网站运营数据分析的两点建议

今天来参加活动的朋友，主要来自于两个方面，一是网络营销人员，一是互联网产品的运营人员。我们这些人在名片上的称谓，或曰营销、或曰运营、或曰产品经理。不管是什么称谓，都必须要承认，这是一个最富有感性、创意和灵动的群体。而这样的群体，今天来讨论“数据分析与运营”是一件多么值得高兴的事，这标志着我们这个群体越来越成熟了，不再只是感性、创意和灵性。著名数学家高斯说过，“一门学科的成熟程度，就在于数学在这门学科中的应用程度”，我看应用在工作中也是一样，“一个行业或者群体的成熟程度，在于数学在这个群体中的应用程度”。做数据分析，自然就是一个数学的课题，标志着我们产品经理人工作成熟度在提升。

在成熟度高的行业与企业里，数据分析是一项基本的要求，而且已经非常深入而精深，象“基于事实的决策”、“量化管理”、“科学管理”都是指工作建立在数据分析的基础上。数据分析的应用程度在成熟度高的行业里已经深入到“数据仓库”“数据挖掘”“决策支持系统”“统计与分析系统”等阶段。我们现在来谈流量、转换率、退出率等，就是在走向数学，走向数据，走向成熟。

从刚才各位的讨论、提问与解答，可以看出来大家都是专家，都有很深的工作体会和知识积累，我在这里只想给几点建议供你们参考。我的建议，其实也就是针对今天会议的两个主题词，一个是“数据”，一个是“分析”。

一、对于“数据”，我们一定要搞清楚一个量化值给你到底反映了什么问题。

大家别以为你拿到一个数据，就知道这个数据的值反映了什么问题。数据背后的真相常常会令我们大吃一惊。

在座的各位，不管你是从事网站型的营销，把实体产品、虚拟产品放到网络上来销售而开展的电子渠道营销，还是你是从事互联网产品的运营，也就是说，不管你是做产品还是做营销、做设计还是做运营，当你把业务“网络化、网站化”，那么就要清楚是在把应用服务化。就算一个仅仅用于营销用途的电子商务网站，它都是一个网站产品。不管你的网站多么地复杂或者如此地简单，我们都无法否认，当任何一个访客来到网站，所产生的任何感受，所做的任何活动，我们都很难完全界定，它到底在使用你的产品享受你的服务，还是他进入了你的营销模式里，被你营销与引导。因而，任何来自网站的数据，它既可能反映的是用户的使用体验、产品逻辑、直观感受，属于用户需求、产品设计的内容，也可能是反映了用户契合度、营销效果，属于营销策划与客户服务的内容。这在很大程度上跟传统的产品是不一样的。比如说一个用户在电视机前面摆弄遥控器，任何抱怨与赞扬，我们都知道他是关于产品的声音，不会说这是营销效果的分析。网络营销、互联网则不一样。网络上用户的任何一个活动，都无法完全分清是产品还是营销。

就说退出率吧，退出率是指用户到达某一个页面后，没有继续再去往任何一个站内页面，而是离开了网站。对于这个退出率的数据，能够反映什么问题呢？很难说。与营销、产品都可能有关。用户退出的真正原因，可能是因为你的网站的图片与色彩让其反感，不信任；可能是因为你网页介绍的产品功能与性能达不到他的需要，不能令其满意，这应该都是属于产品方面的内容。也可能因为你所做的搜索引擎优化工作中关键字与产品不匹配，你放置的广告关键词与产品内涵的关键词不够契合，来客属于误入或者被误导了。这就应是营销的问题。“电吹风”这个词如果被你用做关键词去营销，谁能保证传递给用户的信息一定就是吹干头发的吹风机，而不是酿干粮食的鼓风机呢？

所以说，搞清楚数据反映了什么问题，应为谁所用，是数据分析的基础。

二、对于“分析”，要有一个与之搭配的主语

数据分析，并不是拿到一份报告，看看它的status，然后提出一个更高、更好、更大的目标，要求手下去找到实现的方法。做数据分析，要找到与之搭配的主语。

谈分析（Analyse），一个常见的搭配是Gap Analyse，即差距分析。有了差距分析的概念，就会知道要做分析首先要设置有一个目标，或者说要有一个预定的期望值，这种目标与期望值往往也是产生于你的控制模型与偏差系统。做差距分析，就不会是简单地拿到一堆数据，大家横看竖看不是这里有问题就是那里可提高。就会发现，事前的预测与计划，比事后的分析要更重要，PDCA的做事过程上，P是第一步，C可以说是分析这步的工作。刚才有朋友一直在讨论某一个行业的网站它的退出率应该是多少，这如果说是用来做数据分析，确实是意义不大的。更应关注的问题是，你本来预期退出率的值是多少？你当初是凭什么这么做的预期，基于哪些要素与行动，现在这些要素与行动是不是都被执行，并达到了效果。现在的实际情况差距在哪里，如何产生的？针对接下来的阶段，应该提出什么样的预期与目标，又是基于什么样的要素与行动。行业的标竿数据拿来指导定目标比用来做分析更有意义。

谈分析，另一个常见的搭配是Statistic Analyse，统计分析。有统计分析的意识，就会知道做数据分析，应该有建模的过程，统计分析的目的是把握趋势计划未来，统计分析需要连续的数据来支撑，而不是用一堆孤立的散点来寻找解决网站运营的实效，要有traceability的概念来寻踪溯源与根因分析。这样一来，选择什么样的跟踪系统，跟踪了什么样的数据字段，这些数据是否满足你的跟踪需要，对于这些数据你能够建立哪些数据视图，基于这些数据视图反映什么样的决策逻辑与模型……就会一步步显现出来成为数据分析工作的一部分。

总之，我的这两点建议，供打算认真去做数据分析，并希望通过数据分析来提高网站运营实效的人参考。如果有人想加一段网站跟踪代码，看一下指标值，就觉得是做了数据分析，就会显著提高网站运营的成熟度与可靠性，那多少会有点天真的。