大数据：5种方法解读网站分析数据精选.docxVIP

大数据：5种方法解读网站分析数据数据是进行网站分析的基础，Google Analytics为一个网站提供了上百个报告和数据指标，它们分散在不同的维度中，如何来解读这些数据呢?单一的数据本身没有任何意义，只代表了它记录到的信息。(比如PV只代表页面被显示的次数)不同的处理方法也会获得不同的数据结果。(追踪代码在页面的位置会影响PV数据的记录结果)网站分析的工作就是通过对网站数据的解读，产生有意义的结果。(将数字转化为人类的语言)跳出率是我们在网站分析中比较关注的一个数据指标，单一的跳出率数据有什么意义吗?举个例子，网站的跳出率是50%，一个不好也不坏的数字。这个数据有什么意义吗?我觉得没有。因为它不能告诉我们任何信息。单纯的数据无法被解读。数据只是数据，不是人类的语言!面对这样的数据，在进行网站分析时可以用5种方法来对数据进行解读。让数据变的更易读更有意义。并对下一步工作具有指导意义。下面用5种方法逐一来解读“网站的跳出率是50%”这个数据。1了解数据的意义和产生的原因解读数据前先要清楚的了解数据背后所代表的意义及产生的原因(这个数据是如何被计算出来的。)解读数据: 网站的跳出率是50%跳出：指单页访问或访问者的次数，即在一次访问中访问者进入网站后只访问了一个页面就离开的数量。跳出率：指某一范围内单页访问次数或访问者与总访问次数的百分比。跳出率=跳出访次/所有访次结论：跳出率是一个负面指标，数据高不是个好事情。这个网站的跳出率有50%,说明有一半的访次在网站上只浏览了一个页面就离开网站了。如何在Google Analytics中实现：在报告中，每个指标右侧都有一个问号标记，点击这个标记可以看到google对这个指标的定义和计算方法。2了解数据的意义和产生的原因前面知道了跳出率是个负面指标，但单一的50%我们不知道他对于网站来说究竟是算高还是算低，因为没有参照物。我们需要一个参照指标来对目前的数据进行衡量。这个参照指标可以是网站历史同期的指标。(对于有销售季节性的网站，历史同期数据很重要)也可以是行业基准指标。对比前首先要确定这个数据产生的时间，然后选择有比较意义的历史数据，通过对比可以看出目前数据的好坏。解读数据: 网站的跳出率是50%确定数据产生的时间范围是2010年3月份。选择历史同期数据2009年3月份数据进行对比。(或者行业基准数据)历史数据：2009年3月份的跳出率是40%行业数据:跳出率45%结论：3月份网站的跳出率是50%，这个数据高于去年同期数据，同时也高于行业基准数据。根据跳出率的定义，3月份网站对访客的表现变差了，有更多的访客只在网站浏览了一个页面就离开了网站。如何在Google Analytics中实现：在报告菜单中有基准数据(Benchmarking)选项，找到与网站同行业的基准数据进行对比。3把数据带入到趋势中除了和历史数据相比，还要把数据带入到趋势中，因为数据不是孤立的，产生的原因多种多样。通过趋势中的背景信息可以获得更多的信息来解读数据。解读数据: 网站的跳出率是50%将3月份网站的跳出率是50%的数据带入到网站第一个季度的趋势中：1月份跳出率40%，2月份跳出率60%，3月份跳出率50%。通过对比发现在第一季度中网站的跳出率是一个先增后降的变化趋势。3月份的跳出率虽然比历史数据和行业数据要差，但其实是一个向正常的回归。而真正造成3月份跳出率高的原因其实发生在2月份。这时候就需要对2月的情况进行检查，比如：网站在2月份进行过改版，或者开展了某种营销活动。导致数据不稳定。结论:50%是在变化趋势中的一个数据，虽然比历史同期的表现要差，但是是向正常趋势的回归。所以不能仅凭50%的跳出率就说网站在3月份的表现变差了。如何在Google Analytics中实现：在报告中选择不同的时间范围进行数据对比，所选择的对比时间范围将贯穿整个报告。4这是一个汇总数据吗?通常网站的数据是对网站内不同频道，不同页面在不同时间内表现的一个汇总情况。在网站中，由于内容和功能的差异，所以各个频道或页面的数据表现都会不同。将网站总体数据分解到不同的内容中可以找到真正存在问题的部分。解读数据: 网站的跳出率是50%网站3月的跳出率是50%，是由3月每一天的跳出率汇总的。也可以是由网站的每个页面，每个频道数据汇总的。将数据细分到每个频道中会发现可能大部分频道的跳出率都低于50%，只有某个频道80%的跳出率拉高了整个网站的跳出率水平。结论:网站的整体数据是没有可操作性的，因为我们不知道问题真正出在哪里。通过细分可以找到真正出问题的地方，并且有针对性的进行优化，进而提高整个网站的表现。如何在Google Analytics中实现：在高级群组中按页面内容创建自定义群组，并对不同页面和频道的数据进行对比。最多只能同时查看3个高级群组。群组数