我们都知道理解用户在线行为的强大作用，采用网络分析理解用户的点击、行为、方式、转换率等等。我们基于这种行为数据找到方法来提高网站性能。有许多企业也在寻找态度型数据，采用调查来帮助理解网站是如何影响用户的。通常，这种做法存在三个问题：一是分析过于少见；二是调研基于普通的网站访问，而不是特定的行为或是访问不同的网站；二是这种方法与行为型分析完全分离。
在Facebook网站，我注意到了理解用户态度的强大威力。这包括在在线社区的积极的或是消极的体验。我的一个朋友，也是BazaarVoice网站的创始人 Sam Decker在Facebook网站有自己的体验。最近，当我登陆Facebook网站时才感受到这一点，很显然，他对Avoid公司的体验并不是很少，这一点可以从他与Facebook网站的朋友交流中感觉到。
我们采取几个步骤来检查期望的负面的体验，我们设想一下访问一个厂家的网站。她会花一些时间对可能有兴趣做生意的厂商的网站进行一番研究，然后决定与一到两家感兴趣的网站进行交流，填写联系表格，期待电话回叫或是电邮。
从网络分析的角度看，这些都是成功的转换率。不幸的是，企业通常不会迅速与这个人取得联系，不能乘热打铁。在其它案例中，企业会采用这种做法形成一种成功的商业合作关系。但这并不意味着每个人都会取得满意的过程。诸如Decker的不消极体验会极大地影响今后的转换率。
经常检查你的客户和期望，是十分重要的。不论是离线还是在线，你都可以从可行的，或是不可行的事情中获得一些东西。下面，我们对上面提到的三个问题做进一步分析。
一、分析过于少。当我们基一于每周或是月度基础对网络分析数据进行分析时，态度型数据就不能基于定期或是经常的角度进行分析。在某个时间对某个问题进行深入研究时，我们才对其进行分析，而不是分析正在进行的情况。从后一种情况发出，可以帮助你分析趋势和现场问题，ForeSee 和iPerceptions基于满意度进行出色的重复分析，并能对你的用户态度做出良好的分析。
二、分析是基于普通的网站访问，而非特定的行为或是访问不同的网站频道。理解整体用户态度和满意度水平是极为重要的，把态度型分析与特定网站行为联系在一起是非常有作用的。你需要花一些时间从宏观和微观的角度对态度型评估进行分析。
三、分析是单方面的，与行为分析完全分离。行为型和态度型数据分开进行分析是很普通的，这是一个极大的错误，因为态度型信息有助于改善分析，发现行为型数据。如果你有两个不同小组负责对这些数据的分析，最好让他们认真理解对方数据的重要性何在，他们如何能采用整合的数据。
我们知道，当用户进入我们的网站并与我们进行交流时，这种访问的作用是非常大的。因此，需要花一些时间研究如何才能更好地运作。关注在线是开始理解这一点的基础，但你必须明白它要通过你的在线客户循环。
关闭窗口 来源:网络 16 2008-09-24