google analysis教程

sklearn实战-乳腺癌细胞数据挖掘

https://study.163.com/course/introduction.htm?courseId=1005269003&utm_campaign=commission&utm_source=cp-400000000398149&utm_medium=share

商业机构想知道：

访问者是如何找到我的网站

我网站是否包含有效内容

这是怎么影响我的底线的

搜索引擎优化报告

找到重要流量，优化搜索

跳出率报告

获取访问者对网站感兴趣地方，访问者来和去的网页

转换：

访问地点，持续时间，访问页数，事件

看报告

尝试改变网站增加转换率

Google analysis资源

新用户

是在选定日期范围内的首次访问用户数

会话数

是选定日期范围内的会话总数。 会话是指用户主动与您的网站和应用等进行互动的一段时间。所有使用数据（屏幕浏览量、事件、电子商务等）都会与某次会话相关联。

跳出率

https://support.google.com/analytics/answer/1009409?hl=zh-Hans

“跳出”是指您网站上的单页会话。在 Google Analytics（分析）中，“跳出”特指仅触发了一次对 Google Analytics（分析）服务器的请求的会话。例如，用户打开了您网站上的一个网页，然后就退出了网站，并且这次会话没有触发对 Google Analytics（分析）服务器的任何其他请求。

跳出率是指单页会话次数在所有会话次数中所占的比例，也就是用户在您网站上仅查看一个网页并仅触发一次对 Google Analytics（分析）服务器的请求的所有会话次数所占的百分比。

这些单页会话的会话时长为 0 秒，这是因为在发送首次匹配后，不再有后续的匹配，导致 Google Analytics（分析）无法计算这类会话的时长。详细了解会话时长的计算方法。

高跳出率不是件好事？

这需要视情况而定。

如果您网站的成功取决于用户是否查看多个网页，那么高跳出率就不是一件好事。例如，如果您的首页是通往您网站的其他部分（例如新闻报道、产品页、结帐流程）的入口，而大部分用户仅查看您的首页，那么您一定不希望跳出率处于较高的水平。

另一方面，如果您拥有类似博客那样的单页网站，或提供预计会产生单页会话的其他类型的内容，则高跳出率完全属于正常现象。

降低跳出率

从不同的角度查看您的跳出率。例如：

• “受众群体概览”报告可提供您网站的总跳出率。
• “渠道”报告可提供每个渠道分组的跳出率。
• “所有流量”报告可提供每个来源/媒介对的跳出率。
• “所有页面”报告可提供各个网页的跳出率。

如果您的总跳出率较高，则可以深入分析这是属于普遍现象，还是由于一两个渠道、来源/媒介对或少数几个网页造成的。

例如，如果问题只出在少数几个网页上，则检查这些网页的内容是否很好地契合您为吸引用户访问这些网页而采取的营销手段，以及这些网页是否为用户提供了简单方便的途径来执行您所希望的后续操作步骤。

如果某个特定渠道的跳出率较高，应考察您针对该渠道所采取的营销手段：例如，如果通过展示广告来访的用户频繁跳出，应确保您的广告与您网站的内容密切相关。

如果问题涉及的范围较广，则应审查您的跟踪代码实现，确保对所有必要的页面都正确添加了相关的代码。不妨重新评估一下您网站的总体设计，检查语言、图形、颜色、号召性用语以及重要页面元素的展示情况。

您可以通过优化来测试网页的不同版本，了解哪种设计更能吸引用户与之互动。

如果您拥有的是单页网站，请了解非互动事件，您可以实现这类事件来更好地吸引用户与您的网站互动，并确定未发生跳出的单页会话。

organic search

自然搜索，与他对应的是sponsored search(赞助搜索)。自然搜索都是根据搜索引擎专有的排名算法来得出的。当用户键入关键字并开始搜索出现的结果被称为搜索引擎结果页面。出现在页面左侧的那一列就被称为自然搜索，右侧那个则被称为赞助搜索。

1. Direct 直接流量：用户直接点击网址来到网站（跟踪代码抓不到来源）就是直接流量，例如手动在浏览器地址栏输入网址，点击收藏夹中的链接，点击IM工具中的网址等。

2. Organic 自然流量：用户通过搜索引擎来到网站。这边的自然流量同时包含SEO和SEM的流量，也就是说，从点击任意的搜索结果（其中既包含了搜索引擎爬虫抓取到的自然排名地址，又包含了通过竞价推广而显示的赞助商链接）。统计代码是通过登陆页的上级页面的url来判断的，即url中的域名必须来自搜索引擎的域名，同时又包含搜索词的参数，例如你在百度搜索一个关键词，这个参数就是wd。一般常用的这些参数搜索工具都会自动识别，流量也就可以区分出来。

3. Referral 引荐流量：用户通过第三方站点来到网站的话就会被归属为引荐流量，例如一般的导航网址，或者hao123或者 神奇的网站之类，登陆页的上级页面是第三方站点同时又不属于搜索结果的话就会被归属于这一类。

针对这个问题来说，一般SNS网站的流量都是属于第三方站点带去流量的，属于Referral引荐流量（推荐流量），说明Pinterest本身用户基数够大，同时活跃度很高的话，在上面分享的网址被点击得多，带去的推荐流量自然就高了。

http://blog.sina.com.cn/s/blog_4de7b2230101lj5y.html

例如从GA使用文档和WAA文档里可以找到如下一些名词解释：

→New Visitor：The number of Unique Visitors with activity including a first-ever Visit to a site during a reporting period.

→Return(ing) Visitor：The number of Unique Visitors with activity consisting of a Visit to a site during a reporting period and where the Unique Visitor also Visited the site prior to the reporting period.

→Repeat Visitor: The number of Unique Visitors with activity consisting of two or more Visits to a site during a reporting period.

→Unique Visitors：The number of inferred individual people (filtered for spiders and robots), within a designated reporting timeframe, with activity consisting of one or more visits to a site. Each individual is counted only once in the unique visitor measure for the reporting period.

新访问者还好理解，就是指第一次来到网站的访问者。再访者和回访者就比较不好区分，而且在Google Analytics上好像把这两个并成了一个”Returning Visitor”。

下面是Google Analytics的界面：

New Visitor & Return(ing) Visitor:

Unique Visitors:

下面我们再来看一下访问者的忠诚度，Google Analytics对忠诚度用了以下四个画面进行分析：

1. Visitor Loyalty: Loyal visitors are usually highly engaged with your brand and a high number of multiple visits indicates good customer and visitor retention. A high number of new visitors (i.e. those at the top of the table) indicates strong visitor recruitment. On this histogram, your most loyal visitors are shown on the bottom and your new and least loyal visitors are shown at the top.

2. Visitor Recency: The frequency with which visitors return to your site can indicate their level of engagement with your brand and their readiness to buy. On this histogram, visitors are categorized according to the number of days that have elapsed since their last visit. For example, new visitors are included in the “0″ bar at the top of the chart. Visitors who last visited the site more than one year ago are included in the 365 bar.

3. Length of Visit: Length of visit is a measure of visit quality. A large number of lengthy visits suggests that visitors interact more extensively with your site. The graph allows you to visualize the entire distribution of visits instead of simply the Average Time on Site across all visits. Keep in mind that Average Time on Site is skewed by visitors leaving browser windows open when they are not actually viewing or using your site. You can see whether a few visits are skewing your Average Time on Site upward or whether most visits to your site have a high average time.

4. Depth of visit: Depth of visit is a measure of visit quality. A large number of high pageviews per visit suggests that visitors interact extensively with your site. The graph allows you to visualize the entire distribution of visits instead of simply displaying the average pageviews per visit. You can see whether a few visits are skewing your average pageviews per visit upward or whether most visits to your site result in a high number of pages being viewed.

可以看到，这些解释过于注重准确性和专业性，非常抽象，如果是在没有人指导的情况下对于入门者来说很难理解。而且由于在不同的工具中一些术语的名称和解释也不近相同，更加大了学习的难度。如何才能克服这个困难呢？我的一个偶然发现说不定也会给您一些启发呢？

豁然开朗

时间一天一天过去，我感觉自己只是在浮光掠影的学习Web Analytics，并没有深入理解概念和报告，所以对是否继续研究有些犹豫。我无聊的站在超市中，看着来来往往的顾客，他们有的拿着超市的广告宣传单直奔特惠商品区；有的推着满满一车会员特价商品耐心等候结账；有的仿佛第一次来超市，还没有走到第一个货柜就摇头离去，似乎这里琳琅满目的商品并没有吸引到他。刹那间我恍然大悟，原来超市和网站有很多类似的地方，用它俩来进行对比的话，应该可以让我更好的去理解Web Analytics。下面就献出我的拙见，简单类比一下。

• 行为流程类比

1. 吸引顾客

超市：顾客是如何知道并访问这家超市的呢？渠道有很多，例如：直接来购物的老顾客，看到广告后来的，听朋友介绍的，偶然路过的。我们在做超市营销分析的时候需要掌握各种渠道的顾客流入量和成交金额，并据此调整营销策略。

网站：访问者是如何知道并访问网站的呢？可以通过点击广告，在搜索引擎上进行关键字搜索，直接在地址栏输入url，或者点击其它网站上的友情连接。通过对访客的访问来源进行分析不但可以掌握促销活动/广告和SEO的投资回报率，还可以用来挖掘客户的潜在需求。

2. 导游顾客

超市：专业名称是卖场动线设计，意指人在室内室外移动的点，连合起来就成为动线。我们的动线设计有时更特别加强迂回，以便消费者能多看到各个销售点。

网站：称为导航设计。导航的出现是因为在一个页面中无法同时展现那么多的内容，是无奈之举，并非必需品。因为内容所以导航，千万不可以“先设计导航、然后才冥想内容”。通过上一章可以知道Web Analytics能够帮助我们了解导航设计是否合理。

3. 构成要素

超市：超市主要是由货柜构成，通过对货柜进行合理分类就形成了各类购物区。购物区之间，货柜之间的相乘效果(Synergy)是货柜陈列时的一个重要考虑因素。

网站：网站是由页面构成，从某种角度上说，网站上的页面就相当于超市中的货柜。一个好的网站不仅要做的好看，吸引访问者的眼球，而且还要考虑到页面 的呼应关系，分类关系，功能配合，让访问者不仅在一个页面停留时感到赏心悦目，还要让他在整个访问过程中有一种畅通无阻的感觉。

4. 转化顾客

超市：超市不仅仅是销售商品，还可能有招聘，招商等目的。所以要将这些目标细分好，有针对性的去制定好战略计划，提高顾客转化率。

网站：网站也同样，先将这些目标细分，然后根据访问者各自的需求，有意的去引导用户实现每一次访问的目的，从而提高网站的成果。

5. 用户体验

超市：俗话说:“顾客就是上帝”。在商品饱和，差别化越来越小的今天，如何以顾客为中心，设身处地为顾客着想，来提高顾客的满意度，已经成为重要的 研究课题之一。例如，超市引进各种支付方式：现金、银行卡、分期付款等，来满足不同顾客的支付需求。还开设各种服务专区，如快速购物通道，无购物通道，儿 童托管区等，这些特色服务不仅是为了方便顾客购物而设立的，同时让顾客从心理上得到了满足。

网站：网站也类似，为了确保顾客能安心购买，放心支付，各家网站也在不断研究、创新出多种支付方式供顾客选择。如：支付宝、paypal等。有些网 站还从其他方面来提高用户体验，如：从感官上呈现给用户视听上的体验，强调舒适性。交互上呈现给用户操作上的体验，强调易用性。情感上呈现给用户心理上的 体验，强调友好性。浏览上呈现给用户浏览的体验，强调吸引性等。

• 分析角度类比

1.时间

超市：时间是事物的重要组成因素，指标的计算离不开时间，我们做的各种报表也都是以时间为基础的。例如：周报、月报、年报等。

网站：Web分析工具提供了很多以时间为分析轴的报告，例如：趋势图，对比图等等。

2. 访问者

超市：超市对顾客的个人信息可以通过某种手段收集上来，例如办理会员卡，这样就可以对会员进行详细分析，对非会员的消费行为只能作概括分析，而对那些没有购买行为的顾客的行为分析就比较困难一些。

网站：网站在这方面比较有优势，既可以利用注册会员的数据进行访问者的人口学分析，还可以通过Cookie或Flash Shared Object技术对非会员的行为进行记录和分析。网站还可以收集到访问者的其他一些相关信息，如国家，地区，浏览器类型，OS，屏幕分辨率等。

• 数值类比

1. 滞留时间

超市：顾客的滞留时间对超市的销售额有很重要的影响作用，一般来说滞留时间越长，顾客就越有可能多买东西。

网站：访问者在网站上的滞留时间长不一定是好事，既有可能是网站比较吸引人，也有可能是网站设计不合理，访客很难找到想要的东西。所以还要对滞留时间长的访客作进一步细分。

2. 弹出率

超市：有些顾客一进入超市便转头离开，没有浏览商品，没有询价，也没有购买任何东西。如果这样的顾客大量增加的话，我们就要调查他们离开的原因是什么。

网站：访问者进入网站后，没有发生继续浏览其它网页的行为而直接退出叫弹出。进入页的弹出率高，有可能是因为进入页设计的不好，访问者不想再继续浏 览下去，也有可能说明访问者在进入页就可以找到所需要的信息，所以单纯看弹出率的高低并不能产生改善方针，应结合其它指标一起分析，才能发现真正的原因。

3. 新访问者

超市：超市会统计在一段时间内新增会员数是多少。这个指标很关键，它可以反映超市在这段时间内市场拓展做的如何，招揽新顾客的能力是否下降。

网站：新访问者也是衡量网站的重要指标之一，是指在一段时间内，网站初次来访的访问者。对比这个指标和Return Visitor或Repeat Visitor的数据可以对购买力，忠诚度等作出初步判断。

4. A/B测试

超市：超市会在两个货架摆放相同种类的商品，只是货架的款式和商品的摆放布局不同，然后，根据销售情况了解哪个货架摆放更合理。
网站：网站的A/B测试是针对不同网页版本的测试，以改善网页的可用性和用户体验。

• 技术类比

超市：如何去判断哪些消费是来自同一位顾客呢？一般都是采用办理会员卡的方式。当顾客结账时使用会员卡，那么超市就可以计算出该会员累计消费情况。

网站：网站一般通过cookie或Flash Shared
Object技术来判断哪些访问是来自于同一位用户。如果cookie中的ID相同则是同一个用户，否则，便是不同用户的访问。

看了上面的这些简单类比，是不是觉得Web
Analytics容易理解了？随着学习的不断深入，我发现可以对比理解的地方越来越多。第一，由于网站和超市在内部结构，外部环境方面很相似，所以对分
析对象的理解有一定帮助。不过随着Internet的快速发展，一些SNS，游戏网站的出现给Web
Analytics带来了挑战和机遇。第二，网站和超市的分析理论可以互相借鉴，因为它们都是以营销理论为基础的。第三，超市的经营管理实践相对比较成
熟，对网站分析来讲有一定的借鉴意义。

大家在学习和实践Web Analytics时如果遇到困难，可以联想一下超市，说不定会产生新的灵感。

python风控评分卡建模和风控常识

https://study.163.com/course/introduction.htm?courseId=1005214003&utm_campaign=commission&utm_source=cp-400000000398149&utm_medium=share