
理清網(wǎng)站數(shù)據(jù)分析思路導(dǎo)圖
下圖是一個(gè)網(wǎng)站分析的生命周期示意圖,在確認(rèn)好數(shù)據(jù)分析需求并收集好我們所需要的數(shù)據(jù)后(強(qiáng)調(diào)一下,明確分析需求很重要,這可以避免為了分析而分析),我們就可以充分使用網(wǎng)站分析工具的各種報(bào)告對(duì)數(shù)據(jù)展開分析。
但網(wǎng)站分析工具中的數(shù)據(jù)量非常大,你可能一不小心就淹沒在數(shù)據(jù)的海洋中,你得有一個(gè)明確的數(shù)據(jù)分析思路,知道要利用哪些報(bào)告或哪些報(bào)告視圖才能幫助你快速找到問題的答案。以下是網(wǎng)站分析中涉及到的數(shù)據(jù)模塊,這也提供了一個(gè)網(wǎng)站數(shù)據(jù)分析的大概思路。
根據(jù)上邊的數(shù)據(jù)模塊所涉及的內(nèi)容,在網(wǎng)站分析報(bào)告中我一般會(huì)對(duì)下邊所列出的板塊與指標(biāo)進(jìn)行具體分析(以下列出的是在網(wǎng)站數(shù)據(jù)分析中一些我個(gè)人覺得比較重要的板塊與指標(biāo),不同的網(wǎng)站重要的數(shù)據(jù)指標(biāo)會(huì)有所不同):
基本情況:
■網(wǎng)站的流量水平怎么樣?與行業(yè)同類網(wǎng)站的數(shù)據(jù)相比,根據(jù)我們的市場定位,我們的流量在未來需要有多大的提升?
■訪客主要來自哪些地方?這用于確認(rèn)與我們制定的市場策略是否匹配。如果有相當(dāng)多的用戶來自一些小語種的國家,我們是否要考慮建設(shè)多語言網(wǎng)站?
■訪客一般會(huì)通過什么樣的設(shè)備對(duì)網(wǎng)站進(jìn)行訪問?在移動(dòng)化越來越流行的今天,我們是否要建設(shè)自己的移動(dòng)站點(diǎn)或開發(fā)我們的APP?
■新老用戶的比例怎么樣?我們?cè)谕卣剐掠脩舻耐瑫r(shí),是否能夠留住老用戶?
流量來源
■網(wǎng)站的主要流量來源有哪些,SEO、SEM、EDM還是社交媒體?還有哪些類型的流量來源我們可以拓展?
■這些流量來源的優(yōu)先順序是怎么樣的,哪些是我們最倚重的流量來源,哪些流量來源的轉(zhuǎn)換率最高?
■SEO/SEM的流量水平怎么樣,該如何去提升?
■EDM、社交媒體的營銷方式的使用情況怎么樣,轉(zhuǎn)換率如何?
網(wǎng)站內(nèi)容
■網(wǎng)站的頁面分類有哪些?
■產(chǎn)品頁面、目錄頁面、營銷專題頁面等各類頁面的流量以及轉(zhuǎn)換表現(xiàn)(頁面價(jià)值)情況怎么樣?
■網(wǎng)站上最常見的著陸頁面有哪些?是否頁面上的內(nèi)容正是我們希望用戶瀏覽到的內(nèi)容?
■用戶的訪問路徑的引導(dǎo)是否存在問題,我們是否把用戶引導(dǎo)到了主要的營銷專題或產(chǎn)品頁面?關(guān)于訪問路徑的分析可參考:可參考如何分析用戶的訪問轉(zhuǎn)換路徑。
■用戶是否與網(wǎng)站發(fā)生了我們期望的互動(dòng):參與活動(dòng)、觀看視頻、下載、投票、訂閱或下單?
產(chǎn)品銷售情況
■網(wǎng)站的訂單轉(zhuǎn)換率與客單價(jià)是多少?與行業(yè)水平是否有差距?
■購物車轉(zhuǎn)換漏斗數(shù)據(jù)怎么樣,用戶在哪一步的放棄率比較高,購物車的用戶體驗(yàn)是否可以作優(yōu)化?
■哪一類的產(chǎn)品銷售情況最好?
■用戶在購買前一般會(huì)訪問多少次網(wǎng)站或要考慮多久才會(huì)下單?
要注意的是,數(shù)據(jù)分析師在分析數(shù)據(jù)時(shí)如果發(fā)現(xiàn)有問題(比如購物車的轉(zhuǎn)化率特別低)但又百思不得其解時(shí),可以親自去體驗(yàn)一下網(wǎng)站的訪問流程,看一下在完成一個(gè)特定的目標(biāo)或任務(wù)時(shí)是否存在障礙,也許你一下子就發(fā)現(xiàn)了問題的根源。
案例:
當(dāng)你需要對(duì)網(wǎng)站進(jìn)行一次全面的分析時(shí),你可以按上邊所列的內(nèi)容對(duì)網(wǎng)站的各個(gè)數(shù)據(jù)模塊系統(tǒng)地進(jìn)行分析。但各個(gè)營銷渠道的網(wǎng)站分析需求多種多樣,不同的需求的分析方法也有所不同。而遇到渠道部門提交的一些指標(biāo)數(shù)據(jù)異常的分析需求,我們可以靈活地進(jìn)行處理。
以下是兩個(gè)簡單的案例。
問題1:一個(gè)電商網(wǎng)站日均銷售為$80萬,但某天突然下降為僅有$40萬。
分析:
我們可以按照里邊的內(nèi)容一步一步作分析,把銷售異常的根源找出來,但如果你對(duì)網(wǎng)站的業(yè)務(wù)運(yùn)營情況非常熟悉,在這種突發(fā)情況下我們可以一針見血地找到問題的根源,從而得以快速修正問題恢復(fù)網(wǎng)站的正常銷售。
還是按照我們習(xí)慣的思路來。我們都習(xí)慣了把銷售與流量關(guān)聯(lián)起來,當(dāng)銷售出問題時(shí)我們就會(huì)習(xí)慣性地去查看網(wǎng)站的流量情況。流量也下降了嗎?關(guān)于流量的變化這里有兩種可能:
流量也有一個(gè)相似幅度的下降=》流量來源出了問題?=》細(xì)分流量來源(SEO、CPC、EDM、用戶所在區(qū)域)作分析=》頁面流量分析(商品關(guān)注度是否有變化)
流量沒有明顯的下降è訂單轉(zhuǎn)換率出了問題?=》對(duì)產(chǎn)品的銷售情況作分析,某些產(chǎn)品的轉(zhuǎn)換率下降了還是幾乎所有產(chǎn)品的轉(zhuǎn)換率下降了?=》對(duì)產(chǎn)品的頁面流量進(jìn)行分析或?qū)徫镘囖D(zhuǎn)化路徑作分析,是否是因?yàn)檫@部分轉(zhuǎn)換率較高的產(chǎn)品的關(guān)注度下降了,還是網(wǎng)站的購買引導(dǎo)用戶體驗(yàn)變差了,甚至是購物車系統(tǒng)在某一段時(shí)間不能訪問?
從流量開始層層深入對(duì)數(shù)據(jù)進(jìn)行分析,直至找到問題的根源為止。另外,在分析指標(biāo)數(shù)據(jù)異常的時(shí)候,一些額外因素如特殊日子、重大事件、換季也要考慮在內(nèi),如“雙11”別人者在如火如荼地在大搞促銷,而你卻沒有一起去湊熱鬧,這段時(shí)間的銷售有可能會(huì)變得較為慘淡。
問題2:EDM合作商給他們的北美地區(qū)的用戶發(fā)送了50萬封郵件(郵件鏈接里加了GAUTM標(biāo)識(shí)),但對(duì)網(wǎng)站的銷售增長卻沒有任何促進(jìn)作用。
分析:
網(wǎng)站分析系統(tǒng)里來自EDM的流量數(shù)據(jù)有多少=》這部分流量來自哪些地區(qū),真的是北美嗎?=》這部分訪客的訪問路徑怎么樣,有沒法有進(jìn)入購物車=》最終有沒有產(chǎn)生訂單
分析結(jié)果顯示,這期EDM的僅帶來了少量流量,而且訪客多是香港以及東南亞的,沒有帶來任何銷售,看起來這個(gè)合作商并沒有踐行合約的內(nèi)容,下次就不要再找他們合作了…
GoogleAnalytics智能警報(bào)
另外,在分析網(wǎng)站指標(biāo)數(shù)據(jù)異常的時(shí)候,建議充分使用好GA的智能警報(bào)功能,這個(gè)可以大幅減少你的網(wǎng)站的工作量。當(dāng)數(shù)據(jù)出現(xiàn)異常的時(shí)候,它可以把異常的數(shù)據(jù)指標(biāo)給你列出來,并會(huì)相應(yīng)地列出數(shù)據(jù)異常的原因。
在GA中有兩種類型的提醒:自定義提醒和自動(dòng)提醒。自動(dòng)提醒是GoogleAnalytics根據(jù)其算法生成的提醒。也就是說,每天GA的智能引擎都會(huì)檢查以下維度(包含但不限于)的指標(biāo)值,以確認(rèn)它們是否發(fā)生了顯著變化:
■所有流量
■訪客類型(新訪客與回訪者)
■城市
■地區(qū)
■國家/地區(qū)
■廣告系列
■關(guān)鍵字
■來源
■媒介
■引薦路徑
■著陸頁
■退出頁
■點(diǎn)擊率(AdWords)
除了自動(dòng)提醒,你還可以設(shè)立自定義提醒來監(jiān)控網(wǎng)站運(yùn)營數(shù)據(jù)。你可以為任何一個(gè)指標(biāo)設(shè)置提醒標(biāo)準(zhǔn)并應(yīng)用到任何維度,甚至還可以把提醒應(yīng)用到高級(jí)細(xì)分的訪問群組中。我們可以把網(wǎng)站流量與銷售的高峰與低谷設(shè)置為警報(bào),這樣當(dāng)網(wǎng)站的主要指標(biāo)出現(xiàn)異常時(shí)這些自定義提醒就可以通過郵件發(fā)送功能及時(shí)地通知到相關(guān)人員。目前只有自定義提醒功能可以使用郵件自動(dòng)發(fā)送功能。
網(wǎng)站分析并沒有固定的步驟和方法,當(dāng)你非常熟悉網(wǎng)站分析工具的使用以及所要分析的網(wǎng)站的業(yè)務(wù)時(shí),你可以完全不必拘泥于以上的所提到的思路與方法,但網(wǎng)站分析的目的必須要明確:減少成本,提升效益,分析后的優(yōu)化工作不可缺失。數(shù)據(jù)分析師培訓(xùn)
數(shù)據(jù)分析咨詢請(qǐng)掃描二維碼
若不方便掃碼,搜微信號(hào):CDAshujufenxi
訓(xùn)練與驗(yàn)證損失驟升:機(jī)器學(xué)習(xí)訓(xùn)練中的異常診斷與解決方案 在機(jī)器學(xué)習(xí)模型訓(xùn)練過程中,“損失曲線” 是反映模型學(xué)習(xí)狀態(tài)的核心指 ...
2025-09-19解析 DataHub 與 Kafka:數(shù)據(jù)生態(tài)中兩類核心工具的差異與協(xié)同 在數(shù)字化轉(zhuǎn)型加速的今天,企業(yè)對(duì)數(shù)據(jù)的需求已從 “存儲(chǔ)” 轉(zhuǎn)向 “ ...
2025-09-19CDA 數(shù)據(jù)分析師:讓統(tǒng)計(jì)基本概念成為業(yè)務(wù)決策的底層邏輯 統(tǒng)計(jì)基本概念是商業(yè)數(shù)據(jù)分析的 “基礎(chǔ)語言”—— 從描述數(shù)據(jù)分布的 “均 ...
2025-09-19CDA 數(shù)據(jù)分析師:表結(jié)構(gòu)數(shù)據(jù) “獲取 - 加工 - 使用” 全流程的賦能者 表結(jié)構(gòu)數(shù)據(jù)(如數(shù)據(jù)庫表、Excel 表、CSV 文件)是企業(yè)數(shù)字 ...
2025-09-19SQL Server 中 CONVERT 函數(shù)的日期轉(zhuǎn)換:從基礎(chǔ)用法到實(shí)戰(zhàn)優(yōu)化 在 SQL Server 的數(shù)據(jù)處理中,日期格式轉(zhuǎn)換是高頻需求 —— 無論 ...
2025-09-18MySQL 大表拆分與關(guān)聯(lián)查詢效率:打破 “拆分必慢” 的認(rèn)知誤區(qū) 在 MySQL 數(shù)據(jù)庫管理中,“大表” 始終是性能優(yōu)化繞不開的話題。 ...
2025-09-18DSGE 模型中的 Et:理性預(yù)期算子的內(nèi)涵、作用與應(yīng)用解析 動(dòng)態(tài)隨機(jī)一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明確:TIF 中的地名有哪兩種存在形式? 在開始提取前,需先判斷 TIF 文件的類型 —— ...
2025-09-17CDA 數(shù)據(jù)分析師:解鎖表結(jié)構(gòu)數(shù)據(jù)特征價(jià)值的專業(yè)核心 表結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲(chǔ)的結(jié)構(gòu)化數(shù)據(jù),如數(shù)據(jù)庫表、Excel 表、 ...
2025-09-17Excel 導(dǎo)入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實(shí)戰(zhàn)應(yīng)用 在用 Python(如 pandas 庫)處理 Excel 數(shù)據(jù)時(shí),“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗(yàn)與 t 檢驗(yàn):差異、適用場景與實(shí)踐應(yīng)用 在數(shù)據(jù)分析與統(tǒng)計(jì)學(xué)領(lǐng)域,假設(shè)檢驗(yàn)是驗(yàn)證研究假設(shè)、判斷數(shù)據(jù)差異是否 “ ...
2025-09-16CDA 數(shù)據(jù)分析師:掌控表格結(jié)構(gòu)數(shù)據(jù)全功能周期的專業(yè)操盤手 表格結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 存儲(chǔ)的結(jié)構(gòu)化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計(jì)劃中 rows 數(shù)量的準(zhǔn)確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調(diào)優(yōu)中,EXPLAIN執(zhí)行計(jì)劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對(duì)象的 text 與 content:區(qū)別、場景與實(shí)踐指南 在 Python 進(jìn)行 HTTP 網(wǎng)絡(luò)請(qǐng)求開發(fā)時(shí)(如使用requests ...
2025-09-15CDA 數(shù)據(jù)分析師:激活表格結(jié)構(gòu)數(shù)據(jù)價(jià)值的核心操盤手 表格結(jié)構(gòu)數(shù)據(jù)(如 Excel 表格、數(shù)據(jù)庫表)是企業(yè)最基礎(chǔ)、最核心的數(shù)據(jù)形態(tài) ...
2025-09-15Python HTTP 請(qǐng)求工具對(duì)比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請(qǐng)求(如接口調(diào)用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長浮點(diǎn)數(shù)據(jù)的科學(xué)計(jì)數(shù)法問題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長浮點(diǎn)數(shù)據(jù)時(shí)的科學(xué)計(jì)數(shù)法問題 ...
2025-09-12CDA 數(shù)據(jù)分析師:業(yè)務(wù)數(shù)據(jù)分析步驟的落地者與價(jià)值優(yōu)化者 業(yè)務(wù)數(shù)據(jù)分析是企業(yè)解決日常運(yùn)營問題、提升執(zhí)行效率的核心手段,其價(jià)值 ...
2025-09-12用 SQL 驗(yàn)證業(yè)務(wù)邏輯:從規(guī)則拆解到數(shù)據(jù)把關(guān)的實(shí)戰(zhàn)指南 在業(yè)務(wù)系統(tǒng)落地過程中,“業(yè)務(wù)邏輯” 是連接 “需求設(shè)計(jì)” 與 “用戶體驗(yàn) ...
2025-09-11塔吉特百貨孕婦營銷案例:數(shù)據(jù)驅(qū)動(dòng)下的精準(zhǔn)零售革命與啟示 在零售行業(yè) “流量紅利見頂” 的當(dāng)下,精準(zhǔn)營銷成為企業(yè)突圍的核心方 ...
2025-09-11