专栏名称: MarTechCareer

MarTechApe——来自纽约、专注MarTech领域的知识分享|技能学习|求职服务。我们提供垂直领域内最前沿的知识技能培训，建立Marketing Technology的学习社区，陪你一起终身学习！

网站用户行为怎么分析？举2个简单的例子！

MarTechCareer · 公众号 · · 2023-09-22 02:43

正文

数据就像一种带有语法的语言，正确地使用它可以发现很多有用的结论，并且有助于改善产品和商业战略。在网站用户行为分析中，我们该如何利用数据更好地了解消费者呢？

在今天的这篇文章里，我们将举几个通俗易懂的小例子，来帮助你了解最简单的网站用户行为分析可以怎么做！

1. 跳出率 (Bounce Rate) 和退出率 (Exit Rate)

“退出率” (Exit Rate) 是指该网页是会话中“最后一页”的浏览占该网页总浏览量的百分比。

“跳出率” (Bounce Rate) 是指该网页是会话中“唯一网页”的会话占由该网页开始的所有会话的百分比。网页跳出率 (Bounce Rate) 的计算依据只能是由该网页开始的会话。

高“跳出率”可能与用户期待与满意度有关。 当你以为点击某个页面后能看到夏日甜品，然而看到的却是冬日火锅时，你当然会毫不犹豫地关闭页面。这就意味着你的跳出是因为你的期待没有被满足。当然现实大多情况不会如此夸张，通常高跳出率会与网站的UI设计、内容与广告的不符、或是技术故障有关。
而高“退出率”则说明网站的漏斗 (funnel) 设置存在问题。 也就是用户并没有像你所希望的那样进入下一个页面或者产生下一个行为，而是将整个网站历程结束在了这一页面。这个发现对网站优化非常有意义，因为你就可以着手去优化漏斗，推动你的用户进入漏斗的下一步，从而实现转化。

那么，当我们的网页的“跳出率”或者“退出率”过高时，我们可以如何着手改进呢？

建议1 ：通过各种方法对着陆页进行优化，例如使用户界面更加友好、在需要的地方使用图标、修改颜色、使用动态定价等等。

建议2 ：针对漏斗优化，可以重新设计个性化的邮件。个性化带来忠诚度，进而可以提高转化率和留存率。

建议3 ：当消费者跳出超过阈值次数或试图离开页面时，可以弹出提供个性化折扣的优惠券。

2. 回访者 ≠ 回头客：留存的用户不转化怎么办？

上图的红色线和绿色线都代表的是网站的用户活跃度，只不过 红色线代表的是没有购买行为的用户人数 ，而 绿色线表示的是发生了购买行为的用户人数 。

很容易看出，从2月开始消费者总体活跃度较高，5月之后呈下降趋势。随着黑色星期五（11月）的临近，高参与度再次出现。

然而，在用户活跃度高的节假日里，转化率并没有成比例地变高，可以看到绿线的峰值远远低于红线的峰值。这是为什么呢？继续看下去！

我们从下图可以看出， 蓝色的线表示的是回访者（returning visitors） ， 红色线表示的是第一次访问者 。当上图和下图放在一起对比时，我们不难发现，虽然这家网站的大多数访客是回访者，但是收入的贡献却主要来自第一次访问的用户。也就是说， 这个网站的回访者并不是真正的“回头客”， 因为他们并没有花钱。而网站的收入主要来自新用户。

那这意味着什么呢？

首先，这家网站的忠诚度策略做得比较好，用户的留存相对较高 ，网站上应该有比较吸引用户的内容或者免费功能，用户乐意使用网站。

同时，这家网站的 节假日营销 应该做得不错，老用户们被成功地吸引到了网站上。

但是，转化率明显偏低，这说明很多人在浏览产品但却没有采取措施进行购买。 那么也许是网站的付 费流程太过于复杂 ，导致用户在购买前发生流失。那么这里就可以结合一下购买页面的退出率，或是用户行为流程的页面流失率分析，来验证这一假设。

另一种可能，转化率低下也可能是 站外广告与站内产品描述不符 ，导致用户虽然被吸引到了网站上来，但是在仔细阅读产品介绍后发现不是自己想要的，也可能标价与广告中声称的不相符，因此没有发生购买行为。这也是可以通过页面分析和用户行为分析来加以验证的。

以上是两个非常简单的小例子，轻松快捷地从分析中产生一些推测与建议。这两个小例子只是抛砖引玉，在网站用户行为分析中还有很多有意思的洞察，关于电商领域的分析还涉及非常多方面的专业内容，如果你想 具体学习关于电商分析的各项工作内容、商业模型、分析框架、指标衡量手段，以及如何准备电商分析岗位求职 ，就来报名这门由MarTechApe携手美国互联网零售电商公司Moda Operandi的高级数据分析经理，开设的 《从0到1： 手把手入门电商数据分析》 课程，带你掌握电商数据分析的必备技能与行业知识！

课程大纲

第一讲电商中的数据分析E-commerce Analytics

Data-Informed vs Data-Driven 我们应该数据启示还是数据驱动？
Product Surface Analysis 表层电商分析
Product Analytics Frameworks 电商分析框架
Business Model Flipbook 电商商业模型
Product Type 科技驱动的“产品”类型
Product Growth Stage 电商增长阶段
Case Study 案例分析

第二讲电商数据分析平台与商业模式 E-commerce Foundation

UTM/ Traffic Tracking/ Web Analytics Tool UTM/流量追踪/网页分析工具
Clickstream Event Tracking Tool 数字用户行为分析/点击流事件追踪工具
Product Intelligence Tool 产品智能分析工具
BI Self-Service Platform 商务智能自助平台
Product Analytics Common Stack 产品分析栈
Typical Product Analytics Questions 电商数据分析回答的经典问题
E-commerce Mode 有哪些电商模式？

L3-4

第三与第四讲电商关注的关键指标 E-commerce KPI

Product Lifecycle 产品生命周期
KPI by User Acquisition Channel 用户获取渠道关键指标
KPI by Product Funnel Engagement 产品转化漏斗关键指标
KPI by Product Retention 产品留存的关键指标
Offline KPIs 电商关注的线下关键指标
KPI Best Practices 如何最好地设置关键指标？
The Discipline of One Metric That Matters “唯一重要指标”原则
Traditional E-commerce VS Subscription E-commerce 传统电商与订阅制电商在关键指标上的选择

第五讲产品测试与高阶数据分析 Product Testing & Advanced Analytics

A/B Test: Best Practice & Painful Learnings A/B测试的最佳做法与教训
Cluster Analysis 电商中的聚类分析
Cohort analysis 电商中的群组分析
Retention 电商关注的挑战：用户留存
Customer Lifetime Value 如何提高电商平台的用户终身价值？
Case Study 案例研究

第六讲 Product Analytics Miscellaneous 电商分析——除了数据，你还需要知道

How To Work With PMs 如何与产品经理协作
How To Sizing Product Initiatives 如何规划产品创新？
How To Evaluate Financial Lift From Product & Planning 如何从产品与规划中评估财务提升？
Marketing Analysis within Product 在产品部门中的营销分析
Lower Hanging Fruit vs Roadmap 容易实现的目标与路线图

第七讲开启你的电商数据分析事业！Start Your Career In E-commerce

网站用户行为怎么分析？举2个简单的例子！

正文

请到「今天看啥」查看全文