说起 Web Analytics 领域的专家，名气最大的当数 Google 公司的布道师 Avinash Kaushik，他所著的《精通 Web Analytics：来自专家的最佳Web分析策略》（Web Analytics: An Hour a Day）是 Web Analytics 行业的必读教材。
最近 Avinash Kaushik 推荐了一份报告，并分析点评了 Web 分析的 11 大障碍，让我们来看看他是怎么说的。
这两天 Econsultancy 的一份《在线测量和战略报告》（ Online Measurement and Strategy Report）让众多搜索引擎营销（SEM）人士引起关注，对我来说，最有价值的部分是第六部分（6.7.2）： 有效在线测量战略的障碍。
这部分包含了在有效在线测量战略的 11 个障碍，如下：
- 缺少预算或资源 (45%)
- 缺少战略规划 (31%)
- 分散组织管理 (29%)
- 缺少相互理解 (25%)
- 过多的数据 (18%)
- 缺少高层管理权 (18%)
- 协调数据的困难 (17%)
- 技术隔阂 (17%)
- 对分析结果缺乏信任 (16%)
- 难以找到合适的人才 (12%)
- 没有足够的技术 (9%)
说在前面的话
在开始之前我还要啰嗦一下。上面列出来的障碍，现在很多 Web 分析员都在讨论，并在博客发表自己通过使用网络分析工具进行对比后的想法。其实我想说，报告中的前十个障碍跟某些工具的相关特征都没有任何的关系，我们应该想的是，为什么我们没有讨论如何解决这些非工具的问题，而只是把问题归为 Web 分析工具的使用？要知道，这些非工具的问题才是和公司和从业人员最密切相关的。
Web 分析工具能给任何规模的公司提供边际利益，但显然我们还有更重要的事要去解决。必须说，Web 分析人员的工作并不仅仅是发表通过不同 Web 分析工具生成的数据对比分析报告。
障碍 1: 缺少预算或资源
某种意义上说这个问题一直存在，不管是刚开始购买 Web 分析工具进行测试的小公司还是已经有百万资金爱慕于一个行为目标平台（Behavior Targeting Platform）的大公司。
如何解决这个挑战？
答案是：从零开始，从免费的开始。
现在基本上任何工具都可以免费使用，不管是网页分析（Web Analytics）还是多元测试（Multivariate Testing），还是行为目标（Behavior Targeting）。
专注的使用 Yahoo! Web Analytics , Google Website Optimizer 和 BT Buckets，先用精和用透这几个。
当你开始稳步发展并且进入一个感觉到一个瓶颈时，你有现成的跟数据记录帮你说服老板，购买更为强大的 WebTrends，SiteSpect 和 Kefta。
其他一些小建议：
- 不要过多关注工具的价值，而要关注你能创造的价值。
- 有些时候可以发动你的客户和竞争对手来帮你。
障碍 2：缺少战略规划
战略规划因公司而异，这个方面我谈不了太多。
如果你的公司里没有一个战略规划，那我想你应该另谋高就。
如果你是一个公司的相关负责人，那你就要帮忙规划这个战略了，尤其是当测量和分析人员被归属于技术部的时候，请务必将他们转移到业务部。（参考文献中有必死无疑的意思 Kiss of death）
障碍 3：分散的组织管理
每个人都在想着自己的奖金，每个人都只认为自己是对的，很散，散的难以协调。但是对自己信心很重要，一旦你能显示你的价值所在，这种情况将会被打破，大家将都会来配合你。
从小开始，展现一些价值；再做大一点（多负责一些业务或者争取营销和付费的相关工作），再展现一些价值；然后就可以再做大一点。
下面是我对此的个人体会。
以前我刚开始的时候，我和我的分析员正在风口浪尖上，但没人听我们的。于是我按照上面的方法进行，随着时间过去，我证明了数据对公司的重要性，同时我也获得了更多的人手，虽然有一些痛苦的回旋，但我有了更多的人，更多的时间来做更快更好的事，从而展现了更多的价值，获得了老板更多的信用。
然后老板就有问题来了：如何进入下一步？
我们就回答：我们需要做更多的定性分析，但那个功能在另外一个分析工具里。
老板反馈就是：那我们一起来搞定他。
于是结果就来了，我有了一个更有凝聚力的团队，更引人注意的高效执行力。
加班过度睡公司？很多人不愿意；他们也没有耐心等着一步步的获得认同，于是结果就是员工老板相互不理解，于是情况进一步恶化…
障碍 4：缺少相互理解
报告中也说的不是很清楚到底是说明原因，似乎是一些抱怨如“没人理解我”，“没人欣赏我”,“没人愿意帮我”……
如果有对数据价值的理解缺乏，建议你拉上管理层的领导一起去听一场网络研讨会( Omniture 经常干这事)，类似的网络研讨会将陈述一些客户的经历，当然都是很好的经历，也许这能帮助你老板开始了解数据的价值。
如果有对分析能做什么的理解缺乏，用 Google Analytics 在一个小网站上做一些测试，展示下如何改善和增加从搜索来的访问者。
如果有对市场上技术情况的理解缺乏，找一家有些实力的分析工具提供商，叫人过来做一个 PPT 展示，你的老板将会了解更多行情。
障碍 5：过多的数据
竟然只有 18% 的人抱怨这个东东，可能这和他们在执行 Web Analytics 1.0 有关系，如果你在做 Web Analytics 2.0 战略，那将会有更多的人抱怨这个问题。
这些其实是我们自己造成的问题，我们简单的想去给其他人知道我们有多少数据，我们有多厉害，我们可以每天报告几万个指标。但，谁会在意这些呢？
当你开始认识到你关键的几个指标后，就不需要过量的报告了，然后问自己个问题，网站报告出来后能干什么？只要关注那些能帮你测量宏观转化率和 3 个微观转化率就可以了测量宏观和微观转化率。
在你未精通这些之前不要做任何其他东西，不要把数据堆砌的让领导都反感。
障碍 6：缺少高层管理权
对我来说这和第一点障碍差不多，没有高层管理权，他们不想给你预算和资源。也许你在报告中过多的数据导致了缺乏相互理解，最终导致缺乏战略。
有三篇参考文章：
做报告和做分析还是有区别的，报告要有技巧，但关键在于分析产生的价值。
障碍7：协调数据的困难
在宏观层面上你应该知道协调数据是非常有难度的，我相信我们一个比较好的方法是多元化战略（Multiplicity strategy）。
这就意味着不同的工具，不同的资源，不同的指标。是的，这些都没有问题，使用这些数据来源后将会有指数级别的价值提升。
跟之前的分散组织管理中的方法一样，很多管理角色的人不会完全接受不同工具不同的数据，所以也要从小问题入手，慢慢展示价值，然后再解决更大的问题。。
在微观层面上这就涉及到在 Google Analytics 和 NedStat 上协调数据了，也可以拿其他工具如 HitWise和 Compete 等等。
如果你真的碰到这样的问题，就看看我们的数据协调清单，一个个的搞定。想要完全解决数据的协调问题是不可能的，做一个范围比如允许 10% 的接近，然后再继续进行下一个数据问题。
障碍 8：技术隔阂
如果你有机会了负责协调整个分析团队的工作，我建议你看看第三部分中的一些建议。但技术部是一个极端保守的部门，很有可能公司不给你权限来接触网站，这样的话你就要兼顾网页分析和网络营销工作，因为网络营销包括 SEO，需要网站权限。当你和技术部接上关系后，你才有可能慢慢的去打破这个隔阂。
我在 Zaaz 的朋友 Shane Atchison 和 Jason Burby 一直在主张可以识别时间延误成本的模型，这里有个样例：
现在的转化率和价值在最顶部，第一列是改进后的转化率，这些数据显示了订单的增加所造成的影响，最后是延误的成本。在转化率方面改进效果最不好的第一行，导致了公司 $342,930 利润的损失，在转化率改进为 9.25% 的上图中红框一行，三个月的延迟会造成 150 万的损失。
将这样的数据拿去给技术部的古董们看看，他们还会不配合？
不要和技术部门的人玩政治斗争，用数据说话！
障碍 9：对分析结果缺乏信任
我觉得和第七部分有些重叠
如果他们不相信数据，那就用第七个问题中说明的方法
如果问题是他们不相信网络数据，那还有以下几种方法：
- 辞职，换个老板。
- 培养他们喜欢的完美流量来源。
- 头数据在刚开始的几个星期是可以被操控的。
- 在“漏洞”中数据精确度上升会减速。
- 解决问题的方法不是多执行一个工具。
- 规范好你的大脑，特别是当你看到边际效应递减的时候（Diminishing Margins of Return）。
- 如果你有小网站，你的问题会比数据质量更麻烦。
- 别忘了这两个麻烦事：不可理喻的用户行为，不准确的基准。
- 记住你在互联网上失败的更快。
障碍 10：难以找到合适的人才
我一直在提倡互联网分析成功的 10/90 法则已经有五年了。人才是核心，找到合适的员工的确不容易，但我不相信有这么困难。
有的企业这样找人才：需要使用 Omniture 五年经验的人；需要对 WebTrends, Optimost 和 iPerceptions 有丰富经验的人，还要会做咖啡。
鬼才来应聘！
这个行业本来就是一个新行业，也就意味着更难发现在某个特定工具上拥有丰富经验的人。
讽刺的是，随着技术发展，很多东西都在变化（比如 Omniture, 再比如 GA），基本上任何五年前你所知道的东西，现在已经改头换面了。
所以当你向找一个分析员做财务工作时，去找传统业务线上的老员工没问题，但是我建议你去找一个充满互联网热血的应届生来做数据分析，你只要教会他如何使用就可以了。
当然也不要太局限，我有个同事就刚刚找了一个以前在人力资源部做人力分析的！
障碍 11：没有足够的技术
如果你在找技术做传统的互联网分析或者 Web Analytics 2.0，那你很幸运。很多令人瞠目的强力技术存在于各种免费和昂贵的工具中。
如果你不能收集到真实数据的移动分析或者社会化媒体分析或者真正的分布式内容分析，我就接受我的同情把。
其实我们还没有整整的弄清楚到底这些分析是什么，但是他们每天都在变化，当然整理出我们的最佳数据和联合技术都需要一些时间。
如果您有经历类似的障碍和挑战，真诚的请求您分享您的经验！将会对我们大家都很有帮助！谢谢！ talk[at]semwatch.org。
参考文献看这里
厉害
相当不错啊！
精彩，翻译的很到位。