网站指标差异显著性检验——卡方检验

三个网站分析中常见的场景:A,B两版广告创意,A版本转化率4.94%,B版本转化率5.75%,是否说明B版本比 […]

跳出率差异显著性检验

跳出率的显著性检验是指特定渠道跳出率与已知的网站跳出率之间有无差异,也就是说,特定渠道跳出率是否在网站跳出率分 […]

广告访问量平均数差异的显著性检验

日常分析工作中经常会进行对比分析,其中比较常见的场景就是对两组广告带来的访问量效果进行对比。当两组访问量数据相 […]

浅析网站流量趋势预测

春节长假后的第一篇文章讨论如何对网站流量进行分析及预测。我们采取自下而上的方法,通过对不同类别的流量进行单独的 […]

粗糙的SEM点击率分析模型

2016年的第一篇文章我们关注SEM的点击率。什么样的点击率对于一个SEM来说是合格的?或者说怎样判断你的SE […]

用户在网站分析过程中的作用思考(1)

各位亲爱的读者,本博客在经历了半年的休整后正式开始恢复更新,我们删除了很多插件来提高文章页面的打开速度,同时对 […]

GIGO原则:输入的是垃圾,输出的也是垃圾

亲爱的网站分析师们,你在工作中最大的烦恼是什么?对于我来说,最大的烦恼莫过于无法通过数据解决问题,获得洞察。为什么会出现这种情况呢?原因不在于网站分析方法本身,而在于我们手中的数据。更准确的说是获取这些数据的过程。网站分析中有一个非常重要的原则,GIGO原则 (Garbage In Garbage Out)。如果你在获取数据前没有经过缜密的思考,那么在分析数据时就只能碰运气了。

浅谈网站路径分析

在前面的文章中我们曾经介绍过对于网站的分析分为四个主要的部分,分别是访问者分析,流量渠道分析,内容分析和转化分析。到目前为止,流量渠道和转化是我们关注最多的两部分内容。在关于网站分析的文章中大部分都是关于如何衡量和优化流量渠道,以及提高转化率的内容。而对于网站内容分析则提及的较少。今天的文章我们关注网站内容分析中的路径分析。

使用Google Analytics辨别虚假流量(三)

本篇文章是《使用Google Analytics辨别虚假流量》系列文章的第三篇。如果说前两篇文章中给出的12种辨别虚假流量的方法还比较偏理论。那么从本篇文章开始我们将理论与实际案例相结合,进入辨别虚假流量的实战部分。

为什么我的Google Analytics报告中UV大于PV

为什么在我的报告中,网站的UV数据会大于PV数据?这个问题很难解释,因为无论是按照我们的常识,还是已知的Google Analytics追踪数据原理。访问者都是不可能大于页面浏览量数据的。访问者,访问次数和页面浏览都是被存储在Cookie中的,并且同时被读取并发送给Google生成数据报告。但现实情况就是如此,UV数据真的大于PV数据了。