网站运营数据分析有哪些值得学习的方法

现在很多人都会通过网络的方式进行电商加盟运营，那么通常会因为加入到这个电商中的时候并不知道怎么样进行网站运营数据分析。就让我们一起来了解一下网站运营数据分析的方法吧。

方法一：Link Tag的流量标记

Link tag标记流量源头，绝对是所有方法中最为基本重要的一种。这种方法不仅仅适用于网站的流量来源，也同样适用于app下载来源的监测(但后者需要满足一定的条件)。

Link tag的意思，是在流量源头的链出链接上(链出URL上)加上尾部参数。这些参数不仅不会影响链接的跳转，而且能够标明这个链接所属的流量源是什么(理论上能够标明流量源的属性数是无限的)。

Link tag不能单独起作用，必须要在网站分析工具或者app分析工具的配合下工作。

Link tag是流量分析的基础，要严肃的分析流量，不仅仅是常规分析，还包括归因分析(attribution analysis)，都需要使用link tag的方法。

方法二：转化漏斗

分析转化的基本模型是转化漏斗(conversion funnel)，这个大家都应该很熟悉了。

转化漏斗最常见的是把最终的转化设置为某种目的的实现，最典型的就是实现销售，所以大家很多时候把转化和销售是混为一谈。但转化漏斗的最终转化也可以是其他任何目的的实现，比如一次使用app的时间超过10分钟(session duration >10minutes)。对于增长黑客而言，构建漏斗是最为常见的工作。

方法三：微转化

转化是指在转化必经过程之外，但同样会对转化产生影响的各种元素。这些元素与用户的互动，左右了用户的感受，也直接或者间接的影响了用户的决定。

方法四：合并同类项

如何合并?利用分析工具的过滤工具或者查找替换功能。

合并同类项好用的用途很多，比如要了解web或者app一个版块(频道)的整体表现，或者了解整个导航体系的使用情况，这都是必须使用的方法。

方法五：AB测试

通过数据优化运营和产品的逻辑很简单——看到问题，想个主意，做出原型，测试定型。

比如，你发现转化漏斗中间有一个漏洞，于是你想一定是商品价格不对头，让大家不想买了。你看到了问题——漏斗，而且你也想出了主意——改变定价。

但是这个主意靠不靠谱，可不是你想出来的，必须得让真实的用户用。于是你用AB测试，一部分用户还是看到老价格，另外一部分用户看到新价格。若是你的主意真的管用，新价格就应该有更好的转化。若真如此，新的价格就被确定下来(定型)，开始在新的转化高度上运行，直到你又发现一个新的需要改进的问题。

增长黑客的一个主要思想之一，是不要做一个大而全的东西，而是不断做出能够快速验证的小而精的东西。快速验证，如何验证的?主要方法就是AB测试。

今天的互联网世界，由于流量红利时代的结束，对于快速迭代的要求大大提升了，这也使我们更加在意测试的力量。

网站运营数据分析

方法六：热图及对比热图

热图是一个大家都喜欢的功能，它是最直观的记录用户与产品界面交互的工具。不过真用起来，可能大家很少真正去深究吧!热图，对于web、app的分析，都非常重要!今天的热图相对于过去的热图，功能得到了极大的提升。

要想热图用的好，一个很重要的点在于你几乎不能单独使用一个热图就想解决问题。我常常用集中对比热图的方法。

其一，多种热图的对比分析，尤其是点击热图(触摸热图)、阅读线热图、停屏热图的对比分析;

其二，细分人群的热图对比分析，例如不同渠道、新老用户、不同时段、AB测试的热图对比等等。

其三，深度不同的互动，所反映的热图也是不同的。这种情况也值得利用热图对比功能。例如点击热图与转化热图的对比分析等。

方法七：Event Tracking（事件追踪）

互联网运营数据分析的一个很重要的基础是网站分析。今天的app分析、流量分析、渠道分析，还有后面要讲到的归因分析等等，都是在网站分析的基础之上发展起来的。

随着app的出现，由于app的特殊性(屏幕小，更强调在一个屏幕中完成互动)，分析app的page(实际上应该是app的screen)间跳转的重要性完全不如web上的page之间的跳转，但分析app上的点击行为的重要性则十分巨大，这就使我们分析in-app engagement的时候，必须大量依赖event，而相对较少使用screen。这就是说，在app端，event反而是主，page(更准确应该是screen)反而是辅!

方法八：Cohort分析

Cohort分析，是一个简单即美的方法。是还没有一个所有人都统一使用的翻译。有的说是队列分析，有的说是世代分析，有的说是队列时间序列分析。

cohort分析在有数据运营领域十分重要。原因在于，随着流量经济的退却，精耕细作的互联网运营特别需要仔细洞察留存情况。Cohort分析最大的价值也正在于此。Cohort分析通过对性质完全一样的可对比群体的留存情况的比较，来发现哪些因素影响短、中、长期的留存。

Cohort分析，它用起来十分简单，但却十分直观。相较于比较繁琐的流失(churn)分析，RFM或者用户聚类等，Cohort只用简单的一个图表，甚至连四则运算都不用，就直接描述了用户在一段时间周期(甚至是整个LTV)的留存(或流失)变化情况。甚至，Cohort还能帮你做预测。

方法九：Attribution（归因）

归因不是人人都听说过，用好的更是寥寥无几。不过，考虑到人们购买某一样东西的决策，可能受到多种因素(数字营销媒体)的影响，比如看到广告了解到这个商品的存在，利用搜索，进一步了解这个商品，然后在social渠道上看到这个商品的公众号等等。这些因素的综合，让一个人下定了决心购买。

因此，很多时候，单一的广告渠道并不是你打开客户闸门的阀门，而是多种渠道共同作用的结果。

如何了解数字营销渠道之间的这种先后关系或者相互作用?如何设置合理的数字营销渠道的策略以促进这种关系?在评价一个渠道的时候，如何将归因考虑在内从而能够更客观的衡量?这些都需要用到归因。

方法十：细分

严格说，细分不是一种方法，它是一切分析的本源。所以它当之无愧要排名第一。

细分有两类，一类是一定条件下的区隔。如：在页面中停留30秒以上的visit(session);或者只要北京地区的访客等。其实就是过滤。另一类是维度(dimension)之间的交叉。如：北京地区的新访问者。即分群(segmentation)。