SamNotesCN: [转]【互联网+】聚焦于用户行为分析的数据产品（实战）

文：Heidi格物志

转自：heidixie.lofter.com

因为工作需要，我的收藏夹里收集了很多数据相关（客户行为分析）的产品，其实加入收藏，也一直没有时间好好去研究。这几天恰好有时间翻出来逐个体验了番，顺手贴出来，大家一起研究。

受篇幅所限，这里只贴了4个，更多的请期待后续。

1. Heap

是什么？
之前我研究了一个网站叫FullStroy(https://www.fullstory.com), 主要是提供用户的行为录屏、回放以及记录用户的每步操作日志并可视化出来。Heap聚焦于用户行为的数据分析。但是它没有提供录屏功能，而是打造了更加轻量的接入方式以及实时数据卖点。

面向市场：
Web+iOS

特色功能：

1. 可视化配置事件（Heap并不自动采集各种行为，而且要你配置，但是它提供了一个非常方便的可视化配置功能）

2. 实时数据（一旦配置，立即有数据，无需等待，且是实时的数据）

如何运作：

首先，需要触发数据采集，即安装Heap,安装Heap的办法很简单，只需要在你的产品、网站里集成Heap提供的代码。

Define(我理解成配置)，主要是两块，一个是配置事件，另一个是配置用户细分群体。

定义事件：配置事件上区别于侵入式的编码（比如目前的移动统计工具，可能都需要你在代码里埋各种事件），Heap提供可视化的配置，让不懂编码的人能够很快配置好所需的事件。

比如，你想要观测example页面上的Sign Up按钮的点击情况，不用去找开发工程师给你埋点，只需要打开Define频道，定义一个事件，选中这个页面，然后在可视化的页面上点击这个按钮，命名，然后配置是不是该页面独有（假设某个按钮在多个页面上都存在，那么如果不设置为该页面独有，数据统计则是所有按钮的点击了），然后事件就配置成功了。见下图：

定义用户群：无细分，不分析。只有有了用户细分，才更好观测每一类用户的具体行为，根据行为的不同再针对不同的用户采取不同的推送、设计等个性化策略。下面就是Heap定义一个用户群的界面，你可以使用"已经购买了至少5次"的条件来定义一个"高价值客户"群体，或者使用"至少登陆了2次"且"上传了自己的档案照片"的条件去定义一个"活跃用户"。一旦你定义了一个用户群体，你就可以使用不同的用户群去看他们的行为路径、转化漏斗和其他的群体以及剩下的用户有何不同。

至于用户分群的选择条件，应该也基于之前定义的各种事件，加上一些用户的属性。在我们的内部产品无线数读平台上，我们也提供了用户分群工具，可以让开发者根据终端属性（品牌、机型、网络类型、运营商），以及使用行为（比如启动次数在某段时间内大于多少次且某段时间内小于多少次等），加上用户的属性（性别、年龄段、地域、爱好……）等多种标签对用户进行细分。其实背后都是一个道理。

有了事件和用户群的定义后，Heap就可以展开分析了。

在分析这块，Heap做得还比较简单，无非就是一个趋势图（研究各种事件的走势，这是最基本的），还有转化漏斗（Funnels）, 使用者可以将之前配置的事件，按一定的次序配置成一个漏斗，进而监测转化情况。

在配置漏斗这块也有可取之处，比如它提供了更多维度对漏斗进行细分，可以看不同类型的用户的转化漏斗有何不同。

此外，Heap虽然没有提供用户行为的录屏，但是通过路径流的方式予以呈现：

Heap的另一个卖点是，全部的实时数据。配置成功后，无需等待数据采集上传计算展示等流程，即可就能够看到实时数据。对于心急的数据消费者来讲，这绝对是个利好消息。不过这背后肯定是较高的存储成本，因此Heap是一款价格不菲的收费产品。

不过，它提供14天的免费试用，有兴趣的同学不妨先试试。

2. Trak

是什么？
与其说Trak.io是一个用户行为分析工具，不如说它更偏向用户管理（Customer manage ）。
Trak.io页面的口号是：See Who is using your product and send automated emails based on their behavior. 意即：知道哪些人在使用你的产品，并且可基于他们的行为向他们发送自动邮件。无疑，这些邮件只所以自动，背后是有一套规则，比如定期向长久不来的用户发送唤醒邮件，或者向近期比较活跃的用户发送新版本测试邀请。

面向市场：
Web+APP

特色卖点：

1. 360°的用户档案及实时的全程操作行为记录

2. 自动邮件系统以及用户状态变更提醒

Trak.io的重心是触达正确的用户，和他们建立联结，不管是提升用户的忠诚度，还是维系重点用户的关系。但是要更好去实现这个目标，Trak.io必须要"记录数据"。

运作模式：
从界面上看，Trak.io的模式很简单明了：

不好意思，因为LOFER压缩了大图，我再来一张局部图：

可以看到，Trak.io提供的服务就两类，一个是数据方面，提供用户档案、行为记录，还有用户群的数据。一个就是各种触达用户的方法。

数据方面：

1. People: 360°的用户档案

2. Segments: 人群细分，除了单个用户的档案外，还可以把满足某种特征的用户放到一个群体进行分析及触达。

太可怕了。

虽然没有太高的技术含量，就是把用户的能够被抓取到的信息集中起来，然后还原TA的操作日志。

你设想下，如果聚焦于某个个体是多么可怕的一件事情，任何人只要被授权，就知道你的一切信息……奇怪了，老外不是很注重个人隐私的吗？

不过以上的档案，显然在服务用户时相当有用。假设一个网站的客服，接到一个用户的反馈或投诉，电话一接通，录入对方的账号，电脑上就可显示该用户的档案，以及最近的浏览日志，操作记录一览无余，就确实节省了很多沟通成本。不至于再三询问用户，你是在什么环节遇到了什么问题了。

Trak.io提供这两个信息，也不是自己YY玩，毕竟平时没事有事去偷窥用户档案的人还是少数的，而且应该很多人不会被授权看用户档案。最好的方法就是根据这些信息提供一些系统工具，能够按某种规则触达用户。所以，Trak.io提供自动邮件功能――比如设定规则，当某个用户符合此规则时，自动调用配置好的邮件模版进行发送。

用户细分方面，提供了这样的分群工具：

管理及触达方面：

1. 自动触发的邮件
这个不用多说了，无非就是一些规则设定，在恰当的时间发送预定义好的邮件给恰当的人。

2. 用户状态的变更提醒
当你是被分配要服务好某些特定的VIP会员的时候，你应该比较关心这些会员的状态变化，比如他们是否被加入了一些细分群组里，他们是否出现了账号异常？Trak.io可以让你设定某些规则从而再发生这些异常的时候主动发送邮件给你，从而你能够提前做好应对，而不是在用户打过来电话是询问：what can i help you, sir?

3. 团队协作管理
可以授权团队其他成员。

怎么使用呢？
提供给几段段代码，分别用于获取用户档案、记录用户行为，更多使用信息可在http://trak.io/help/sending_your_customer_data.html查询。
另外，这个产品是有偿使用，但是你可以申请14天的免费试用。

3. Mouseflow

是什么？
顾名思义（怎么老用这句话……看来名字是多么重要啊），Mouseflow是记录用户的鼠标轨迹的。

看似比上面的网站更具技术含量。因为记录点击的结果已经不是太高的门槛，通过一些URL的特征埋点即可实现。但是用户虽然最终点击了某个按钮，可是他的鼠标却在屏幕上反复游移不定，可能说明这个按钮的位置和外观设计不符合用户的认知和预期。所以观察用户的鼠标轨迹是很多用户研究同学和交互设计同学很喜欢干的一件事情。

Mouseflow能够让我们很方便地录制用户访问的轨迹并生成实时的点击热图，显示他们点击了哪里，在哪里滑动甚至注意到了什么。

你可以尝试下他们的录屏DEMO：http://mouseflow.com/demo/

面向市场：
好像目前只有WEB。APP的类似产品也有，请见下文的APPSEE。

特色功能：

1. 直观的鼠标轨迹录屏

不用从各种数据报表去猜测用户怎么用的，直接去看好了。

2. 实时的点击和移动热图

直观的鼠标轨迹是很赞，但是我们怎么会有时间去一个个看视频呢？所以热图是一种数据的聚合，从而能够帮我们判断大多数人是如何点击如何滚屏。

3. 滚屏热图

这个功能我还是第一次遇到，有时提升转化不仅仅是用户发生了点击，而是要注意到。我们没有办法去装个眼动仪捕获用户的眼球轨迹和视觉热点，但是内容有没有被用户使用滚屏出现在当前屏幕上，我们却是有办法去抓取的。所以Mouseflow提供了Scroll Heatmaps，快来看看你辛辛苦苦做的Banner有没有机会被用户看到吧。没有看到则想办法去换个更优的位置，看到不点则是Banner可能设计得太烂。

4. 页面分析

除了直观的轨迹和热图，简单的数据统计报表是必不可少的了，毕竟单个群体很难代表大众，热图也不可能直接转化成数据从而做更多二次加工和处理。所以定量的用户行为分析报表可以作为一个基本补充。

不过仔细去看，Mouseflow既然聚焦于用户行为分析，提供的页面分析报表也有不少可取之处，比如它除了提供简单的PV\UV\停留时长\退出率\点击次数等，还提供了页面的更多信息，比如页面的大小、下载的时长等信息。

如何使用？
分不同的平台提供不同的对接方案。比如面向WordPress是提供一个插件,有些平台则提供嵌入的代码。详见http://mouseflow.com/integrations/
另外，也是收费的，不过据说可以申请试用，享受多少次的免费录屏。

By the way,在我写这篇文章的时候，恰好看到了UI Pattern网站上有一篇对比同类工具的文章，其中提到了Mouseflow，有兴趣的同学可以读一下。其中提到的Clicktale工具，提供了手机APP上的热图功能，这里先记录一笔，待后续研究。

4. AppSee

是什么?

专门面向手机应用（App）的用户行为分析工具。顾名思义（o(�s□�t)o），AppSee致力于让你亲眼看到，而不猜测用户的行为。在此之前，无论是功能强大的Google analytics还是聚焦于APP分析的Flurry, 抑或是我们国内声名大噪的友盟平台，都是比较传统的数据报表系统，提供各种各样的报表帮助你去洞察用户的行为。AppSee则采用了"直接录屏给你看"的简单商务模式。

聚焦于单个用户的行为路径再现，其实在分析领域被颇受诟病，因为从统计学的意义来讲，个体很难在需求上代表广泛的用户群体，尤其当一个APP的用户数以千万、亿级时，单体的特征就愈加不被重视。那么AppSee为何还取得了很大的成功呢？（几个月前，APPSEE已经完成100万美元的融资）。

我想可能是因为，数据分析类产品无外乎按几个层次进行进化：1. 告诉你发生了什么（反映现实）？2. 告诉你为什么发生（分析原因）？3. 告诉你这些发生是否正常（评价体系）？4. 告诉你接下来会发生什么？（预测未来）。在反映现实这块，他们致力于提供一个更加全面的用户信息，让其能够足够代表大多数用户。但是某些潜在的机会点却被淹没在这"大多数"里，可能一些潜在的产品的改进点反而是由少数人引起的，因为大多数淹没了他们。此外，基于大多数，很难去重现用户的遭遇。比如当我们发现某个页面崩溃率比较高，但是它是如何崩溃的？从这其中捞到一个个体，还原TA的操作路径，能够帮助开发快速重现错误发生。

另外，传统的用户研究团队，做的很多工作，其实也是基于个体。小样本量可能无法告诉你大多数人想要什么，但是可能也足以帮助我们知道网站大概出了什么问题（据统计5名用户大约可以发现85%的问题）。而线下招募志愿者参与可用性测试显然成本较高，且用户在知晓处于测试期时的行为表现可能也无法代表真实状态下的表现，而使用AppSee不但可以节省可用性测试的高额成本，而且还让可用性测试随时、用户不知道的情况下进行。甚至可根据你设定的规则抽取符合某些要求的用户。

特色功能：

1. 用户录屏（User Recordings）

直接看到用户的每一步操作， AppSee能够记录每个屏幕,用户的每次点击以及各种手势动作。说实话，鉴于移动APP里面有很多隐形的交互，确实直观来看会比较激动人心，给你一个点击按钮的列表，谁愿意看啊。值得一提的是，现在很多聚焦于APP分析的产品都提供了系统崩溃的报表，但是很多没有解决开发者想要重现错误的需求。只有重现才能帮开发者更好去分析崩溃产生的原因。AppSee帮助你重现错误，你可以单独看看CRASH的录屏。

2. 触摸热图(Touch heat maps)

从个体聚合为整体的热图。目前貌似没有看到触摸热图和用户细分结合的功能。

3. 分析报告(In-App analytics)
除了上面显示的Overview外，令我垂涎欲滴的还有页面路径和转化漏斗，其中页面路径可以显示每个屏幕的图片啊啊啊啊啊……再也不用看着英文名字想到底是什么页面了。转化漏斗更为简单些，但是结合了简单的用户细分，还是能够看到新老用户的转化差异的。再加强些用户细分就更赞了。

总结：

除了上述网站外，大家还可以研究下列聚焦于用户行为分析数据产品：

1. Clicktale: http://www.clicktale.com

2. Stacklead: https://stacklead.com

3. Iterable: https://iterable.com

4. Popcornmetrics: http://www.popcornmetrics.com

5. Trialfire: http://trialfire.com

6. Fullstory：https://www.fullstory.com

上篇《【数据产品研究】聚焦于用户行为分析的数据产品（一）》后，有些同学询问我如何寻找这些Fancy的网站――肯定不是通过百度来的（以后专门分享这个话题）。有些同学问我是否能够赶快继续分享出第二篇（咱这就来了），有同学建议我是否能够对目前研究或打算研究的数据产品进行一个梳理和分类，便于他们有的放矢去深入解析。所以我大概对目前有过涉猎的数据产品做了一个大概的梳理。

首先，聚焦于"消费者体验提升"领域，数据产品大有可为，见下图：

要提升消费者体验：

1. 要先明确目前的现状：

消费者到底哪里体验不好了，或者哪里不满意了要先有数据――这里的数据，不必局限于具体的数值类指标，用户的声音、用户的反馈都可以认为是数据。那么这一步是为后续的各种分析、挖掘提供原材料，同时也进行一些可视化展现工作。一般来讲，很多数据可以帮助我们去还原现实：

・用户的声音（他通过问卷、Feedback、或者客服系统提交的直接需求）

・用户的行为（与声音相比，行为的采集成本更高，但是相比声音，行为有时更能体现用户真正的需求。用户的行为主要体现在点击、轨迹、注意，可被录屏、可被可视化为热图或鼠标轨迹图、眼动图，然后可以被聚合成路径、漏斗、报表等）

・用户的属性（通过各种方式聚合的数据，能够知道用户的性别、年龄、偏好、注册日期、星座等等人口学特征，另外，要知道用户的行为也可以处理为他的属性，比如活跃还是不活跃）

・业务数据（行为产生的结果数据，比如订单量，交易金额等等）通过这些数据的采集、聚合、可视化、分析能够帮我们再现用户的现实。接下来的数据产品研究，主要是集中在这个环节中的用户行为分析产品。

2. 要对现状进行分析和挖掘：

有的时候，现状能够直接告诉你发生了什么事情，是什么原因。但是大多数时候，现实需要经过进一步的挖掘，才能找到原因，进而找到解决方案。比如，当现实告诉你，从购物车到订单的转化漏斗不够健康，尤其是新版本发布后，此漏斗转化率大幅度下跌，如果这期间没有其他因素影响，或许你可以推论出是新版本的变更导致，但是若有别的因素，比如渠道活动，比如大量新用户涌入……所以，要经过多维交叉分析，才能进一步锁定原因，比如按用户类型分布，发现大部份下跌来自新用户，再看新用户的上涨幅度等等。有时，还有必要结合定性的调研予以验证或进一步挖掘。

3. 要有改善计划和方案：

当清楚了现实又知晓了原因后，就可对症下药做出改善计划。可能是流程的完善，可能是规范的落实，也有可能是产品系统的可用性、易用性改善。值得一提的是，通常我们说的数据产品是指从数据的采集、计算到报表展现的平台，也即是商务智能系统。改善环节也可以做数据产品，只是非传统意义上的报表型数据产品，而是数据驱动的系统，比如可以把前两个环节沉淀的数据回流到业务系统中，做一些机制触发，比如CRM平台，当某个用户被判断属于环节一中的某个用户群体后，向他发送定制的个性化消息。或者设计一个算法模型，去改善搜索结果等等。

4. 有了改善方案，必然要评估方案的效果

・可以事先评估――在方案未正式发布前，借助A/B TEST或在Userbilla上上传高保真的原型邀请用户做认知走查，当然，也可以借助你的团队里用研团队的力量，做实验室测试、用户调研等。

・也可以事后评估，方案已经正式发布，那么可继续使用环节一中的数据产品对用户之后的行为做还原，并和发布前的版本做对比分析。

以上四大环节，都有众多数据产品涵盖，但是一口气吃不成胖子，目前还是聚焦于环节一之用户行为研究吧, 先给出我有兴趣的网站，最后我会找机会围绕用户行为研究横向做个贯通评测和分析。

所以，接上篇继续：

1. VWO (https://vwo.com)

作为一个可视化控，我太喜欢这个网站了。我对里面的各种内容可视化配图爱不释眼。

VWO是什么意思呢？看看全称：Visual Website Optimizer，是一个定位于可视化网站优化服务网站。

这个网站的第一印象，可视化太赞了。然后，太有信心了，随便取下他怎么描述自己的产品的形容词：

好用，世界一流，及其简单，加上界面很美貌――像糖果一样可爱，清新，除了价格是个考虑因素，确实可以试试。

特色：

从界面上讲，VWO上两个频道比较突出，一个是Create(创建)，一个是Campaigns(活动)。
Create是让我们去创建一些Campaigns(活动)，比如A/B Test. 而Campaigns(活动)是数据分析报告以及热图点击报告，用来分析之前创建的Campaigns(活动)。

VWO列举了它引以为傲的特色：

1. Testing & Experimentation(测试与实验)
VWO平台提供了以下4种方式做网站以及APP的测试。

・ 常规的A/B Testing：VWO的特色在于你无需自己开发多版本的页面，你可以使用Visual Editor很方便地修改原版本的颜色、任何元素的布局、规格，甚至JavaScript的动态效果。然后生成若干个版本进行在线的测试。请见下文对于Visual Editor的介绍。

・ 多变量测试：常规的A/B Testing是同一个页面不同的版本做测试，比如A/B/C三个版本。而多变量测试是同一个页面的不同元素的多版本测试。具体是如何投放并做测试的，我没有办法一窥究竟。大家脑补下。

・ 分离URL测试：也是A/B Testing的一种吧。给我的感觉是A/B Testing是同一个URL，但是面向用户抽取一定的比例显示不同的版本内容。而分离URL测试是截然不同的两个URL，同时上线发布。

・ 移动A/B Testing工具：应该是刚出的Beta版本，所以还处于邀请才能使用的状态。同样，你也可以向常规的A/B Testing一样很方便地修改APP里的页面，而无需经过开发工程师来协助。甚至是Native App……

2. 可视化配置（Visual Editor）

可视化配置的目标就是：向IT团队说拜拜！当然，IT团队更大的价值在于实现工具，然后让产品、运营去玩。

在可视化配置界面上，你可以选择原页面（版本A）上的任何一个区块，然后拖拽移动到新的位置，或修改一个文案，或改变它的大小，保存为一个新的测试版本(版本B)。

不仅是拖拽、改变形状那么简单，如果你可以，可以直接修改某个版本的CSS样式表。或者让攻城师帮你调整下新版本的Javacrip动态效果：

3. 分析报告
再来看看VWO提供的分析报告。

热图：可视化用户行为

更多的，大家自己猛击以下链接去探索下吧。https://vwo.com

2. Clicktale(http://www.clicktale.com)

Clicktale向你讲述所有关于点击（Click）的故事。传统的网站分析工具一般会向你讲述用户从哪里来，用户在你的网站里去了什么页面。Clicktale想要尽可能让你知道更多细节，比如他们都具体在页面里做了什么，点击了什么，滚了多少屏，表单如何填写……对，它就是想让你知道用户如何用网站就如同你就站在他背后。

特色功能:

1. 会话回放（Session Playback）

其实和上篇提到的Mouseflow网站类似，提供录屏及回放功能。这里就不具体介绍了。

2. 热图（Heatmap）

热图是对各Session的聚合，从而体现群体特征。热图是Clicktale的主打功能，所以热图的类型也非常多。

2.1 鼠标移动热图：用户的鼠标在何处移动

我们可以很简单去统计用户的业务数据，比如购买了什么，我们也不难统计用户点击了什么，但是过去想要统计用户看了什么，却是一件相当麻烦的事情。

只有少数大公司有专门的用户研究团队，也只有少数的大公司会购买高级的眼动仪，设置专门的用户研究实验室，然后邀请用户来到实验室，监测他如何看网站。眼动仪在测试广告、设计效果上，确实会非常直观。但是毕竟测试成本较高，且不可避免受到少数样本的影响。而Clicktale引用一个独立的研究结论，认为鼠标和眼珠的运动有着84%到88%的相关性，所以他们提供了高精度的鼠标移动热图，目的是用此来表达用户实际上注意到了什么。

2.2 点击热图：用户点击了什么

不一定是你期望他们点击的链接！这里记录的是用户的任何点击，包括空白区域以及像链接的静态图片上的无效点击。

从而可以看看当一个静态图片不断被用户点击时，是否应该调整成真正的链接，否则你就让用户失望了~

2.3 注意热图：用户对什么产生了注意

本来我看了鼠标移动热图基于的理论基础时，因为鼠标移动轨迹和眼球的移动有着很大的相关性，所以在没有办法获取对于用户研究轨迹的跟踪前，是使用鼠标移动轨迹来代替的。

但是Clicktale却另外还提供了注意热图（Attention heatmaps）。 Attention的可视化分析，专门有一个术语：Visual Attention。其价值当然是不言而喻的。按照AIDA模型，消费者要产生行动，一般要经过四大步，首先要能够注意到，其次会产生兴趣，有了兴趣后能够自己主动去发掘细节、进行对比研究，之后产生行动。所以能够吸引到用户注意是转化的第一步。

这个功能我一直不知道背后的原理是什么，有兴趣的小伙伴可以一起研究吗？具体介绍点击这里。

2.4 滚屏深度热图：多屏的页面，用户滚屏所能到达的深度以及停留时间

好像Clicktale认为单纯有鼠标轨迹以及注意力热图还不够！假设当用户确实滚动到了页面底部后，确实对某个Banner产生了注意力，这证明这个Banner的设计确实达到了预期。可是，可是，事实的结果是该Banner确实很少有人注意到，那是否是因为用户压根就没浏览到页面底部呢? 所以好的内容，还必须给予它足够的曝光机会。

通过滚屏深度热图可以看看用户最多看到你的长页面的哪个屏幕。从而可以帮你发现，哪些页面应该被设计得更短一些，哪些页面应该更长一些，哪些内容应该调整它的位置到上面的屏幕。

滚屏深度热图的DEMO：

2.5 链接分析：用户是如何点击链接的

除了点击，还有很多细节。鼠标指向你的观测页面的任何链接，悬浮框里会出现对此链接的详细监控数据：

・ Clicks(点击数)：在这个链接上发生了多少次点击，以及这些点击占整个页面所有点击的比例。

・ Hovers(悬停)：在该链接上悬停的次数，以及对整个悬停次数的占比。

・ Hover Conversion（悬停转化）：很可能你的链接吸引了用户的注意，但是悬停后并没有发生点击，通过这个指标可以看到每个链接的悬停转化率（尼玛要不要这么细啊。。。）

至于还有更加细节的指标，大家自行研究吧，比如什么Time to Click(页面加载完毕到鼠标点击的时间消耗)，Hover Order(悬停的次序)…………

除了录屏回放以及各种热图外，Clicktale也会提供一些更具分析意义的报告。比如：

3. 转化漏斗(Conversion Funnels)

能够生成实时的访客基于页面到页面的转化漏斗，展示最有价值的路径以及用户在哪里流失。并且能够从转化漏斗直接连接到会话回放。

结合高级筛选器，可以选择某种特定特征的用户群体，看他们的行为以及漏斗的转化情况：

具体介绍：高级筛选器转化漏斗

4. 表单分析（Form Analytics）

表单是不令人愉快的。用户讨厌填写任何表单！有时表单是影响转化率的最大因素。

但是为了商业利益、或者更好给用户服务，我们可能无法避免让用户填写表单。

那么就像医院里的护士让小孩子去打针一样，需要一些伎俩，既能完成任务又不至于让用户讨厌或者中途流失。

那么首先应该对现状足够地了解：用户在表单上每个字段的填写时长、哪些字段会被留空不填，哪些字段被多次修改，在什么字段上用户流失！

表单行为分析利器：

4. 页面分析工具

热图基于页面，漏斗很多也是基于页面，表单也是在页面上。但是去哪里能够看到网站所有页面的表现，以及监控我的重点页面，对其中的关键指标一览无遗呢？

Clicktale提供以页面为核心的分析工具，让你基于页面，串联起以上的所有工具――充分考虑业务诉求啊。

运作模式：

据说，只要十几分钟的安装（其实也就是一段JS代码），Clicktale即可开始运作。之后你的网站上，用户的任何行为会被采集到客户端，然后以一个压缩包的方式传送数据到Clicktale的服务器，服务器会同时将用户的会话中的屏幕截取快照，然后将数据进行联结，让数据和图片发生作用。之后你即可登录你的Clicktale账号来享受丰富多样的行为数据可视化服务。