⑴ 网站常用的数据分析方法介绍
网站常用的数据分析方法介绍
本篇文章我们介绍4种网站分析中最常用，也是最有效的分析方法。他们分别是细分分析，对比分析，对比分析，质与量分析。这些分析方法在实际工作中经常组合使用。我们先来看下细分分析。
1，细分分析单一的指标数据或大维度下的指标数据是没有意义的，只有当指标与维度配合使用时才有意义。细分也叫下钻，是网站分析中最常用的一种方法。原理就是通过对汇总数据进行多个维度对指标进行分解。逐步找到有问题的部分。在整个的Google Analytics报告的中，随处都充满了细分方法。
汇总数据是一个极其笼统的大维度数据。而平均数数据则可能会掩盖很多问题。这里是一个平均数的计算方法：访问者A浏览了10个页面，访问者B浏览了2个页面。网站每次访问页面浏览量6个页面。看似表现不错的平均数据其实包含很很多问题。但我们仅从平均数中无法看到这些问题。细分的主要目的就是对汇总数据和平均值数据进行剖析，发现这些问题并加以改进。
1.1如何使用Google Analytics进行细分我们如何使用Google Analytics来对指标进行细分？Google Analytics报告本身的结构就是一个支持细分的结构。不用我们进行特别的设置就可以对指标进行细分。下面我们来看下如何使用Google Analytics报告中的这些简单的默认细分功能和高级细分功能。
默认细分功能在Google Analytics的四类报告中，都提供了细分功能。展开每一类的报告，概述报告，而下面的各个子报告都是对概述报告的一个细分。
同时在子报告中，也提供了更进一步的细分。我们所要做的就是找到感兴趣的维度，并且点进去进一步查看。
自定义细分功能除了Google Analytics的默认细分功能外，还有三种更灵活的自定义细分功能。他们分别是次级维度细分，高级细分和自定义细分。自定义细分与默认细分功能最大的差别在于，默认细分是在一个大的维度下逐级深入细分。例如，流量来源，搜索引擎，Google，自然搜索，关键词。而自定义细分则可以完整更复杂的跨越多个维度的细分。例如：流量来源，搜索引擎，地理位置。
次级维度
第一个自定义细分功能是次级维度，在大部分Google Analytics报告中，都可以实现次级维度的细分。以下是次级维度的截图。我们可以很容易的使用次级维度来查看同一个指标在两个不同维度中的表现如何。例如：北京地区的Google搜索引擎。
高级细分
第二个自定义细分是自定义报告，使用自定义报告进行细分要比次级维度灵活的多。细分的层级也要深入的多。自定义报告的的实质是对指标和维度的重组。
自定义报告
第三个自定义细分是高级细分，与自定义报告相比，高级细分的主要优势在于细分结果的广度。当我们设置了一个自定义细分的维度后，这个维度将应用于整个Google Analytics报告中。
2，对比分析除了使用细分以外，我们还可以使用对比分析来观察指标的变化趋势，例如，本月的访问量是300万，那么和上个月相比怎么样呢？和去年同一时期又如何呢？这就是我们介绍的第二个方法，对比分析。对比分析的设置很简单，在时间里设置好要对比的时间段，报告会自动给出指标的变化结果。这里有一个需要注意的问题是，当使用Google Analytics自带的与上一个时期进行对比时，时间段内周末的数量可能会不相同。而这也将直接影响指标的对比结果。
3 ，聚合分析第三种分析方法是聚合分析，聚合分析常用于对网站内容的分析上。网站有大量的页面访问数据，而每一个页面又都拥有自己的指标数据。对于如此庞大和细碎内容数据，我们该如何下手呢？答案是使用聚合分析。
3.1应用场合聚合分析通常用来对网站的分类和导航系统进行分析。例如：关注A频道的访问者是否也浏览了B频道的信息？他们如何在这两类信息间流动。使用列表筛选的功能是否中途也会使用站内搜索？这些在基于页面的数据中是很难发现的，因为数据的颗粒度太细小了。需要我们对网站中不同的内容进行聚合。
3.2内容组介绍聚合内容的方法很简单，就是将内容相关，或者你关注的信息进行分类，我们称为内容组。而分类的粒度取决于你分析的最终粒度。
聚合内容的维度也有很多种，完全看我们的分析需求。最简单的方法，我们可以按网站的频道划分内容组，或者按网站的功能来划分。例如首页，站内搜索功能，列表筛选功能，产品展示功能，购物结算功能。注册登录功能。等等。
3.3路径分析创建的内容组主要用于进行访问者路径分析。也就是Google Analytics的访问者流报告，和导航摘要报告中。通过访问者在各内容组间的路径来验证网站逻辑和不同产品间的设计是否合理。
4，质与量分析最后介绍的质与量的分析方法。质与量与细分一样，也始终贯穿于Google Analytics的各个报告中。
在流量来源报告中，访问次数是一个量的标，跳出率是一个质的指标。通过这两个指标可以有效的衡量不同渠道流量与网站内容的匹配度。
在内容报告中，浏览量是一个量的指标，退出百分比是一个质的指标，通过这两个指标可以衡量页面的质量。
4.1什么是量什么是网站的量？通常来说，量是一个绝对值，用来衡量事物的多少。例如，网站来了多少人，访问了多少次，看了多少个页面，产生了多少订单等等。这些绝对值数据都可以归为网站的量指标。但也并不绝对。
4.2什么是质什么是网站的质？通常来说，质是一个比率。用来衡量效果。例如：跳出率，转化率，平均停留时间，每次访问浏览页面数，平均订单价值等等。这些比率都可以归为网站的质指标。
4.3主要应用场景及报告质与量在网站分析中的应用比较广泛，任何的流量，网站页面及访问者行为都可以通过质与量两个维度进行有效的分析。例如，进入次数与跳出率，页面浏览量与关键行为点击率，等等等等。
以上是小编为大家分享的关于网站常用的数据分析方法介绍的相关内容，更多信息可以关注环球青藤分享更多干货
⑵ 怎样分析网站数据
分析网站数据，需要借助网站分析工具，免费的有GA，但是这个需要有专业的知识，付费系统和工具也比较多，我们正在用的就是99click旗下的siteflow系统，按流量收费，价格也合理，有专门的客户服务，你可以试试。
⑶ 5分钟轻松搞定网站数据分析
5分钟轻松搞定网站数据分析
在这里看了好多大师的文章，发现写网站数据分析的特少，所以就有了现在这篇文章。在大数据时代的今天如果还在埋头发外链，使劲整伪原创文章，那你真该放下手头的一切去歇歇了。纵观互联网，哪个不是靠数据分析来调整自身的产品，所以我们的网站也要开始进入数据分析时代，及时发现网站自身问题，而后针对性的解决问题，而不是盲目的靠猜，下面太原seo学习网就给大家上干货——5分钟轻松搞定网站数据分析!
1、要学会及时发现蛛丝马迹
很多时候，我们搞seo的不是等问题出来了，问题放大了才去解决，而是要在平时的点点滴滴中通过我们的经验去发现小问题，比如：我的太原seo学习网流量出现的滑动就是靠这些小细节来解决问题的。带着这些问题我们进行网站数据分析会让问题变得简单直接。
2、网站数据分析要经常关注pv、uv、ip、跳出率
从网络统计工具的后台就可以很清楚的看到我们网站的pv、uv、ip、跳出率，为什么网络会把这几个数据放在后台最显眼的位置呢?聪明的seo已经猜到了，网络现在对于网站的整体权重判断依据之一就是来源于这几个重要数据。
通常情况下uv是要大于ip的，而pv却是uv的倍数，试想一下，如果跳出率在90%以上，这个网站基本就废了，网络会认为你的网站对用户根本没有体验可言，直接把权重给了别人吧，最后的结果你懂得!
3、网站来源分析、地域分布是法宝
一般情况下我们网站的外链做的不一定是越多越好，而是质量越高越好，那么这个质量从哪里能看出来呢?是从网络站长工具吗?如果你非要这样想的话，骚年，我阻挡不了你了!从网络统计的来源分析中就可以看到我们网站的哪些外链是流量最大的入口，分析过后就可以针对性的将流量大的入口进行调整发布量，而流量小的入口就可以放弃了，毕竟我们人少不够，精力有限嘛!
地域分布也是一样的道理，如果你的网站是做产品类的，那么地域分布就显得很重要了，比如广东人搜索你的产品最多，那么是不是应该针对广东地区进行关键词分布呢?现在懂了吗?
4、必须分析的受访页面、着陆页和搜索词
这三个数据应该说是整个网站数据分析中的压轴大戏了，因为我们要进行准确的站内布局以及页面调整都得靠这三个数据。
分析受访页面可以分析出我们网站哪些页面最受用户喜欢，能看出推广、外链以及内链效果做的怎么样，分析搜索词可以得出现在用户喜欢从哪些词进入我们的网站。
着陆页数据分析可以体现出网站外链、推广链接以及网站现在排名的效果，如果网站没有关键词排名，可以以此来推测我们的推广、外链的效果做的怎么样。
我们还可以通过搜索词分析哪些关键词给我们带来了流量，以及访问的页面是哪些，访问页的跳出率是多少，是不是应该推广这个页面帮助它提升排名。
5、分析页面点击图和页面上下游
页面点击图相信大家都设置过吧，但是真正的用途是什么呢?绝对不是让你看看自己是不是色盲这么简单。利用页面点击图可以调整网站首页布局，颜色越红的内容应该放置最容易被用户看到的位置，颜色浅的内容就应该往下面放。而点击很少或者没有点击的内容可以从首页移除。
页面上下游主要是用来分析用户浏览网页的轨迹，我们大概从上下游的数据可以发现用户点击最多的文章是哪一篇，以及哪些页面的跳出率高。
总结：数据分析的魅力是常人无法感受的，如果你的网站在中后期还是凭证感觉做，那么你就相当于盲人摸象，你的网站排名只能看运气了。
以上是小编为大家分享的关于5分钟轻松搞定网站数据分析的相关内容，更多信息可以关注环球青藤分享更多干货
⑷ 网站数据分析的十个要点
网站数据分析的十个要点
随着数据量的大量产生及很容易获取，许多网站分析人员通过与专家、社会媒体、同等进行交流讨论分析什么样的数据才能产生有意义/价值的信息。
作为艺术与技术结合的网站分析师，不能仅依靠关键指标或者依赖于一个很炫的仪表盘。而真正的价值体现在于不断的细分网站用户，从而更好的分析用户，为他们提供个性化的服务进而实现其商业价值。
本文提供了10点细分的建议，让你的数据直接变成有价值的信息。
1、一滤、二组、三细分
虽然网站(流量)分析的数据量是海量(译者注：UV超过10万UV/天的网站网站日志、订单数据、商品数据、会员数据等每天产生的数据一般都是以G为单位原始数据。)，但往往也会很容易导致一些错误的结论(译者注：大数据量意味数据内容多，但如果对于数据的收集过程或者数据本身是否有偏/不足不了解，就很容易在分析的时候做出的决定是错的)。由于JS代码的执行是在客户端(浏览器加载网页的过程中)，所以有很多固有的错误是无法避免的，除非你对这些数据进行过滤处理。另外，如果不对数据进行细分，那么往往top10与TOP50列表内容各个时间段都并不太会有太大改变(译者注：对于一个流量相对稳定的公司来说，排名前面几位的一般变化不大。所以分析时候，最好看每个大类下面的TOP50，更容易发现一些数据的异常)。
2、细分客户类型
常规的用户类型：新访者、潜在用户(多次访问过访问，但没有注册)、会员、联盟客户、公司员工。不同类型的用户访问网站的行业差异性很大。会员的行为与潜在用户可能完全不一样(译者注：因为不同类型的用户来网站的目的是不一样的，会员来购买可能注是为了购买某种商品，而潜在用户可能只是来看看或者进行比比价)。会员有时候会让转化率这个指标出现虚高，往往公司内部员工的转化率会比较高。
3、对渠道类型进行划时代
渠道类型主要分为：付费与自然流量;付费媒体与免费媒体，内部与外部广告，以及联盟。很多网站分析工具提供的基本的流量细分报告，但如果没有另外再加入跟踪代码，可能很难超越的三种基本类型。
一些关键流量渠道细分必须考虑加入一些代码包括：如果一些社会化渠道来源(一些人分析你网站的内容的转贴或者发贴)，自有社会化媒体的渠道(像在youtube或者facebook上官方主页之类;付费或者自然搜索;自然的引用链接(像别的网站转载你的内容然后会加上原文链接)，一般网站链接的交换。否则这些渠道的流量跟踪可能会无法统计。
4、仔细检查自然流量加的代码
许多网站的自然流量往往是不可信因为加入的代码往往质量很差。请仔细检验你的邮箱、社会媒体、重定位或者手机流量的监测代码是否准备且完全正确的，这样才能对更准备去判断是否统计的自然输入是真的直接输入。
5、通过意向对内容进行细分
网站的用户可以分为：研究、购买、重复购买、谈判、推荐。不对的人对于内容的印象是不一样的，所以利用这些相同的内容定位命名为你的网站分析报告。随着时间的推移，通过构建一个好的购买流程漏斗：包括：研究、游客，购买，交易和/或更新，从而不断的够优化用户体验。
6、利用有意义的的方法划分产品类型
就像你通过内容来细分目的，为了更好追求从而更好的分析/识别业务上产品的配置便于作的扩展分析。
7、跨平台的整合数据
网站分析数据不应该被交易数据所替代，整合不同的数据源用于理解的分析或者记录的信息的区别。从记录的信息中得出结果，二者并不相等，信息并表示结论。
8、更贴近你的客户
许多在报告中呈现的专业术语与科学术语似乎与商业股东的利益没有明显的相关。转变报告的内容表达从而更好走向你的“听众”，让他们更好的理解报告。
9、为每一个推测建议目标并检验这些预测
一个好的网站分析师通过假设、以及从数据中发现的规则来对未来的趋势做出预测，基于对于整个市场的趋势做出研判。一个伟大的网站分析师可以给猜测一个合适的解释，从而可以为下一步月度、季度、年度去评估这些预测的目标。
10、把商业驱动与细分&指标联系在一起
您的业务主要集中在积极的收购重点产品?开始分割你的数据，包括关键的发现，围绕该焦点。
你报告的听众是否持续深入的进一步你的用户服务行为，而不是仅仅把焦点集中的新用户服务、潜在客户的细分上。与业务相一致，以及注意各类细节，从而让你的分析你的听众愿意接受分析，并保持开放。
总结
虽然很少人可以完全掌握并使用这些要点，然后对于是作为艺术与技术结合的网站分析师来说，我们应该都要知道每一项细分都影响商业价值的实现。
以上是小编为大家分享的关于网站数据分析的十个要点的相关内容，更多信息可以关注环球青藤分享更多干货
⑸ 如何分析一个网站的数据
兄弟这个问题困惑了我好久，以下是我从一个哥们那学来的，或许对你有些帮助：
一、思维部分：
1、是否研究过竞争对手的网站？
2、你确定目标关键词的时候是否经过关键词分析？
3、确定好关键词以后他的热度如何，他的竞争有多大？
4、你确定的目标关键词与网站的内容是否一致？
5、是否有一个详细的工作计划表？
二、网站部分：
1、网站各个栏目是否围绕网站主题展开？
2、首页：标题标签，关键词标签，描述标签，是否围绕目标关键词展开？
3、在写这三个标签的时候关键词出现的是否自然？有没堆叠？
4、有关seo的标签是否合理试用？H1，H2，strong等等！
5、首页是否有为目标关键词合理的加大密度？
6、主导航优化是否过关？
7、次导航是否合理？
8、logo是否为其加上指向网站首页的地址？
9、是否有不必要的沉余代码？
10、网站内容相似页面公共的部分脚本化？
11、url静态化是否完成，目录地址是否很深？
12、网站准备好网站地图了吗？用户可以看的本站的网站地图及GoogleXMLSitemaps
13、检查网站是否存在死链接，错误链接？（可用死链接检测工具-Xenu）
14、是否用robots屏蔽了无关内容或重复内容？
15、没有做过用户体验分析？
三：页面部分
1、栏目下文章是否围绕这个主题展开？
2、网站内容是否有有规律的去更新？并且保持更新？3、置导航是否安排合理？（网站内部链接优化有解释）
4、页面是否有重复标题的文章？
5、站点的所有页面的meta标签是否都有关键字，并且是否有关键字叠加？
6、网站内容填充的同时有没有出现这个页面的目标关键词，分布情况如何，密度如何？
7、在合适的位置出现目标关键词时候是否为它加上锚文本？
8、网站内容中出现的图片是否有用alt说明图片内容，图片说明关键词使用是否合理？
9、404页面是否完善？
10、站中是否有相关的统计分析工具？
四：外部及分析：
1、友情链接的来源网站都是些什么网站，是否是同行业，是否与网站有相关性，并且他们的快照及收录是否正常？
2、有没有循序渐进的去整加外链？
3、网站的网络快照是什么时候的？
4、网站日志是否有蜘蛛的痕迹？
5、日志返回代码都是什么？有没错误？
通过以上四大部分共35小点，基本能够分析一个网站优化是否到位
⑹ 如何进行电商网站数据分析
一般而言，电子商务网站数据分析包括了流量来源的分析及流量效率的分析，还有网站内部数据流的分析，用户特征分析这四个部分。
首先，电商网站若是想接到单子，肯定要保证流量。可是获取流量是需要成本的，怎么样才能降低流量成本属于电商网站运营最重要的一个部分，其中流量来源分析属于重点，如在对电商网站进行数据分析的时候，要先明白用户都是从哪里点击过来的，哪些网站可谓我们带来更多的订单，哪些流量来源是真实的，哪些属于虚假的等等。弄清楚这些之后，才能稳定老客户，发展新客户，将网站推广的更好。
其次，流量效率分析也是必不可少的一部分，在进行电商网站数据分析的时候流量效率指的是流量达到了网站是否属于真实的流量。那么，在具体分析的时候，要看下它的到达率，PV/IP比还有就是订单转化率等等。其中订单转化率是最重要的一方面，若没有订单转换了一切都没意义。
最后，怎样进行电商网站数据分析也离不开站内数据流分析这个方面。这里所说的站内数据流的分析，主要是用于分析购物流程顺畅程度及网站产品分布合理与否等等，然后再根据这些来分析页面流量排名及场景转化率分析，站内搜索分析及客户为何离开页面分析等问题的分析等等，查看问题所在，然后想办法解决，才能让网站产品得到更好的推广。
⑺ 如何分析网站中的汇总数据
如何分析网站中的汇总数据
网站中的汇总数据是指那些以整站作为维度的数据。例如：网站访问次数，网站跳出率，网站停留时间等等。在Google Analytics Dashboard中显示的大部分内容都属于网站的汇总数据。汇总数据可以直观的反映出网站在一定时间段内的表现和变化趋势。但同时，汇总数据也会隐藏网站中的一些问题甚至是危险。面对网站中平稳的汇总数据，我们应该保持对待数据异常时同样的警惕。
下面是一个网站两周的访问量对比，从图中可以看出本周与上周访问量几乎没有变化，并且具有相同的变化趋势（周末略低于平时）。同样，本周网站其他的指标变化也很微小，跳出率，停留时间等指标变化率都在2%以内。天哪，从汇总数据上来看，第二周的数据简直就是第一周的复制。面对这样的情况，我们可以简单的说本周网站整体表现与上周持平，各项指标均表现正常吗？如何不可以的话，我们又需要进行哪些分析，从哪里入手呢？
（点击查看大图）
1对汇总数据进行细分
还记得Avinash大师的那句话吗？分析汇总数据是对人类的犯罪！对于这类汇总数据，细分是最有效最直接的一种方法。它可以让我们很快的发现汇总数据中存在的问题。面对上面两周的访问量对比趋势图，只看汇总数据我们会说，本周的数据和上周一样，表现很平稳，没有什么可关注和分析的，但真的是这样吗？网站在本周的表现真的是上周的复制吗？通过简单的细分就可以发现其中存在很多隐藏的变化。这里推荐使用Google Analytics中的所有流量来源报告，关键词报告对汇总数据进行细分。
使用的Google Analytics报告
所有流量来源报告
对于网站访问量的汇总数据，所有流量来源报告是最有效的一个细分报告。这个报告中同时使用来源和媒介显示了网站的所有流量来源渠道，其中既包含了付费流量和免费流量，也包含了推介流量和搜索流量。在这个报告中可以非常清晰的告诉我们每个流量渠道流量的变化。很多时候你会发现，虽然网站整体的访问量变化不大，但不同的流量渠道却是有涨有跌。表面上看起来平静的汇总数据中隐藏了很多变化。
关键词报告
关键词报告是针对搜索引擎渠道的细分报告，也许在所有流量来源报告中搜索引擎的流量变化很平稳，这时候我们还需要继续进行细分吗？别忘了搜索引擎本身也是一个汇总数据。所以，我建议无论搜索引擎的流量表现如何，我们都需要查看一下对应的关键词报告。也许你会发现在关键词报告中，某几个关键词的表现正在变差，而另外一些关键词的表现正在提升，又或者新出现了一些长尾词等等。
2对网站访客群体进行分析
对网站中不同的访客群体进行分析也是一种非常有效的方法。每个网站都会几类不同的访客群体。而汇总数据往往会掩盖网站中不同群体的表现。例如：本周网站访问量与上周相同，那么这两周的新老访客比例是否也相同呢？如何他们的表现是不同的，我们就不能简单的认为这两周的数据平稳。这时通过在不同访客群体的维度下剖析数据，可以帮助我们发现更多的问题。这里推荐使用Google Analytics的新老访客报告及高级群体功能对网站中不同群体进行分析。
使用的Google Analytics报告
新老访客报告
新老访客报告是Google Analaytics中默认的一组访客群体，也是每个网站最基本的一种访客分类方法。通过新老访客报告可以看到新访客与老访客对网站流量的贡献以及他们在网站中的表现。新访客比率表示了网站在开拓新市场，吸引新访客方面的表现。老访客比率则表示网站内容对访客的吸引力。
除了新老访客群体，Google Analytics中的高级群体功能可以帮助创建更多的自定义群体，你可以按照访客的不同来源，不同行为，来创建各类自定义访客群体，并从这些访客群体的维度对汇总数据进行细分。
3对网站流量质量进行分析
从质的角度分析汇总数据也是一种很好的办法。还以文章开头时的周访问量对比数据为例，从量的角度看，访问量总数和趋势是一样的，但从质的角度他们也是一样的吗？本周的访问量与上周相比，是由更多的独立访客带来的，还是由更多的访问频率带来的呢？不同的答案使得对流量质量的判断也大相径庭。这里推荐使用Google Analytics的忠诚度报告和独立访客报告对流量质量进行分析。
使用的Google Analytics报告
忠诚度报告
在相同的时间段以及相同的访问量下，访客访问网站的频率也是一样的吗？Google Analytics通过访客忠诚度报告显示不同回访频率的访客在网站总访问量中所占的比例。对比两周的数据，看看访客在忠诚度上也是否一致呢？两周相同的访问量是否是都由回访频率3-5次的访客带来的，或者其中一周大部分流量是由只来过一次的访客带来的呢。
独立访客报告
（点击查看大图）
访问量相同并不代表独立访客也是相同的。Google Analytics的绝对唯一独立访客报告虽然不支持细分，但可以进行不同时间段的对比。当网站在两周的访问量差别不大时，我们还要对比和关注一下独立访客。对于很多非快消类的电子商务网站来说，访问量只是浮云，独立访客才是王道。隐藏在访问量下的独立访客变化才是他们最关心的。
4对访客目的进行分析
访客目的分析是另一种对访问量的质量分析。访问量只是一个数字，尤其是整站的汇总数据。这些数字只能告诉我们网站在某个时间段内获得了多少次访问。但并不能告诉我们这些访问者的目的是什么。举个极端的例子，网站在两周都获得了10万次的访问，第一周中有8万次购物访问，2万次咨询访问。而第二周中有6万次退货访问，4万次寻找客服或帮助的访问。这时从汇总数据上来看，两周的访问量是一样的。但访客的目的却大不一样。这里推荐Google Analytics的热门内容报告和站内搜索报告来了解访问者的目的。
使用的Google Analytics报告
热门内容报告
热门内容报告按照网站中页面被浏览的次数对页面进行排序，但通常情况下排在最前面的页面总是那么几个，例如首页。所以，要了解访问者访问目的的变化要对不同时间段的热门内容进行对比，找出变化率最大的那些页面，然后再进行分析。不过比较遗憾的是Google Analytics的热门内容报告好像只能按指标值排序，不能按照变化率进行排序。
站内搜索关键词报告
站内搜索关键词报告记录了访问者在网站中寻找的内容，而这些恰恰也是访问者的访问目的。与热门内容报告相比，站内搜索关键词报告更加直观和准确的告诉了我们访客每次访问的目的。通过观察和分析访客使用关键词的变化以及所到达的搜索目标页面，我们就可以清晰的知道访问者的目的，而不同时间段中搜索关键词的变化也表示了流量目标的变化情况。
5对网站的ROI进行分析
每个网站都是有目标的，而网站获取流量也是需要成本的。在访问量相同的情况下，我们获取流量的成本以及这些流量所带来的价值（目标完成度）是否也是一样的呢？再来举个例子说明下，网站在两周都获得了10万次的访问，第一周获取流量的成本为50万，而流量带来的价值为60万。ROI=120%。第二周获取流量的成本为30万，流量带来的价值为50万。ROI=166%。在两周访问量相同的情况下，不同的流量获取成本和价值导致了投资回报率的差异。这里推荐使用Google Analytics的Adwords报告和电子商务报告获得流量成本和价值。
使用的Google Analytics报告
Adwords报告
Google Analytics中的Adwords报告可以记录你在Google购买广告的总花费。通过这个报告我们可以了解获得这部分流量所付出的成本。而其他渠道流量的成本则需求单独计算并汇总。
电子商务报告
电子商务报告记录了网站获得的总收入，也就是流量带来的价值。对于非电子商务类网站可以通过设置目标及目标转化价值的方法来计算流量带来的价值。
以上是小编为大家分享的关于如何分析网站中的汇总数据的相关内容，更多信息可以关注环球青藤分享更多干货
⑻ 如何进行网站数据分析 理清网站分析的思路
如何进行网站数据分析 理清网站分析的思路_数据分析师考试
如何进行网站数据分析？这是之前的分享流量时听众提的另一个问题，在这里把相应的内容整理一下。
下图是一个网站分析的生命周期示意图，在确认好分析需求并收集好我们所需要的数据后（强调一下，明确分析需求很重要，这可以避免为了分析而分析），我们就可以充分使用网站分析工具的各种报告对数据展开分析。
但网站分析工具中的数据量非常大，你可能一不小心就淹没在数据的海洋中，你得有一个明确的分析思路，知道要利用哪些报告或哪些报告视图才能帮助你快速找到问题的答案。以下是网站分析中涉及到的数据模块，这也提供了一个网站数据分析的大概思路。
根据上边的数据模块所涉及的内容，在网站分析报告中我一般会对下边所列出的板块与指标进行具体分析（以下列出的是在网站数据分析中一些我个人觉得比较重要的板块与指标，不同的网站重要的数据指标会有所不同）：
基本情况：
1.网站的流量水平怎么样？与行业同类网站的数据相比，根据我们的市场定位，我们的流量在未来需要有多大的提升？
2.访客主要来自哪些地方？这用于确认与我们制定的市场策略是否匹配。如果有相当多的用户来自一些小语种的国家，我们是否要考虑建设多语言网站？
3.访客一般会通过什么样的设备对网站进行访问？在移动化越来越流行的今天，我们是否要建设自己的移动站点或开发我们的APP？
新老用户的比例怎么样？我们在拓展新用户的同时，是否能够留住老用户？
流量来源
1.网站的主要流量来源有哪些，SEO、SEM、EDM还是社交媒体？还有哪些类型的流量来源我们可以拓展？
2.这些流量来源的优先顺序是怎么样的，哪些是我们最倚重的流量来源，哪些流量来源的转换率最高？
3.SEO/SEM的流量水平怎么样，该如何去提升？
4.EDM、社交媒体的营销方式的使用情况怎么样，转换率如何？
网站内容
1.网站的页面分类有哪些？
2.产品页面、目录页面、营销专题页面等各类页面的流量以及转换表现（页面价值）情况怎么样？
3.网站上最常见的着陆页面有哪些？是否页面上的内容正是我们希望用户浏览到的内容？
4.用户的访问路径的引导是否存在问题，我们是否把用户引导到了主要的营销专题或产品页面？关于访问路径的分析可参考：可参考如何分析用户的访问转换路径。
5.用户是否与网站发生了我们期望的互动：参与活动、观看视频、下载、投票、订阅或下单？
产品销售情况
1.网站的订单转换率与客单价是多少？与行业水平是否有差距？
2.购物车转换漏斗数据怎么样，用户在哪一步的放弃率比较高，购物车的用户体验是否可以作优化？
3.哪一类的产品销售情况最好？
4.用户在购买前一般会访问多少次网站或要考虑多久才会下单？
要注意的是，在分析数据时如果发现有问题（比如购物车的转化率特别低）但又百思不得其解时，可以亲自去体验一下网站的访问流程，看一下在完成一个特定的目标或任务时是否存在障碍，也许你一下子就发现了问题的根源。
案例：
当你需要对网站进行一次全面的分析时，你可以按上边所列的内容对网站的各个数据模块系统地进行分析。但各个营销渠道的网站分析需求多种多样，不同的需求的分析方法也有所不同。而遇到渠道部门提交的一些指标数据异常的分析需求，我们可以灵活地进行处理。
以下是两个简单的案例。
问题1：一个电商网站日均销售为$80万，但某天突然下降为仅有$40万。
分析：
我们可以按照里边的内容一步一步作分析，把销售异常的根源找出来，但如果你对网站的业务运营情况非常熟悉，在这种突发情况下我们可以一针见血地找到问题的根源，从而得以快速修正问题恢复网站的正常销售。
还是按照我们习惯的思路来。我们都习惯了把销售与流量关联起来，当销售出问题时我们就会习惯性地去查看网站的流量情况。流量也下降了吗？关于流量的变化这里有两种可能：
流量也有一个相似幅度的下降=>流量来源出了问题？=>细分流量来源（SEO、CPC、EDM、用户所在区域）作分析=>页面流量分析（商品关注度是否有变化）
流量没有明显的下降è订单转换率出了问题？=>对产品的销售情况作分析，某些产品的转换率下降了还是几乎所有产品的转换率下降了？=>对产品的页面流量进行分析或对购物车转化路径作分析，是否是因为这部分转换率较高的产品的关注度下降了，还是网站的购买引导用户体验变差了，甚至是购物车系统在某一段时间不能访问？
从流量开始层层深入对数据进行分析，直至找到问题的根源为止。另外，在分析指标数据异常的时候，一些额外因素如特殊日子、重大事件、换季也要考虑在内，如“双11”别人者在如火如荼地在大搞促销，而你却没有一起去凑热闹，这段时间的销售有可能会变得较为惨淡。
问题2：EDM合作商给他们的北美地区的用户发送了50万封邮件（邮件链接里加了GA UTM标识），但对网站的销售增长却没有任何促进作用。
分析：
网站分析系统里来自EDM的流量数据有多少=>这部分流量来自哪些地区，真的是北美吗？=>这部分访客的访问路径怎么样，有没法有进入购物车=>最终有没有产生订单
分析结果显示，这期EDM的仅带来了少量流量，而且访客多是香港以及东南亚的，没有带来任何销售，看起来这个合作商并没有践行合约的内容，下次就不要再找他们合作了…
Google Analytics智能警报
另外，在分析网站指标数据异常的时候，建议充分使用好GA的智能警报功能，这个可以大幅减少你的网站的工作量。当数据出现异常的时候，它可以把异常的数据指标给你列出来，并会相应地列出数据异常的原因。
在GA中有两种类型的提醒：自定义提醒和自动提醒。自动提醒是Google Analytics根据其算法生成的提醒。也就是说，每天GA的智能引擎都会检查以下维度（包含但不限于）的指标值，以确认它们是否发生了显着变化：
1.所有流量
2.访客类型（新访客与回访者）
3.城市
4.地区
5.国家/地区
6.广告系列
7.关键字
8.来源
9.媒介
10.引荐路径
11.着陆页
12.退出页
13.点击率（AdWords）
除了自动提醒，你还可以设立自定义提醒来监控网站运营数据。你可以为任何一个指标设置提醒标准并应用到任何维度，甚至还可以把提醒应用到高级细分的访问群组中。我们可以把网站流量与销售的高峰与低谷设置为警报，这样当网站的主要指标出现异常时这些自定义提醒就可以通过邮件发送功能及时地通知到相关人员。目前只有自定义提醒功能可以使用邮件自动发送功能。
网站分析并没有固定的步骤和方法，当你非常熟悉网站分析工具的使用以及所要分析的网站的业务时，你可以完全不必拘泥于以上的所提到的思路与方法，但网站分析的目的必须要明确：减少成本，提升效益，分析后的优化工作不可缺失。
以上是小编为大家分享的关于如何进行网站数据分析 理清网站分析的思路的相关内容，更多信息可以关注环球青藤分享更多干货
⑼ 一步步教你分析网站数据
一步步教你分析网站数据
可用性测试和数据分析是一对无敌好搭档，它们让我们更多地了解用户，跟踪我们的目标，解决意外的问题。说到解决问题，数据分析告诉我们哪些页面或者流程正在给用户造成麻烦，哪些领域需要我们在可用性测试中重点关注。接下来，可用性测试会告诉我们为什么用户会表现出某些特定的行为。在这两者之上，我们可以为网站拥有者提供重点明确、针对用户的建议。
在小红（和许许多多与之相似的用户体验从业人员）的例子中，数据分析能揭露用户到底是怎么访问网站的。虽然小红和客户在用户体验或顾客方面的经验可能让他们对于测试什么有了不错的假设，但对于人们是如何访问网站，数据分析展示给他们的是更为清晰、无偏见的方式。
对于任何希望通过学习一些简单的工具来读懂数据的人，数据分析可以帮助你：
识别网站上出问题的地方显露网站对于用户的吸引力测量设计上的改善带来的结果在这两篇系列文章中，我将会解释如何利用数据分析来识别用户有问题的地方，以及网站的哪些地方会从可用性测试中受益最多。本篇文章的重点为——三个识别网站问题的参数：跳出和退出率(bounce and exit rate)，页面平均时间(average time on page)和目标价值(page value)。在第二部分，我们会进一步利用这些参数来识别drop off points，然后我们会深入到数据分段(segmentation)来获取额外的细节信息。
辨认问题网页（组）作为一名自由职业者和用户体验咨询师，我与各种各样不同领域的网站合作过，其过程非常一致，总是以数据分析为开端。最开始我会去辨认每天有多少用户访问这个网站，哪个页面最常用。这会给我一个大概的感觉，知道人们是如何访问这个网站的。然后我会进行下一步：辨认潜在的出问题的领域，继而知道我的用户体验建议将会着重在哪一块。
总体来说，我会观察三种类型的参数来辨认问题所在：
跳出和退出率(Bounce and exit rate)页面平均时间(Average time on page)目标价值(Page value)跳出和退出率(Bounce and Exit Rate)
跳出率和退出率是两个可能造成混淆的参数。跳出率是只访问了网站的一个页面的用户的比例：在一个页面登陆，但是没有去访问任何其他页面就离开了网站。
【译者注：谷歌官方解释为“跳出率指单页访问次数（即访问者从入口页离开网站而未与网页互动的访问次数）所占的百分比”。】
退出率是从一个页面离开了网站的用户的比例（它包括了那些之前在该网站浏览了其他页面的人）。
【译者注：谷歌官方解释为“退出百分比指从某个或某组特定网页退出网站的次数所占的百分比”。】
如果我发现了网站的一部分出现了一个很高的跳出或者退出率，我会做上笔记，以防某些页面的什么东西造成了用户的离开。一个有着高跳出率的页面可能说明这个页面上的内容不是用户来到这个页面所期望看到的东西。一个高退出率的页面可能说明这个网页导致了用户在他们想要的流程中半途而废——从另一方面看，如果一个高退出率的页面是流程的最后一页，那么这个高退出率就不再是个问题了。
用谷歌分析（Google Analytics）中的“加权排序（weighted sort）”会让跳出率更加有用。根据谷歌分析，“加权排序把百分比数据根据重要程度排列，而不是序号排列”。举个例子，一个页面虽然有着100%的跳出率，但在过去的一个月中，只有一个用户访问，然后离开了该页面（另外一个更大的问题可能是没有任何人访问过这个页面！）。如果一个页面有80%的跳出率，但是是一个在流程中非常关键的起始页面，那么这个网站可能因此流失了大量的生意。为了更好地为页面可用性测试做准备，我们必须辨认出问题出现的原因：是因为没有人访问这个页面，还是每个访问的人都马上离开了网站？
页面平均时间(Average Time on Page)
“页面平均时间”是指用户浏览某个页面所花费的平均时间。如果我发现有一个页面的“页面平均时间”很低，这可能意味着该页面没有引起用户足够的注意。从另一反面来看，如果用户在一个结账页面停留很久，那么可能是因为该页面过于复杂了。当然，所有的参数都必须放在具体的情境下分析；如果一个博客文章有一个很高的“页面平均时间”，那么总体来说是一个好的现象，因为这可能意味着用户真的在阅读整篇文章。
另外一个衡量页面表现的非常好的方式是利用“与网站平均数比较”的选项。这个图会显示某些页面在某个参数上是不是在很大程度上高于或者低于平均值。虽然这些页面仍然需要一页一页地分析，因为不同的页面有用不同的目标，但是低于平均浏览时间的页面总体来说可能会有问题，假设目标是为了让用户继续阅读的话。下面的例子清晰地表现出“联系（contact）”页面相对来说有比平均值更低的浏览时间，然而“博客（blog）”页面有高于平均值80%的时间。
再次强调下，情境是关键。用户可能来到联系页面来寻找一个公司的地址，或者联系电话。如果他们成功地找到了，那么他们就会离开该网站，因此较低的页面浏览时间在这里是一个好的现象，说明页面很有用。一个“博客”页面是用来吸引用户的注意的，因此一个高于平均值的时间可以被看做是一件好事。
页面价值(Page value)
“页面价值”是一个非常重要，但是很少被用到的参数，它可以用来发现表现欠佳的页面。目标价值，就如它的名字所示，是一种赋予页面直接的货币价值的方式。对于电子商务网站来说，它纳入了各种各样的交易收入总数和所有类型的网页的目标价值——这些参数都需要在谷歌分析中人工设置，才能计算出页面价值。一个高价值的页面往往显示出它是一个重要的页面，意味着该页面值得被纳入可用性测试中。
一个高价值但是展示出高退出率的页面是值得重视和改进的。意味着这些页面让用户在回话流程的关键位置离开了。在下面的的例子中（一个电子商务网站），我突出显示了三个有着类似的页面价值的品类。可以清楚地看到，“个性化化玩具（personalised-toys）”的产品页面有一个相当高的退出率。这说明这个高价值的页面正在让用户“流失”，并且应该在未来的用户体验设计工作中引起重视。
然而，单独的某个页面只能展示部分真相。“内容分组(content grouping)”这个功能很重要，我们可以利用它来观察网站的某个部分表现如何。内容分组可以把数据根据用户访问的页面种类来进行分类，因此十分必要。我们可以用各种各样的方式来分组。比如对于一个买衣服的网站来说，可以根据不同种类的服饰来分组，看看裤子是不是比衬衫的页面价值要高。
一旦发现某个页面或者某个组的页面价值很低，下一步我们要做的就是：找出背后的原因。在上面的例子中，衬衫相对来说有比较低的价值。我采取的第一步行动是，根据我的经验和判断力，看看在衬衫的页面上有没有任何明显的用户体验或者技术方面的问题。做完这个之后，我会和真实的用户一起来测试这些个页面，来看看为什么会有这些问题——并且寻找那些暗含了修复方式的线索。
内容分组是一个非常强大的工具，可以让你看到网站的不同部分的真实表现。
在实践中利用参数
这只是利用数据分析来发现网站问题的第一步。在本系列的第二部分中，我们会着眼于如何发现用户流程中的流失点，以及如何把用户分类来看到更多的细节信息。
与此同时，你尝试着利用在本篇文章中学到的方法来发现可能存在的问题：
调出跳出率，找出那些用户访问并且马上离开了的页面。浏览所有页面的退出率，找出在流程的哪些地方用户离开了网站。考虑到用户在页面平均停留时间的重要性——一个拥有着高跳出率的博客页面，同时拥有着很长的平均页面时间，这是一件好事！根据页面价值排序，观察页面。页面价值越高，那么就越值得被纳入可用性测试，从而最终修复用户在该页面遇到的问题。在上一个客户的案例中，小红利用数据分析来发现那些需要进行可用性测试的地方。然而目前为止，小红只发现了网站中值得测试的单独的页面和页面组。她觉得她需要知道更多的关于最常见的用户行程（user journey）的信息。她还想更加深入地理解用户，看看不同类型的用户如何访问网站。为了能进行最佳的可用性测试，小红真心想要知道人们事实上是如何使用网站的。
简单来说，数据分析是一种用来发现可用性测试最佳测试页面的极好的方法。在本系列文章的第一部分，我讲解了如何利用数据分析来发现网站的问题所在之处。这么做可以让我们更好地理解目前的用户行为，并且帮助我们集中力量在将要测试的任务上。
在如何利用数据分析来指导可用性测试的这一系列文章的总结部分，我将更仔细地探讨如何通过识别用户行程、将用户分类来比较不同的用户组的行为。
识别流失点知道用户是如何在整个网站中流转的可以增加单个页面状态的情境（context）。比如，分析用户行程中前一个页面的数据可以帮助我们识别为什么某个特定页面的退出率特别高。另外，找出最常见的用户行程对于谋划可用性测试很有好处。可用性测试可根据这些常见的用户行程来设计，从而确保在测试中用户的行为是和已经存在的用户行为是相符的。
谷歌分析尝试通过用户流程图（user flow）和行为流程图（behavior flow）报告来展示用户行程。他们可能比较难阅读，并且经常因为把多个页面组合在了一起而变得很麻烦。这意味着谷歌分析通常只能把最为普遍的几个页面单独展示，而把其他的页面组合在一起，显示为“大于100个页面”——这对我们一点帮助也没有。下面的截图显示出这种非常局限的信息是如何让分析变得困难的：只有几个页面在每个用户行程的阶段中是单独被显示的，剩下的页面都被组合在了一起。
尽管页面被组合造成了很多问题，花些时间分析这些报告仍然可以帮我们发现问题区域，根据的是流失率或意想不到的用户行程（比如，我们本来期待的是这样，但用户却走向了另一个方向？）。一旦我们发现了问题区域，我们就可以谋划可用性测试，来看看用户在整个行程中是如何思考的，了解他们为什么会有这些麻烦。
在谷歌分析的用户流程和行为流程报告中，所有的页面用了绿色的矩形来表示，灰色的连接线用来表示页面之间的用户行程。每个矩形还用红色表示了流失率的百分比（也就是说用户正离开网站）。它们可以说明常见的用户行程，以及用户在哪些地方离开了网站——也是另一种问题区域的迹象。
下面的例子来自于一个我曾经工作过的旅行网站。它在主页有一个特别明显的搜索框。
在这个简化了的并加上了笔记的图中，我们可以看到一个可能的问题。用户利用搜索框来找到某个旅行目的地，但之后又从搜索结果页面回到了主页（又名，弹簧跳（pogo sticking）），说明了搜索结果对用户来说不够满意。这可能归结于许多的理由：可能搜索功能经常搜不出结果，搜到太多结果，或者太少结果。也可能这个问题和搜索结果本身无关，而是其他的理由，比如搜索结果里的酒店的价格太高了。
数据显示最初的搜索是让用户不满意的，这让我决定针对搜索框来进行一些可用性测试。可用性测试的结果显示，问题的原因在于搜索结果太多太泛了，用户被大量的结果淹没了。根据这个测试结果，我建议引入一个多面搜索系统（faceted search system）：在搜索结果页面让用户可以根据一些标准来过滤搜索结果，而不用返回到主页重新搜索。这个新的搜索系统让用户可以根据酒店提供的服务设施来过滤他们的搜索结果；比如是否有游泳池、健身房和其他的设施，这意味着用户可以发现对他们自身有用的结果。这个设计方案让搜索后又回到主页的用户数量大幅度下降，让更多的用户进入到他们行程的下一步。
上面的结果显示的是多面搜索系统被引进一个月后的分析数据。图中显示出，主页和搜索结果页面之间的“弹簧跳”现象减少了。虽然仍然还有改进的空间，但这个变化产生的积极效应是非常鼓舞人心的。
数据分段，更多的细节数据分段为观察不同用户的不同行为提供了一个绝佳的方式。一个简单的例子就是比较新用户和回访用户。下面的图来自于一个在线找工作网站，它显示出新用户的数量在该月几乎是持平的，然而回访用户的数量却跟随了一个不同的模式：在周末的时候数量明显下降。
这使我想知道更多的细节，关于新用户和回访用户的不同点。其他关于这两种不同用户的数据显示出，回访用户倾向于在网站上花费更多的时间，每段时间会浏览更多的页面，并且更倾向于申请工作。
根据这个数据我可以做出假设：回访用户更可能是真正找工作的人，但新用户访问网站的时候更随意。因此我推荐网站做一些个性化的设计——对待新用户，展示更多的保证信息，说明该找工作的网站是合法的、值得信赖的，并且引导他们简单快速地做出行动，比如注册工作提醒。对待回访用户，展示更精确、细节的搜索工作的选项，并且提供信息鼓励他们申请工作。
新用户和回访用户不同的行为可以透露许多事情，取决于网站的类型。比如，对一个电子商务网站来说，它显示回到这个网站的人更倾向于下单。如果这是真的话，那么我们可以把重点放到帮助第一次访问网站的用户下单。
这种数据分段分析还可以帮助可用性测试的招募。如果在新用户和回访用户之间有明显的行为区别，那么可能最好同时招募已有用户和尚未访问过该网站的用户来进行测试。测试不同的用户类型可以帮助解释为什么他们在网站上有迥然不同的行为。
除了上说例子中的新用户和回访用户，在谷歌分析上还有一些现成的数据分段方式来帮助我们分隔数据，包括：
不同的流量来源——可以用来发现那些通过搜索和链接来到网站的用户的区别。使用不同设备类型的用户——可以用来比较使用手机、平板和桌面电脑用户的参数。根据自己的需求来改造分段方式也是很好的方法，这可以使分段方式可以和整个网站重要的用户及角色更好地相符合。通过这种方法，我们可以分析这些不同的用户群所采取的不同的用户行程，例如，比较已有用户和第一次购买的用户的行程。
数据分段可以被用来观察使用不同设备的用户的行程。根据手平板和桌面电脑来分段可以提供三个不同的行为流程供研究。这种方法对于发现使用不同设备的用户可能存在的问题特别有帮助。手机用户的行为流程图可能会在用户流程中显示出一个重大的流失点，但在平板和桌面电脑中却不是问题。这应当引出相应的手机端的可用性测试，重点放在找出手机用户在流程中的该点流失的原因。
现在该怎么办？在利用数据分析识别问题区域后，下一步就是找到为什么用户会有这些问题。数据分析能够提供一些关键的地方，需要我们在可用性测试中特别关注，或者拆分出特别的测试。作为用户体验的职业人，我们自然而然地想要和我们的用户在一起，在可用性测试中从他们身上学到东西。数据分析只是帮助我们更好地进行测试。
尝试一下——提取一些这里提到的方法，把它们应用到某个项目中。你会惊奇地发现，我们竟然可以从数据分析中发现这么多东西。、
以上是小编为大家分享的关于一步步教你分析网站数据的相关内容，更多信息可以关注环球青藤分享更多干货
⑽ 网页数据分析如何做
看你怎么采集网页数据，一般来说自己后台可以进行原始数据的统计，即看日志，然后开发出可视化的页面。另外一种方式就是通过第三方插件进行统计，例如网络统计等。
采集完上述数据后，基本上最有效的就是pv、uv、停留时长等数据，对于这些数据有一些公式的算法你需要进行分析，例如pv/uv、留存、tad等。
pv、uv、日留存、三日留存等数据可以做成按时、按日的线性趋势图，用来找到比例关系及冰点期、热点期等。
上述的基本分析做完后，可根据子目录、页面转化进行分析，即你想让用户从哪里进入到哪里，但实际的数据是否达到你的预期值等。这些基本性质的数据做完后，个人认为已经可以达到一般运营的需求了，更深层次的挖掘分析及机器学习在此处意义不大，因为操作起来复杂且波动性大会造成结论不准确。