下载掌阅APP，畅读海量书库
立即打开
网站分析的定义有很多种，各种权威机构和协会甚至不同的企业都有自己对网站分析的定义。这些定义大部分都是基于不同的人从不同的角度对网站分析的理解以及经验汇总而来。作为一个全新且高速发展的行业来说，这里既不存在最权威的定义，也没有错误的定义。笔者依照自己对网站分析的经验及理解推荐Avinash对网站分析的定义。
下面介绍Avinash是如何对网站分析进行描述和定义的，以及我们该如何对这个定义的内容进行分析与解读，并从中发现有价值的信息。
网站分析定义：
“通过分析来自网站及竞争对手的定性与定量数据，驱动用户及潜在用户在线体验的持续提升，并最终转化为你期望的结果。（线上及线下）”
——Avinash
在Avinash对于网站分析的定义中有3个关键信息，它们分别是数据、用户体验和结果。通过这3个关键信息，以及它们在定义中出现的位置，可以发现这样的逻辑，如图1-1所示。
网站的目标决定了在进行分析时所需的数据及关注点，数据分析的价值则体现在改善用户在网站中的使用体验，而用户体验的提升则可以吸引更多的用户频繁到访（流量），并最终获得期望的结果。这是一个周而复始，不断提升的过程。下面针对这3个关键信息进行分解，并逐一进行解读。
图1-1 网站分析定义中的3个关键信息
1.结果（目标）
第一个关键信息是网站期望获得的结果，在这个期望的结果还没有达到前，它是网站的目标，这同时也是网站分析过程的开始。对于网站分析师来说，网站的目标就像一个杂乱的毛线球开始的那一根，找到这个开始的节点后，分析过程中所需要的数据及分析方法都将一目了然，它将所有的数据、指标、分析过程有效地串联在一起，并形成一个高效的闭环提升过程。
网站的目标简单来说就是网站为什么存在。每个网站的目标都各不相同，例如，电商网站的目标是商品销售，门户类网站的目标是广告页面的浏览量，SNS社区类网站的目标是用户活跃度及内容贡献率。有时同一行业中网站的目标也不尽相同。原因很简单，每个网站的商业模式与运营策略，以及所处的成长周期都不相同，因此，每个网站的目标也都不一样。成长初期的网站不会去关注ROI，它们更加关注新客户的增长及带来的价值。而成熟期的网站则更关注老客户的到访频率及每次访问带来的价值。关于不同商业模式网站的目标，我们将在第3章中详细介绍。
确定网站的目标后，还需要对目标进行分解，并选择合适的指标对目标进行度量。如果无法对目标进行量化，那么也同样无法对目标进行提升和优化。因此，目标只有转化为可以被量化的数字后才可以被称为可执行的指标。如何选择度量指标是一个有技术含量的工作。同一个指标在不同的使用场景和业务模式下，所表达的含义可能截然相反。第3章将详细介绍在实战中不同指标的使用场景，以及如何对目标进行分解，如何选择指标对网站目标进行衡量。
2.数据
数据是在网站分析过程中最渴望得到的，同时也是最令人头疼的。对于一个线下实体店来说，要获得每天来访客户的信息是一件非常困难的事情。像7-11这样的实体店就是使用专门的设备对每天购物的顾客进行统计，可见数据对于实体店面的重要性。
对于线上的网站来说，获得数据是一件易如反掌的事情。追踪访客信息已经不是一件困难的事情，真正让我们头疼的是过于庞大的数据量，以及如何利用数据获取洞察的问题。原始数据数量庞大且杂乱无章，这些数据不会为网站带来任何价值。对于这样的数据，Avinash在网站分析的定义中将它们从两个维度分为了4个大类，如图1-2所示，它们分别是来自网站自身的网站数据、来自竞争对手的竞争数据，以及定性数据和定量数据。网站数据用来衡量网站的表现，竞争数据用来了解竞争对手及行业变化，定量数据告诉我们网站中每天发生的故事，而定性数据则可以告诉我们这些故事发生的原因。
图1-2 网站分析中数据的分类
（1）网站数据
网站数据是目前谈论最多的网站分析数据，也是最容易获得的。最早的网站数据来自于服务器日志，并用于网站运维人员分析网站状态及服务器错误。后来随着营销对数据的需求产生了专业的网站数据统计及分析工具。
目前常见的网站数据追踪工具如图1-3所示，有Google Analytics、OMNITURE、webtrends、百度统计、CNZZ等，其中标注为免费的工具可以直接注册使用。本书最后的附录部分将给出所有本书介绍的数据分析工具的网址。
图1-3 常见的网站数据分析工具
（2）竞争数据
知己知彼，百战不殆。除了网站自身的数据外，我们还需要了解竞争对手的数据。竞争数据并不像网站数据那样容易获得，需要专业的竞争分析工具的支持。这类工具目前国内还比较少，如图1-4所示。竞争数据分析工具的功能和使用我们将在第2章详细介绍。
图1-4 常见的竞争数据分析工具
（3）定量数据
通过工具自动获得的网站数据都属于定量数据。获取定量数据的工具如图1-5所示。定量数据可以告诉我们网站中每天发生了什么故事。例如，谁来过我的网站？他们来自哪里？在网站中做了什么事情？浏览了哪些信息？从哪些页面离开？这些问题的答案都可以通过定量数据找到。
图1-5 常见的定量数据分析工具
（4）定性数据
定量数据可以回答网站中发生的每件事情，但唯独有一件事情无法回答，那就是这些事情为什么会发生。这时就需要网站中的另一类数据——定性数据。获取定性数据的工具如图1-6所示。定性数据可以告诉我们每一件事情发生的原因。例如，访问者在网站中是否完成了访问目标？如果没完成，原因是什么？获得定性数据的方法很简单，就是和网站的访客直接进行沟通。这种沟通可以通过在线工具进行用户问卷调研，也可以直接与目标用户面对面沟通。
图1-6 常见的定性数据分析工具
我们通常使用4Q Survey或Kampyle对用户进行在线调研。4Q Survey是Avinash参与运营的一款免费调研工具，Kampyle是对小流量的网站及个人用户提供免费版本。大家可以在笔者的博客上找到这两个调研工具。
3.用户体验
第三个关键信息是用户体验。用户在网站中的体验是一个非常宽泛的内容，相信任何一本关于交互设计或架构设计的书都介绍得非常全面且专业。从网站分析的角度来看，用户体验的衡量标准只有3个：
·访问目的是否完成。
·实现目标所耗费的时间。
·实现目标所进行的任务负荷。
第一个标准是用户访问网站的任务是否完成。这里不仅局限于用户是否完成转化，还包括不以转化为目的的用户访问行为。数据来源于网站记录到的转化数据及用户调研数据。
第二、第三个标准可以统一称为用户完成任务的效率，既包括完成任务所使用的时间，也包括过程中访问者与网站交互的次数。
所有的数据分析都将围绕这3个标准进行，而这3点也将直接影响网站的目标完成。Avinash强调网站分析的过程是通过数据来驱动用户体验的提升，并最终转化为结果的一个过程。数据并不直接驱动或影响结果，而是用来对用户体验进行度量和提升，这就要求数据必须能够完整且准确地反映用户行为。
如果想验证Avinash的理论，可以在亚马逊网站上找到答案。亚马逊的飞轮效应与Avinash对网站分析的定义相互印证。飞轮效应是指为了使静止的飞轮转动起来，一开始必须使很大的力气，一圈一圈反复地推，每转一圈都很费力，但是每一圈的努力都不会白费，飞轮会转动得越来越快。在达到某一临界点后，飞轮的重力和冲力会成为推动力的一部分，这时，就无须再费更大的力气，飞轮依旧会快速转动，而且不停地转动。
如图1-7所示，对于亚马逊而言，这个飞轮的起点就是用户体验，而在支撑亚马逊飞轮的三大支柱中最重要的一个就是数据化的运营。
图1-7 以用户体验驱动网站价值
通过对网站分析定义中关键信息的分解了解了网站分析的流程、数据的分类，以及获取此类数据所需要的工具等信息，这是在学习网站分析过程中的知识框架，同时也是本书的内容框架。下面通过图1-8来回顾网站分析定义中的内容。
图1-8 网站分析定义分解