《网站分析实战--如何以数据驱动决策，提升网站价值》学习笔记

一、网站分析的目的及流程

1.1 网站分析的目标

除政府和公益类网站之外，多数网站目的是产生货币收入。将总目标进行分解，量化为一个个小目标。
主要分析对象是投资回报率（ROI）

1.2 如何进行网站分析

四个层面依次递增：流量、内容、转化、投资回报。

1.2.1 流量分析

针对访问者的需求，有效展示网站内容、商品和信息，并让客户喜欢这些内容。

a. 从质和量两个维度进行分析：

第一象限质高量高，保持并降低获取流量成本；
第二象限质高量低，用户忠诚度高，提高流量数量；
第三象限质低量一般；
第四象限，量高质低，采用细分法提高流量质量。

b. 流量多维度细分
通过不同维度对指标进行分割，查看同一个指标(即流量)在不同维度下的表现，进而找出有问题的那部分指标，对此部分进行优化。

c. 流量重合度分析
针对质量比较差的第三象限流量渠道需要分析此渠道和其他渠道之间的关系，也就是渠道间访问者重合度，存在重合度，若撤销此渠道，可能会影响其他重合渠道。

1.2.2 内容分析

内容分析分为导航分析、页面质量以及其他方向内容分析等。
对所有网站页面可划分为：导航页、功能页、内容页。

导航页：引导访问者找到信息（首页和列表页是典型的导航页）；
功能页：帮助访问者完成特定任务（站内搜索页面、注册表单页面、购物车页面是典型的功能页面）；
内容页：向访问者展示信息·并帮助访问者进行决策（产品详情、新闻和文章页是典型的内容页）。

在此类结构网站中：分析时寻找两类诡异行为：

一是访问者在导航类页面中途离开，（分析中途离开原因）
二是访问者从内容页面重新返回导航类页面（除非两次搜寻相关性很小，否则考虑内容类页面提供交叉信息推荐）。这两种行为不符合网站设计初衷。

页面质量：
对于导航类页面，最简单的方法是检查访问者从这个页面到下一个页面的分流情况，流量去向是否符合我们最初的设计思路和逻辑，是否将访问者带到促进目标达成的关键页面。(对于复杂问题，需要对访问者进行分类，对不同页面位置及流量去向分配权重。)

1.2.3 转化分析（漏斗分析）

让访问者转化为客户，购买网站信息和商品

转化渠道主要分为两部分析：访问者流失和迷失。
流失：转化阻力（错误的设计和错误的引导等）
迷失：主要是转化流量设计不合理，访问者得不到需要的信息，并且不能根据现有信息做出决策。

1.2.4 投资回报

增加最终收入的两个方法：获得更多访问者、提升每一步转化率。
转化率提升1%：带来降低客户成本、增加潜在收入；对于网站意味着购买流量的钱变得更有效，每个客户获取成本更低。
$降低客户成本=\frac{成本/访问者\ast (转化率-(转化率+0.01))}{成本/访问者\ast 转化率}$
$增加潜在收入=\frac{访问者\ast (转化率+0.01)\ast 客单价}{访问者\ast (转化率)\ast 客单价}$

网站分析对于网站及业务的价值
a. 合格且有质量的流量来源访问网站
b. 清晰的导航结构将访问者将访问者带到他们感兴趣的内容页面上，而提供的信息也必须符合访问者需求。
c. 让访问者顺利完成目标

1.3 网站分析基本流程

网站分析：发现问题、分析问题、解决问题
发现问题：网站运营中遇到的问题、用户反馈和抱怨、日常统计数据表现异常等;
分析问题：根据具体问题对其做出解释;
解决问题：寻求最优解决方案并执行。

质量管理中六西格玛中的DMAIC循环进行网站数据分析：
DMAIC：定义/define、测量/measure、分析/analysis、改进/improve、控制/control

1.3.1 定义

识别和确定用户需求，定义任务的目标和意义（对于网站数据分析，可表述为确定此次分析所针对的具体问题，最终需要达到何种目的，对网站有何切实意义，确定分析范围以及规划本次分析工作进度和质量控制）。

1.3.2 测量

数据收集、量化分析（对于网站分析来说，尽量获得完整、真实、准确的数据、做好数据预处理工作）

1.3.3 分析

使用数据统计和分析方法找到问题的本质，最后对定义中问题进行归纳和总结，不能偏离问题的范围和本质。

1.3.4 改进

找到最优解决方案，使问题得到解决或使问题负面影响降到最低。

1.3.5 控制

监控改进结果，防止相同问题重现；控制要的是持续的反馈和监控。

二、网站分析中的基础指标解释

2.1 网站数据获取

a. 数据来源

网站日志文件、Web Beacons(打点)、JS页面标记（JavaScript Tags）

b. 数据输出

无论哪种数据获取方式，最终的输出形式都是网站日志

访问终端IP地址：进行用户及用户地域识别，存在伪装误差。
时间戳：用户行为发生具体时间；
访问地址路径：定位访问具体对象
访问来源：Referral，当referral丢失时日志中该字段显示“-”
User Agent:识别用户身份，统计用户所使用终端设备产品和版本信息，UA可自定义，故可能存在偏差。
其他定制信息：JS对应2标志，详见P41-P44.

c. 用户识别

IP地址：伪IP、代理、动态IP、局域网共享同一公网IP出口等情况会干扰获取的IP地址唯一性和准确性。获取难度低，准确度低。
IP + User Agent：使用相同终端浏览网站时，User Agent信息相对固定，固定操作系统，相对固定的浏览器，但User Agent信息用户可自定义。获取难度低，准确度略有提升。
Cookie：Cookie网站以一小段文本的形式存放在用户本地终端的信息，以便网站之后的读取，具有时效性。Cookie需要预先写入访问终端，如果用户禁用Cookie,那么此用户识别机制就会失效，当用户执行了清理Cookie或者重装系统等操作后，Cookie同样会丢失。获取难度上升，准确度偏高。
User ID：网站注册功能，注册后用户ID；已注册用户访问网站时获取用户ID作为用户标识，未注册用户用随机分配的Cookie识别用户身份。
其他：例如邮箱地址或者手机号作为用户识别ID，PC端获取PC机MAC地址，移动端获取用户SIM卡信息。

d. 点击流模型

2.2 网站分析中的指标

2.2.1 网站分析中的骨灰级指标

IP地址：获取访问者地理位置信息，并生成访问者报告下的“地图覆盖图”报告。（IP地址作为流量指标信息不准确）。

浏览量PageView和唯一身份浏览量Unique PageView：
PV和UPV都是基于页面的指标
PV：页面被加载的总次数，页面被成功加载一次，就算做一次PV
UPV：汇总由同一用户在同一会话期间生成的浏览量。当页面受到同一用户在同一session的访问时算作一次UPV。
浏览量就是追踪代码被加载次数的总和，通过cookie_utmb中的值获取。而唯一身份浏览量通过网站各网页上用户session（默认30min）总和获取。
（同一次会话中，用户如果打开某页面多次，UPV只记一次，PV每打开一次记录一次。）

2.2.2 网站分析中的基础级指标

访问次数Visits：网站所有访问者发起的具体会话次数
绝对唯一访问者Visitor：在指定时间段内（仅计数一次）的访问者人数
网站停留时间Time on site和页面停留时间Time on page：记录用户在网站或页面的停留时间（最后一个页面停留时间无法计算）

2.2.3 网站分析中的复合级指标

a. 跳出率Bounce Rate 和退出率Exit Rate：表示离开网站的访问者数量
Bounce Rate：某个范围内跳出的值与总访问数的百分比
Exit Rate：某个范围内退出值与综合浏览量的百分比。

>跳出率可通过调整广告渠道，优化登录页面内容来降低。
跳出和退出不仅可以基于页面和内容，同样也可以基于流量来源、地区、时间以及访问者类别。通过跳出和退出可以比较网站不同来源、不同数据、不同地区或不同类别访问者数量。

b. 访问时长和访问深度：反应了访问质量

三、网站分析常用方法

网站分析三板斧：

趋势分析/Trend Analysis
对比分析/Comparative Analysis
细分分析/Segmentation Analysis

3.1 数据分析前准备工作

了解数据或指标来源类型、背景信息、对数据进行清洗预处理，同时清楚了解哪些因素可能会给数据的计算和分析带来偏差，防止“garbage in, garbage out”

3.1.1 数据的来源

a . 点击流量（clickstream）：
通过网站日志形式获取，通过解释和处理后得到点击流模型，通过用户访问、浏览和点击行为，解释用户在网站中做了什么（“what”）。可获得如访问数、页面浏览数、停留时长等
b. 业务运营数据(multiple outcomes)：
网站内容的运营情况、商品的销售情况、用户信息和交易情况等。数据来源于ERP或CRM系统。因为记录的是产出结果数据，可以衡量网站的绩效和目标。
解释“How much”问题。销售额，订单量、购买用户数等指标。
c. 实验测试数据(experimentation &testing)：
临时采集，为网站改版、用户体验优化等专题服务，例如A/B测试，解决which问题
d. 用户调研数据(voice of customer)：典型定性分析
问卷调查、焦点小组、可用性实验、卡片分类等各种测试来寻求结果。
e. 行业发展数据（ecosystem）：
同行业发展趋势，第三方咨询分析机构会定期出一些行业数据报告供参考。
f. 竞争对手数据（competitors）:

3.1.2 数据清洗与整理

数据质量四要素：完整性/integrity、一致性/consistency、准确性/accuracy、及时性/timeliness。

a. 数据完整性：对缺失值的查找与处理，常用均值、中位数、众数或其他预估值等进行填充。
b. 一致性：

（a）数据源描述以及格式不一致需统一，如深圳和深圳市。
（b）删除重复值
（c）不满足既定的一致性规则，需重新检查底层数据模型的设计、维表的结构、与事实表的关联是否存在问题或者某些指标的定义和计算规则是否统一。

c. 准确性：异常值处理

我们的数据是否准确：
（a）不同工具之间存在一定的差异性，session时间的定义，用户浏览器是否禁用JS等。
（b）用户识别：单纯访问的访客/visitors、注册登陆用户/users、购买商品后的顾客/customers，后两者通过用户名和用户id识别准确率较高。
（c）停留时间：很难判断用户具体行为，仅作参考，目前通过计算浏览最后一个页面到浏览第一个页面之间的时间间隔得到，最后一个页面停留时间未考虑。
（d）访问来源：直接流量、搜索来源、外部网站和收费campaign流量
（e）转化率：来源于点击流数据和网站运营数据库数据的关联问题
网站数据偏差相对固定在±5% ~ ±10%。统一数据分析处理方法和衡量标准，保证分析结果的有效性。

3.2 网站数据趋势分析

不同数据需求方需求侧重点不同：

3.2.1 同比、环比、定基比

a. 定义

3.2.2 趋势线拟合变化趋势的一种常见技术

数据趋势线是使用拟合技术来表现数据大体的，常见的趋势线包括指数趋势线、对数趋 势线和线性趋势线。
指数趋势线：用于拟合以指数形式增长的数据，即增长速度先慢后快
线性趋势线：增长速度基本均匀
对数趋势线：增长速度先快后慢
多项式趋势线：变化趋势比较不固定的数据，可拟合比较复杂的曲线
幂趋势线：与指数相似
移动平均：可以根据自身的变化情况做出平滑效果的拟合线，比较常用

3.2.3 数据监控自动化

使用移动平均监控指标变化需满足以下两个条件： 

指标没有明显的快速增长或下降趋势 
指标不具备周期性波动特征

通过预测值与实际量进行比较，分析实际量与预测量之间的差距。
ARPU：总的销售额/用户数

3.3 网站数据对比分析

3.3.1 简单合并比较

百分比评分均值比较法：
所有指标除以总体的最大值，然后做简单的平均后进行比较（加权后有一定影响） 。
标准化指标合并比较法：
数据的标准化：指标减去均值除以标准差 $x=\frac{x-\mu }{\sigma }$

3.3.2 比较实验的设定

基于时间序列的组内比较：在时间序列上某个时间点引入实验变量或者施加实验刺激，并在 刺激前后进行重复测试，即前测和后测，比较结果反映实验刺激的影响性。
基于对照实验的组间比较：划分群体。同时进行对比。

3.3.3 让比较结果更可信

卡方检验：即 X2检验，用来验证两个总体间某个比率（如转化率）是否存在显著性差异。
T 检验：

与目标对比 :
KPI 等。目标达成率

3.4 网站数据多维度细分

3.4.1 指标和维度

指标：用来记录访问者行为的数字。
基本指标：访问次数、综合浏览量，对访问者某种行为的简单记录和累加。
复合指标：访问深度、跳出率、平均网站停留时间和新访次数占比，通过指标之间简单 计算获得。

访问深度 = 访问次数/综合浏览量，表示访问者在每次访问中浏览网页的数量，对于内容型网站，访问深度越高越好。
跳出率 = 跳出访问次数/访问次数，表示目标网页的内容与访问者的匹配程度，内容匹配程度越高跳出率就越低。

维度：观察访问者行为的角度
常见维度：访问者属性维度、时间维度、流量来源维度、地理维度、内容维度和系统维度。

每个大维度类别下包含更多子维度：（可自定义多种不同衡量指标）
访问者维度：新访用户、回访用户
时间维度：年、月、日、小时
流量来源维度：搜索引擎、推介网站
地理维度：国家、地区、语言
内容维度：页面内容、页面属性
系统维度：浏览器类型、操作系统类型、接入方式、屏幕分辨率等

3.4.2 网站维度细分的目的

为了看清问题所在，从而更好发现解决问题。

维度细分优点：避免产生采样数据，避免平均数陷阱，增加细分目标、深度洞察数据

3.4.3 什么是细分（数据下钻）

细分是指标和维度的组合
深度细分：同时使用多个维度对一个或者多个指标进行细分
自定义细分维度

3.4.4 细分的常用方法

标记用户群体细分：
细分用户流量前：确定非注册用户、新注册用户、已注册用户三组用户

通过用户访问特定的页面对其进行分类
通过用户点击特定的链接对其进行分类
通过用户自主选择对其进行分类

创建高级群组：创建不同用户群的高级群组。

四、网站流量分析

4.1 网站中常见的流量分类

直接流量：访问者直接输入域名访问网站产生的流量
推介流量：访问者通过点击其他网站的链接访问网站产生的流量
搜索引擎流量：访问者通过点击搜索结果访问网站产生的流量。

4.2 对网站流量进行过滤

针对某一细分维度的流量来源进行单独监控管理和目标设定

4.3 如何对广告流量进行追踪和分析

a. 对你的流量进行标记
b. 区分搜索付费流量和免费流量
c. 监测百度竞价流量 ROI
$投资回报率(ROI)=\frac{利润}{投资总量}\ast 100\%$
百度竞价：百度竞价 ROI = 网站获得的回报/百度竞价总投入*100%

提高百度竞价 ROI 方法： 

增加对高 ROI 关键词的投入 
提高登录页面转化率 
提高每位访客的回报价值

d. 挖掘有价值的搜索关键词

挖掘关键词的基本原理：

使用关键词在搜索引擎中的页排名
为网站设置合理目标：提高 PV 或者停留时间、设置转化目标
获得关键词页排名信息
配置高级过滤器
创建关键词页排名报告
区分每个关键词来源
挖掘有价值的关键词
检测 SEO 关键词效果

e. 追踪 EDM 的活动流量

4.4 如何辨别虚假流量

a. 虚假流量和真实流量的特征
虚假流量的特征：
目的性：虚假流量的产生一定和某个特定目的有关
规律性：特定的目的导致虚假流量一定有特殊的规律
真实流量的特征：
自然性：真实的流量在各个维度中表现一定是自然的 多样性：网民的喜好各不相同，行为也一定是多样的

b. 辨别虚假流量的十二种方法

1. 使用高级群组分割流量：避免其他来源流量的干扰
2. 流量产生的时间：访问者__访问者趋势__访问次数，时间精确到小时，访问量变化 趋势，某部分特别突出可疑度高
3. 流量的地理位置来源：访问者__地图覆盖图，流量集中在一个区域比较可疑
4. 流量的网络属性：访问者__服务提供商
5. 流量跳出率：访问者__访问者趋势__跳出率
6. 流量的网站停留时间：访问者__访问者趋势__网站停留时间
7. 进入路径 & 点击分布图：内容__热门内容__进入路径
8. 与目标报告相匹配
9. 单页面刷新分析：
10. 访客忠诚度分析：访客忠诚度是对一段时间内访客回访频率进行的分析。
11. 访客重合度分析：一段时间里排重后的访问者与排重前访问者的比例
12. 页面访问长尾分析：访问者页面浏览广泛程度

$访客重合度=1-\frac{排重访客}{未排重访客}\ast 100\%$

4.5 创建网站流量日记

a. 什么是网站流量日记：

记录网站流量变化的日记（将总流量进行细分记录）

b. 如何创建流量日记

c. 网站流量日记的作用
节约分析师时间
预测网站流量变化
记录网站历史事件
d. 开始第一次网站分析报告

1. 提供网站流量背景信息 网站是否稳定、进行了哪些推广活动、新增了哪些合作伙伴、网站搜索引擎表现如何等。
2. 解释网站流量变化 上升或者下降，是否符合预期
3. 找到问题并给出建议

4.6 创建网站流量日记

a. 直接流量波动常见原因
品牌广告、热点事件、内部访问、营销活动

b. 付费搜索流量(SEM)波动常见原因
关键词匹配方式、关键词出价策略、修改关键词创意、调整投放时间、竞争对手策略、 关键词数量、广告投放地域

c. 自然搜索流量（SEO）波动常见原因
网站收录量、标题描述优化、排名与外链、竞争对手、网站内部调整、服务器状态、SEM 策略
d. 引荐流量波动常见原因
引荐网站自身流量的变化、引荐链接形式变化、所在频道及位置变化、锚点文字及内容 变化。

五、网站内容效率分析

5.1 网站页面参与度分析

a. 页面参与度定义
访问者在网站中的目标完成度

b. 页面参与度计算方法 $页面参与度=\frac{总目标价值}{唯一身份综合浏览量(UPV)}$

c. 设置并查看页面参与度指标
页面参与度指标其实就是设置目标时的目标价值

d. 页面参与度指标的两个作用
记录不同页面在完成网站目标中所起的作用，基于此可以发现两个对网站分析最直接的作用。
页面与目标的相关性：只有当页面参与了网站目标转化，才会有参与度指标
页面对目标的促进度：页面每参加一次目标转化，参与度指标都会增加。

5.2 网站页面热力图分析

a. 页面热力图分析
热力图即为网页点击量可视化工具，以直观的方式显示出访问者在网页中的点击行为， 并且可以告诉你不同位置、不同样式链接的受欢迎程度
热力图功能

1. 页面中点击行为的质与量分析：
   点击行为的量指页面中链接被访问者点击的次数
   点击行为的质是指访问者点击链接后完成目标的比率。（这些目标可能包括访问者 的注册、下载、购买商品等一系列行为）
2. 分屏的点击量分布数据分析： 分析访问者在首屏、二屏及三屏等位置的点击行为。
3. 不同时间范围的数据对比：同比与环比
4. 点击量占比分层筛选功能：哪些链接获得点击量最多，哪些链接带来的转化最多， 哪些链接获得的链接较少甚至可以忽略。

b. 热力图中的数字含义

1. $点击次数百分比=\frac{链接被点击次数}{页面所有链接被点击次数}$
2. 内容详情中的数据 浏览量、停留时间、跳出率
3. 最普遍的人口统计特点数据 语言、国家

c. 热力图中的细分功能

1. 使用报告级过滤细分：过滤条件、条件、值
2. 使用高级群体细分
3. 使用人口统计维度细分

d. 热力图中的路径分析

1. 流量的进入来源
2. 离开后的目标页

e. 热力图常见问题

5.3 页面加载时间分析

5.4 网站中的三种渠道分析

网站流量来源渠道、网站的内部渠道、网站的目标渠道。
第一和第三种理想情况下应该是直线渠道，就是说访客按照网站预先设定路线完成任务， 这通常也是最优方法。
渠道访次、步骤转化率、步骤流失率、渠道转化率、目标转化率。

5.5 追踪并分析网站的 404 页面

5.6 最终产品页分析

分析目的：通过网站内容的分析帮助运营部提升工作效率
分析描述：分析网站中每个内容的热门程度、明确内容在整体中所处的位置；发现需要 进行运营优化的内容，提供参考的调整建议；基于内容指标的表现对内容价值做出综合的评 价。
预期结果：内容热门度、内容运营调整建议、内容综合评分

六、网站用户分析

网站用户分析主要集中在三个方面：用户统计监控、用户定向营销、用户调研

6.1 用户分类

对于用户分类统计分析，可以看到用户每个细分群体的变化情况，进而掌握整个网站全年情况。

6.1.1 用户指标

访问用户、新/老用户、活跃用户、流失用户、留存用户、回访用户、沉默用户、休眠用户、 购买用户、忠诚用户等。
用户细分的关键在于以合理的体系将用户细分成几类，并且每个类别都能发挥其在用户分析 上的功效，不存在累赘和混淆。
访问用户：UV，按天或者月统计，体现网站访问用户量，反映网站受欢迎程度
新用户数：首次访问或者刚注册的用户，用于分析网站的推广效果和发展速度；
活跃用户：一般定义有关键动作或者行为达到某个要求时的用户为活跃用户。只有活跃 用户才能直接或者间接地为网站创造价值；
流失用户：一段时间未访问或者登陆网站的用户，该时间自定义，根据实际状况。
回访用户数：之前已流失，后来又重新访问网站的用户，用于分析网站挽回流失用户的 能力。
通过以上获得访问用户数、新用户数、活跃用户数、流失用户数、回访用户数的同时，通过计算获得老用户数、留存用户数等衍生用户指标，及新用户比例、活跃用户比例、用户流失率、用户访问率等复合指标。

➢ 新用户比例大于用户流失率，产品处于发展成长阶段；
➢ 新用户比例与用户流失率持平，产品处于成熟稳定阶段
➢ 新用户比例低于用户流失率，产品处于下滑衰退阶段

6.1.2 新老用户

老用户是网站生存的基础、新用户是网站发展的动力

6.1.3 活跃用户和流失用户

分析网站的活跃用户可以洞悉网站当前真实的运营现状，而分析流失用户则可以了解网 站是否存在被淘汰的风险，以及网站是否有能力留住新用户。

6.2 用户行为分析

6.2.1 每个用户行为指标的分析价值

用户行为三大类：黏性、活跃、产出

1. 黏性/stickiness：用户使用持续性，关注用户在一段时间内持续访问和使用网站的情况(访问 频率、访问间隔时间)
2. 活跃/activity：针对用户每次访问过程，考察用户访问中的参与度（engagment）,所以对统 计期中用户的每次访问取了平均值（平均访问时长、平均访问页面数）
3. 产出/outcomes：根据网站业务衡量用户创造的直接价值输出（电子商务订单数和客单价）
   
   用户行为 RFM 分析，仅三个指标：（任何有记录的消费都可以用于分析）
   最近一次消费/recency
   消费频率/frequency
   消费金额/monetary
   获得三个指标数据后，计算每个指标均值与每位客户进行对比，将客户群体细分为 8 类。
   

6.2.2 基于用户行为指标的用户分布

用户行为模块：新老用户占比、访问频率和间隔、访问时长和深度的分布情况和展现。
饼图：显示每个数据类别比例
柱状图：展示不同数据项的数量大小，柱形之间是分离的
直方图：展现频率和分布，横坐标一般是连续的。
排列图：使用直方图显示数据分布，使用折线图表示数据分布的频率累计
散点图：两个指标之间的联系，相关分析和回归分析中较常用

6.2.3 基于用户细分的用户行为分析

➢ 流失用户和留存用户细分、
➢ 新老用户细分比较
➢ 首次二次购买用户细分比较
➢ 基于内容细分新老用户比较

6.3 用户忠诚度和价值分析

6.3.1 基于用户细分的用户行为分析

1. 用户忠诚度是用户出于对企业或者品牌的偏好而经常重复购买的程度。
2. 重复购买意向、交叉购买意向、客户推荐意向、价格忍耐力
3. 对于网站来说，用户忠诚度则是用户出于对网站功能或服务的偏好而经常访问该网站的行为
4. 用户行为指标：用户访问频率、最近访问间隔时间、平均停留时长和平均浏览页面数。
5. 使用 min-max 归一化（去除异常值），将 4 个指标分别进行归一化后缩放到 10 分制（[0,10]） 评分区间。
   

6.3.2 基于用户行为的综合评分

AHP(层次分析法)：对定性问题进行定量分析的一种简便、灵活、实用的多准则决策方法 通过 AHP 方法计算得到底层 4 个指标对忠诚度的影响权重


体现用户价值的输出： 最近购买间隔、购买频率、购买商品种类、平均每次消费额、单次最高消费额

6.3.3 用户的生命周期价值

用户在网站整个过程中持续创造价值的整个过程称为用户生命周期，而在这个过程中用户为网站创造价值的总和就是用户生命周期价值。
网站用户生命周期：用户首次访问网站（建立关系）到完全弃用网站（脱离关系）的整个发展过程。
用户生命周期分为 4 个阶段：考察、形成、稳定、退化。
用户平均生命周期价值 = 每个渠道来源带来的所有新用户的生命周期价值总和/该渠道来 源带来的新用户数。

七、网站目标与 KPI

7.1 对网站进行全面货币化

a. 设置电子商务追踪
b. 对目标设定货币价值

7.2 创建网站分析体系

7.2.1 定义网站目标

网站目标 6 原则 PRAMKU：
精确/Precise
现实性/Realistic
可实现性/Achievable
可测量性/Measurable
知名性/Known
被理解性/Understand.

7.2.2 获取并分解网站目标

1. 获得网站目标的方法
   一是自己亲自操作浏览，寻找网站目标
   二是直接询问网站创始人或负责人，网站存在的目的
2. 细化网站目标 让网站目标更加具体并具有可实现性
3. 分解网站目标 目标：子目标 1、子目标 2、子目标 3….
   
   针对页面分解、针对内容分解、网站正、负目标、检查与优化。

7.2.4 关注每个分解的目标（例如网站内容、站内搜索、线上广告 Z（外部））

1. 网站内容： 网站中的重要页面是否非常受欢迎？ 网站中的重要页面是否促进了网站核心目标的完整? 访问者到达重要页面的路径通常有哪些？ 有多少访问者在网站的重要页面结束了访问？
2. 站内搜索： 访问者在站内搜索中最常用的词有哪些？ 访问者最经常开始使用站内搜索的哪些页面？ 哪些搜索关键词促使访问者完成了网站核心目标？ 哪些搜索关键词让访问者直接离开了网站？ 搜索失败的次数？发生在哪些页面？
3. 线上广告（外部） ： 哪个广告带来了最多的访问者 哪个广告最大程度地促进了网站核心目标的完成？

a. 度量分解目标的完成

7.2.5 创建网站分析的 KPI

1. 创建网站目标结构图：网站目标 → 分解目标 → 分解目标 → 分解目标
2. 优化分解目标衡量指标：先标注与网站目标关系最密切的分解目标（直接入口页）， 然后再标注控制力较强的分解目标（广告流量）
3. 带着目标看数据
4. 完整的网站分析体系
   

7.3 KPI 网站分析成功之钥

7.4 KPI 在网站分析中的作用

1. KPI 必须是一个比率，百分比或平均数，而不是原始数据
2. KPI 一定包含个性化指标，而不仅是网站分析工具提供的指标
3. KPI 针对不同的使用者要有不同的层级
4. KPI 一定要有清晰地定义和边界
5. KPI 的变化一定可以驱动某个具体的行动

7.5 解读可执行的网站分析报告

网站分析报告三原则：

网站分析报告提供的必须是信息，而不是数据
有时候需要从人性哲学角度进行突破
坚持只为少数的关键人物做报告

7.5.1 可执行的网站分析报告的内容

可执行的网站分析报告内容分解：

关键 KPI 指标：
KPI 变化触发条件：按目标进行设置、按变化率进行设置、按货币影响进行设置
KPI 指标负责人：指标发生变化时由谁负责
数据分析负责人

7.5.2 KPI 指标的创建及选择

指标与网站目标高度相关
指标的变化度影响了网站目标的完成
寻找关键 KPI 指标共有 6 个步骤：
商业目标、网站目标、策略、指标、关键绩效指标、行动及见解

7.5.3 网站分析关键 KPI 指标报告

7.5.4 关键 KPI 指标变化分析

7.5.5 访客行为货币化

指标和访客行为转化为货币和收入过程中的三个基础指标：

每个访客价值 = 网站收入/唯一独立访客
每次访问价值 = 网站收入/访问次数
每次访问成本 = 购买流量成本/访问次数

7.5.6 创建属于你的 Acthion Dashboard

7.6 目标 KPI 的监控与分析

7.6.1 KPI 的数据监控

质量控制图分为：计数型控制图和计量型控制图，（P 控制图、X-MR 控制图）

7.6.2 KPI 背后的秘密

预期值 = 权重 ∗ 当前值 + (1 − 权重) ∗ 均值

八、路径与转化分析

8.1 探索用户足迹___关键转化路径

8.1.1 明确关键转化路径

用户购买转化购买流程图：进入 → 离开

8.1.2 测量关键转化路径：

8.1.3 漏斗模型展现

8.1.4 有效分析转化路径

8.1.5 为什么使用漏斗图

漏斗图可以提供八个主要指标：渠道进入次数、步骤进入次数、步骤通过次数、步骤转 化率、步骤离开次数、步骤退出次数、目标转化率和网站转化率。

1. 漏斗图是直观的业务衡量工具：转化流失比率，业务受欢迎程度
2. 漏斗图是端到端的重要部分
   提高网站收益的三种常用方法：
   提高访客数量、提高业务转化率、提高访客价值（选择高质量的流量导入渠道 来提高流量的价值、提高现有访客价值）

8.1.6 网站中的虚拟漏斗分析

1. 什么是网站的虚拟漏斗
   虚拟漏斗将网站的流量分为 4 个部分：
   网站全部流量、非跳出流量、非跳出且未转化流 量、转化流量。
   
   网站全部流量：网站获得的所有访问次数（如果某个渠道的流量直接以目标页作为 landing page,这个渠道的流量应该被去除）
   非跳出流量：网站获得所有访问次数中，浏览过一页以上的访问
   非跳出且未转化流量：网站获得所有访问次数中，浏览过一页以上，并且没有到达过目 标页面的访问。
   转化流量：网站获得所有访问次数中，到达过目标页面的访问。
2. 虚拟漏斗转化分析：
   转化率：第一步和第二步、第一步和最后一步（第三、四步除外）
   流失率：跳出率针对虚拟漏斗的第一步流失情况，
   退出率只适用于第三部针对内容 的分析
3. 如何创建虚拟漏斗
   网站全部流量
   非跳出流量
   非跳出且未转化流量
   转化流量

8.2 多路径优化选择

8.2.1 简化用户转化路径

8.2.2 让用户选择适合自己的路

让每个用户可以选择适合自己的购买流程，有效地提升了用户体验

8.2.3 多路径转化数据分析

多路径整体转化率 = 所有路径完成交易的用户数 / 所有进入网站的用户数

8.3 基于内容组的访问者路径分析

8.3.1 基于分析目的规划内容组

8.3.2 创建内容组前的准备工作

创建内容组的第一步是熟悉网站内容和页面 URL 规则

1. 整理并理解网站 URL：
   获取网站所有 URL 的三种方法：
   从技术或者网站管理员那里导出网站 URL 列表
   从现有的分析工具中导出最大时间段的 URL 列表
   按照 URL 规则生成 URL，并逐一验证
2. 对网站 URL 进行分组
   通过分析想要解决的问题，最基础的问题有多细致，分组就要有多细致。

8.3.3 使用过滤器创建内容组

1. 创建新配置文件
2. 逐一创建内容组

8.3.4 检查并优化内容组

1. 通过热门内容报告检查内容组
2. 优化过滤器顺序

8.3.5 访问者流报告功能概述

8.3.6 访问者流报告与其他功能配合使

1. 使用自定义报告对内容组进行细分
   
2. 使用高级细分对访问者流进行细分
   
3. 使用访问者级自定义变量进行分类追踪

九、网站分析高级应用

9.1 为你的网站定制追踪访问者行为

9.1.1 使用_trackPageview 函数自定义页面名称
9.1.2 使用_trackPageview 函数追踪出战链接
9.1.3 使用_trackPageview 函数记录时间维度
9.1.4 使用_trackPageview 函数记录页面状态
9.1.5 使用_trackPageview 函数记录用户行为

9.2 按需求创建个性化报告

9.2.1 创建报告前的准备工作

1. 确定各部门的数据需求（满足阅读者特定需求、报告阅读者是谁？他需要什么样的 数据？最关心的指标变化？有什么特殊需求？）
2. 创建个性化的配置文件
   报告中需要哪些功能、如何设置目标、是否需要成本数据、需要过滤哪些参数等
3. 使用自定义过滤器控制报告数据 正则表达式

9.2.2 设置自定义信息中心
9.2.3 对报告的用户权限进行管理
9.2.4 设置智能提醒和邮件报告

9.3 控制报告中的数据

9.3.1 过滤器基础

9.3.2 高级过滤

9.4 快速数据导出工具
9.5 数据分析高级应用


9.5.1 网站内容关联推荐