,網(wǎng)站數(shù)據(jù)分析,作者：李雪巖2011年4月,JUNIORCOURSE,資料參考：Mars任鑫沈浩老師,先講個小故事,葡萄酒品質(zhì)預(yù)測,法國波爾多葡萄酒品質(zhì)預(yù)測12.145+0.00117冬天降雨量+0.614生長期平均氣溫0.00386收獲季節(jié)降雨量,目錄CONTENTS,Data,Analytics,hy,w,我們?yōu)槭裁葱枰獢?shù)據(jù)分析？,大致兩種原因，我們需要數(shù)據(jù)分析,我們最終需要的并不是數(shù)據(jù)而是數(shù)據(jù)分析之后產(chǎn)生的有意義的信息這樣的信息可以幫助我們決策讓我們了解自己往何處去,h,ow,數(shù)據(jù)分析的一般流程,01建立數(shù)據(jù)體系,建立數(shù)據(jù)體系,明確目標(biāo),02數(shù)據(jù)收集與處理,03數(shù)據(jù)解讀與決策,確定數(shù)據(jù)指標(biāo),數(shù)據(jù)分析流程,建立數(shù)據(jù)分析模型,數(shù)據(jù)指標(biāo)與數(shù)據(jù)模型,冬天降雨量收獲季節(jié)降雨量收獲季節(jié)平均氣溫,葡萄酒的品質(zhì)=12.145+0.00117冬天的降雨量+0.614生長期平均氣溫0.00386收獲季節(jié)降雨量,葡萄酒的例子,數(shù)據(jù)指標(biāo),數(shù)據(jù)模型,網(wǎng)站分析常用數(shù)據(jù)指標(biāo),PV(pageview)UV(uniquevistor)NewvistorReturnvistorUIP(uniqueIP)BouncerateDeliverrateUniqueopenrateUniqueCTR(clickthroughrate)ATOS(Avg.TimeonSite)Conversionrate,頁面瀏覽量獨立訪客新訪客回訪客獨立IP跳出率送達(dá)率（郵件）打開率（郵件）點擊率平均訪問時間轉(zhuǎn)化率,數(shù)據(jù)指標(biāo)小測試,如何理解這份營銷報告中的數(shù)據(jù)？,到達(dá)率99.99%，那么有9.999million的客戶收到了郵件。有1.9million的客戶打開了email，也有1.9million點擊了email這樣想起來應(yīng)該打開郵件的客戶都點擊了。1.9million里面有80%是新用戶，這次營銷帶來了1.52million的新客戶1.9million訪客，他們平均在我網(wǎng)站逗留了19秒時間太短了吧,全錯!,要切實理解數(shù)據(jù)指標(biāo)的含義及其獲取方法,01建立數(shù)據(jù)體系,02數(shù)據(jù)收集與處理,03數(shù)據(jù)解讀與決策,數(shù)據(jù)收集與處理,獲取數(shù)據(jù)資源,去除無效及虛假數(shù)據(jù),數(shù)據(jù)分析流程,根據(jù)數(shù)據(jù)模型進(jìn)行運算,宏觀：宏觀經(jīng)濟(jì)及互聯(lián)網(wǎng)行業(yè)發(fā)展,互聯(lián)網(wǎng)：互聯(lián)網(wǎng)使用行為及特征,網(wǎng)絡(luò)產(chǎn)品：產(chǎn)品使用行為和競爭分析,自有產(chǎn)品：自有產(chǎn)品的用戶特征和行為,消費者：用戶生活形態(tài)與媒介習(xí)慣,數(shù)據(jù)資源,消費者生活形態(tài)與媒介習(xí)慣新生代CMMS、CTR-CNRS,互聯(lián)網(wǎng)使用行為和特征新生代CMMS、CTR-CNRS；艾瑞iUserTracker、華通明略NetTrack、comScore,相關(guān)網(wǎng)絡(luò)產(chǎn)品的用戶使用第3方行業(yè)研究報告；產(chǎn)品專項研究；第3方數(shù)據(jù)監(jiān)測,自有產(chǎn)品用戶行為與特征網(wǎng)民調(diào)研；尼爾森NNRT、萬瑞監(jiān)測；產(chǎn)品Log數(shù)據(jù),宏觀經(jīng)濟(jì)國家統(tǒng)計局統(tǒng)計數(shù)據(jù)互聯(lián)網(wǎng)行業(yè)發(fā)展CNNIC、中科三方其他相關(guān)產(chǎn)業(yè)發(fā)展國家統(tǒng)計局，相關(guān)行業(yè)協(xié)會數(shù)據(jù),獲取數(shù)據(jù)資源,數(shù)據(jù)分析師,產(chǎn)品運營,去除無效及虛假數(shù)據(jù),流量時間分布異常流量行為異常（轉(zhuǎn)化率）流量地域異常,時間分布異常（數(shù)據(jù)波動大）地域異常（都來自同一ip段）其他異常（用戶名有規(guī)則）,01建立數(shù)據(jù)體系,02數(shù)據(jù)收集與處理,03數(shù)據(jù)解讀與決策,數(shù)據(jù)解讀與決策,數(shù)據(jù)分析流程,Sowhat式數(shù)據(jù)解讀,產(chǎn)品優(yōu)化及發(fā)展,Sowhat式數(shù)據(jù)解讀,每個客戶平均訪問了17個頁面,每個客戶看的頁面多，說明客戶粘性高，說明我們的營銷活動很成功,PV:500,000Vistor:30,000,本次活動和上次相比，最大的區(qū)別有兩個：第一，之前我們是在騰訊做的文字鏈廣告，這次我們換到了新浪的Banner廣告；第二，之前我們沒有在廣告中提到我們的公司名稱，這次我們把公司名稱和logo放最大。我們推測這兩個變動可能是我們廣告效果提升的原因。我們認(rèn)為下一次我們應(yīng)該投入更多的經(jīng)費在新浪網(wǎng)上，而且都用來購買Banner廣告。同時投入10%經(jīng)費去原有網(wǎng)站，如果同一個內(nèi)容的廣告效果仍然有巨大的效果差異的話，我們就能得出結(jié)論說我們應(yīng)該加大在新浪上的投放，而且要用Banner而不是文字鏈?！?對于我們這個行業(yè)，平均數(shù)據(jù)是人均瀏覽10個頁面，所以17個是挺多的。另外，由于我們的網(wǎng)站上主要是產(chǎn)品頁面，客戶瀏覽頁面多說明他興趣越大。而瀏覽信息多也使得他對我們更加了解，這對我們市場信息的傳遞，品牌印象的生成，以至于將來的銷售促進(jìn)都是有好處的,數(shù)據(jù)解讀與決策支持案例,1、24小時流量分布數(shù)據(jù),一般的視頻網(wǎng)站，會有如下訪問特征：訪問高峰，一般出現(xiàn)在上午9-11，下午2-4，晚上7-21如果出現(xiàn)了特殊事件（各種社會熱點事件）例如5.12地震的訪問高峰，在地震出現(xiàn)后的2個小時,網(wǎng)站的內(nèi)容運營，在大批訪問量來的時候，發(fā)布好內(nèi)容，用戶就會及時看到網(wǎng)站或者產(chǎn)品功能更新，或者上線選擇在什么時候好呢？那肯定是在訪問用戶少的時候，影響范圍比較小，這就是24小時數(shù)據(jù)的應(yīng)用。,看這個數(shù)據(jù)的目的是什么呢？,數(shù)據(jù)解讀與決策支持案例,2、網(wǎng)站流入數(shù)據(jù)分布,了解流入構(gòu)成，知道流量從哪里來，需要在哪里做推廣站外流入，一般跟網(wǎng)站的seo相關(guān)，同時可以做關(guān)鍵字分析,看這個數(shù)據(jù)的目的是什么呢？,ases,c,數(shù)據(jù)分析的典型案例,F,A,哈拉斯知道你的痛苦,o