独立站网站数据分析(6)——电商常用数据分析模型

在前几篇的文章当中，我们对数据规划、数据指标、指标分级有了基本的认识，在今天的文章中，我们主要了解下独立站网站数据分析中常用到的网站分析模型，这些模型你可以通过Google分析师提供的模板报告来实现或其他第三方的工具。

事件分析

独立站上的“事件”特指用户在网站上进行的某个操作行为，事件的类型包括页面浏览、点击元素、浏览元素、修改文本框。

事件分析是所有数据分析模型中最基础的一种，是针对用户行为事件的指标进行统计、维度细分、筛选等分析操作。

例如以“购买”这个事件，我们用“购买次数”来度量，度量结果一般用折线图、柱状图、或表格来呈现。你也可以同时添加多个事件一起分析，如下图所示。

如果加上“会话来源”这个维度数据，就形成了来自（direct），referral，Google等来源的购买次数（如下图所示）；而筛选则是对指定的区分方式来进一步筛选想看的流量，比如“来自PC端的访问”，来自“美国地区”的访问等。

通过事件分析，我们可以准确了解网站内发生的事件量，而这些事件通常是影响到网站和销量的主要指标，通过自定义报表，可以轻松回答关于变化趋势、分维度对比的问题，比如：

某个活动专题页面的用户分时走势，不同渠道的来源占比分别是多少；
某个渠道的累计成交订单量是多少，这些渠道的成交和上一周期对比的差距如何；
某个产品页面的浏览量的次数有多少，对比昨天提升了多少；
不同国家来源的加入购物车次数是多少，排名前3的加购用户来自哪些国家；

想要通过Google Analytics来进行事件分析，你可以使用谷歌自带的事件工具来增加事件；或者通过Google tag manager来增加更多追踪的事件。

漏斗分析

漏斗分析是一套流程式的数据分析模型，我们在第一篇文章里就就以广告的点击到转化画出了一个简单的倒三角漏斗。简单的说，漏斗就是把用户行为的起始的各个行为节点作为分析模型的节点，来衡量每个节点的转化效果，一般通过横向的柱状图或者漏斗图形来呈现。

漏斗分析可以帮助我们清晰的了解在一个多步骤的过程中，每一个的流失及转化情况，从多角度剖析对比，找到流失的原因，提升转化率。

和事件分析不同，漏斗分析是基于用户来统计某一批用户所发生的行为，我们通常用漏斗分析来找到某一段事件内用户访问流程存在的问题。

所以在使用漏斗分析模型时，会通常和用户流转地图结合在一起。用户流转地图也是起源于UJM（用户旅程地图）模型，只是在绘制流转地图时，我们会添加流转的节点、线路、流转数量和流转比例。

在漏斗分析中，你可以借助这样的流转地图去来确定每一个步骤，同时加上起始时间和转化时间窗口这两个要素，来构成这样的漏斗。

起始时间是指第一个步骤发生的时间，而转化时间窗口指的是完成这个漏斗的有效时间限制，这个涉及到归因的统计窗口，比如一个用户在做出了漏斗中的第一个动作，访问产品页面，但是他却在第31天才完成了最后一个步骤购买，而网站对于转换追踪的cookie有效期仅设置为了30天，那么这个用户的行为就不算完成了一个完整的漏斗。

在GA的媒体资源管理面板中，你可以看到Google Analytics的归因及回溯期。