新手应该如何学习网站分析I

  • 1. 你需要了解互联网

  网站分析的对象是网站,所以你需要了解互联网。了解互联网有两个方面,一个方面是技术上的,一个方面是商业上的。

  技术上看,你要了解互联网是什么原理,它如何工作,以及它上面有些什么应用。例如,它怎么就能实现一个电脑和另一个电脑就能聊QQ,又怎么能够实现你输入www.chinawebanalytics.cn就能看到我的博客呢?另外,为什么你还能下载电影,又能够上传照片。也就是说,你要了解互联网信息存放和传递的机制。而在你了解互联网如何传递信息的过程中,你又会学习到一些更细致的东西,比如什么是HTTP协议,什么是URL,什么server和client end,以及什么是浏览器等等。如果你深入到知道了什么是“肉鸡”、“暴风影音”事件背后的技术原因以及它和“暴风影音”之间的联系的话,那么恭喜你——互联网常识课你毕业了。

  这些技术,其实不应该叫做技术,而应该被称为常识。懂得常识的人就如同懂得因为万有引力才让苹果往地下掉而不是飞到天上去一样,但是要去探寻万有引力的成因就毫无必要了。学习WA也是如此。比如,你只要知道JPG格式是什么就好了,或者你可以进一步指出JPG和Flash区别,但是关于JPG的压缩算法就毫无必要了解。或者,你要知道Cookie是什么,有什么作用,但是如何利用程序生成和控制cookie,现在你是完全不需要了解的。一句话——什么都要懂一点,出来了不认识的名词应该搞清楚,但是至于要不要钻进去,那就见仁见智了。

  商业上看,你要了解互联网上的商业模式。如果说出SNS这个词如果都要想半天的话,那么说明你极度不了解互联网,这是不行的。要知道互联网上的几种最基本的盈利模式(开心网靠什么赚钱?百度怎么赚钱,阿里巴巴怎么赚钱,QQ又是怎么赚钱?——去深入的了解),要知道PPC和SEM,要知道电子商务有B2B,B2C和C2C,要知道有网站联盟这回事,也要知道互联网上有很多虚假甚至欺诈……你无须去创造什么互联网商业模式,但是你要看明白这些层出不穷的东西。还有,最好知道几个互联网名人和他们的观点,比如前段时间火爆的马云和最近火爆的程炳皓……这些东西或许不直接帮助你提升网站分析的技巧,但他们却是让你真正分析时少走弯路的重要知识积淀。另外,了解互联网商业模式的另一个重要意义在于,网站分析是为商务服务的,理解商业模式才能让你真正从Business的角度,而不是technology的角度去进行分析。我常常和我的同事说,想要成为网站分析的专家,首先你必须是一个网络营销的专家。

  • 2. 你需要知道一些网页技术的基本概念

  再次强调,网站分析的对象是网站,具体则是一个个的网页,因此你要懂一些网页技术的基本概念,不需要太复杂的网页技术。

  首先,你要知道HTML的一些最基本的概念和元素。相关的知识百度一下(不敢推荐谷歌中国了,又被新闻联播点名了)会有一大堆的内容。这里推荐硅谷动力所做的专题,很简明扼要。HTML如果比较了解了,不妨再了解一下XML,ASP和PHP等。不过并不是必须的。

  然后,最好能知道一些脚本语言(比如Javascript)的基础。这个基础能够帮助你大概看懂一些页面元素的设计,从而能够正确实施监测代码。中长期来看,对有志于进一步深入学习网站分析的朋友而言,自己能够手工的修改代码以实现一些定制化的网站监测是美好的。不仅如此,如果有一天会进入互联网广告的监测领域,知道脚本语言能帮助你在广告的物料中准确的加入代码(ActionScript)。脚本语言(甚至面向对象的语言)都是类似的,了解了一个其他的也都差不多。当然,如果你在领导一个网站分析的团队,那么你的团队中必须要有一个精通网页编程技术的同事。

  最后,你要知道Cookie,Cache等随HTTP协议而产生的帮助互联网网页信息更高效传输的一些信息存储和传送方式。了解他们的原因是它们可能对网站分析的监测产生很重大的影响。

  • 3. 你需要会用一些最基本的工具

  进行网站分析当然要使用网站分析工具。所以你得至少知道Google Analytics,或者更好能知道Omniture,WebTrends之类。除了知道,你最好还要能会用其中的某一个。我建议新手从Google Analytics开始,免费工具,实施简单,而且界面也简单,非常适合入门级用户。

  网站分析是与数据打交道的工作,因此你需要会一些处理数据的工具。谈到这里,朋友们会问我,网站分析需要使用一些高级的数据分析工具,比如SPSS或者SAS吗?答案取决于你用哪种方式进行网站分析。如果你直接分析网站日志文件,而且还不使用WebTrends等日志分析工具的话,那么,毫无疑问,你需要一个强大的数据分析工具和一台高级的电脑。而如果你是用添加监测代码的方法来获取网站分析数据的话,那么我认为使用SPSS和SAS的机会不多,因为最底层的大量的基础数据处理都已经被这些工具代劳了。而且,请注意,SPSS或者SAS并没有专门为网站日志数据定义模型,你需要自己建立;而网站分析工具则通过已经内置的数据模型为你直接输出分析结果。所以,我认为,SPSS和SAS等高级数据软件并不是WA必须的基本工具

  那么,什么是呢?当然是我们的伟大的Excel了。我建议使用新的Excel2007版本,它新增加的功能对网站分析很有用。另外网站分析需要大量输出图表以帮助客户理解,因此Excel是最适宜的工具。除了Excel外,如果你要面对客户做Presentation,那么熟练掌握PowerPoint是不可少的。

  除了Excel和PowerPoint,我还建议你使用另外一个工具:HTTPWatch。这个工具并不免费,但是在中国这不是问题,你可以到官方网站下载一个,然后在我们伟大的百度上搜刮出一个低速的破解方法。这个工具的作用如其名字,是用来获取网页信息传递过程中的所有数据包信息的。我们用它来检查网站监测代码是否正确添加。  

  • 4. 你需要学习最基本的WA概念和定义

  嗯。这个不用说了。你要知道什么是visit,什么是PV,什么是bounce rate,什么是time on site……。想要知道这些,可以看英文的Avinash的博客,具体内容零散在他的博客的很多文章中(你可以直接点击他博客的site map,不过他的site map更新比较慢,新文章可能还没有被列入)。如果你想知道一些国际通用的WA概念和定义,你可以去WAA(WA联合会,Web Analytics Association)这个民间协会组织看看,IAB(互动广告协会)也有相关内容。当然,多阅读是很重要的,Avinash有一些他推荐的博客,我认为都不错,其中也有我的博客(见笑),大家没事儿随便挑几个阅读,会有收获。

  英语不好?没关系,你可以看我的博客,内容很翔实了(自夸下),而且我会经常翻译一些国外同行的好文章。

  有没有好书推荐?中文的书籍其实还没有太好的。Avinash的"Web Analytics One Hour A Day"是为数不多(也是我唯一知道)的翻译为汉语的书籍。因此我建议大家在互联网上寻找一些英文的书籍,比较推荐Google Analytics Short Cut(感谢Kurt的推荐),以及Web Analtyics Dumb Book。偷偷告诉大家,在电驴上搜索相关资源是一个很好的办法,不过请大家花钱支持正版哦!

  • 5. 你要有商业意识(Business Sense)

  最重要的总是放在最后说。在我其他的文章中已经反复的强调过,网站分析不是目的,而是服务于商业活动的手段。因此,网站分析的前提是你要有商业意识。你的数据不仅仅是在描述网站本身,更是在描述网站所代表的商业行为。如果你的分析不是由实现某种清晰的商业目标所统领的话,那么你的分析最终是毫无意义,或者至少是价值大打折扣的。我做了很多类似的毫无价值的网站分析,我清楚的知道一个清晰的商业目标对于网站分析是多么的重要。你可能会告诉我,你的网站并不是一个从事商业活动的网站。我要说,网站可以不是服务于商业的,但是对于你网站的经营需要以商业化的标准和手段来进行。也就是说,尽管你的网站可能没有一个商业目标,但它的存在不会没有目的,理解这个目的并且更好的实现这个目的,当然是需要商业感觉的。

  商业意识的另一个内容是你需要和业务部门以及市场部门的同事发生直接的联系。千万不要认为网站分析是一个闷在罐子(silo)中的工作,没有业务部门同事对于Business相关信息的输入,你不可能具有全面的商业理解,你也就无法把这些理解应用到你网站分析的过程中。结果可能是,你的分析结果很正确,但却成为正确的废话。Business部门的人既是你的客户又是你的帮手,你要了解他们的工作,并且倾听他们的需求,然后攫取他们的“精神财富”。

  好了,说了这些,你一定会发现其实网站分析的门槛其实并不是那么高。相信我在本文最前面说的,工具、模型乃至技术都不是决定网站分析能力的根本所在,最根本的还是在于你的头脑你是否具有敏锐的商业感觉?你是否具备缜密的逻辑分析能力?你是否能够从现象中抽象出核心的问题所在?你能否会分清重点避免在一些无谓的问题上最牛角尖耗费精力?你是否能够既具有宏观的思维,又能在微观层面上进行有条理的分析挖掘?以及,你是否能把你所获得的见解和结论以最好的故事和讲法呈现出来?——这些,才真正决定了差异。而这些,也是区分一个网站分析爱好者和一个网站分析从业者之间的特质所在。

  最后,用给我提这个问题的Hai给我的回信来做结尾:“

看到一部优秀的电影的时候,要知道这名导演除了艺术天才,还有着卓越的技术功底,比如情节构建、场景设计、剪辑技术、光影特效;但最重要的还是他的艺术天赋;

看到一名优秀的足球运动员的精湛表演,要知道他除了灵敏的嗅觉和意识之外,还有着艰辛的锻炼过程,高超娴熟的球技;但最重要的还是他的嗅觉和意识;

看到一部优秀的文学作品,要知道这位作家,除了深沉动人的哲思之外,还有着高深的笔力,比如人物表现的手法,故事结构的组织等;但最重要的还是他的思辨。

讨论网站流量变化背后的原因

本篇文章我们将继续这个话题,讨论网站流量变化背后的原因。与上次不同的是,这次我们将深入到各个细分流量中,如:直接流量,付费搜索品牌词等等。针对每一组细分流量背后可能的原因进行分析。下面我们就开始逐一列举分析。

一,直接流量

直接流量通常是指访问者直接输入网址或从收藏夹中访问网站的流量,但在现实中情况要复杂的多,所有无法获得引荐来源的流量都被归为直接流量,例如:来自聊天工具QQ,MSN的流量,或者来自邮件客户端的流量都会因为没有来源信息而被归为直接流量。了解了直接流量的组成后,我们来分析下可能引起直接流量变化4种原因。

1品牌广告

品牌广告是造成直接流量变化的第一个原因。所谓品牌广告,我的理解就是除了网站名称或网址外啥信息也没有的那种。

场景分析:品牌广告最直接的目的就是让用户记住并访问网站,如果网址简洁又好记的话,用户会直接记住网站地址访问网站。这就造成了直接流量的增长。而如果网址较长那么用户会记住网站名称或某个slogan然后通过搜索引擎访问网站,这与直接访问无关,是我们后面要介绍的内容。

2热点事件

热点事件是造成直接流量变化的第二个原因。这里的热点事件既包括正面事件也包括负面事件。无论是网站自己制造的病毒营销还是因某个失误被网友发现并放大。当网站因为热点事件被广泛关注时,流量肯定也会随之增长。

场景分析:热点事件引起直接流量变化的理由很简单,想一下我们平时都是如何获得这类信息的,又是如何将这些信息分享给朋友的。是的,聊天工具QQ或者MSN。当我们在QQ群里看到带有链接的信息,并点击访问时。这次访问将被记录为了直接流量。

3内部访问

内部访问是造成直接流量变化的第三个原因。内部访问是指网站或公司内部人员访问网站产生的流量。通常网站都会屏蔽掉来自内部IP的访问量,但如何没有屏蔽或者因为某种原因无法屏蔽时,内部访问就成了影响直接流量的主要原因了。

场景分析:网站或公司内部员工会如何访问自己的网站?去搜索引擎搜公司名称?去找网站广告点进来?他们一定是直接输入网址访问网站,最差也是把网站放在收藏夹里然后点击访问的。大部分浏览器都有网站提醒功能,并且内部员工每天都需要频繁的访问网站,所以直接输入网站域名首字母,然后选择网址访问已经是最方便的一种方法了。所以,内部员工的访问量大部分都属于直接流量。

这里要特别说明下,如果你网站的内部员工数量少,不会对流量和指标造成太大影响,但如果员工数量众多,那么一定会对直接流量造成明显的影响。

4营销活动

营销活动是造成直接流量变化的第四个原因。营销活动包括各类的专题,抽奖,打折促销活动。营销活动最主要的影响并不体现在直接流量上,但如果活动本身影响力较大,那么肯定会对直接流量造成影响。方法和热点事件对直接流量的影响类似。

场景分析:我们可以把营销活动理解为另一类的热点事件。好友之间在聊天工具上分享打折促销信息,点击访问的流量将被记录为直接流量。甚至有些网站在活动推广时会专门雇用兼职在群里发布消息或链接。所以营销活动同样也会造成直接流量的变化。

二,付费搜索流量

付费搜索流量是指通过在搜索引擎购买关键词及对搜索结果广告位进行竞价的方式,从搜索引擎获得的流量。简单的说就是SEM流量。例如:百度竞价排名流量,Google AdWords流量等等。付费搜索引擎流量与其他流量比较,变化相对较小,可控制性较强。下面我们来分析下可能引起付费搜索引擎流量变化的几种原因。本文中介绍的付费搜索引擎流量不包含搜索引擎内容网络部分的流量。

1匹配方式

更改关键词的匹配方式是影响付费搜索流量的第一个原因。通常关键词都会有三种匹配模式,精确匹配,词组匹配和广泛匹配模式。不同的匹配模式决定了广告在搜索结果中被展现的数量,从而进一步影响到了关键词为网站带来的流量。当我们调整一广告系列关键词的匹配模式时,比如会对流量造成影响。

场景分析:在其他因素不变的情况下,我们将关键词“网站分析”由精确匹配调整为广泛匹配,这时候当访问者搜索“北京网站分析”,“网站分析笔记”这些词的时候都会触发“网站分析”这个关键词。而更多的展现量通常也将为网站带来更多的流量。

2出价策略

出价策略是影响付费搜索流量的第二个原因。忽略掉质量度的因素,出价策略直接影响广告的展现次数及排名。广告在搜索结果的不同位置(左侧或是右侧,第一名或者是第三名)获得的点击量都是有差别的。调整关键词的出价将会直接影响广告的位置,从而影响关键词获得的流量。

场景分析:在其他因素不变的情况下,调整关键词的出价将影响广告在搜索结果中的竞争力,降低广告在搜索结果中的排名,甚至影响广告的展示。这种情况下广告获得的点击量和流量都将减少。而反之亦然。

3修改创意

付费搜索引擎广告的创意是指标题和描述中的内容,这也是影响付费搜索流量的第三个原因。广告创意影响的不是广告位置和展现次数,而是广告的点击率。而相同展现量的情况下点击率高的广告也将获得更多的流量。

场景分析:访问者在搜索引擎中如何选择结果呢?依靠搜索结果中的描述。而对于广告,这些描述就是创意。与访问者搜索内容相关度越高的创意,越能获得访问者的点击。而不断的优化创意提高点击率又是SEM永无止境的一个优化方向。所以,当我们修改了关键词的创意时就会影响广告的点击率,从而造成付费搜索流量的变化。

4投放时间

调整广告投放时间是影响付费搜索流量的第四个原因。工作日8小时投放与7*24小时投放的关键词,在流量上会有很大差别。投放时间直接影响广告的展现次数,进而影响广告的点击以及为网站带来的流量。

场景分析:通常情况下,除了凌晨2点—早上8点。其他时间都是访问者搜索的活跃时间。而广告投放时间的长短和时间段选择会直接影响网站获得的流量。当我们调整广告在搜索引擎的展现时间段时,就一定也会影响付费搜索带来的流量。

5竞争对手

竞争对手是影响付费搜索流量的第五个原因。和前面三个原因相比,竞争对手影响的方面比较多,并且也比较复杂。竞争对手对于付费搜索关键词的匹配方式,出价策略,创意修改和投放时间的调整都可能会影响到我们付费搜索的流量。

场景分析:当我们与竞争对手购买同一关键词时,出价策略往往会决定双方广告的排名。双方的广告创意会争夺访客的眼球。而匹配方式投放时间的调整也可能使双方在更多的匹配关键词和时间段内展开流量的竞争。造成付费搜索流量的变化。

6关键词数量

购买关键词的数量是影响付费搜索流量的第六个原因,这与前面提到的匹配模式类似。新增加的关键词可以为网站带来更多的流量。但这只在一定范围内有效,当关键词对访客覆盖到一定范围时,新增加的关键词对流量的影响就微乎其微了。除了关键词的数量之外,关键词的质量也会对流量造成影响。扩展搜索量较高的关键词也会影响流量变化。

场景分析:和调整创意一样,扩词也是付费搜索引擎优化的一个方向。为了吸引更多的流量,需要为广告增加更多的展现机会。SEM们经常会使用各种方法来扩充自己的词库,例如:获取竞争对手关键词,寻找访问者真实搜索关键词,参考站内搜索关键词,等等。每当扩展出一批新词进行测试时,都会或多或少的影响付费搜索带来的流量。

7投放地域

投放地域是影响付费搜索流量的第七个原因,也是最简单的一个原因。地域对流量有限制作用。当一个地域的流量增长到一定程度时就无法再增加了。增加投放地域也就意味着增加了新的访问群体。同样也就意味着流量的增长。

场景分析:选择单独针对北京和同时选择北京上海两地投放广告的效果一定是不一样的。新增的地域范围会带来新的访客,新的流量。

A付费搜索品牌词流量

付费品牌词是付费搜索流量的一个子集,这类关键词通常是网站名称,网站域名或者是品牌名称,以及这些名称的扩展,缩写,谐音或者错别字等。对于我的博客,品牌词就是“蓝鲸网站分析”。这类关键词我们统一归为网站的品牌关键词。对于付费品牌关键词流量的变化,除了前面介绍的影响付费搜索流量变化的原因外,还有一些特定原因。这些原因造成付费流量中的品牌关键词。

1品牌广告

品牌广告是影响付费搜索品牌词的第一个原因。在分析直接流量时我们就说过,品牌广告会同时影响直接流量和搜索流量。而当品牌广告中网站域名不容易记忆的情况下,对品牌关键词的影响就会更大一些。

场景分析:访问者通常都很懒,也很依赖搜索引擎。如果广告中网站的域名不够简单。他们更愿意去记网站的中文名称。然后再通过搜索引擎访问网站。这就造成了品牌词流量的增长。

2软文,新闻

软文,新闻是影响付费搜索品牌词变化的第二个原因。软文和新闻是网站主动发起的营销活动,这类活动对访问者的覆盖范围较大。而如果软文或新闻稿写的好的话,还会吸引访问者继续下一步行动,通过搜索引擎搜索文章中的网站名称访问网站。

场景分析:通常在软文和新闻稿中都不能加入链接。但为了推广的目的都会有网站或公司的名称。访问者在软文中无法找到网站入口,所以只能从搜索引擎中搜索网站名称。这样就会造成来自付费搜索的品牌词流量变化。

B付费非品牌词流量

付费非品牌词是付费搜索流量的另一个子集,付费非品牌词的定义很简单,去除付费品牌词剩下的就是付费非品牌词。付费非品牌词中可能还包含很多类别子集,例如:商品的名称词,类别词,商品属性词等等。每一个子集的关键词都有各自的特点和规律。这里,我们不再做细分,只将这些词都看做非品牌词来分析。

1竞争对手

竞争对手是影响付费非品牌词的第一个原因。和影响付费搜索流量中的原因类似,当我们购买的非品牌词中出现了新的竞争对手,或者是这类竞争对手也购买了和我们相同的词时,就会影响付费非品牌词的流量。这里有朋友可能会问,竞争对手不也会影响品牌词吗?是的,但通常品牌词我们可以通过品牌保护来阻止竞争对手,并且搜索品牌词的访问者有更强的目的性。所以影响相对较小。

场景分析:当竞争对手调整非品牌词的匹配方式,扩词的时候,就会与我们现有的关键词产生重合,当我们查看发生变动的非品牌词时可能会发现,竞争对手的广告就出现在我们广告的前面。这种情况下,竞争对手就会对我们的非品牌词流量造成影响。

2热点事件

热点事件是影响付费非品牌词的第二个原因。这里的热点事件与前面造成直接流量变化的热点事件不同。多是针对网站中某类内容或商品的热点事件。这种热点事件发生时,不是针对网站,而是针对某类特定的内容或商品。而此时如果网站购买了相关的关键词,就会造成非品牌词流量的变化。

场景分析:当某本图书变为畅销书时,访问者会直接搜索图书的名称而不会去搜索某个网站的名称。而如果此时你也购买了这本图书的关键词,那么就会对付费非品牌词造成影响,而不会影响付费品牌词的流量。

三,自然搜索流量(SEO流量)

自然搜索流量是指来自搜索引擎的非付费流量,也可以理解为SEO流量。因为现在几乎所有的网站都很在对自然搜索流量进行优化,所以自然搜索流量也变的不那么自然了。网站通过对关键词,页面结构,内容撰写,链接与锚点的调整等手段,可以影响自然搜索流量的变化。 下面我们来分析下影响自然搜索流量变化的几个原因。

1网站收录量

网站页面被搜索引擎的收录数量是影响自然搜索流量的第一个原因。收录量的多少会影响网站获得的流量。但这里有一个二八原则。大部分页面的收录量变化不会对网站流量造成显著变化。通常只有很少一部分关键页面的变化才会对流量造成影响。但即使这样网站收录量变化仍然是我们需要关注的一个原因。

场景分析:当网站在搜索引擎的收录量发生变化时,我们看到最直观的变化就是关键词的数量变化,带来流量的关键词数量变少了,但流量本身的波动可能并不大。而当收录量开始增加时也同样如此。收录量作为获得搜索流量的一个门槛,短期不会对流量造成明显影响,但长期来看还是需要我们关注的。

2标题描述优化

标题和描述的优化是影响自然搜索流量的第二个原因。这和SEM的创意优化很像,都是通过对搜索结果中标题和描述内容的优化来吸引访客眼球,通过提高点击率来增加流量。与SEM不同的是,自然搜索中对标题和描述的修改没有SEM那么立竿见影。往往会有一定时间的延迟。

场景分析:这里的情况和SEM的创意优化很像。不同的是我们通过修改页面中的meta标签来调整网站在搜索结果中的呈现。单一页面标题和描述的修改同样不会立刻带来流量的显著变化,因为一个词带来的总流量是有限的。但当我们统一修改某一频道或一类页面的标题和描述模板时,肯定会对网站流量造成影响。

3排名与外链

排名与外链是影响自然搜索流量的第三个原因。也是最主要的两个原因。排名的变化直接影响流量的变化。第一页与第二页的流量有着天壤之别。而外链则是影响排名最主要的一个因素。排名对流量的影响是即时的,外链对流量的影响是长远的。

场景分析:网站关键词排名下降意味着什么,我想不用说大家也都知道。这也是为什么SEO们要努力将关键词做到第一页甚至前三名的原因。访客从上致下浏览网页,没有好的排名就意味着访客在没有看到你之前就离开了。外链则是影响排名最主要的因素。当看到SEO的外链专员开始广泛交换和购买外链时,我们应该在流量日记里记录下来。并在未来开始关注流量的变化。

4竞争对手

有人的地方就有江湖,有流量的地方就有竞争。对于自然搜索流量也一样。热门搜索关键词是每个网站都关注的地方。在我们不断优化网站,购买外链,提高排名时,竞争对手也没有闲着。所以,竞争对手的动作和优化策略也是影响自然搜索流量变化的第四个原因。

场景分析:当我们搜索关键词时,会向后看到第几页?多半都会在第一页解决问题。所以,当我们的关键词被竞争对手挤出第一页时,流量也一定会发生显著的变化。对于流量下降明显的热门关键词对半我们要对比下排名的历史记录。

5网站内部调整

什么是网站内部调整?最简单的介绍就是改版。对于搜索引擎来说,改版是网站最大也是最混乱的一次内部调整。搜索引擎需要重新来认识这个网站的结构和内容。所以,网站内部调整是影响自然搜索流量的第五个原因。

场景分析:每次改版对于SEO来说都是痛苦的,因为他意味着太多的改变。对于搜索引擎也是一样。搜索引擎需要重新收录新页面,这个过程会同时影响到前面介绍的收录量,标题和描述优化,和排名。

6服务器状态

服务器状态是影响自然搜索流量的第六个原因。网站的所有页面都保持在服务器里,如果服务器在蜘蛛访问运行不稳定,或者直接宕机。那么一定会影响搜索引擎对页面的收录。并且进一步影响排名或流量。

场景分析:我们会经常访问一个不稳定的网站吗?不会的。蜘蛛也一样。当服务器状态不稳定时,蜘蛛就会停止对网站的抓取。并且对于搜索引擎来说,为了保证访客的搜索体验,也不会给一个不稳定的网站很高的排名。而收录,排名都讲直接影响网站的流量。

7 SEM策略

SEM策略是影响自然搜索流量的第七个原因。SEM策略也会影响SEO的流量变化吗?是的。在搜索引擎流量中,SEM流量和SEO流量有着密不可分的联系。他们既有相同的变化趋势,也会相互争夺流量。

场景分析:对于同一个关键词,SEM广告的排名一定会高于SEO的排名。这种情况下,SEM的广告就会抢走本来属于SEO的流量。造成SEO的流量减少。而当SEM停止投放这个关键词时,SEO的流量又会增长。

A自然搜索品牌词流量

自然搜索品牌词是自然搜索流量的一个子集,自然搜索品牌词与付费搜索品牌词的定义是一样的,这里我们也建议两者使用统一的标准。便于两者的对比和分析。

1 SEM品牌词策略

SEM品牌词策略直接影响SEO品牌词的流量变化。对于真正的品牌词我们也许不用购买。但对于品牌词的扩展,错别字和缩写等等情况。则必须使用SEM来获得好的排名。所以一旦我们对这些词进行竞价,就会影响SEO品牌词的流量。

场景分析:此处场景与SEM策略类似。

2品牌广告

品牌广告在这里也会影响SEO品牌词。情形和付费搜索品牌词类似。访客通过搜索引擎寻找网站时,不会100%的点击付费广告,同样也会点击下面的自然搜索结果。而且这也是最自然的一种情况。所以,强大的品牌广告除了会影响直接流量,付费搜索品牌词之外,还会影响到自然搜索品牌词。

场景分析:此处场景与付费搜索品牌词类似。

3软文,新闻

软文,新闻同样也会造成SEO品牌词的流量变化。与付费搜索品牌词一样。访问者在软文中找不到网站入口时,会通过搜索引擎搜索网站名称或品牌词。在搜索结果中访客也会同时点击自然搜索结果。造成SEO品牌词流量变化。

场景分析:此处场景与付费搜索流量中的软文,新闻类似。

B自然搜索非品牌词流量

自然搜索非品牌词是自然搜索流量的另一个子集,排除自然搜索品牌词,剩下的就是自然搜索非品牌词,与付费搜索非品牌词一样,自然搜索非品牌词也包括很多的子集。并且这些子集要多于付费搜索非品牌词的子集。而且更加广泛,更加没有规律。这里,我们将这些子集都归为非品牌词来统一分析。

1竞争对手

竞争对手在非品牌词上的变化是造成自然流量流量变化的一个原因。情形和自然搜索品牌词类似。这里我认为付费搜索非品牌词对自然搜索非品牌词的影响要小于品牌词的情况。但实际情况远比想的要复杂的多。

场景分析:此处场景与自然搜索品牌词类似。

2热点事件

与付费非品牌词类似,热点事件也是造成自然搜索非品牌词变化的第二个原因。访问者在搜索特定关键词时,可能会点击付费结果,也可能点击自然搜索结果。所以,当有热点事件发生时,针对的付费与免费的关键词都应该会有变化。

场景分析:此处场景与付费搜索流量非品牌词的热点事件类似。

四,引荐流量

引荐流量是指除搜索引擎之外其网站带来的流量,通常这类流量都是免费的。通过交换链接,或者互换广告位,或其他合作方式获得的流量。引荐流量也会随链接形式,链接位置,等因素发生变化。下面我们分析下常见的几种影响引荐流量的原因。

1引荐网站自身流量变化

引荐网站自身的流量变化是造成流量变化的第一个原因。引荐网站自身的流量大小决定了我们可以从该网站上获得的流量。如果一个网站每天只有几千次访问,那么再大再吸引人的广告也不会获得更多的点击。

场景分析:因引荐网站自身流量变化造成的引荐流量变化,是一个长期的过程。一个网站很难在数周内蹿红。所以,如果发现来自某网站的流量逐步增高,并且质量变化不大。而我们又没有在该网站上增加或修改引荐链接的方式。那么就应该关注下该网站自身的流量变化。

2引荐链接形式变化

引荐链接的形式是造成引荐流量变化的第二个原因。同样在一个网站中,文字链接和图片链接获得的关注和点击量是不一样的。所以,改变引荐网站上的链接形式也会造成引荐流量的变化。

场景分析:在引荐网站报告中,Google Analytics可以告诉我们每个引荐页面带来的流量。如果引荐网站整体变化不大,但某个引荐页面流量有变化。就需要我们检查这个页面的链接形式了。

3所在频道及位置变化

引荐链接所在的频道及页面位置变化是造成引荐流量变化的第三个原因。同一个网站中,首页和内页获得的流量相差巨大。同一页面的首屏和底部获得的点击也相差很多。所以,改变链接所在的页面及页面位置也会影响引荐流量的变化。

场景分析:和引荐链接形式类似,通过Google Analytics的引荐页面报告我们可以获得每个页面带来的准确流量。当这些页面的流量发生变化,或者是出现了新的流量来源时,我们都需要检查链接在网站及页面中的位置变化。

4锚点文字及内容变化

最后一个影响引荐网站流量的原因是链接锚点文字或图片内容的变化。这里指的不是文字链变为图片链接。而是通过更改文字链的描述,或更改图片的颜色,内容造成的引荐网站流量变化。

场景分析:更改文字描述和广告颜色会提高引荐流量吗?是的。但可能不会很多。这要根据引荐网站的具体情况来分析。但访问者总是会对颜色鲜艳,文字诱人的链接感兴趣。和前面分析链接形式和所在位置一样,当某个页面的引荐链接流量发生变化时,检查他们的图片或文字内容。

本篇文章到这里结束了,不过我们对流量变化的原因分析并没有结束。本篇文章只列举了网站中最常见的几种流量类型。不同的网站还会包含更多不同的流量分类,例如:campaign流量,EDM流量,SNS流量,线下活动流量,专题活动流量等等。这些流量类别的变化原因我们将在以后的文章中继续分析。

—【所有文章及图片版权归 蓝鲸(王彦平)所有。欢迎转载,但请注明转自“蓝鲸网站分析博客”。】

如何进行科学分析网站数据

一、网站数据分析的主要目标
检查前期网站宣传推广的效果;
为网站进一步优化方案提供数据支持;
二、网站数据分析的主要标准
 

      在传统营销中对市场宣传效果的评估一般要检查知名度、偏爱度、尝试率、忠诚度等四个指标。知名度是说潜在客户知道这家企业或产品。企业或产品做宣传的根本目的是要让潜在客户产生偏爱,最终成为消费者。这时候企业或产品品牌的魅力形成主导作用。尝试率是指消费者知道了企业的宣传之后产生了"试一下"的想法,并付诸行动。忠诚度是指常年购买的消费者。其中只要有一个指标偏低,就会影响到忠诚度。与之对应,网站的数据监测也有几个重要指标,网站流量增长、用户的访问深度、用户产生订单行为、用户的重复使用。这四组数据就是评估网络宣传效果的重要标准。 

三、网站数据分析的主要数据
 

      PHPstat网站数据分析系统在研发设计之初,就融合了营销效果评估的核心理念。在结合营销定性分析的同时,涵盖访客来源、地域分布、访客信息、访客行为、基本流量、搜索分析、广告统计等监测数据。在数据挖掘、流量分析、报表生成的各个阶段,精确定义了有效数据的基本概念,更能贴近了营销人员和数据挖掘人员的使用习惯。 

四、网站数据分析的主要数据
 

      PHPstat网站数据分析系统在研发设计之初,就融合了营销效果评估的核心理念。在结合营销定性分析的同时,涵盖访客来源、地域分布、访客信息、访客行为、基本流量、搜索分析、广告统计等监测数据。在数据挖掘、流量分析、报表生成的各个阶段,精确定义了有效数据的基本概念,更能贴近了营销人员和数据挖掘人员的使用习惯。

步骤1:网站分析首先要检查网站流量增长数据
 

     当网站有流量增长时,就需要监测是哪一次的宣传带来的。可能是互换链接、竞价关键词排名、seo、网络广告投放,也可能是线上线下活动带来的流量。在这里需要衡量的指标是在营销活动之后网站流量的增长情况。

 

检查网站流量最近的变化趋势,网站的流量是否在增加,从哪个时间段开始非常大的变化呢?

向导:体验数据->分时数据->每月统计

 

检查网站流量来源,确定哪一类数据的增长的最快,根据平均浏览浏览时间跳出率判断哪一类访问效果最好。
向导:营销数据->来源数据->流量分类

检查营销推广数据,确定哪一个计划推荐率和转换率比较高,并适当加强优化。
向导:营销数据->营销数据->计划效果

检查网站流量具体来源,确定哪一个网站带来的流量增长最快,根据平均浏览浏览时间跳出率判断哪一个网站带来的访问效果最好,并适当加强合作。
向导:营销数据->来源数据->来源站点

检查网站关键词数据,确定哪一个关键词变化比较大,根据平均浏览浏览时间跳出率判断哪一个关键词带来的访问效果最好,并适当加强优化。
向导:营销数据->搜索数据->入口关键字

 

步骤2:网站分析要检查网站用户行为数据
 

      检查网站流量增长之后,要检查访客的访问深度、停留时间长度、忠诚度、亲近度和跳出率。访客的这些访问指标,是衡量网站粘性的重要指标。监测数据显示第一次到访的用户,查看了网站的几个网页,停留的时间有多长,这说明可能网站足够吸引访客,可能网站提供了正确的内容,网站的内容正是访客所需要的。

 

网站访问者平均浏览量分布,根据平均浏览浏览时间跳出率判断网站的整体访问质量和访问效果,并适加强网站内容的建设。
向导:体验数据->访问行为->页面深度

网站访问者平均浏览时间段分布,根据平均浏览浏览时间跳出率判断网站访问者整体停留时间段,并结合访问量分布,观察访问者的浏览量和在线时间的变化。
向导:体验数据->访问行为->页面时长

网站访问者距离第一次回访经过的次数分布,根据平均浏览浏览时间跳出率判断新、旧访问者的访问质量和使用效果。
向导:体验数据->访问行为->忠诚度

网站访问者回访距离第一次访问相隔天数分布,根据平均浏览浏览时间跳出率判断访问者集中什么时间段对网站进行回访,结合忠诚度,进行分析。
向导:体验数据->访问行为->亲近度

 

步骤3:网站分析要检查网站用户行为数据
 

    如果用户的访问深度不够,比如访客只访问了网站的首页或者访客进入一两个页面就离开了,这说明网站不足以吸引住访者。或者是访客没有找到他想要的信息。访客可能不喜欢网站的内容也可能不喜欢网站的设计风格。这时就要仔细研究用户的想法,访客想要什么?访客是怎么来的?去问一问访客们,也可以得到一部分重要的答案。

 

网站url目录的浏览量分布,根据平均浏览判断网站的每个目录访问质量和访问效果,并适加强网站内容的建设。
向导:结构数据->频道目录->访问目录

网站子域名的浏览量分布,根据平均浏览判断网站的子频道访问质量和访问效果,并适加强网站内容的建设。
向导:结构数据->频道目录->主机域名

网站子热门页面的浏览量分布,根据平均浏览判断网站的每个页面访问质量和访问效果,并适加强网站内容的建设。
向导:结构数据->页面浏览->热门页面

网站访问者进入网站的第一个页面的浏览量分布,根据平均浏览浏览时间跳出率判断网站的每个入口页面访问质量和访问效果,并适加强网站内容的建设。
向导:结构数据->页面浏览->入口页面

网站访问者进入网站的第一个页面的浏览量分布,根据平均浏览浏览时间跳出率判断网站的每个入口页面访问质量和访问效果,并适加强网站内容的建设。
向导:结构数据->页面浏览->出口页面

 

步骤4:网站分析要检查网站用户和访问路径数据
 

     上级经理有时候只要求业绩,经理们要看到有多少访客下了订单。这在营销分析中叫做用户的尝试率。在访客明确了网站的服务之后,就产生了试一下的想法。访客在网上的行为可能是下载软件、注册用户、订阅电子阅读等等,也可能是把商品放入购物车中,或者其他什么行为...这时候,访客走到了我们希望的这一步。这是个好消息! 也有相反的情况,有时候监测数据显示出很多访客走到这一步之后就消失得无影无踪。现在需要我们重新开动脑筋了,为什么会是这样?监测数据显示出这个阶段访客大量流失。现在需要我们要回到上面的话题,访客在哪个页面停留?在哪个页面跳转?访客在找什么?访客迷路了吗?可能访客跳转的下一个页面是客服的联系方式,可能访客跳转的页面是询问价格,可能访客跳转的页面是...总之,一定是哪里出问题了,是该仔细检查网站页面的时候了。

 

网站注册用户访问数据,根据平均浏览浏览时间跳出率判断每个注册用户访问质量和访问效果,分析他们的访问习惯和行为模式。
向导:体验数据->会员数据->注册会员

网站手机访问数据,根据平均浏览浏览时间跳出率判断每个手机用户访问质量和访问效果,分析他们的访问习惯和行为模式。
向导:体验数据->会员数据->手机访客

网站特殊路径的数据,如注册,下订单等。分析每个流程的数据,查找并分析产生这样情况的原因,独特的路径分析能够找到访客流失的原因。
向导:体验数据->访问路径->目标确认

 

步骤5:网站分析要检查网站营销推广数据
 

      经过上面的数据分析,已经了解到了网站流量数据的变化的原因,访问者行为习惯的变化,网站结构设计的优劣,特殊用户的访问习惯和页面特殊路径的流程。上面都是检验网站推广效果的直接数据,从而判断出什么营销计划,推广手段促进了网站流量的变化。

 

搜索引擎为网站带来多少流量,根据平均浏览浏览时间跳出率判断每个搜索引擎访问质量和访问效果,着重加强对搜索引擎的优化。
向导:营销数据->搜索数据->搜索引擎

搜索引擎中哪些关键字带来最多的流量,根据平均浏览浏览时间跳出率判断每个每个关键字访问质量和访问效果,加强优化网站内容中关键字的优化。
向导:营销数据->搜索数据->入口关键字

关联关键字:分析访问者找到目标页之前上一次在搜索引擎中所查询的关键字,上一次查询和本次查询关键字有关联性。
向导:营销数据->搜索数据->关联关键字

设置营销计划,可以添加具体的营销方案,把方案汇集成一个营销计划。这样,可以看到营销计划的效果。
向导:营销数据->营销数据->计划效果

具体的营销方案,可以看到推荐数,推荐率,转换数和转换率数据,分析每个方案的实施效果。
向导:营销数据->营销数据->营销方案

 

步骤6:网站分析要检查网站竞争情报数据
 

      了解自己亦要了解对手,分析竞争网站在互联网上的影响力,这包括竞争网站的搜索引擎收录数据,Alexa全球排名数据,PageRank数据和特殊关键字排名数据。充分掌握竞争站点的在互联网上的走势,帮助优化自身对市场的理解和市场策略,有助于竞争的优势。

 

与网站内会员系统的充分结合,可以全面了解每个注册用户的访问属性,包含性别,收入,位置等关键信息。
向导:竞争情报->人口统计

可以识别网站内的友情链接等外链的统计数据,尤其是对做导航网站的朋友,是非常好的助手。

向导:竞争情报->链出统计

特殊关键字在搜索引擎上热门程度,该数据来自百度指数。可以大体了解每日的搜索量数据。
向导:竞争情报->关键字趋势

 

关键字搜索中相关网站的排名情况,将会保留排名数据,不会因为搜索引擎的更新而变化,可以持续跟踪。
向导:竞争情报->关键字排名

全面了解网站在Goole,Baidu和Yahoo的收录与反向链接数。结合SEO分析,可以提供将为全面的三大搜索对网站的友好程度。
向导:竞争情报->搜索引擎收录

跟踪网站在Alexa全球排名数据,PageRank数据,给出一个变化的排名数据曲线图,轻松掌握网站的排名变化,及时采取策略。
向导:竞争情报->Alexa&PageRank

 

步骤7:网站分析要检查网站SEO数据

SEO的中文意思是搜索引擎优化。通过总结搜索引擎的排名规律,对网站进行合理优化,使你的网站在百度和Google的排名提高,让搜索引擎给你带来客户。这些包含以下功能,Alexa 排名,Alexa工具条,PageRank,关键字排名,关键字密度,搜索引擎收录等。

 

Alexa 全球排名数据,排名变化以直观的曲线图显示出来,判断近期的表现如何。
向导:SEO数据->Alexa排名

网站访问者带有Alexa工具条的访问数,结合Alexa 全球排名数据,从中发现变化规律。
向导:SEO数据->Alexa工具条

网站PageRank数值,PR值越高说明该网页越受欢迎、越重要。一般PR值达到4,就算是一个不错的网站了。
向导:SEO数据->PageRank

追踪特定关键字和网站相结合的排名,可以设置关键字和相关域名,此信息长期保存。
向导:SEO数据->关键字排名

输入特定的url链接,填写要分析密度的关键字,系统自动计算关键字在url中的出现次数和密度。
向导:SEO数据->关键字密度
分析网站在Google、Baidu、Yahoo、Youdao、Bing等主流搜索引擎收录数据。
向导:SEO数据->搜索引擎收录
 
 

 

五、选择普艾斯网站数据分析系统
 

      如果有一件事情值得我们骄傲,那就是PHPStat Analytics一直在为找到网站数据分析背后有价值的内容,并提炼出具有可执行的建议而努力。普艾斯服务团队多年经验深刻理解网络营销方向、营销目标、营销策略等的制定和规划。在与客户沟通过程中精确把握网络营销的深层次需求,有效保障了客户营销策略的顺利执行。 专业技术团队:从开始实施到定制,PHPStat Analytics都有一只专业队伍为您服务;高效培训课程:公开培训,视频教程,PHPStat Analytics提供的内容都能够满足您的需要;及时技术支持:24小时提供支持,PHPStat Analytics一直关注着您;

 

网站内容评分模型

我们可以看到目前很多的网站都会有内容评分,无论是电子商务、信息分享还是内容下载。内容的评分主要分为两类,一类是用户对内容的评分,主要针对用户的使用感受,如电子商务网站的商品评分,内容分享网站的内容评分等,这个也是目前最普遍的评分模式,而内容的综合评分的计算也相对比较简单,大多是取所有用户评分的均值;另一种评分方式就是网站自身对内容的评分,主要针对用户的历史行为数据,如通过用户对内容的访问情况评价内容的热门程度等。

  这里要介绍的网站内容评分模型主要针对第二类的评分方式,因为评分的分值是相对固定的,100分制、10分制还是5分制,而用户相对于每个内容所产生的行为数据的数值却千差万别,可能是千数量级,也可能是万数量级,甚至是百万数量级,如何将这些数据转化成标准的评分体制,并让最终的分值分布更加合理化、有效化,从而让真正优质的内容获得较高的评分,并推荐给用户,是这里重点要解决的问题。

内容评分实例

  介绍应用的案例前,先要说明下应用的环境和具体的需求:假设有一个内容分享网站,需要将网站中的内容进行评分,以5分制的形式展现,即每个内容的评分只可能出现1-5这5个分值,目的是展现出网站中每个内容的热门程度,为用户的选择和阅读提供参考。

  这是一个最简单的内容评分的应用,上面已经非常明确的说明了评分的目的——区分内容的热门度,以及最终的数据展现——以5分制的形式展现。对于这样一个明确了的数据需求,我们就可以选择指标、搭建模型、并最终输出结果。

1、选择指标

  评价内容的热门度,貌似挺简单的,直接用内容浏览量(PV)作为评定指标不就行了?确实,PV是个不错的选择,也是最简单的一种选择,但其实还有更好的选择,访问数(Visits),访问用户数(UV),这两个指标能剔除同一个用户短时间内连续刷新同一内容的情况,所以我们不妨选择访问用户数UV来作为评价指标。

2、构建评分模型

  现在开始才是文章的关键内容,显然,需要对内容的热门程度进行评价首先要消除指标的度量单位,并把分值的分布区间控制在要求的范围内——1-5分。

  消除度量单位?也许你已经想到了,是的,还是数据的标准化,这篇文章中的方法已经在多处使用,可以说是很多数据分析和数据挖掘的基础步骤。

Min-Max归一化评分

  Min-Max是最常用的数据归一化方法(详见数据标准化这篇文章的描述),处理后的数据分布在[0,1]的区间内,接下来只要把0-1的数值转化1-5这5个分值就行。很简单,先乘以4使数据落在[0,4]的分布区间,四舍五入,是不是只剩下0-4这5分分值了,再加1就可以得到我们想要的结果了。我们来看看处理后的各分值内容分布情况的示例:

min-max-scoring

  根据上面各分值内容分布图可以看出Min-Max的评分结果的每个分值的内容数量分布是不可控的,一般会跟网站中热门内容和冷门内容的比例直接相关,所以当某些网站的热门内容只占网站所有内容的20%,并且这些内容的访问量异常高,占据了所有网站访问量的80%,也就是我们平常说的符合二八法则。那么可能出现的情况就是大部分的内容评分集中在1分,小部分集中在5分,而中间的2、3、4分的内容分布非常少,其实上图就有点偏向这个趋势,但其实很多时候我们期望的内容分布可以偏向正态,也就是大部分内容能分布在中间分值,两端分值的内容数据相对较少,于是就有了下面的另一种评分模型:

Z标准化评分

  如果你的网站的内容数量很多,那么就可以使用Z标准化(详细描述还是参见数据标准化那篇文章,这里不重复了)。Z标准化的好处是可以让数据呈现正态分布的趋势(不是正是我们想要的吗 :P ),标准化后的数据趋于N(0,1)的正态分布,也就是整体的均值为0,标准差为1。再想想办法让他们变成只是1-5这5个分值,当标准化后的数值:

小于等于-1.5(即-1.5σ)时:1分

大于-1.5(即-1.5σ)小于等于-0.5(即-0.5σ)时:2分

大于-0.5(即-0.5σ)小于0.5(即0.5σ)时:3分

小于等于0.5(即0.5σ)小于1.5(即1.5σ)时:4分

大于等于1.5(即1.5σ)时:5分

  如果数据符合标准正态分布,那每个分值的比例大概是,1分和5分的内容分别占7%,2分和4分的内容分别占23%,3分的内容占40%。我们再来看看用这个方法得到的评分结果的分布情况:

Z-normalization-scoring

  是不是看到你想要的结果了?

3、输出结果

  当然内容评分的展现方式有很多,下面是几个网站的评分截图,其实都不错。 :)

douban-scoring

verycd-scoring

  上面介绍的主要是针对单一指标的内容评分体系,其实在很多情况下内容的评分是诸多指标共同影响的结果,那么内容的评分应该考虑所有这些影响因子,应该构建相应的模型计算内容的综合评分,这里不展开,之后有机会再介绍。

网站实战案例:如何让数据说话

数据在很多网站都被看作是衡量一个产品或者一个设计好坏的基本指标之一。数据指标也曾经压的我很长一段时间喘不过气来。但是现在想想确实有时候数据能告诉你很多很多。它未必是衡量产品好坏的唯一标准,但是它也确实能告知你很多。

如何让数据说话

 

那么数据究竟能告知我们些什么呢?

–     你的流量有效吗?

–     如何发现漏水的窟窿?

–     真的了解访问者?

–     页面,构架是否合理?

–     投放的广告有用吗?

–     改版带来了什么?……

我们先来看看数据的简称

在之后的例子中会针对这些简称做一些分析。

–     PV (即Page View,综合页面浏览量)

比如:当我点击了一个banner,那么从点击后出现的页面开始,后面所有点击出现的页面的浏览量就是PV。

–     CLICK(页面点击量)

–     DISPLAY(单个页面浏览量)

–     UV(即Unique Visitor,独立访问者)

访问您网站的一台电脑客户端为一个访客。24小时之内,同一IP,多次访问,只算一次。

–     BUYER(购买者)

访问您网站的一台电脑客户端为一个访客。24小时之内,同一IP,多次购买,只算一次。

–     CTR(点击转化率,也就是Click/Display)

–     广告位转化率(也就是PV/Click)

实例来了

l       Banner

–     案例一

A 广告位转化率:1.9

B 广告位转化率:10.8★

该数据告知我们,在一个页面中不明显的位置的广告位,如果做成文字形式会很容易被很多其他信息干扰的看不到,这个时候如果放上吸引人目光的图片,很可能效果会非常的好。

–     案例二

测试目的是:在该banner尺寸中商品数量和大小的最优表现。

 该数据告知我们,作为banner块的商品数量并不是越多越好,它会有一个最合适的大小和数量的比配,如图所示,4个商品虽然图片大,但是由于选择相对狭小,数据表现果然比较差,但是8个商品相对同尺寸的banner来说图片会比较小,给予用户的吸引力也会受一定影响,因此6个商品就在商品数量和大小上为最优化。当然该测试也有一定的弊端,当6个或者8个商品的图片中有一个特别受用户欢迎也会影响数据的表现。因此针对该测试只能多次尝试才能看出最优的组合。

–     案例三

测试目的是:banner改版过程中各个类别的表现对比。

该测试是基于同一个页面的三次改版过程中,Center banner数据表现来实现的。因此它不是通过同个时间条件和同个商品条件来测试的,我们拿了很多个数据来比对,尽量避免了不同商品造成的banner数据的误差。

在改版过程中,首先我们上线了A版本,当A版本改版至B版本的时候,banner的尺寸相对阔大,而其中商品图片内容也增加,因此我们认定上线后的表现一定会优于A版本,结果发现完全不是这样,B版本反而比原来A的转化率下降了不少,一开始我们以为是否因为新版本上线导致老用户不习惯于新设计造成一些操作中的困扰,但是发现过了1个月数据仍然无很大起色。于是我们上线了C版本,索性加大了单个banner的尺寸来查看数据表现,果然这次数据不仅优于B也优于A表现。

其中的原因我们细细分析,觉得可能是由于,B版本给到用户的选择增大,对于整体的banner让用户无从选择入手,对于广告类的banner来说可能大型单一的广告会更优。

l       导航篇

–     案例四

测试目的是:改版过程中各个类别的表现对比。

该测试是基于同一个页面导航的三次改版过程中,我们不仅比对了整个导航的转化率,为了页面数据比对的公平起见也比对了导航与整个页面click的占比。

A版本是老版本,数据为占首页CLICK:9%CTR:4.6%。B版本上线后,数据表现一下子下降为占首页CLICK:2%CTR:0.5%。C版本上线后,数据略有回升占首页CLICK:9%CTR:2.7%,虽然转化率并不理想,但是click占比已经上升和A一样。D版本上线后,数据终于上升为占首页CLICK:12%CTR:5.2%。

我们分析了一下整个导航的click分配占比发现,其中最重要的原因是由于频道导航的点击,A的频道入口非常明显;B删掉了频道导航入口;C虽然增加回导航入口,但是还并没有做的很明显;D又将入口加回,并且删掉了其他干扰信息,使得其更加明显。

就导航而言,D版本表现是优秀的,但是如果频道首页入口的增加对首页来说是否真的有效呢。因此我们查看了频道页面的BUYER转化率,发现频道首页BUYER转化率表现虽然没有优于流程页,但是相对表现也算不错,相对于首页一些其他的位置,比如社区和一些广告的位置来说,频道导航转化率还是比较高的,因此最后我们认定对于导航而言,频道首页的入口不仅需要加,还需要明显。因此D版本为比较优的选择。

l       页面篇

–     案例五

测试目的是:首页改版后的市场推广类位置的表现比对

 

上述数据表可以看出改版后,CTR上升模块为2、3、6,于是我们查看了2、3、6的Buyer转化率,结果发现除了3的表现较高之外,其他两个都是数据BUYER转化率排名非常靠后,而很多Buyer转化率偏高的模块,却CTR下降非常明显,因此就市场推广模块来说这次改版是失败的。

从下面的总表就可以更加明显的看出了:

虽然HP的页面Display增长的,但是其他数据均下降了。但是最终我们并没有回退前版本,其中有各种原因,其一是在新版本中增加了自动维护模块而该模块所带来的BUYER的增长非常的明显,并且新版本中的关键字部分的调整也使得整个页面的表现增长非常明显,因此最后只是针对一些重要的位置再次进行了设计和位置上的调整,而没有对整个页面进行回退的操作。

–     案例六

测试目的是:这是多版本测试以同时间,同商品,同链接页面来比对四个版本的表现。

该测试是针对市场推广的LANDING PAGE来做的,就CTR而言,A版本的转化率优于其他版本,原因是商品区域重点突出,其他LP BTU信息相对较弱,干扰不大。而D版本不仅使用了双栏结构,并且加重了LP BTU的视觉效果,使得D版本的LP BTU的点击大于了A版本。如下图所示:

(LP BTU是指LANDING PAGE与其他LANDING PAGE的互链入口)

就设计CTR表现来说A确实优于D,但是因为该页面是为市场推广所做,而市场推广部门不仅仅只看一个页面的好坏,更重要的是要看整体推广的效果,所以D版本就单个页面表现虽然一般,加强的LP BTU部分增加了互链的影响,因此使得整体页面带来的各个推广页面间的转化率增加,而使得其表现在24小时内的PV效果不一般。最后采用的是D版本。

l       如何正确看待数据

–     案例一

当老板设定了一个离谱的数据指标后,各部门为了达到该指标各管各想出了各种应付的手段。然而这些手段导致最后的虚假指标对于公司的业绩没有任何帮助。

这个说明了:数据不是为了制定不切实际的指标。

在制定数据指标的时候应该有一定的合理增长的分析,而不该拍脑袋的方式来决定。

–     案例二

当一个比较有创意的大型项目上线,而三个月的数据表现并不是表现非常好的时候,是否需要马上撤换下马呢?虽然数据的好坏也需要看,但未必一定看的是绝对值,其中增长趋势也是很重要的环节。而一个大型项目在上线前应该做比较充分的准备,但一旦上线后,如果表现不够好,也可以通过一些用户的调研再次调整来修正它,马上撤换下马不一定是最好的方法。

这个说明了:很多项目要看长期的数据趋势,在过程中可以做一些其他UER调研来完善它。

–     案例三

每个部门都会有针对该部门所制定的不同的指标,这个也就是矛盾的产生,比如市场部觉得A版本好,因为他们对该版本有自己的数据分析,而设计部门也会有自己一套数据分析,结论可能完全不同,业务也是一样。这个就会带来很多争吵,那么如何避免这些争吵。一定是有一个最大的目标值,比如最后会以BUYER为最终指标值,那么就会在此基础上来对其他的数据进行优化。

这个说明了:数据需要统筹考虑,不同角度会有不同结论。

–     案例四

这个是我们以前一个领导经常挂在口头的话,他老是自以是的说有了数据,UER就可以全部都不要了。但是终于有一天我们一个超级牛叉的UER反驳他这样一句话,导致他以后再也不敢提这个论调了。数据告诉我们哪里出问题,用户调研能告诉我们问题出在哪里。这里的两个哪里让我觉得非常的经典。
尾声:数据是个双刃剑。虽然数据分析是非常重要的,也是每个公司的老板非常看重的部分,但是它需要我们合理分析,综合考量。如果它的分析出了错,那么可能会导致一个决策上致命的错误。因此数据需要我们认真和全面的思考。

关键转化路径优化

其实网站分析中很重要的一块就是网站的关键转化路径分析,可能很多的网站分析师在这一方面都倾注了大量的时间和精力,尽最大的努力寻找最优的转化路径,因为优化关键转化路径相当于提高转化率,进而提高网站收益。所以,尤其对于电子商务网站或者付费服务网站而言,关键转化路径分析尤为重要。之前的文章——网站转化率与漏斗模型对关键路径的定义和分析做过简单介绍,同时推荐了一个非常形象的数据展现方式——漏斗模型,能够让每一步的转化看起来一目了然。

  既然对关键路径和转化率的定义和计算已经做过介绍,这篇文章不再累赘,这里只是想分享一下近段时间在统计关键路径的数据时对数据表现出的特征的一些感受,不知道跟大家日常看到的想到的是否一样。

  其实对网站转化路径的优化无非就是一句话:简化、多样化关键转化路径

简化转化路径

  简化转化路径是近些年在关键转化路径分析优化方面讨论的较多的,同时大部分网站也都是朝这个方向在做,也带来了不错的效果。简单看一下电子商务网站转化路径的简化流程:

original_path

  首先是把放入购物车作为了可选步骤,而不是必需步骤,购物车可以为购买多种商品的顾客带来方便,因为可以统一下单,也就是只需要完成一次订单填写和确认的工作;而对于只购买了一样商品的用户而言,显然放入购物车步骤是一个累赘,直接拿着商品结账就完了。

  再者就是前段时间网上讨论很多的对注册和登录步骤的简化,用户选择购物和选择成为网站的会员完全是两码事,为什么买东西就一定要先注册成为网站用户?就像你去超市买东西为什么一定要办一张会员卡。当然注册成为网站会员可以为你下次的购买带来不少的方便,对于网站而言,只有用户注册才能构建器网站完整的CRM系统,实现用户的跟踪分析和用户的保留,所以一度注册登录是网上购物的必需步骤。但随着去年团购网站的纷纷涌现,用户对去每个网站消费都要注册一遍感到了厌烦,于是就有了简化注册的讨论,毕竟给网站带来直接利益的还是用户的购买行为,没有必要因为注册步骤的存在而引起潜在消费用户的流失。

多样化转化路径

  其实上面说的“放入购物车”从必需的步骤到可选的步骤就是一个转化路径多样化的实现,这种灵活的选择同时满足了购买单独商品和购买多种商品的用户需求;但这里要说的是另一种多样化的形式。

  先简单再看下上面的转化步骤,有哪几个是必需的步骤?商品、订单和支付,这3个分别代表了信息流、物流和资金流,是必需的(对于某些不需要物流的虚拟商品而言,订单步骤也是可以省略的,这里不考虑这类商品)。所以最简单的转化路径应该是:

simplest_path

  跟上面简化后的步骤比较下:

simplify_path

  少了一个浏览商品详情页面的步骤,我们先不去讨论这个步骤到底是否是必需的,先看下数据能告诉我们什么?

  刚好公司的产品同时提供了以上的两种转化路径,可以通过数据来分析一下这两种路径哪个更加有效。不妨将上面那条最简化路径叫做路径1,下面的叫路径2,先看下用户的选择,有多少用户选择路径1完成购买,数据的结果大概是50%,也就是选择路径1和路径2的用户几乎相等;再看看下从“确认订单”到“完成支付”的转化情况,这是两条路径都有的转化,数据显示路径1的转化率要比路径2高了30%,可以看到选择路径1的用户具有更加明确的目的性,就是为了完成购买;那是不是如果只提供路径2一种选择,那些有明确购买目的的用户即使走路径2也会产生跟路径1一样的转化质量呢?这个显然是不可能的,一旦转化步骤多了一步,肯定会多多少少伴随着部分用户的流失,数据显示如果只提供路径2,整体转化率要比提供两条路径低了20%左右,所以对于这个案例,提供两条转化路径对于整体转化率的提升上显然是有效的。

  当然每个数据分析的结果都是以运营环境及产品业务的特征为基础的,在不同的商业模式下完全相同的分析指标可能得到的是完全不同的结果。所以需要对以上数据的环境做个说明:移动互联网的网络环境使用户多请求一个页面的成本相对较高;产品的规格比较统一,差异性小,质量比较稳定;运营的商品价格较低,对于用户而言购买的风险相对较低。

  现在再来回答上面的问题——商品详情页面是不是必需的?用户总是在寻求最简单有效的实现途径来降低成本,但同时也会担心风险的存在,而不同的用户对待风险的态度又会有所不同,诸如上述的运营环境,当风险相对较小时,会有相当一部分用户选择最简化的转化途径来满足自身的需求,同时那些较为严谨的用户也有更多的选择来屏蔽风险。所以转化路径的多样化指的是根据自身产品和业务的特征,定制多种的转化路径来满足不同用户的需求。假设卓越首页也上加上这样的“立即购买”按钮,不知道会有多少用户会选择去点击这些按钮:

amazon_buy_alternate

  最后总结起来无非就是一句话:给用户更多的选择。还是以用户中心的理论,不要因为网站自身的需要而给用户造成额外的麻烦和负担,给用户更多的选择和自由,只要用户参与进来了,就是在为网站创造价值,而网站存在的本质无非就是体现其应有的价值。

网站转化率与漏斗模型

前段时间刚完成了一个分析网站流程的每个步骤的流失率,并用漏斗模型进行展示的需求,这里跟大家来分享一下。分析过程可以从以下三步展开:确定需要分析的访问路径或操作流程,收集数据并分别统计出该路径中每一步的人数,最后用漏斗模型展示结果。

用户访问路径(Path Analysis)

  之前的从WEB日志到点击流这篇文章中对点击流的概念进行了介绍,其实一个点击流就是用户的一次访问路径。在大多数情况下用户的访问路径随意的,无序的,用户在访问一个网站时可能会经常使用后退、返回主页或者直接点击某个链接等,不同用户访问路径的重合度可能只有1%,分析这些无序的路径是毫无意义的。

  所以,我们要分析的是网站中的一些关键路径(Key Path),即用户是为了某个目标而进入了一个相对标准的有序的路径,用户的目标就是为了到达“出口”,而不是随意游荡。如电子商务网站的注册流程、购物流程,应用型网站的服务使用流程等。举一个电子商务网站购物流程的简单例子:

E-Commerce-Shopping-Process

  于是,我们就可以根据这些关键路径来计算每一步的转化率了。

转化率(Conversion Rate)

  转化率,顾名思义,就是从当一个页面进入下一页面的人数比率,比如访问我的博客首页的用户有30,而从首页点击进入本文的用户有12,那么从首页到这篇文章的转化率就是12/30=40%。当然,我们可以根据用户的访问路径计算每个页面到下个页面的转化率,同样这类工作大部分也是没有意义的,我们需要抓住重点——关键路径的转化率。

  以上面的购物流程为例,我们可以分别统计出这5步中每一步的人数,然后计算得到每一步的转化率:

  浏览 购物车 订单 支付 完成交易
人数 2071 622 284 235 223
上一步转化率 100% 30.0% 45.7% 82.7% 94.9%
总体转化率 100% 30.0% 13.7% 11.3% 10.8%

GA-E-Commerce-Funnel
  通过对这些数据的统计,我们已经可以初步判断该流程转化率的情况,及每一步的流失率情况。当然,为了让分析的结果更加具体形象,我们可以借助一些图表工具,漏斗模型用在这里正好恰当不过了。

漏斗模型(Funnel Model)

  漏斗模型不仅显示了用户在进入流程到实现目标的最终转化率,同时还可以展示整个关键路径中每一步的转化率。Google Analytics提供了漏斗模型很好的分析和展示方案,具体的方法可以参考蓝鲸的文章——Google Analytics功能篇—目标和渠道,Google Analytics中漏斗模型的展示可以见右边的截图。

  因为可以拿到原始数据,所以我选用了更加灵活,定制程度更高的excel表格来处理。为了能显示漏斗的效果,在网上找到了一个很实用的方法——设置占位数据,然后用条形堆栈图展示数据,并将占位数据的数据条颜色去除,显示效果上就是下面每个数据条都居中了,占位数据=(进入人数-当前人数)/2,结果如下图:

Funnel-Model

  这里的下面每个蓝条的左边都是占位数据条,只是它们被“隐形”了而已。

  需要注意的是,单一的漏斗模型对于分析来说没有任何意义,我们不能单从一个漏斗模型中评价网站某个关键流程中各步骤的转化率的好坏,所以必须通过趋势比较细分的方法对流程中各步骤的转化率进行分析:

  • 趋势(Trend:从时间轴的变化情况进行分析,适用于对某一流程或其中某个步骤进行改进或优化的效果监控; 
  • 比较(Compare:通过比较类似产品或服务间购买或使用流程的转化率,发现某些产品或应用中存在的问题;
  • 细分(Segment:细分来源或不同的客户类型在转化率上的表现,发现一些高质量的来源或客户,通常用于分析网站的广告或推广的效果及ROI。

  所以,漏斗模型适用于网站中某些关键路径的转化率的分析,以确定整个流程的设计是否合理,各步骤的优劣,是否存在优化的空间等。试着去了解用户来你的网站的真正目的,为他们提供合理的访问路径或操作流程,而不是一味地去提高转化率。

来源:http://webdataanalysis.net/web-quantitative-analysis/conversion-rate-and-funnel-model/


iDream theme by Templates Next | Powered by Emlog