网站数据分析李雪岩PPT学习教案

1、会计学1 网站数据分析李雪岩网站数据分析李雪岩 先讲个小故事 第1页/共26页 葡萄酒品质预测 第2页/共26页 法国 波尔多葡萄酒 品质预测 12.145+0.00117冬天降雨量+0.614生长期平均气温0.00386收获季节降雨量 第3页/共26页 Why 为什么要做数据分析1 How 怎么做数据分析2 Cases 典型案例3 Tools 常用工具4 第4页/共26页 hyw 我们 为什么 需要数据分析？ 第5页/共26页 我们最终需要的并不是数据 而是数据分析之后产生的有意义的信息 这样的信息可以帮助我们决策 让我们了解自己往何处去 预测未来将会 发生什么 先见之明 已经发生的事情 为

2、什么发生后见之明 第6页/共26页 h ow 数据分析的一般 流程 第7页/共26页 01 建立数据体系 建立数据体系 明确目标 02 数据收集与处理 03 数据解读与决策 确定数据指标 建立数据分析模型 第8页/共26页 数据指标与数据模型 冬天降雨量 收获季节降雨量 收获季节平均气温 葡萄酒的品质 = 12.145 + 0.00117 冬天的降雨量 + 0.614 生长期平均气温0.00386 收获季节降雨量 数据指标 数据模型 第9页/共26页 网站分析常用数据指标 PV(page view) UV(unique vistor) New vistor Return vistor UIP(

3、unique IP) Bounce rate Deliver rate Unique open rate Unique CTR(click through rate) ATOS(Avg. Time on Site) Conversion rate 页面浏览量 独立访客 新访客 回访客 独立IP 跳出率 送达率（邮件） 打开率（邮件） 点击率 平均访问时间 转化率 第10页/共26页 数据指标小测试 邮件营销报告： 我们共发出去10 million 封邮件，到达率（deliver rate）为 99.99%， 邮件打开率（unique open rate）达19%，点击率（unique CTR

4、）19%， 从点击来看，80%的客户都是新访客（New Visitor ）， 访客来到了网站之后，平均访问时间（ ATOS ）为19秒 如何理解这份营销报告中的数据？ 到达率99.99%，那么有9.999 million的客户收到了邮件。 有1.9 million的客户打开了email，也有1.9 million点击了email 这样想起来应该打开邮件的客户都点击了。 1.9 million里面有80%是新用户，这次营销带来了1.52 million的新客户 1.9 million访客，他们平均在我网站逗留了19秒时间太短了吧 要切实理解数据指标的含义及其获取方法 第11页/共26页 01 建

5、立数据体系 02 数据收集与处理 03 数据解读与决策 数据收集与处理 获取数据资源 去除无效及虚假数据 根据数据模型进行运算 第12页/共26页 宏观：宏观经济及 互联网行业发展 互联网：互联网使 用行为及特征 网络产品：产品使 用行为和竞争分析 自有产品：自有产 品的用户特征和行 为 消费者：用户生活 形态与媒介习惯 数据资源 消费者生活形态与媒介习惯新生代CMMS、CTR- CNRS 互联网使用行为和特征新生代CMMS、CTR-CNRS； 艾瑞iUserTracker、华通明略NetTrack、comScore 相关网络产品的用户使用第3方行业研究报告；产品专 项研究；第3方数据监测 自

6、有产品用户行为与特征 网民调研；尼尔森NNRT、万 瑞监测；产品Log数据 宏观经济国家统计局统计数据 互联网行业发展 CNNIC、中科三方 其他相关产业发展国家统计局，相关行业协会数据 获取数据资源 数据分析师产品 运营 第13页/共26页 去除无效及虚假数据 流量时间分布异常 流量行为异常（转化率） 流量地域异常 时间分布异常（数据波动大） 地域异常（都来自同一ip段） 其他异常（用户名有规则） 流量异常 注册异常 第14页/共26页 01 建立数据体系 02 数据收集与处理 03 数据解读与决策 数据解读与决策 So what 式数据解读 产品优化及发展 第15页/共26页 So wha

7、t 式数据解读 每个客户平均访 问了17个页面 每个客户看的页面多， 说明客户粘性高，说明 我们的营销活动很成功 PV:500,000 Vistor:30,000 本次活动和上次相比，最大的区别有两个： 第一，之前我们是在腾讯做的文字链广告，这 次我们换到了新浪的Banner广告； 第二，之前我们没有在广告中提到我们的公司 名称，这次我们把公司名称和logo放最大。 我们推测这两个变动可能是我们广告效果提升 的原因。 我们认为下一次我们应该投入更多的经费在新 浪网上，而且都用来购买Banner广告。同时投 入10%经费去原有网站，如果同一个内容的广 告效果仍然有巨大的效果差异的话，我们就能 得

8、出结论说我们应该加大在新浪上的投放，而 且要用Banner而不是文字链。” 对于我们这个行业，平均数据是人均 浏览10个页面，所以17个是挺多的 。另外，由于我们的网站上主要是产 品页面，客户浏览页面多说明他兴趣 越大。而浏览信息多也使得他对我们 更加了解，这对我们市场信息的传递 ，品牌印象的生成，以至于将来的销 售促进都是有好处的 So what So what So what So what 第16页/共26页 数据解读与决策支持案例 1、24小时流量分布数据 一般的视频网站，会有如下访问特征： 访问高峰，一般出现在上午9-11，下午2-4，晚上7-21 如果出现了特殊事件 （各种社会热点

9、事件） 例如5.12地震的访问高峰，在地震出现后的2个小时 网站的内容运营，在大批访问量来的时候，发布好内容， 用户就会及时看到 网站或者产品功能更新，或者上线选择在什么时候好呢？ 那肯定是在访问用户少的时候，影响范围比较小，这就是 24小时数据的应用。 看这个数据的目的是什么呢？ 第17页/共26页 数据解读与决策支持案例 2、网站流入数据分布 了解流入构成 ，知道流量从哪里来，需要在哪里做推广 站外流入，一般跟网站的seo相关，同时可以做关键字分析 看这个数据的目的是什么呢？ 日期总PV 站内流入频道流入站外流入 总数新占比例总数新占比例总数新占比例百度谷歌 2011.4.1510000200010%300030%500020% 第18页/共26页 asesc 数据分析的典型 案例 第19页/共26页 F 第20页/共26页 A 第21页/共26页 哈拉斯知道你的痛苦 第22页/共26页 oolst 数据分