网站访问数据分析在互联网产品中的应用及引力波的实验探测给我们的启示

AbstractUserbehavioranalysisisreferstoinawebsitetovisitaquantityofbasicdataandthedatastatisticsandanalysis,fromfoundtheuservisitsthesiterulesandthecombinationoftheserulesandthenetworkmarketingstrategy,soastofindoutthenetworkmarketingactivitiesinsomeproblems,andfurtheramendedorreenactednetworkmarketingstrategyprovidesthebasis.Intheelectroniccommercewebsiteoperationprocess,theoperatorwillthroughtheuseraccessbehavior,includingtheuserclicks,reviews,collection,registrationofthelanding,accesspathsandsoonwereuserbehavioranalysis,inordertounderstanduserbehavior,forthewebsiteuserexperienceoptimizationprovidesupport,ortousertransactionsincludingthepurchasedemand,timetobuy,thepriceandquantityofthecommodity,meansofpayment,suchasdata,basedontheseoperationaldataontheirwebsitetransactionanalysistoestimatethevalueofeachcustomer,developdifferentmarketingstrategiesaccordingtothesizeofthevalue.Electroniccommerce,comparedtothetraditionalretailindustry,thebiggestfeatureisthateverythingcanbemonitoredandimprovedthroughthedata.Throughthedatacanbeseenwhereuserscomefrom,howtoorganizetheproductcanachieveaverygoodconversionrateandtheefficiencyofadvertising.Basedonthedataanalysisofeverylittlechange,isalittlebittoenhanceprofitability,sothedataanalysisofe-commercesitesisparticularlyimportantinthemoment.Whilethedataitselfisobjective,butthedataisinterpretedtobesubjective.Wecanshowthesiteoperationsthroughthedata,adjustthesiteoperationstrategy;canthroughtheoperationoftheuserhabits,analysisandoptimizationoftheproductfunction;canalsothroughtheassociationanalysis,expandtheproduct,productvalue(maximumfreestheuserdesiresorneeds)namelyoperationpromotion,userexperience,personalizedmining.Weobtainthemonitoringofuserbehaviordataanalysisiscorrectcanallowenterprisestomoredetailedandclearlyunderstandtheuser'sbehavior,soastofindoutthewebsite,marketingchannels,marketingenvironment,helptoenterprisestoexplorehighconversionrateofthepage,makemoreaccurate,effective,improvetheconversionrateofbusinessenterprisemarketing,soastoenhancetheenterprise'sadvertisingrevenue..KeyWords：Userbehavior,dataanalysis,e-commerce,userexperience

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 103.1.2GoogleAnalytics 113.1.3量子统计 113.1.4聚合分析 113.1.5CNZZ 113.1.5WebTrends 113.2主流数据分析工具概述二(APP端) 123.2.1TalkingData 123.2.1CNZZ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 154.1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 401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。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。

2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：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）BounceRateBounceRate即跳出率，是指访客来到网站后，只访问了一个页面就离开网站的访问次数占总访问次数的百分比。跳出率是反映网站流量质量的重要指标，跳出率越低说明流量质量越好，用户对网站的内容越感兴趣，网站的营销功能越强，这些用户越可能是网站的有效用户、忠实用户。对于单页营销的网站来说，跳出率只能是100%，因为用户只有一个页面可以访问，所以单页营销网站不必考虑这个指标。在百度搜索推广中跳出率和平均访问时长可以反映出推广关键词的选择是否精准，创意的撰写是否优秀，着陆页的设计是否符合用户体验。如下图示可以很清楚的阐述BounceRate和ExitRate之间的区别。（7）ExitRate图2-2BounceRate和ExitRate示意图资料来源：网络运营社区ExitRate即出站率，对某一个特定的页面而言，从这个页面离开网站的Visit占所有访问到这个页面的Visit的百分比。例如，你通过搜索引擎进入到购物网站，点击了不少链接，查看了好几样商品都觉得不太满意，直到最后你在访问某一个商品详细页时你可能会觉得这个网站没有让你心动的商品，因此，你关闭了浏览器窗口，结束了这次访问。这时，对于那个你访问的最后一个商品详细页而言，这个访问是一个Exit的访问，但对此页面之前你访问的其他页面而言，则不是Exit，因为你没有在这些页面离开此网站。ExitRate通常会拿来分析单个页面的质量。（8）转化次数潜在用户在我们的网站上完成一次我们期望的行为，就叫做一次转化。百度统计中可以记录的转化主要是指用户访问了某个特定的页面，比如电子商务网站中交易成功的页面，企业网站中在线咨询或联系方式的页面。我们可以在百度统计的后台设置相应的转化页面，用户访问这个页面1次，就记为1次转化。转化次数是衡量网络营销效果的重要指标，也是以销售为主导的企业网站最应重视的指标。就好像一个实体商店，多少人来光顾不是最重要的，最重要的是看到底有多少人购买了我们的商品。（9）转化率转化率等于转化次数与访问次数的比例。转化率可以用来衡量网络营销的效果。如果我们在A、B两个网站同时投放了广告，A网站每天能带来100次用户访问，但是只有1个转化，B网站每天能带来10次用户访问，但是却有5个转化。这就说明B网站带来的转化率更高，用户更加精准，网络营销效果更好。不同行业的网站、不同类型的网站适合的网络营销方法也不太一样，我们应该通过转化率这一指标找出转化效果最好的网络营销方法，从而使网络营销获得一个最大的投资回报率。（10）重复购买率指消费者对该品牌产品或者服务的重复购买次数。重复1买率有两种计算方法：一种是所有购买过产品的顾客，以每个人人为独立单位重复购买产品的次数，比如有10个客户购买了产品，5个产生了重复购买，则重复购买率为50%；第二种算法是，单位时间内，重复购买的总次数占比，比如10个客户购买了产品，中间有3个人有了二次购买，这3人中的1个人又有了三次购买，则重复购买次数为4次，重复购买率为40%。直与复推荐企业采取第一种算法。重复购买率越多，则反应出消费者对品牌的忠诚度就越高，反之则越低。2.2用户属性主要指标（1）ARPUARPU：AverageRevenuePerUser，即每个用户平均收入在一定时间内，ARPU=总收入/用户数，一般是计算长期的ARPU比较有意义，如平均每月每用户收入。而用户数可以是总平均在线用户数、付费用户数或是活跃用户数，不同产品标准可能存在差别。ARPU注重的是一个时间段内从每个用户所得到的收入，衡量互联网公司业务收入的指标。ARPU值高说明平均每个用户贡献的收入高，但高未必说明利润高，因为利润还需要考虑成本。ARPU的高低没有绝对的好坏之分，分析的时候需要有一定的标准。（2）用户流失率用户流失率是指那些曾经使用过产品或服务，由于对产品失去兴趣等种种原因，不再使用产品或服务的用户。用户流失率=总流失用户数/总用户数，流失用户数依产品而定，并且有各自的不同标准。分析用户的流失情况可以找到流失的原因，针对产品所处的时期再找到解决办法。一般流失用户都是对于那些需要注册、提供应用服务的网站而言的，比如微博、邮箱、电子商务类网站等。对于流失用户的界定依照产品服务的不同而标准不同，对于微博和邮箱这类用户几乎每天登录查看的网站而言，可能用户未登录超过1个月，我们就可以认为用户可能已经流失了；而对于电子商务而言，可能3个月未登录或者半年内没有任何购买行为的用户可以被认定是流失用户。因此这里有个流失期限。（3）活跃用户是相对于“流失用户”的一个概念，是指那些会时不时地光顾网站，并为网站带来一些价值的用户。活跃用户用于衡量网站的运营现状，而流失用户则用于分析网站是否存在被淘汰的风险，以及网站是否有能力留住新用户。每个产品活跃的定义千差万别，如果是有帐号的客户端产品，例如IM、端游等，通常以帐号登录作为活跃标识。如果是某些工具软件，有的以启动作为活跃，例如看天气的。有些需要进行一些核心操作，例如拍照软件，至少是完成一张照片拍摄，才能算活跃吧。日活跃用户：DAU，DailyActiveUser，指某个自然日内启动过应用的用户，该日内的多次启动只记一个活跃用户。月活跃用户：MAU，MonthlyActiveUser，指某个自然月内启动过应用的用户，该月内的多次启动只记一个活跃用户。这两个指标一般出现在在线服务的分析统计指标中，比如在线文档，或者是网页邮箱服务，网络游戏，SNS游戏等等。一般用来衡量服务的用户粘性以及服务的衰退周期。DAU/MAU比例是SNS游戏的重要参数，一般最低极限是0.2，这保证游戏能够达到临界规模的病毒式传播和用户粘性。周活跃用户：WAU，WeeklyActiveUser，指某个自然周内启动过应用的用户，该周内的多次启动只记一个活跃用户。这个指标是为了查看用户的类型结构，如轻度用户、中度用户、重度用户等。（4）用户留存用户保有率：用户保有率指在单位时间内符合有效用户条件的用户数在实际产生用户量的比率，也叫用户留存。保有率=保有量/实际量次日留存率：（当天新增的用户中，在第2天还登录的用户数）/第一天新增总用户数。因为都是新用户，所以结合产品的新手引导设计和新用户转化路径来分析用户的流失原因，通过不断的修改和调整来降低用户流失，提升次日留存率，通常这个数字如果达到了40%就表示产品非常优秀了。第3日留存率：（第一天新增用户中，在往后的第3天还有登录的用户数）/第一天新增总用户数。周留存率：（第一天新增的用户中，在往后的第7天还有登录的用户数）/第一天新增总用户数。在这个时间段里，用户通常会经历一个完整的使用和体验周期，如果在这个阶段用户能够留下来，就有可能成为忠诚度较高的用户。月留存率：（第一天新增的用户中，在往后的第30天还有登录的用户数）/第一天新增总用户数。通常移动APP的迭代周期为2-4周一个版本，所以月留存是能够反映出一个版本的用户留存情况，一个版本的更新，总是会或多或少的影响用户的体验，所以通过比较月留存率能够判断出每个版本更新是否对用户有影响。渠道留存：因为渠道来源不一，用户质量也会有差别，所以有必要针对渠道用户进行留存率分析。而且排除用户差别的因素以后，再去比较次日，周留存，可以更准确的判断产品上的问题。留存用户和留存率通常反映了不同时期获得的用户流失的情况，表现不同时期用户对产品的适应性和黏性，分析这个结果往往是为了找到用户流失的具体原因。2.3本章小结本章是对用户访问和属性方面的一些常见指标作了详细解释，核心的运营指标基本上每个电商网站或者移动APP所用都大同小异，每个指标的计算方式可能也会有所不同，比如活跃用户的定义，有些公司定义活跃用户是针对已注册过的用户，而有些可能是针对所有的用户包含未注册只浏览的用户。比如用户留存的定义，有些网站或者APP只关注周留存率和月留存率，而淡化了日留存和次日留存率，本章所提到的跳出率和退出率也将在下面的案例中有进一步的阐述，这两个指标也是在访问分析中常用到的分析指标，通常在实际运营过程中我们初期只用关注核心的指标，如果核心的指标不能通过过往的经验得以改善时，就需要全方位的提取分析，以找到用户访问的习惯和规律，为改善体验和升级产品的方向作指导。3用户访问数据分析工具概述与分析方法一个有用户规模的电商门户的访客行为数据是很庞大的，如果只是完成了访问数据的收集，却不知道如何利用这些数据提出对产品的优化建议，就没有任何的意义。好在如今互联网技术的飞速发展，市场上已有一些提供用户访问数据分析的第三方平台，比如大家熟知的百度统计，GoogleAnalytics,CNZZ,还有淘宝为店主量身订制的淘宝魔方等等，这些工具做到了在海量数据的环境下依然提供给用户直观简洁的数据呈现方式，这为互联网从业者提供了极大的支撑，互联网时代就是大数据的时代，产品要想获得成功离不开合理的数据分析。网站访问数据分析中最为核心的是访问总量的分析；总量分析反映的是浏览者群体特征，它不仅要求关注服务器每天的吞吐量，还需了解访问的来源和各个页面的访问情况，根据每个页面的点击分布来改善页面布局和内容质量，对于网络广告商而言，他们关心的是广告的点击量和带来的注册转化率或者订单转化率，以此来评估广告效果，确定广告的是否有价值，是否继续投入或者优化。3.1主流数据分析工具概述一(WEB端)用于网站分析的免费工具现在有很多，比如GoogleAnalytics,百度统计，CNZZ,Piwik、聚合分析、量子统计等，对于一个网站（应用）来说，往往会使用多个分析工具，比如GA来分析网站流量和访客行为，日志来分析蜘蛛爬行和服务器运行状况，订单系统分析会员的活跃率及购买行为。这是起码的一个分析系统结构。当然为了便捷而顺畅地解决数据接口等问题，可能会使用不同平台各自的分析工具，比如同时使用GA、百度统计、搜狗统计等。其实从理论上来说，一个分析工具（比如GA）也都可以实现这些功能要求，实现起来也并不会太复杂，进行相关的高级配置和数据整合即可。再复杂还可以使用API，从而定制符合自己业务要求的数据后台。本论文仅讲述以Javascript标记方法实现用户行为统计分析的相关理论和案例，并取材于已有的第三方访问统计工具。如果你的网站需要了解搜索引擎机器人或者其他非人为访问流量，并且希望据此对网站进行针对性的优化，如通过分析搜索引擎的访问行为来进行SEO;判断网站的文件资源是否被用户完整的下载索取;或者对网站流量信息具有极高的保密需要，不允许让任何第三方染指或帮忙;或者对于网站服务器的安全性和可维护性有要求，以及有非常显著的反抗黑客或其他非授权访问需求的，则需要采取网站访问日志分析方式，可以考虑利用Hadoop建立自己的数据分析平台。3.1.1百度统计百度统计基于自身的“大数据“还提供了访客属性分析，也提供了开放平台可进行更深度定制，当然最主要的优势是可以直接了解百度推广广告的数据表现，最核心的一点是百度统计的数据可以细分作为广告投放人群，并且整合到了“受众管理”，这个有点类似GA的再营销。百度统计提供了几十种图形化报告，全程跟踪用户的行为路径，可以监控各种网络媒介推广效果以便及时了解那些热门的关键词和比较好的推广创意效果，本论文所涉及到的部分统计图和统计数据也将取材于百度统计。3.1.2GoogleAnalyticsGA主要存在数据采样和数据及时性问题（在国内还存在丢包问题），功能可谓是最全面的的了，更拥有强大的API接口，各种功能基本都有或者经过简单配置即可实现。但是基于一些原因，GoogleAnalytics在国内访问非常的不稳定，所以这也是为什么把GA放在第二个推荐的位置上，百度统计和CNZZ暂时都还停留在网站访问行为的层次上，对于电子商务跟踪还不支持。3.1.3量子统计量子统计对于淘宝店铺（天猫）的统计是非常强大的，其中渗透了很多电子商务分析理念，对于用户购买行为和产品页面的分析非常强大，当然也对接了直通车的数据，装修分析可以方便用户了解装修效果，并且针对和PC端提供了单独的报告，店铺诊断提供了数据概览让店长知道自己所处的位置并提供了优化参考。不过一些高级功能需要付费，并且对于外部来源等数据维度细分还是存在很多限制，代码基本不能定制，数据相对封闭（可用积分兑换离线报告下载功能）。3.1.4聚合分析聚合分析的优势在于电商分析，其中的产品分析和订单分析十分透彻，并且还针对主流的电商平台提供了安装文档（个人认为要是能学piwik那样做成插件形式将会更方便些），每天早上9点会免费发送短信提醒昨日核心数据报告，产品经理曾经创办小艾分析。作为一个第三方广告服务商，这个工具还提供了自身产品的数据细分并支持将人群导入到相应的广告平台进行广告投放，除了自己的几个平台目前还与百度的闪投广告打通。3.1.5CNZZ升级后的CNZZ开始使用cookie作为独立访客的主要识别方式，对于不支持cookie的采取IP+浏览器标识方式，也提供了一些特色服务，比如短信提醒（需付费购买），搜索引擎来源做了更细致划分（搜索引擎子产品），细分了社会化媒体来源、网址导航、邮箱等，可以查看受访域名并支持数据过滤（过滤数据同时提供基础访问数据），另外CNZZ的一些工具也是值得用的，行业报告也是值得看的。CNZZ对于搜索引擎和浏览器的识别比较细致，可以说这些细节很多其他工具都没有做到位。作为（草根）站长使用最多的一个工具，它具有很好的易用性。3.1.5WebTrendsWebTrends是网站分析行业的开创者，其强大的分析能力，全面，精准及可定制的数据分析报告吸引了大量的用户，WebTrends优于其它分析工具的一方面包括支持PageTag方式的数据收集。但是WebTrends需要网站支付高额的授权费，这一点让不少企业望而却步，也因此其市场占有率不如其他的统计平台3.2主流数据分析工具概述二(APP端)3.2.1TalkingDataTalkingData,数据服务包括旨在解决移动应用数据统计、渠道评估等日常应用运营数据需求的AppAnalytics（移动应用统计分析），帮助移动游戏开发商快速实现移动游戏的数据化运营的GameAnalytics（游戏运营分析）,第三方移动广告效果监测平台AdTracking（移动广告监测）和以开放接口形式为全行业从业者提供标准的精准人群标签的TalkingDataDMP（移动端受众数据管理平台）3.2.1CNZZ移动统计工具移动统计（)是服务于移动应用的统计工具，主要面向中国的移动互联网开发者，帮助开发者从产品推出的第一天就用数据说话，及时把握产品的运营状态、洞悉用户心声，发现应用漏洞与体验不足，为移动应用开发者提供了一个省力、精准的移动应用统计分析工具。借助数据的指引，开发者可以更有目标和针对性的改进产品，优化运营和推广策略，在激烈的竞争中赢得先机。3.2.1友盟移动平台统计分析工具友盟移动应用统计分析提供移动数据服务与运营工具的综合性的开发者服务平台。移动数据服务包括应用统计分析、游戏统计分析、社交数据分析、友盟指数、友盟数据报告等；运营工具包括消息推送、社会化组件、微社区、IM等，帮助开发团队收集、挖掘和分析数据，利用数据进行产品运营决策，并运用工具将数据进行落地。本论文所引用的部分统计数据趋势图也将取材于友盟统计。3.3访问数据分析主要方法用户访问数据的分析，主要目的是从要数据中发现问题，是关于用户行为和潜在行为和信息的挖掘和发现，一般采用的方法是对服务器日志分析，每个网站所在的服务器都会存在此文件，我们可以通过访问日志发现用户的访问喜好和规律，后期也能有高效的运营。主要的数据流量分析方法包括：3.3.1统计分析此方法即是对网页的各项访问指标以数据的形式呈现，让运营者对网站的访问情况一眼就能一个大致的印象，比如PV，UV，平均停留时间，访问了哪些页面，哪些地区的访问量高，这些统计数据虽然很笼统但在实际运营过程中，应用在了很多方面，比如发现网站在印度的访问量特别大，那么可以考虑专门针对印度用户的使用习惯做设计，这样肯定能刺激到印度用户的订单增长。又比如某个页面的跳出率特别高，则马上可以对此页面作调整，往往这种改动能起到立杆见影的效果。3.3.2路径分析路径分析可以着眼于频繁的访问路径，例如某电商网站有部分用户访问的路径很规则，从首页到商品列表页再到商品详细页home/list/detail，这可以说明这部分用户的使用习惯是喜欢先访问网站首页，再逐层的访问下去，但是也有一些用户是从商品详情页到订单页，支付完后又回到商品列表页或首页,detail/order/pay/home，这两种访问的路径可能代表着两种不同的用户。第一种有可能是老用户，因为总是从首页开始访问，用户肯定收藏了网站首页，或者是记得网站的网址直接输入网址访问，如果这个路径的用户比例很高的话，可想而知那网站算是非常成功了，但是这种成型的网站要作大的调整是有风险的，因为用户使用习惯已养成，这时的每一次改动都需要深思熟虑。第二种有可能是通过推广渠道进站的用户，这一类用户是有着明确需求的用户，以广告带来的用户花了成本，所以在这种路径下的用户需要注重其访问路径中每一个节点的流畅性，在每一个节点页上可以做相关的优化，来吸引用户触发更多的行为，比如在详细页上增加相关度比较高的商品展示，又或者是在用户支付成功后推荐相关销量比较好的商品，这些小的改动都有可能是提高订单量的方法。通过路径分析可以知道用户的平均访问页面，和访问量比较高的页面，在做体验优化时有可以有的放矢，从这几个点入手优化。通过路径分析，为自己的网站建立几个最常访问的浏览模型，可以此改进网站的结构设计和页面设计风格。3.3.3关联分析关联分析也就是可以找到用户对网站上各种商品之前访问的关联度，这些商品可能不存在直接的关系，比如用关联规则发现50%的用户在访问了某页detail1后，然后同时也访问detail2页面，20%的用户在购买了A商品后同时已购买了B商品，利用这种相关联性，能更好的组织和设计网站产品。3.3.4用户分类分析分类分析就是给网站中特殊用户群体的公共属性描述，可以分析其共同的特性，比如A类用户一般感兴趣的是哪个栏目的商品，B类用户一般购买的是哪个类别的商品，A类或B类可以是学生，男生，女生，等等，根据用户的分类来改进网站服务，这一类信息可以通过网络访问日志加以区分和挖掘。或者通过网站自己的会员库提取分析数据。3.3.5访问聚类分析访问聚类分析就是以用户访问喜好来找出具有相似特性的某一类用户。具有相似访问行为的用户群体，可能为其提供个性化的服务，用户对网站的访问存在某种有序关系，这种关系反应的是用户的访问喜好，群体用户的访问兴趣和他们的访问序列有较强的相关性，最先访问的节点有较大的访问兴趣，所以聚类挖掘的目的是从网站访问日志中找到具有相似用户访问兴趣的聚类。3.3本章小结在以往的访问日志分析主要的着重点是从技术层面来解读数据并为网站分析提供基础的数据支持。但在实际应用的过程中我们更多采用的是以上所述这些第三方的网站分析工具来监控访客对网站的访问情况，这类平台用JavaScript标记采集的方式独立于Web服务器把访问日志从Web服务中抽离，这也有利于分析人员专注对日志的分析，而开发和产品人员专注于Web本身的制作，提高了工作中的灵活性。一款优秀的数据分析工具除了一些基础性监测之外（其中也涉及到很多细节可以去优化），以下几个功能将会是最大的差异化优势：实时性、完整性、归因模型、跨屏跟踪、路径分析、渠道可视化、数据细分筛选与过滤、报告定制。数据对接：从用户来源到访问，再到转化，再到广告投放。形成完整的闭环。其中包括不同来源数据如何完美对接。数据标记与采集的智能化、可根据不同业务需求进行扩展与定制。按行业具体需求进行深度优化是一个方式，比如对于品牌和游戏客户来说视频和Flash如何进行跟踪、留存率和转化路径如何延续以及计算，对于咨询类客户如何跟踪对话、电商类客户如何跟踪商品和订单数据，等等。

4用户访问路径分析用户行为路径分析是互联网行业特有的一类数据分析方法，主要根据每位用户在App或网站中的点击行为日志，分析用户在App或网站中各个模块的流转规律与特点，挖掘用户的访问或点击模式，进而实现一些特定的业务用途，如App核心模块的到达率提升、特定用户群体的主流路径提取与浏览特征刻画，App产品设计的优化与改版等。图4-1访问路径数据统计图资料来源：友盟统计4.1路径分析中的问题路径分析的问题主要来自两个方面。分别是网站分析工具，分析的需求方和管理者。首先是网站分析工具本身的问题，网站分析工具为了满足不同网站的分析需求，提供了基于页面的最完整的网站路径统计数据。从访问开始直到访问者离开。但是这些数据也足以把人搞晕，因为他们太过基础和散乱，并不是我们想要的信息。这些路径信息只是基础的原材料，需要有目的的进行组织和分类。其次是分析的需求方，看看能从现有数据中发现什么和提高转化率似乎已经成了标准的分析需求。这种情况下分析人员要同时兼任多个角色，而最终的分析结果也多半以失败告终。网站访问者身份的多样性,访问者访问目的多样性以及访问者访问路径多样性造成了网站路径统计数据中的混乱和不准确。同时你也不能将不同身份和访问目的的人混在一起进行路径分析，更不能把他们的汇总数据用来计算网站的转化率和投资回报率。4.2用户核心路径识别用户核心路径分析的第一步的准备工作是按访问的目的对用户进行分类。比如查找商品，购买商品，获取帮助，退换货，查看物流等等。第二步则是理解网站的结构和功能中的流程和逻辑，你必须对网站的关键流程了如指掌，比如网站的内容和页面的结构，哪些路径是封闭或开放的，哪些页面或者功能流程会有跳转，以及主要的流量来源和占比等等，这是进行网站路径分析前必不可少的一步。核心访问路径细分的主要部分是按任务细分，按任务对路径的细分我们称为横向细分，访问者需要通过一些不同的任务完成访问的目的。首先从任务目的出发，将关键路径分解为不同的关键任务，这需要涉及到我们之前提到的对网站的关键架构和主要功能非常熟悉，然后将关键任务分解为关键功能或页面，这也需要你对网站的页面URL规则和关键功能的内在逻辑和流程有详细的了解。再将页面分解为不同的元素，最后分解为访问者的不同动作。汇总之后如下图所示，图4-2关键路径分解示意图资料来源：网络运营社区在完成关键路径的纵向和横向细分之后，我们需要使用指标对细分后的任务进行度量。主要使用的是任务完成率，任务时间和任务负荷。任务完成率是指完成某项特定任务或操作的比率，对于封闭的关键路径来说就是指路径的转化率。而对于开放的路径，由于访问者可以从路径中的任何一个页面进入，因此需要细分为关键功能/页面的任务完成率；任务时间是指完成某项特定任务或操作所需的时间，对于封闭的关键路径是指在访问者在整条路径中耗费的时间；任务负荷是指完成某项特定任务或操作时访问者所需付出的努力。这些努力可能是点击一个链接打开新的网页，从鼠标切换到键盘的动作，切换输入法的时间，也可能是使用键盘输入文字，甚至是寻找关键信息时移动鼠标的次数或眼球移动的次数和距离。4.3核心用户特征分析用户特征分析中常常使用的都是一些如性别、地域等人口统计数据或订单价、订单数等运营数据，用户访问路径数据为我们了解用户特征打开了另一扇大门。例如对于一款图片制作上传分享的应用，我们可以通过用户的行为模式即App使用操作数据，来划分出乐于制作上传的创作型用户，乐于点赞评论的互动型用户，默默浏览看图的潜水型用户，以及从不上传只会下载图片的消费型用户。以电商网站为例，我们可以按照网站中的结构和导航设置，将关键访问者按行为模式分为三类。第一类是目的明确型的访问者，这类访问者知道自己想要什么，通常他们会选择通过站内搜索直接寻找信息。例如，我们在买书的时候直接输入书的名称进行搜索。这属于目的明确型。第二类访问者是目的模糊型访问者，这类访问者大概知道自己想要的东西在哪一类，但不确定具体是什么。例如，我们想买一件男士衬衫，会从男装，男上装，衬衫的分类下去逐级筛选浏览。这属于目的模糊型访问者。第三类访问者是无目的浏览型访问者，这类访问者没有明确的目标，只是想来看一下。通常他们会从推荐开始进行浏览。三种不同的行为模式构成了同一目的下的三种不同的关键访问路径。但是访问者在使用网站时的路径是极其复杂的，这不仅仅体现在访问者的身份，目的和行为方式的多样性上，还表现在网站路径入口的多样性上。对于使用搜索引擎的访问者来说，网站中的每个页面都有可能成为路径的开始页面。访问者可以从网站路径中的任意一个环节进入并开始完成任务。对于这种情况，我们要在第一次按访问者行为模式细分的基础上再对每条关键路径进行按任务进行的横向的细分。4.4产品设计和优化改进访问者在关键路径中的行为可以归纳为四个步骤，分别是进入，发现，辨别和行动。而后三个步骤则会在访问过程中不断循环。当用户进入和发现关键路径时，访问者每看到一个新的页面时首先都需要浏览，而能不能发现关键路径的入口和每一步中的重要信息则是访问者是否继续前进的前提条件。这个层面需要关注的问题是页面中的关键信息或元素是否足够突出，能否被访问者看到。而当访问者发现页面中的关键信息或元素后，需要通过辨别上面的文字或内容来判断当前的信息是否与自己的访问目的想符合，并决定是否要继续采取后面的点击行动。这里我们要关注的是从当访问者发现页面中的关键信息到采取行动中间的决策过程。最后一步行动是访问者在关键路径中一个循环的结束，同时也是下一个循环的开始。当访问者点击了一个链接后会重新回到第二步，在新的页面和信息中完成发现，辨别和行动的过程。这个过程在每个页面和任务中周而复始，推动访问者在关键路径中前进。4.5漏斗模型与路径分析的关系漏斗模型通常是对用户在网站或App中一系列关键节点的转化率的描述，这些关键节点往往是我们人为指定的。例如我们可以看到某购物App应用的购买行为的漏斗转化情况。这款购物App平台上，买家从浏览到支付成功经历了4个关键节点，商品浏览、加入购物车、结算、付款成功，从步骤1到步骤4，经历了其关键节点的人群越来越少，节点的转化率呈现出一个漏斗状的情形，我们可以针对各个环节的转化效率、运营效果及过程进行监控和管理，对于转化率较低的环节进行针对性的深入分析与改进。图4-3漏斗模型步骤示意图资料来源：网络运营社区路径分析与漏斗模型存在不同之处，它通常是对每一个用户的每一个行为路径进行跟踪与记录，在此基础上分析挖掘用户路径行为特点，涉及到每一步的来源与去向、每一步的转化率。可以说，漏斗模型是事先的、人为的、主动的设定了若干个关键事件节点路径，而路径分析是探索性的去挖掘整体的行为路径，找出用户的主流路径，甚至可能发现某些事先不为人知的有趣的模式路径。从技术手段上来看，漏斗模型简单直观计算并展示出相关的转化率，路径分析会涉及到一些更为广泛的层面。4.6路径中的社会网络分析我们将社交网络中的人看作一个个节点，将互联网中的网页看作一个个节点，甚至可以将我们的App产品中的每一个模块事件看作一个个节点，节点与节点之间通过各自的方式连接组成了一个特定的网络图，以下将基于这些网络结构的分析方法统称为社会网络分析。社会网络分析中存在一些较为常见的分析方法可以运用到我们的路径分析中来，如节点的中心性分析，节点的影响力建模，社区发现等。通过中心性分析，我们可以去探索哪些模块事件处于中心地位，或者作为枢纽连接了两大类模块事件，或者成为大多数模块事件的最终到达目的地。通过社区发现，我们可以去探索这个社会网络中是否存在一些“小圈子”，即用户总是喜欢去操作的一小部分行为路径，而该部分路径又与其他大部分模块相对独立。4.7本章小结网站或者APP的路径分析如果掌握正确的分析方法，对产品设计和运营的优化与改进有着很大的帮助，可以用于监测与优化期望用户路径中各模块的转化率，也可以发现某些冷僻的功能点。一款视频创作分享型App应用中，从开始拍摄制作视频到视频的最终发布过程中，用户往往会进行一系列的剪辑操作；通过路径分析，我们可以清晰的看到哪些是用户熟知并喜爱的编辑工具，哪些操作过于冗长繁琐，这样可以帮助我们针对性地改进剪辑操作模块，优化用户体验。如果在路径分析过程中用户的创作数量与用户被点赞、评论以及分享的行为密切相关，就可以考虑增强这款App的社交性，增强用户黏性与创作欲望。产品关键模块的转化率本身即是一项很重要的产品运营指标，通过路径分析来监测与验证相应的运营活动结果，可以方便相关人员认识了解运营活动效果。5从用户访问行为的角度进行网站优化如何从用户体验角度进行网站优化工作，我们不妨从网站访客各项数据分析开始。网站访客数据包括新老客户数据对比、网站访问深度、页面访问时长、访客搜索词、访客来源分类等数据。在做网站优化或产品升级时，你的调整依据是什么，是之前的成功经验证还是只是依照用户的需求，又或是周围用户的建议。这里我想以实际案例来说明如何恰当的利用数据分析进行网站的体验优化和网站的转化率，使得我们的优化都有理有据。5.1案例背景当网站运行了一段时间，当访问量和用户量保持在一定的水准时，网站运营发展情况陷入缓慢状态，用户注册率和购买率一直止步不前，并且发现用户在某些关键的使用流程方面提了很多的反馈，比如购物体验不太好，商品搜索结果不太准确，商品种类不够丰富等等，除去市场和运营方面的因素之外，对于网站和辅助的移动APP本身,公司决定在保证核心功能，和核心体验的基础上进行一次全面的升级改版，希望以此增强用户黏度，吸引更多用户，提升网站订单量。但一个很现实的问题是怎么改版，怎么升级，这些需要拟定升级方案和明确的改版措施，于是第一步我们决定以网站过去的运营和访问数据入手对整个网站开展一次深入的数据分析。5.2网站主要模块流量入口细分图5-1B2C网站主要模块细分说明资料来源：网络运营社区依据网站本身结构，我们将流量入口大致分为首页和频道页，搜索，目录导航，活动专题，商品详细页几大部分；首页与频道页为流量入口的大多应该是没有明确购物目标的用户，这类用户可能是来自促销活动或广告，给用户的第一印象非常重要，网站的操作体验，推荐的商品，页面的美观，这些因素在改版中都需要深思熟虑；搜索功能非常重要，这类用户都是带有明确购物目标的；目录导航也是针对没有明确购物目标用户的，比较偏向于忠诚用户；活动专题分为重点商品专题，促销活动专题，以及事件专题；商品详细页的描述和UI有助于提升客单价，针对没有明确购物目标和有明确购物目标的用户都很重要。5.3网站转化流程衰减节点分析图5-2B2C网站购物流程衰减示意图资料来源：网络运营社区（2）首页入口的购物流程衰减漏斗模拟从首页开始访问网站直至最终下单支付的整个流程是用户使用网站的最长的一个流程，所以我们对这个流程也作了细分，如上图所示，其他的流程都可以在此流程中算成一个分支，对每个分支再去独立细化，每个分支如果独立去分析都能找出可以优化的点。前三项，首页，中间页，商品详细页的停留时间和跳出率，能够直接反映出页面的质量，如果跳出率太高，则首先需要考虑页面的设计和内容，特别是如果这个页面在网站中的权重比较高，又是用户经常到达的页面，那就特别需要花心思去优化了。按照这个思路，我们首先可以找出网站中跳出率比较高的页面，汇总以后逐一进行优化，加强这些页面与上下游之间的联系以及改善页面上有交互体验的地方。5.4新老访客数据对比图5-3新老访客数量对比图资料来源：百度统计从新老访客数据对比中，我们发现老访客在人均浏览页面、访问深度、访问时长等都比新访客的要多要好，因而在产品转化挖掘中，老客户是重要的一部分。因此，针对效果转化这一点来说，我们在网站优化工作需要考虑如何留住老访客、如何提高新访客的忠诚度的问题，需要非常认真的考虑。5.5访问深度与访问时长要看是否从用户体验角度进行优化，还需要看访客的活跃度如何。访客平均访问深度越深、平均访问时长越长，说明网站访客活跃度越高，那么网站在用户体验这一块越好。下面的两张关于网站访问深度与访问时长的统计图可以看出用户的活跃度：图5-4访问深度数据统计资料来源：百度统计从“访问深度统计图”里面，我们看到一个月以来，访客访问仅一页的次数占了整月网站访问次数的71.62%，这说明网站的黏度很不理想，而下一张“访问时长统计图”，其中1-3分钟的访问次数占到43.1%，再加上小于1分钟内的访问次数，可以估算出访问时长在0-3分钟内的用户几乎是占到了84%左右，图5-5访问时长数据统计图资料来源：百度统计如果网站是单纯提供内容的网站这种结果可能影响不会太大，毕竟用户愿意花上3分钟的时间浏览你网站的内容，说明网站的内容还是能引起读者的关注，但是结合到上面的访问一页的用户竞占到了71.62%，说明大部分用户花上3分钟左右的时间只浏览了网站的一个页面，这个用户黏度就有待提升了，可以尝试使用其他的方式比如改善网站内部链接的合理性，提高内容与内容之间的关联度，在每个内容页中推荐其他相关热点来吸引用户多停留，这时做好内容的规划应该是首要的任务。发现了问题所在，我们就需要根据实际的问题和情况进行有针性的适时的网站优化细节调整，提升整个网站的用户体验。网站访客活跃度不高，我们需要从站内的内容、内链包括结构上配合网站热点图情况进行细节的分析然后做出调整。访客访问深度不够，需要针对网站的内链和侧边栏目结构进行分析、调整。如页面，特别是浏览量大的页面(譬如首页、专题页以及有排名的重点文章页)中是否有相关的、最新的、热点的内链、推荐链接来引导访客阅读更多关于网站内容，更全面的了解网站内容有否有价值或是他需要的内容。5.6访问页面与路径分析从访问页面分析的数据来看，往往当网站流量有爆发式增长时，都会通过1至3个页面点的流量激增而体现出来，因为在推广的过程中我们不可能推广全站的页面，从推广的着陆页引流至网站，这种方式在现在的付费推广或交换链接广告中很常见，我们推广的初衷是想让新用户认可网站的内容或者服务而最终变为网站的忠实用户,所以着陆页的人性化设计，内容的分布合理，相关内容的选取合适，这个给新用户就会留下好的印象，用户的二次回访机率也会大大增加。对于个别访问较大的页面，合理的链接布局规划也能影响到用户的下一步点击概率。5.6.1失败路径错误分析我们主要分析导致访问者离开，并未能完成目的的原因。主要针对导致访问者离开的关键点进行分析。通常来说，访问者在关键路径中未能完成目的的情况主要有三种。第一种是访问者在关键路径入口直接离开，也就是我们常说的跳出。第二种是访问者在关键流程中的页面退出网站，也就是我们说的退出。第三种是访问者在关键流程中离开，但并未退出网站，也就是我们说的流失。5.6.2跳出的关键页面分析第一种情况访问者在关键路径入口的跳出有两个原因，第一个原因是访问者自身的原因，第二个是路径入口页面的原因。区分这两类原因最好的方法是进行对比，将不同的访问者在同一路径入口的表现进行对比，如果大部分访问者没有跳出则说明是访问者的原因。而如果大部分访问者都跳出了就可能是路径入口页面的原因了。5.6.3退出的关键页面分析第二种情况访问者在关键路径中离开网站需要我们对离开的情况和页面进行细分。如果访问者在任务的过程页面离开说明任务过程或功能中存在问题，如果访问者在一个任务结束后离开网站，并未进入下一个任务则可能是访问者自身的问题，例如任务中途被打断或改变任务。也可能是两个任务之间的步骤出现问题。例如：对于站内搜索来说，如果访问者在搜索完关键词未点击搜索结果离开，则可能是搜索本身的功能问题，未提供满意的结果。如果是访问者点击的搜索结果，到达信息详情页离开，则可能本次访问者的目的是查看信息，也可能是信息详情页本身存在问题。需要进行对比和测试进一步分析。5.6.4流失的关键页面分析图5-6关键页面流失数据统计图资料来源：百度统计第三种情况访问者在关键路径中离开，但并未退出网站。这时我们需要对造成访问者离开路径的关键页面进行分析，寻找引导访问者离开关键路径的链接。这里分为两种情况，第一种是访问者通过全局导航离开，第二种情况是访问者通过非全局导航的其他链接离开，例如推荐信息或广告。对于第一种情况通过全局导航离开，应属于访问者的主动行为。可能是访问者临时改变目的。而对于第二种情况，则可能由于不必要及错误的引导导致访问者离开，应尽量避免。5.7系统环境分析图5-7系统环境分析数据统计图资料来源：百度统计从系统环境数据来看网站的用户大部分都是移动端的用户，所以应该考虑在保证传统PC端网站的用户体验下，还应该加大投入移动端的体验设计，现在有很多的网站都在尝试响应式的网站设计，或者是PC与移动端独立的设计风格，这样可以让不同访问渠道的用户都能体验到网站提供的服务。同时未来的电商类网站就是应该以移动端为主，不需要有PC端的所有功能，PC端的容量比移动端容量要大，且在核心服务上要有与PC版不一样的体验。这也是为什么现在APP数量井喷的原因，现在多数电商站都是以PC端网站，WAP网站，APP，和微信公众号等四合一的方式，全方位的满足用户在各个场景下的各种访问需求。5.8访客搜索来源从访客地域等数据分析可以看出网站访客的一些属性，网站优化目标人群对应访问地域和访客年龄段。假使我们推广的目标地域主要是广东省，那么，我们需要分析网站的关键词选择、产品、服务信息的描述以及该城市门户、地域网站的合作推广，这样更有利于有效转化的提升。而通过搜索引擎来源和搜索词的分析，我们还可以分析出个搜索引擎的优化现有情况和目标关键词的优化情况，为下一阶段优化方案作数据参考。图5-8访客搜索来源数据统计图资料来源：百度统计5.9本章小结在实际的用户访问背景下，访客会经常在网站中的各个页面之间跳转，访问的路径不胜枚举，但可以通过观察焦点页面及其上下游页面，掌握访客的来路和去向，发现较普遍的访客访问习惯。页面访问轨迹即用来完成该功能，用户可自由指定观察焦点页面，系统会列出该页面的前十位来路页面和去向页面。对观察焦点页面而言，其自身的导入、导出PV的多少能够反映出该页面在网站的权重地位，而通过观察来源和去向页面又能最大限度的了解到访客的行为习惯及兴趣点。访问轨迹能够告诉我们，用户在一个网页上的视觉大致浏览轨迹，即用户的客观行为。由此还可以得出一个网页设计是否合理，是否能够使用户真正注意并且点击到需要让他点击的位置，最终影响到整个网站的信息架构。依据上述的分析思路，最终我们得出重新规划和优化网站的方向。首先在移动端的投入加大，移动端的用户体验相比网站的来说，体验的场景完全不一样，在保证网站核心功能的基础上更多的考虑用户使用APP的流畅性是一个设计的重点。其次在一些退出率和跳出率比较高的页面做优化，我们列出所有的问题页面和页面的上下游相关联的主要页面，比如专题，商品详细页，购物结算页等等，每个页面都重新规划布局，删除一些访问失败的页面或冗余出错的页面，在内容页上注重链接的合理布局；比如页面的右上角和页面分页处的关联链接布局。第三，不能忽视老访客所建立起来的使用习惯，我们只在核心功能体验流程下开展优化，比如登录入口，商品推荐模块等等，如果有一些更新与之前的设计有重大改变的，在更新发布后需要设置新用户引导流程，尽量考虑到老用户使用习惯，如果因为改版而流失掉大量老用户就得不偿失了。实践也证实当所有的更改上线后，相关的运营数据确实相比之前的都有所提升。互联网产品的生命周期长短与提供的服务和产品息息相关，使用体验前期虽然可以考虑的很全面，但不可能让所有用户都满意，产品的灵魂是内容和服务，产品的魅力是用户体验，二者相辅相成才能保证产品的无限活力。

结论用户在网站或其他互联网产品类的应用中，所产生的每一个行为，包括点击，注册，登陆，点赞，收藏等，都包含着用户的使