基于網站的數據分析是很多企業進行生產優化、運營改善、服務改進、營銷策略制定等公司戰略策劃的指向性參考依據，隨著大數據技術的深入和移動互聯網的發展，網站分析的方法必然要進行適應性的變化，網站分析的策略該如何做到與時俱進的升級呢?

　　

　　網站訪問分析的變與不變

　　雖然互聯網在不斷發展，但網站分析的一些關鍵指標并沒有發生太大的變化。對于網站來說，了解、分析與明確網站對于受眾的吸引力、勸導力和轉化能力至關重要。這其中也涉及到我們經常會用到的一些KPI，如跳出率、轉化率、訪問深度和訪問停留時間等。

　　但隨著數字分析技術的不斷推進，我們卻對指標的算法提出了新的要求。

　　網站的訪問數是網站分析的一個關鍵指標所在，訪問數作為許多指標算數公式中的分母直接決定了其他的指標，比如跳出率(某段時間內僅查看單頁的訪問總數/該段時間內頁面的總訪問數)。然而訪問并不等同于訪客，一次訪問僅僅是作為訪客網站訪問周期的一個片段，同一個訪客可能會進行多次的訪問。

　　此外，引導進入網站的路徑和過去相比也更加的多元化，搜索引擎、社交網絡、其他方式等共同組成多渠道導引同一個訪客，促成同一次轉化的情況非常普遍。面對這樣的狀況，我們也需要適時變化網站分析的思路：

　　1、基于多渠道的分析法：這是上文提及的網站流量來源的多樣性所要求的。綜合分析多渠道的表現不但有助于辨識出重復的流量導入，而且對于網站運營的本身來說也是制定渠道策略的參考依據。

　　2、基于訪客的細分方法：尚且沒有現成的細分訪客的工具，但很多網站運營都已經開始自己定義訪客細分方法。通過網站后臺對于相關行為的監控來判斷和獲取訪客的全景信息。

　　3、基于訪客生命周期的分析：對于訪客在網站上的交互分析，將一個個獨立的訪問連接起來看，從而進行更為全面的跨訪問分析。比如電商網站中，對于轉化率而言，其進一步的訪客生命周期分析就是關注購買的衰減率或是增長率。


　　移動互聯網的分析方法

　　對于訪客行為分析的另一大難點，便是移動互聯網的出現以及驚人的推進速度。SAP的一份調查報告指出，67%的訪客從一個設備上開始購物，然后在另一個設備上繼續操作。

　　基于多屏的用戶行為給數字分析帶來了很大的障礙。對于不同終端的用戶同異性的定義是現在很多公司在攻克的的技術難點。Google提出利用用戶的ID(UID)去進行跨屏監測，也有其他公司提出數字指紋等技術，但以上方法尚都不能做到完美匹配。雖然目前技術的限制還沒有更好的工具用來區分不同終端背后的訪客信息，但我們可以利用以下方法進行大致的信息區分：通常來講，你需要做三件事：通過設備的重疊數據，找出訪客同時使用的設備是哪些;通過設備訪問路徑，找出不同設備所發揮的不同作用;通過細分訪客，找出在行為方式上使用多種終端的異同。

　　網站分析要基于大數據和傳統分析雙方面開展

　　現在比以往任何時刻都要依賴大數據，那是不是意味著傳統分析的那一套我們就可以放棄了?通過大數據，我們可以進行數據相關性的挖掘，從而進行預測分析，對受眾的分析也向更小單位的個體精準性延伸。但是美好的前景下，我們不能忽視的是毫秒級處理大數據的超級算法的稀缺讓我們在進行數據采集分析時做不到邁爾-舍恩伯格提出的“要全體數據，不要采樣數據”，傳統的數據采樣方法在現階段依然是主流的分析方法。


　　此外，受眾的行為變化萬千、與時俱進，如何通過大數據區分和精準定義用戶群是一個剛性需求所在，這對于技術儲備的要求和應對變化的能力要求非常高，對這一部分的有效補足可以利用第三方咨詢機構或是人才儲備的方式進行應對。