網(wǎng)站數(shù)據(jù)分析[新浪網(wǎng)絡(luò)學(xué)院講義]_李雪巖_2011.4.17

1、,網(wǎng)站數(shù)據(jù)分析,,作者：李雪巖 2011年4月,JUNIOR COURSE,資料參考：@Mars任鑫 @沈浩老師,先講個(gè)小故事,葡萄酒品質(zhì)預(yù)測(cè),法國(guó) 波爾多葡萄酒 品質(zhì)預(yù)測(cè)12.145+0.00117×冬天降雨量+0.614×生長(zhǎng)期平均氣溫－0.00386×收獲季節(jié)降雨量,,,,,目錄CONTENTS,,Data,Analytics,hy,,,w,我們 為什么 需要數(shù)據(jù)分析？,大致兩種原因，

2、我們需要數(shù)據(jù)分析,我們最終需要的并不是數(shù)據(jù)而是數(shù)據(jù)分析之后產(chǎn)生的有意義的信息這樣的信息可以幫助我們決策 讓我們了解自己往何處去,h,ow,,,數(shù)據(jù)分析的一般 流程,,,,01 建立數(shù)據(jù)體系,建立數(shù)據(jù)體系,明確目標(biāo),,02 數(shù)據(jù)收集與處理,03 數(shù)據(jù)解讀與決策,確定數(shù)據(jù)指標(biāo),數(shù)據(jù)分析流程,建立數(shù)據(jù)分析模型,數(shù)據(jù)指標(biāo)與數(shù)據(jù)模型,冬天降雨量收獲季節(jié)降雨量收獲季節(jié)平均氣溫,葡萄酒的品質(zhì) =12.145 + 0.00117 ×

3、 冬天的降雨量 + 0.614 × 生長(zhǎng)期平均氣溫－0.00386 × 收獲季節(jié)降雨量,,葡萄酒的例子,數(shù)據(jù)指標(biāo),數(shù)據(jù)模型,網(wǎng)站分析常用數(shù)據(jù)指標(biāo),PV(page view)UV(unique vistor)New vistorReturn vistorUIP(unique IP)Bounce rateDeliver rateUnique open rateUnique CTR(click throu

4、gh rate)ATOS(Avg. Time on Site)Conversion rate……,頁(yè)面瀏覽量獨(dú)立訪客新訪客回訪客獨(dú)立IP跳出率送達(dá)率（郵件）打開(kāi)率（郵件）點(diǎn)擊率平均訪問(wèn)時(shí)間轉(zhuǎn)化率……,數(shù)據(jù)指標(biāo)小測(cè)試,如何理解這份營(yíng)銷報(bào)告中的數(shù)據(jù)？,到達(dá)率99.99%，那么有9.999 million的客戶收到了郵件。 有1.9 million的客戶打開(kāi)了email，也有1.9 million點(diǎn)擊了em

5、ail 這樣想起來(lái)應(yīng)該打開(kāi)郵件的客戶都點(diǎn)擊了。 1.9 million里面有80%是新用戶，這次營(yíng)銷帶來(lái)了1.52 million的新客戶 1.9 million訪客，他們平均在我網(wǎng)站逗留了19秒——時(shí)間太短了吧,全錯(cuò)!,要切實(shí)理解數(shù)據(jù)指標(biāo)的含義及其獲取方法,,,,01 建立數(shù)據(jù)體系,,02 數(shù)據(jù)收集與處理,03 數(shù)據(jù)解讀與決策,數(shù)據(jù)收集與處理,獲取數(shù)據(jù)資源,去除無(wú)效及虛假數(shù)據(jù),數(shù)據(jù)分析流程,根據(jù)數(shù)據(jù)模型進(jìn)行運(yùn)算,宏觀

6、：宏觀經(jīng)濟(jì)及互聯(lián)網(wǎng)行業(yè)發(fā)展,互聯(lián)網(wǎng)：互聯(lián)網(wǎng)使用行為及特征,網(wǎng)絡(luò)產(chǎn)品：產(chǎn)品使用行為和競(jìng)爭(zhēng)分析,自有產(chǎn)品：自有產(chǎn)品的用戶特征和行為,消費(fèi)者：用戶生活形態(tài)與媒介習(xí)慣,數(shù)據(jù)資源,[消費(fèi)者生活形態(tài)與媒介習(xí)慣]新生代CMMS、CTR-CNRS,[互聯(lián)網(wǎng)使用行為和特征]新生代CMMS、CTR-CNRS；艾瑞iUserTracker、華通明略NetTrack、comScore,[相關(guān)網(wǎng)絡(luò)產(chǎn)品的用戶使用]第3方行業(yè)研究報(bào)告；產(chǎn)品專項(xiàng)研究；第3方數(shù)據(jù)監(jiān)測(cè),

7、自有產(chǎn)品用戶行為與特征] 網(wǎng)民調(diào)研；尼爾森NNRT、萬(wàn)瑞監(jiān)測(cè)；產(chǎn)品Log數(shù)據(jù),[宏觀經(jīng)濟(jì)]國(guó)家統(tǒng)計(jì)局統(tǒng)計(jì)數(shù)據(jù)[互聯(lián)網(wǎng)行業(yè)發(fā)展] CNNIC、中科三方[其他相關(guān)產(chǎn)業(yè)發(fā)展]國(guó)家統(tǒng)計(jì)局，相關(guān)行業(yè)協(xié)會(huì)數(shù)據(jù),獲取數(shù)據(jù)資源,,數(shù)據(jù)分析師,產(chǎn)品 運(yùn)營(yíng) …,去除無(wú)效及虛假數(shù)據(jù),流量時(shí)間分布異常流量行為異常（轉(zhuǎn)化率）流量地域異常 ……,時(shí)間分布異常（數(shù)據(jù)波動(dòng)大）地域異常（都來(lái)自同一ip段）其他異常（用戶名有規(guī)則…） ……

8、,,,,01 建立數(shù)據(jù)體系,,02 數(shù)據(jù)收集與處理,03 數(shù)據(jù)解讀與決策,數(shù)據(jù)解讀與決策,數(shù)據(jù)分析流程,So what 式數(shù)據(jù)解讀,產(chǎn)品優(yōu)化及發(fā)展,So what 式數(shù)據(jù)解讀,每個(gè)客戶平均訪問(wèn)了17個(gè)頁(yè)面,每個(gè)客戶看的頁(yè)面多，說(shuō)明客戶粘性高，說(shuō)明我們的營(yíng)銷活動(dòng)很成功,PV:500,000Vistor:30,000,本次活動(dòng)和上次相比，最大的區(qū)別有兩個(gè)：第一，之前我們是在騰訊做的文字鏈廣告，這次我們換到了新浪的Banner廣告；第二

9、，之前我們沒(méi)有在廣告中提到我們的公司名稱，這次我們把公司名稱和logo放最大。我們推測(cè)這兩個(gè)變動(dòng)可能是我們廣告效果提升的原因。我們認(rèn)為下一次我們應(yīng)該投入更多的經(jīng)費(fèi)在新浪網(wǎng)上，而且都用來(lái)購(gòu)買Banner廣告。同時(shí)投入10%經(jīng)費(fèi)去原有網(wǎng)站，如果同一個(gè)內(nèi)容的廣告效果仍然有巨大的效果差異的話，我們就能得出結(jié)論說(shuō)我們應(yīng)該加大在新浪上的投放，而且要用Banner而不是文字鏈?！?對(duì)于我們這個(gè)行業(yè)，平均數(shù)據(jù)是人均瀏覽10個(gè)頁(yè)面，所以17個(gè)是挺多的

10、。另外，由于我們的網(wǎng)站上主要是產(chǎn)品頁(yè)面，客戶瀏覽頁(yè)面多說(shuō)明他興趣越大。而瀏覽信息多也使得他對(duì)我們更加了解，這對(duì)我們市場(chǎng)信息的傳遞，品牌印象的生成，以至于將來(lái)的銷售促進(jìn)都是有好處的……,So what,So what,So what,So what,數(shù)據(jù)解讀與決策支持案例,1、24小時(shí)流量分布數(shù)據(jù),一般的視頻網(wǎng)站，會(huì)有如下訪問(wèn)特征：訪問(wèn)高峰，一般出現(xiàn)在上午9-11，下午2-4，晚上7-21 如果出現(xiàn)了特殊事件 （各種社會(huì)熱點(diǎn)事

11、件）例如5.12地震的訪問(wèn)高峰，在地震出現(xiàn)后的2個(gè)小時(shí),網(wǎng)站的內(nèi)容運(yùn)營(yíng)，在大批訪問(wèn)量來(lái)的時(shí)候，發(fā)布好內(nèi)容，用戶就會(huì)及時(shí)看到 網(wǎng)站或者產(chǎn)品功能更新，或者上線選擇在什么時(shí)候好呢？那肯定是在訪問(wèn)用戶少的時(shí)候，影響范圍比較小，這就是24小時(shí)數(shù)據(jù)的應(yīng)用。,看這個(gè)數(shù)據(jù)的目的是什么呢？,數(shù)據(jù)解讀與決策支持案例,2、網(wǎng)站流入數(shù)據(jù)分布,了解流入構(gòu)成 ，知道流量從哪里來(lái)，需要在哪里做推廣 站外流入，一般跟網(wǎng)站的seo相關(guān)，同時(shí)可以做關(guān)鍵字分析,

12、看這個(gè)數(shù)據(jù)的目的是什么呢？,ases,,,c,數(shù)據(jù)分析的典型 案例,Farecast.com,Amazon.cn,哈拉斯知道你的痛苦,ools,,,t,數(shù)據(jù)分析的常用 工具,,表現(xiàn)層,分析層,存儲(chǔ)層,,,,,Tableau,Cytoscape,Clementine,Enterprise Miner,Swiff,ucinet,Xcelsius,Flex,,用戶級(jí),企業(yè)級(jí),數(shù)據(jù)分析工具,Color wheel,,感謝關(guān)注 歡