点击次数低于~36%”，说明在这个页面中~64%的点击量集中在首屏中(1-36%)，而首屏以为的部分点击次数只占~36%。拖拽右侧的滚动条会发现，越到页面底部橙色区域的百分比越小，直到0%。

不同时间范围的数据对比

在Google Analytics中，每个报告都提供时间维度的对比功能，包括同比与环比。这个功能在Google Analytics的热力图报告中也不例外。通过在报告顶部选择时间范围和对比时间，我们可以看到任何页面中的任何链接在不同时间段中的点击次数对比和目标转化对比。以及他们的变化趋势。上面截图中是我的博客中某个文章页底部链接在2011年4月11月与4月10日的环比点击量数据。当然你也可以选择使用4月11日的数据与3月11日进行对比。

点击量占比分层筛选功能

页面中哪些链接获得的点击量最多？哪些链接带来的转化最多？哪些链接获得的链接较少甚至可以忽略？面对正页繁多的链接和数据，Google Analytics热力图工具提供按点击量占比的筛选功能。在筛选工具共分为7个等级。当前页面中点击量占比最高的为100%。

点击量占比分层筛选功能最经典的应用：分别查看点击次数超过100%的热区图和目标转化超过100%的热区图，看看获得最多点击次数的链接是否也为网站带来了最多的价值。

Google Analytics热力图中数字的含义

在Google Analytics的热力图中，所有的访客行为和页面指标都是以数字的形式体现的。这些数字的含义是什么？是如何被计算出来的？数字背后的意义与指标的定义有什么差别？这部分将主要介绍Google Analytics热力图中几个关键数字的含义。

点击次数是什么，如何计算？

Google Analytics热力图中默认显示的指标是点击次数，但实际上Google Analytics是记录不到页面中鼠标的点击行为的。无论这个点击发生在页面中的什么位置。那么热力图中链接的点击次数数据是从何而来的呢？这个点击次数实际是指链接目标页面的PV。也就是说，当访问者点击页面中的链接，只有当链接目标页面中的GATC完全加载后，Google才能记录到这个链接被点击过。否则，这次点击将不会被记录到。

那么，热力图中显示的点击次数百分比又是如何计算的呢？答案很简单，页面中此链接被点击的次数除以页面中所有链接被点击的总数就是点击次数百分比。

计算公式：链接点击次数/页面所有链接点击次数。

这里需要说明的一点是，页面所有链接的点击次数是指所有链接目标页的PV，而不是此页面的PV。

内容详情中的数据

在Google Analytics网页详情分析界面的左侧，提供了内容详情数据，包括浏览量，停留时间和跳出率等等。这部分数据都属于当前热力图中的页面。他们与该页面在热门内容报告中的数据是一样的。

最普遍的人口统计特点数据

最普遍的人口统计特点从两个维度描述了访客的基本属性，分别是语言和国家。数据表示在当前时间范围内，发起访问最多的访客属性。这里的数据来自访问者报告下的地理位置分布图报告和语言报告，并且数据与其保持一致。

最热门的技术数据

最热门的技术与最普遍的人口统计特点一致，从屏幕分辨率，操作系统和浏览器角度描述了访问者访问网站的设备设置情况。这里的数据来自访问者报告下的浏览器报告，操作系统报告和屏幕分辨率报告。并且数据与其保持一致。

Google Analytics热力图中的细分功能

新版网页详情分析报告与Google Analytics中的众多报告一样，也提供了对热力图的细分功能。并且异常强大。纠结有多强大呢？她支持使用高级群体进行细分，基本可以满足你能想到的任何维度的数据细分。

使用报告级过滤器细分

第一个细分工具是报告及过滤器，与所有的Google Analytics提供的报告级过滤器一样，在网页详情分析报告中也有一个报告级过滤器，也许应该叫她热力图级过滤器。通过这个过滤器中我们可以透过某个维度来查看访问者在页面中的点击行为。在上面的截图中，我们选择了搜索引擎关键词维度，并且设置完全匹配“蓝鲸网站分析”这个关键词。这里你也可以将维度更改为来源，媒介或广告系列等。匹配方式同样也支持正杂表达式。

使用高级群体细分

第二个细分工具是强大的高级群体，在Google Analytics热力图中支持所有预定义和自定义的高级群体。如果你已经使用高级群体对流量进行了细分。那么直接将他们应用到热力图中去吧。看看那些既没有跳出，也没有转化的访问者在页面中究竟都干了些什么。

PS:在Google Analytics中，每个账号下最多只支持100个高级群体。无论这些高级群体分布在哪些配置文件中，也无论他们是否是重复的或分享的高级群体。当达到100个高级群体时，系统会在创建新的群体时进行提示，此时你将不能继续创建任何新的高级群体。

使用人口统计维度细分

如何你觉得使用报告级过滤器和高级群体都太过复杂，Google Analytics在内容详情报告中还提供了5个预定义的细分工具，就是我们之前提到的最普遍人口统计特点和最热门技术。在最普通人口统计特点下选择国家维度，此时Google Analytics热力图上方提示已经启用了过滤器工具。没错，这就是一个预定义的报告级过滤器。选择修改过滤器会发现，系统已经将国家完全匹配china这个条件设置到过滤器里了。此时热力图中的数据全部属于来自china的访问。

使用热门技术维度细分

最热门技术是另外三个预定义细分工具，使用方法和人口统计特点一样。点击屏幕分辨率，此时热门技术的屏幕分辨率占比变成了100%，而热力图中的数据也都是此页面在1440*900分辨率下的表现了。但此时有个问题。我们前面选择的国家完全匹配china维度已经不起作用了。是的，这也就是说，预定义细分工具中维度是不能叠加的。热力图级的过滤器也只能支持在一个维度下的细分。

Google Analytics热力图中的路径分析

在看完页面的点击分布数据后，你一定还有一个问题，现在我知道用户去了哪里，那么这些用户来自哪里呢？Google Analytics页面详情分析报告提供一组简单的路径报告可以回答这个问题。她以列表的形式告诉你访客从哪些页面来到当前的页面，在浏览完当前页面后去了哪些页面。

流量的进入来源

流量的进入来源就是页面详情分析界面左侧的入站来源功能。在这里，Google列出了浏览当前页面的所有入口页面，其中也包括直接从站外进入的来源，这里统称为(entrance)。点击路径页面可以查看该页面的热力图。

离开后的目标页

如进入来源一样，离开后的目标页罗列了访问者从当前页面离开后访问的页面。这里的点击次数及百分比数据和热力图中显示的数据是一样的。点击下面的箭头可以查看更多后续的页面列表。

使用Google Analytics热力图的常见问题？

页面中为什么有些链接没有数据？

在Google Analytics的热力图中，有些链接是没有数据的。这是正常情况。在以下几种情况下，Google Analytics的热力图中将不会报告该链接的点击次数数据。

1页面中所有的出站链接

Google Analytics默认不会追踪出站链接，所以对于页面中所有指向站外的链接都无法统计到点击次数。解决的方法是对这部分链接使用虚拟页面的方法来统计点击次数。

2页面中包含在JS中的链接

当页面中的链接包含在JS中时，Google Analytics无法追踪到这部分点击的数据，同样热力图中也不会包含这些链接的点击次数。

3下载，订阅等功能性按钮

下载，订阅，视频播放等非页面浏览行为默认都不会被Google Analytics追踪到。解决的方法同样是使用虚拟页面进行追踪。

4 链接目标页面中不包含GATC

Google Analytics利用后续页面的PV计算前一页面链接的点击量，所以，如果碰巧后面的页面没有实施GATC，那么Google Analytics也就没有数据用来计算热力图中的链接点击量了。

整页点击量汇总等于100%吗？

是的，整个页面中各个链接的点击量占比加在一起是等于100%的。

热力图中的两种气泡有什么区别？

通常，在一个页面中会有一个以上的链接指向同一个目标页面。例如，在我的博客顶部，博客标题和首页都指向了首页。为了区分这种情况，Google Analytics在热力图中使用两种形式的气泡进行辨别。实线的气泡表示当前链接在页面中是唯一一个指向目标页的链接，不存在重复的链接。虚线链接则表示在当前页面中，还有至少一个链接与此链接指向了同一个目标网页。

要辨别页面中哪些链接共同指向了同一个目标页很简单，当我们把鼠标放在气泡上时气泡会变成灰色。此时查看页面中还有哪些气泡变灰了，这些气泡下的链接就是那些指向同一目标页的链接。因为Google无法区分用户用户究竟是点击哪个链接到达的目标页，所以这类指向同一目标页链接的气泡数据都是一样的，表示所有这类链接被点击的次数。

如何查看其他页面的热力图数据？

默认情况下，当我们打开Google Analytics页面详情分析报告时，Google都会显示网站首页的热力图。那么，如何查看网站其他页面的热力图数据呢？最笨的方法是一页一页的点进去。直到打开想要查询的页面。这种方法对浅一点的页面还好，但对于深层的流程页面比较麻烦。并且非常耗时。这里有一个简单的方法可以快速查看任何页面的热力图。操作步骤如下：

1默念3遍我爱Google Analytics热力图。

2在浏览器中打开一个新的标签窗口。

3将需要查看的页面URL复制到地址栏并打开。

当页面加载完后Google Analytics会自动在页面上显示热力图数据。并且以浮层的方式显示内容详情及路径数据。在这里只有简单的点击量分层筛选功能，和分屏点击量数据。你不能进行任何时间对比和细分功能。如果你希望关闭热力图数据点击右上角的关闭按钮，就可以正常浏览网页了。

——【所有文章及图片版权归 蓝鲸（王彦平）所有。欢迎转载，但请注明转自“蓝鲸网站分析博客”。】<=非常感谢这位博主的分享。让我一个晚上 基本上弄透了GA~

转自: http://bluewhale.cc/2011-04-30/google-analytics-in-page-analytics.html#ixzz1tRYdloX2

您可能也喜欢：

浅析豆瓣的 Google Analytics 应用

Google Analytics cookie内容详解

Google Analytics基础知识-报告中的流量来源和媒介

Google Analytics实用篇—3组常用的高级群体

Google Analytics进阶运用之_setVar一点运用

无觅

Google Analytics中的数据细分四大利器：过滤器，自定义报告，自定义变量和高级群体。其中高级群体应用广泛，并且最容易上手。

今天简单介绍三组最常用的高级群体，他们分别是:

1. 跳出群体/非跳出群体；
2. 完成转化的群体/未完成转化的群体；
3. 使用站内搜索的群体/未使用站内搜索的群体。

PS：每个高级群体下的URL是分享链接，在登陆google analytics的状态下直接访问就可以完成自动创建了。

1跳出群体/非跳出群体

跳出率是衡量流量质量和landingpage效率最重要的一个指标，一部分访客来到网站后继续访问，而另一些访客只看了一个页面就直接离开了。他们之间有什么差别吗？创建一对儿“跳出群体/非跳出群体”在报告中对比一下吧。

创建跳出群体：

创建非跳出群体：

2完成转化的群体/未完成转化的群体

完成转化是网站的终极目标，这个转化可能是一次留言，一次订阅等等。没有完成转化的那部分用户和没有完成转化的用户有何不同？他们来自不同的渠道？浏览了不同的网站内容？他们在哪里离开网站？通过应用“完成转化的群体/未完成转化的群体”的对比可以发现他们之间的差别。

创建完成转化的群体

创建未完成转化的群体

3使用站内搜索的群体/未使用站内搜索的群体

你的站内搜索有用吗？使用站内搜索是否提高了访问的效率？对完成网站转化有何影响？对网站的跳出率，平均访问次数又有何影响？哪些渠道的访问者更喜欢使用站内搜索功能？这些问题都有待“使用站内搜索的群体/未使用站内搜索的群体”来帮你解决。

创建使用站内搜索的群体

创建未使用站内搜索的群体

Google Analytics的高级群体使用起来非常灵活，例如上面的站内搜索高级群体，可以使用指标来创建，也可以使用维度来创建。你会经常用到哪些高级群体呢？也来share一下吧。我们来个高级群体大接龙怎么样？

来自: http://bluewhale.cc/2010-08-31/google-analytics-3-group-advanced-segments.html#ixzz1tRUqs5VU

您可能也喜欢：

Google Analytics基础知识-报告中的流量来源和媒介

浅析豆瓣的 Google Analytics 应用

Google Analytics实用篇—快速过滤流量来源

Google Analytics cookie内容详解

正确设置google analytics“目标和渠道”图例说明

无觅

以下是过滤特殊IP

Google Analytics通过内置过滤器是可以过滤IP的，比如说过滤公司内部IP，或者某一类IP，甚至某段IP，都可以通过过滤器设置的。

Google提供了正则表达式的功能过滤IP。

Google Analytics（分析）的过滤器长度上限为 255 个字符。范围较大的 IP 地址段可能会生成长度超过 255 个字符的过滤器。要创建长度不超过 255 个字符的 IP 地址过滤器，请考虑以下方法：

• 将地址段限制到最后两个八位组。
• 将地址段分成更小的地址段。
• 如果您的起始 IP 地址以 .0 结尾，结束 IP 地址以 .255 结尾，那么正则表达式就会短一些。

要针对多个地址段进行过滤（如 192.168.1.1-25 和 10.0.0.1-14），请将此工具运行两次，并使用分隔符 ( | ) 合并结果：

^192\.168\.1\.([1-9]|1[0-9]|2[0-5])$|^10\.0\.0\.([1-9]|1[0-4])$

还有一个很重要的工具，GA的正则生成工具：http://support.google.com/googleanalytics/bin/answer.py?hl=zh-Hans&answer=55572

参考: http://bluewhale.cc/2010-09-04/google-analytics-fast-filter-traffic-source.html#ixzz1tRIrXQJ1

您可能也喜欢：

Google Analytics基础知识-报告中的流量来源和媒介

Google Analytics cookie内容详解

Google Analytics热力图—网页详情分析

正确设置google analytics“目标和渠道”图例说明

浅析豆瓣的 Google Analytics 应用

无觅

豆瓣从今年开始也加入 Google Analytics 的统计阵营。让我们通过它加载的 Google Analytics 源码，简单分析一下它都是怎么应用的。

我们先从豆瓣的源码来看看它的Google Analytics统计代码

豆瓣 Google Analytics 代码

我们知道一般默认的 Google Analytics代码如下：

默认 Google Analytics 统计代码

两相对比，我们就会发现豆瓣加载 ga.js 的方式与默认的方式有些不太一样，由于豆瓣并没有采用 https 加密访问，所以撇弃了默认的ga.js加载方式。

默认的统计函数，pageTracker 也被豆瓣改成了 _ga ，这个只是名称定义上的区别，并没有什么实质的改变。豆瓣的主要应用是下面两个函数：

使用 _ga._addOrganic 识别非主流搜索引擎

再来看豆瓣比默认 Google Analytics 代码增加的部分，那就是多了数个 _ga._addOrganic ，这是 Google Analytics 添加自定义搜索引擎的代码。尽管 Google Analytics 对于主流的搜索引擎都能自动识别，但毕竟能识别的是国外的主流搜索引擎，在国内，像搜狐的 Sogou，QQ 的 soso，网易的有道等搜索引擎，都不能被 Google Analytics 正确识别，而被当作推荐来源。这时候我们就可以利用_addOrganic 参数来识别这些非主流搜索引擎，如豆瓣的做法。

使用 _addIgnoredOrganic 忽略关键字

除了添加自定义搜索引擎，豆瓣在最后还添加了如下这些代码:

_ga._addIgnoredOrganic("豆瓣");
_ga._addIgnoredOrganic("douban");
_ga._addIgnoredOrganic("豆瓣网");
_ga._addIgnoredOrganic("www.douban.com");

这些代码用来把引号中的关键词从搜索引擎的关键词报告中排除，而当成直接点击量来源。

为什么要这么做？因为一个知名的大网站，来自这些品牌词的搜索流量都非常大，常常是排在前几位的搜索关键词来源，而这通常是因为搜索引擎养成现在的人都懒得记网址，直接搜索品牌名来记住域名。这些品牌词对于网站的关键词来源分析并没有很直接的帮助，所以在来自品牌词的流量很大的情况下，可以直接把这些关键词识别成直接点击量来源。

关于自定义 Google Analytics 搜索引擎和排除特定关键词为直接点击量来源的语法，可以参考 Google Code 上关于这方面的详细介绍。

当我们登录豆瓣后，再来分析豆瓣的源码，会发现多了一个ga._setVar(”xxxx”)的 Google Analytics 参数。

豆瓣使用 Google Analytics 的._setVar参数来跟踪登录用户行为

_setVar() 函数是 Google Analytics 的用户定义函数，主要用于对特定来源的用户行为进行分类，例如可以对登录浏览的用户设置一个数值，然后在 Google Analytics 后台的访问者/用户定义 中查看其浏览属性。

Google Analytics 访问者/用户定义报告

分析豆瓣的源码可以知道，豆瓣对每一个登录后的用户，都赋以一个专门的 id 值，这样可以在用户定义报告里，看到整体的登录用户访问行为，乃至每个登录用户的浏览行为。通过这样设定后，豆瓣便可以轻易获取高忠诚度访问用户的访问行为。关于_setVar()的更多说明，请参阅 Google Analytics的技术文档

如何根据访问者在我的网站上访问的页面或在表单上做出的响应对其进行分类？在 Google Analytics 官方的帮助文件，也给出了另外一个应用案例

值得注意的是，原来在设置 _setVar() 函数的时候，整个网站的跳出率会出现重大的偏差，不过在最近的google analytics官方博客，指出该bug已经修正，客户在进行这方面设置的时候，还是要注意对比前后数据是否有重大偏差。

豆瓣上的书评，影评和乐评可以说是豆瓣网站的核心价值所在。一般评论的URL格式如下：

豆瓣上单条评论的URL

当我们查看该页面的网页源代码时，会发现有趣的现象:

豆瓣单条评论页的 Google Analytics 代码

我们知道，一般 Google Analytics 的_trackPageview() 括弧中的参数是留空的， Google Analytics 会自动捕获网址的 URL 参数，如果在 _trackPageview()括弧中输入特定的数值，那么在 Google Analytics 的报表中，URL 将是我们指定的参数，而不再是我们在地址栏看到的 URL。

如上面的例子，我们在 Google Analytics 中看到的URL将是/book/review/1946018/，而不再是我们在浏览器地址栏看到的/review/1946018/

当所在频道是电影或者音乐时，_trackPageview() 中的参数将根据所在频道的属性，变为/movie/xxxxx 或者 /music/xxxxx的数值。

豆瓣通过对的参数进行重新指定，主要有以下的好处：

保证了用户和搜索引擎看到的 URL 比较简短，达到 URL 对用户友好和对搜索引擎友好的目的；而在 Google Analytics 报告中，通过 内容/内容细目/ 报告，又能了解到各个频道总的浏览情况。

在GA的内容细目报告中，将会多出 /book/ /music/ /movie/ 这样的文件夹来，总而获得各个频道的合计浏览数据。

而如果只是使用默认 _trackPageview()，你将只能得到所有评论页面的浏览数据，而无法得到细分的各个频道的浏览数据。

关于_trackPageview()的具体的使用方法可参照 Google Code 的说明

注意事项:使用 _trackPageview() 参数重新指定 URL 之后，网站覆盖图的数据将受到影响。可参阅 Google Analytics 的官方帮助文件

除了豆瓣使用 _trackPageview() 来对URL进行重写，大众点评网也采用了类似的做法（应该是比豆瓣更早采用。。。因为是我在点评网任职时候实验的做法;那时候豆瓣还没有使用 Google Analytis 统计代码，呵呵），有兴趣的同学可以自己去研究点评的 Google Analytis 代码。

转自：http://ucdchina.com/snap/3997

您可能也喜欢：

Google Analytics实用篇—快速过滤流量来源

Google Analytics基础知识-报告中的流量来源和媒介

正确设置google analytics“目标和渠道”图例说明

Google Analytics热力图—网页详情分析

Google Analytics进阶运用之_setVar一点运用

无觅

GA默认可以识别的访问来源有三种：直接访问、引介网站和搜索引擎，你可以通过在Landing page的URL添加utm参数来标识自定义访问来源(这个具体怎么做啊？？？)。
直接访问为用户通过直接输入网址或通过书签到达Landing page（用户在一个session中到达网站的第一页），换句话说，Headers的request中不包含referer的值（这里有一个前提条件是用户的utmz为空或只有direct值）。
引介网址为用户通过其他网站到达Landing page。
搜索引擎为用户通过GA可识别的搜索引擎到达Landing page，这里强调可识别的搜索引擎包括两层意思，首先GA必须将这个主域识别为搜索引擎，其次，GA也需要知道这个主域的查询参数。其实，引介网站与搜索引擎在Headers的request中都是通过referer的值来判断的，只是对于搜索引擎，GA会将包含在referer的查询参数提取出来。

GA是通过_utmz这个cookie值来判断访问来源的。GA创建及更新这个cookie值的基本思路如下：

图1  GA对访问来源的判断

您可能也喜欢：

Google Analytics实用篇—快速过滤流量来源

Google Analytics基础知识-报告中的流量来源和媒介

终于装好Cygwin了~Nutch我来~\(≧▽≦)/~啦啦啦~

浅析豆瓣的 Google Analytics 应用

Google是如何做测试的？

无觅

上文在Google Analytics里面已经能看到邮件来源/媒介的统计数据，但从email过来的用户有多少转化为参观注册用户，在Google Analytics里面却是找不到相关数据。
现在我要讲述的就是在Google Analytics里面正确设置”目标Goal”的方法“（设置目标可以统计到有多少注册转化率），并配以详细的图例说明。

首先要找到添加目标的入口，流程如下：

1、打开你要设置的分析帐户，选择“目标配置文件”，然后选择“修改”（如下图）

2、进入“配置文件设置”界面后，找到“目标”栏目，然后选择“添加目标“（如下图）

设置“目标Goal”的流程：
进入“目标设置”界面后，需分别设置：“目标信息”→“目标详细信息”→“目标渠道”，最后保存目标即完成。

1、目标信息

目标名称：即是填写你这次目标渠道想跟踪的某个行为的最后结果（如下图，我想要知道的就是某“展会中文（来自中国）参观商注册数”）；

目标类型：
1.网址目标：这个目标让您能以实际网址将网页指定为目标。您可以在域名后找到”请求 URL”，也可以从”热门内容”报告复制并粘贴目标网页 URI。如果要以注册作为目标，则可以选择”感谢您注册”页作为目标网页（例如，对于目标网页”http://www.mysite.com/thankyou.html”，输入”/thankyou.html”）；
2.网站停留时间：为您提供有关网站上特定行为类型的数据；
3.每次访问页数：此目标类型可帮您了解用户对您的网站的参与度。
详细解释见Google Analytics帮助“有哪些不同类型的目标？如何创建这些目标？”

2、目标详细信息目标网址：如图“/register_success.html为展会参观商注册成功页”

输入目标信息后，如果您选择的目标类型是”网址目标“，请定义渠道：

3、目标渠道（以下是引用官方的帮助解释）

1. 点击”是的，为此目标创建一个渠道”。
2. 输入转化渠道起始页的网址。此页应该是所有到达您目标的用户通常会途经的页面。例如，如果您要跟踪访问结帐页的用户流，就不要将某个产品页作为步骤加入渠道。
   请注意：渠道网址会被视为正则表达式。因此，如果您希望匹配不止一个网址，可以加入通配符，也可以使用其他正则表达式。详细了解正则表达式。
3. 为该步骤输入”名称”。
4. 如果这一步骤为转化过程的必要步骤，请选中其右侧的复选框。如果选中此复选框，则访问了您的目标网页但并未浏览此渠道页的用户就不会被计为转化。详细了解渠道中的”必要步骤”选项。
5. 继续输入目标步骤，直到完成渠道定义为止。您最多可输入 10 个渠道步骤，最少需指定 1 个。
6. 点击保存更改创建此目标和渠道，或点击取消退出而不保存。

详细解释见Google Analytics帮助“该如何设置目标和渠道？”

展会参观商注册的渠道步骤：
第1步：是注册参观页/reservation.asp；
第2步：是注册成功页，因为成功页已经设为目标网址，所以这里就不需要再设置，最终设置如下图：

最后保存目标，即成功添加一个“目标Goal“！

你再次回到对应的Analytics（分析）帐户，选择左侧菜单栏的“目标Goal”即可看到数据（数据不是实时就有，一般要隔几小时，且需要有用户完成了你设置的注册目标动作，准确数据都需要第二天查看）。

“目标”栏目包括以下几个子菜单
概述、总转化次数、转化率、目标确认、逆向目标路径、目标值、目标放弃的渠道、渠道可视化
你可以观察这些统计数据，以改善你的注册流程，判断你的营销活动效率等。

转自：http://www.webanalyticsway.com/2010/06/04/tracker-register-goal.html

您可能也喜欢：

Google Analytics热力图—网页详情分析

Google Analytics cookie内容详解

Google Analytics实用篇—快速过滤流量来源

Google Analytics实用篇—3组常用的高级群体

浅析豆瓣的 Google Analytics 应用

无觅

来源分类sources：表示流量的来源。

1直接流量：表示访问者是直接输入网站URL，或从收藏夹中访问网站。在报告中以（direct）表示。

2推介网站：表示所有带来流量的网站。在报告中显示为推介网站的URL。

3搜索引擎：表示访问者通过点击搜索引擎的搜索结果访问了网站。在报告中显示为搜索引擎的名称。

媒介分类mediums：表示流量的属性。

1 none：表示流量来源于未定义的媒介。

2 organic：表示流量来源于自然搜索结果。（免费的）

3 referral：表示流量来源于其他网站的推介链接。

通常单独查看来源报告就可以大致了解网站流量的来源分布，但如果想查看更精确的流量来源就需要将来源和媒介组合显示。比如搜索引擎的自然搜索结果和付费搜索结果。以及更多的自定义来源和媒介。

直接流量的媒介永远都是(none)，通过网站自然搜索排名带来的流量都标注为organic。referral表示推介网站带来的流量。仔细看上面这些流量来源会发现，有两个google和两个baidu，并且后面的媒介不一样。标有organic的表示是搜索引擎的流量，标有referral的表示是推介的流量。比如：google的热榜，百度的贴吧等等。

这里可以很清楚的看到，报告里一共有5个百度的流量来源：

第一个baidu_AD/cpc是付费的搜索结果带来的流量。

第二个baidu/organic是网站在百度搜索结果的自然结果带来的流量。

第三，四，五是百度的其他产品，比如贴吧，知道，图片搜索和快照带来的流量。

其中第一个baidu_AD/cpc并不是google报告中默认的来源和媒介分类。在google的报告中只会对启用自动标记的adwords广告流量标有cpc，而其他搜索引擎和推广活动需要自己手动标记。具体的方法就是在流量来源的链接后附加标记。比如第一个百度的付费搜索结果（竞价排名）就需要在URL后加utm_source=baidu_AD和utm_medium=cpc标记，否则我们就无法在报告中区分出自然搜索和付费搜索的流量了。

除了搜索引擎以为，还可以对任何你想追踪的活动链接加标记，比如下面就是对Email推广活动和网站的电子杂志进行标记后看到的报告内容。

其中Email推广活动的流量来源来自两组用户。而网站电子杂志的流量来源我们按位置进行了细分，获得的流量来源也比Email的更加准确。

转自: http://bluewhale.cc/2010-01-31/google-analytics-sources-mediums.html#ixzz1tQw6seI5

您可能也喜欢：

Google Analytics实用篇—3组常用的高级群体

Google Analytics实用篇—快速过滤流量来源

Google Analytics热力图—网页详情分析

Google Analytics cookie内容详解

浅析豆瓣的 Google Analytics 应用

无觅

刚前几天他来我们办公室观察我们的情况，也说到了很多facebook的一些事情。

我总结几点:

1、facebook也是以类似scrum的开发模式进行的。每日10分钟会议。在月目标不变的情况下，拥抱变化。十分敏捷

2、facebook没有测试人员，测试工作占开发人员的20%左右的时间。

3、facebook代码管理用的也是GIT，王淮学长也极力推荐我们用GIT，我们第二天就换成了GIT。。

4、记不起来了。。直接看王淮学长的全文吧哈：

—

我是2007年初加入Facebook, 那时大概150人; 2011年9月底离开, 当时3200多人. 经历了很多稀奇古怪但影响很大的项目, 像Application Platform, Social Ads, News Feed, Gift Shop, Facebook Credits等等. 碰到的很多的问题都是全新的, 规模是互联网历史上最大的. 当时的心惊肉跳现在回想起来是很让人怀念的旧时光. 到我离开Facebook的时候, 我负责支付安全和工具研发部门还有部分的支付后台研发组. 

现在我在全职做天使投资, 给看对眼的团队在早期产品技术团队搭建给予一些力所能及的帮助. 有兴趣的朋友可以关注我的微博@王淮Harry哥.

在Facebook的这些年让我学习感悟了很多东西, 很多东西溶在血液中, 现在我换了时间来思考最值得分享的10点经验和大家分享. 希望能给创业的朋友一些启发. 

在我们开始之前, 先来一段免责声明.

1- 这里所有的东西都是从我自己的亲身体会和实践中获得的. 不一定都是新的, 但都是真实的. 

2- 所有的这些在Facebook的文化下能有效. 但不代表对你的公司一定有效. 好的种子还要有合适的土壤.

3- 不是所有的点都对你有用. 但有一点对你有用, 我就开心了. 

OK. 我们开始吧.

1 

坚持你的远见, 但灵活的把握细节

作为领导者, 在远见上你只有依靠自己, 至少在你自己负责的业务范围之内. 你是老板, 意味着整个公司; 你是经理, 意味着整个部门. 为你卖命的兄弟姐妹们是依靠你来给他们提供远见. 什么是远见? 就是对最终状态的一种描述。是让你的团队在疯狂的飞行之后最终着陆的地方。是辛辛苦苦忙忙碌碌之后的新生活。它是北极星，它来指明方向。举一个例子，当我一开始建立支付安全部门的时候，我们只有人工规则引擎. 规则是人写的. 一条人工规则是有少数变量的简单逻辑，比如“如果 (注册在30天之内 和 支出大于100美元 和 是首次支付 和 用户来自印度尼西亚)，那么 (拒绝交易)” 但这里有个问题 - 人写的东西容易出错. 人很难有效的处理10个以上的变量. 我们需要一个更有可扩张性(scalable)的解决方案. 我们希望把很多事情自动化, 让机器人做更多机器擅长的事情。因此我们建立了一个共识 - 将我们绝大部分的规则逐步替换为机器学习获得的判断模型。这一远见让我们组新加了一位机器学习领域的博士和另一位之前有过机器学习体系开发经验的工程师。赌注巨大，但是一个更好的未来需要下这个注。

但你需要对细节灵活把握, 永远都有条条大路通罗马. 你需要给团队足够的空间来施展拳脚，只要他们在朝着正确的方向以合适的速度前进。另一个故事：在classification算法上一度我对决策树的兴趣比回归要大。但玩算法的工程师告诉它们之间的差别可以忽略。我可以坚持己见（当时我是真心觉得决策树要更合适）但我信任他并让他放手去选合适的算法。同设计师(Facebook的整个研发有设计师, 产品经理, 工程师三类物种) 合作的过程中也有趣事发生，他们对于字体，颜色，行距等等都很龟毛。我通常都会忍让, 只要服务于产品的主要功能。我们精力有限, 吵架要选择正确的战争，关乎全局的战争，而不是纠缠于某个局部战斗。

2 

只和最好的人合作

一流的牛人只愿意和牛人厮守。他们聚在一起会更牛逼。一流人才无法容忍二流的人. 那什么是“最好的人”？我的理解是能够尽其所知, 用其所长, 学其所不能, 从而迅速完成目标并远超期望. 他们的本能是挑战自己, 超越别人的期望，超越自己的期望. 对他们来说，仅仅足够好是不够好。 

只有一流人才组成的团队有很多好处。

(1) 这让你更加愿意委托. 从我的经验来看, 牛人不会轻易信任不熟悉的人. 如果你还没有证明自己和他们一样出色甚至更出色, 他们宁愿自己独立工作劳累死也不愿接受你的帮助. 因为他们担心你会搞砸. 但当你证明自己之后, 他们会信任你, 放心的把事情交给你一起合作。一个互帮互助的牛逼团队才能做到1+1远大于2.

(2) 通过艰巨任务的完成牛人们互设榜样. 你会想”牛, 这哥们竟然能把这玩意做出来了, 咱得加油了”. 这种peer pressure合理的利用可以大幅度的提高工作表现并在团队中形成良性循环。

(3) 牛人们喜欢互相挑战. 我记得一位工程师总监立下赌约 – 如果我们在规定时限之前完成网站翻译平台所需的代码修改，他将把头发染成蓝色. 这样的挑战把“枯燥”的工作变成了挑战性游戏。在玩游戏中写程序比纯粹的写程序要有趣得多. 当然我们也有很多更加认真的挑战. 因为牛人们天生(贱命, 哈)容易对挑战上瘾, 不管是挑战别人还是接受挑战. 

(4) 牛人们相互学到很多. 每个牛人都有自己牛的地方. 彼此有很多的互补. 如果Facebook不是有很多东西可以学习的话我不会呆4年多。对缺乏经验的人来说，这点很给力. 我们雇佣非常聪明的毕业生(潜在牛人)，这些人希望引爆自己来证明他们的牛逼之处。他们不愿到一个舒适无挑战的公司过日复一日的生活。他们想学很多来丰富他们的经验，完成不可能完成的任务并在他们的职业生涯上前进。他们想要证明“yes, we can”。和其他牛人一起才能更容易的实现这些。

你不想要二流的人但如何远离他们？首先，慢点招人 (Hire Slow). 在招人的标准上固执一点. 训练你的面试人员让他们明白他们需要招(某些方面)比他们更强至少不会拖后腿的人, 如果不是, 拒绝平庸, 不要屈就. 我曾好几次在招聘决策会议上发现黄金履历者无法拿到Offer, 只因为某个面试官觉得这人无法给他深刻印象没有让他惊讶。但在另外一些例子当中，那些获得一致通过的候选人仍被放弃因为大家都只是觉得他仅仅符合要求而已, 没有出彩的地方. 在招人问题上，绝大多数情形下，你要小心不要冒进.（顺便提一下我们也会雇用那些没有全票通过的候选人, 只要有一两票是强烈推荐 – 因为对于已有员工的强烈推荐你是不应轻易忽视的, 这时可以冒险）其次，炒鱿鱼要快 (Fire Fast). 使用二流人才就像服用慢性毒药, 一天一点,迟早咯屁. Facebook要求所有的管人经理对于员工的表现要特别敏感. 经理发现员工分配的任务或者答应的事情经常没有做到, 如果是客观原因, 一定要尽力帮助解决; 如果判断为人才质量为题, 走法律允许的程序迅速将人炒掉. 我见过几次炒的比较慢, 那对团队造成的负面作用可不是闹着玩的。

3 

树立高的期望值并加以衡量

作为领导者，你需要设定足够高但仍合理的期望. 足够高使得你的团队不会感到无聊。仍合理使得他们不至于油尽灯枯。你要给他们创造一段经历使得在旅程结束时，他们回过头来看会说 – “他妹的, 我都没想到我居然做到了这个. 这个屌爆了.” 在Facebook, 和其他硅谷高技术公司一样，期望同薪酬相结合. 每半年Facebook都有5-6个公司级的大目标, 所有人的奖金算法中都会考虑该目标的完成情况. 因此树立明确的期望本身就至关重要。 

另外, 你需要找到一个不容争辩的途径来衡量期望. 我花了大量时间和团队一起制定下季度里最重要的3-5个目标并有数据化的衡量指标 (一个目标背后可以有多个指标)。根据工作量把目标分别委派给单个或多个攻城狮，或者让他们自己揽。在这一情况下，我们不仅有可衡量的目标，使得我们可以迅速地说出来我们在做什么做到哪了，同时也知道每个具体目标后面的负责人是谁。团队的表现和个体表现挂钩, 所以他们失败了我即不成功. 例如, 当年我们团队最大的成果就是在一年时间里，通过每季度不同的指标，让信用卡支付的投诉率降低了75%.

有一点要强调的是﹣期望还是要基于现实要合理. 在你只有10%的市场份额的时候却幻想10几倍的收入增长无疑不现实. Steve Jobs乔老爷是这方面的老手, 非常善于推动他的团队超越潜能但同时也榨干他们（虽然他们后来还是为他们所做到的而自豪一辈子）99.9%的领导者不是乔老爷, 也不需要是。更可行的是在团队的真实极限中找到一个可持续性的驱动来激励团队超越自我.

4

重视数据而不盲从数据

决定产品方向时, 要的是想象力, 激情和胆量, 而不是数据. 数据能让你的团队沿着正确的方向前进而不出轨, 也有助于产品从“一开始是什么样”到“最后应该是什么样”的逐渐优化成型. 但数据不能帮你决定方向. 举个例子, 当我们在人工智能(机器学习)上压上我们团队所有的资源的时候, 我们忐忑不安. 但是我们坚信一点, 现有的基于人工规则引擎的防欺诈系统会很快成为死胡同, 因为它太死板而且不易规模化以处理大数据。所以, 就像在电影指环王中Frodo明知通向Mordor的道路很黑很冷很危险, 但那是一条他必须要选择去走的路; 我们选择了在机器学习上压上所有的宝。失败, 整个团队会很难看; 但我们决定走艰难但我们认为是正确的路. 这种思路同样应用在如何设计用于用户报告(外部工具)和案例审查(内部工具)的工具来应对潜在的欺骗行为。 我们最后决定的方向是”进行自动处理”和”建立反馈机制”。直接抛给人工来处理总是很容易被选的一条路, 因为只要建立一个人多人傻的客户支持团队即可. Lame! 我们希望通过自动处理来解决大部分的欺诈案例，而把精力则放在那些确实需要单独处理的特殊案例上, 同时把从业务支持团队(即客户支持部门)的处理意见自动采集并集成到下一轮的机器学习中去。由此, 我们的机器判断会越加精确和聪明且与时俱进.

但你不能忽视数据。没有数据的支撑而一味靠直觉走黑路, 很容易走岔道, 甚至大错特错。有一段时间我们认为爬行工具(通过分析关联的cookie,信用卡)可能可以找到很多欺诈的同伙。通过实验结果却发现, 这种预期是否成立很大程度上取决于当前流行的欺诈行为的特点. 比如, 当失窃或贩卖信用卡的案例非常普遍的时候,关联分析是一种有效的方法。但如主要情况是帐户被黑或小宝们冒用妈妈的信用卡去网游消费时，关联分析就作用不大。直觉在现实前面碰了一脸的灰。 不过幸运的是我们很快意识到这点且把这个项目叫停了, 所以没有浪费太多的资源。

另外, 顺带提一下A/B测试。A/B测试并不会告诉你去做什么产品，但它可以帮你确定实现产品时的哪个细微版本更能揪住用户大爷们的心.

5

避免无谓的时间浪费

刚进Facebook做工程师的时候，我非常享受那种日夜泡在码海中的感觉。后来慢慢的承担的项目责任越来越大越来越多，写代码的时间越来越少(但绝大多数时候仍占大头). 有时候更多的是把时间花在决定产品的方向和设计上。很多事情是和产品经理设计人员一起搞的. 但在Facebook攻城狮们有很大的发言权甚至有些时候是拍板的权力。Facebook希望攻城狮们有王者风范. Facebook希望攻城狮能决定自己要做什么应该做什么, 而不是总是”被决定”做什么(一种流行的说法是，write your own job description). 因此，我花了大量的时间在思考这些问题 – 哪些功能需要添加，哪些功能需要删掉，需要开始或停掉哪些测试，我们正在流血流汗的是不是现在最最最重要的问题, 我们是该花时间优化用户交互流程呢, 还是减少出错率, 还是让系统更快, 等等。这些问题很伤脑筋, 答案经常不确定, 比一个劲码到手抽筋要难. 但这些问题很重要, 甚至可能决定了你熬的日日夜夜究竟有没有必要. 建议所有的攻城狮思考思考代码之外的这些问题, 团队领导者就更有必要了. 当然, 攻城狮的大多数时间还是应该花在代码上.

那究竟哪些时间不应该被浪费呢？

很多, 但我只举两个我认为最重要的例子。

邮件。不是所有邮件都发而平等。有些邮件纯粹打酱油的. 有些邮件是不需要马上处理的. 我尝试使用过滤规则来踢掉打酱油的邮件, 突出需要马上处理的重要邮件。对此，分享两点。

1) 建立一个适合你的邮件过滤系统. 我会对重要和紧急的邮件做即刻回复，而暂缓处理那些可以等到晚上再回复的邮件（尤其是发自我自己的团队，产品经理，兄弟连和顶头的不顶头的上司们的邮件）。但是，我要确保在我挣扎的爬到床上之前，把这些邮件全部处理掉, 读的读, 回的回。对于那些仅供参考的邮件，过滤系统会将其塞到某个固定的角落，我隔三差五去瞅瞅。此类邮件诸如某酒鬼询问Napa Valley哪个酒窖比较正点等等. 这些邮件通常比较有趣, 挖的坑很大很深所以也很耗时间, 我通常不跳或者不马上跳。

2) 广而告之你的个人邮件处理策略. 我让我身边的战友们知道我是如何处理邮件的, 并把这个政策放到我所有的邮件末端。如是说 – “正在尝试个人邮件处理策略-为了戒掉Email瘾, 我将强迫自己每隔三小时或以上查看一次Email，急事请电话/短信/IM我” 这么做更多的是让别人明白不要指望马上得到回应. 其实我查email比每3小时要频繁, 但至少不用马上逼得去回每个email了, 我可以憋着悠着点. 因为如果真的很急, 我的iPhone应该已经响过了. 而且, 批量处理真的效率要高很多. 不骗你.

会议。开会太容易变成一群人互相在扯对方的蛋. 浪费时间而且开完后发现没有结论且很蛋疼. 但开会对于teamwork很多时候是必要的. 如何主持会议是门学问, 这里不细谈. 不过, 你不可能也不需要参加每个邀请你的会议。当你认为你参加某会议于己于人都无太多价值的时候, 建议你考虑不去。如果想要有礼貌一点, 那就写个email问问主持人你是否可以缺席. 通常当你想过这个问题决定发这样的邮件时，答案通常都会是yes。有些时候我也会很可耻的让我的产品经理替我去开会。当然，我会鼓励他也争取不要去。Only make the meetings you really have to. 同样, 我要求我自己的团队在组织和参加会议的时候要慎重，也经常问他们想想看自己花在会议上的时间是不是多了。一个做法是把可能的会议都整合在一起。有一个例子。早些时候, 我们会经常收到来自支持团队的比较随意的会面请求。这让攻城狮的一天被会议分割得支离破碎. 写代码的都知道没有3-4个小时的连续时间是不容易高潮的. 而且这种会议通常效率很低. 于是，我们改变了做法，每周安排固定的答疑时间(office hour)和支持团队嗑想法然后follow up。当然, 紧急的问题另当别论应当马上处理.

有一个被经常忽略的原则 - 有意识地去思考哪些事情不应该做并且马上不做。例如，哪些是无谓的争论可以避免介入，哪些功能可以放弃，哪些关系不应该发展, 哪些人应该开掉, 等等。我经常问自己一个很简单的问题，我现在正在做的是否对我的目标很重要。如果你清楚自己正在做的和自己想要的，答案会明了。Go for it.

6

增进亲密感是减少紧张关系的有效方式

工程师和支持团队之间有着纠结的合作竞争关系(注意, 合作在前)。互联网技术公司中很多人(尤其是聪明人)总是期望工程师对所有问题给出一个让人会心一笑的解决方案。但现实是，不是每一个问题都可以或者应该在技术框架下解决。对于一些具体的问题, 客户支持和运营部门会有一些非常深刻独到的见解. 工程师未必行. 毕竟很多见解需要不同的专业知识, 依靠实地经验。没错, 工程师可以在代码中自动log大量的原始数据，但从原始数据中提炼可靠的判断却并不总能如愿. 和很多其他公司的客户或支持部门不同, 我们的支持部门招募了质量相当好的员工(很多来自美国名校 – 在我直接接触的反欺诈支持组20来人中就有3名斯坦福校友)。因此，当两群都很聪明的人观点相左时，该听谁的呢? 紧张关系再所难免。

不同的工程师团队也存在着合作竞争关系。 反垃圾邮件、安全和反欺诈（我的团队）这几个团队之间存在密切的工作协作关系。这些团队也都尽可能地相互学习，分享经验和技术。但是，有时候各团队独立处理类似但不同的一些问题时，都试图向对方推销自己的解决方案和理念。

如何让合作竞争保持在一种健康有序的状态? 我觉得关键是促进人与人之间的亲密感。把人搞近了, 事情就容易了. 我花大量时间用在建立和其他团队的关系上面。例如两周一次或者一月一次和其他团队老大们的1对1碰头会。越相关的团队, 头碰得越频繁. 我自己或者我的团队成员会有选择性的经常参加一些其他团队的会议 (我们称之为Friends & Family meeting)。当为一个共同的大项目工作时，我曾安排不同的部门成员（工程师、支持、数据分析、金融财务）坐到一起进行项目冲刺。这是拉近相互之间距离的非常有效的一个做法, 尤其对于减少扯皮的机会. 因为互相之间经常会请或被请喝咖啡 (可称之为“咖啡外交”). 我也会经常和一些人约定吃工作午餐, 经常聊的是家常, 增的是感情。有的时候一次长距离的散步也更能让人畅所欲言。而这样的紧密关系，在我们面对一个极具挑战性的项目的关键时刻，会帮助大家紧紧的抱团闯关.

7

习惯委托, 但不要盲目, 请谨慎

分配任务委托别人的重要性比较容易理解. 因为你不是超人, 不能端茶倒水什么都做吃喝拉撒什么都管. 有些时候, 你往往还不是最适合的人选. 当团队一大事情一多, 你一定要学会委托别人来负责合适的任务. 对有些领导者而言, 委托别人一个重要的目标可能不是很放心, 觉都睡不好; 但我非常习惯委托别人, 有时候可能太习惯了. 这是我一位前老板给我指出来的一个问题. 有一次我给一位组员分配了一个既有技术难度又有协调挑战的难题. 进程比较缓慢. 但我给了他太多的时间空间来折腾, 而事实上他在某些方面需要一些加强, 有些方面需要我更多的主动的帮助. 我老板指出来, 如果我要让别人随便折腾的话, 前提是我需要有足够的信心.  我需要有事实来逐渐证明我的决定是正确的. 需要谨慎委托. 因为如果项目失败, 对他而言, 最终负责的人还是我, 不是别人. 所以我不能以别人不行来给失败的委托埋单.  

如果你有一个重要的任务需要委托给别人, 你要么

1) 已经对此人非常了解. 知道他战斗力非凡可以搞定; 或者相信他可以迅速学习提高打鸡血搞定;

要么

2) 需要在一开始手把手教他, 时不时问他, 直到你对他有足够的信心.

具体我是这么做的. 项目开始时, 我让被委托人给我一个整体计划以及几天内可以完成的任务. 一开始经常会面跟进, 然后确定后几天的任务. 根据每次完成状况来估计他能不能”高快狠”地完成最终的目标. 信心逐渐建成后可以减少关于该项目的细节讨论. 此时的委托可以放得更开. 但有一点要注意, 如果跟的太紧的话, 可能让人觉得你对他不放心, 他也会做得畏首畏尾, 这可能比盲目的委托还更差. 所以在委托和谨慎之间, 有一个微妙平衡.

我觉得在这一点上我还要加强. 这里也和大家提个醒.

8

意见反馈应该一个持续性的, 而不是一年一次或两次的活动

一年一度或两度的意见反馈在硅谷公司是非常常见的. 它的目的不是设置起来给员工难堪, 让他们互相责难的. 它的目的是希望员工对自己对他人有更全面的认识, 以助进步. 意见反馈有自我反馈和同事反馈两部分. 自我反馈是自己评定自己, 完成了哪些目标, 错失了哪些目标, 哪些方面做好了, 哪些方面还待进步. 但由于是自己踢球兼裁判, 难免有偏颇. 同事反馈, 就像一枚镜子, 让你看到180度之外的自己. 在Facebook, 360度的正式意见反馈是一年两次, 并且和薪酬挂钩. 但近年来, 意见反馈和薪酬评定逐渐分开. 比如我做的一件事就是季度性的意见反馈, 时间和正式评定错开. 在那几天中, 我请求所有相关组的同事在自愿的前提下给我写写关于我直属组员的意见反馈, 短短几句都行. 我会收集, 综合, 最后在1-1碰头会时反馈给我的组员. 

如果需要等半年才来收集意见的话, 很多相关故事早以忘得一干二净. 故事越久远, 记忆越模糊, 意见越空洞, 说了等于没说. 而且, 意见反馈和薪酬绑在一起, 正常人(即使是牛人)都会很自然的把心眼更多的放到薪酬上, 而不是意见本身.

除了季度性的轻型意见反馈, 日常的意见反馈如果有的话应当立马传递. 趁热打铁效果更好.

如何有效传递整理好的意见也很重要. 有句话是说”it’s not what you say that matters, it’s how you say it“. 我没那么极端, 我觉得如何传递意见也同样重要. 有两种方式我都试过, 不确定哪种更有效. 这里都谈一谈. 一种是以问为主逐渐深入促其思考, 比如”how did you think about the meeting you hosted yesterday”; 另外一种是赤裸裸的直入主题, “hey, let’s talk about the meeting you held yesterday”, 然后开始谈我自己的感觉. 不管哪种方式, 一定要给对方一个解释自己行为的机会; 永远假设并告诉他我相信他的意愿是好的. 为了避免陷入”你昨天做了xxx” “没有, 我做的是yyy” “我觉你是做了xxx”的死循环式的争论, 我首先争取和他们在”我们感知的即是事实”这一点上达成共识. 基于这点前提, 我们把讨论的重点放在如何做能改变别人的感受最后让事情能顺利完成, 毕竟大多数重要的事都有很多人一同协作完成. 当他们认识到自己想要改进某个方面的时候, 如何改是一个相对容易很多的问题 – 聪明人一向能够找出改进的办法, 我所做的就是配合他们做头脑风暴. 最终谈话的目的是产生一个下次如何能做的更好的具体方案.

关于有效传递意见反馈, 另有4点提一下.

1) 意见反馈不见得都是负面的. 它可以是别人的一个长处. 你很欣赏. 你希望他这方面坚持做, 做得更多. 比如一句”hey, I really love your weekly summary email with the key metrics at the top. Please keep them coming”可能产生很好的激励效果.

2) 意见反馈必须摆事实和讲道理. 如果你只是告诉别人他很烂, 但不说什么时候浪过了以及为什么, 除了给他添点火气之外无他用. 所以我在相关人员包括自己写意见反馈的时候要求提供实例. 比如一句 “I think he could make meetings transparent and shorter by having an agenda, like the weekly data review meeting on last Friday”比”his meeting is too long”更有血有肉有效. 

3) 意见反馈必须是可操作的. 让人无从下手的意见意义不大. 如果在提意见的同时提出一个方案以供参考就有意义的多. 但注意, 绝不能是命令的方式 (那是中青宝…). 比如前面的例子”I think he could make meetings transparent and shorter by having an agenda sent ahead of time…”就很容易操作.

4) (个人偏好) 在最近的两个评价周期中, 我给15个左右的同事(一半不直属我)写过意见反馈. 我把我写的直接分享给他们. 出于这种想法, 在我下笔时就少了很多冲动. 因为他们会读, 所以我无法做到背后捅刀. 因为他们要读, 所以我需要写得有意义, 容易理解, 并且加上很多例子. 并且, 我欢迎他们和我直接讨论. 如此一来, 他们也明白我写这些反馈的一片苦心是为了他们进步.

9

你可以比你想象的做得刚好

这不是说说而已. 我自己就有一个亲身的例子. 我们曾经认为把一个高得离谱的欺诈率降到所允许的范围内会很难. 的确很难. 但想想看我们最终牛逼了一把, 把它降到了比允许上限的一半还要低. 感觉很爽. 很长一段时间内整个团队士气高昂信心爆棚做事像开了外挂.

牛人们总是不断的超越自己. 给他们一个离谱的目标, 配以应有的工具, 适当的帮助, 足够的信心还有一定的时间, 他们会让你大吃一惊, 也会让自己大吃一惊. 这一点, 乔帮主是行家, 屡试不爽.

但做到这一点有一个前提 - 不能害怕犯错. 如果犯错是被要严惩的失败是不允许的话, 牛人们只能在框框中被圈养, 没有办法实现突破. 有一句话我经常挂在嘴上”ask for forgiveness, not for permission“. 在Facebook, 大胆行事犯错是容易被原谅的. 

但反过来, 有一点要小心, 就像第7点所说的 – 你不能随便把一个离谱的目标交给一个人, 然后期待他来给你惊喜. 盲目带来的可能是惊吓. 你需要真正的牛人, 至少是潜在牛人. 而作为一个领导者, 你的一个任务是帮助他们, 鼓励他们, 来引爆自己的潜力点. Facebook不缺此类待引爆的牛人. 

10

不要过多设计或者过早优化

有些工程师有一股出于本能的冲动想把自己的程序规模化, 甚至在这些程序还没看到大规模使用的曙光之前. 我在Facebook开始的时候, 也是冲动型工程师一杯. 但经历过几次失败的产品之后, 我牢记了这个教训. 不要过多设计或者过早优化. 把核心功能设计的简单精炼. 只有在看到产品有被大规模使用的趋势后, 才来增加功能或增加规模量. 有一个我做的产品使用的上限是200万月用户(当时Facebook整个月用户群是4000万左右), 但我的实现已经做了很多额外的功来满足更多的用户. 做的时候感觉很爽(感觉自己很牛, 感觉再多人用产品也不会崩溃), 之后感觉很惨.

但这一点不一定能适用于架构上的工作. 比如Friendster这个网站的失败就是其基础架构的性能长期无法应对急速增长的用户以致网站很慢甚至崩溃. 在用户增长高潮来临之前, 你应该已经在架构上做了足够多的前戏. 否则搞不好就要像Friendster收摊子散伙. 但同时也要意识到, 你所看到的用户访问模式, 你的网站功能, 在你只有10万用户的时候, 可能和你有1亿用户的时候会很不一样. 所有太多太早太频繁的架构上的大动作可能会适得其反. 这一点上, 你要小心判断. 

结语:

在Facebook的4年半很好玩. 我学到的感受到的远多于以上的十项. 但希望这个分享能对朋友们有点帮助. 同时祝所有的朋友在自己现在扮演的角色上都有好运.

转自：我在Facebook的十点经验分享 - 非反人类文字版 

您可能也喜欢：

天使投资人王淮的天使观：一个中心, 七大问题和三大指导

一个创业失败者的反思：铺摊子 用人不当 商业化能力弱

Facebook最赚钱的女高管如何做职业规划

斯坦福、冷战与宽容文化-硅谷崛起三大秘密

Facebook之困

无觅