Ginson 的博客

SEO、Python、ACG 及日常

网站流量分析方法论

概念说明

流量分析是指通过网站UV、PV等流量数据,从中发现访客访问网站的规律和特点,找出目前网站上可能存在的问题和机遇,为进一步修正或重新制定网站运营定策略提供依据。

简单来说:
流量降了,找原因,解决问题,阻止流量进一步下降。
流量涨了,找原因,明确为什么涨,有什么可以吸收的经验促使流量进一步涨。

流量数据基础指标

《网站流量分析方法论》
绿色底为流量数量指标,红色底为流量质量指标,蓝色底为转化数量指标。

通常各种统计工具都采用同一套指标定义,少部分情况下一些指标定义有细微差别,不影响理解。

统计工具

网络上比较常见的统计工具有百度统计、CNZZ统计、谷歌分析(GA)等,这些统计工具都是通过在页面中插入JS代码来实现对访客数据的获取,另外还可以通过网站日志做流量统计,但是现在不常见。

 

流量分析方法论

1. 确定整体流量情况
明确整体数据情况,做最基础的趋势分析。

简单来说就拿当前的数据与历史数据做对比,看是多了还是少了,具体相差的多少。知道一个最基本的情况后才能继续下一步。

例:
8月10日星期三,网站UV是2618502,取上周同期数据,即8月3日(星期三)数据对比,计算出差值和周同比。
从数据可以看出本周相比上周流量涨了17.9万,增幅是7.34%。

《网站流量分析方法论》

• 周同比即(本周 – 上周) / 上周,反映本周与上周相比数据增减幅度。

• 网站流量通常有明显周期性,PC端周一流量较高,移动端周末流量较高。这是由用户习惯决定的。

• 取历史数据时要注意时间周期,日常数据对比一般取上周数据对比,如果是月度、年度的数据分析则以月、年为单位取数据。

2. 细化流量特征
了解流量基本的增减情况之后,可以对流量进行拆分,细化维度。

一个网站流量是可以多维度细分的,比如从平台可以分为PC端,移动端;从渠道可以细分为SEO、SEM、直接访问、外部链接等;从网站频道可以分为首页、问答、效果图,频道还可以细分为小频道,问答列表页、问答详情页、问答标签页等等。

把数据按这些维度细分,可以更精准的定位问题出现的点,方便针对性地找原因。

例:
按平台分,可知流量上涨最主要是H5平台

《网站流量分析方法论》

把H5数据按渠道分,可知流量上涨主要是直接访问渠道

《网站流量分析方法论》

把H5的直接访问渠道按频道分,可知流量上涨主要是直接访问渠道。

3. 根据数据特征推论原因
从上一步的结果中我们定位到,流量增长主要来自于直接访问渠道。那么有哪些可能会导致直接访问渠道流量增长呢?这里我们需要根据渠道特征,以及个人对数据的敏锐度、经验、脑洞来列出可能的原因。

直接访问渠道的特征是没有referer,无从知道来源。一般来说有着几种情况,如用户在浏览器输入 URL 访问,用户在 IM 工具中点击网址访问,或者程序直接内部读取 URL 访问。根据这些情况我们推测直接访问渠道流量上涨有几种可能:

• 网站做了广告,导致大量用户主动访问

• 网站做了线上推广,导致大量用户通过线上某些渠道如 IM 直接进入

• 网站被采集

4.通过数据验证
根据第 3 步中推测的可能,逐一通过数据验证是否正确。

• 广告投放。首先内部确认是否有投放广告,如果有,投放时间与流量增长时间是否契合,投放城市是否与流量来源城市契合,如果这两组数据与直接访问数据呈强相关性,那么可以确认是广告投放影响。如果没有投放广告,或者数据不契合,那么则可以排除这一可能。

• 线上推广。与广告投放类似,确认推广时间节点,另外线上推广进来的访问虽然没有referer,但是链接可能会带渠道编码,可以导出带有这种渠道编码的链接,衡量数据量是否与直接访问上涨量一致。如果是,则可以确认是线上推广影响,如果不是,则可以排除这一可能。

• 网站采集。采集流量有比较明显的特征,即 IP 的重复率。正常的访问流量,单个 IP 在网站的访问页数基本是稳定在某一数值的。但是采集者为了尽可能的多获取到内容,会用一个 IP 尽可能多访问网站,因此可以对比流量增长前后的 IP / UV 比值,如果比值异常高,则可以确认是采集流量,反之则可以排除。

推荐文章
《网站分析白皮书(站长版)》

 

 

 

点赞

发表评论

电子邮件地址不会被公开。 必填项已用*标注