分析网站用户行为方法_百度文库
两大类热门资源免费畅读
续费一年阅读会员，立省24元！
分析网站用户行为方法
上传于||暂无简介
阅读已结束，如果下载本文需要使用
想免费下载本文？
下载文档到电脑，查找使用更方便
还剩8页未读，继续阅读
你可能喜欢数据分析中，你认为用户行为分析最重要的3个点是什么？
比如用谷歌流量统计分析用户行为，你认为哪三个点最重要？比如跳出率，新旧用户访问比率， 用户互访频率等
按投票排序
用户行为分析中没有所谓最重要的几个点而是根据你数据分析的目的，通过设计好的数据统计项跟踪用户行为，了解用户对你产品的体验细节情况，譬如是否造成流失啊，付费啊。。
在用户行为分析中，我最关心的3件事是：
1、用户从哪里来
2、用户的访问的访问路径
3、是否完成了他想做的事情（最好是他遇到了困难，然后找出问题。）
不能笼统的说哪三点最重要，只能依旧分析用于什么目的，解决什么问题。而这个问题基于哪几个最重要的因素才是你需要关注的点。例如某网站想要推广用户，我觉得重要的三点，用户来源，用户停留页面，用户去向。知道哪些是用户关心和关注的内容，在用户来源去向这些更集中的地方投入广告等。当然，更细致的群体分析等等依然要考虑。重点的只能看出一个趋势，真正要从分析解决问题就是一个整体系统的分析工作了。
不指定具体场景，具体目的，这儿的三个点没法说。因为不同部门，不同站点关心的问题不一样，有的会偏重用户体验，有的是是偏重营销转化。
忠诚度，参与度，以及目标完成度PV和UV已经成为古老的数据分析指标，不在适用现在的网站用户行为分析，PV和UV，在现今的SNS，Microblog，social meida，电商等，不能作为一个可靠的指标靠GA统计到这三个数据，还是需要花费些功夫，但是还是可以统计到
我理解你的“点”，是指指标，KPI1、不同的网站因为商业目的不同，KPI会有所侧重如果你是内容型网站，跳出率肯定是不错的KPI；如果是视频网站，在线时长肯定是更好的KPI，；如果是购物网站，电商的转化率会是更好的KPI；同时，新客户和老客户的比例变化也是个不错的KPI，体现你网站客户的忠诚度或是获取新用户的能力。2、最终体现你价值的，还需要定制化KPI但是如果你是个社交网站，什么样的指标合适，如果你是个拍卖网站，什么样的指标合适？这就涉及到一些定制的转化率指标。顺便提及：网站中的每个行为最好都埋点，以便分析3、在不同的阶段，指标都不一样网站刚上线，肯定是流量，PV，跳出率网站运营中期，肯定是新注册，转化率，跳出率，电商网站还会考虑客单价，重复购买率网站某次市场活动，肯定是新访客比例，跳出率，新访客的注册转化率，目标达到率等。不一定是你说的3个点，只是这样比例，欢迎交流。
先回答题主的问题，我认为用户行为分析最重要的三点：黏性，活跃，产出。黏性是用户在一段时间内持续访问和使用网站的情况，更强调一种持续的状态，这里包括：访问频率和访问间隔时间，活跃用户指每次访问的过程，考察用户访问的参与度，所以对统计期内的每次访问取了平均值，选择平均访问时长和平均访问页数来衡量活跃，黏性和活跃产生的价值可能是显性的，可能是隐性的，如品牌或者口碑，但产出直接根据网站的业务衡量用户创造的价值输出，如电子商务网站可以选择订单数和“客单价”，一个衡量产出的频率，一个衡量平均产出值的大小。当然，不同的网站对用户行为的需求是不一样的，这里仅对电商网站的用户行为做一个分析。在这里，用户行为可以用着三个指标：最近一次消费（Requency）消费频率（Frequency）消费金额（Monetary）在网站分析中电子商务网站可以直接套用，其他网站也可以基于RFM模型进行修改后使用。最近一次消费取出来的是时间点，与当前的时间间隔；消费频率可以直接对每位用户的消费次数进行计数得到；消费金额这里取的是每位用户的消费总额，通过相加进行得到，计算每个指标的均值，每个客户的均值与三个指标进行比较，可以将客户分为8类；用坐标表示如图：X轴代表：Requency，Y轴代表Frequency，Z轴代表Monetary现在的电子商务网站分析的数据中，也可以捕捉到用户浏览的访问数据，这样就可以发现潜在用户。基于用户行为指标的用户分布：Google Analytics可以对新老用户占比，访问频率和占比，访问深度和时长进行分析和展现，如下图频率的分布展现：用于展现用户分布情况的图表有很多，用饼图可以显示每个数据所占的比例，可以用于新老用户的展现，直方图用于展现所占的比例，柱形图展示数量，折线图用于来访频率分布等，这里主要是一些工具的使用，这里去参考：同时如果不用Google Analytics 可以用：，clickheat （）这些工具一个共同的特点可以分析出以下几个方面，对于其他非电商类网站，可以参考以下几个方面。记录那些点击信息，包括没有与网站产生交互的信息可直接生成链接的百分比，点击分布图和热力图，可统计用户的悬停，将用户潜在行为可视化其他：注册项，转化项等除了这些还有一些不同的指标如跳出率，二跳率等，这些不能全混在一起分析的，代表着不同的用户。不同的行为代表着不同的用户，细分成不同的步骤针对每一部分用户进行分析结果会更加准确。因为本身用户就分为新老用户，活跃用户和流失用户的，很多时候，我们以为的用户是这样：可实际上，用户是这样的:细分举例：12个月份的销售总表：这是对其他问题的分析：同样是一个趋势图，下图由于对组成比进行了细分，更具有参考性。同样是一个趋势图，下图由于对组成比进行了细分，更具有参考性。在Google analysis可以进行用户细分，具体要自己探索。用户行为轨迹认知-------&网站访问--------&IP、PV、人均页面访问量、访问来源熟悉-------&网站浏览、网站搜索---------&平均停留时长、跳出率、页面偏好、搜索访问次数占比试用-------&用户注册--------&注册用户数、注册转化率使用-------&用户登录、用户订购---------&登录用户数、人均登录、访问登录比、订购量、订购频次、内容、转化率忠诚-------&用户粘度、用户流失---------&回访者比率、访问深度、用户流失数、流失率对不同的用户关注的点要不同，所以要分析的点也不同，当然前提还是你的用户应该足够多，基于大数据才是最主要的。有了以上的用户行为数据，那么我们应该怎么分析呢？其实从这些图中我们是可以看出一些端倪的，用户分析能力还是需要慢慢去培养。分析的结果要能有效的指导行动， 才能对网站的规划和设计，提供最有效的设计。具体网站怎么应用，那就要见仁见智，各抒己见了。参考： MBA智库百科RFM模型以上部分图是自己画的，如果有不对的地方欢迎指正。前两本参考书非常不错，除了这一部分，还包括：网站流量分析：网站分析方法网站内容效率分析网站用户分析网站目标与KPI 路径与转化分析网站分析高级应用虽然本篇讲的是网站用户行为分析，但我只是摘录了其中一些加上自己的工作的一些思考，还不是能很好的结合，这篇还是偏理论，记忆最深的还是用CNZZ热力图细分用户确实可以分析出不同的结论。推荐这两本书是因为用户行为和别的网站自身也存在莫大的关系，以上这些东西要结合其他的一块来看才能得出更好的结果。完。
第一重要的是群体细分，细分之后的用户行为数据对行动更具有指导意义，具体按什么纬度来细分根据你分析的目的不同而不同。然后是目标设定，你的产品希望用户完成的是些什么样的动作，从不同人群在完成你设定目标的不同表现已经可以达到用户分析的主要目的。最后才是各种指标的合理搭配使用。单看跳出率，单看访问深度或访问时间能发现的问题原因有限，到底还是要根据分析的目标来合理选择和搭配指标。
用户从哪里来：来源分析
做了什么：路径分析，着陆页，离开页，热点，转化，访问深度
用户是什么样的：属性，地域
访问深度平均访问页数跳出率
从哪里来，什么节点跳出，点击路线是什么
保安大哥没给你们上过课吧？1.你从哪里来？2.要到哪里去？3.来做什么的？
根据你的商业目标来。如果是为了优化产品，提升使用转化率，那么有一些固定的分析模式，行为入口、操作过程、与使用特征相关的用户属性是比较重要的自变量。当然，因变量是行为结果的成功与否。如果是电商为了提高利润，那么可入手的方面就比较多，服务优化、产品优化、供应链优化等都可能有机会，我个人经验觉得供应链优化比较靠谱，从用户的原始期望入手，效果持久且可提升空间大，这里包括了给用户提供什么产品的推荐优化以及供应链本身的成本控制。如果是更复杂一点的，例如sns如何提高用户的贡献、活跃度，这种课题我就没经验了，这涉及到人类交往的大行为分析，个人觉得仅仅是网站数据的建模是极度不靠铺的，至少只能找到三流的解决方案来解决一些皮毛问题。必须解决社会学和心理学，甚至部分实验经济学的建模思想和分析方法。
PV,独立用户访问数,转化率这三点
who：他是谁？what：他想要什么？how：他怎么找到他想要的东西的/或者失望离开？
访问深度转化率返回率
请认真阅读Avinash Kaushik老师的博客及出版的Web Analytics与Web Analytics2.0教程。不太理解提问者所处的行业和网站类型，但个人理解，如下三个战略层面的指标最具有普适意义：1.流量的来源。2.流量的获取成本。3.各渠道流量的产出。其他的指标，跳出率、退出率、回访比例、停留时间等等点击流数据，也很重要，但仅仅是战术层面的重要，而绝非战略层面的重要。综上，抽象出来其实就是要分析出下列问题的答案：用户躲在哪里？让用户过来玩需要花多少钱？用户过来了会给我带来多少产出？请参考。谢谢
根据产品形态划分以下几种：·社区产品
注册用户数
日/月均活跃
用户停留时间
跳出率·游戏产品
日活跃（DAU）
月活跃（MAU）
日活跃/月活跃（DAU/MAU） 比值越大表示游戏粘度越高，一般不能低于0.2·电商产品
重复购买率
详细可参考我的一篇博文：，
跳出率：第一感觉。是否感兴趣在线时长：真的感兴趣吗？是否尝试与使用留存率：长期追踪。是否真正留下来
用户行为分析，应该是要立足于分析目的是什么，同时，不同环境下的用户行为分析的指标是不一样的哦～互联网用户的行为分析与实体店铺的用户行为分析，虽有共点，但区别还是大大滴有～使用Flurry来统计和分析用户行为 - 其它数据库 - 编程入门网
使用Flurry来统计和分析用户行为
Flurry是一家专门为移动应用提供数据统计和分析的公司。他们的数据统计分 析SDK支持的平台包括iPhone, iPad, Android, Windows Phone, Java ME和 BlackBerry。使用Flurry服务的公司包括eBay、Yahoo、Hulu和Skype等超过11万 家公司，涉及的应用超过36万个。
利用Flurry提供的分析平台，我们可以很容易地自动统计出应用的使用情况， 例如：
每天（每周或每月）登录用户数，应用使用次数
每天（每周或每月）新用户数，活跃用户数
用户的所在地、年龄、性别的分布情况
Flurry也可以自动统计出移动设备的分类情况，例如：
使用3G，Wifi的会话比例
使用iOS系统各版本(例如iOS6.0, iOS7.0等)的比例
使用iOS各种设备（例如iPhone4, iPhone5等)的比例
除了上面介绍的自动统计项目，Flurry SDK也提供了统计用的相关API，便于 我们针对自己产品的特点，做针对性的统计。例如统计应用中某个按钮的按下次 数，或者网络请求的平均响应时间等。
Flurry的基本使用
注册和下载对应SDK
使用Flurry前，需要先到官方网站/注册账号。然后登 录到Flurry后台，依次选择 &Applications& -& &Add a New Application& ，增加一个需要统计分析的应用。如下图所示：大数据时代的统计工具：从网站统计到用户行为库
嗯，惯例的吐槽文。因为天朝的备案和内容监管政策，现在个人网站是越来越少了，但统计工具的不作为还是让人很悲伤。
其实这本来应该是一个很好的时代。存储价格降到冰点，云计算支撑弹性扩展。做统计系统不再像以前要无数台服务器，只需要用点心就好了。但是我依然没有看到出色的统计系统，其实在大数据时代，统计系统可以是这样的：
全量数据，所有而非特征 用户导向，行为而非数字
在古代，因为各种原因，访问数据是一种不可承受之重，所以我们只存储最新的，然后按天、按月统计出特征数据后，就删掉了。
现在不同了，我们可以都存下来。这意味着，当我们之前的统计规则变动的时候，我们可以重新遍历数据来生成报表，从而支撑各种可能的业务决策分析。
举一个例子好了。比如之前我们都没有统计过收费用户的地理信息，如果是统计系统，那就只能修改后等新的访问了；而如果是全量数据，重新过滤一遍数据就出来了。这在业务决策上的作用显而易见。
很多同学看到数字都犯晕的，其实我也是。但是如果把数据都关联到用户身上就不同了。一方面我们的大脑就比较擅长处理这种东西，另一方面，我们要做的决策其实也往往是和用户自己相关的。
然而，我没有看到以用户为中心的统计系统。我查不到一个用户什么时候注册了我们的产品，什么时候开启，什么时候关闭。查不到那个支付失败了5次的用户用的设备，更不用说一个用户的产品生命期了。
我们的系统里边有一切数据，但就是没有以用户为中心组织起来。只是因为设计这个系统的人认为，用户不重要。
以往的统计系统，只会做自己份内的事&&统计通用信息；而不会去做最重要的事情&&分析业务数据并提出改进建议。但没做的，恰恰是价值最大的，其实处理业务数据并不复杂，只需要提供一些函数和插件就可以，很多移动统计系统已经开始这么做了，但它们很多都忘了将Web端的数据也绑定到同一个用户上，可能不是很容易，但想点办法是能做的。
这就是为什么我总有一种去改Piwik的冲动&&
文章来源：方糖气球（/2013/09/big-data-age-from-statistics-to-recorder/）
注：相关网站建设技巧阅读请移步到频道。
看过本文的人还看过
最新图文推荐
最新专栏文章
大家感兴趣的内容
&&<a rel="nofollow" class="red" href="" target="_blank" color="red新版网站排行榜
===全新上线===
网友热评的文章