掌握四项指标,数据分析小白也能轻松搞定网站流量分析

网站流量是影响电商转化率的一个重要因素,也是判定一个网站好与坏的重要标准。一般来说,网站流量分析包含四部分:流量来源分析、流量效率分析、站内数据流分析和用户特征分析。

掌握四项指标,数据分析小白也能轻松搞定网站流量分析

网站流量是影响电商转化率的一个重要因素,也是判定一个网站好与坏的重要标准。一般来说,网站流量分析包含四部分:流量来源分析、流量效率分析、站内数据流分析和用户特征分析。

一、流量来源分析

我们先来探讨流量来源分析。电子商务就是贩卖流量的生意,低成本的流量来源是保证企业盈利的重要条件。流量来源分析主要是要明白你的用户都是从那些网站来的,那些网站的给你带来更多的订单、那些网站的流量是真实的,那些是虚假等。

流量分析一般分析以下内容:

网站流量来源排名:那些网站贡献的流量多,那些贡献的少

搜索引擎关键词分析:根据关键词的来源分析来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。

网站流量趋势分析:网站的流量是否均衡稳定,是不是有大幅度波动。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比较大。

网站流量核对:查看是否有莫名流量来源,流量来源大不大。如果莫名来源流量很大的话,有可能是您购买的CPC或者其他资源被注水了,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。一般来说,直接访问量越大说明网站的品买知名度越高。

二、其次是流量效率分析

流量效率是指流量到达了网站是不是真实流量,主要分析指标如下:

1、到达率:到达率是指广告从点击到网站landingpage的比例。一般来说,达到率能达到80%以上是比较理想的流量。这个也跟网站的速度有关,综合来分析一下。

2、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。当然不排除有些虚假作弊行为。

3、PV/IP比:一般来说,有效的流量,网站内容比较好的话,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,一般说明流量比较真实,网站内容也不错。但是如果低于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。

4、订单转化率:这个是最最核心的数据了,没有订单转化率,其他一切都是免谈!影响转化率的因素很多,需要我们对网站进行综合的分析与判定。

三、再次是站内数据流分析

站内数据流分析,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:

1、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,用以调整销售结构。

2、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,的数据流分析。比如说,首页到达了10000用户,伺此后的数据分别是8000-5000-1000-50-5,购物车到订单提交页的相差比较大,大概就能看出来是购物车出了问题,需要改进。

3、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。

4、站内搜索分析:这个反应的是用户关心的产品有哪些,产品调整的最直接数据。

5、用户离开页面分析:用户在那些也页面离开最多?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,往往预示这问题的存在。

四、最后是用户特征分析:

1、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。

2、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。

3、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。

做好网站流量分析,除了掌握上述技巧,作为网站的运营人员要还需要熟练掌握分析工具,比如SiteFlow (隶属于99click旗下,是专门的第三方分析工具,基于saas服务模式,使用起来比较简单,有专门的客户服务),根据分析出来的问题,进而优化网站的结构和用户体验、来提升网站的专转化率和用户忠诚度。

总之,掌握四项数据分析指标,加之数据分析工具的辅助,数据分析小白也能轻松胜任数据分析工作。

更多精彩内容请关注99click商助科技微信公众号:cn99click, 还可以免费获取试用产品!

本文采用「CC BY-SA 4.0 CN」协议转载自互联网、仅供学习交流,内容版权归原作者所有,如涉作品、版权和其他问题请给「我们」留言处理。

(0)
大数据精选的头像大数据精选编辑
上一篇 2017-10-24 11:47
下一篇 2017-10-28 09:16

相关文章

关注我们
关注我们
分享本页
返回顶部