网站访问数据分析在互联网产品中的应用

1网站访问数据分析在互联网产品中的应用 摘 要网站访问行为分析，是指在获得网站访问量基本数据的情况下，对有关数据进行统计、分析，从中发现用户访问网站的规律，并将这些规律与网络营销策略等相结合，从而发现目前网络营销活动中可能存在的问题，并为进一步修正或重新制定网络营销策略提供依据。在电子商务网站运营过程中，运营者会通过用户的这些访问行为，包括用户点击，评论，收藏，登陆注册，访问路径等进行用户的行为分析，以此来了解用户行为，为网站用户体验优化提供支持，或者对用户交易行为包括购买需求、购买时间、商品数量和价格，支付手段等数据，基于这些运营数据对他们的网站分析交易来估算每个客户的价值，针对价值的大小制定不同的客户营销策略。电子商务相对于传统零售业来说，最大的特点就是一切都可以通过数据化来监控和改进。通过数据可以看到用户从哪里来、如何组织产品可以实现很好的转化率和投放广告的效率。基于数据分析的每一点点改变，就是一点点提升盈利的能力，所以，电子商务网站的数据分析在当下显得尤为重要。而数据本身是客观的，但被解读出来的数据一定是主观的。我们能通过各项数据展示网站运营情况，调整网站的运营策略；能通过用户操作的习惯，进行分析优化产品功能；也能通过关联分析，拓展产品，挖掘产品价值（最大化的释放用户欲望或需求）即运营推广、用户体验、个性化挖掘等。我们对用户行为监测获得的数据进行正确的分析，可以让企业更加详细、清楚地了解用户的行为习惯，从而找出网站、推广渠道等企业营销环境存在的问题，有助于企业发掘高转化率页面，让企业的营销更加精准、有效，提高业务转化率，从而提升企业的广告收益。关键词: 用户行为 ，数据分析，电子商务，用户体验2AbstractUser behavior analysis is refers to in a website to visit a quantity of basic data and the data statistics and analysis, from found the user visits the site rules and the combination of these rules and the network marketing strategy, so as to find out the network marketing activities in some problems, and further amended or re enacted network marketing strategy provides the basis. In the electronic commerce website operation process, the operator will through the user access behavior, including the user clicks, reviews, collection, registration of the landing, access paths and so on were user behavior analysis, in order to understand user behavior, for the website user experience optimization provide support, or to user transactions including the purchase demand, time to buy, the price and quantity of the commodity, means of payment, such as data, based on these operational data on their website transaction analysis to estimate the value of each customer, develop different marketing strategies according to the size of the value.Electronic commerce, compared to the traditional retail industry, the biggest feature is that everything can be monitored and improved through the data. Through the data can be seen where users come from, how to organize the product can achieve a very good conversion rate and the efficiency of advertising. Based on the data analysis of every little change, is a little bit to enhance profitability, so the data analysis of e-commerce sites is particularly important in the moment. While the data itself is objective, but the data is interpreted to be subjective. We can show the site operations through the data, adjust the site operation strategy; can through the operation of the user habits, analysis and optimization of the product function; can also through the association analysis, expand the product, product value (maximum frees the user desires or needs) namely operation promotion, user experience, personalized mining. We obtain the monitoring of user behavior data analysis is correct can allow enterprises to more detailed and clearly understand the users behavior, so as to find out the website, marketing channels, marketing environment, help to enterprises to explore high conversion rate of the page, make more accurate, effective, improve the conversion rate of business enterprise marketing, so as to enhance the enterprises advertising revenue.Key Words：User behavior, data analysis, e-commerce, user experience3目 录摘 要 .IAbstract.II1 绪论 .11.1 选题背景 .11.2 研究意义 .11.3 研究内容 .21.4 研究方法 .21.5 论文章节结构 .22 用户访问数据分析的主要指标（WEB 端） .42.1 页面访问主要指标 .42.2 用户属性主要指标 .72.3 本章小结 .83 用户访问数据分析工具概述与分析方法 .103.1 主流数据分析工具概述一(WEB 端) .103.1.1 百度统计 .103.1.2 Google Analytics.113.1.3 量子统计 .113.1.4 聚合分析 .113.1.5 CNZZ.113.1.5 WebTrends.113.2 主流数据分析工具概述二(APP 端) .123.2.1 TalkingData.123.2.1 CNZZ 移动统计工具 .123.2.1 友盟移动平台统计分析工具 .123.3 访问数据分析主要方法 .123.3.1 统计分析 .123.3.2 路径分析 .123.3.3 关联分析 .133.3.4 用户分类分析 .133.3.5 访问聚类分析 .133.3 本章小结 .134 用户访问路径分析 .1544.1 路径分析中的问题 .154.2 用户核心路径识别 .154.3 核心用户特征分析 .164.4 产品设计和优化改进 .174.5 漏斗模型与路径分析的关系 .174.6 路径中的社会网络分析 .184.7 本章小结 .185 从用户访问行为的角度进行网站优化 .195.1 案例背景 .195.2 网站主要模块流量入口细分 .195.3 网站转化流程衰减节点分析 .205.4 新老访客数据对比 .215.5 访问深度与访问时长 .215.6 访问页面与路径分析 .225.6.1 失败路径错误分析 .235.6.2 跳出的关键页面分析 .235.6.3 退出的关键页面分析 .235.6.4 流失的关键页面分析 .235.7 系统环境分析 .245.8 访客搜索来源 .245.9 本章小结 .25结论 .37研究展望 .38参考文献 .39致谢 .4051 绪论1.1 选题背景近几年来，随着计算机和信息技术的迅猛发展和普及，网站和行业应用数量的规模迅速扩大，所产生的各类数据呈爆炸性增长。每个用户可选择的网络载体更多元化，我们对这些不同类型的网站或 APP 的造访，都隐含着我们对这些网络载体的某种期许，希望能从它们那里获得解决自身需求的信息，商品或服务。面对互联网技术如此成熟的年代，我们的每一次登陆，注册，评论，收藏；甚至每一次点击都会以数据的形式被记录下来，如此庞大的数据量通过合理的分析，肯定能够找出用户的使用习惯，这对我们改善产品的体验，做运营决策提供了数据支撑。所以，在大数据时代下对用户的访问行为分析显得尤为重要，方法得当不仅能让我们在产品设计上少走弯路，还能有针对性的对每个用户提供个性化服务，提升用户的使用体验，从而提升产品的质量。1.2 研究意义一个网站的用户平均访问页面越多，或者平均停留时间越长，那么这个网站的用户粘性越好。我们通过分析能找出用户的访问路径共同点，比如大部分用户的入口页都是在商品详细页，说明大部分的用户都是通过外部的推广渠道来的，因为在推广中我们直接给了商品的链接，从商品详细页下的点击分流，我们也能看出用户在详细页中对哪些信息点击的多，用户的每一次点击都会有上下级的访问，不是从外部来就是从内部的某个网页而来，这样就形成了一个个的访问节点，在这些访问路径的每一个节点，作针对性的优化，可以进一步提升用户粘性，提高用户在站内的停留时间。而用户粘性其实跟客户满意度和忠诚度都是息息相关的，用户是否愿意多花些时间在网站或产品上，代表着用户对产品的期待，希望网站或产品为自己提供解决方案或是满意的服务，一般来讲网站对于客户满意度和忠诚度与用户粘性应该是成正比的，这三个宏观的访客属性也真正决定了网站产品的好坏。一个产品有持续的发展离不开持续的优化，而优化的方向和决策可以从数据的角度入手，这样不仅能让每一次的优化显得有理有据，更能从不断完善的产品体验中体会到因数据分析带来的高效工作而让产品的运营能有持续的爆发点，产品的一切优化都能通过数据来决策，一切效果都能通过数据来体现。比如当网站在做页面体验优化的时候，我们往往会思考：现在的页面中有存在哪些不合理的因素?哪些数据指标最能反映网站用户的心理呢?首先，我们可以持续跟踪某个网站流量的小时变化趋势，然后在运营过程中针对这个时段推荐有针对性的内容或者商品，引导用户的访问。其次，分析首页的跳出率等指标，评估首页的浏览效果。比如，通过最近一个月的监测发现，75%以上用户的访问深度都低于 3 页，访问最多的 10 条内容中，仅有 3 个来自于网站首页，这就多少能够说明近期首页发布的内容与当前用户喜好或者消费热点有偏差，或者首页导航、热点区域的推荐内容有问题。这样依据数据来做体验优化会让产品的优化更有说服力。6用户的每一次点击、回复、评论乃至鼠标的每一次滑动，都是其心理的直接反映。再比如说，通过 IP 地址的定位，知道哪些省份、城市、地区的用户在访问网站，不同地域的用户关注的内容是否有什么差异、经常访问时间段是否相同，通过对这些数据的分析，可指导市场业务部门具体选定在哪个城市、哪个时间段做推广或者活动策划。在这种全面而细致的数据分析基础上，我们就可以更真实地了解自己的网站对用户的吸引情况，高效的开展网络营销活动。 此外，我们可以通过用户在搜索引擎中的搜索行为来确定符合自己网站的关键词优化，或者搜索排名推广的方式来更有效的开展线上推广引流的活动。1.3 研究内容本论文以目前行业内的数据分析产品为基础，借鉴国内已有的研究成果并结合实际运用中的数据分析案例，探讨电商企业在运营过程中通过数据分析改善网站或产品体验的方法和思路，致力于以数据分析为基础推动网站产品升级迭代，希望能为电商领域的互联网产品提供更好的用户体验环境提供一些数据方面的策略。主要内容包括：通过对用户在网站产品中的访问行为，细分网站来访流量，对用户的使用行为跟踪分析，希望以此能找到用户的使用习惯，并在此基础上进行用户属性分析，使用流程优化，访问路径分析，找到网站急需改进和优化的地方。同时阐述了一些在运营过程中常用的数据监控指标，比如 PV,UV，访问深度，停留时长，跳出率，退出率，转化率，转化次数，页面价值，重复购买率等的定义。以及数据的分析方法简述，包括统计分析，路径分析，关联分析，用户分类分析，访问聚类分析的使用方式，最后以案例分析和最终结论阐述了数据分析在互联网产品运营中的重要意义。1.4 研究方法（1）查阅文献资料。第一是查阅国内已有的关于用户访问数据分析领域的研究，和相关大数据分析方面的文献资料，引用了部分分析结论和相关数据指标的定义。整合了相关网站对于数据分析的理解和用户访问数据研究的思路和意义，借鉴了相关的数据分析案例和结论，以些体现用户访问数据分析的重要性（2）案例分享。结合过往在网站运营过程的部分经验，和借助于第三方统计平台，以图片并茂的形式，将数据分析以图片或流程的形式体现，把网站流量细分，用户访问路径优化分析方法和改善页面质量思路，并对大数据背景下的用户访问分析思路作了探讨。希望能以此为用户访问数据分析领域提供一些新的改善产品体验和运营的思路。1.5 论文章节结构本论文分为五章，各章的内容分别如下：第一章为绪论，主要介绍了本论文研究的选题背景，阐述了选题的意义，并对本论文所包含的内容作了简要概述。第二章阐述了第三方数据统计工具的差异，并描述了在大数据环境下的数据分析方式，阐述了各类数据分析方法7第三章主要介绍了产品运营过程中的一些常见数据指标如页面访问指标和用户属性指标，并对每一个指标都作了详细的说明。第四章为以实际案例结合用户访问点击数据统计的方式详细阐述了如何以用户访问数据分析提升网站用户体验，以案例和结论论证了用户访问数据分析的重要性。第五章为以路径分析在实际产品运营过程中的运用为背景，说明了路径分析如何通过结论影响到产品设计和运营以及路径分析的方法。最后为总结全篇，从理论和实证的角度分别总结了本论文的主要内容与大数据背景下的数据分析展望。82 用户访问数据分析的主要指标（WEB 端）图 2-1 主要访问数据指标分类2.1 页面访问主要指标（1）PV 页面浏览量PV 又称页面浏览量或用户会话数，这个指标反映了网站访问情况的总体水平，可以当作网站是否受欢迎的有效指标，当然页面浏览量是一个很宏观的总量，而且这个指标也很容易在短时间内借助外部力量或者推广手段达到一定的高度，所以在实际的操作过程中，不能一味的追求 PV，但可以结合网站的栏目细分 PV，这样通过数据的整理我们大致能看出网站各个分类各个区块的受欢迎程度。此外很多电子商务网站的用户需求也非常明确，用户来到网站之后，往往只会寻找自己需求的产品，所以一味地重视 PV 也是没有太大意义的。（2） UV 访客数UV 又称访客数，这个数据非常直观的告诉了我们某个时间段内的访客数量。以百度统计为例，访客数就是指一天之内到底有多少不同的用户访问了你的网站。百度统计完全抛弃了 IP 这个指标，而启用了访客数这一指标，是因为 IP 往往不能反映真实的用户数量。尤其对于一些流量较少的企业站来说，IP 数和访客数会有一定的差别。访客数又可以细分成老用户和新用户，老用户即是活跃用户，又可以按时间段一天，一周或一月来划分活跃度。访问者的定义可能与运营平台的不同而有一定差异，目前被业界普遍接受的定义是：9如果用户在访问期间中断时间超过了 30 分钟后，再次返回访问这应该被计为另一次访问，即访客数应该加 1。（3）访问深度访问深度，即 PV 与 UV 的比值，平均访问页数是用户访问网站的平均浏览页数。平均访问页数等于浏览量与访问次数的比例。平均访问页数很少，说明访客进入你的网站后访问少数几个页面就离开了。我们往往会把平均访问页数和平均访问时长这两个指标放在一起来衡量网站的用户体验。如果平均访问页数较少，平均访问时长较短，就要分析以下几个问题：网络营销带来的用户是否精准；网站的访问速度如何；用户进入网站后能否找到需要的内容；网站内容对用户是否有吸引力。（4）平均访问时长平均访问时长是用户访问网站的平均停留时间。平均访问时长等于总访问时长与访问次数的比例。而访问时长主要是根据访客浏览不同页面的时间间隔来计算的，因此最后一页的访问时长是无法计算的。现在非常流行的网络营销单页面也无法统计这一数据，因为单独一个页面是无法计算间隔时间的。用户在网站的停留时间也能一定程序上说明网站的质量，如果是以文字资讯为主的网站，而且内容又深得用户喜爱，往往这个值会高于其他类别的网站，而以图片或者商品为主的网站，则会稍逊一筹，因为毕竟图片给用户的感受非常直接，用户如果不喜欢的商品不可能花太多的时间停留。在做好内容和服务的同时，提升这个值还有一个重要的一点就是用户体验，这就需要我们在网站或产品设计初期多花功夫，用流畅的体验和高质量的内容与服务粘住用户（5）新访客数与新访客比例新访客数是一天中网站新访客的数量。在百度统计开始对网站统计以来，当一个访客第一次访问网站时，就被记为一个新访客。新访客主要还是以 cookie 为依据来进行判断的。新访客数可以衡量通过网络营销开发新用户的效果。在众多的网络营销方法中，搜索引擎营销往往更容易为企业带来新用户。新访客比例是指一天中新访客数占总访客数的比例。对于不同类型的网站，这个指标有着不同的意义。对于一些讲求用户黏性的 web2.0 网站来说，比如论坛和 SNS 网站，如果新访客比例过高，就意味着老用户很少来，这并非是一件好事。而对于主要依靠搜索引擎带流量的资讯站来说，新访客比例反映了网站编辑是否能抓住热点内容做文章、最近的SEO 是否效果明显，因为热点内容的搜索量很高，而且通过 SEO 可以增加整站文章的展现量。如果资讯站的访客数不断增加，而且新访客比例较高，往往是网站进步的一个表现。（6）Bounce RateBounce Rate 即跳出率，是指访客来到网站后，只访问了一个