最近在关注和整理有关网站分析这方面的一些知识，在这其中发现我们有些观察和方法或是停留在几年前的水平，或是只知表象而不知如何去从这些数据图表中总结出我们所要的有指导意义的结果，在此将自己的一些学习笔记和心得整理分享在这里，希望与各位共同成长。

在网站分析（Web Analytics）这个领域，Avinash Kausnik的blog和书籍是比较经典的可以手把手指导你实践并给你很多帮助的权威资料。他的blog是：http://www.kaushik.net/avinash/。他的书籍主要有：Web Analytics： An Hour A Day（中文译本为：精通Web Analytics—来自专家的最佳Web分析策略，由清华大学出版社于2008年9月翻译出版），还有一本新书是Web Analytics 2.0（2009年10月出版，尚未出版中文译本），以上两本书均可以在Amazon网站上购买到。

本系列文章大多都是基于Avinash Kausnik的blog和书籍的学习心得，因此如果你想了解更详细，请直接参考上述资料即可。

今天先来说说在web分析中，几个我们平时经常参考的KPI指标，他们哪些是有用的，哪些则是毫无意义。

页面浏览数（PV）

PV（Page View）即页面浏览量是一个网站最基础也是最重要的数据之一（还有UV和Visit）。从严格的定义上来讲：PV指的是一次从网站下载一个页面的请求。因此只要是发出了一个请求，无论你是否完全打开（下载）了这个页面，都会计入一次PV。PV还有一个说法就是Page Impression或简称为Impression。

从上述定义来讲，一个网站有较多的PV是好的还是不好的呢？我们通常在评估一个网站的规模和价值时会将PV作为一个很关键的核心评判数据，即PV越高这个网站的规模越大价值越高。这其中通常是以网络广告以及可挖掘的价值机会来判断的，一个很高PV的页面或网站自然其广告越好卖，价值也相应会更高。

但对于网站部门来说较高的PV，特别是单访客的PV很高是好还是坏则很难讲。也许你的某一个环节的流程设计很冗长，或者导航不清晰导致访客需要很多次点击才能找到想要的内容，这样所堆积的高PV实际上并不一定能给访客提供什么价值，因而对于访客购买网站的服务/产品意义并不大。

因此，如果你还在关注单访客的PV数，那么你的结论是否能保持与访客的行为是一致的呢？思考一下有什么好的改进方法吧。

退出最多的页面

如果网站分析有很多访客都是从一个页面退出的，那么这个数据能告诉我们什么呢？是这个页面设计得很糟糕，或者访客来到这里便迷路了；当然也有可能是这个页面很完美，访客在这个页面解决了他们的问题，然后很满意地离开了。因此，除非这个页面是购买服务/产品的“支付成功，感谢惠顾！”这样的核心目的达成的结果页（这样的页面访问往往只占很小一个比率），否则单纯这个数据指标所能给出的意义非常有限。

访客概述

访客概述这一栏中内容很丰富，而其中一些基本属性往往半年甚至一年都不会有什么变化。这类数据有：地图覆盖数，浏览器，操作系统，屏幕颜色，分辨率等。如果你的网站在地理区域和人群上的推广及影响范围没有发生重大变化，上述数据通常你只需要每半年去关心一下，同时在有新的浏览器，新的操作系统发布后留意一下趋势即可。毕竟浏览器和操作系统并不是每年都会有影响力的版本推出，而访客在操作系统及硬件的更新换代方面频率则会更低一些。

点击密度分析

利用Web分析工具中的这一功能，可以显示内嵌在网页上的标准链接产生的点击次数。如Google Analytics的“内容”一栏中的“网站覆盖图”功能。通过这个功能可以帮助我们看到访客是如何使用我们的网站的，他们是否点击了我们希望他点击的内容。如果没有，那么他们觉得什么更有意思，更有用，我们能从中获得哪些启发，产生哪些新的价值转换点？

与此类似的工具还有“热点图”工具，这个工具最早是由Crazy Egg所开发出来的。与“网站覆盖图”不同的是“热点图”则记录了页面中用户所累积的鼠标点击行为轨迹，可以精确地监控访客的鼠标是如何点击页面元素的。因此，这对于分析关键页面如：网站首页，Landing Page时配合Google Analytics则能更好地观察访客的行为。

定性数据的重要性

上面举例所说的几点都是定量的数据指标，当然定量的数据还有很多。然而在这些大量的数据之中还缺少一个关键方面——定性的数据。而这也是在我们网站分析中经常缺少的一个关键方面，通常这与网站分析人员缺乏与用户的沟通调查，与用户走得还不够近有关。

即使我们知道了有50%的人在支付页面放弃了，有90%的人从这个页面离开了，但是如果没有定性分析，我们怕是很难了解到是为什么。而直接与用户沟通，直接询问恐怕是最简单也最直接获取答案的方式。当然这其中的方法有很多种，如：可用性测试，实地考察，A/B测试，问卷调研，启发式评估等等。后面单独总结一下这方面的知识吧。

今天整理了几个常见的KPI评估指标方面的知识，后面我会继续分享这一主题。

原文出处：http://www.wenbin.me/webanalytics/web-analytics-about-kpi.html