『壹』 網站運營數據分析通過什麼途徑
中企動力信息化運營專家認為，需要分析的數據一般包括：哪些改變能吸引更多的網站瀏覽量（比如點擊網路廣告進入）；哪些網頁的點擊量最大；網站訪問者進入網站的來源；通過什麼關鍵詞進入的；網站訪問者在各種網頁上逗留的時間有多長，等等。當然，最關鍵的指標是銷售轉換率（意向客戶轉化率）有多高，網站的注冊人數有多少，每個客戶的成本是多少等等。此外，企業還希望了解新的措施（如，定製新的當日遞送的價格，為提高銷售量在網站上開展促銷活動等）是否有效。網站運營數據分析所需要的數並嘩據可以通過多種途徑獲得： 企業網站的伺服器日誌記錄了用戶的IP地址，用戶使用的是什麼瀏覽器，進入網站以前他所在的位置，瀏覽的具體時間，以及用戶的注冊信息等。通過IP地址，企業可以了解用戶所在區域，例如jp表示用戶住在日本。 網路跟蹤文件是用戶在訪問網站時在硬碟上自動生成的文件。當客戶進入網站並進行操作（例如使用購物車）時這些文件能發揮作用。客戶再次訪問該網站時，這些文件中的數據可以調出，從而了解該客戶瀏覽的次數等信息。亞馬遜網站就是利用網路跟蹤器文件在主頁上自動生成用戶姓名的。 頁面標簽（page tags）其實就是頁面上的一個像元（pixel），用戶是看不見的。在用戶瀏覽一個頁面時，頁面標簽被用來激活頁面上的一個信息，例如何時將商品從購物車移出等。用戶計算機硬碟上的網路跟蹤器文件也可以用來激活標簽，顯示用戶何時回訪網站，在網站上做了哪些動作。
利用網站解析軟體，企業可以對伺服器的登錄信息進行分析，進而解析用戶的行為模式。
中企動力信息化運營專家提醒：目前，谷歌的Analytics和網路統計都是智能的、功能非常強大的用來統計企業網站運營數據的專業工具，用戶非常多，備受推崇。
用戶下單和付款不一定會在同一天完成，但一周的數據相對是精準的，所以我們把每周數據作為逗蔽敏比對的參考對象，主要的用途在於，比對上周與上上周數據間的差別，運營做了某方面的工作，產品做出了某種調整，相對應的數據也會有一定的變化，如果沒有提高，說明方法有問題或者本身的問題並在與此。
1. 網站使用率：IP、PV、平均瀏覽頁數、在線時間、跳出率、回訪者比率、訪問深度比率、訪問時間比率。
這是最基本的，每項數據提高都不容易，這意味著要不斷改進每一個發現問題的細節，不斷去完善購物體驗。來說明下重要的數據指標：
1.1 跳出率：跳出率高絕不是好事，但跳出的問題在哪裡才是關鍵。我的經驗，在一些推廣活動或投放大媒體廣告時，跳出率都會很高，跳出率高可能意味著人群不精準，或者廣告訴求與訪問內容有巨大的差別，或者本身的訪問頁面有問題。常規性的跳出率我注於登錄、注冊、訂單流程1-3步、用戶中心等基礎頁面，如果跳出率高於20%，我覺得就有不少的問題，也根據跳出率來改進購物流程和用戶體驗。
1.2 回訪者比率=一周內2次回訪者/總來訪者，意味著網站吸引力，以及會員忠誠度，如果在流量穩定的情況下，此數據相對高一些會比較高，太高則說明新用戶開發的太少，太低則說明用戶的忠誠度太差，復購率也不會高。
1.3 訪問深度比率=訪問超過11頁的用戶／總的訪問數，訪問時間比率=訪問時間在10分鍾以上的用戶數／總用戶數，這兩項指標代表網站內容吸引力，數據比率越高越好。
2. 運營數據：總訂單、有效訂單、訂單有效率、總銷售額、客單價、毛利潤、毛利率、下單轉化率、付款轉化率、退貨率；
每日數據匯總，每周的數據一定是穩定的，主要比對於上上周的數據，重點指導運山枝營內部的工作，如產品引導、定價策略、促銷策略、包郵策略等。
2.1 比對數據，為什麼訂單數減少了？但銷售額增加了？這是否是好事？
2.2 對比數據，為什麼客單價提高了？但利潤率降低了？這是否是好事？
2.3 對比數據，能否做到：銷售額增長，利潤率提高，訂單數增加？這不是不可能。
所有的問題，在運營數據中都能夠找到答案。
一、如何入門互聯網數據分析
1、網站分析是一種能力
對於大部分人互聯網從業者而言，網站分析是一種能力，因為基於網站分析之上的結論可以指導運營、產品、設計、技術的同事的工作。
2、網站分析解決的問題
用戶是誰(目標用戶)，
從哪裡來(流量從哪裡來，流量的價值等)，
到哪裡去(為什麼離開，如何降低用戶流失)
3、對於產品OR運營，網站分析能做什麼
產品改版是否合理?
用戶的反饋如何?
哪些功能存在問題?
功能使用頻率?
轉化路徑是否靠譜?
對於運營：
用戶來源路徑?
用戶活躍度如何?
如何分配廣告預算
網站內容是否有效?
如何分解KPI?
4、為什麼進行網站分析
5、網站分析的核心
二、網站分析的流程
定義問題——測量——分析——改進——維持
三、定義問題
如何你已經知道如何有效的去描述一個問題，那麼你已經成功了一半了，因為你知道問題，而且也知道如何去問。
工作可不是試券設計好問題來問你，首先得你自己發現問題。
比如如注冊轉化率的降低就跟非常多的問題是正相關的。
產品支持度是否足夠?
頭像上傳
郵箱驗證
必填資料
營銷是否到位?
新老訪客比如何
外界口碑如何
問題的要素：本質、現象、特徵、量化
定義一個問題：即給整個團隊確認一個方向，圍繞著這個目標往下分解，制定計劃，在計劃具體執行的過程中發現了某個問題，再來具體分析的。
所以作為一個網站分析師，立足點應該是從公司 戰略出發， 了解產品，運營，技術，商業邏輯等等層面的知識，給公司的發展提供大量的建議。
獻峰商業&產品&運營&設計，的推薦書單：
豆瓣豆列的推薦人數達 1316人，收藏人數達 6291。目前我讀看過的不到十分之一，但是確實有助於從事網站分析的同事提升商業格局。
互聯網產品經理 全方位入門
蘇傑 老師整理的互聯網產品經理全方位入門書籍。豆瓣豆列的推薦人數達986人，收藏人數達 7774。慚愧，只看過豆列裡面20%的書。
當當，僅僅通過讀書是無法培養行業格局的，還需要善於向人請教、善用網路資源、自己體驗、實踐等等。
求職互聯網數據分析，如何准備行業知識?
四、測量
收集數據。
目前常用的數據流量監測的工作：
Google AnalyticsGoogle 網站分析工具
Omniture Omniture SiteCatalys
網路統計 網路統計工具騰訊分析主要針對論壇
等等。。。。
比如教育行業的數據，可以從一些行業數據收集的網站中找到
另外，作為不會寫程序的產品OR運營，只能通過第三方的工具或者平台來拿到數據了，或者向技術同學提需求。
技術才是第一生產力。如果會一些 SQL或者Python，獲取的數據太要太精彩哇……
推薦書籍：做數據分析不得不看的書有哪些?
這個問答下面推薦的書，基本都是關於數據挖掘或者獲取的。
五、分析、改進、維持
比如某游戲的玩家行業軌跡是這樣的
於是分析的時候決定重點關注新用戶的流失問題
流失的任務類型分析：
操作復雜
任務不平滑、不流暢
升級緩慢
有組隊任務或者其他互動任務
然後就是不斷的循環優化著。分析出問題，確認用戶的需求，改進產品，進一步統計並維持提升結果。
分析的流程方法大概如此，比較好掌握，但是具體到工作當中，遠非這幾句話能解釋當的，所以慢慢實踐成長吧。
1.精益數據分析
2.轉化:提升網站流量和轉化率的技巧
3.數據分析 :企業的賢內助
4.網站數據分析:數據驅動的網站管理.優化和運營
5.人人都是網站分析師:從分析師的視角理解網站和解讀數據
6.圖解網站分析36大數據
網站數據是直接體現出網路營銷的效果的數據。
網路營銷的效果是需要網站數據體現出來的。
如果沒有網站的數據統計很難對網路營銷的成果作出量化，沒有量化的數據統計，就不能對網路營銷的效果有一個整體的分析，只有有了一個系統的分析才會有一個良好的 網路營銷效果。
康那裡士數字營銷，長期從事網路營銷策劃與推廣工作。
簡單的統計代碼還是跟蹤流量來源……或者根據網站運營目的，達到某一特定需求進行有效分析。早期的網站建設和運營，在數據很少的時候，網站更注重流量和渠道，而網站運營相對成熟的時候，數據分析更應該偏向於網站功能性發展方向，比如一家企業營銷型網站，對用戶購買率特別敏感，那麼數據分析就應該以此為核心，進行分析;而對於展示型網站來說，對於用戶留存率特別感興趣，數據分析依據就是興趣，如果是一個靠廣告獲得收益的網站，如何誘導用戶點擊廣告。
你想要實現什麼目的，數據分析都可以起到輔助支持決策的作用
從用戶方面入手分析包括以下幾點：（微問數據）
1、包括用戶增長統計和用戶屬性統計。
2、用戶增長統計，是按日統計，有4個維度：
3、新關注、取消關注、凈增關注、累積關注。
挺專業的，站長必備啊~~也就外出用手機關心一下網站流量，要不能在電腦上網，直接後網頁GA，還辛辛苦苦弄3G看多麻煩。
這個問題問的比較廣泛，你需要的是。如何去了解自己的店鋪的一些數據，然後根據數據結合，改變店鋪的整個布吉。
1
行業數據
行業數據對於一個APP來說，至關重要。了解行業數據，可以知道自己的APP在整個行業的水平，可以從新增用戶、活躍用戶、啟動次數、使用時長等多個維度去對比自己產品與行業平均水平的差異以及自己產品的對應的指標在整個行業的排名，從而知道自己產品的不足之處。這種縱向的對比，會讓自己的產品定位、發展方向更加清晰。
2
評估渠道效果
在國內，獲取用戶的渠道是非常多的，如微博、微信、運營商商店、操作系統商店、應用商店、手機廠商預裝、CPA廣告、交叉推廣、限時免費等等。看一個APP的數據，首先要知道用戶從哪裡來，哪裡的用戶質量最高，這樣開發者就會面臨一個選擇和評估渠道的難問題。但是通過統計分析工具，開發者可以從多個維度的數據來對比不同渠道的效果，比如從新增用戶、活躍用戶、次日留存率、單次使用時長等角度對比不同來源的用戶，這樣就可以根據數據找到最適合自身的渠道，從而獲得最好的推廣效果。
3
用戶分析
產品吸引到用戶下載和使用之後，首先要知道的就是用戶是誰。所以，我們需要詳盡地了解到用戶的設備終端類型、網路及運營商、地域的分布特徵。這些數據可以幫助了解用戶的屬性，在產品改進以及產品推廣中，就可以充分利用這些數據制定精準的策略。
4
用戶行為分析
在關注完用戶的屬性後，我們還要高度關注用戶在應用內的行為，因為這些行為最終決定著產品所能夠帶來的價值。開發者可以通過設置自定義事件以及漏斗來關注應用內每一步的轉化率，以及轉化率對收入水平的影響。通過分析事件和漏斗數據，可以針對性的優化轉化率低的步驟，切實提高整體轉化水平。
5
產品受歡迎程度
在了解了用戶的行為之後，我們應該看一下自己的產品是否足夠受歡迎，這是一個應用保持生命力的根本。開發者可以從留存用戶、用戶參與度（使用時長、使用頻率、訪問頁面、使用間隔）等維度評價用戶粘度。進行數據對比分析的時候，要充分利用時間控制項和渠道控制項，可以對比不同時段不同渠道的用戶粘度，了解運營推廣手段對不同渠道的效果。
『貳』 網站數據分析:流量分析的四項指標
網站數據分析:流量分析的四項指標
電子商務網站的流量分析與其他網站大體相同，區別主要在於效率轉換以及用戶特徵，這對於電子商務網站來說尤為重要，而流量的總數相對並不十分特別要緊，因為只要把轉化率提升了，獲得流量的方法還是很多的。
一般來說，數據分析包括：流量來源分析、流量效率分析、站內數據流分析和用戶特徵分析四個部分。我們先來探討流量來源分析。電子商務就是販賣流量的生意，低成本的流量來源是保證企業盈利的重要條件。流量來源分析主要是要明白你的用戶都是從那些網站來的，那些網站的給你帶來更多的訂單、那些網站的流量是真實的，那些是虛假等。一、流量分析一般分析以下內容：網站流量來源排名：那些網站貢獻的流量多，那些貢獻的少搜索引擎關鍵詞分析：根據關鍵詞的來源分析來查看網站產品分布和產品組合。如果關鍵詞查詢多的產品卻不是網站的主推品，可以進行適當調整。網站流量趨勢分析：網站的流量是否均衡穩定，是不是有大幅度波動。一般來說流量突然增加的網站，如非發生突發事件，購買的廣告位作弊的嫌疑比較大。網站流量核對：查看是否有莫名流量來源，流量來源大不大。如果莫名來源流量很大的話，有可能是您購買的CPC或者其他資源被注水了，將您的廣告鏈接分包給了點擊聯盟。推介網站與直接訪問的比例：推介網站可以理解為外部廣告，直接訪問就是用戶直接輸入網址。一般來說，直接訪問量越大說明網站的品買知名度越高。二、其次是流量效率分析流量效率是指流量到達了網站是不是真實流量，主要分析指標如下：●到達率：到達率是指廣告從點擊到網站landing page的比例。一般來說，達到率能達到80%以上是比較理想的流量。這個也跟網站的速度有關，綜合來分析一下。●二跳率：這個也是為了分析流量的有效性。如果是有效流量的話，一般會有合理的二跳。如果是虛假點擊的話，一般是沒有二跳的。但是也不排除有部分作假很 厲害的網站能做出二跳，比如PPLIVE，當年洪成浩做投放的時候，我們的廣告直接連接到廣告專題頁，二跳是15%左右，但是PPLIVE居然有60%的 二跳！最主要的是一個轉化都沒有。差點把我們的圖片圖伺服器點癱瘓，這個就太過分了。●PV/IP比：一般來說，有效的流量，網站內 容比較好的話，一個獨立IP大概能有3個以上的PV。如果PV/IP比能達到3以上的話，一般說明流量比較真實，網站內容也不錯。但是如果低於3的話，並 不代表流量不真實，也可能是網站本身的問題。如果PV/IP過高的話，也可能有問題，比如人力重復刷新等，要謹慎對待。●訂單轉化率：這個是最最核心的數據了，沒有訂單轉化率，其他一切都是免談！某些牛B的B3C能做到4%的提袋率！某些卻僅僅是0.1%，努力吧，眾B2C們。三、再次是站內數據流分析站內數據流分析，主要用來分析購物流程是否順暢和產品分布是否合理，主要分析指標如下：●頁面流量排名：主要查看產品詳情頁的流量，特別是首頁陳列的產品詳情頁。參照最終的銷售比例，優勝劣汰，用以調整銷售結構。●場景轉化分析：從首頁-列表頁-詳情頁-購物車-訂單提交頁-訂單成功頁，的數據流分析。比如說，首頁到達了10000用戶，伺此後的數據分別是8000-5000-1000-50-5，購物車到訂單提交頁的相差比較大，大概就能看出來是購物車出了問題，需要改進。●頻道流量排名：各個頻道流量的排名，主要用來考慮產品組織的問題。●站內搜索分析：這個反應的是用戶關心的產品有哪些，產品調整的最直接數據。●用戶離開頁面分析：用戶在那些也頁面離開最多？是首頁還是頻道頁？是購物車還是訂單提交頁。突然的大比例的離開網站，往往預示這問題的存在。四、最後是用戶特徵分析：●用戶停留時間：這個放在用戶特徵分析里有些牽強。而且目前監控用戶停留時間的方式是：用戶到達時間-用戶離開時間，但是用戶什麼時候離開很難准確判 斷，這種數據僅作參考，一般停留時間越長網站粘性越好。如果用戶停留時間超過1個小時，基本就是假流量，或者用大打開網頁忘記關了，呵呵。●新老用戶比例：老用戶比例越高，證明用戶忠誠度不錯。但是還要考慮絕對量，不能靠新用戶越來越少來襯托老用戶比例越來越高。用戶地域分析：用戶地域與訂單地域分布基本一致，基本上就是用過互聯網用戶的分布比例以及經濟發達程度等。這個對於提升區域配送及服務比較有幫助。電子商務網站的基本數據分析就是以上這些，作為實際操作人員要根據數據分析的情況來發現問題和總結問題，進而優化網站的結構和用戶體驗、來提升網站的專轉化率和用戶忠誠度。
以上是小編為大家分享的關於網站數據分析:流量分析的四項指標的相關內容，更多信息可以關注環球青藤分享更多干貨