揭秘网站数据挖掘技巧：掌握网站数据分析流程，清晰梳理分析思路

如何实施网站数据评估 梳理网站评估的流程

如何实施网站数据评估梳理网站评估的流程_数据分析师考试

如何实施网站数据评估？这是之前分享流量时听众提出的另一个问题，在此我将相关内容整理如下。

下图中展示了一个网站评估的生命周期示意图，在明确评估需求并搜集所需数据之后（需强调，明确评估需求至关重要，这有助于避免无目的的分析），我们便可以充分利用网站评估工具的各项报告对数据进行深入分析。

然而，网站评估工具中的数据量极为庞大，你可能会在不经意间陷入数据的汪洋大海中，因此，你需要一个清晰的分析思路，了解如何运用哪些报告或视图来快速找到问题的答案。以下是网站评估中涉及到的数据模块，这同样为网站数据评估提供了一个大致的思路。

根据上述数据模块所涵盖的内容，在网站评估报告中，我通常会对以下板块与指标进行具体分析（以下列出的是在网站数据评估中我认为较为重要的板块与指标，不同网站的优先数据指标可能存在差异）：

基础状况：

1.网站的流量状况如何？与行业同类网站的数据相比，根据我们的市场定位，我们的流量在未来需要提升多少？

2.访客主要来自哪些地域？这有助于确认与我们制定的市场策略是否相符。若大量用户来自一些小语种国家，我们是否需要考虑构建多语言网站？

3.访客通常通过何种设备访问网站？在移动化日益盛行的今天，我们是否需要建立自己的移动站点或开发APP？

4.新老用户的比例如何？在拓展新用户的同时，我们是否能够保留老用户？

流量来源：

1.网站的主要流量来源有哪些，是SEO、SEM、EDM还是社交媒体？还有哪些类型的流量来源我们可以拓展？

2.这些流量来源的优先级如何，哪些是我们最依赖的流量来源，哪些流量来源的转化率最高？

3.SEO/SEM的流量状况如何，如何提升？

4.EDM、社交媒体的营销方式使用情况如何，转化率如何？

网站内容：

1.网站的页面分类有哪些？

2.产品页面、目录页面、营销专题页面等各类页面的流量及转化表现（页面价值）如何？

3.网站上最常见的着陆页面有哪些？页面内容是否正是我们希望用户浏览到的内容？

4.用户的访问路径是否存在问题，我们是否将用户引导至主要的营销专题或产品页面？关于访问路径的分析可参考：如何分析用户的访问转换路径。

5.用户是否与网站发生了我们期望的互动：参与活动、观看视频、下载、投票、订阅或下单？

产品销售状况：

1.网站的订单转化率与客单价是多少？与行业水平是否存在差距？

2.购物车转化漏斗数据如何，用户在哪一步的放弃率较高，购物车的用户体验是否可以优化？

3.哪一类的产品销售状况最佳？

4.用户在购买前通常访问网站多少次或考虑多久才会下单？

需要注意的是，在分析数据时，若发现存在问题（如购物车转化率异常低）但又无法解释时，可以亲自体验网站的访问流程，观察在完成特定目标或任务时是否存在障碍，或许你便能迅速找到问题的根源。

案例：

当你需要对网站进行一次全面评估时，你可以根据上述内容对网站的各个数据模块进行系统性的分析。但不同营销渠道的网站评估需求各不相同，不同的需求分析方法也有所区别。面对渠道部门提交的一些指标数据异常的评估需求，我们可以灵活应对。

以下是两个简单的案例。

问题1：一个电商网站日均销售额为80万，但某天突然下降至仅有40万。

分析：

我们可以按照上述内容逐步进行分析，找出销售异常的根源，但如果你对网站的业务运营情况非常熟悉，在这种突发情况下我们可以迅速找到问题的根源，从而快速修正问题，恢复网站的正常销售。

我们还是按照我们习惯的思路来。我们都习惯了将销售与流量关联起来，当销售出现问题时，我们就会习惯性地查看网站的流量情况。流量也下降了吗？关于流量的变化，这里有两种可能：

流量也有一个相似幅度的下降=>流量来源出了问题？=>细分流量来源（SEO、CPC、EDM、用户所在区域）进行分析=>页面流量分析（商品关注度是否有变化）

流量没有明显下降=>订单转化率出了问题？=>对产品的销售情况进行分析，某些产品的转化率下降还是几乎所有产品的转化率下降？=>对产品的页面流量进行分析或对购物车转化路径进行分析，是否是因为这部分转化率较高的产品的关注度下降，还是网站的购买引导用户体验变差，甚至是购物车系统在某一段时间无法访问？

从流量开始层层深入对数据进行分析，直至找到问题的根源为止。另外，在分析指标数据异常时，一些额外因素如特殊日子、重大事件、换季等也要考虑在内，如“双11”期间，其他人都在如火如荼地开展促销活动，而你却没有参与，这段时间的销售可能会相对惨淡。

问题2：EDM合作商向其北美地区的用户发送了50万封邮件（邮件链接中加入了GA UTM标识），但对网站的销售增长却没有任何促进作用。

分析：

网站分析系统中来自EDM的流量数据有多少=>这部分流量来自哪些地区，是否真的是北美？=>这部分访客的访问路径如何，是否有进入购物车=>最终是否产生订单

分析结果显示，这期EDM仅带来了少量流量，且访客多为香港及东南亚地区，没有带来任何销售，看起来这个合作商并没有履行合约内容，下次不要再与他们合作了…

分析结果揭示，本批次EDM仅吸引少量流量，且访问者主要来自香港及东南亚地区，并未促成任何销售。这表明合作方并未履行合约条款，因此今后不宜再与其合作。

运用Google Analytics智能预警功能

此外，在分析网站指标数据异常时，建议充分利用GA智能预警功能，这可以显著降低网站管理工作量。当数据出现异常时，该功能会列出异常数据指标，并揭示数据异常的原因。

在GA中，存在两种预警类型：自定义预警和自动预警。自动预警是Google Analytics基于算法生成的预警。也就是说，每天GA智能引擎都会检查以下维度（包含但不限于）的指标值，以确认其是否发生显著变化：

1.所有流量

2.访客类型（新访客与回访者）

3.城市

4.地区

5.国家/地区

6.广告系列

7.关键字

8.来源

9.媒介

10.引荐路径

11.着陆页

12.退出页

13.点击率（AdWords）

除了自动预警，您还可以设置自定义预警以监控网站运营数据。您可以为任何指标设置预警标准并应用于任何维度，甚至还可以将预警应用于高级细分的访问群体。我们可以将网站流量与销售的高峰与低谷设置为预警，这样当网站主要指标出现异常时，这些自定义预警可以通过邮件发送功能及时通知相关人员。目前，只有自定义预警功能可以使用邮件自动发送功能。

网站分析并无固定步骤和方法，当您对网站分析工具的使用和要分析的网站业务非常熟悉时，您完全可以不必拘泥于上述思路和方法。但网站分析的目的必须明确：降低成本，提高效益，分析后的优化工作不可或缺。

以上是小编为大家分享的关于如何进行网站数据分析，理清网站分析思路的相关内容。更多信息可以关注环球青藤，获取更多实用技巧。

如何进行数据分析

进行数据分析步骤：

1、数据收集

当我们进行数据分析时，首先需要解决的是数据源问题。分为两大类。第一类：直接获取的数据，即内部数据。第二类：外部数据，经加工整理后获得数据。

2、数据清洗

清洗数据的目的就是从大量、杂乱无章的数据中提取和推导出对解决问题有价值的、有意义的数据。清洗后保留下来的真正有价值、有条理的数据，为后续数据分析减少障碍。

3、数据对比

对比是数据分析的切入点。因为没有参照物，数据也就没有一个定量的评估标准。通常情况下，我们会进行横向对比和纵向对比。横向对比，与行业平均数据、竞争对手数据比较；纵向对比，与自己产品历史数据比较，围绕时间轴比较。

4、数据细分

数据对比出现异常后，此时就需要运用数据细分了。数据细分通常情况下先分维度，再分粒度。维度即时间、地域、来源、受访等；粒度即按天、按小时等。维度结合粒度进行细分，可以将对比的差异值逐级锁定问题区域，从而更容易找出问题原因。

5、数据溯源

通过数据细分，我们基本上可以分析出大多数问题的原因，但也会遇到特殊情况。此时，我们需要进行进一步分析，即通过数据溯源找出问题原因。依据锁定的维度和粒度作为搜索条件，查询相关原始日志、源记录，然后基于此分析和反思用户行为，往往会有不同的发现。或者结合用户使用场景进行思考。