京公网安备 11010802034615号
经营许可证编号:京B2-20210330
网站运营数据分析之术语解释
做为网站运营、产品经理、交互设计师等职位,经常要对网站的一些运营数据做分析,那么这些公式是如何计算的,每个术语又代表什么意思呢?
一、网站运营数据分析之内容指标
网站转换率 Take Rates (Conversions Rates)
计算公式:网站转换率=进行了相应的动作的访问量/总访问量
指标意义:衡量网站内容对访问者的吸引程度以及网站的宣传效果
指标用法:当你在不同的地方测试新闻订阅、下载链接或注册会员,你可以使用不同的链接的名称、订阅的方式、广告的放置、付费搜索链接、付费广告(PPC)等等,看看那种方式是能够保持转换率在上升?如何增强来访者和网站内容的相关性?如果这个值上升,说明相关性增强了,反之,则是减弱。
回访者比率 Repeat Visitor Share
计算公式:回访者比率=回访者数/独立访问者数
指标意义:衡量网站内容对访问者的吸引程度和网站的实用性,你的网站是否有令人感兴趣的内容使访问者再次回到你的网站。
指标用法:基于访问时长的设定和产生报告的时间段,这个指标可能会有很大的不同。绝大多数的网站都希望访问者回访,因此都希望这个值在不断提高,如果这个值在下降,说明网站的内容或产品的质量没有加强。需要注意的是,一旦你选定了一个时长和时间段,就要使用相同的参数来产生你的报告,否则就失去比较的意义。
积极访问者比率 Heavy User Share
计算公式:积极用户比率=访问超过N页的用户/总的访问数
指标意义:衡量有多少访问者是对网站的内容高度的兴趣
指标用法:根据你网站的内容和大小,去衡量N的大小,比如内容类的网站通常定义在11~15页左右,如果是电子商务类网站则可定义在7~10页左右。如果你的网站针对正确的目标受众并且网站使用方便,你可以看到这个指标应该是不断的上升。
忠实访问者比率 Committed Visitor Share
计算公式:访问时间在N分钟以上的用户数/总用户数
指标意义:和上一个指标的意义相同,只是使用停留的时间取代浏览页数,取决于网站的目标,你可以使用两个中的一个或结合使用。
指标用法:其中的N也通过网站的类型和大小来定义,比如大型网站通常定位在20分钟左右。这个访问者指标如果单独使用很难体现他的效用,应该结合其它网站运营的数据指标一起使用,例如转换率,但总体来说,较长的访问时长意味着用户喜欢呆在你的网站,高的忠实访问率当然是较好的。同样的,访问时长也可以根据不同的需要自行设定。
忠实访问者指数 Committed Visitor Index
计算公式:忠实访问者指数=大于N分钟的访问页数/大于N分钟的访问者数
指标意义:指的是每个长时间访问者的平均访问页数,这是一个重要的指标,它结合了页数和时间。
指标用法:这个指数通过页面和时间对网站进行了一个更细的区分,也许访问者正好离开吃饭去了。如果这个指数较低,那意味着有较长的访问时间但是较低的访问页面。通常都希望看到这个指数有较高的值,如果你修改了网站,增加了网站的功能和资料,吸引更多的忠实访问者留在网站并浏览内容,这个指数就会上升。
忠实访问者量 Committed Visitor Volume
计算公式:忠实访问者量=大于N分钟的访问页数/总的访问页数
指标意义:长时间的访问者所访问的页面占所有访问页面数的量
指标用法:网站通常都是靠宣传和推广吸引用户,这个指标的意义就显得尤为重要了,因为它代表了总体的页面访问质量。如果你有10000的访问页数却仅有1%的忠实访问者率,这意味着你可能吸引了错误的访问者,这些访问者没有啥价值,他们仅仅看一眼你的网页就离开了。这是你应该考虑你的推广方式和宣传方式是不是有什么问题了。
访问者参与指数 Visitor Engagement Index
计算公式:访问者参与指数=总访问数/独立访问者数
指标意义:这个指标是每个访问者的平均会话(session),代表着部分访问者的多次访问的趋势。
指标用法:与回访者比率不同,这个指标代表着回访者的强烈度,如果有一个非常正确的目标受众不断的回访网站,这个指数将大大高于1;如果没有回访者,指数将趋近于1,意味着每一个访问者都有一个新的会话。这个指数的高低取决于网站的目标,大部分的内容型和商业性的网站都希望每个访问者在每周/每月有多个会话(session);但是如客户服务尤其是投诉之类的页面或网站则希望这个指数尽可能地接近于1。
回弹率(所有页面)Reject Rate/Bounce Rate
计算公式:回弹率(所有页面)=单页面访问数/总访问数
指标意义:代表着访问者看到的仅有的一页的比率
指标意义:这个指标对于最高的进入页面有很重要的意义,因为流量就是从这些页面产生的,那么在网站策划和网站规划时,你需要对网站的导航或布局设计进行架构设计时,尤其要注意到这个参数。总而你是希望这个比率不断地下降。
回弹率(首页)Reject Rate/Bounce Rate
计算公式:回弹率(首页)=仅仅访问首页的访问数/所有从首页开始的访问数
指标意义:这个指标代表所有从首页开始的访问者中仅仅看了首页的访问者比率
指标意义:这个指标是所有内容型指标中最重要的一个,通常我们认为首页是最高的进入页面(当然,如果你的网站有其他更高的进入页面,那么也应该把它加入到追踪的目标中,如推广广告等)。对任意一个网站,我们可以想象,如果访问者对首页或最常见的进入页面都是一掠而过,说明网站策划时在某一方面有问题。如果针对的目标市场是正确的,说明是访问者不能找到他想要的东西,或者是网页的设计上有问题(包括页面布局、网速、链接的文字等等);如果网站设计是可行易用的,网站的内容可以很容易地找到,那么问题可能出在访问者的质量上,即市场问题。
浏览用户比率 Scanning Visitor Share
计算公式:浏览用户比率=少于1分钟的访问者数/总访问数
指标意义:这个指标一定程度上衡量网页的吸引程度。
指标用法:大部分的网站都希望访问者停留超过一分钟,如果这个指标的值太高,那么就应该考虑一下网页的内容是否过于简单,网站的导航菜单是否需要改进。
浏览用户指数 Scanning Visitor Index
计算公式:浏览用户指数=少于1分钟的访问页面数/少于1分钟的访问者数
指标意义:一分钟内的访问者平均访问页数
指标用法:这个指数也接近于1,说明访问者对网站越没兴趣,他们仅仅是瞄一眼就离开了。这也许是导航的问题,如果你对导航系统进行了显著的改进,应该可以看到这个指数在上升;如果指数还是下降,应该是网站的目标市场及使用功能有问题,应该着手解决。将浏览用户比率和浏览用户指数结合起来使用,可以看出用户是在浏览有用的信息还是厌烦而离开。
浏览用户量 Scanning Visitor Volume
计算公式:浏览用户量=少于1分钟的浏览页数/所有浏览页数
指标意义:在一分钟内完成的访问页面数的比率
指标用法:根据网站的目标的不同,这个指标的高低有不同的要求,大部分的网站希望这个指标降低。如果是搞广告驱动的网站,这个指标太高对于长期的目标是不利的,因为这意味着尽管你通过广告吸引了许多的访问者,产生很高的访问页数,但是访问者的质量却是不高的,所能带来的收益也就会受到影响。
二、网站运营数据分析之商业指标
平均订货额 Average Order Amount (AOA)
计算公式:平均订货额=总销售额/总订货数
指标意义:用来衡量网站销售状况的好坏
指标用法:将网站的访问者转化为买家当然是很重要的,同样重要的是激励买家在每次访问是购买更多的产品。跟踪这个指标可以找到更好的改进方法。
订单转化率 Conversion Rate (CR)
计算公式:订单转化率=总订货数/总访问量
指标意义:这是一个比较重要的指标,衡量网站的对每个访问者的销售情况
指标用法:通过这个指标你可以看到即使一些微小的变化都可能给网站的收入带来巨大的变化。如果你还能够区分出新、旧访问者所产生的订单,那么就可以细化这个指标,对新旧客户进行分别的统计。
每访问者销售额 Sales Per Visit (SPV)
计算公式:每访问者销售额=总销售额/总访问数
指标意义:这个指标也是用来衡量网站的市场效率
指标用法:这个指标和转化率差不多,只是表现形式不同。
单笔订单成本 Cost per Order (CPO)
计算公式:单笔订单成本=总的市场营销开支/总订货数
指标意义:衡量平均的订货成本
指标用法:每笔订单的营销成本对于网站的盈利和现金流都是非常关键的。营销成本的计算各人有不同的标准,有些把全年的网站营运费用摊入到每月的成本中,有些则不这么做,关键要看那种最适合自己的情况。如果能够在不增加市场营销成本的情况下提高转化率,这个指标就应该会下降。
再订货率 Repeat Order Rate (ROR)
计算公式:再订货率=现有客户订单数/总订单数
指标意义:用来衡量网站对客户的吸引力
指标用法:这个指标的高低和客户服务有很大关系,只有满意的用户产品体验和服务才能提高这个指标。
单个访问者成本 Cost Per Visit (CPV)
计算公式:单个访问者成本=市场营销费用/总访问数
指标意义:用来衡量网站的流量成本
指标用法:这个指标衡量的是你的市场效率,目标是要降低这个指标而提高SPV,为此要将无效的市场营销费用削减,增加有效的市场投入。
订单获取差额 Order Acquisition Gap (OAG)
计算公式:订单获取差额=单个访问者成本(CPV)-单笔订单成本(CPO)
指标意义:这是一个衡量市场效率的指标,代表着网站所带来的访问者和转化的访问者之间的差异
指标用法:指标的值应是一个负值,这是一个测量从非访问者中获得客户的成本。有两种方法来降低这个差额,当你增强了网站的销售能力,CPO就会下降,这个差额就会缩小,说明网站转化现有流量的能力得到了加强;同样的,CPV可能升高而CPO保持不变或降低,这个差额也会缩小,表明网站所吸引的流量都具有较高的转化率,这种情形通常发生在启用了PPC(pay per click)的计划。
订单获取率 Order Acquisition Ratio (OAR)
计算公式:订单获取率=单笔订单成本(CPO)/单个访问者成本(CPV)
指标意义:用另一种形式来体现市场效率
指标用法:用比率的形式往往比较容易为管理阶层所理解,尤其是财务人员。
每笔产出 Contribution per Order (CON)
计算公式:每笔产出=(平均订货数X平均边际收益)-每笔订单成本
指标意义:每笔订单给你带来的现金增加净值
指标用法:公司的财务总监总是对这个指标感兴趣的,代表了你花了多少钱来赚多少钱。
投资回报率 Return on Investment (ROI)
计算公式: 投资回报率=每笔产出(CON) /每笔订单成本 (CPO)
指标意义: 用来衡量你的广告的投资回报
指标用法:比较你的广告的回报率,应该把钱分配给有最高回报率的广告,但是这个回报率应当要有时间段的限制,比如“25% RIO/每周”和“25% RIO/每年”是有很大差别的
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
主讲人简介 张冲,海归统计学硕士,CDA 认证数据分析师,前云南白药集团资深数据分析师,自媒体 Python 讲师,全网课程播放量破 ...
2026-04-10在数据可视化与业务分析中,同比分析是衡量业务发展趋势、识别周期波动的核心手段,其核心逻辑是将当前周期数据与上年同期数据进 ...
2026-04-10在机器学习模型的落地应用中,预测精度并非衡量模型可靠性的唯一标准,不确定性分析同样不可或缺。尤其是在医疗诊断、自动驾驶、 ...
2026-04-10数据本身是沉默的,唯有通过有效的呈现方式,才能让其背后的规律、趋势与价值被看见、被理解、被运用。统计制图(数据可视化)作 ...
2026-04-10在全球化深度发展的今天,跨文化传播已成为连接不同文明、促进多元共生的核心纽带,其研究核心围绕“信息传递、文化解读、意义建 ...
2026-04-09在数据可视化领域,折线图是展示时序数据、趋势变化的核心图表类型之一,其简洁的线条的能够清晰呈现数据的起伏规律。Python ECh ...
2026-04-09在数据驱动的时代,数据分析早已不是“凭经验、靠感觉”的零散操作,而是一套具备固定逻辑、标准化流程的系统方法——这就是数据 ...
2026-04-09长短期记忆网络(LSTM)作为循环神经网络(RNN)的重要改进模型,凭借其独特的门控机制(遗忘门、输入门、输出门),有效解决了 ...
2026-04-08在数据分析全流程中,数据质量是决定分析结论可靠性的核心前提,而异常值作为数据集中的“异类”,往往会干扰统计检验、模型训练 ...
2026-04-08在数字经济飞速发展的今天,数据已渗透到各行各业的核心场景,成为解读趋势、优化决策、创造价值的核心载体。而数据分析,作为挖 ...
2026-04-08在数据分析全流程中,数据处理是基础,图形可视化是核心呈现手段——前者负责将杂乱无章的原始数据转化为干净、规范、可分析的格 ...
2026-04-07在数据分析与统计推断中,p值是衡量假设检验结果显著性的核心指标,其本质是在原假设(通常为“无效应”“无差异”)成立的前提 ...
2026-04-07在数字经济深度渗透的今天,数据已成为企业生存发展的核心资产,企业的竞争本质已转变为数据利用能力的竞争。然而,大量来自生产 ...
2026-04-07Python凭借简洁的语法、丰富的生态库,成为算法开发、数据处理、机器学习等领域的首选语言。但受限于动态类型、解释性执行的特性 ...
2026-04-03在深度学习神经网络中,卷积操作是实现数据特征提取的核心引擎,更是让模型“看懂”数据、“解读”数据的关键所在。不同于传统机 ...
2026-04-03当数字化转型从企业的“战略口号”落地为“生存之战”,越来越多的企业意识到,转型的核心并非技术的堆砌,而是数据价值的深度挖 ...
2026-04-03在日常办公数据分析中,数据透视表凭借高效的汇总、分组功能,成为Excel、WPS等办公软件中最常用的数据分析工具之一。其中,“计 ...
2026-04-02在数字化交互的全场景中,用户的每一次操作都在生成动态的行为轨迹——电商用户的“浏览商品→点击详情→加入购物车”,内容APP ...
2026-04-02在数字化转型深度推进的今天,企业数据已成为驱动业务增长、构建核心竞争力的战略资产,而数据安全则是守护这份资产的“生命线” ...
2026-04-02在数据驱动决策的浪潮中,数据挖掘与数据分析是两个高频出现且极易被混淆的概念。有人将二者等同看待,认为“做数据分析就是做数 ...
2026-04-01