我们从第十个方法倒着讲，重要性并无优劣之分，但压轴的，往往是最重要的。
Linktag的意思，是在流量源头的链出链接上（即访问URL上）加上尾部参数。这些参数不仅不会影响链接的跳转，而且能够标明这个链接所属的流量源是什么（理论上能够标明流量源的属性数是无限的）。
Linktag是流量分析的基础，要严肃的分析流量，不仅仅是常规分析，还包括归因分析（attributionanalysis），都需要使用linktag的方法。
分析转化的基本模型是转化漏斗（conversionfunnel），这个大家都应该很熟悉了。
漏斗帮助我们解决两方面的问题，第一，在一个过程中是否发生泄漏（即流失），如果有泄漏，我们能在漏斗中看到，并且能够通过进一步的分析堵住这个泄漏点；第二，在一个过程中是否出现了其他不应该出现的过程，造成转化主进程受到损害。
漏斗的构建很简单，无论web还是app，都是最好用的方法之一。但漏斗使用的奥秘则很丰富。而且漏斗方法还会和其他方法混合使用，乐趣无穷。
方法八：微转化
微转化是指在转化必经过程之外，但同样会对转化产生影响的各种元素。这些元素与用户的互动，左右了用户的感受，也直接或者间接的影响了用户的决定。
比如，商品的一些图片展示，并不是转化过程中必须要看的，但是它们的存在，是否会对用户的购买决定产生影响？这些图片就是微转化元素。
个人认为，研究微转化比研究转化更好玩。
方法七：合并同类项
合并同类项是大家容易忽视的常用方法。我们往往非常重视细分，但有的时候我们却需要了解更宏观的表现。
如果我们查看每一个商品页的表现，然后再把所有一个一个页面的数据加总起来作分析，就太麻烦了（根本无法实现分析）。这个时候，我们必须要合并同类项。
如何合并？利用分析工具的过滤工具或者查找替换功能。
（PS：不支持这样功能的工具你可以不考虑了，因为这根本不应放在增长黑客的专业装备箱中）。
合并同类项还有很多用途，比如你要了解web或者app一个版块（频道）的整体表现，或者你要了解整个导航体系的使用情况，这都是必须使用的方法。
方法六：A/B测试
通过数据优化运营和产品的逻辑很简单——看到问题，想个主意，做出原型，测试定型。
比如，你发现转化漏斗中间有一个漏洞，于是你想，一定是商品价格不对头，让大家不想买了。你看到了问题——漏斗，而且你也想出了主意——改变定价。
但是这个主意靠不靠谱，可不是你想出来的，必须得让真实的用户用。于是你用AB测试，一部分的用户还是看到老价格，另外一部分用户看到新价格。若是你的主意真的管用，新价格就应该有更好的转化。若真如此，新的价格就被确定下来（定型），开始在新的转化高度上运行，直到你又发现一个新的需要改进的问题。
增长黑客的一个主要思想之一，是不要做一个大而全的东西，而是不断做出能够快速验证的小而精的东西。快速验证，如何验证的？主要方法就是A/B测试。
今天的互联网世界，由于流量红利时代的结束，对于快速迭代的要求大大提升了，这也使我们更加在意测试的力量。
方法五：热图及对比热图
热图是一个大家都喜欢的功能，它是最直观的记录用户与产品界面交互的工具。不过真用起来，可能大家很少真正去深究吧！
在web端，过去一些解决不好的问题，比如只能看链接的被点击情况，点击位置错位，对浮层部分点击的标记，对链出链接的标记等等，现在已经有好的工具能够提供很多新的办法去解决。
在app端则分为两种情况，内容类的app，对于热图的需求较弱；但工具类的app对于热图的需求则很显著。前者的screen中以并列内容为主，且内容动态变换，热图应用价值不高；后者则特别需要通过热图反映用户的使用习惯，并结合app内其他的engagement的分析（in-appengagement）来优化功能和布局设计，所以热图对它们很重要。
要想热图用的好，一个很重要的点在于你几乎不能单独使用一个热图就想解决问题。我常常用集中对比热图的方法。
其一，多种热图的对比分析，尤其是点击热图（触摸热图）、阅读线热图、停屏热图的对比分析；
其三，深度不同的互动，所反映的热图也是不同的。这种情况也值得利用热图对比功能。例如点击热图与转化热图的对比分析等。
总之，分析很多用户交互的时候，热图简直是神器，只不过，热图真的比你看到的要更强大！
方法四：EventTracking（事件追踪）
随着app的出现，由于app的特殊性（屏幕小，更强调在一个屏幕中完成互动），分析app的page（实际上应该是app的screen）间跳转的重要性完全不如web上的page之间的跳转，但分析app上的点击行为的重要性则十分巨大，这就使我们分析in-appengagement的时候，必须大量依赖event，而相对较少使用screen。这就是说，在app端，event反而是主，page（更准确应该是screen）反而是辅！
这也是为什么，这个方法你必须要掌握的原因。
方法三：Cohort分析
我总觉得cohort分析是最能体现简单即美的一个典型方法。
方法二：Attribution（归因）
如何了解数字营销渠道之间的这种先后关系或者相互作用？如何设置合理的数字营销渠道的策略以促进这种关系？在评价一个渠道的时候，如何将归因考虑在内从而能够更客观的衡量？这些都需要用到归因。
方法一：细分
严格说，细分不是一种方法，它是一切分析的本源。所以它当之无愧要排名第一。
我经常的口头禅是，无细分、毋宁死。没有细分你做什么分析呀。
细分有两类，一类是一定条件下的区隔。如：在页面中停留30秒以上的visit（session）；或者只要北京地区的访客等。其实就是过滤。另一类是维度（dimension）之间的交叉。如：北京地区的新访问者。即分群（segmentation）。
细分几乎帮助我们解决所有问题。比如，我们前面讲的构建转化漏斗，实际上就是把转化过程按照步骤进行细分。流量渠道的分析和评估也需要大量用到细分的方法。
维度之间的交叉是比较体现一个人分析水平的细分方法。比如，我的朋友孙维（卡车之家的数据负责人），他将用户的反馈作为eventtracking的属性（放在了eventaction属性中），提交给GA，然后在自定义的报告中，将用户反馈和用户的其他行为交叉起来，从而看到有某一类反馈的用户，他们的行为轨迹是什么，从而推测发生了什么问题。