Google analytics分析电子商务网站数据
琼殿技术社区整理一些关于电子商务网站如何充分利用Google分析来进行数据分析和挖掘，与大家分享。<h3>1、开启Google analytics的电子商务网站分析报告和设置目标（goals）和定义渠道。</h3>
<p>网站转化的度量应该是与网站设置的目标有关。用户完成了预期的操作就可以算是一个转化，譬如完成注册、实现购买、完成了调查问卷等等，这些就是网站的目标，也是衡量网站是否成功的度量。Google analytics在默认情况下只会统计流量的基本情况，不设置目标和定义渠道的话，是无法来对网站转化以及转化率来进行评估的。</p>
<p done0="12">Google Analytics帮助文档对于如何设置目标和定于渠道有很好的说明，并不复杂，这里不重复，具体请查看这边。</p>
<p>正确设置后，效果如下图。<br /></p>
<div class="wp-caption aligncenter" id="attachment_371" style="WIDTH: 395px"><img class="size-full wp-image-371" title="goals" height="175" alt="GG分析力的目标转化" src="https://img.jbzj.com/do/uploads/allimg/090706/0057510.jpg" width="395" />
<p class="wp-caption-text">GG分析力的目标转化</p>
</div>
<p> </p>
<p done0="13">开启网站的电子商务报告，相对就有点复杂，需要技术配合实现。Google也给了一定说明，请看如何跟踪电子商务交易，以及对其中所需的电子商务字段的说明。正确开启后，在Google analytics的电子商务版块下就可以看到数据了。”电子商务”部分提供哪些类型的报告，请点击这里。</p>
<p>给网站设置好目标渠道以及开启电子商务统计之后，基础准备工作完成，下面是高级一点的应用了。<br /><span id="more-365"></span></p>
<h3>2、充分用户注册资料和网站行为，使用Google分析进行人口数据分析</h3>
<p done0="16">很多网站的注册时候都需要填写用户的年龄、性别等资料，通过配置Google analytics进行人口数据分析，我们可以获得类似资料，是男性用户购买的多，还是女性用户购买的多，是什么年龄段的人购买比较勤快。这些统计数据对于网站的营销有非常用途。<br /><img alt="" src="https://docs.google.com/a/google.com/File?id=dhpkg5tp_25ckmtk3gd_b" /><br />这些统计可以通过定制Google分析的用户区分参数来实现。Google博客上讲过一个这样的例子，以及给出了整合办法。<br /><img style="WIDTH: 534px; HEIGHT: 376px" alt="" src="https://docs.google.com/a/google.com/File?id=dhpkg5tp_24cxkffjd7_b" /><br />上图可以看出网站在18-24岁的男性用户里面表现不错，获得的收入最高。但是也发现45-54岁间的男性用户和25-34岁的那不行用户虽然访问数量比较少，但是单个用户价值却比较大。所以下一步是开展有针对性的促销推广手段了哈。</p>
<p>除了利用用户在网站上的注册资料来进行用户分类以外，还可以通过用户的行为来进行分类，譬如哪类是购买过产品的用户，哪些是完成调查问卷的用户等等，然后跟踪这些用户在网站的表现情况。</p>
<p done0="18">这个对网站用户的分类很有用，对不？有了这些数据可以实现精准营销。关于如何设置，Google另外还有一篇文章：<br />如何根据访问者在我的网站上访问的页面或在表单上做出的响应对其进行分类？</p>
<h3>3、使用Google analytics的访问用户的地理分布监测地区效果</h3>
<p>在Google Analytics管理后台的访问者栏目下，通过地图覆盖图可以看到网站访问者的地区分布情况，以及不同地区的流量的转化情况。</p>
<div class="wp-caption aligncenter" id="attachment_374" style="WIDTH: 599px"><img class="size-full wp-image-374" title="地理分布" height="294" alt="Google分析里的访客地理分布" src="http://blog.gexiaofei.com/wp-content/uploads/2009/07/地理分布.jpg" width="599" />
<p class="wp-caption-text">Google分析里的访客地理分布</p>
</div>
<br />上图可见，北京和上海是主要的流量来源，看来目前这两个城市做的推广效果不错，是否应该继续加强？是否应该增加二线城市的投入？<br />
<div class="wp-caption aligncenter" id="attachment_376" style="WIDTH: 599px"><img class="size-full wp-image-376" title="地理转化情况" height="266" alt="不同地区的流量转化对比" src="http://blog.gexiaofei.com/wp-content/uploads/2009/07/地理转化情况.jpg" width="599" />
<p class="wp-caption-text">不同地区的流量转化对比</p>
</div>
<br />广州、东莞、南京的流量购买转化不错，北京的次之，上海、杭州、武汉的就比较差了。初步猜想，可以加大对转化高的地区的广告投入。
<p> </p>
<h3>4、使用Google Analytics的高级群体来实现快速的自定义数据挖掘</h3>
<p>Google Analytics的高级群体细分非常的厉害，可以得出很多有用的数据。这边弄个简单的例子。先建立高级群体细分，下面的数据是得出的来自于百度自然搜索，并且访问了某个产品列表页面的用户群体。<br /></p>
<div class="wp-caption aligncenter" id="attachment_379" style="WIDTH: 600px"><img class="size-full wp-image-379" title="高级群分" height="427" alt="来自于百度自然搜索，并且访问了某个产品列表页面的用户细分" src="http://blog.gexiaofei.com/wp-content/uploads/2009/07/高级群分.jpg" width="600" />
<p class="wp-caption-text">来自于百度自然搜索，并且访问了某个产品列表页面的用户细分</p>
</div>
<br />然后就可以得出这类用户的网站访问情况，跳出率是多少，网站平均停留时间如何，转化如何，他们最喜欢哪款产品等等。。
<p> </p>
<p done0="21">Google关于高级群体细分的说明文档似乎只有英文的，点击这里查看。</p>
<h3>5、使用Google Analytics分析用户的站内搜索行为</h3>
<p>对于产品比较多的电子商务网站，搜索功能是非常必需且重要的。用户都在网站上搜些什么，对结果满意度如何等等都可以通过Google Analytics的站内搜索监测得到。这个数据，对于网站的调整、网站优化都会帮助。</p>
<p done0="22">首先开启Google Analytics监测网站站内搜索，然后在Google Analytics管理界面的内容—网站搜索里面可以看到站内搜索的数据以及这些搜索行为的转化情况。<br /></p>
<div class="wp-caption aligncenter" id="attachment_382" style="WIDTH: 600px"><img class="size-full wp-image-382" title="站内搜索" height="112" alt="站内搜索的表现情况" src="http://blog.gexiaofei.com/wp-content/uploads/2009/07/站内搜索.jpg" width="600" />
<p class="wp-caption-text">站内搜索的表现情况</p>
</div>
<p> </p>
<h3>6、End</h3>
<p>Google Analytics是个非常强大而有效的流量分析工具，有好多高级功能可以发掘。如果你的网站使用了Google Analytics，那么不要只用这个工具看看流量增长情况，那实在是浪费了哈。 </p>
<p>另外，以上方法只是Google Analytics的部分电子商务网站应用例子，虽然可以挖掘出很多有意思的数据，但是有一点很重要，<strong>只有数据，没有行动，也是浪费</strong>。 </p>
<p done0="23">如果你对Google Analytics的应用很感兴趣，可以查看宋星的网站分析在中国，里面分享很多的理论和实际应用。或者我有整理一批国外著名的网站分析类博客，可以订阅。</p>
頁:
[1]