第二步，就好象“误差”不可能消除但是可以缩小一样。我们对于消费者的理解不可能完全精准和正确，但是却永远可以“更精准、更正确”。就拿你举的两个例子来说，也都是有方法可以获得比“猜”更精确的答案的。比如说取得“真的放弃了”和“暂时离开了”两组人的所有行为数据（一年后我们大概可以知道哪些是“离开了”），然后跑程序找规律，找到规律后再用这个规律去判别新数据；比如说我们在发送recovery邮件时只给90%的abandoner发信，10%不发。假如收到信的人当中1000个有9个买东西，没有收到信的（但是其他条件一样）人当中1000个有8个买东西，我们就可以“更合理地猜测说” abandon的人其中0.8%是暂时放弃了，99.2%是真的放弃了，0.1%是放弃了但是可以被我们挽回的；比如说来的流量中有多少是被这个广告吸引，有多少是本来就打算来的，一种方法是抛弃传统的last click attribution，追踪该客户之前所有的广告浏览和点击行为做分析，得出“更合理”的结论；还有一种是让在多平台上都能采集数据的广告公司建模型来协助判断（我正在尝试说服别人做这个，呵呵）……不是说这些方法一定有用，而是举这些例子来说：1. “误差”可以变小，事情可以做更好；2. 方法还是有很多的：）

呵呵，一家之言，欢迎拍砖。

目前，即使网络营销数据能够被很好的监测，但也从来达不到100%的准确率。谁都知道访客是用cookie来判断的，但是在日常的交流中，总不可能一句一个带来了多少新的cookie吧。并且cookie被清空及其他因素带来的影响，我们目前既没有办法解决这问题，而这个影响程度也不至于对最终的分析产生颠覆性的影响。所以日常来说，在做分析的时候，大部分人估计就用新访客这个度量来代表新用户了。

目前偶的做法：

1、部分结合时间减法，和博主说的办法一样，不过似乎不精确，但是基于某些用户似乎没有下一个东西，或者乱七八糟的情况，恩，还是算下减法；

2、恩，这样说吧，flash还是个不错的东西，尤其是可以包含AS，把传统JS里面插入一部分小东西，恩，就是那个一个像素的FLASH，当然，这个小小的FLASH里面还有一些东西，当页面完全loading完毕以后（因为flash放在页面最下部分），ok，就开始计时，直到这个页面被关闭；

3、别玩减法了，直接用flash做计算吧，另外，flash Cookie是个宝宝，我很喜欢，丫实在 是太性感了，一般清除了浏览器的Cookie，但是，flash的cookies还在，真的很性感；一般人找不到她；

最后一点，对于访客，如果采用：浏览器cookie+flash cooie做水印+其他的一些固定信息，比如：采集一些ID什么的；长时间积累一些，换台机器，他也跑不掉；

目前偶还在艰苦的测试，累啊，搞完了和大家交流；