分析网站优化情况的方法可以从这些层面开始分析
来源:
2021-06-10
分析网站优化情况的方法可以从这些层面开始分析
一个网站的优化情况只能通过部分数据的分析来决定是否合格。那么,如果我们想分析网站,我们可以从什么层面开始呢?小编这里向进行SEO优化的站长们整理了分析层面的摘要。
一、网站内部数据
网站内部数据是网站上最容易获得的数据,通常存储在网站的文件系统或数据库中,是与网站本身最密切相关的数据,是网站分析中最常见的数据源。我们要好好利用这部分数据。一般方法如下:
1、服务器日志
随着网站应用程序的不断扩展,网站日志不再局限于点击流中的日志数据。如果网站提供上传下载、视频音乐、web游戏等服务,则web服务器生成的不仅是用户访问点击页面的日志,而且不是标准的Apache日志格式日志,更多的W3C、JSON或定制格式的输出日志也将提供给网站分析。
网站分析不再局限于网络浏览的PV、UV、转换损失等。基于事件(Events)的分析将越来越普遍,用户将更加关注接收web服务的整个过程。上传下载是否完成,速度用户是否正在查看整个视频,视频加载状态用户玩网络游戏时的操作和体验分析等。
2、网站分析工具
当然,通过网站分析工具获取数据是最简单快捷的方法。从以前基于web日志的AWStats、webalizer到现在非常流行的基于JS Tags的Google分析,再到99click的网站流?以及通识JS和网站日志的web树。通过网站分析工具获得的数据通常经过更规范的特殊计算,如PV、UV、Exit Rate、Bounce Rate等,结合趋势图或比例图,通过细分、排序等使结果更加直观。
但是通过网站分析工具获取数据也不远。上述数据也可以通过统计网站日志获得,但网站分析工具的优点是,通过页面中包含的JS代码可以获得有趣的结果。
3、数据库数据
对于一般网站,存储在数据库中的数据可以分为三个部分。
1.网站用户信息,通常是提供注册服务的网站,在数据库中保存用户的注册帐户和填写的基本信息。
2、商品信息,如网站应用或产品数据、电子商务的商品详细信息或博客上的文章信息,包括商品名称、库存数量、价格、特征说明等。3、用户应用服务或购买产品时生成的数据,最简单的例子是博客用户的评论和电子商务网站的用户购买数据、购买时间、购买的用户、购买的商品、购买数量、支付的金额等。
当然,这部分数据的具体形式会因网站的运营模式而有很大的不同,部分业务范围很广,提供多种服务的网站的数据库中的数据组合可能相当复杂。
4、其他
所有其他网站操作过程中生成的数据可以是用户生成或网站内部生成,其中大部分可以称为“离线数据”。如果通过网站的交流论坛(如用户的反馈和不满)、可以通过网站发表的客户电话、即时通讯软件等相信“客户中心论”,那么对该数据的分析是必不可少的。另一个来源是测量网站上进行的离线活动、促销或宣传、执行效果或投入产出,以便以后能够更好地进行类似的离线促销。
二、外部数据
网站分析不仅可以从网站内部获取数据,还可以通过互联网这种开放的环境,在网站外部捕获部分数据,使分析结果更加全面。一般方法如下:
1、互联网环境数据
虽然你的网站只是一个很小的网站,但如果不想让你的网站变得更好或落后于互联网的前进,最好注意互联网的发展趋势。在Alexa可以看到网络内顶级网站的访问趋势。请看ComScore发布的数据或埃里克的数据分析报告。如果运营电子商务网站,刚刚上线的淘宝数据中心可能会感兴趣。
2、竞争对手的数据
时刻注意竞争对手的情况,可以使你的网站在竞争中不落伍。除了Alexa和其他网站数据查询平台外,直接从竞争对手网站获取数据也是另一种有效方法。一般网站会出于某些原因(信息透明、数据显示等)在网站上显示自己的部分统计数据,以确定该数据是否有助于了解竞争对手的情况。
3、合作伙伴数据
如果有合作网站或经营电子商务网站,可能会有相关产品供应商、物流供应商等合作伙伴,并且可以确认他们能向你提供什么数据。
4、用户数据
追踪用户的脚步,看看他们是如何评价你的网站的。如果你的网站已经出名,请在搜索引擎上查看用户如何评价你的网站,或者通过新浪微博、微信等媒体查看用户对你的网站发表了什么言论。当然,通过用户调查获取数据是另一个好方法。通过网站的问卷或线下用户回访、电话、IM问卷调查、可用性实验测试等,部分用户可以获得对网站的直观感受和实际评价。这些数据往往非常有用,一般网站分析工具无法获得。
分析网站的外部数据时要注意不要过度相信数据。外部数据比内部数据具有更高的不确定性。网站的内部数据即使不准确,至少也能知道数据的误差有多大,什么原因导致数据的误差
外部数据通常由其他网站或机构公布。各公司、数据平台、咨询公司、合作伙伴可以使为特定利益公布的数据更加可信或偏向。因此,分析外部数据需要更严格的验证和深入分析。
对于从用户调查中获得的数据,通过统计方法(在执行数据分析之前必须完成的步骤)确认数据是否可接受或符合一定的信任区间。