Google Analytics报告中的数据计算方法与归因模…

2019-03-27 08:50:10来源: analyticskey.com 阅读 ()

新老客户大回馈,云服务器低至5折

Google Analytics收集到的数据在经过处理后会以维度和指标的格式呈现在报告中,但这些数据是怎样处理和计算的,可能大家并不特别清楚。Google Analytics提供了相关的文档介绍了Google Analytics报告中维度和指标的数据统计方法,以及如何使用不同的计算模型统计不同类别的指标。我们可以熟悉一下以下内容,以加强对网站分析工具的认识。

1.维度与指标

2.指标是如何计算的

3.归因模型

维度与指标

维度和指标是每一个Google Analytics报告的基石。在自定义报告中 ,你还可以选择特定的维度和指标组合起来设计自己的报告。通过下图所示的访问者概述报告,你可以对维度和指标有一个较清楚的理解。

指标是网站上用户行为的数字摘要 。例如, 页面浏览量是一个指标,用于衡量一个特定页面的总浏览量。跳出率表示了单页访问次数占网站总体访问次数的百分比。访问次数用于表示网站与用户的会话数。当指标没有和维度相关联,它表示的是整站或聚合的数值。你可以在各个Google Analytics概览报告中看到网站多项综合指标数据。例如,在上边的访问者概述报告中,你可以看到如下的网站指标数据:

1.访问次数

2.绝对唯一访客

3.网页浏览量

4.跳出率

维度是以字符串的形式表示的字段,可以把他们认为是某种名称,如网页的网址或标题、推荐来源、媒介、关键字、广告系列的名称、浏览器类型、订单号、产品名等等。Google Analytics报告中显示的数据的第一列实际就是我们所说的维度。维度本身是没有明确的意义的,但和指标配合使用时,指标的数据就可以按照维度的标准作细分,你就可以查看到每一个维度项的细分数据。在一般情况下,维度可理解为数据分类,可以通过查看不同维度的指标来挖掘数据包含的深层信息。例如,在访问者概述报告时,你可以看到, 在技术部分把浏览器作为维度来分类,把网站的访问次数作为指标来展示不同浏览器带来的访问数。 你还可以对其他的维度与指标进行配对,比如你想看各个城市过来的访问数情况,你可以把城市和访问次数据分别作为维度与指标组合在一个报告里。根据分析需求,你可以从用户浏览器的与他们所在的城市的角度来分析你的网站。

指标是如何计算的

在Google Analytics中,访问者指标是按照以下两种基本方式来进行计算的:

1.概述总计如跳出率或总浏览量,作为整个网站的汇总统计显示的指标。

2.与一个或多个报告维度相关指标表示所选择的维度的相应数值。

下图是一个简单的例子,对这两类计算的方式作了说明。左侧,访问者数据作为一个概述指标来进行计算,而同样的数据在右侧则是按照新旧访客的维度进行计算。

在访问者概述报告中,例如,网站平均停留时间是每次访问的开始和结束时间点之间的时间差的均值,在这个例子中则为3次访问持续的时间之和的平均值。这个数值是基于请求级别的时间戳数据收集而进行的一个相对简单的计算。具体什么是请求级别,下文中将有说明。

在新旧访客的例子中,网站平均停留时间并不是基于所有的访问数所作的计算,而是根据访问者类型的维度来计算的。把用户类型的维度与网站停留时间组合在一起,你可以按照新旧访客的维度来分析其对应的指标,报告会根据选择的维度计算返回你想要的数据。维度的使用提供了概览报告中未提供的访问者的行为的深入见解,很显然,在这个例子中,新访问者网站上停留的时间比老访客要多。

虽然这份报告显示了不同用户类型在网站上的停留时间有所不同,但在这个案例中你并不能很好地解释用户的行为为何会是这样。你必须结合网站的设计和目标来作分析,你还可能需要用上其他报告如网站热区报告和关键字报告 ,以共同支持你对用户行为的分析。

指标还可以根据多个不同的维度进行计算。在标准报告和自定义报告中,你可以结合使用多个维度对指标数据进行查看和分析(如可通过次级维度的进行数据查看或是点击维度项层层深入)。例如,假设你在使用访问者类型维度和语言维度对你的网站停留时间进行分析,在这种情况下,你首先会看到新访问者与回访者的指标数据,当你使用语言维度深入查看新访客数据时,相关的指标数据将按语言维度细分计算后如下表所示。 

在这种情况下,你可以判断新访客或老游客哪个停留的时间更长,通过增加的语言维度,你还可以看到在新旧访客中操哪一种语言的新访客或是老访客在网站上的停留时间最长。

标签:

版权申明:本站文章部分自网络,如有侵权,请联系:west999com@outlook.com
特别注意:本站所有转载文章言论不代表本站观点,本站所提供的摄影照片,插画,设计作品,如需使用,请与原作者联系,版权归原作者所有

上一篇:如何在激烈的市场中让亏本变成盈利(数据分析转化篇)

下一篇:50个对电子商务零售商有价值的建议