网站用户数据模型.docVIP

4，做到有的放矢、对症下药。有效的避免了前期做了较多的工作而建立起的内容和服务确收不到预期的效果。 5，一个形象的比喻：一个饭馆儿里的所提供的服务都是食客所喜欢的、所需要的。那么很自然即使你的饭馆里的产品与别的饭馆相同、类似，那么这些食客还是会 喜欢到你这家饭馆，因为他们在这里可以享受到他们所需要的服务，他们在这里可以按照原来的习惯进行点菜。他们在这里可以有一种被十分重视的感觉，让他们觉 得自己是上帝。经过漫长的经营过程，这家饭馆自然会高堂满坐。 在你的饭馆里能对你的服务、菜品、装修等方便提出意见和建议的用户绝对是好用户，只要处理得当，这个用户的回头率会在80%以上。同样大多数来用餐的用 户，是不会对你饭馆的服务提出任何有建设性的意见和建议，他们多半会是墙头草，那家服务好，就往哪家跑。所以针对能提出意见的好用户，更要给予足够的重 视。 以下是我做的一个网站用户群体数据分析的模型，希望可以对提高的访问量有所帮助，这个模型其中包括：网站本身后台记录的访问量数据与用户 主动反馈上来的调查数据。如果要用户尽可能多的反馈上来数据就必须把反馈做成选择题的调查形式让用户的操作尽量简单，因为现在的互联网网民们都是很懒得。 ------------------------------------------------------------------------------ 网站用户数据分析模型（参考） 一、用户的来源。 1，访问我们网站的用户都是从那些网站过来的？这项数据可以从网站后台技术记录的LOG中分析得出。 （虚拟网络来源） 2，访问我们网站的用户都是来自现实中的哪些省份？这项数据可以从网站后台的IP地址记录中分析出。 （真实地域来源） 二、网站造访人次。 1，网站每月造访总人次。这项数据来源于后台的LOG分析。 2，网站每日造访总人次。这项数据来源于后台的LOG分析。（以上均以IP个数为准） 3，网站每日每个栏目、每篇文章的造访人次。这项数据来源于后台的LOG分析。 三、用户年龄。 1，访问我们网站的用户都是在哪些年龄段？具体可以分为15——18岁，18——21岁，21——25岁，26——30岁，30岁——35岁，35岁以上。 这项数据来源于网站的人工调查分析。 四、用户职业。 1，访问我们网站的用户职业分布。大致可分为：学生、上班族白领、自由职业者、政府机关干部、IT卖场服务、高科技产业服务等等。可具体根据网站的定位来进行细分化调查。 这项数据来源于网站的人工调查分析。 五、用户习惯。 1，用户浏览我们网站的习惯，主要包括：新闻栏目内容的排列，服务操作的使用是否方便、整体业面的布局使用是否方便、浏览新闻的时候是觉得哪里不适合您的 浏览习惯？等等。具体可以根据各自网站的特点进行细分化。这项很重要，大部分用户在互联网上已经养成了一定的浏览和访问的习惯。符合他们习惯的设计服务， 会粘住这些用户。这项数据来源于网站的人工调查分析，与网站后台技术分析。 2,用户习惯于每天什么时间浏览我们的网站？也就是大部分访问网站的登陆时间。这项数据必须要求精确。模糊、大概、可能这样的词语不可以使用，否则这项数据将失去意义。这项数据来源于网站的人工调查分析，与网站后台技术分析的结合。 3，用户习惯于在我们的网站上停留多久？也就是大部分用户在我们网站直到关掉我们站点中间停留的时间，这部分数据可以充分的说明，我们网站的内容做的是否 对用户的胃口，内容的质量是否对比上周有提高？内容是否具有粘滞力。这是最有说服力，也最客观的分析数据。这项数据来源于网站的人工调查分析，与网站后台 技术分析结合的方式来获得。 六、用户所最喜欢的网站服务。 1，用户最喜欢的网站服务是什么？是商城？是渠道信息？是RSS服务？是论坛社区？是硬件信息？是软件技术信息？等等……这项数据可以充分的了解我们的服务该朝哪个方向努力，该强加哪些方面。 七、用户最讨厌的网站服务。 1，用户最讨厌的网站服务是什么？是商城？是渠道信息？是RSS服务？是论坛社区？是硬件信息？是软件技术信息？等等……为什么讨厌？这点数据是我们如何提高和改变自己服务模式的重要依据。 2，每周评选网站做的最差的栏目，或者服务。让网站的用户来评选出，网站每周做的最差的是哪个栏目？为什么差？这个栏目由谁来负责？被用户评为最差的原因 在哪里？这样分析讨论找出原因后，再进行评选，如果一个栏目连续几周内都被用户评为最差栏目，那么这个栏目的相关负责人就要受到相应的处罚。必须明确栏目 与责任人的关系，否则到时候数据出来了也不好处理。如果处理之后还是最差，那么就是这个栏目