微缩一下《精通web analytics》的内容
微缩一下《精通web analytics》的内容,供参考。
一、分析数据的原则
可行动。别只为分析而分析,要为改进而分析。
以用户为中心。用户是带着不同的目的来的,把所有目的融合在一起去分析,得到的数据不具备指导意义。数据分析的本质是要搞清楚:用户“们”的目的何在?这些目的能达成吗?没有达成的原因在哪里?
二、分析哪些数据
源属性数据:来源及效率,搜索关键字及效率;
页面属性数据:关注浏览最多的页、进入最多的页、退出最多的页,关注它们的跳出率、点击分布(ClickMap);
用户属性数据:通过cookies记录用户ID,把用户ID和网上行为关联起来。
三、分析数据的方法论
细分。分析数据需要细分,细分的维度很多,比如按来源细分,按跳出率(看<N页就离开)细分,按用户目的细分,按购买的产品细分,其本质是分用户类型来进行数据分析。
对比。分析数据需要有对比标杆,没有对比标杆数据就没有了意义。可以是不同细分之间互为标杆,也可以把历史数据当作标杆(这就是看趋势图了),也可以是拿行业数据或者竞争对手数据作为标杆。
一、分析数据的原则
可行动。别只为分析而分析,要为改进而分析。
以用户为中心。用户是带着不同的目的来的,把所有目的融合在一起去分析,得到的数据不具备指导意义。数据分析的本质是要搞清楚:用户“们”的目的何在?这些目的能达成吗?没有达成的原因在哪里?
二、分析哪些数据
源属性数据:来源及效率,搜索关键字及效率;
页面属性数据:关注浏览最多的页、进入最多的页、退出最多的页,关注它们的跳出率、点击分布(ClickMap);
用户属性数据:通过cookies记录用户ID,把用户ID和网上行为关联起来。
三、分析数据的方法论
细分。分析数据需要细分,细分的维度很多,比如按来源细分,按跳出率(看<N页就离开)细分,按用户目的细分,按购买的产品细分,其本质是分用户类型来进行数据分析。
对比。分析数据需要有对比标杆,没有对比标杆数据就没有了意义。可以是不同细分之间互为标杆,也可以把历史数据当作标杆(这就是看趋势图了),也可以是拿行业数据或者竞争对手数据作为标杆。
有关键情节透露