網站運營常見指標分析有哪些

　　網站從建設到日常整體運營,都必需規劃好每個段價完成任務。網站運營模式有多種多樣,要根據自己實際制定運營指標示。那么，網站運營中最常見的指標分析方式有哪些呢?下面就一起來看看。

　　網站運營常見指標分析方式

　　一、用戶的細分方式

　　我不建議把用戶細分成許許多多的類型，目前為止見過的用戶細分的類別也不在少數，羅列出來應該有一大串：當前用戶、新老用戶、活躍用戶、流失用戶、留存用戶、回訪用戶、誤闖用戶、休眠用戶、常駐用戶、忠誠用戶……其實很多的定義或含義是相近的，在分析層面也扮演著類似的指標角色。所以不建議將用戶這樣混亂無章地分成N個類別，用戶的細分關鍵在于以合理的體系將用戶細分成幾個類別，并且每個類別都能發揮其在用戶分析上的功效，不存在累贅和混淆。

　　所以這里想介紹下我認為比較合理的用戶細分方式。我將用戶分成以下幾類：當前使用用戶、新用戶、活躍用戶、流失用戶、回訪用戶，下面來簡單的解釋下。

　　當前使用用戶：即我們平常所說的UV，也就是網站的登錄或者使用用戶數。用于體現網站的當前運營狀況。

　　新用戶：首次訪問或者剛剛注冊的用戶;那么那些不是首次來訪的用戶就是老用戶，于是同時也獲得了老用戶的統計。用于分析網站的推廣效果或者成長空間。

　　活躍用戶數：活躍用戶的定義千差萬別，一般定義有關鍵動作或者行為達到某個要求時的用戶為活躍用戶;每個網站應該根據自身的產品特定定義活躍用戶。活躍用戶用于分析網站真正掌握了多少有價值用戶。

　　流失用戶：網站的活躍用戶與流失用戶中已經做了定義和介紹，用于分析網站保留用戶的能力。我們將那些未流失的用戶叫做留存用戶，可以通過總使用用戶數減去流失用戶數計算得到。

　　回訪用戶：是指那些之前已經流失，但之后又重新訪問你的網站的用戶。用于分析網站對挽回流失用戶的能力(常常會受到那些很久沒有登錄的網站給你發的郵件吧，讓你回去看看，這些措施就是他們在挽留那些流失用戶)。除非近期內執行了一些挽留流失用戶的手段，正常情況下回訪用戶的比例應該是比較低的，否則就是你對流失用戶的定義不夠準確，應該適當延長定義流失的時間間隔。

　　所以其實在我們獲得某些用戶統計指標之后，通過計算同時也獲得了諸如老用戶、留存用戶這些指標。

　　二、值得關注的用戶指標

　　文章的開頭已經提到過，如果你想了解一個網站或者一個產品的用戶情況，請盡量抓住那些最為關鍵的用戶指標。如果是我來問，我只會問3個指標：活躍用戶數、新用戶比例和用戶流失率。

　　顯而易見，活躍用戶數直接反映了網站或者產品真正掌握著多少用戶，這些用戶并不是因為某些廣告或者鏈接誤點進來的，而是真正對這個網站或者產品感興趣，有意向去使用或者持續關注的。活躍用戶數越高，網站或者產品當前擁有的價值越高。但這里有一點需要格外注意，那就是活躍用戶的定義，活躍用戶跟新用戶不一樣，活躍用戶可能催生各種形形色色的定義，之前的文章——用Engagement衡量用戶活躍度對于如何定義用戶活躍做過介紹，活躍用戶的定義也類似，可以有各種方法。寬松的定義可以讓活躍用戶“變多”，比如只要訪問頁面數超過2頁或者停留時間超過30秒;而嚴謹的定義可能會導致活躍用戶“減少”，比如微博網站定義平均每天發送微博數量超過2條的才是活躍用戶。所以，不同的定義影響著活躍用戶的數量，當你問到活躍用戶時，一定要了解對方是如何定義活躍用戶的。我更偏向于嚴謹的定義，雖然這會讓活躍用戶“減少”(某些高層看到這個數字可能就不干了，趕緊重新下個定義吧，讓數據變得“漂亮”一點……)，但嚴謹的定義讓數據顯得更加真實，可以說根據這個定義統計到的用戶是那些真正在為網站創造價值的用戶。

　　新用戶比例反映著網站或產品的推廣能力，渠道的鋪設和帶來的效果。新用戶比例不僅是評估市場部門績效的一個關鍵指標，同時也是反映網站和產品發展狀況的重要指標。

　　但只看新用戶比例是不夠的，需要結合著用戶流失率一起看。我見過流失率98%的網站，也見過流失率20%左右的產品，流失率會根據產品對用戶黏性的不同而顯得參差不齊。用戶流失率反映了網站或者產品保留用戶的能力，即新用戶比例反映的是用戶“進來”的情況，用戶流失率反映的是用戶“離開”的情況，結合這兩個指標會有下面3類情況，代表了3種不同的產品發展階段：

　　新用戶比例大于用戶流失率：產品處于發展成長階段;

　　新用戶比例與用戶流失率持平：產品處于成熟穩定階段;

　　新用戶比例低于用戶流失率：產品處于下滑衰退階段。

　　網站運營數據分析方法

　　網站運營數據分析方法十：Link Tag的流量標記

　　Link tag標記流量源頭 ，絕對是所有方法中最為基本重要的一種。這種方法不僅僅適用于網站的流量來源，也同樣適用于app下載來源的監測(但后者需要滿足一定的條件)。

　　Link tag的意思，是在流量源頭的鏈出鏈接上(鏈出URL上)加上尾部參數。這些參數不僅不會影響鏈接的跳轉，而且能夠標明這個鏈接所屬的流量源是什么(理論上能夠標明流量源的屬性數是無限的)。

　　Link tag不能單獨起作用，必須要在網站分析工具或者app分析工具的配合下工作。

　　Link tag是流量分析的基礎，要嚴肅的分析流量，不僅僅是常規分析，還包括歸因分析(attribution analysis)，都需要使用link tag的方法。

　　網站運營數據分析方法九：轉化漏斗

　　分析轉化的基本模型是轉化漏斗(conversion funnel)，這個大家都應該很熟悉了。

　　轉化漏斗最常見的是把最終的轉化設置為某種目的的實現，最典型的就是實現銷售，所以大家很多時候把轉化和銷售是混為一談。但轉化漏斗的最終轉化也可以是其他任何目的的實現，比如一次使用app的時間超過10分鐘(session duration >10minutes)。對于增長黑客而言，構建漏斗是最為常見的工作。

　　漏斗幫助我們解決兩方面的問題，第一、在一個過程中是否發生泄漏，如果有泄漏，我們能在漏斗中看到，并且能夠通過進一步的分析堵住這個泄漏點;第二、在一個過程中是否出現了其他不應該出現的過程，造成轉化主進程受到損害。

　　漏斗的構建很簡單，無論web還是app，都是最好用的方法之一。但漏斗使用的奧秘則很豐富。而且漏斗方法還會和其他方法混合使用，樂趣無窮。我在互聯網數據運營的課程中也會具體講解。

　　網站運營數據分析方法八：微轉化

　　人人都懂轉化漏斗，但不是所有人都關注微轉化。但是你想指望一個轉化漏斗不斷提升轉化率太困難了，而微轉化卻可以做到。轉化漏斗解決的是轉化過程中的大問題，但大問題總是有限的，這些問題搞定后，你還是需要對你的轉化進行持續優化，這個時候必須要用到微轉化。

　　微轉化是指在轉化必經過程之外，但同樣會對轉化產生影響的各種元素。這些元素與用戶的互動，左右了用戶的感受，也直接或者間接的影響了用戶的決定。

　　比如，商品的一些圖片展示，并不是轉化過程中必須要看的，但是它們的存在，是否會對用戶的購買決定產生影響?這些圖片就是微轉化元素。

　　個人認為，研究微轉化比研究轉化更好玩。有一些案例，課堂上跟大家講。

　　網站運營數據分析方法七：合并同類項

　　合并同類項是大家容易忽視的常用方法。我們往往非常重視細分，但有的時候我們卻需要了解更宏觀的表現。

　　合并同類項就是這樣的方法。舉一個例子，我問你，一個電子商務網站，所有商品頁的整體表現如何?它們作為一個整體的bounce rate怎么樣，停留時間怎么樣，用戶滿意度怎么樣等等，你能夠回答嗎?

　　如果我們查看每一個商品頁的表現，然后再把所有一個一個頁面的數據加總起來作分析，就太麻煩了(根本無法實現分析)。這個時候，我們必須要合并同類項。

　　如何合并?利用分析工具的過濾工具或者查找替換功能。不支持這樣功能的工具你可以考慮扔掉了，因為這根本不應放在增長黑客的專業裝備箱中。

　　合并同類項還有很多用途，比如你要了解web或者app一個版塊(頻道)的整體表現，或者你要了解整個導航體系的使用情況，這都是必須使用的方法。