从事互联网的你，真的懂流量分析吗？

现在的工作会接触到很多互联网公司做bi分析的朋友，想就着这个机会，把自己所见到、学到的整理一下与大家分享，同时也希望通过分享来增加与相通兴趣的朋友的交流。文章中存在的各种不足或者错误，欢迎大家评论。

hulianwang

关于数据化管理的文章书籍已经非常多了，我这里只是近一步整理。数据分析也是为了公司的发展，粗暴一点讲，是为了公司的盈利和持续的盈利。就从这个角度，来逐一分解，互联网行业中，哪些数据需要分析，怎样分析，分析的价值是什么。我会整体分为四大部分：收入相关的数据分析、成本相关的数据分析、风险(为了持续发展)相关的数据分析、综合管理篇。

下面将进行逐一介绍(分阶段更新)。

第一章、收入相关数据分析

互联网的商业模式千变万化，但其盈利模式目前大抵可以分为以下三种：一是向用户出售商品或服务，其中电商和o2o就属这种模式;二是靠广告来进行盈利，典型的例如google、百度以及其他平台类互联网公司;三是直接向用户收取费用，目前游戏公司大都属于这种模式。不同收入模式也有着不同的数据指标，我们分别对其进行介绍。

一、向用户出售商品和服务模式

电商公司和o2o类公司主要是通过这种模式来盈利，公司的收入是由一个个订单堆积出来，其收入状况可通过订单状况得以体现。订单是由用户购买了相关的商品或服务产生，可以说用户和商品或服务为订单的两大基本元素，公司收入下降、增长、异常最终都可以追踪到用户与商品这两大元素上。这样我们将公司收入相关数据拆解为三大模块：用户、商品或服务、订单。

用户

公司收入、订单都是由用户消费所产生，用户的消费流程可以划分为以下四个阶段：引流、转化、消费、存留。我们所希望的理想情况就是大量的用户进来并且产生消费，并且持续的产生消费。然而现实一般是和我们所希望的相差甚远的，我们能做的，就是对这些数据进行分析，根据数据情况进行策略对调整，让现实与理想情况之间的距离越来越近。

我们一般将用户分为新用户和老用户，如下图所示：

无论新老用户，我们都会关心两块内容，一个是引流(拉新)，一个是转化，最终以数据的形式体现出来，就是流量与转化率。

引流

一个购物中心，建在荒郊野外，没人进来，装饰再奢华也没什么卵用。根据CNNIC统计，中国网民数量在2015年已达6.88亿，增速稳定，依然维持在5.7%。京东平台2015年第四季度的1.319亿相比2014年第四季度的8280万，流量同比增长率高达59%。这些数字在告诉我们，资源是稀缺的，但是却永远都有增长空间的。我们需要精打细算，实现对每种渠道每种类型的流量来源的最大价值利用。

分析目标：通过对流量的分析，保证流量的稳定性，并通过调整，尝试提高流量。

分析角度：

观察流量规律，便于活动安排、服务调整

发现流量异常，分析异常原因并及时调整

观察流量结构，分析其合理性，并作出调整

追踪流量情况，衡量活动或者调整效果

分析方法：

我们先了解关于流量的一些基本数据指标：访客数(uv)、浏览量(pv)、访问次数(visits)，是常用的衡量流量多少的数据指标;

平均访问深度(浏览量/访问次数)、平均停留时间(总停留时间/总浏览量)、跳失率(跳出次数/访问次数)是用来衡量流量质量优劣的指标。

很多方法都可以完成上述的目标，将数据进行可视化展示，以一个合理的角度观察数据，会使得数据展现会更加清晰，降低发现问题的难度。下面将以图表的形式，实现对各个角度的数据分析。

1.观察流量规律，便于活动安排、服务调整

从上图中，可以发现以下规律：一天当中，访问集中在9点到11点和14点到17点这段工作时间，一年中则在春节前后的访问量比较大，每周中也是访问集中在工作日。大部分互联网业务的规律会与上述情况不同，一般2c的业务会在休息时间访问量巨大，可能刚好遇上述情况相反，但并不妨碍以上的分析方式。

一般来说，流量都是以每天中的时段、季节、节假日、星期这样的规律来分布的。所以可以将以上几面统一放到同一页面中进行观测，可以全面的了解应用的访问规律。并且通过对渠道、业务的选择，可以观测具体的渠道、业务的访问规律。

分析出流量的规律，对活动效果、业务调整具有重大影响。例如：a公司想开展为期两天每天两小时的消费满200减50并赠送肥皂的活动，那么活动开始时间最好是选在周三、周四，时间在上午的9、10点钟。这样才能在一定的时间内被大部分用户所知道，毕竟活动的广告时间成本都是钱。另外可以根据不同时期访问量的密集程度，调整公司的业务布局，进行合理的成本控制等。

2.发现流量异常，分析异常原因并及时调整

通过对上图的观察，可以发现两个异常现象：

流量按周的规律分布，工作日的流量较高，周末的流量比较低，但是上图中5月2日和4月1日是周一，流量也非常低，观察日历发现这两天为五一和清明假期，依然是休息日，所以流量不高。属于正常现象。

3月21日到4月17日到流量图中，工作日到流量一般都维持在2400左右，而观察4月18日到5月15日到图，发现流量从4月19日下滑开始，很少突破2000，也就是流量在近一个月有明显下滑。原因可能是对手购买了竞价排名、自己的seo做的不好等等。问题发现，还要根据实际情况进一步分析具体原因。

一般来说，流量以周为单位，周期性分布的情况是比较多的，将视角拉长，一次性多看几个周的数据，便于发现问题。将一段时间内的数据与历史数据进行对比，也有助于问题的发现。

除上图中对流量异常的简单监控外，可以对流量进行进一步分解，如下图所示，通过图表联动，观察具体渠道或者业务的流量情况，从而完成对问题的追踪定位，例如通过进一步分析发现，4月中旬开始的流量下降主要出现在pc端，那么可以进一步缩小问题的范围。便于问题的解决。