傳統網站資料分析
1. 訪問Visit：
一次訪問就是指一個人來到網站，然後瀏覽了一些內容之後離開網站的過程；這個過程也被稱之為會話，也就是session。注意關閉瀏覽器後session會話並不會自動銷燬，因為伺服器端session往往預設有個20分鐘的過期時間，如果關閉瀏覽器後又開啟並且訪問了同一個網址，這時候只要瀏覽器的cookie還是存在的（即：瀏覽器關閉時，cookie不設定為自動銷燬的話），那麼服務端還會認為是登入狀態，也就是屬於同一次會話。相反，如果沒有關閉瀏覽器，但未做任何操作，但是過了30分鐘後則session銷燬。後面的訪問就屬於另外一個新的session
2.訪問量visits：
一段時間內的訪問量就是這段時間內的會話次數
3.訪客數（UV)
Unique Visitor，就是訪問網站的人數。如何識別一個使用者？在網站分析系統中，會根據使用者的瀏覽器，裝置型號等資訊為使用者分配一個編號，這個編號成為cookie.
訪客數就是訪問網站的cookie數。如果同一個人換了瀏覽器或者裝置訪問網站，那麼，他的cookie也就變化了，也就是說是另外一個使用者了。
4.瀏覽量：
常被稱為PV（Page View)，就是瀏覽額面的數量。訪問量(visists),訪客數（UV),瀏覽量(PV）是網站的人氣指標
5.頁面停留時長：
訪客一次訪問在頁面上停留的時間，等於這個頁面的總停留時長除以這個頁面的訪問量
6.網站停留時長：
訪客一次會話的時間長度，等於網站所有總停留時長除以訪問量
7.跳出率
常用的演算法是網站的所有會話中，來到網站之後沒有任何動作就離開的比例，等於只訪問了落地頁面的訪問量除以總訪問量
8.退出率：
該指標衡量從某個頁面退出網站的比例，它等於從一個頁面退出網站的次數除以訪問次數
9.頁面跳出率和退出率的區別？
退出率是指無論從哪個頁面進入網站，最終從這個頁面退出的比例；
跳出率是指從這個頁面進入這個網站，沒有做任何事情，就從這個頁面跳出的比例
10.轉化率：
達到達成某種目標的訪問量除以總的訪問量，或者說達成目標的訪客數除以總訪客數的比例
比如：下訂單
到底採用訪問量還是訪客數作為分母？
如果將訪問量作為分母，意味著將每次訪問都認為是下單或購買的機會；
如果將訪客數作為分母，則會認為一個訪客在下單前，多次訪問是正常的；
如何對網站進行巨集觀分析，不要過分糾纏於細節？
1.有多少訪客訪問網站，訪問深度怎樣？
通過受眾訪客
2.這些訪客從哪裡來，以及效果怎樣？
3.訪客在網站上做了什麼？
a)檢視流量最大的著陸頁；
b)檢視流量最大的頁面
c)頁面點選熱圖
d)重要流程的轉化漏斗，分析哪些流程點上的流失率最高
移動應用資料分析
使用者獲取階段
下載量
已經下載應用的使用者數量，以及應用商店排名和評分。下載排名靠前且評分高有助於進一步吸引使用者下載。
安裝啟用量
安裝並開啟應用的裝置數
啟用率
啟用裝置數/安裝裝置數
新增使用者數
如果裝置是首次啟用應用，那麼這個裝置就是新增。移動應用的使用者一般就是指一個唯一的裝置，所以新增使用者數就是新增裝置的數量
使用者獲取成本
每獲取一個使用者所需要的費用
使用者活躍與參與階段
數量指標：日活躍使用者數和月活躍使用者數
一段時間內啟動過應用的裝置數，表示使用者規模。日活躍使用者數能體現當天的流量引入效果，但是波動較大；月活躍使用者數相對穩定，應用的使用者規模一般就是用月活躍使用者數來表示。
質量指標：活躍係數，平均使用時長，功能使用率
活躍係數=日活躍使用者數/月活躍使用者數
平均使用時長：平均每個使用者一天使用的應用的時間
功能使用率：使用某功能的使用者數佔活躍使用者的比例。使用率越高說明功能越受歡迎。
使用者留存階段
次日留存率
7日留存率
30日留存率
定義：N日留存計算指：統計日期新增的使用者或活躍使用者，在第N天又來使用的比例。可以參考行業值來看看自己應用的留存是否健康。
一般性解讀：
如果次日留存率底的話，說明使用者對我們的應用不感興趣。
7日留存率說明內容不耐玩，不好玩；
30日留存底可能我們的版本迭代差，未及時提供內容
功能使用率：監控某個功能使用人數的佔比；
功能繼續使用率：本週使用過功能A的使用者，在下週繼續使用的人數比例，代表了功能的受歡迎程度
新功能使用-對核心功能的促進效果：
使用過功能A（比如增加的是最新歌曲功能）的聽歌人數比例 - （未使用過功能A的聽歌人數比例）
如果該值為0表示沒有貢獻，如果大於0則表示有貢獻，小於0則為負數
案例：應用改版前後資料分析來評估改版效果
分別對雲音樂的遊客（非登入使用者）和登入使用者的7日留存率在改版前後做對比，發現改版後留存資料整體提高，這就表明移動端版本的新迭代版本效果比較好。
再對比新舊版本釋出後新版本釋出前14天內新增使用者聽歌比例資料
同比：舊版本釋出後14天； 環比：新版本釋出前14天
對比發現新增使用者聽歌人數比例都有明顯上升（聽歌人數佔新使用者數比率-遊客和聽歌人數佔新使用者數比率-登入使用者兩個分類的指標），說明核心功能-聽歌使用率有明顯提高，說明改版是成功的，新版對引導使用者聽歌的比例有好的作用！！
從這裡可以看出，要獲得這些資料使用者支援後期運營，我們必須在產品設計階段提出資料統計相關的產品需求，並且實現！！
大家要注意的是在評估新版本效果應該使用新增使用者去衡量，因為老使用者本身就是優質使用者，不剔除老使用者，很難得出明顯結論
使用者轉化階段
付費使用者比例
首次付費時間
使用者平均每月營收
付費使用者平均每月營收
獲取收入
收入金額
付費人數
移動應用分析工具：
Flurry, Google Analytics, 友盟,talkingData,crashlytics分析crash
資料埋點
所謂的埋點，就是為了未來產品優化方向給出指導意義而做的。那就要先清楚你未來想做什麼功能，然後為了做的這個需要收集到什麼資料，哪些可以收集到，如何收集，合適收集，何時使用。
舉個例子，如果一個移動應用，想要和使用這個產品的使用者直接對話，從而瞭解使用者的需求。那麼首先要想如何與使用應用的使用者建立一對一聯絡（通過唯一標識）；哪些可獲得的唯一標示（帳號聯絡、郵件聯絡、裝置號、手機號聯絡等等）；哪種最不打擾使用者，而且也可以在我前期準備的時候不讓使用者察覺的唯一標識（獲取使用者裝置號建立與之建立練習）；何時需要進行一對一對話，即在哪個版本開始獲取使用者唯一標示、哪個版本加入一對一對話功能
參考： https://m.zhihu.com/question/23078534
參考： http://www.chinawebanalytics.cn/
http://bluewhale.cc/ :藍鯨的網站分析筆記
http://www.chinawebanalytics.cn/ 網站分析在中國