
如何分析网站中的汇总数据
网站中的汇总数据是指那些以整站作为维度的数据。例如:网站访问次数,网站跳出率,网站停留时间等等。在Google Analytics Dashboard中显示的大部分内容都属于网站的汇总数据。汇总数据可以直观的反映出网站在一定时间段内的表现和变化趋势。但同时,汇总数据也会隐藏网站中的一些问题甚至是危险。面对网站中平稳的汇总数据,我们应该保持对待数据异常时同样的警惕。
下面是一个网站两周的访问量对比,从图中可以看出本周与上周访问量几乎没有变化,并且具有相同的变化趋势(周末略低于平时)。同样,本周网站其他的指标变化也很微小,跳出率,停留时间等指标变化率都在2%以内。天哪,从汇总数据上来看,第二周的数据简直就是第一周的复制。面对这样的情况,我们可以简单的说本周网站整体表现与上周持平,各项指标均表现正常吗?如何不可以的话,我们又需要进行哪些分析,从哪里入手呢?
(点击查看大图)
1对汇总数据进行细分
还记得Avinash大师的那句话吗?分析汇总数据是对人类的犯罪!对于这类汇总数据,细分是最有效最直接的一种方法。它可以让我们很快的发现汇总数据中存在的问题。面对上面两周的访问量对比趋势图,只看汇总数据我们会说,本周的数据和上周一样,表现很平稳,没有什么可关注和分析的,但真的是这样吗?网站在本周的表现真的是上周的复制吗?通过简单的细分就可以发现其中存在很多隐藏的变化。这里推荐使用Google Analytics中的所有流量来源报告,关键词报告对汇总数据进行细分。
使用的Google Analytics报告
所有流量来源报告
对于网站访问量的汇总数据,所有流量来源报告是最有效的一个细分报告。这个报告中同时使用来源和媒介显示了网站的所有流量来源渠道,其中既包含了付费流量和免费流量,也包含了推介流量和搜索流量。在这个报告中可以非常清晰的告诉我们每个流量渠道流量的变化。很多时候你会发现,虽然网站整体的访问量变化不大,但不同的流量渠道却是有涨有跌。表面上看起来平静的汇总数据中隐藏了很多变化。
关键词报告
关键词报告是针对搜索引擎渠道的细分报告,也许在所有流量来源报告中搜索引擎的流量变化很平稳,这时候我们还需要继续进行细分吗?别忘了搜索引擎本身也是一个汇总数据。所以,我建议无论搜索引擎的流量表现如何,我们都需要查看一下对应的关键词报告。也许你会发现在关键词报告中,某几个关键词的表现正在变差,而另外一些关键词的表现正在提升,又或者新出现了一些长尾词等等。
2对网站访客群体进行分析
对网站中不同的访客群体进行分析也是一种非常有效的方法。每个网站都会几类不同的访客群体。而汇总数据往往会掩盖网站中不同群体的表现。例如:本周网站访问量与上周相同,那么这两周的新老访客比例是否也相同呢?如何他们的表现是不同的,我们就不能简单的认为这两周的数据平稳。这时通过在不同访客群体的维度下剖析数据,可以帮助我们发现更多的问题。这里推荐使用Google Analytics的新老访客报告及高级群体功能对网站中不同群体进行分析。
使用的Google Analytics报告
新老访客报告
新老访客报告是Google Analaytics中默认的一组访客群体,也是每个网站最基本的一种访客分类方法。通过新老访客报告可以看到新访客与老访客对网站流量的贡献以及他们在网站中的表现。新访客比率表示了网站在开拓新市场,吸引新访客方面的表现。老访客比率则表示网站内容对访客的吸引力。
除了新老访客群体,Google Analytics中的高级群体功能可以帮助创建更多的自定义群体,你可以按照访客的不同来源,不同行为,来创建各类自定义访客群体,并从这些访客群体的维度对汇总数据进行细分。
3对网站流量质量进行分析
从质的角度分析汇总数据也是一种很好的办法。还以文章开头时的周访问量对比数据为例,从量的角度看,访问量总数和趋势是一样的,但从质的角度他们也是一样的吗?本周的访问量与上周相比,是由更多的独立访客带来的,还是由更多的访问频率带来的呢?不同的答案使得对流量质量的判断也大相径庭。这里推荐使用Google Analytics的忠诚度报告和独立访客报告对流量质量进行分析。
使用的Google Analytics报告
忠诚度报告
在相同的时间段以及相同的访问量下,访客访问网站的频率也是一样的吗?Google Analytics通过访客忠诚度报告显示不同回访频率的访客在网站总访问量中所占的比例。对比两周的数据,看看访客在忠诚度上也是否一致呢?两周相同的访问量是否是都由回访频率3-5次的访客带来的,或者其中一周大部分流量是由只来过一次的访客带来的呢。
独立访客报告
(点击查看大图)
访问量相同并不代表独立访客也是相同的。Google Analytics的绝对唯一独立访客报告虽然不支持细分,但可以进行不同时间段的对比。当网站在两周的访问量差别不大时,我们还要对比和关注一下独立访客。对于很多非快消类的电子商务网站来说,访问量只是浮云,独立访客才是王道。隐藏在访问量下的独立访客变化才是他们最关心的。
4对访客目的进行分析
访客目的分析是另一种对访问量的质量分析。访问量只是一个数字,尤其是整站的汇总数据。这些数字只能告诉我们网站在某个时间段内获得了多少次访问。但并不能告诉我们这些访问者的目的是什么。举个极端的例子,网站在两周都获得了10万次的访问,第一周中有8万次购物访问,2万次咨询访问。而第二周中有6万次退货访问,4万次寻找客服或帮助的访问。这时从汇总数据上来看,两周的访问量是一样的。但访客的目的却大不一样。这里推荐Google Analytics的热门内容报告和站内搜索报告来了解访问者的目的。
使用的Google Analytics报告
热门内容报告
热门内容报告按照网站中页面被浏览的次数对页面进行排序,但通常情况下排在最前面的页面总是那么几个,例如首页。所以,要了解访问者访问目的的变化要对不同时间段的热门内容进行对比,找出变化率最大的那些页面,然后再进行分析。不过比较遗憾的是Google Analytics的热门内容报告好像只能按指标值排序,不能按照变化率进行排序。
站内搜索关键词报告
站内搜索关键词报告记录了访问者在网站中寻找的内容,而这些恰恰也是访问者的访问目的。与热门内容报告相比,站内搜索关键词报告更加直观和准确的告诉了我们访客每次访问的目的。通过观察和分析访客使用关键词的变化以及所到达的搜索目标页面,我们就可以清晰的知道访问者的目的,而不同时间段中搜索关键词的变化也表示了流量目标的变化情况。
5对网站的ROI进行分析
每个网站都是有目标的,而网站获取流量也是需要成本的。在访问量相同的情况下,我们获取流量的成本以及这些流量所带来的价值(目标完成度)是否也是一样的呢?再来举个例子说明下,网站在两周都获得了10万次的访问,第一周获取流量的成本为50万,而流量带来的价值为60万。ROI=120%。第二周获取流量的成本为30万,流量带来的价值为50万。ROI=166%。在两周访问量相同的情况下,不同的流量获取成本和价值导致了投资回报率的差异。这里推荐使用Google Analytics的Adwords报告和电子商务报告获得流量成本和价值。
使用的Google Analytics报告
Adwords报告
Google Analytics中的Adwords报告可以记录你在Google购买广告的总花费。通过这个报告我们可以了解获得这部分流量所付出的成本。而其他渠道流量的成本则需求单独计算并汇总。
电子商务报告
电子商务报告记录了网站获得的总收入,也就是流量带来的价值。对于非电子商务类网站可以通过设置目标及目标转化价值的方法来计算流量带来的价值。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
MySQL 服务器内存碎片:成因、检测与内存持续增长的解决策略 在 MySQL 运维中,“内存持续增长” 是常见且隐蔽的性能隐患 —— ...
2025-09-24人工智能重塑工程质量检测:核心应用、技术路径与实践案例 工程质量检测是保障建筑、市政、交通、水利等基础设施安全的 “最后一 ...
2025-09-24CDA 数据分析师:驾驭通用与场景指标,解锁数据驱动的精准路径 在数据驱动业务的实践中,指标是连接数据与决策的核心载体。但并 ...
2025-09-24在数据驱动的业务迭代中,AB 实验系统(负责验证业务优化效果)与业务系统(负责承载用户交互与核心流程)并非独立存在 —— 前 ...
2025-09-23CDA 业务数据分析:6 步闭环,让数据驱动业务落地 在企业数字化转型中,CDA(Certified Data Analyst)数据分析师的核心价值,并 ...
2025-09-23CDA 数据分析师:以指标为钥,解锁数据驱动价值 在数字化转型的浪潮中,“用数据说话” 已成为企业决策的共识。但数据本身是零散 ...
2025-09-23当 “算法” 成为数据科学、人工智能、业务决策领域的高频词时,一种隐形的认知误区正悄然蔓延 —— 有人将分析结果不佳归咎于 ...
2025-09-22在数据分析、金融计算、工程评估等领域,“平均数” 是描述数据集中趋势最常用的工具之一。但多数人提及 “平均数” 时,默认指 ...
2025-09-22CDA 数据分析师:参数估计助力数据决策的核心力量 在数字化浪潮席卷各行各业的当下,数据已成为驱动业务增长、优化运营效率的核 ...
2025-09-22训练与验证损失骤升:机器学习训练中的异常诊断与解决方案 在机器学习模型训练过程中,“损失曲线” 是反映模型学习状态的核心指 ...
2025-09-19解析 DataHub 与 Kafka:数据生态中两类核心工具的差异与协同 在数字化转型加速的今天,企业对数据的需求已从 “存储” 转向 “ ...
2025-09-19CDA 数据分析师:让统计基本概念成为业务决策的底层逻辑 统计基本概念是商业数据分析的 “基础语言”—— 从描述数据分布的 “均 ...
2025-09-19CDA 数据分析师:表结构数据 “获取 - 加工 - 使用” 全流程的赋能者 表结构数据(如数据库表、Excel 表、CSV 文件)是企业数字 ...
2025-09-19SQL Server 中 CONVERT 函数的日期转换:从基础用法到实战优化 在 SQL Server 的数据处理中,日期格式转换是高频需求 —— 无论 ...
2025-09-18MySQL 大表拆分与关联查询效率:打破 “拆分必慢” 的认知误区 在 MySQL 数据库管理中,“大表” 始终是性能优化绕不开的话题。 ...
2025-09-18DSGE 模型中的 Et:理性预期算子的内涵、作用与应用解析 动态随机一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明确:TIF 中的地名有哪两种存在形式? 在开始提取前,需先判断 TIF 文件的类型 —— ...
2025-09-17CDA 数据分析师:解锁表结构数据特征价值的专业核心 表结构数据(以 “行 - 列” 规范存储的结构化数据,如数据库表、Excel 表、 ...
2025-09-17Excel 导入数据含缺失值?详解 dropna 函数的功能与实战应用 在用 Python(如 pandas 库)处理 Excel 数据时,“缺失值” 是高频 ...
2025-09-16深入解析卡方检验与 t 检验:差异、适用场景与实践应用 在数据分析与统计学领域,假设检验是验证研究假设、判断数据差异是否 “ ...
2025-09-16