10 오해 및 웹사이트 분석 (III)의 대체

중간 거래 SEO 진단 Taobao 게스트 클라우드 호스트 기술 홀

Guide】

웹 분석은 아직 새로운 그녀의 우리의 이해에 편견의 다양 한 있을 수 있습니다. 이 문서 내 작품에 표현 하는 다양 한 이해의 오해가의 사이트 분석에 쉽게 발견. 이것은 부분 2, 그리고이 부분은 좀 더 상세한 지역으로 갈 것입니다. 첫 번째 부분을 참조 하십시오: 웹사이트 분석 10 오해 및 대체 (a) 두 번째 부분 참조 하십시오: 웹사이트 분석 10 오해 및 대체 (2).

Body】

이 시리즈의 마지막 기사는 5 월 1 일, 그리고 지금 8 월 1 일, 시간이 지날수록 그것이 그렇게 빨리는 느낌 이었다.

사실, 처음 두 에피소드에서 상위 10 오해 되었습니다 얘기, 오늘만 대체 항목에 대 한 얘기. 이유는 대체, 라고 그들은 매우 논쟁 적인 지역 이기 때문에, 난 의견, 아직 감히 보 6 월 미소. 하지만 지식, 대안이 이며 토론, 진짜 통찰력 및 진실도 논쟁을 촉발 하 고 싶습니다.

오해 하나를 대체: 웹사이트 분석은 표준 벤치 마크

이것은 곳 곳에 널리 오해. 우리는 종종 반송 률을 토론 하 고 사이트에 시간을 토론, 너무 많은 친구 요청 합니다.

내 웹사이트 반송 률은 60%, OK? 또는 사이트에 평균 시간 5 분, 괜찮아요?

이들은 내가 대답할 수 없는 질문에 실제로 있기 때문에 웹 분석에는 이러한 중요 한 통계에 대 한 소위 표준 벤치 마크입니다. 나만 반송 률은 60%는 최악의 또는 최고의 내가 본, 그리고 사이트에 5 분 동일, 하지만 혼자 격리 된 데이터를 해결할 수 없는 그것을 말할 수 있습니다.

왜 웹사이트 분석 표준 벤치 마크 이유 없는, 웹사이트 이며 웹사이트 차이가 너무 큽니다. 첫째, 사이트의 관객/트래픽 소스, 그리고 둘째, 사이트의 기능은 다른, 다시, 사이트 디자인의 콘텐츠는 다릅니다;

따라서, 웹사이트 분석 하지 않은 표준 벤치 마크! 예를 들어 60% 반송 률 좋다, 60% 이상 좋지 않다 말할 수 없습니다.

지금, 당신은 더 나은 질문을 거 야:

업계, 또는 관객의 동일한 세그먼트 사이트와 매우 일치, 이면 그것은 사이트, pv/v, 방문자 충성도 및 다른 기본적인 지표에 이러한 반송 률, 시간을 비교할 수 있습니까? 예, 시 나 Sohu, 감자와 멋진 6, Jingdong 몰 및 새로운 달걀 그물 그들은 22에 서로 게 이러한 지표를 비교할 수 있습니다?

난, 서로 비교 될 수 있지만 그 다른 사람 들 보다, 즉, 그들의 자신의 사이트 지표 사이트 좋지 않다 생각 하지 않습니다. 시 나의 반송 률은 10%, Sohu는 15%, Yanggo 될 것입니다 미친? 큰 수,이 뜻은 아닙니다 Sohu 시 나 보다 나쁘다. 또는 그 이유로 Sina, Sohu 페이지는 실제로 매우 다른, 그들은 포털, 그리고 그들은 충분히에 무 경쟁, 하지만 그들은 여전히 매우 큰 차이가 있다.

마찬가지로, 나이키 및 아디다스 사이트, 인텔과 AMD 사이트, 그들은 모두 같은 계층 (카테고리), 하지만 그들은 또한 매우 다릅니다. 이러한 통계의 크기 간단 하 게 나타내지 않습니다 하나의 사이트는 좋든 나쁘든 다른 보다.

따라서, 난 항상 주장: 웹 사이트, 좋은 또는 나쁜의 간단한 수의 지표도 같은 범주는 사이트의 품질을 설명할 수 없다.

다음 당신은 물어볼 것입니다.

이후 좋은 소식이 나 나쁜 비교 표시 하지 않습니다, 무슨 비교의 의미는?!

네, 물론 당신이 할! 경쟁 업체의 숫자 값을 알고 분석할 수 있습니다 그것은, 당신이 알고 당신의 가치 자신을 아는 것은 좋지 않다. 이득과 손실 거울으로 소위 사람들이 알 수 있습니다, 그리고이 사이트는 또한 사이.

최고, 제발 생성 하지 않는 또 다른 오해, 즉, 아무 표준 벤치 마크 때문에, 그래서 얼마나 얼마나 많은 상관 없이 가치 아무리 말도 하지 마는 내 사이트 좋은 또는 나쁜, 내가 쉽게 쉴 수 있습니다.

친구가 그렇게 생각 하는 것이 믿습니다. :)

너무 어이 정상 범위를 넘어 귀하의 번호 이면 문제의 좋은 표시 이다. 예를 들어 귀하의 사이트 전반적인 반송 률 위의 80% 또는 90%도, 하는 경우 주의 기울여야 한다. :) 이러한 비정상적인 현상 같은 웹사이트 분석이이 문서를 기억 하는가?

여기는 나의 경험 (참고 이러한 값은 정의 때문에 유효한 Google Analytics 분석 사용, 다른 워싱턴 도구 및 모니터링 방법, 값 크게 다른 수 있습니다), 극단의 일부 이러한 값 보다 더,이 사이트는 더 심각한를 나타낼 수 있습니다 문제 (하지만 하지 절대!))

마지막으로, 다시, 때문에 각 사이트는 고유 하 고 스스로 지표 해석 격리 수 없습니다, 그래서, 표준 벤치 마크의 사이트 분석 존재 하지 않는다.

2을 오해를 대체: 웹사이트 분석을 위한 자동 BI 시스템을 사용 하 여

그것은 웹 분석에 대 한 자동화 된 BI 시스템을 사용 하 여 수? 이것은 매우 영리한 질문, 친구 들이 질문을 앞으로 넣어 매우 수완이 고 문제를 해결 하고자. 하지만, 내 소견으로 있음, 이것은 좋은 생각, 하지만 그것은 달성 하기 어렵다.

웹 분석에는 몇 가지 고정된 모델. 근본적으로, 다음은 "입력-> 분석-> 출력" 모델, 우리는 분석 하 고 다음 결과 직접 출력 수 있도록 컴퓨터의 지능형 컴퓨팅 파워를 사용 하 여이 링크를 분석 하 고 싶은. 이것은 IBM의 딥 블루와 체스를 재생 하는 사람들 처럼, 입력이 현재 체스, 분석은 프로그램 내의 그것의 자신의 배, 출력은 체스의 다음 단계입니다. 웹사이트 분석 하 고 싶습니다 예 닮 수 사이트의 반송 률을 입력 = 65%, 사이트의 pv/v = 2.54, 사이트에 사이트의 시간 = 187 초, 사이트 생성 수익 = $332,343, 변환 rate=1.34% 다른 통계 통계 (를 포함 하 여 각 페이지에 대 한 통계), 그리고, 다음 스마트 프로그램 사이트 건강 한 인지 결과 최종 출력--을 분석 하기 시작, 어떤 강점과 약점 사이트, 및 사이트 개선 될 필요가 있으며 권장 사항.

아주 좋아, 하지만 (일부 특수 한 경우, 다음)를 제외 하 고 달성 하기 어렵다.

문제가 무엇입니까? 입력, 분석, 출력 문제, 그리고 달성 하는 수 없습니다 원래 현실은 항상 너무 잔인; 그리고, 내가 생각, 입력의 문제를 해결 하기 위해 어려운입니다.

어려운 입력의 문제가 무엇입니까? 전쟁의 부적절 한 예 (제발 날 용 서 되 고 평화로운, 그래서이 예제는 좋은), 러시아와 전쟁에 미국, 우리 컴퓨터 시뮬레이션의 수 진짜 분노 하지만, 승리 당신은 전쟁의 과정 컴퓨터 시뮬레이션으로 같은 것을 믿을 것 이다? 무기와 장비, 같은 외부 요인 들은 더 있기 때문에 동일을 할 수는 없습니다 외부 요인, 정의 하기 어려운 많은 완전히 혼란 동안 전쟁 과정의 이상으로 중요 한.

그래서 웹 분석. 모니터링할 수 있는 사이트의 다양 한 표시기는 명확한 정의 및 경계, 내부 요인, 하지만 불행히도, 이러한 내부 요인 충분 하지 않은 분석을 완료 하는 데 도움이. 애 널 리스트 분석의 핵심 가치가입니다 웹 분석 도구는 사이트는, 외부 요인에 의해 모니터링 내부 요소와 상관 관계가 추가 (통찰력) 진정으로 가치 있는 통찰력을 찾을 발굴 분석 하 고.

당신은 부탁 것입니다, 웹사이트의 외부 요소는 무엇?--좋은 문제! 웹사이트의 외부 요인 그 빠른 변화, 막대기 같은 시간을 더 이상 불가능 한 것 들을 실현 하기 위해 사이트에 영향을, 내가 생각할 수 있는 다음 콘텐츠 포함:

웹사이트--프로세스, 뿐만 아니라 시각, 사용성, 디자인 BI 시스템에 입력 하는 방법?

사이트 대상

웹사이트의 산업 및 비즈니스 환경

웹사이트의 경쟁자

중국의 인터넷의 일부 독특한 버 릇

다른 외부 이벤트에는 웹사이트에 의해 경험

이러한 외부의 것 들, 귀하의 사이트에 조금 이라도 영향 최종 분석 결과 바꿀 것이 고 그들은 포맷도 없고 구조, 수 없습니다 체결 BI, 그래서 입력 문제에.

입력 문제를 해결할 수 없는, 때문에 분석은 매우 어려운, 진짜 인간의 신경망 컴퓨터의 출현의 앞에 우리의 현재 컴퓨터 분석 구성만 수 되며 프로그래밍 방식 입력이 아날로그, 또는 심지어 퍼지 그것입니다 무력.

약간 여담 이야기. 친구 들이 튀김을 많이 해야, 월이 금융 분석가, "월이 고기" 라는 책에 대 한 책을 읽었습니다. 저자는 "입력, 분석 및 출력" 매일에 수학적 모델을 재생 하는 분석자 그래서 그는이 접근에 대해 매우 회의적인 실제 결과 보다 다른 예측을가지고 하는 경향이 말. 나는 지금 많은 외부 요인 모델에 정확 하 게 입력 하지는 이유의 일부는 이해 합니다.

또한 문제는 출력, 분석 결과, 비록 그것은 여전히 매우 어렵다 추천. 컴퓨터만 몇 가지 일반적인 지침을 줄 수 있는, 당신의 전화 행동 요소를 조정 하는 방법 또는 과정을 수정 하는 방법 또는 홈 페이지를 다시 구성 하는 방법 당신에 게 가능, 그것은 하지 않습니다.

그래서 나는 10 년 이내 BI와 함께 깊이 있는 웹 분석을 할 수는 없습니다 그리고 그것은 위대한 인간의 두뇌에 따라 예측 벤처.

물론, 아무것도, 절대 이며 BI 시스템은 다음과 같은 여러 가지 방법으로, 귀중 한.

때 사이트의 외부 환경 이다 더 상수, 상수;로 사용할 수 있습니다.

자동 발사 시스템의 SEM; 같은 흐름 소스를 자동으로 최적화

A / b 테스트 또는 다 변수 테스트;

Omniture 테스트 및 대상 시스템 등 콘텐츠를 테스트 결과에 따라 자동으로

자동으로 콘텐츠를 방문자의 행동 프로 파일의 분석 결과 따라 피드를 사용자 지정 합니다.

더 이상 특정.

3을 오해를 대체: 개별 행동의 분석은 큰 의미의

나는 페이지에 각 방문자의 마우스 궤적을 기록 하는 몇 가지 도구를 보았다. 이러한 도구는 그들의 자신의 이점이 있다 하지만 그들은 강력 하다. 일반적으로, 이러한 도구 ued (UCD) 디자이너를 위한 것입니다 하지만 그들은 웹 분석에 대 한 중요 한?

웹사이트 분석은 일반적으로 전체 (즉, 샘플링)를 통해 또는 큰 샘플 데이터 융합 사이트 방문자의 행동 패턴의 일부를 분석 하 고 액세스 최적화를 가장 중요 한 관객의. 웹 분석은 거의 개별 액세스 동작을 공부 하 여 분석 됩니다. 이 시점에서, 웹 분석 및 사이트 유용성 (유용성) 분석은 매우 다릅니다.

만약 당신이 돈 ' T 생각 하 게 만드는 읽었습니다, 알다시피 사이트가 완료 되 면, 사이트를 사용한 적이 없는 사람들이 할 수 있는 네트워크 액세스 당신과 당신 앞에 지정한 액세스 동작, 기록의 일부 매우 중요 한 사이트 사용성 테스트 및 개선 방법, 하지만 사이트 분석은 거의이 방법을 선택, 즉, 데이터를 분석 하 고 사이트 최적화에 방문 하는 사이트에 방문자를 통해.

방문자의 많은 수의 액세스는 정규 분포에 따라 하기 때문에 이유는 간단 하다. 일부 방문자의 액세스 데이터 극단적인 지역에 배포 하 고 이러한 데이터를 분석 하는 경우 편차는 매우 큰이 가능 하다. 예를 들어 방문자 유지, 최대 1 시간 동안 사이트에 모든 방문자는 그렇게 의미 하지 않는, 100 페이지를 방문 하 고 단일 방문자 위험 하기 쉽습니다. 내가 더 안정적으로 여러 방문자의 행동을 분석할 수 있습니다 말할 수 있다. 그러나, 문제는 방문자의 수백만의 수에 비교, 분석할 수 있습니다 개인은 한정 된, 항상 그리고 더 개별 분석, 세게 당신이 될 것입니다.

그래서, 내 실제 작업, 난 거의 몇 가지 매우 구체적인 마우스 트랙 모니터링 도구를 사용 하지만 도구를 기록 하 고, 모든 마우스 동작을 기록 하 고 마우스 동작을 우리에 게 매우 유용의 밀도 나타내는 데 서로 다른 색상을 사용 하 여 마우스 트랙을 가질 수 하 고 우리는 현재 뜨거운 영역 보다 더 많은 것 이다 지도 (열 지도) 더 가치가 있다. 하지만 이러한 도구 나타납니다.

4을 오해를 대체: 최적화 구성표는 분석의 피할 수 없는 결과

사이트의 분석 예, 분석은 분석은 전체 사이트 분석, 분석의 주요 목적은 문제를 식별 하는 하지만 분석 자체는 문제를 해결 하기 위해 충분 하지 않습니다 또는 일부 문제를 해결할 수 있습니다.

예를 들어 변환 연구, 난 자주 그것은 분명 한을 찾을 페이지 방문자의 많은 손실 되었지만 왜이 페이지 동작지 않습니다 너무 심하게? 가끔, 경험을 바탕으로, 우리가 즉시 원인을 생각 하 고 개선 위한 제안을 하지만 때로는 우리 정말 왜이 페이지 너무 나쁘다. 경우에 우리가 경험에서 이유를 생각할 수 있다, 이건 반드시 진짜 (또는 기본) 이유입니다.

그래서, 때때로 (그리고 더 정확 하 게, 대부분의 시간), 정말 믿을 수 있는 최적화는 분석에서 직접 파생 되지 않습니다 하지만 테스트에서 당신이 권고의 분석 후. 스스로 추천은 주관적인, 하지만 테스트 후 결과 목표 (으로 과학적인 방법 및 프로세스 사용). 웹 분석의 사이클 분석, 테스트, 끝만 끝나지 않는다 하 고 테스트 하는 것은 왕의.

그래서 다음 다이어그램은 진부, 하지만 그것은 정말 중요 한 방법론 이다.

음,이 기사는 마지막으로, 시리즈는 마지막으로 이상 (있을 수 있습니다 수정 및 추가). 모두 감사 합니다 친구 권장 되었습니다! 앞으로 넣을 수 있습니다 다른 의견 바랍니다 오신 것을 환영 합니다 토론, 싸움을 환영 합니다!

모든 권리 보유: 토마토 작업, 재현이 문서 주소의 소스를 표시 하시기 바랍니다: http://www.chinawebanalytics.cn/top10-misunderstanding-for-web-analytics-part3/