一 : 网站运营战略应该放弃的网站分析
对于一个站长来说，建一个网站很难，维持一个网站也很难，发展一个网站就更难了，总之，建好一个网站处处是难。二 : 关于大中小型网站最佳运营KPI/度量的分析
网站分析中，获取大量数据并不艰难，艰难的是建立考核体系，获取有效的高质量分析见解，以实现数字化的网站运作与营销活动。本文主要从Avinash的文章意译而来，有翻译不到位或错误的地方，望大家指正，同时建议英文好的朋友直接阅读原文《Best Web Metrics / KPIs for a Small， Medium or Large Sized Business》。
图一：网站运营最佳KPI/度量
一、小型网站最佳运营KPI/度量
1、营收成本度量
单次营收成本(CPA)
从目标获取的单次成本来考核，淘汰CPA不适当的营销项目，提高CPA较低项目的投入。
CPA应作为分析报告中的最佳度量之一，其中展示次数(Impressions)、点击数(Clicks)、点击率(CTR)、平均每次点击成本(Avg CPC)、转换(Conversions)等度量数据均可通过Google Analytics、Omniture等网站分析工具获得，但是成本(Cost)需要自行核算。
图二：小型网站运营成本KPI/度量
2、访客行为度量
跳出率(Bounce Rate)
通过跳出率高低，可辨别营销活动带来的访客与登陆页的相关性匹配情况，以此对营销活动进行减少或增加资源投入。
支付放弃率(Abandonment Rate)
最快挣钱的方法是从想给你钱的人手中获得。重点关注支付过程中放弃率最高的环节，通过减少支付步骤、将账号注册由开始放到最后、A/B测试与多变量测试(成本高)等措施不断测试、考核，将会有很大的营收改观。
通过Excel、Paditrack、KissMetrics等免费工具建立支付路径检测，可自动获取Abandonment Rate等相关度量。
图三：支付放弃率监测
3、效果度量
宏观转化率(Macro Conversion Rate)
作为小规模站点，我们要重点关注转化率，并竭尽所能去提高它。通过每天(周)查询流量来源报告中的转化率，降低表现不佳的流量来源投入，提高表现好的。做好营销策略让其涵盖面广，并都保持盈利，那我们的收益将会最大化。
图四：电子商务网站宏观转化率
我们可以给买两次的客户创建一个高级细分群体，然后通过来源、地理分布、两次购买产品的类型、关键字与营销活动等去挖掘更多同样的潜在客户。切记同时查看转化率与转化次数，以免决策失误。
作为小规模站点，只需围绕上述四个度量：单次营收成本(Cost Per Acquisition)、跳出率(Bounce Rate)、支付放弃率(Checkout Abandonment Rate)、全局转化率(Macro Conversion Rate)，进行运营监测，即可取得良好的功效。最好是已全面掌控此四大度量后，再拓展至其它度量。
二、中型网站最佳运营KPI/度量
1、营收成本度量
单次营收成本(CPA)
点击率(Click-through Rate)
CPA作为宏观度量，只提供营销活动的基本信息，我们还需要通过点击率(CTR)度量，更加深入的去分析联盟营销(Affiliate Marketing)、搜索引擎营销以及旗帜广告等营销活动的创收能力与访客质量。
SEO/SEM的关键字选词、排名、访客搜索词与关键字的匹配度，都会对提高CTR有帮助;如果访客来到我们网站(未跳出)，那么意味着我们获得了一次说服他们购买我们产品或服务的机会。
图五：点击率自定义报告
通常，通过频繁较大幅的对展示效果进行优化，会使得我们的再营销活动(Remarketing Campaigns)有巨大的改观。例如，优化EDM邮件标题、广告投放的地理位置等都会使CTR明显提高。而CTR就像是帮助你了解在第一次约会时是否 出现在正确的地点，适当的穿着，怡人的笑容。因此，我们应当将创意营销活动列出来，干掉表现差的，提高表现Good的，如此反复。
2、访客行为度量
跳出率(Bounce Rate)
支付放弃率(Checkout Abandonment Rate)
访问深度(Page Depth)
极少访客会在一个站点浏览几以上个页面，这是互联网实情。因此在不断提高用户体验、内容架构、内容相关性的同时，我们应当重点关注访客访问深度情况 (Page Depth)，而不是没有用处的平均每次访问页数(Average Page Views per Visit or Average Time)、平均网站停留时间(Average Time on Site)。
图六：页面访问深度分析
通过访问深度报告，我们可以将访客的访问根据个人喜好进行分类组合。例如分为放弃者、搭讪者、浏览者、一次性访客、忠实访客，那我们对内容表现的看法会有戏剧性的改变，通过长久的深入关注，我们将会发现业务的赢利点。
上图强调的是最终销售/转化，但是即使我们是资讯站，提高访问深度最起码能使页面更均衡、广告展示量更大。
忠诚度(按访问次数)
如果说访问深度优化的是单次访问体验，那么忠诚度将会是批量级的。换句话说，就是衡量我们网站吸引同一访客多次访问的能力?对于电子商务或者非电子商务网站来说，忠诚度好与差的差异意味着巨大收益与难以存活。
首先，以“实现x次的访问占总访问y%”为目标。电子商务网站可以用“每天转化数报告(Days to Conversion)”来设置目标。内容站点可以依据内容更新规划来制定目标，例如我们是纽约时报，每天24小时更新网站，是不是目标就可以是平均每个 访客访问90次/每月呢?
其次，按照如下方式，基于访问次数设置高级细分群体。
图七：按访问次数计的访问者忠诚度
最后，将设置好的高级细分群体，应用于关键字报告、广告系列报告、引荐报告，就可以辨别主要带来忠实访客的是哪些流量来源。将其应用于内容报告，就能推断出哪些内容(体育新闻?国际新闻?还是宠物故事?)能吸引忠实访客。
访问次数，在许多统计工具中都会有。如果我们用的是新版Google Analytics，那么可以通过“受众群体”-》”行为”-》”覆盖率与频次”查看。
3、效果度量
宏观转化率(Macro Conversion Rate)
微观转化率(Micro Conversion Rate)
通常我们查看报告，会发现仅不足2%的访客实现了转化。因此我们仅仅是关注宏观转化率(Macro Conversion Rate)，那就意味着默认放弃98%访客的价值，损失巨大。
通过查看具体转化次数(目标)以及它们在长短期带来的收益，我们会很快的发现它们能带来的价值，远远超过宏观转化报告中展示的收益，优化它们即可获得巨大的惊喜。
Google Analytics中可以点击“转化”-》“目标”进行查看。内容站点还可以查看“目标网址”报告，来确认目标转化所在页面。
图八：微观转化率
每次访问目标价值(Per Visit Goal Value)
通过此KPI，一方面可以避免只关注那2%访客转化的弊端(因为它关注的是每一次访问)，另一方面可以促使我们拓展更多适合访客的业务。
图九：每次访问目标价值
虽然不是每个访客都能实现目标转化，但是每个访客都有其固有的经济价值。查看这个度量，能让我们确定那些创造高价值的目标，并且明白一些简单的道理，例如 什么是我们的重点。如果说Twitter带来的每次访问目标价值为87美分，Google是97美分，也许我们就应当将更加注重SEO策略，而不是采纳那 些说搜索引擎已过时的社会媒体营销专家的建议。
对于中型网站需关注以上9个度量，如果有天我们能获得超过500万美金的经济收益时，就说明它们见效了。它们与小型站点度量不同之处的关键在于，我们需要致力于多重转化、深层次的网站交互以及更好的营收效率分析。
三、大型网站最佳运营KPI/度量
1、营收成本度量
单次营收成本(CPA)
点击率(Click-through Rate)
新访问比率
通常可以用这个度量调整我们的营销策略，发掘能为业务带来新大陆的营销方式。如果我们正忙于已有盈利性付费媒体的监测，想付费搜索、广告、联盟营销以及社 会媒体营销能带来新访客，那么该度量就显得尤为重要，除非我们不想。该度量在报告中随处可得，创建利于分析的最佳细分群体是重点。
2、访客行为度量
跳出率(Bounce Rate)
支付放弃率(Checkout Abandonment Rate)
访问深度(Page Depth)
忠诚度(按访问数)
事件/访问(Event/Visit)
每个不错的大型站点，都会以各种复杂技术(Flash、AJAX、插件…)提供丰富的访客体验(视频、演示、动态幻灯片、配置程序…)。几乎一直 以来，我们仅仅以经验(或页面噪音)来衡量它们。事件跟踪可以帮助我们对它们进行测量，通常能令人惊讶地获得相关用户体验信息，赢得珍贵的主动权。
图10：每次访问触发事件数度量
110842次访问，9054次网站体验交互事件，那么每次访问事件数为2.24次，这样的结果是好?还是坏呢?能再好点么?2.24次交互有给我们带来更好的经济价值么?
案例的答案是：No!答案应该更具我们的策略和目标来确定。最终对于内容规划方面，我们能做出更具重要意义的明智决定(尤其当你是分析高手时，你可以将绩效以第一次访问、访问深度与第二次访问、忠诚度，进行三角型建模)。
许多网站分析工具都有类似的事件跟踪，Google Analytics的事件跟踪数据查询路径为：内容-》事件。
3、效果考核度量
宏观转化率(Macro Conversion Rate)
微观转化率(Micro Conversion Rate)
每次访问目标价值(Per Visit Goal Value)
转化所需天数[或者内容站的时间延迟]
“一口吃不成大胖子”。许多公司做数据分析以及营销活动优化只用了一朝一夕的时间，所以也期望能快速实现转化，并且即刻对营销活动做出增加或减少投入的决 策。这种做法不仅是鼠目寸光，更是对访客的亵渎。因为他们要有适当多的时间去体验良好后才会完成转化。该度量能帮助我们明确我们的访客的转化速度。我们能 在最短的时间，完成营销信息修改、采取行动以及调整登陆页。但如果说转化所需天数很长，那么我们可以制定稳健(逐步)的微观转化策略。
如果我们的是非电子商务网站，那么通过Google Analytics多渠道路径(Multi-Channel Funnel)，查看“Time Lag”报告，可以获得许多惊人欣喜的结果。电子商务网站同样可以查看数据“购买前所耗天数(Days to Transaction)”。我们即刻看到的度量是“转化(Conversions)”，它反映了具体目标的转化情况。
因此，我们可以对“欢迎登陆”，”您喜欢的是什么?”，”这些是我能为您提供的”，“您为什么不购买支付呢?”，“回头并试图购买支付”，多次反复，我仍旧出现在您面前，“您打算支付了么?那么您可以…”的访问转化流程进行优化。
“购买前所耗天数(Days to Transaction)”是标准报告，可以在我们网站分析报告的电子商务部分进行查看。“时间延迟(Time Lag)”一些网站分析软件中不是标准报告，可以向软件商家咨询。Google Analytics中可以通过路径：“转化(Conversions)”-》“多渠道路径(Multi-Channel Funnels)”-》“Time Lag(时间延迟)”查看。
图11：转化所需天数
辅助转化比值(% Assisted Conversions)
辅助转化是近期盛行起来的又一不错度量，它凌驾于以上度量组合模型之上。大部分的访客转化(不管宏观与微观)都需要一定的时间，那为什么我们大都将网站分 析重点放在单个渠道的分析与优化呢?是因为联盟营销(Affiliate)位于转化的末端?还是Facebook(或Google或其它)位于访客登录的 前端?
图十一：辅助转化分析
我们需要清楚掌握，我们的网站需要超过一次广告/媒介/营销触点，才能完成的转化有多少?然后根据数据去优化渠道组合，而不是单个的渠道。
以上案例中可以发现，如果我们没有做渠道组合优化(而实际上需要)，可以看出Email渠道的数据(1.18 辅助转化次数/最终互动转化次数)，在暗示我们与Organic Search(0.61)相比，应该为Email渠道制定营销优化与预估策略。
辅助转化次数比值，在一些网站分析软件中没有，需要我们向软件商咨询。在Google Analytics可以通过路径：“转化(Conversions)”-》“Multi-Channel Funnels”-》“Assisted Conversions”查看。
That’s all! 对于大型网站，我们已确定13个关键度量，足以让我们从头到尾的了解网站经营绩效了。与中型网站度量不同的关键在于，我们真真切切的在关注多种访问行为。也就是说，我们注重的是一大片人，而不是单个的访问。
以下是本文的各类网站最佳分析度量总结：
图十二：大中小型网站最佳运营KPI/度量汇总
希望此图，有助于更快的诊断我们分析策略中的纰漏。另外，当网站从小规模站点发展成为中型站点时，我们自然会意识到其它需要测量的度量，当跨入大型网站时也会有同样的感触。
也许，我们会发现以上KPI中并没有Adsense广告的CTR、页面加载时间(Page Load Time)、每社会访问行为(Actions per Social Visit)、搜索退出率(Search Exits)、内容分布与访问比率、转化率(内容站点)。因为这些KPI/度量，对于不同业务类别的网站来说是有其独特性的，以上分析策略中的KPI适合于 所有站点。
最后，衡量以上目标组合的完成情况，最好的方法是基于以下我们既定的数字化营销监测模型。
三 : 网站实景访问调研 网站运营分析
我的朋友打开了我的博客首页，首先他注意到了首页罗列了一些文章，于是他开始浏览首页文章的内容，但发现前几篇的文章概要显示这些都不是他要找寻的目标，于是他开始滚动鼠标开始下拉，可能有点失去耐心，越到下面鼠标拖动的速度越快，直到他只关注文章的标题（但某些内容不一定能直观地体现在标题上），于是结果可想而知，第一步以失败告终；
首页的文章中没有找到想要的内容，于是我的朋友开始将目光转向网站的顶部导航，但不幸的是当时顶部导航只有“首页”、“关于”和“网站地图”3项，他只是将鼠标移上去，却始终没有点击，至少他认为这三项中没有他需要寻找的线索。当时他就开始抱怨“到底在哪里呀？”为了不至于让“用户”流失，我提醒了一句“网站地图里面可能有。”但这时的他可能沉浸在自己的思路里面，也可能没注意，或者他不太理解“网站地图”的含义，还是一个劲自己去摸索……
于是，我的朋友开始注意到侧边栏，一般侧边栏也是用于全局导航和局部导航的。但看到侧边栏不是一排毫无主次之分的列表，就是一推看似混乱的标签云，失去耐心的他已经无法静下来去细看了，于是还是Failed。
最后的出路就是站内搜索，当然他最终通过站内搜索找到了他想到的内容，但却经历了一段坎坷的过程，试想如果我没有明确告诉他这里有他要的信息，对于普通用户来说他们真会有如此的耐心吗？
看到这些，我就意识到我的博客确实是应该做些改变了。从上面的测试过程中，可以看到用户在我的博客中寻找信息的途径可能依次是：首页最新文章列表–》顶部导航栏–》侧边导航栏–》站内搜索（不知道你的网站用户是不是也是这样的），那么必须要对前几个途径做些调整和优化，以防止用户由于找不到想要的信息而流失，我是这样做的：
a. 既然用户只关注首页文章列表中的前几篇文章，也就是最新发表的几篇文章（这个可以从网站点击热图上也可以看出有这个趋势），用户不习惯于经常地去进行下拉操作。那为何不把以前值得推荐和分享的文章放到首页醒目的位置进行展示呢？
b. 根据用户的浏览习惯，用户偏向于使用网站的顶部导航，那么我就在顶部导航条上加些通俗易懂的标题：
c. 侧边栏的内容，也许我的博客主题默认的侧边栏视觉上千篇一律（其实个人感觉标签云的显示方式还是很漂亮的，但无论从网站的Overlay还是点击热图的点击统计情况看，标签云上的关键词无法吸引过多的点击，所以有时个人感觉良好的页面设计不一定能吸引用户，一定要从用户的角度去观察和分析），那么我就把分类目录的字体和颜色进行改变，让其更能引人注意：
上面我的博客中出现的问题，经过网站交互设计师的审视，他们可能可以用专业的眼光来解释问题所在，并用比我上面更加完美的处理方案来解决类似的问题，无论是优化交互流程、信息架构还是导航设计。但我是那方面的门外汉，所以在这里，我想用网站分析的角度来阐述下上面的问题，即网站定性分析方法中的网站实景访问调研（Site visits， also called follow-me-homes studies），下面就简单介绍一下：
网站实景访问调研，是指用户调研人员去网站用户的原始环境（用户的生活或办公环境，如家中或者办公室这类真实环境中），观察用户在网站中完成任务的情况。与网站可用性实验最大的不同在于，网站实景访问调研完全在真实的环境中进行，因此用户会受到外部环境的干扰，如访客、电话、临时状况等，但观察到的结果也能更加真实地反映用户与网站交互的流程。
还是参考Avinash Kaushik的《Web Analytics》一书中的内容，网站实景访问调研的操作步骤可以分3步进行：
1. 准备工作
与用户约个时间，告诉他们不需要对他们日常的环境作任何改变，只需要按平日一样浏览网站并回答几个问题即可；准备调研的资料和笔记，分配调研的任务，设定测试的任务、问题等。
2. 引导用户完成调研
分配给用户需要完成的任务，任务必须是明确的，并告诉他们只需要按照日常的方式访问网站；
仔细观察用户的一举一动，包括他们在遇到问题时的表情及情绪，尽量抓住用户的每个细节，这对后期的分析将会很有利，必要时可以采用视频的方式记录全过程；
尽量不要向用户提供任何提示，即使用户可能会遭遇到一些不小的麻烦；
可以在结束的时候向用户提几个问题，但过程以观察为主，遵循80/20原则，80%的时间用于观察，20%的时间来提问；
最后，在调研结束时不要忘记对用户说声“谢谢”。
3. 分析结果与优化
这时，你已经掌握了用户与网站交互的最真实的记录，当然要趁热打铁，马上讨论和分析这次调研的成果。用户在完成任务时遇到了哪些问题，他们又试图通过何种方式去解决这些问题。当然再找到问题之后最关键的还是优化和解决的方案。
网站实景访问调研，遵循了“用户为中心”的理念，对于了解用户的使用习惯，发现用户可能遇到的问题，及如何更好地满足用户的需求都具有十分重要的意义。但网站实景访问调研也十分的费时费力，同时无法获取过多的用户样本，所以对于反映问题的普遍性方面存在一定的不足。
如果你有足够的资源，你可以做些这方面的尝试，相信结果不会让你失望的。当然，上面我的朋友的案例只是一个举例的介绍，实际的操作过程需要严谨很多，我的博客在交互设计和用户体验上也许还存在着各种不够合理的地方，欢迎各位专业人士提出宝贵的改进建议。
文章来源：网站数据分析 » 《网站实景访问调研》
四 : 如何降低网站跳出率 网站运营分析
其原因很简单：由于访客的需求不同，所以他们与你的网站的关联性也就不同了让用户和你的内容产生互动可以产生销售、订阅、标书签和回访。提高读者的参与度最好的方法之一是确保你的网站链接的是相关联的内容，并且将它们以一种能鼓励用户点击的方式显示出来。
通常用来衡量访客参与度的是跳出率，它是指那些进了登陆页面后就离开的访客的数量百分比，这些访客登录后没有查看其他的页面就“跳出”了。你可以使用像Google Analytics那样的统计工具很容易地算出网站的跳出率。
较低的跳出率就表示访客更深入地探索了你的网站，这也可以推断出，访客们和你的内容参与度很高。雅各布尼尔森在他的一篇文章中提到，跳出率仍然是一个重要指标。
由于跳出率越来越高，我们必须停止将“独立的访客”作为度量网站成功性的指标。那些立即离开网站的访客会增加独立的访客数，但对长期价值没有作用。相反，跳出量应被视为负面的统计：该网站没有足够地诱惑他们参与进来——哪怕是一秒钟的页面浏览都没有。
尼尔森提议，跳出率必须分开分析，因为主要有四种不同的用户来源：低价值的引荐、其他网站的直接链接、搜索引擎和忠实的用户。其原因很简单：由于访客的需求不同，所以他们与你的网站的关联性也就不同了
忠诚用户可以通过供稿阅读器（为了方便地读取RSS和Atom文档）访问你的网站，并在阅读了一篇新的文章之后就退出去了，因为他忙着去阅读其他更多的内容了。对知识非常渴望的用户会通过搜索引擎来访问你的网站，并且很容易会被诱使到处点击看看。一个闲逛的访客在浏览像StumbleUpon那样的社交渠道时会打开你的某个页面的。
需要注意的一点是，跳出率会由于来源的不同而有所不同，因此，应该根据以往类似的数据来进行对比分析。例如，搜索引擎推介的效果应该是根据以往的跳出率来进行衡量，而不是根据另一个访客来源（比如Digg）来衡量。
1、根据网站整体目标来测量跳出率
通过不同的访客来源来比较跳出率的话，能够显示出你所获得的流量价值。较低的跳出率会产生购买、订阅或回访，这样有助于帮你找到最好的流量来源。需要注意的是，最终要根据网站的整体目标来确定每个来源的跳出率。
除了访问来源，还有一些问题会影响跳出率。例如你建网站的目的、当前的设计等。很难确定一个尺度作为衡量跳出率的标准，但分析专家阿维纳什考希克却提供了一些很好的建议：
跳出率是一种指标，在很多网站的分析工具上都会很容易地看到的。它不会回答你所有的问题，但它会快速地帮助你把精力集中在重要的事情上、显示你在哪里浪费了金钱以及网站上的哪些内容需要重新审查。以我个人这么多年的亲身经验来看，很难获得低于20％的跳出率的，超过35％就需要关注了，而超过50％就令人担忧了。
阿维纳什说，博客和其他的静态的网站是有那么一点区别的，对博客来说，50%的跳出率是很正常的，75%的跳出率才需要关注一下。
指标是有用的，其重要性不仅仅在于能查出跳出率，还在于对某个具体目标的影响（比如转化率）。你无法确定你的竞争对手或同行的跳出率，所以你需要把重点放在自己的网站的过往成绩上，并研究趋势以区别访客的模式。
低的跳出率会产生更多的购买或订阅吗？哪种类型的访客会产生较高的跳出率呢？能够通过控制页面上的要素（比如链接的位置）来改变这个形势吗？你的高流量页面是哪些？访客如何从这些高流量的页面转移到网站上其他的页面上呢？下面介绍一些改善方法。
2、改善跳出率，获得更多页面浏览量
每个网站都有它自己的目标和要求，所以这里不会对每种情况详细说明，只谈一谈总体策略。首先，可视的事物对访客的跳出率影响是很大的，如果他们遇到了很相关联的链接、行动呼吁或信息的话，他们就更可能点击其他的页面的。
优化网页，然后将网页连接到一个整体上，这不仅能为忠实的读者增值，也能为那些通过推介网站或搜索引擎而访问的访客增值。假设你的访客们对你的网站一无所知，假设他们想要知道更多的信息，那就要使导航点便于利用，在内容周围添加上合适的链接。
尼尔森提出了一种能降低跳出率的方案：
对一组用户进行测试。让他们从某个特定的网页登录你的网站，然后根据他们的体验获得反馈。这样能有助你想到改善的方法的。
公开下一步措施。如果访客们对当前的页面感兴趣的话，就让他们采取行动。在副本下方或内容里面添加更多的链接，让访客获得更多的信息。
很多方法可以定位你的访客，最重要的一点原则就是使链接高度可视化并且和当前的页面相关联。让我们来看看BBC（英国广播公司）新闻网站，我一直都很钦佩它出色的互联互通的做法。下面是一个单独故事页面的屏幕快照，注意看看侧边栏的链接：
对于出版商而言，BBC的内容模型展示出了页面是如何可以很好地集成到一个团结的整体的，从而鼓励用户从登陆页跳到到另一个页面上。通过这两个例子，你就能看出，内容制造者可以包括许多额外的链接：
经过深入分析的专题文章的链接
同一个话题但不同文章的链接
只处理某个特定话题的专用推介页面的链接
用来邀请读者参与的评论板块/论坛的链接
幕后故事或背景信息的链接
多媒体演示（音频或视频）的链接
你也可以为其他的静态网站做这些，只要记住，主要目的是要创建网页，能让用户持续从初始的登录页面转移到网站上的其他部分，以满足他们的兴趣和需求。
为了达到最好的效果，你应该定期地分析你的跳出率，同时也要研究你的竞争对手并一组用户测试进行，等积累了一定的数据之后，将你的网站进行改造，看看跳出率是否得到了改善，确定一下是什么影响了你的目标，有必要的话，就做一些修改。
如果你之前都没有在意跳出率的话，那么从现在开始就行动起来吧，这能帮你显著改善你的网站的。
五 : 运营人必看:如何获取数据、如何分析数据
精细化运营以及变得尤为重要，数据驱动决策是我们运营人必须要面对的挑战也是我们要下意识学的一门技能。
数据驱动运营是未来运营的趋势，也是我们运营人的一个分水岭，在运营的刀耕火种时代已经趋于没落的时候，精细化运营以及变得尤为重要，数据驱动决策是我们运营人必须要面对的挑战也是我们要下意识学的一门技能。
但也是很多刚进入运营领域的新人一个头疼问题，因为他所涉及到的数据分析方法、方法论、逻辑分析能力以及一些工具的使用，而且一堆数据也是很多运营人员不愿面对的。本章节我们就从如何获取数据、如何分析数据以及一款产品都关注哪些数据维度。
一、数据从哪里获取
在我们分析数据之前，就必须得有数据供我们分析，所以我们就得拿到数据，怎么拿到呢?
数据的来源渠道主要有两种：
自有数据分析系统——公司自有的数据是最源质化的数据，也是最可靠、最全面的。一般而言，有条件的情况下都是以内部数据为准;
第三方数据分析工具，这个是借助外部工具获得数据。
下面给大家介绍主要5款的数据分析工具：
1.友盟
支持iOS、Android应用数据统计分析
2.growingio
growingio强大的地方在于无需埋点，就可以获取并分析全面、实时的用户行为数据，以优化产品体验，实现精益化运营。
3.应用雷达
仅针对iOS，查看App Store总榜和分类排名。查看产品在App Store 里的搜索度得分，评判ASO效果的标准之一。
4.百度移动统计
支持ios和android平台。另外，开发者在嵌入统计SDK后，可以对自家产品进行较为全面的监控，包括用户行为、用户属性、地域分布、终端分析等。
5.酷传
仅支持android平台应用监控。开发者可以查看应用在主流市场下载量、排名、评分评论、关键词排名等数据，还能系统地与同类竞品进行数据对比。
当然了，数据分析工具不止这5款，如果你们正在使用其他的，也是可以的。使用分析工具我们可以得到以下内容：
记录那些点击信息，包括没有与网站产生交互的信息;可直接生成链接的百分比，点击分布图和热力图;可统计用户的悬停，将用户潜在行为可视化
获取数据的方式其实多种多样，关键在于，作为运营人员要了解什么样的数据是重要的，对于这些数据的前后关联，是怎样的，这是一个联动的过程，不是一个单一的行为。
有了这些数据之后，我们该怎么去分析这些数据呢?哪些是可以为我们所用的额，又有哪些是可以剔除掉的。
二、如何分析现有的数据
从第三方数据分析工具或者自家的分析后台拿到这些数据后 ，该怎么去分析呢?我相信很多运营人在拿到数据时，都是没多少思路的。要么胡子眉毛一把抓，要么无从下手。这都是缺少分析思路的表现，需要宏观的方法论和微观的方法来指导。
在我们进行数据分析时经常会使用到方法论，这些方法论在我们进行数据分析时扮演宏观指导的角色。所以说在我们进行数据分析时，应该先找到适合自己的方法论进行指导。主要会用到的方法论：
1.PEST分析法：用于对宏观环境的分析，包括政治(political)、经济(economic)、社会(social)和技术(technological)四方面。
2.5W2H分析法：何因(Why)、何事(What)、何人(Who)、何时(When)、何地(Where)、如何就(How)、何价(How much)。
3.逻辑树分析法：把问题的所有子问题分层罗列。
4.4P营销理论：分析公司的整体营运情况，包括产品(product)、价格(price)、渠道(place)、促销(promotion)四大要素。
5.用户行为理论：主要用于网站流量分析，如回访者、新访者、流失率等，在众多指标中选择一些适用的。
6.AARRR(增长黑客的海盗法则)：精益创业的重要框架，从获取(Acquisition)、激活(Activition)、留存(Retention)、变现(Revenue)和推荐(Referral)5个环节增长。
数据分析的方法论很多，这里不能一一列举;没有最好的方法论，只有最合适的。下面我详细介绍一下 AARRR 方法论，对于精益化运营、业务增长的问题，这个方法论非常契合。
对于互联网产品而言，用户具有明显的生命周期特征，我以一个APP为例阐述一下。
首先通过各种线上、线下的渠道获取新用户，下载安装APP。安装完APP后，通过运营手段激活用户;比如说首单免费、代金券、红包等方式。通过一系列的运营使部分用户留存下来，并且给企业带营收。在这个过程中，如果用户觉得这个产品不错，可能推荐给身边的人;或者通过红包等激励手段鼓励分享到朋友圈等等。需要注意的是，这5个环节并不是完全按照上面顺序来的;运营可以根据业务需要灵活应用。AARRR的五个环节都可以通过数据指标来衡量与分析，从而实现精益化运营的目的;每个环节的提升都可以有效增长业务。
在使用这些数据分析方法论要明确他们的作用：
●理顺分析思路，确保数据分析结构体系化。
●把问题分解成相关联的部分，并显示它们之间的关系。
●为后续数据分析的开展指引方向。
●确保分析结果的有效性及正确性。
再比如，我们在分析APP的数据维度时，会使用到趋势分析法，因为趋势分析是最简单、最基础，也是最常见的数据监测与数据分析方法。通常我们在数据分析产品中建立一张数据指标的线图或者柱状图，然后持续观察，重点关注异常值。在这个过程中，我们要选定第一关键指标，而不要被虚荣指标所迷惑。
如果我们将我们分析的APP的下载量作为第一关键指标，可能就会走偏;因为用户下载APP并不代表他使用了你的产品。在这种情况下，建议将日活跃用户作为第一关键指标，而且是启动并且执行了某个操作的用户才能算上去;这样的指标才有实际意义，运营人员要核心关注这类指标。
三、一款产品都关注哪些数据维度
我们都知道，运营人每天都会跟各种各样的数据打交道，那一款产品都有那些数据维度是我们经常会分析到的呢?
一款产品(特指APP)的数据指标体系一般都可以分为：用户规模与质量、渠道分析、参与度分析、功能分析以用户属性分析。
1.用户规模和质量的分析包括总用户数、新用户数、留存用户、转化率。用户规模和质量是APP分析最重要的维度，其指标也是相对其他维度最多，产品负责人要重点关注这个维度的指标。
2.渠道分析主要是分析各渠道在相关的渠道质量的变化和趋势，以科学评估渠道质量，优化渠道推广策略。渠道分析尤其要重视，因为现在移动应用市场刷量作弊是以及业内公开的秘密。渠道分析可以从多个维度的数据来对比不同渠道的效果，比如从新增用户、活跃用户、次日留存率、单次使用时长等角度对比不同来源的用户，这样就可以根据数据找到最适合自身的渠道，从而获得最好的推广效果。
3.参与度分析主要是分析用户的活跃度，分析的维度主要是包括启动次数分析、使用时长分析、访问页面分析和使用时间间隔分析。
4.功能分析主要包括：
功能活跃指标：某个功能的活跃用户，使用量情况;功能验证;对产品功能的数据分析，确保功能的取舍的合理性。
页面访问路径：用户从打开到离开应用整个过程中每一步骤的页面访问、跳转情况。页面访问路径是全量统计。通过路径分析得出用户类型的多样、用户使用产品目的的多样性，还原用户目的;通过路径分析，做用户细分;再通过用户细分，返回到产品的迭代
漏斗模型是用于分析产品中关键路径的转化率，以确定产品流程的设计是否合理，分析用户体验问题。用户转化率的分析，核心考察漏斗每一层的流失原因的分析。通过设置自定义事件以及漏斗来关注应用内每一步的转化率，以及转化率对收入水平的影响。通过分析事件和漏斗数据，可以针对性的优化转化率低的步骤，切实提高整体转化水平。
5.用户属性分析不管在我们的产品启动初期，还是战略的调整，分析用户画像都有着重要的意义。比如我们在产品设计前需要构建用户画像，指导设计、开发、运营;产品迭代过程需要收集用户数据，便于进行用户行为分析，与商业模式挂钩等等。
用户属性一般包括性别、年龄、职业、所在地、手机型号、使用网络情况。如果对用户的其他属性感兴趣的，可以到自的微信呢公众号后台或者其他诸如头条、uc等后台看用户属性都包含哪些维度。
以流量为中心、野蛮的运营时代已经结束，接下来的时代是以科学的数据作为依据，围绕着用户紧紧做精细化的运营时代。
作者：艺林小宇
来源：艺林小宇(cs-jy8)
本文标题：网站运营数据分析-网站运营战略应该放弃的网站分析61阅读| 精彩专题| 最新文章| 热门文章| 苏ICP备13036349号-1