Web数据分析概论

前言：

      互联网企业总是花上百万美元在网站分析，但是根据调查很多分析最后因为没有很好的数据支撑而并没有实际的应用价值，有的还导致了产品走向了与用户期望相反的方向。最近十年，数据分析的思想逐渐取代“经验论”成为主流，而“经验论”也逐渐向“方法论”开始转变，更加注重调查分析和研究。对互联网企业而言，精通数据分析技术，精通如何监控和测量数据指标已经成为营运核心技术，计划如果不是建立再数据的基础上，一切思想只能是空谈。

Web数据分析纲要

• 互联网营运数据分析框架体系

一、数据分析方法在互联网企业中的作用

　　　　　　l   建立以数据的为中心的产品体系的环境要求

　　　　　　l   数据驱动型组织形式概述

　　　　　　　　1.   研究中心型

　　　　　　　　2.   执行中心型

　　　　二、在组织的不断优化过程中产生的问题

　　　　　　l   数据驱动型的产品的流程框架

　　　　　　　　1.   需求管理

　　　　　　　　2.   市场管理

　　　　　　　　3.   产品开发管理

• 互联网营运KIA数据分析

　　　　　　l   KIA数据对产品的影响

　　　　　　l   KIA分析要素

　　　　　　　　1.   Click Density Analysis  点击密度分析

　　　　　　　　2.   Visitor Primary Purpose  访客首要目的

　　　　　　　　3.   Task Completion Rates  任务完成率

　　　　　　　　4.   Segmented Visitor Trends  用户分层

　　　　　　　　5.   Multichannel Impact Analysis  渠道分析

• 互联网营运综合指标数据分析

　　　　l   综合指标数据对产品的影响

　　　　l   综合指标数据分析要素

　　　　　　1. Clickstream Data 点击流数据

　　　　　　　　直接输入URL数量

　　　　　　　　访客来源

　　　　　　　　访客地理位置

　　　　　　2. Outcomes Data 结果型数据

　　　　　　　　访客（初次访问数，访问总数，平均回访数，关注点）

　　　　　　　　页面浏览（平均浏览数，总PV ，访问超过一页的访客比）

　　　　　　　　时间（全局，人均）

　　　　　　　　关键行为（如：注册，购买）

　　　　　　　　转化率

　　　　　　　　相关（Keyword，趋势，网站）

　　　　　　3. Research Data 体验研究数据

　　　　　　　　调查

　　　　　　　　启发式评估

　　　　　　　　可用性测试

　　　　　　　　访客属性

　　　　　　4. Competitive Data 竞争性数据

　　　　　　　　“面”数据测量
　　　　　　　　
　　　　　　　　网络服务提供数据测量

　　　　　　　　搜索引擎测量

　　　　二、网站综合数据驱动的产品改进

　　　　　　l   从数据中发现问题

　　　　　　　　1.   产品设计问题

　　　　　　　　2.   营运策略问题

　　　　　　　　3.   战略规划问题

　　　　　　l   问题的等级评估

　　　　　　　　1.   问题的影响度评估

　　　　　　　　2.   问题的优先等级排序

　　　　　　　　3.   问题的改进计划

　　　　　　l   改进后评估

　　　　　　　　1.   产品用户体验评估

　　　　　　　　2.   产品用户喜好度评估