京公网安备 11010802034615号
经营许可证编号:京B2-20210330
网站常用的数据分析方法介绍
本篇文章我们介绍4种网站分析中最常用,也是最有效的分析方法。他们分别是细分分析,对比分析,对比分析,质与量分析。这些分析方法在实际工作中经常组合使用。我们先来看下细分分析。
单一的指标数据或大维度下的指标数据是没有意义的,只有当指标与维度配合使用时才有意义。细分也叫下钻,是网站分析中最常用的一种方法。原理就是通过对汇总数据进行多个维度对指标进行分解。逐步找到有问题的部分。在整个的Google Analytics报告的中,随处都充满了细分方法。
汇总数据是一个极其笼统的大维度数据。而平均数数据则可能会掩盖很多问题。这里是一个平均数的计算方法:访问者A浏览了10个页面,访问者B浏览了2个页面。网站每次访问页面浏览量6个页面。看似表现不错的平均数据其实包含很很多问题。但我们仅从平均数中无法看到这些问题。细分的主要目的就是对汇总数据和平均值数据进行剖析,发现这些问题并加以改进。
我们如何使用Google Analytics来对指标进行细分?Google Analytics报告本身的结构就是一个支持细分的结构。不用我们进行特别的设置就可以对指标进行细分。下面我们来看下如何使用Google Analytics报告中的这些简单的默认细分功能和高级细分功能。
在Google Analytics的四类报告中,都提供了细分功能。展开每一类的报告,概述报告,而下面的各个子报告都是对概述报告的一个细分。
同时在子报告中,也提供了更进一步的细分。我们所要做的就是找到感兴趣的维度,并且点进去进一步查看。
除了Google Analytics的默认细分功能外,还有三种更灵活的自定义细分功能。他们分别是次级维度细分,高级细分和自定义细分。自定义细分与默认细分功能最大的差别在于,默认细分是在一个大的维度下逐级深入细分。例如,流量来源,搜索引擎,Google,自然搜索,关键词。而自定义细分则可以完整更复杂的跨越多个维度的细分。例如:流量来源,搜索引擎,地理位置。
次级维度
第一个自定义细分功能是次级维度,在大部分Google Analytics报告中,都可以实现次级维度的细分。以下是次级维度的截图。我们可以很容易的使用次级维度来查看同一个指标在两个不同维度中的表现如何。例如:北京地区的Google搜索引擎。
高级细分
第二个自定义细分是自定义报告,使用自定义报告进行细分要比次级维度灵活的多。细分的层级也要深入的多。自定义报告的的实质是对指标和维度的重组。
自定义报告
第三个自定义细分是高级细分,与自定义报告相比,高级细分的主要优势在于细分结果的广度。当我们设置了一个自定义细分的维度后,这个维度将应用于整个Google Analytics报告中。
除了使用细分以外,我们还可以使用对比分析来观察指标的变化趋势,例如,本月的访问量是300万,那么和上个月相比怎么样呢?和去年同一时期又如何呢?这就是我们介绍的第二个方法,对比分析。对比分析的设置很简单,在时间里设置好要对比的时间段,报告会自动给出指标的变化结果。这里有一个需要注意的问题是,当使用Google Analytics自带的与上一个时期进行对比时,时间段内周末的数量可能会不相同。而这也将直接影响指标的对比结果。
第三种分析方法是聚合分析,聚合分析常用于对网站内容的分析上。网站有大量的页面访问数据,而每一个页面又都拥有自己的指标数据。对于如此庞大和细碎内容数据,我们该如何下手呢?答案是使用聚合分析。
聚合分析通常用来对网站的分类和导航系统进行分析。例如:关注A频道的访问者是否也浏览了B频道的信息?他们如何在这两类信息间流动。使用列表筛选的功能是否中途也会使用站内搜索?这些在基于页面的数据中是很难发现的,因为数据的颗粒度太细小了。需要我们对网站中不同的内容进行聚合。
聚合内容的方法很简单,就是将内容相关,或者你关注的信息进行分类,我们称为内容组。而分类的粒度取决于你分析的最终粒度。
聚合内容的维度也有很多种,完全看我们的分析需求。最简单的方法,我们可以按网站的频道划分内容组,或者按网站的功能来划分。例如首页,站内搜索功能,列表筛选功能,产品展示功能,购物结算功能。注册登录功能。等等。
创建的内容组主要用于进行访问者路径分析。也就是Google Analytics的访问者流报告,和导航摘要报告中。通过访问者在各内容组间的路径来验证网站逻辑和不同产品间的设计是否合理。
最后介绍的质与量的分析方法。质与量与细分一样,也始终贯穿于Google Analytics的各个报告中。
在流量来源报告中,访问次数是一个量的标,跳出率是一个质的指标。通过这两个指标可以有效的衡量不同渠道流量与网站内容的匹配度。
在内容报告中,浏览量是一个量的指标,退出百分比是一个质的指标,通过这两个指标可以衡量页面的质量。
什么是网站的量?通常来说,量是一个绝对值,用来衡量事物的多少。例如,网站来了多少人,访问了多少次,看了多少个页面,产生了多少订单等等。这些绝对值数据都可以归为网站的量指标。但也并不绝对。
什么是网站的质?通常来说,质是一个比率。用来衡量效果。例如:跳出率,转化率,平均停留时间,每次访问浏览页面数,平均订单价值等等。这些比率都可以归为网站的质指标。
质与量在网站分析中的应用比较广泛,任何的流量,网站页面及访问者行为都可以通过质与量两个维度进行有效的分析。例如,进入次数与跳出率,页面浏览量与关键行为点击率,等等等等。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-08-24 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-08-21在数据分析与数据可视化工作中,直方图是展示数据分布特征、离散程度、集中区间的核心图表,能够直观呈现数值数据的频次分布规律 ...
2026-08-20在数据分析领域有一句核心准则:垃圾数据进,垃圾数据出。数据清洗是数据分析、数据建模、数据可视化之前的必经前置工序,也是保 ...
2026-08-20 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-08-20在Python数据分析与数据清洗工作中,Pandas是最核心的数据处理库,DataFrame是结构化数据的标准存储格式。在实时数据采集、循环 ...
2026-08-19在零售行业大数据分析与精细化运营领域,纸尿裤旁摆放啤酒是最经典、最具代表性的商业案例。两种看似毫无关联的商品,一个是婴幼 ...
2026-08-19 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-08-19在数据分析、业务监控、质量检测与风险管控工作中,数据波动性是衡量数据稳定性、业务健康度、结果可信度的核心依据。数据波动代 ...
2026-08-18很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当导致 ...
2026-08-18在数据分析、业务评价、产品评级、用户分层与综合决策场景中,单一指标往往无法全面、客观地评价事物整体水平。现实中的评价对象 ...
2026-08-18在数理统计、假设检验、数据分析与机器学习领域中,卡方分布(χ²分布)是继正态分布、t分布之后最重要的连续型概率分布之一。 ...
2026-08-17在Python数据清洗、文本校验、账号密码规则校验、脏数据过滤、字符串规整化处理中,正则表达式是最高效、最常用的文本匹配工具。 ...
2026-08-17 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-08-17手游行业具备用户迭代快、竞争激烈、用户粘性易流失的典型特征。随着新游持续上线、玩家审美升级、玩法疲劳等问题出现,存量用户 ...
2026-08-14在数字化产品运营、商业数据分析、业务增长管理中,零散的指标统计无法支撑系统性的业务决策。单一的点击率、转化率、销量数据只 ...
2026-08-14 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-08-14在数据库数据分析、数据清洗、报表统计与业务查询场景中,日期时间是最高频、最核心的基础字段。数据库中存储的日期格式多样,包 ...
2026-08-13