网站流量剖析：深入了解网站数据的关键指标有哪些？

网站数据剖析涉及哪些关键指标

数据剖析，是网站维护阶段的关键环节。

悉知科技依据服务于客户的实践经验，主要将数据剖析划分为四个领域，首要是搜索引擎优化数据，其次是浏览数据，第三是日志数据，第四是推广数据。其中，日志数据和推广数据属于综合类，这两部分主要由技术人员和推广团队负责；电商团队着重于搜索引擎优化数据和浏览数据的剖析。

以下将重点阐述搜索引擎优化数据和浏览数据的剖析。

(1)数据剖析：搜索引擎优化数据

搜索引擎优化数据，需每日进行监控，有时甚至需要一天内多次监控，涉及三个关键要素：收录量，权重，有排名的关键词。其中，收录量和权重是内容更新执行的一个结果，而有排名的关键词则需要重点优化。

(2)数据剖析：浏览数据

针对浏览数据，需重点关注的是跳出率、UV和PV、UV：PV，以及每天通过浏览访问的关键词，还有用户的基本分析。这些浏览数据，内贸可通过百度统计工具获取；外贸则可通过谷歌统计工具获取。

另外，关于跳出率，必须区分投放广告的专题页面的跳出率和自然流量的跳出率。

网站数据剖析：流量剖析的四大指标

电子商务网站的流量剖析与其他网站的主要差异在于转化效率和用户特征，而流量总数并不特别重要，因为只要提升转化率，获取流量的方法就很多。

一般来说，数据剖析包括：流量来源剖析、流量效率剖析、站内数据流剖析和用户特征剖析四个方面。

电子商务即是流量买卖的生意，低成本的流量来源是保证企业盈利的关键条件。流量来源剖析主要是要了解你的用户来自哪些网站，哪些网站为你带来更多订单、哪些网站的流量是真实的，哪些是虚假的等。

流量来源剖析通常包含以下内容：

● 网站流量来源排名：哪些网站贡献的流量多，哪些贡献的少；

● 搜索引擎关键词剖析：根据关键词来源分析，查看网站产品分布和产品组合。如果关键词查询多的产品却不是网站的主推品，可以进行适当调整；

● 网站流量趋势剖析：网站的流量是否均衡稳定，是否存在大幅度波动。一般来说，流量突然增加的网站，如非发生突发事件，购买的广告位作弊的嫌疑较大；

● 网站流量核对：查看是否有不明流量来源，流量来源大小。如果不明来源流量很大，则可能是您购买的CPC或其他资源被注水了，将您的广告链接分包给了点击联盟。

● 推介网站与直接访问的比例：推介网站可以理解为外部广告，直接访问就是用户直接输入网址。一般，直接访问量越大说明网站的知名度越高。

流量效率是指流量到达网站是否为真实流量，主要分析指标如下：● 到达率：是指广告从点击到网站 landing page的比例。一般，达到率能达到80%以上是比较理想的流量。这也与网站速度有关，需要综合分析。

● 二跳率：这个也是为了分析流量的有效性。如果是有效流量的话，一般会有合理的二跳。如果是虚假点击的话，一般是没有二跳的。但也不排除有部分作假很严重的网站能做出二跳，比如 PPLIVE，当年洪成浩做投放的时候，我们的广告直接连接到广告专题页，二跳是15%左右，但是 PPLIVE居然有60%的二跳！最主要的是一个转化都没有。差点把我们的图片图服务器点瘫痪，这个就太过分了。

● PV/IP比：一般，有效的流量网站内容较好的话，一个独立IP大概能有3个以上的PV。如果PV/IP比能达到3以上的话，说明流量比较真实，网站内容也不错。但如果低于3的话，并不代表流量不真实，也可能是网站本身的问题。如果PV/IP过高的话，也可能有问题，比如人力重复刷新等，要谨慎对待。

● 订单转化率：这个是最核心的数据了，没有订单转化率，其他一切都是空谈！某些牛B的B2C能做到4%的提袋率！某些却仅仅是0.1%，努力吧，众B2C们。

站内数据流剖析，主要用来分析购物流程是否顺畅和产品分布是否合理，主要分析指标如下：

● 页面流量排名：主要查看产品详情页的流量，特别是首页陈列的产品详情页。参照最终的销售比例，优胜劣汰，调整销售结构。

● 场景转化分析：从首页-列表页-详情页-购物车-订单提交页-订单成功页，数据流分析。比如，首页到达了10000用户，之后的数据分别是8000-5000-1000-50-5，购物车到订单提交页的相差较大，大概就能看出是购物车出了问题，需要改进。

● 频道流量排名：各个频道流量的排名，主要用来考虑产品组织的问题。

● 站内搜索分析：这个反映的是用户关心的产品有哪些，产品调整的最直接数据。

● 用户离开页面分析：用户在哪些页面离开最多？是首页还是频道页？是购物车还是订单提交页。突然的大比例的离开网站，往往预示着问题的存在。

● 用户停留时间：这个放在用户特征分析里有些牵强。而且目前监控用户停留时间的方式是：用户到达时间-用户离开时间，但是用户什么时候离开很难准确判断，这种数据仅作参考，一般停留时间越长网站粘性越好。如果用户停留时间超过1个小时，基本就是假流量，或者用大打开网页忘记关了，呵呵。

● 新老用户比例：老用户比例越高，证明用户忠诚度不错。但是还要考虑绝对量，不能靠新用户越来越少来衬托老用户比例越来越高。

● 用户地域分析：用户地域与订单地域分布基本一致，基本上就是用过互联网用户的分布比例以及经济发达程度等。这个对于提升区域配送及服务比较有帮助。

● 用户区域分析：用户区域分布与订单区域分布大体相符，主要反映的是互联网用户的比例以及经济发展水平等因素。这对于优化区域配送和服务具有积极作用。

电子商务平台的基础数据分析主要包括上述内容。作为实际操作者，需依据数据分析结果找出问题并总结经验，进而改进网站架构和提升用户体验，以提高网站的转化率和用户忠诚度。