数据分析

“我知道在广告上的投资有一半是无用的，但问题是我不知道是哪一半。”这个由广告大师约翰·沃纳梅克提出的问题已经成为广告行业的“哥德巴赫猜想”。虽然直到今天，仍然没有100%完全解决，整个行业都在向这个方向努力。但在电子商务广告领域里，却能通过一些方法准确定位广告受众，并准确知道究竟是哪一半有效果，哪一半是被浪费的。这就是数据分析的价值和作用。

KPI：用来帮助理解目标达成程度的指标。

1. 数据分析概述

1.1 数据分析的重要性

数据的实质是一种有因果的逻辑关系，一因可以多果，多因可以一果，一果可以多因，一个原因在多大程度上可以产生什么样的结果，其中的程度就是概率，或是一种趋势。先后关系不一定是因果关系，必然联系不一定是因果关系。从简单开始，在海量的数据面前很容易迷失方向，在驾驭用户数据时，一定要有明确的方向。

●数据分析作用

提供决策依据，行动指南，明确方向。

发现问题，找到方向，以便改正提高；

通过概括归纳总结过去数据表现，发现趋势及规律，对未来进行比较准确的预测推断，发现新的商机。

数据驱动是一种量化衡量目标的结果，让很多复杂的事情变得更加简单直接。意味着通过具体准确的数据，决定工作的必要性及所花时间和精力的多少，并确定绩效价值链的前后逻辑前因后果。让数据驱动工作，让数据赞美生活，让数据照亮人生。

●数据分析方法

提出前提假设，数据分析支持，专家经验指导，结果验证。

正确的指导思想+正确的方法和工具+正确的数据=有价值的结论

数据指标如流量逐级细分：无细分，无深度；无细分，无前途。

●数据分析原则

以业务产出为中心，以数据分析为手段，以数据驱动为目标。

思路要清楚，逻辑要严谨，重点突出，关注细节

所有的一切最终要能指导实际行动，如果你的分析工作不能指导任何实践，就需要停下来，重新开始。

关注用户行为而非总体结果

Avinash网站分析教训：不要过分追求完美、要做到少而精、重视网站指标的生命周期。

●设计能够反映整体效果的总指标

收集所有的主要性能指标，用满分3分的标准为其打分。1分为低于平均标准，2分为达到平均标准，3分为高于平均标准。然后将这些

性能指标的得分全部加起来，即为整体效果指标。

或可理解为各个主要性能指标按一定百分比权重的加权平均值。

1.2 数据分析指标体系

流量分析仪表板及主要报表，最佳网站分析报表，流量来源贡献转化表，平均每访客毛利率。

必须采取一种能深深打动决策者的方式，让其发现其中的影响与价值。一些数据对分析师来说很重要，但对决策者而言则意义微乎其微。只有把网站的产出标识清楚，才能让决策者明白实际成效如何，以便他做出决策。

所谓指标体系，就是说通常很难用一个或几个指标表达清楚一个复杂的事情，因此需要比较多的指标。这些指标之间又不能杂乱无章，毫无头绪，而是要井井有条，重点突出，主次清楚。最好的结构就是金字塔指标体系了。最上面1-3个指标从最终结果上说明问题，下面是不同重要程度不同维度的指标，以说明不同重要程度不同维度的问题，如结果维度、过程维度、技术维护维度；再如决策层维度、管理层经理层维度、操作人员维度等。这样让不同层级的人员，不同职位分工的人员，不同的工作内容和环节，都能够获得个性化的数据分析指导，而整个全局的数据分析指标之间又相互作用，相互影响，形成以结构化系统化有机有生命的动态整体。

网站分析入门：

1.它是什么？了解报表里包含了哪些内容。

2.告诉了你什么？领会指标的含义及包含的信息。

3.下一步怎么做？

4.最终会怎样？懂得如何预期结果及底线。

从宏观上理解网站

1.有多少访客来到我们的网站？

2.访客是从哪里来的？

3.你希望访客在网站上做什么？

4.访客实际上在网站上做了些什么？

常见指标：流量最大的登陆页、流量最大的页面、页面点击覆盖分析、抛弃率分析

●数据分析指标思路

“为何存在”的问题，最终必然落回到“产出为何”上。少数关键指标，给整个组织消除困惑，明确奋斗方向。这些指标一般不超过4个，如果多了，说明前面的准备工作没做好。

流量分析思路：不要只把思维停留在指标表面，而要去思考为什么选用这些指标，并在此过程中进行深刻辨析。

关注“少数关键节点”，确定哪些因素是最为关键的

⑴ 从战略角度看，网站要解决的最重要的事情是什么？

⑵ 只用一项指标来确定网站成败，应该是哪项指标？

⑶ 哪些数据是必须知道的，哪些只是锦上添花？

⑷ 把100元花在网站运营上，怎么花？大头在哪块？

⑸ 网站业务的最大威胁是什么？对于它你怎么报警？

●结果指标

1.投资回报率ROI=(收入-成本)/成本

2.目标转化率=达成目标数/总访问数 排除跳出页及内部访问，排除机器人访问

3.平均每次访问目标价值

4.品牌参与度=(含品牌名称+直接访问次数)/(搜索引擎总访问次数+直接访问次数)，含付费PPC流量和免费SEO流量

5.转化质量指数CQI=外链X的目标转化占比/外链X的访问占比

6.营销活动的平均ROI

7.新访客与回访访客的比例

●内容发布及创建者指标

1.跳出率：单页零动作访问数/进入该页面的访问总数

2.参与度：或访客黏度，网站平均停留时间、平均访问页数，最后页面时间去除

3.广告表现

4.新访客与回访访客百分比

5.访客高中低访问频率的百分比：连续两次访问之间的时间间隔，当前访客上一次访问的时间。

●网站管理员及技术指标

1.访客数、访问数、浏览量：每个时段、工作日、节假日、周末，访客负载、流量数量级

2.语言访客比例：发现机会与调整内容

3.浏览器访客比例：兼容性、用户体验

4.网页打开速度：2-4秒

5.错误页面比例：小于0.1%

6.站内搜索的表现质量：是否使用的转化率，对比，注意零结果

7.非访客类型指数：服务器正常运行时间，相应速度，带宽使用等

1.3 指标与维度

指标与维度是数据分析中最常用到的术语，它们是非常基础的，但是又很重要，只有掌握理解了，我们的数据分析工作开展就就容易多了。

●维度：说明数据

维度是事物或现象的某种属性或特征，如性别、地区、时间等。其中时间是一种最常用的维度，通过时间前后的对比，就可以知道事物的发展是好了还是坏了，如用户数环比上月增长10%、同比去年同期增长20%，这就是时间上的对比，也称为纵比；另一个比较就是横比，比如不同指标在同一时间范围内的不同变化，再比如不同国家人口数、GDP的比较，不同省份收入、用户数的比较、不同公司、不同部门之间的比较，这些都是同级单位之间的比较，简称横比。

维度可以分为定性维度跟定量维度，也就是根据数据类型来划分，数据类型为字符型（文本型）数据，就是定性维度，如地区、性别都是定性维度；数据类型为数值型数据的，就为定量维度，如收入、年龄、消费等，一般我们对定量维度需要做数值分组处理，也就是数值型数据离散化，是为了使规律更加明显，因为分组越细，规律就越不明显，最后细到成最原始的流水数据，那就无规律可循。

“浏览器”、“退出网页”、“屏幕”和“会话持续时间”都是 Google Analytics（分析）中默认显示的维度。维度显示在所有报告中，但可能会在不同的报告中看到不同的维度。可使用维度来整理、细分和分析数据。在一些报告中，可通过添加和删除维度来查看数据的不同方面。

●指标：衡量数据

指标用于衡量事物发展程度的单位或方法，也叫度量。例如人口数、GDP、收入、用户数、利润率、留存率、覆盖率等。很多公司都有自己的KPI指标体系，就是通过几个关键指标来衡量公司业务运营情况的好坏。指标需要经过加和、平均等汇总计算方式得到，并且是需要在一定的前提条件进行汇总计算，如时间、地点、范围，也就是我们常说的统计口径与范围。

指标可以分为绝对数指标和相对数指标，绝对数指标反映的是规模大小的指标，相对数指标主要用来反映质量好坏的指标，如利润率、留存率、覆盖率等。我们分析一个事物发展程度就可以从数量跟质量两个角度入手分析，以全面衡量事物发展程度。指标用于衡量事物发展程度，那这个程度是好还是坏，这就需要通过不同维度来对比，才能知道是好还是坏。只有通过事物发展的数量、质量两大方面，从横比、纵比角度进行全方位的比较，我们才能够全面的了解事物发展的好坏。

●维度和指标的关系

虽然维度和指标可以独立使用，但常见的还是相互结合使用。维度和指标的值以及这些值之间的关系，使数据具有了意义。为了挖掘尽可能多的深层次信息，维度通常与一个或多个指标关联在一起。例如，维度“城市”可以与指标“人口”和“面积”相关联。有了这些数据，系统还可以创建“人口密度”等比值指标，带来有关这些城市的更详细的深入信息。

2. 网站流量分析指标简介

2.1 网站流量分析基础

(1) 流量统计原理

流量统计原理主要有两种：传统的基于服务器日志文件统计和当前较为流行的基于脚本（JavaScript等）统计。

●基于日志文件的统计：通过分析网站服务器后台的日志文件来统计访客的浏览和点击行为。

优点：无需修改网页代码，可以收集网络爬虫数据等。

缺点：包含所有日志数据，需预处理来提升数据质量；而且无法统计到页面缓存导致的缓存浏览数据。

●基于脚本（JavaScript等）的统计：需要在网站的html代码中嵌入一段脚本（JavaScript等）统计访客的浏览行为。

优点：技术难度低，只需嵌入脚本代码，无需配置服务器；能够快速获取点击、响应等数据并方便展现；不需要担心缓存带来的影响，数据的准确度较高。

缺点：主要是无法统计网络爬虫的信息。

当前主流的流量分析系统绝大部分采用此种方法收集数据，包括百度统计和谷歌分析等。

(2) 流量统计工具的选择要求

功能完备：网站分析的对象主要包括流量来源、网站访客和网站内容，针对这些对象，流量分析系统需要有相应的报告，方便快捷地提供数据。高实时性非常有必要，即能实时地了解到几分钟甚至几秒钟之前流量和具体到访客的变化。网站分析需要精确地了解访客每个点击行为从而更高效地分析访客的意图，热力图（Heat Map）和链接点击图（In-Page Analytics）这样的图形化分析报告解决该类问题的利器。

运行稳定：因为收集整理网站的历史数据对今后的数据分析极其重要，在选择时要慎重。所以建议选择大型的流量分析系统提供商，他们会稳定长期地提供网站数据统计分析服务；另外，建议选择服务器规模大而且地址在国内的服务商，否则在收集和传输过程中数据丢包会导致统计数据质量大大降低，参考价值有限。

2.2 流量数量指标简介

(1) 浏览量PV数

PV之于网站，就像收视率之于电视，已成为评估网站表现的基本尺度。

定义：页面浏览量即为PV(Page View)，用户每打开一个页面就被记录1次。一个 PV 即电脑从网站下载一个页面的一次请求。用户多次打开同一页面，浏览量值累计。但是如果利用网站服务器后台日志进行分析，因为缓存页面可能直接显示而不经过服务器请求，那么不会记录为一个 PV。

涵义：PV越多越说明该页面被浏览的越多。

(2) 访问次数与唯一访客数

访问次数Visits：即访客在网站上的会话(Session)次数，一次会话过程中可能浏览多个页面。如果访客连续30分钟内没有重新打开和刷新网站的网页，或者访客关闭了浏览器，则当访客下次访问网站时，访问次数加1。以上对访客的判断均以Cookie为准。从技术角度来说，这个过程又称为会话Session。一次会话(或访问)是由此次会话中的第一次请求和最后一次请求决定的，时间界限通常为30分钟，在流量统计后台中可自定义修改。

涵义：页面浏览量（PV）是以页面角度衡量加载次数的统计指标，而访问次数（Visit）则是访客角度衡量访问的分析指标。如果网站的用户黏性足够好，同一用户一天中多次登录网站，那么访问次数就会明显大于访客数。

独立访客数Unique Vistors：访客数（UV）即唯一访客数，一天之内网站的独立访客数(以Cookie为依据)，一天内同一访客多次访问网站只计算1个访客。当客户端第一次访问某个网站服务器的时候，网站服务器会给这个客户端的电脑发一个 Cookie，记录访问服务器的信息。当下一次再访问服务器的时候，服务器就可以直接找到上一次它放进去的这个 Cookie，如果一段时间内，服务器发现两个访次对应的 Cookie 编号一样，那么这些访次一定就是来自一个 UV 了。独立访客数很接近但并不完全是真实独立的人。

Cookie可通过浏览器设置禁用，大多使用第一方Cookie而非第三方。

涵义：唯一访客数（UV）是访客维度看访客到达网站的数量。

(3) 新访客数及新访客比率

新访客数：一天的独立访客中，历史第一次访问网站的访客数。

涵义：新访客数可以衡量营销活动开发新用户的效果。

新访客比率：新访客比率=新访客数/访客数。即一天中新访客数占总访客数的比例。

涵义：从比例角度看新访客情况。整体访客数不断增加，并且其中的新访客比例较高，能表现网站运营在不断进步。就像人体的血液

循环一样，有新鲜的血液不断补充进来，充满活力。

(4) IP 数

定义：一天之内，访问网站的不同独立 IP 个数加和。其中同一 IP无论访问了几个页面，独立 IP 数均为 1。

涵义：从 IP 数的角度衡量网站的流量。

2.3 流量质量指标简介

流量质量指标主要体现的是流量的质量高低，从内容的角度体现了内容质量的高低，从访客的角度体现了访客对网站的信任依赖和粘度，也可称为访客粘度指标。

(1) 网页停留时间与网站停留时间

从时间维度衡量流量质量，衡量网页内容质量，衡量访客粘度。

网页停留时间：即访客在某一具体页面上的查看时间；

网站停留时间：即访客某次访问期间，总共在网站的查看时间。

网页平均停留时长：平均每次访问在网站上的停留时长，即平均访问时长等于总访问时长与访问次数的比值。

涵义：平均访问时间越长则说明访客停留在网页上的时间越长：如果用户对网站的内容不感兴趣，则会较快关闭网页，那么平均访问时长就短；如果用户对网站的内容很感兴趣，在网站停留了很长时间，平均访问时长就长。

(2) 平均访问页数

可理解为访问深度，是从页面空间维度衡量流量、网页内容质量及访客粘度。

定义：平均每次访问浏览的页面数量，平均访问页数=浏览量/访问次数。

涵义：平均访问页数多说明访客对网站兴趣越大。

一般来说，会将平均访问页数和平均访问时长这两个指标放在一起分析，进而衡量网站的用户体验情况。

(3) 访客参与度

“趋于吸引更多的关注与兴趣”，参与度本质上讲是一个定性指标。

如果必须以个人的主观判断区别某个指标的好坏，则可能该指标本来就不是个好指标。

定量的数据(网站分析)之所以不能很好地分析参与度是因为它只能衡量参与度的程度，而不能衡量参与度的类别性质。在网站分析领域讨论用户的参与度时，讨论的只是参与度的程度，至于参与度的类别需要其他外界的数据源来衡量。

参与度的程度：参与度产生正面与负面作用的程度取决于一些列连续的变化过程，即由低介入度(即心理上的冷淡)逐渐到高参与度(即心理上的热衷)。

参与度的类别：用户对一个公司或产品的参与度可能是正面的，也可能是负面的。对类别进行深入考察才能了解其意义，通常是一些感性表达或理性认识。

访客的访问次数和访问频率指标有助于了解参与度的程度。访客浏览的页面越多，访问深度就越深，参与度就越高。网站停留时间，回访次数也是如此。访问者的参与包含了跳出率、在网站停留的时间和每位访问者浏览的次数。高于平均值的跳出率或者每个访客在浏览网站页面时停留的时间下降可能意味着你开始获得更少的相关流量。

(4) 跳出率和退出率

跳出率：只浏览了一个页面便离开了网站的访问次数占总的访问次数的百分比，即只浏览了一个页面的访问次数 / 全部的访问次数汇总。

涵义：跳出率是非常重要的访客黏性指标，它显示了访客对网站的兴趣程度： 跳出率越低说明流量质量越好，访客对网站的内容越感兴趣，这些访客越可能是网站的有效用户、忠实用户。该指标也可以衡量网络营销的效果，指出有多少访客被网络营销吸引到宣传产品页或网站上之后，又流失掉了。

比如网站在某媒体上打广告推广，分析从这个推广来源进入的访客指标，其跳出率可以反映出选择这个媒体是否合适，广告语的撰写是否优秀，以及网站登录页的设计是否用户体验良好。

主要是针对那些来到网站没有任何操作行为的访客。是用于发现明显问题的页面的最好操作性的指标，很好地衡量访客的行为。跳出率应该随着网站的优化而逐渐降低，跳出率与客户体验有很大的关系。如果跳出率过高，就证明客户体验很差，也就是优化不到位。

至少需要在两个层次上衡量网站的跳出率：整个网站总体的跳出率和最热门登陆页的跳出率。为你的页面定义一个跳出率的临界值，通过网站分析系统的数据改进网站的目的。

跳出率注意事项：

1.检查网站上热门登陆页及其跳出率；

2.衡量搜索词的跳出率，含自然搜索与付费搜索。检查引入流量最多的前25个关键词及他们的跳出率。跳出率多的关键词说明网站没有能满足用户的意图，一是网站在这些不合适的关键词搜索结果中排名很高，二是对应的登录页面欠佳，吸引用户的能力有限。

3.衡量外链的跳出率，网站流量最大的外链的跳出率，以及带来流量且不会跳出或跳出率很低的外链。

4.博客不适合用跳出率衡量：大部分人来到你的博客知识为了阅读最近的更新文章，然后就离开了。不用总体跳出率，但可细分数据，看新访客的跳出率情况。加入收藏夹也算是点击行为。

退出率：用户从某个页面离开次数占总浏览量的比例。在某个页面有多少访客离开网站。即访客启动会话后，是在哪个页面退出网站的。所有来到网站的访客，最终都会离开，并不能代表该页面是否满足他们的要求。

我们可以通过自己对数据的分析来区分哪些退出率是好的，哪些退出率是坏的，结合跳出率即可做到。跳出率低的退出就是坏的退出。用抛弃率来衡量订单提交流程、用户注册流程以及其他一些需要多个步骤的固定化流程。

2.4 流量转化指标简介

(1) 转化次数

定义：访客到达转化目标页面，或完成网站运营者期望其完成动作的次数。

涵义：转化就是访客做了任意一项网站管理者希望访客做的事。与网站运营者期望达到的推广目的和效果有关。

最基本的衡量标准是一个目标结果的产生，包括订单、邮件地址提交、询盘发送、资料下载、或访问某一特定页面或其他类型的目标。广义地来说转化相应的行动可以是用户登录、用户注册、用户订阅、用户下载、用户购买等一系列用户行为；在实际监控中可以分为两种，页面转化目标和事件转化目标：

页面转化目标：是指某个页面作为转化目标，访客到该指定页面后即为转化成功，比如访客到达了最后的购买成功页面。

事件转化目标：是相对页面目标而言的，指网页内部的某个可以点击的元素，如链接、按钮等。访客触发了指定的元素后即为转化成功，比如访客点击了“抢购”的按钮。

从转化量和成本的角度细分看待这些广告渠道：

明星渠道： 转化量大但成本高，这种渠道一般都是比较强力的流量来源，当然他们的功能和效率获得了市场的认可，比如一些大型的导航网站，所以成本就会比较高，就像实力派明星一样有号召力但同时身价也很高。如果资金充裕可以考虑适量的购入。

金牛渠道： 转化量大且成本低，简单地说就是这是个价廉物美的好流量来源，会在拉低成本和提升收入两个重点方面都做出贡献，建议作为最高优先级的渠道购入，作为网站流量进步的主要拉动力量。

问题渠道： 转化量小且成本高，这样的渠道就和名字一样，真的就是个问题了，带来的流量反而会拉低网站整体盈利能力。如果第一时间发现现状和预期不符合，则要及时控制，避免后续的各种损失。

长尾渠道： 转化量小但成本低，看待问题第一步都可以考虑用二八法则思考，也就是抓主要矛盾，如此长尾的渠道贡献比较小，在财力和精力有限的情况下可以先放弃，优先把金牛渠道充分利用好。

(2) 转化率

定义：转化率=转化次数/访问次数。

涵义：转化率即访问转化的效率，数值越高说明越多的访次完成了网站运营者希望访客进行的操作。

用某种产出来除以独立访客或访客量。包括宏观转化及微观转化，即对转化进行细分。从整体着眼，考察宏观转化；对于重点部分，着重标识和衡量微观转化。永远会有一定比例的流量不会发生转化，因为他们访问网站另有原因。网站的核心目标是宏观转化。

衡量微观转化的好处：

① 了解网站主要目标之外的功能；

② 衡量网站的多元化影响；

③ 强制你了解访客在站内的各式行为

3. 流量来源分析与优化

网站流量来源可以分为五种种：搜索引擎、外部链接、社交媒体、直接访问、其他流量，网站分析中的流量导入分析即是分析这些来源流量的数量质量以及改进和优化。

3.1 搜索流量分析与优化

分析流量来源，主要是为了优化流量和内容，为了提升导入流量的数量和质量。应从3个角度对访客来源进行分析：他们是谁？告诉了你什么？下一步怎么做？要细心查看带来流量的具体是哪些网站、哪些关键词、哪些词组，然后针对性采取策略。

搜索引擎流量：搜索引擎流量应占一半左右，包括SEO自然搜索流量和PPC付费搜索流量。必须同时兼顾付费搜索和自然搜索，让网站分析系统能够区分自然搜索和付费搜索流量，添加跟踪参数，分别衡量付费搜索和自然搜索流量的绩效。

细分所有流量，查看付费搜索和自然搜索流量的各自情况，找出哪些关键词带来了流量及其基本绩效指标(停留时间、新访问比例等)。重点关注付费广告的长期趋势如何：情况变好？还是变坏？找出流量的重大变动点及其原因并做出改变调整。

在当前互联网体系中，一般来说搜索引擎是给大多数网站带来的访客是最多的。所以如果想使网站获得更多流量，那就得先让搜索引擎找到网站，收录更多页面，也就是让网站在搜索引擎里有更多的曝光率，网民后续点击进入网站的机会更多。

●如何做搜索引擎流量来源流量分析？

搜索引擎流量可以分为两种：自然搜索结果被点击产生的免费流量，针对的优化方法是SEO；另外就是商业推广结果被点击产品的付费流量，针对的优化方法是 SEM。

具体分析方法是：先了解并分析搜索引擎总流量，再细分每个搜索引擎流量，最后细分重要的搜索词带来流量。

根据各搜索引擎给网站带来的流量数据，可以及时了解到哪些搜索引擎能够给网站带来更多访客，以及哪些搜索引擎带来的访客更关注网站的内容，后续可以将更多推广预算或者SEO资源分配到能够给网站带来更多访客且访客关注度更高的搜索引擎；对于带来较少访客或者访客关注度不高的搜索引擎，可以结合业务背景进一步分析原因，并不断提高这些搜索引擎带来的流量及流量质量，以避免盲目地降低推广预算或者 SEO 资源导致潜在访客的流失。

●搜索词流量分析

仅仅分析到搜索引擎是不够的，需要细化到搜索引擎下面的搜索词带来流量的表现。热门搜索词帮助大家了解用户的搜索习惯，通过更多词优化网站收录。

●认清搜索引擎收录量

在百度统计的【搜索引擎】报告中每个搜索引擎名称后面有个“收”字的图标，点击后会跳转到各个搜索引擎查看对应的收录量估算值。
上述除百度外的其他搜索引擎收录量是通过在搜索引擎输入框中输入“site：domain.com”得知的，尤其在百度搜索引擎中是很可能有误差的估算值。

3.2 外链流量分析与优化

外链流量(Referring Sites)：通过外链引来的流量，包括博客、行业联盟网站、论坛、竞争对手网站等。外链流量太少说明自我推销工作不到位。

运营的网站在网络媒体网站购买广告位，查看外部链接报告发现流量有增长，细分其他外部网站购买的广告位引入的流量表现，力求花更少的钱引入更优质的流量。

透彻的分析是找到的问题的本质并改进，分析过后不能只问自己选择网站 B 微博还是网站 A 投放广告，还要再回到原点，想想需求是什么（投放广告引入流量），问题在哪里（购买的广告位 ROI 要再提升），让分析高效地指导实际操作。

3.3 直接流量分析和优化

直接流量(Rirect Traffic)：指直接输入URL或者是使用收藏夹和标签来到网站的流量。直接流量较低意味着网站在于用户有效互动、吸引用户回访方面存在问题。

理想情况下，直接访问是指的是通过在浏览器地址栏输入网址或者点击收藏夹中收藏的网址链接访问网站的访客。需要尤其强调的是直接访问也可能包括通过离线（即出版物、电视）广告系列吸引来的访客。但在现实中，任何没有来源信息的访问流量均视为直接访问，包括但不限于如下来源：Flash 广告，IM 工具，弹窗广告等。

要针对站外广告来源都定制化标记。直接流量中部分流量如果比较大，而且登录页不是网站首页，则这部分流量大多数都不是访客直接输入网址产生的流量，建议找到原因，把这部分流量的来源监控起来。

3.4 社交流量分析与优化(略)

3.5 其他流量分析与优化

包括Banner广告、电子邮件营销、联盟广告带来的流量。

如果其他来源流量达45%，说明在吸引免费SEO和外链流量方面做得不够。

3.6 受访页面分析和优化

网站的内容是其具体价值之一， 内容依靠页面承载，访客到网站不全是看网站的名气和品牌，更多的还是针对网站上的内容和服务，所以站长通过分析不同类型的页面来分析网站并不断优化提升。受访页面从访问顺序维度可分为登录页和退出页。

如何评判相关指标在分析页面价值维度中的作用？

●贡献下游浏览量：助你了解该页面对全站 PV 的贡献，越高说明其对其他页面的 PV 输血能力越强。该页给本站其他页（包括跨域站点）带去浏览量的总和，即为贡献给下游浏览量。贡献下游浏览量较大说明这个页面的对后续浏览的页面贡献较大，也说明推荐内容很好地继承了前述页面的访问，能够迎合访问上个页面访客的兴趣，是比较合理的搭配。

●平均停留时长：考察了页面黏度，平均停留时长越长也越能说明访客对此页面关注。

●Page View(PV)：由于网站结构的设计，有些页面的贡献下游浏览量会比较高，哪个新闻的 PV 较大说明更受欢迎。

结合以上三个指标可以分析页面价值。对于新访客，登录页面网站的第一印象，就像人际交往中第一印象一样重要。

3.7 登录页面分析与优化

在优化手段上登录页面设计和内容很大程度上影响访客是不是选择进一步的浏览，或者怎么样浏览。网站的目标在于保持老用户，拓展新用户，所以要保持老用户数量稳定增长的前提下，提升新用户的所占比例。广告和登录页内容要匹配好，不建议内容差距太大，否则访客不会后续访问太多，甚至可能认为这不是他们想要的而离开。

退出率（Exit Rate）为该页面的退出次数 / 该页面的 PV 数。

退出率大小一般直接说明每个页面的内容质量的好坏。

跳出率的大小一般只能说明网站登录页（Landing Page）的质量。

理解了访客才能理解流量的本质。

系统环境包括浏览器、操作系统、屏幕分辨率、屏幕颜色、FLASH 版本、 是否支持 JAVA、 语言环境、 是否支持Cookie、网络服务提供商等。

此处包括了访客人口学属性和访客行为属性。可以更多地有针对性的提供内容和制定推广方案。通过此报告还能发现新的目标人群。

访客行为属性包括：访问深度和访问页数。访问深度是指访客在一次访问中浏览了网站内不同页面的数量，反映了访客对网站各个页面的关注程度；访问页数是指访客在一次访问中浏览您网站内页面的总数，如果对同一页面浏览了多次，访问页数也计多次，访问页数反映了访客对网站的总体关注度。通常，可以将这两个指标结合起来看，如果访问页数高，但访问深度低，说明访客集中关注网站上的少数页面；如果访问页数低，但访问深度高，说明访客关注点较分散。

登录页在转化流程中占据了重要的地位，具有承上启下的作用，很多中小网站的登录页面就是首页。有朋友可能会问，那登录页和首页有什么区别呢？打个比方，网站就是个有很多个门的建筑，首页就是大门，登录页指的是这栋建筑里的所有门。一个网站的首页体现网站类型、宗旨以及重点内容，要针对网站级别的主要流量进行设计；而登录页的内容是要针对某一方面的具体内容和流量。

分析完这些数据，怎么优化访问登录页帮助转化呢？上述优化主要包括，增加推广来源和登录页的内容匹配度、优化登录页面设计和内容、提升登录页到转化之间的易用性等。对于 PV较大的页面，推荐使用百度统计热力图（页面点击图）功能。“条条大路通罗马”，我们需要了解哪一条大路是访客最喜欢通过的，最经常通过的，并且不断地优化这些路径，让访客更多地转化成功。

转化路径的流量等指标一般来说会呈现出漏斗的形状，因为在转化的流程中各种因素导致访客流失。我们需要发现那个环节出现问题，或者和预期不相符，然后迅速改进，就像是审视一根漏水的管子，要及时堵住漏洞，让更多的流量输入网站的转化页面。

4. 竞争对手网站分析

4.1 竞争情报分析基础

竞争情报(Compete Information)就是对竞争对手、垂直市场或整个网络生态系统的分析。对竞争对手的分析，主要是通过相关的工具对竞争对手网站分析的全面了解。同样，对于竞争对手网站分析的工具、方法和思维方式，全都适用于对自己网站的分析、对B2B网站平台的分析、对第三方服务商的分析以及对客户网站的分析等。

竞争情报可以从根本上改善你的决策制定过程：

⑴ 你可以从更多的方面了解自己的业绩；

⑵ 可以探究商业趋势、获得有用的发现；

⑶ 还可以在近乎无约束的网络环境下更好地了解你的竞争对手。

CI工具与网站分析工具的数据可能不匹配，毕竟CI工具不能进入对方的网站加码。二者在数据收集的本质区别意味着虽然两者数据来源很类似，趋势看起来也很相像，但永远不会完全一致。务必确保样本偏差和抽样偏差尽量小。

CI数据分析步骤：

⑴ 准确了解数据是如何获得的；

⑵ 理解数据的样本大小和抽样偏差；

⑶ 如果顺利通过以上两步，就可以使用数据了。

4.2 竞争对手分析指标

●网站流量分析

市场占有率分析share of shelf

compete能够查看网站通过某个关键词得到了多少流量。对你重要的关键词来说，市场占有率分析必不可少。

竞争性关键词优势分析

●关键词扩展分析

目标：你需要对哪些关键词竞价？

能带来充足流量而价格又不是很贵的关键词。

●受众识别和细分分析

大部分网民反感的不是广告本身，而是与自己无关的广告。

如何知道用户需要什么样的广告呢？在砸钱之前要先进行受众识别和细分分析。

●基于人口统计学的细分分析

可以使用受众的人口统计学细分分析来锁定目标用户使用的网站。

应用Ad Planner，可以确认用户兴趣所在网站的统计概况。竞争者的网站数据对自己的网站很有用，可以帮你了解访问自己网站的用户特征，还可以分析自己网站用户概况和主要竞争对手网站的用户概况之间的差异。

●基于用户心理的细分分析

●搜索行为和受众细分分析

互联网广告的最高境界是将广告的展示与用户的搜索行为结合起来。