如何进行网站数据分析 理清网站分析的思路
如何进行网站数据分析？这是之前的分享流量时听众提的另一个问题，在这里把相应的内容整理一下。
下图是一个网站分析的生命周期示意图，在确认好分析需求并收集好我们所需要的数据后（强调一下，明确分析需求很重要，这可以避免为了分析而分析），我们就可以充分使用网站分析工具的各种报告对数据展开分析。
但网站分析工具中的数据量非常大，你可能一不小心就淹没在数据的海洋中，你得有一个明确的分析思路，知道要利用哪些报告或哪些报告视图才能帮助你快速找到问题的答案。以下是网站分析中涉及到的数据模块，这也提供了一个网站数据分析的大概思路。
根据上边的数据模块所涉及的内容，在网站分析报告中我一般会对下边所列出的板块与指标进行具体分析（以下列出的是在网站数据分析中一些我个人觉得比较重要的板块与指标，不同的网站重要的数据指标会有所不同）：
基本情况：
1.网站的流量水平怎么样？与行业同类网站的数据相比，根据我们的市场定位，我们的流量在未来需要有多大的提升？
2.访客主要来自哪些地方？这用于确认与我们制定的市场策略是否匹配。如果有相当多的用户来自一些小语种的国家，我们是否要考虑建设多语言网站？
3.访客一般会通过什么样的设备对网站进行访问？在移动化越来越流行的今天，我们是否要建设自己的移动站点或开发我们的APP？
新老用户的比例怎么样？我们在拓展新用户的同时，是否能够留住老用户？
1.网站的主要流量来源有哪些，SEO、SEM、EDM还是社交媒体？还有哪些类型的流量来源我们可以拓展？
2.这些流量来源的优先顺序是怎么样的，哪些是我们最倚重的流量来源，哪些流量来源的转换率最高？
3.SEO/SEM的流量水平怎么样，该如何去提升？
4.EDM、社交媒体的营销方式的使用情况怎么样，转换率如何？
1.网站的页面分类有哪些？
2.产品页面、目录页面、营销专题页面等各类页面的流量以及转换表现（页面价值）情况怎么样？
3.网站上最常见的着陆页面有哪些？是否页面上的内容正是我们希望用户浏览到的内容？
4.用户的访问路径的引导是否存在问题，我们是否把用户引导到了主要的营销专题或产品页面？关于访问路径的分析可参考：可参考。
5.用户是否与网站发生了我们期望的互动：参与活动、观看视频、下载、投票、订阅或下单？
文章：11篇人气：49454
网站数据分析师，博客博主，熟悉GA各类跟踪配置与数据分析。
本网页浏览已超过3分钟，点击关闭或灰色背景，即可回到网页您的位置：
产品越做越差?没关系，产品经理教你如何用数据分析的思路优化产品
作者：GrowingIO 产品经理：王柳
　　对于很多产品经理来说，用户体验是一个重要的考量标准，因此产品经理往往把自己放在用户的角度来思考问题。但是这里其实有一个悖论——因为产品经理永远无法真正成为用户，假装对自己亲手创造的产品一无所知，是根本不可能的。因此如果产品经理仅仅凭自己的直觉经验和理解来设计产品，自以为懂得用户所想，反而会离用户的真实需求越来越远。
　　所以，在产品经理的工作中不能仅仅依靠产品Sense来作为决策的依据，于是，反映用户行为的指标和数据就成为了重要的决策依据。作为用户体验的原生反馈，指标越来越受到互联网公司的重视，那么指标是如何帮助我们进行决策?有哪些重要指标还没有被重视起来?产品经理用指标做分析的基本思路又是什么呢?
　　一、业务需求执行得很好，产品却越做越差
　　我之前在一家 to B 的公司做产品，根据业务需求设计了用户群组，为了更完整的用户体验，还做了很多后续的高级功能：用户在创建群组后，可以建立组内项目，进行组内分享以及协同开发等高级功能。新建组织的数量和总体用户数都还不错，但是接下里用户却并没有按照我们预计地活跃起来，甚至还在流失。可是当时没有认识到这个问题的严重性，还在继续搭建后续的高级功能。我们既没有用多种指标衡量产品结构是否合理的意识，也没有实时关注产品数据的习惯，因此完全找不到原因。
　　很长一段时间之后，我们才发现用户创建群组后，没有得到有效的引导，导致无法邀请其他成员进来，因此很多用户就走到「新建群组」为止了，后面的高级功能根本没有用到，相当于用户的使用流程在早期就完全断裂了。如果我们把每一步的流程和转化效率直观化，即时看到各个步骤的转化率和使用度，就可以及时调整产品战略，减少用户的流失。后面我们会讲具体的思路和方法。
　　二、这些指标与产品健康度息息相关
　　既然数据对产品的设计和优化很重要，那么我们需要关注哪些数据和指标呢?
　　1.简单指标
　　对于产品经理来说，最简单的指标就是页面浏览量、登录用户数和访问用户数这样的的数据了：
　　每天关注这些指标的变化和趋势，可以快速了解产品的整体情况，但是只有这些是远远不够的，产品经理需要更多的关心反应产品健康度的指标。
　　2.复合指标
　　基础指标/用户数量 & 基础指标/访问数量
　　将基础指标平均在每个用户身上，或者每个访问(Session)上，就可以获得产品的平均访问深度、平均访问时长、平均每周购买数量等复合指标：
　　相比于简单的基础指标，分摊在每个用户身上的指标通常能够更好地帮助产品经理了解用户的真实使用情况。拿 PV 相关的数据举例，即使 PV 升高，但平均访问深度(每个 Session 的 PV 数量)下降了，就不是一个很好的征兆，这代表用户的使用情况可能出现了问题，每个访问进行的操作和打开的页面数正在变少，甚至有可能直接导致流失。
　　因此，产品经理应该更多地关注这类指标，并且尝试去提高平均访问时长，平均访问深度，平均每周购买数量等指标等，这样可以有效地消除基础指标带来的虚荣效应，保持对产品现状以及产品目标的清晰认识。
　　转化率指标
　　在衡量产品的使用流程时，转化率指标是至关重要的。转化率指标能帮助你真正了解产品流程的健康度。拿注册流做一个简单的例子，注册成功的用户数量正在不断增加，但这并不能代表注册流程正在变得更好(有可能是拉新来的流量基数变大了)，只有注册转化率(注册成功人数所占百分比)有所提高，才能说明注册流的优化是行之有效的。
　　3.留存指标
　　在这些指标中，留存指标越来越受到产品经理的重视。从前大家更偏向于下载量，注册数这样代表拉新效果的指标，但是一个人在什么时候才真正成为你产品的用户呢?其实是在他留存下来的时候。
　　因此在AARRR模型中，留存是最重要的一环，获取( Acquisition)和激活(Activation)的用户愿意持续地使用产品，就实现了用户留存，留存下来的用户才能实现后续的变现(Revenue)，甚至自发进行传播和推荐(Referral)。如果留存率不够理想，所有在用户获取方面的努力都都将白费，进而也不可能激发用户的付费和推荐意愿了。
　　三 产品经理怎样用数据分析的思路优化产品?
　　对于没有数据分析意识的产品经理来说，在完成产品规划，功能开发，以及测试上线之后，就认为自己在这一阶段的工作结束了，这样是无法做出优秀产品的。在产品发布上线之时，数据分析的工作才刚刚开始，只有对上线的功能进行不断的调整和优化，才能打磨出真正体验优秀的产品。
　　那么对于产品经理来说，怎样用数据分析的思路驱动产品优化呢?
　　1.建立业务目标和产品期望
　　认真思考「用户故事」，明确产品成功的目标是怎么样的，比如什么样的使用量，使用频度，达到怎样的留存率才算是成功;
　　2.将产品抽象化、逻辑化和结构化
　　只有对产品的结构和逻辑足够了解，才知道哪些是需要关注的数据和指标，以及怎样通过对这些指标的监控实现最终的目标。因此这时我们需要将产品功能抽象化、逻辑化和结构化，拆分成具体的逻辑层次。包括用户的预期操作可以分为几个部分，业务逻辑分为几个部分等等…在理清产品逻辑之后，才可以按照每一个部分去进行分析和优化，比如在电商应用中，就可以将用户的购买行为抽象为如下的逻辑结构 A.打开商品详情页 B.进入购物车页面 C.确认订单页面 D.进入支付页面 E.付款成功;
　　3.进行数据的准备和收集
　　产品经理需要确定出具体的分析计划，并且整理出数据需求。在一段时间的数据采集之后，形成相应的数据样本(时间上很短，或者用户很少的数据是没有意义的)。
　　但很多产品经理常常就败在这一步，因为传统的数据收集工作必须要提前埋点，而埋点最常发生的事情就是漏埋和错埋，产品上线了才发现“没埋点，没有数”。
　　4.多种手段进行数据分析，衡量用户的使用情况
　　在新功能上线之后，我通常会利用多种分析手段了解用户的真实使用情况，并验证是否符合在第一步中设定的业务目标和产品期望。
　　比如，在验证产品每一个步骤的逻辑和转化时，我会使用漏斗功能对用户的核心路径进行分析，在之前的电商例子中就形成了一个「A.打开商品详情页-&B.进入购物车页面-&C.确认订单页面-&D.进入支付页面-&E.付款成功」的漏斗(如下图)。
　　GrowingIO 漏斗实时进行数据4分析
　　在这个漏斗中，可以发现从收货信息页面，到支付页面的转化率不太理想，已经产生购买意愿并确认订单的用户只有 50.2% 到达了支付页面，为什么这一步流失了一半的用户呢?在这里我们就可以针对「确认订单页面」到「支付页面」的流程，对这个现象的成因进行相应的分析了。
　　5.提出猜想并验证
　　通过上面的数据分析，针对为什么确认订单到支付这步的转化率这么低?我们就会有一个初步的猜想，可能是「用户无法在确认订单页面查看商品细则，为了返回上一页，因此放弃了付款」，也可能是「用户想修改商品数量和样式，但是确认订单页面不能修改，因此放弃了付款」，当然也有可能是单纯的提交支付按钮存在 Bug 或者理解的偏差。
　　接下来就要用数据分析来验证我们的猜想。例如：我怀疑一个按钮的样式以及文案不够符合用户的期待，就可以查看这个按钮的点击率是否存在问题，以及设计新的按钮样式进行A/B测试。有了这样实时的数据分析图，我们就可以随时看到用户行为以及每一步的转化行为，及时调整产品策略，以获得更好的结果。
　　验证猜想后，我们就会得到具有相应论据的结论，产品经理就能够以此为依据进行产品的优化，以提升产品的用户体验，更好的实现业务目标了。在优化上线之后，产品经理就要开始新的数据分析轮回，对改版的数据进行分析提炼，以检验改版带来的效果是否是有效的，不断用数据驱动产品优化和业务增长，形成良性的循环。
(转载请保留)
您刚刚看过
互联网的一些事，已超50万小伙伴关注！常见的数据分析基本思路及手法-马海祥博客
新型SEO思维就是从一个全新的层次上提升seo优化的水平，达到网络信息最佳化的展示效果！
> 常见的数据分析基本思路及手法
常见的数据分析基本思路及手法
时间：&&&文章来源：马海祥博客&&&访问次数：
数据分析是产品运营中极具战略意义的一环，从宏观到微观分析，通过表层数据挖掘产品问题，是每个运营人的必修课。
回顾自己这么多年的网络运营，数据分析起了非常大的作用，能够做好数据分析，又是建立在一些好的数据分析思路及手法的协助下，今天我就在马海祥博客上跟大家分享下自己常见的数据分析基本思路及手法：
1、5W2H分析法
What（用户要什么？）Why（为什么要？）Where（从哪儿得到？）When（我们什么时候做？）Who（对谁做？）How much（给多少？）How（怎么做？）
PS：（what）用户要极品装备！（why）因为他们要增强战力（where）装备从BOSS身上得到；（when）我们国庆节做这个活动！（who）针对所有玩家！（how much）BOSS爆率设定为XX（how）活动以怪物攻城形式进行。
上述是一种需求的转换形式，就产品而言，又要以数据为支持，不能因某个元素而动整体；从大局出发，根据整体数据趋势进行细化分析，那么就目前而言的分析手法，又有对比分析、交叉分析，相关分析，回归分析，聚类分析等等。
如果某款游戏下载量高，注册量低；是否因为服务器登陆问题或注册流程繁琐，是否近期网络出现故障？
如果某款游戏数据一直良好，某段时间数据突然跌落；是否因为市场宣传力度减弱，是否因为用户生命周期上限，是否因为其他竞品冲击（具体可查看马海祥博客《》的相关介绍）？
所以，真正的数据分析不在于数据本身，而在于分析能力的概述；数据是参照物，是标杆，只有分析才是行为，是改变，那么如何分析，综合上面两个举例，已经可以很清晰的看到立体式分析。
2、立体式分析
立体式分析也就是维度分析，产品数据的发掘不应该仅仅拘泥于产品，大环境下的娱乐产物必须综合产品、市场、用户进行不同切入点分析。
要知道，数据分析是基于商业目的，而商业离不开用户和市场，说白了就是结合不同维度进行有目的的数据收集、整理、加过和分析，他的存在价值就是通过数据提取有价值的信息去优化产品从而拉更多人，赚更多钱（具体可查看马海祥博客《》的相关介绍）。
那么如何分析，大致思路又是如何？
（1）、为什么分析？
首先，你得知道为什么分析？付费同比、环比波动较大？
（2）、分析目标是谁？
数据波动，目标是谁？付费总额波动，付费用户数据如何？
（3）、想达到什么效果？
通过分析付费用户，找到问题，解决问题从而提升收入？
（4）、需要什么？
想做出分析，需要什么？付费总额，付费人数？付费次数？付费人数各等级占比？
（5）、如何采集？
直接数据库调取？或者交给程序猿导出？
（6）、如何整理？
数据出来，如何整理付费等级、付费次数报表？
（7）、如何分析？
整理完毕，如何对数据进行综合分析，相关分析？用户资源是否饱和？市场其他明星产品充值活动更具吸引力？产品付费系统是否出现问题，是否失去新鲜感？
（8）、如何展现？
找准问题，老付费用户流失了很多，低端付费转化低；很多是多少？转化低是什么概念？如何用图表表现？
（9）、如何输出？
找准问题，如何输出？如何将这份知识报表转换为产品商业价值体系？如何说服程序？如何说服策划？如何具体执行？如何将知识转换为生产力？
上述是比较系统的分析思路，细化而言；对于数据分析，又需要我们根据不同人群建立不同的用户模型；例如流失模型、流失特征；充值模型等等。
3、AARRR模型中的基本数据
接下来我们再综合AARRR模型分解一些较为常见的数据：Acquisition（获取）、Activation（活跃）、Retention（留存）、Revenue（收益）、Refer（传播）。
上图为AARRR模型中的基本数据，我们再对以往数据进行总结：
（1）、日新增用户数：DNU
每日注册并登陆游戏用户数，主要衡量渠道贡献新用户份额以及质量。
（2）、一次会话用户：DOSU
新登用户中只有一次会话的用户，主要衡量渠道推广质量如何，产品初始转化情况，用户导入障碍点检查。
（3）、日活跃用户：DAU
每日登陆过游戏的用户数，主要衡量核心用户规模，用户整体趋势随产品周期阶段变化，细分可概括新用户转化、老用户活跃与流失情况。
（4）、周/月活跃用户：WAU、MAU
截止统计日，周/月登陆游戏用户数，主要衡量周期用户规模，产品粘性，以及产品生命周期性的数据趋势表现。
（5）、用户活跃度：DAU/MAU
主要衡量用户粘度，通过公式计算用户游戏参与度，人气发展趋势，以及用户活跃天数统计。
（6）、留存
次日、三日、七日、双周、月留存；表现不同时期，用户对游戏的适应性，评估渠道用户质量；衡量用户对游戏黏性。
（7）、付费率：PUR
统计时间内，付费用户占活跃用户比例；主要衡量产品付费引导是否合理，付费点是否吸引人；付费活动是否引导用户付费倾向，付费转化是否达到预期。
（8）、活跃付费用户数：APA
统计时间内，成功付费用户数，主要衡量产品付费用户规模，付费用户构成，付费体系稳定性如何。
（9）、每活跃用户平均收益：ARPU
统计时间内，活跃用户对游戏产生的人均收入，主要衡量不同渠道的用户质量，游戏收益，以及活跃用户与人均贡献关系。
（10）、每付费用户平均收益：ARPPU
统计时间内，付费用户对游戏产生的平均收入，主要衡量游戏付费用户的付费水平，整体付费趋势，以及不同付费用户有何特征。
（11）、平均生命周期：TV
统计周期内，用户平均游戏会话时长，主要衡量产品粘性，用户活跃度情况。
（12）、生命周期价值：LTV
用户在生命周期内，为游戏贡献价值；主要衡量用户群与渠道的利润贡献，用户在游戏中的价值表现。
（13）、用户获取成本：CAC
用户获取成本，主要衡量获取有效用户的成本，便于渠道选择，市场投放。
（14）、投入产出比：ROI
投入与产出关系对比，主要衡量产品推广盈利/亏损状态，筛选推广渠道，分析每个渠道的流量变现能力，实时分析，衡量渠道付费流量获取的边际效应，拿捏投入力度，结合其他数据（新增、流失、留存、付费等）调整游戏，进行流量转化与梳理。
4、杜邦分析法
杜邦分析法（DuPont Analysis）是利用几种主要的财务比率之间的关系来综合地分析企业的财务状况。具体来说，它是一种用来评价公司赢利能力和股东权益回报水平，从财务角度评价企业绩效的一种经典方法。
其基本思想是将企业净资产收益率逐级分解为多项财务比率乘积，这样有助于深入分析比较企业经营业绩，由于这种分析方法最早由美国杜邦公司使用，故名杜邦分析法。
杜邦分析法的的基本思路：
（1）、权益净利率，也称权益报酬率，是一个综合性最强的财务分析指标，是杜邦分析系统的核心。
（2）、资产净利率是影响权益净利率的最重要的指标，具有很强的综合性，而资产净利率又取决于销售净利率和总资产周转率的高低，总资产周转率是反映总资产的周转速度。
对资产周转率的分析，需要对影响资产周转的各因素进行分析，以判明影响公司资产周转的主要问题在哪里，销售净利率反映销售收入的收益水平，扩大销售收入，降低成本费用是提高企业销售利润率的根本途径，而扩大销售，同时也是提高资产周转率的必要条件和途径。
（3）、权益乘数表示企业的负债程度，反映了公司利用财务杠杆进行经营活动的程度。
资产负债率高，权益乘数就大，这说明公司负债程度高，公司会有较多的杠杆利益，但风险也高；反之，资产负债率低，权益乘数就小，这说明公司负债程度低，公司会有较少的杠杆利益，但相应所承担的风险也低。
5、SWOT分析模型
在战略规划报告里，SWOT分析算是一个众所周知的工具了。SWOT分析代表分析企业优势（strengths）、劣势（weakness）、机会（opportunity）和威胁（threats），因此，SWOT分析实际上是将对企业内外部条件各方面内容进行综合和概括，进而分析组织的优劣势、面临的机会和威胁的一种方法。
SWOT分析有四种不同类型的组合：优势&&机会（SO）组合、弱点&&机会（WO）组合、优势&&威胁（ST）组合和弱点&&威胁（WT）组合。
优势&&机会（SO）战略是一种发展企业内部优势与利用外部机会的战略，是一种理想的战略模式。当企业具有特定方面的优势，而外部环境又为发挥这种优势提供有利机会时，可以采取该战略。
例如：良好的产品市场前景、供应商规模扩大和竞争对手有财务危机等外部条件，配以企业市场份额提高等内在优势可成为企业收购竞争对手、扩大生产规模的有利条件。
弱点&&机会（WO）战略是利用外部机会来弥补内部弱点，使企业改劣势而获取优势的战略。存在外部机会，但由于企业存在一些内部弱点而妨碍其利用机会，可采取措施先克服这些弱点。
例如，若企业弱点是原材料供应不足和生产能力不够，从成本角度看，前者会导致开工不足、生产能力闲置、单位成本上升，而加班加点会导致一些附加费用。在产品市场前景看好的前提下，企业可利用供应商扩大规模、新技术设备降价、竞争对手财务危机等机会，实现纵向整合战略，重构企业价值链，以保证原材料供应，同时可考虑购置生产线来克服生产能力不足及设备老化等缺点。通过克服这些弱点，企业可能进一步利用各种外部机会，降低成本，取得成本优势，最终赢得竞争优势。
优势&&威胁（ST）战略是指企业利用自身优势，回避或减轻外部威胁所造成的影响。
如竞争对手利用新技术大幅度降低成本，给企业很大成本压力；同时材料供应紧张，其价格可能上涨；消费者要求大幅度提高产品质量；企业还要支付高额环保成本；等等，这些都会导致企业成本状况进一步恶化，使之在竞争中处于非常不利的地位，但若企业拥有充足的现金、熟练的技术工人和较强的产品开发能力，便可利用这些优势开发新工艺，简化生产工艺过程，提高原材料利用率，从而降低材料消耗和生产成本。
另外，开发新技术产品也是企业可选择的战略。新技术、新材料和新工艺的开发与应用是最具潜力的成本降低措施，同时它可提高产品质量，从而回避外部威胁影响。
弱点&&威胁（WT）战略是一种旨在减少内部弱点，回避外部环境威胁的防御性技术。
当企业存在内忧外患时，往往面临生存危机，降低成本也许成为改变劣势的主要措施。当企业成本状况恶化，原材料供应不足，生产能力不够，无法实现规模效益，且设备老化，使企业在成本方面难以有大作为，这时将迫使企业采取目标聚集战略或差异化战略，以回避成本方面的劣势，并回避成本原因带来的威胁。
以上是关于数据的一些概括，对于数据分析，需要我们以理性的眼光对待；因为各家对相关数据定义不同，算法不同；在对数据进行分析时需要我们看清分析误区，综合其他数据进行分析，根据自己的数据分析思路制定相应的分析方案，切不可盲目分析，粗暴分析。
马海祥博客点评：
精细化的运营数据分析工作，思维不能乱，思维乱了，全盘皆乱；这时候的数据分析也无法提供正确的考量价值，如果觉得数据分析毫无头绪，杂乱无章；冷静下来，理顺思路，有大概的数据构思之后再做行动；只有这样才能培养自己严谨的逻辑分析能力。
本文为原创文章，如想转载，请注明原文网址摘自于/sjfx/1612.html，注明出处；否则，禁止转载；谢谢配合！
您可能还会对以下这些文章感兴趣！
清明节又叫踏青节，在仲春与暮春之交，也就是冬至后的第108天。是中国传统节日，也是最重要的祭祀节日之一……
网络实名制是个长期以来争议不断的话题。一方面，当人们面对越来越多的网上低俗与不良信息、黑客与木马、网……
最近百度跟360的搜索引擎之争，也使得更多人开始关注搜索引擎了，回想搜索引擎的快速发展也就是近15年发生……
作为一名专业的SEO人员，我们很多的时候都在研究站点中有多少页……
最近一直听到圈里的朋友抱怨说，自己辛辛苦苦写的文章，发表的前……
很多做SEO的朋友都会问，是不是网站收录越多网站关键字排名越好……
最近，我明显发现访问马海祥seo博客的博友越来越多了，随之而来……
相信做个seo的，或者自己已经是站长的，都或多或少的对自己负责……
由于此次整理的SEO作弊方法大全的内容比较多，也比较全面，导致……
本月热点文章足球数据分析_足球资讯_足球指数_推荐预测_足球比分视频直播-一比分
500) value=value.substr(0,500)"
maxlength="500" style=" resize:"
placeholder="至少10个字，您使用我们的产品过程中，有任何问题和意见，请认真填写反馈，我们将据此优化我们的产品，为您提供更好的服务。">
500) value=value.substr(0,500)"
maxlength="500" style=" resize:"
placeholder="至少10个字，您使用我们的产品过程中，有任何问题和意见，请认真填写反馈，我们将据此优化我们的产品，为您提供更好的服务。">
官方APP下载
专家排行 TOP 5