分析一個網站的數據都是哪些

① 網站數據分析只要分析哪些指標

網站數據分析有很多方面，但是要看你能夠獲取的是哪些數據，具體如下：

1、流量統計是基礎的數據統計
網站的統計工具可以讓我們了解基本流量信息，包括獨立訪問者、訪問停留時間、頁面停留時間、訪問率等;實時了解網站的變化趨勢，了解有效覆蓋人群的規模，了解推廣的目標人群，在哪個頁面，哪個頻道。
1.了解網站的目標人群特徵，為產品設計提供重要依據
2.了解網站關注行業用戶量的潛在規模
3.與行業平均指標做對比，作為評估自身網站發展的指標
4.分析網站與競爭對手之間的用戶重合度
5.分析自身網站內部各欄目間的用戶重合度
根據網站的大致需求，相關網站「數據統計」的基本分析應具有：
A.訪問人次，即網站的訪問人次，通常以日訪問人次統計，此指標不排除同一訪客同一天訪問多次。
B.訪問總頁面數，即訪問者在站點上瀏覽的總頁面數，通常以日統計。
C.獨立訪客，也稱獨立IP，指訪問站點的獨立訪客，通常以日訪問人次統計，每台獨立上網電腦被視為一個獨立訪問者。同一電腦多人使用時，不重復計算，仍視作一個獨立訪問者。
D.人均停留時間，即訪問者在網站停留的時間
計算公式：人均停留時間=訪問人次停留時間/訪問人次。指「獨立訪問者」平均每次訪問某一網站的停留時間。也就是說一個周期內，從開始訪問這個網站到結束訪問這個網站所停留的時間。
E.人均訪問頁數(PV值)，即訪問者平均訪問頁面數，
計算公式：PV值=訪問總頁面數/訪問人次。這項指標同樣重要，訪問者平均訪問頁數越多，越能實現網站的目的指向。
F.跳出率，即訪問者到達站點後瀏覽頁數僅有的一頁的比率。
G.新訪客，即訪問站點的訪問者是否第一次登錄站點，該指標從一側面反應平台的人氣程度和知名度，通常以日為單位進行統計。每日新訪客人數越多，說明人氣越高，影響度也越來越高。
H.回訪者，即訪問站點的訪問者超過一次以上登錄站點，該指標從一側面反應訪問者對站點的接受程度，通常以日為單位進行統計，回訪人數越多，說明站點被接受的程度越高，而通常，網站的潛在客戶行為，就是在回訪者中實現，如注冊、購物、消費等。
I.每個獨立訪問者訪問頻次：一個周期內獨立訪問者的平均訪問次數。

2、關鍵字數據收集
包括兩方面：
客戶通過哪些關鍵字到達網站
客戶在網站搜索哪些關鍵字---精確地跟蹤有哪些關鍵字產生了銷售額或銷售機會

3、網站專題及營銷方式的效果統計
精確地跟蹤有哪些專題產生了銷售額或銷售機會，跟蹤由專題轉換為銷售的點擊次數
幫助我們評估網站頁面格局的合理性
跟蹤銷售額和銷售機會

② 網站通過哪些數據分析來解決問題

1、網站內容質量的分析

要分析網站內部更新的內容和外鏈發布內容的質量，越是高質量的內容，就越能引起用戶的關注，如果你的網站出現降級的問題，便可從網站內容方面著手解決問題。

2、分析網站關鍵詞排名進度

要及時的了解關鍵詞排名進度情況，當排名出現一定波動時，優化人員就要多上心網站，根據實際情況來調整SEO優化工作，以取得更好的優化效果。

3、網站收錄數據分析

看收錄，並不是看單個鏈接的收錄，而是看整體的收錄變化比。可以通過鏈接權重查詢，來查詢網址的收錄情況，在排名率不變的情況下，當你的收錄越來越高，你的流量就會越來越多。所以如果你的網站收錄數據突然大幅度下降，那麼就要想辦法提高網站收錄了。

4、網站流量分析

通過關鍵詞的流量分析，可以監控到哪些詞是能夠獲得高流量的，哪些詞對對網站意義不大的，所以當網站的訪問量減少時，便可根據監測的這些詞來分析，從而制定更合理的優化方案。

5、網站跳出率和點擊率分析

跳出率是影響整個網站的整體質量水平的一個體現，只有高質量並且符合用戶需求的網站用戶才會更感興趣，所以優化人員也可通過網站的跳出率高低來制定提升用戶體驗的優化方案。

6、網站伺服器拒絕訪問情況分析

網站伺服器拒絕訪問，這是會影響用戶體驗的，一定要了解原因，做出科學可行的調整方案。

關於網站通過哪些數據分析來解決問題，青藤小編就和您分享到這里了。如果您對大數據工程有濃厚的興趣，希望這篇文章可以為您提供幫助。如果您還想了解更多關於數據分析師、大數據工程師的技巧及素材等內容，可以點擊本站的其他文章進行學習。

③ 網站分析的數據來源

網站分析的數據來源

Avinash Kaushik在他的《Web Analytics》一書中將數據的來源分為4部分：點擊流數據（Clickstream）、運營數據（Outcomes）、調研數據（Research/Qualitative）和競爭對手數據（Competitive Data）。點擊流數據主要指的是用戶瀏覽網站時產生的數據；Outcomes我更習慣叫做運營數據，主要指用戶在網站中應用服務或者購買產品時記錄下來的數據；調研數據主要是網站通過某些用戶調研手段（線上問卷或者線下調研）獲取的一些定性數據；Competitive Data直譯為競爭對手數據可能不太合適，因為根據Avinash Kaushik的闡述，更像是跟網站有業務關系或競爭關系或存在某種利益影響的一切網站的可能的數據來源。
在獲取上述幾類數據的同時，也許我們還可以從其他方面獲取一些更為豐富的數據。下面是我對網站分析數據獲取途徑的整理：
網站內部數據
網站內部數據是網站最容易獲取到的數據，它們往往就存放在網站的文件系統或資料庫中，也是與網站本身最為密切相關的數據，是網站分析最常見的數據來源，我們需要好好利用這部分數據。
伺服器日誌
隨著網站應用的不斷擴張，網站日誌不再局限於點擊流的日誌數據，如果你的網站提供上傳下載、視頻音樂、網頁游戲等服務，那麼很明顯，你的網站伺服器產生的絕不僅有用戶瀏覽點擊網頁的日誌，也不只有標準的apache日誌格式日誌，更多的W3C、JSON或自定義格式的輸出日誌也給網站分析提供了新的方向。
網站分析不再局限於網頁瀏覽的PV、UV，轉化流失等，基於事件（Events）的分析將會越來越普遍，將會更多的關注用戶在接受網站服務的整個流程的情況：上傳下載是否完成，速度如何；用戶是否觀看的整部視頻，視頻的載入情況；及用戶在玩網頁游戲時的操作和體驗分析等。Google Analytics已經支持了基於事件的分析——Event Tracking，通過JS的動作響應獲取數據，但是還存在著一定的局限性。
網站分析工具
當然，通過網站分析工具獲得數據是一個最為簡便快捷的方式，從原先的基於網站日誌的AWStats、webalizer，到目前非常流行的基於JS Tags的Google Analytics、Omniture的SiteCatalyst，及JS和網站日誌通吃的WebTrends。通過網站分析工具獲得的數據一般都已經經過特殊計算，較為規范，如PV、UV、Exit Rate、Bounce Rate等，再配上一些趨勢圖或比例圖，通過細分、排序等方法讓結果更為直觀。
但通過網站分析工具得到數據也不遠只這些，上面的這些數據也一樣可以通過統計網站日誌獲得，但網站分析工具的優勢在於其能通過一些嵌入頁面的JS代碼獲得一些有趣的結果，如Google Analytics上的Overlay或者也叫Click Density——網站點擊密度分布，及一些其它的網站分析工具提供的點擊熱圖，甚至滑鼠移動軌跡圖。這些分析結果往往對網站優化和用戶行為分析更為有效。
資料庫數據
對於一般的網站來說，存放於資料庫中的數據可以大致分為3個部分：
網站用戶信息，一般提供注冊服務的網站都會將用戶的注冊賬號和填寫的基本信息存放在資料庫裡面；
網站應用或產品數據，就像電子商務的商品詳細信息或者博客的文章信息，如商品信息會包含商品名稱、庫存數量、價格、特徵描述等；
用戶在應用服務或購買產品時產生的數據，最簡單的例子就是博客上用戶的評論和電子商務網站的用戶購買數據，購買時間、購買的用戶、購買的商品、購買數量、支付的金額等。
當然，這一部分數據的具體形式會根據網站的運營模式存在較大差異，一些業務范圍很廣，提供多樣服務的網站其資料庫中數據的組合會相當復雜。
其它
其它一切網站運營過程中產生的數據，有可能是用戶創造，也有可能是網站內部創造，其中有一大部分我們可以稱其為「線下數據（Offline Data）」。如用戶的反饋和抱怨，可能通過網站的交流論壇，也有可能通過網站時公布的客服電話、即時通訊工具等，如果你相信「客戶中心論」，那麼顯然對於這些數據的分析必不可少；另外一部分來源就是網站開展的線下活動，促銷或推廣，衡量它們開展的效果或投入產出，以便於之後更好地開展類似的線下推廣。
外部數據
網站分析除了可以從網站內部獲取數據以外，通過互聯網這個開放的環境，從網站外部捕獲一些數據可以讓分析的結果更加全面。
互聯網環境數據
即使你的網站只是一個很小的網站，但如果想讓你的網站變得更好，或者不至於落後於互聯網的前進腳步，那麼建議你關注一下互聯網的發展趨勢。可以上Alexa查一下互聯網中頂級網站的訪問量趨勢；看看comScore發布的數據或者199IT–中國互聯網數據中心網站上的各種數據分析和研究資料；如果經營電子商務網站，淘寶數據中心也許會讓你感興趣。
競爭對手數據
時刻關注競爭對手的情況可以讓你的網站不至於在競爭中落伍。除了在Alexa及一些其他的網站數據查詢平台以外，直接從競爭對手網站上獲取數據也是另外一條有效的途徑，一般網站會出於某些原因（信息透明、數據展示等）將自己的部分統計信息展現在網站上，看看那些數據對於掌握你的競爭對手的情況是否有幫助。
合作夥伴數據
如果你有合作的網站或者你經營的是一個電子商務網站，也許你會有相關的產品提供商、物流供應商等合作夥伴，看看他們能為你提供些什麼數據。
用戶數據
嘗試跟蹤用戶的腳步去看看他們是怎麼評價你的網站的。如果你的網站已經小有名氣，那麼嘗試在搜索引擎看看用戶是怎麼評價你的網站，或者通過Twitter、新浪微博等看看用戶正在上面發表什麼關於你的網站的言論。
當然通過用戶調研獲取數據是另外一個不錯的途徑，通過網站上的調查問卷或者線下的用戶回訪，電話、IM調查，可用性實驗測試等方式可以獲取一些用戶對網站的直觀感受和真實評價，這些數據往往是十分有價值的，也是普通的網站分析工具所獲取不到的。
在分析網站的外部數據的時候，需要注意的是不要過於相信數據，外部數據相比內部數據不確定性會比較高。網站內部數據即使也不準確，但我們至少能知道數據的誤差大概會有多大，是什麼原因造成了數據存在誤差。而外部數據一般都是有其他網站或機構公布的，每個公司，無論是數據平台、咨詢公司還是合作夥伴都可能會為了某些利益而使其公布的數據更加可信或更具一定的偏向性，所以我們在分析外部數據是需要更加嚴格的驗證和深入的分析。而對於用戶調研中獲取的數據，我們一般會通過統計學的方法檢驗數據是否可以被接受，或者是否滿足一定的置信區間，這是進行數據分析前必須完成的一步。

④ 如何進行網站數據分析

1、網站伺服器的運行狀況及影響

通過對網站日誌及監控工具的分析與觀察，我們可以了解到網站在每個時段中的運行狀態，網站是否被攻擊、伺服器是否出現問題，出現的這些問題是否影響訪客的來訪，網站在每個地區的運行是否都正常。

2、網站程序是否有利於搜索引擎

搜索引擎訪問網站的爬行軌跡都會被伺服器記錄，觀察總結搜索引擎對網站各個部分的訪問情況，可以查看到網站程序中是否有死循環，網站是否有利於蜘蛛的爬行收錄，網站程序代碼是否需要精簡，去除無用的代碼。

3、網站哪些內容收錄

網站的在搜索引擎的的收錄，影響著整個網站的流量，收錄越多，流量的來源越廣，流量也就越多。通過對各個搜索引擎的收錄分析，我們可以總結觀察出網站在搜索引擎的表現主題，搜索引擎對網站的整體的定位，關鍵詞與整體內容的表現含義越相近，排名也就越高。

4、網站的訪客情況與分析

通過對網站流量數據的分析，我們可以獲知網站的主體訪問人群以及訪客來自的地區，是否是我們想要的訪問者，而這些訪問者又需要什麼樣的內容，有什麼需求，網站哪些部分吸引他們。

5、網站各種關鍵詞的表現情況

網站的關鍵詞是流量來源的根本(排除品牌網站)，所以對各種關鍵詞在搜索引擎的表現情況的研究分析就變得尤為的重要。總結分析網站流量來源前列的關鍵詞排名，然後針對流量大的關鍵詞及有很大提升空間的關鍵詞加以優化，使得網站能夠有更好的流量。

⑤ 網站數據分析,主要分析哪些數據

網站數據分析有很多方面，但是要看你能夠獲取的是哪些數據，具體如下：

1、流量統計是基礎的數據統計
網站的統計工具可以讓我們了解基本流量信息，包括獨立訪問者、訪問停留時間、頁面停留時間、訪問率等;實時了解網站的變化趨勢，了解有效覆蓋人群的規模，了解推廣的目標人群，在哪個頁面，哪個頻道。
1.了解網站的目標人群特徵，為產品設計提供重要依據
2.了解網站關注行業用戶量的潛在規模
3.與行業平均指標做對比，作為評估自身網站發展的指標
4.分析網站與競爭對手之間的用戶重合度
5.分析自身網站內部各欄目間的用戶重合度
根據網站的大致需求，相關網站「數據統計」的基本分析應具有：
A.訪問人次，即網站的訪問人次，通常以日訪問人次統計，此指標不排除同一訪客同一天訪問多次。
B.訪問總頁面數，即訪問者在站點上瀏覽的總頁面數，通常以日統計。
C.獨立訪客，也稱獨立IP，指訪問站點的獨立訪客，通常以日訪問人次統計，每台獨立上網電腦被視為一個獨立訪問者。同一電腦多人使用時，不重復計算，仍視作一個獨立訪問者。
D.人均停留時間，即訪問者在網站停留的時間
計算公式：人均停留時間=訪問人次停留時間/訪問人次。指「獨立訪問者」平均每次訪問某一網站的停留時間。也就是說一個周期內，從開始訪問這個網站到結束訪問這個網站所停留的時間。
E.人均訪問頁數(PV值)，即訪問者平均訪問頁面數，
計算公式：PV值=訪問總頁面數/訪問人次。這項指標同樣重要，訪問者平均訪問頁數越多，越能實現網站的目的指向。
F.跳出率，即訪問者到達站點後瀏覽頁數僅有的一頁的比率。
G.新訪客，即訪問站點的訪問者是否第一次登錄站點，該指標從一側面反應平台的人氣程度和知名度，通常以日為單位進行統計。每日新訪客人數越多，說明人氣越高，影響度也越來越高。
H.回訪者，即訪問站點的訪問者超過一次以上登錄站點，該指標從一側面反應訪問者對站點的接受程度，通常以日為單位進行統計，回訪人數越多，說明站點被接受的程度越高，而通常，網站的潛在客戶行為，就是在回訪者中實現，如注冊、購物、消費等。
I.每個獨立訪問者訪問頻次：一個周期內獨立訪問者的平均訪問次數。

2、關鍵字數據收集
包括兩方面：
客戶通過哪些關鍵字到達網站
客戶在網站搜索哪些關鍵字---精確地跟蹤有哪些關鍵字產生了銷售額或銷售機會

3、網站專題及營銷方式的效果統計
精確地跟蹤有哪些專題產生了銷售額或銷售機會，跟蹤由專題轉換為銷售的點擊次數
幫助我們評估網站頁面格局的合理性
跟蹤銷售額和銷售機會

⑥ 網站日誌分析主要看的是哪些數據

一般來說得通過ftp下載自身網站的一個叫做log文件夾裡面的log文件，如果是中小型網站，一般用光年日誌分析工具，如果是大型網站，例如新聞門戶網站，可以用shell去進行日誌處理（這個是要懂代碼的），一般來說日誌要分析一下數據
第一、基礎信息，總抓取量、停留時間(h)及訪問次數這三個基礎信息；
第二、目錄抓取，提取出爬蟲抓取的目錄，分析每日目錄抓取量；
第三、時間段抓取，提取每日的時間段的爬蟲抓取量，重在分析每日的抓取情況，找到相應的抓取量較為密集的時間段；
第四，IP段的抓取，進行統計，每日每個IP的抓取量；
第五，狀態碼的統計，HTTP狀態碼返回值。
希望以上的內容能對您有幫助！

⑦ 網站數據分析，從哪些方面進行分析

一、網站流量分析
1、網站流量來源；
2、網站關鍵詞分析；
3、網站流量的趨勢；
4、網站流量的真實性。
二、網站流量效率分析
1、到達網站率；
2、網站跳出率。
三、網站內部分析
四、網站用戶特徵分析
1、用戶停留於時間；老漁哥
2、新老用戶比例；
3、用戶地域分析。

⑧ 網站常用的數據分析方法介紹

網站常用的數據分析方法介紹

本篇文章我們介紹4種網站分析中最常用，也是最有效的分析方法。他們分別是細分分析，對比分析，對比分析，質與量分析。這些分析方法在實際工作中經常組合使用。我們先來看下細分分析。

單一的指標數據或大維度下的指標數據是沒有意義的，只有當指標與維度配合使用時才有意義。細分也叫下鑽，是網站分析中最常用的一種方法。原理就是通過對匯總數據進行多個維度對指標進行分解。逐步找到有問題的部分。在整個的Google Analytics報告的中，隨處都充滿了細分方法。

匯總數據是一個極其籠統的大維度數據。而平均數數據則可能會掩蓋很多問題。這里是一個平均數的計算方法：訪問者A瀏覽了10個頁面，訪問者B瀏覽了2個頁面。網站每次訪問頁面瀏覽量6個頁面。看似表現不錯的平均數據其實包含很很多問題。但我們僅從平均數中無法看到這些問題。細分的主要目的就是對匯總數據和平均值數據進行剖析，發現這些問題並加以改進。

我們如何使用Google Analytics來對指標進行細分？Google Analytics報告本身的結構就是一個支持細分的結構。不用我們進行特別的設置就可以對指標進行細分。下面我們來看下如何使用Google Analytics報告中的這些簡單的默認細分功能和高級細分功能。

在Google Analytics的四類報告中，都提供了細分功能。展開每一類的報告，概述報告，而下面的各個子報告都是對概述報告的一個細分。

同時在子報告中，也提供了更進一步的細分。我們所要做的就是找到感興趣的維度，並且點進去進一步查看。

除了Google Analytics的默認細分功能外，還有三種更靈活的自定義細分功能。他們分別是次級維度細分，高級細分和自定義細分。自定義細分與默認細分功能最大的差別在於，默認細分是在一個大的維度下逐級深入細分。例如，流量來源，搜索引擎，Google，自然搜索，關鍵詞。而自定義細分則可以完整更復雜的跨越多個維度的細分。例如：流量來源，搜索引擎，地理位置。

次級維度

第一個自定義細分功能是次級維度，在大部分Google Analytics報告中，都可以實現次級維度的細分。以下是次級維度的截圖。我們可以很容易的使用次級維度來查看同一個指標在兩個不同維度中的表現如何。例如：北京地區的Google搜索引擎。

高級細分

第二個自定義細分是自定義報告，使用自定義報告進行細分要比次級維度靈活的多。細分的層級也要深入的多。自定義報告的的實質是對指標和維度的重組。

自定義報告

第三個自定義細分是高級細分，與自定義報告相比，高級細分的主要優勢在於細分結果的廣度。當我們設置了一個自定義細分的維度後，這個維度將應用於整個Google Analytics報告中。

除了使用細分以外，我們還可以使用對比分析來觀察指標的變化趨勢，例如，本月的訪問量是300萬，那麼和上個月相比怎麼樣呢？和去年同一時期又如何呢？這就是我們介紹的第二個方法，對比分析。對比分析的設置很簡單，在時間里設置好要對比的時間段，報告會自動給出指標的變化結果。這里有一個需要注意的問題是，當使用Google Analytics自帶的與上一個時期進行對比時，時間段內周末的數量可能會不相同。而這也將直接影響指標的對比結果。

第三種分析方法是聚合分析，聚合分析常用於對網站內容的分析上。網站有大量的頁面訪問數據，而每一個頁面又都擁有自己的指標數據。對於如此龐大和細碎內容數據，我們該如何下手呢？答案是使用聚合分析。

聚合分析通常用來對網站的分類和導航系統進行分析。例如：關注A頻道的訪問者是否也瀏覽了B頻道的信息？他們如何在這兩類信息間流動。使用列表篩選的功能是否中途也會使用站內搜索？這些在基於頁面的數據中是很難發現的，因為數據的顆粒度太細小了。需要我們對網站中不同的內容進行聚合。

聚合內容的方法很簡單，就是將內容相關，或者你關注的信息進行分類，我們稱為內容組。而分類的粒度取決於你分析的最終粒度。

聚合內容的維度也有很多種，完全看我們的分析需求。最簡單的方法，我們可以按網站的頻道劃分內容組，或者按網站的功能來劃分。例如首頁，站內搜索功能，列表篩選功能，產品展示功能，購物結算功能。注冊登錄功能。等等。

創建的內容組主要用於進行訪問者路徑分析。也就是Google Analytics的訪問者流報告，和導航摘要報告中。通過訪問者在各內容組間的路徑來驗證網站邏輯和不同產品間的設計是否合理。

最後介紹的質與量的分析方法。質與量與細分一樣，也始終貫穿於Google Analytics的各個報告中。

在流量來源報告中，訪問次數是一個量的標，跳出率是一個質的指標。通過這兩個指標可以有效的衡量不同渠道流量與網站內容的匹配度。

在內容報告中，瀏覽量是一個量的指標，退出百分比是一個質的指標，通過這兩個指標可以衡量頁面的質量。

什麼是網站的量？通常來說，量是一個絕對值，用來衡量事物的多少。例如，網站來了多少人，訪問了多少次，看了多少個頁面，產生了多少訂單等等。這些絕對值數據都可以歸為網站的量指標。但也並不絕對。

什麼是網站的質？通常來說，質是一個比率。用來衡量效果。例如：跳出率，轉化率，平均停留時間，每次訪問瀏覽頁面數，平均訂單價值等等。這些比率都可以歸為網站的質指標。

質與量在網站分析中的應用比較廣泛，任何的流量，網站頁面及訪問者行為都可以通過質與量兩個維度進行有效的分析。例如，進入次數與跳出率，頁面瀏覽量與關鍵行為點擊率，等等等等。

以上是小編為大家分享的關於網站常用的數據分析方法介紹的相關內容，更多信息可以關注環球青藤分享更多干貨

⑨ 怎樣分析網站數據

分析網站數據，需要藉助網站分析工具，免費的有GA，但是這個需要有專業的知識，付費系統和工具也比較多，我們正在用的就是99click旗下的siteflow系統，按流量收費，價格也合理，有專門的客戶服務，你可以試試。