基于網(wǎng)站的數(shù)據(jù)分析是很多企業(yè)進(jìn)行生產(chǎn)優(yōu)化、運(yùn)營改善、服務(wù)改進(jìn)、營銷策略制定等公司戰(zhàn)略策劃的指向性參考依據(jù)，隨著大數(shù)據(jù)技術(shù)的深入和移動互聯(lián)網(wǎng)的發(fā)展，網(wǎng)站分析的方法必然要進(jìn)行適應(yīng)性的變化，網(wǎng)站分析的策略該如何做到與時(shí)俱進(jìn)的升級呢?

　　

　　網(wǎng)站訪問分析的變與不變

　　雖然互聯(lián)網(wǎng)在不斷發(fā)展，但網(wǎng)站分析的一些關(guān)鍵指標(biāo)并沒有發(fā)生太大的變化。對于網(wǎng)站來說，了解、分析與明確網(wǎng)站對于受眾的吸引力、勸導(dǎo)力和轉(zhuǎn)化能力至關(guān)重要。這其中也涉及到我們經(jīng)常會用到的一些KPI，如跳出率、轉(zhuǎn)化率、訪問深度和訪問停留時(shí)間等。

　　但隨著數(shù)字分析技術(shù)的不斷推進(jìn)，我們卻對指標(biāo)的算法提出了新的要求。

　　網(wǎng)站的訪問數(shù)是網(wǎng)站分析的一個(gè)關(guān)鍵指標(biāo)所在，訪問數(shù)作為許多指標(biāo)算數(shù)公式中的分母直接決定了其他的指標(biāo)，比如跳出率(某段時(shí)間內(nèi)僅查看單頁的訪問總數(shù)/該段時(shí)間內(nèi)頁面的總訪問數(shù))。然而訪問并不等同于訪客，一次訪問僅僅是作為訪客網(wǎng)站訪問周期的一個(gè)片段，同一個(gè)訪客可能會進(jìn)行多次的訪問。

　　此外，引導(dǎo)進(jìn)入網(wǎng)站的路徑和過去相比也更加的多元化，搜索引擎、社交網(wǎng)絡(luò)、其他方式等共同組成多渠道導(dǎo)引同一個(gè)訪客，促成同一次轉(zhuǎn)化的情況非常普遍。面對這樣的狀況，我們也需要適時(shí)變化網(wǎng)站分析的思路：

　　1、基于多渠道的分析法：這是上文提及的網(wǎng)站流量來源的多樣性所要求的。綜合分析多渠道的表現(xiàn)不但有助于辨識出重復(fù)的流量導(dǎo)入，而且對于網(wǎng)站運(yùn)營的本身來說也是制定渠道策略的參考依據(jù)。

　　2、基于訪客的細(xì)分方法：尚且沒有現(xiàn)成的細(xì)分訪客的工具，但很多網(wǎng)站運(yùn)營都已經(jīng)開始自己定義訪客細(xì)分方法。通過網(wǎng)站后臺對于相關(guān)行為的監(jiān)控來判斷和獲取訪客的全景信息。

　　3、基于訪客生命周期的分析：對于訪客在網(wǎng)站上的交互分析，將一個(gè)個(gè)獨(dú)立的訪問連接起來看，從而進(jìn)行更為全面的跨訪問分析。比如電商網(wǎng)站中，對于轉(zhuǎn)化率而言，其進(jìn)一步的訪客生命周期分析就是關(guān)注購買的衰減率或是增長率。


　　移動互聯(lián)網(wǎng)的分析方法

　　對于訪客行為分析的另一大難點(diǎn)，便是移動互聯(lián)網(wǎng)的出現(xiàn)以及驚人的推進(jìn)速度。SAP的一份調(diào)查報(bào)告指出，67%的訪客從一個(gè)設(shè)備上開始購物，然后在另一個(gè)設(shè)備上繼續(xù)操作。

　　基于多屏的用戶行為給數(shù)字分析帶來了很大的障礙。對于不同終端的用戶同異性的定義是現(xiàn)在很多公司在攻克的的技術(shù)難點(diǎn)。Google提出利用用戶的ID(UID)去進(jìn)行跨屏監(jiān)測，也有其他公司提出數(shù)字指紋等技術(shù)，但以上方法尚都不能做到完美匹配。雖然目前技術(shù)的限制還沒有更好的工具用來區(qū)分不同終端背后的訪客信息，但我們可以利用以下方法進(jìn)行大致的信息區(qū)分：通常來講，你需要做三件事：通過設(shè)備的重疊數(shù)據(jù)，找出訪客同時(shí)使用的設(shè)備是哪些;通過設(shè)備訪問路徑，找出不同設(shè)備所發(fā)揮的不同作用;通過細(xì)分訪客，找出在行為方式上使用多種終端的異同。

　　網(wǎng)站分析要基于大數(shù)據(jù)和傳統(tǒng)分析雙方面開展

　　現(xiàn)在比以往任何時(shí)刻都要依賴大數(shù)據(jù)，那是不是意味著傳統(tǒng)分析的那一套我們就可以放棄了?通過大數(shù)據(jù)，我們可以進(jìn)行數(shù)據(jù)相關(guān)性的挖掘，從而進(jìn)行預(yù)測分析，對受眾的分析也向更小單位的個(gè)體精準(zhǔn)性延伸。但是美好的前景下，我們不能忽視的是毫秒級處理大數(shù)據(jù)的超級算法的稀缺讓我們在進(jìn)行數(shù)據(jù)采集分析時(shí)做不到邁爾-舍恩伯格提出的“要全體數(shù)據(jù)，不要采樣數(shù)據(jù)”，傳統(tǒng)的數(shù)據(jù)采樣方法在現(xiàn)階段依然是主流的分析方法。


　　此外，受眾的行為變化萬千、與時(shí)俱進(jìn)，如何通過大數(shù)據(jù)區(qū)分和精準(zhǔn)定義用戶群是一個(gè)剛性需求所在，這對于技術(shù)儲備的要求和應(yīng)對變化的能力要求非常高，對這一部分的有效補(bǔ)足可以利用第三方咨詢機(jī)構(gòu)或是人才儲備的方式進(jìn)行應(yīng)對。