邵珠庆の日记 生命只有一次，你可以用它来做很多伟大的事情–Make the world a little better and easier

互联网/电子商务数据分析师的十大误区

对于火爆的互联网/电子商务行业，我们需要的是建立起通过数据驱动的商业模式。即我们需要的是有经验的数据分析师，对于运营数据进行解读和分析——确定网站和客户是否为正常的运行，同时发掘其中存在的问题。以下是数据分析师经常犯的错误列表：

 

一、  数据分析报告中呈现的是已知的结论和经验——重复别人的路

 

二、 数据分析报告不能够解决任何商业问题——做没有意义的分析

 

三、 数据分析报告中的原始数据不准确（缺失&错误）

 

四、 市场营销和效果评估报告的本质在于客户的细分——不懂业务和市场，不会细分！

 

五、 数据分析报告仅仅在于陈述事实，而非发掘原因

 

六、 迷信于网站统计分析系统越多越完善，殊不知不同的系统的统计标准并非一致

 

七、 没有明确网站的统计指标是一个整体的系统——没有建立科学和合理的评估指标体系

 

八、 数据分析报告超过“一百页”，但是却没有明确的建议——劳民&伤财

 

九、 对于 Google Analytics的基本使用和安装，还需要寻求外援——没有掌握基本的网站统计分析工具

 

十、 整理 Google Analytics的仪表盘报告，期待着别人解读数据意义——网站分析师的“钱”有那么容易赚的么？

商务智能的发展-未来的研究方向

一、 商务智能（BI），商业智慧（BI）的发展方向：

BI新走向之一：融合加强，演变成门户化

BI新走向之二：日趋“傻瓜”，体现人性化

BI新走向之三：移动BI将成为新战场

BI新走向之四：在云中部署BI，成为主流方向

BI新走向之五：SaaSBI日渐雄起，受中小企业青睐

BI新走向之六：可视化技术呈亮点，交互式分析助推BI

BI新走向之七：外部信息将整合到内部BI中，内外网信息并联互动

二、  智能的搜索引擎研究方向：

查询聚类（Query clustering）

查询意图识别（Query intent recognition）

查询推荐（Query suggestion）

查询改写（Query rewriting），具体包括：

查询同义变换（Query paraphrasing）

查询扩展（Query expansion）

查询缩略（Query reduction）

查询纠错（Query error correction）

学习排序（Learning to rank）

个性化搜索（Personalized search）

命名实体挖掘（Named entity mining）

本体知识库构建（Ontology construction）

 

三、   商务智能（BI），人工智能（AI）的研究方向：

1. 基于大规模机器学习的排序算法(Machine Learning to Rank)

排序算法是搜索技术的核心之一，基于机器学习排序算法将机器学习技术应用于排序问题。研究内容包括但不限于：

排序算法的分布式训练

排序算法的在线学习(online learning)

排序算法的在线预测速度提升

多目标优化的排序算法

2. 海量特征设计(large scale feature engineering)

特征设计在机器学习系统中扮演着至关重要的作用。但当面临海量数据时，往往特征数量也会是海量的，这时如何做好特征选择、特征组合等工作，与小规模时相比会复杂很多。研究内容包括但不限于：

海量特征自动选择

海量特征自动组合

3. 高效训练样本获取(Label Complexity Reduction)

机器学习算法要求大量的高质量的标注样本，然而标注样本耗时耗力，并且在样本到达一定量 后，对样本量的需求增幅远大于训练效果提升，如何高效地获取良好样本是一个挑战。海量互联网数据下的LTR的样本获取、多语言学习任务背景下标注样本的获 取、网页/网站/query等的分类或聚类所需样本等是高效样本获取方法的应用场景。本方向的问题包括但不限于：

通过主动学习(Active learning)加速标注流程

通过迁移学习/多任务学习(Transfer learning/multi-task learning) 利用其他领域的知识和标注样本来提升另一领域的学习效果

通过半监督学习(Semi-supervised learning)，考虑如何利用少量的标注样本和大量的未标注样本进行分类和聚类，相关问题有半监督学习的算法改进、半监督学习的在线学习 (Online-learning)或者增量学习(incremental-learning)算法等

4. 规则系统与机器学习系统的整合 (Integration of rule-based system and learning-based system)

规则系统和学习系统一直是人工智能实现方法的两个分支，二者各有优劣。规则系统更擅长高频和训练数据稀疏部分，而学习系统的泛化能力更出色。如何结合两者的优势，规避各自的缺点，是我们希望探讨的地方。研究内容只要与两个系统的整合相关即可。

5.海量数据的主题模型(Topic-model on large scale data)

主题模型主要使用大规模的文档—词汇共现(co-occurrence) 矩阵，例如1亿*100万的矩阵来建模文档和词汇间的潜在联系。研究内容包括但不限于：

主题模型的建模改进

主题模型的在线学习(Online learning)或者增量学习(incremental learning)

主题模型训练过程的大规模并行优化

主题模型的应用

6.推荐系统(recommender system)

推荐系统有着广泛的应用，如搜索引擎和电子商务网站以各种方式使用着推荐系统。在百度的 应用即包括在搜索、知道、音乐、贴吧等用户产品内及产品间的推荐，也包括面向搜索请求推荐广告、面向广告商推荐关键词等。不同应用场景的应用目标和数据量 存在较大差异，对于推荐算法本身也存在不同要求。在本领域的研究包括但不限于：

推荐系统的设计

推荐算法的改进

推荐效果的评估

个性化推荐

7. 点击模型(Click Model)

百度拥有中国搜索引擎市场上最丰富的用户数据，点击模型将极大提升用户对搜索的需求满意度。研究内容包括但不限于：

用户行为数据清洗

用户行为分析和建模

用户行为用于评测

8.网页多分类学习

互联网中网页资源可以按照不同的维度划分成不同的类型，而且一个网页可能兼有多个维度的类型标记。该方向的主要目标就是：如何自动高效地为网页进行分类标记。研究内容包括但不限于：

网页分类的机器学习模型研究：二分类/多分类/多标记学习/无监督学习等

主题/资源/结构分类特征挖掘

模型的跨语言通用性研究

9.基于海量网页的结构化信息自动抽取研究

WEB结构化信息抽取就是将网页中的非结构化数据按照一定的需求抽取转换成结构化数据。研究内容包括但不限于：

结构化信息自动抽取方法改进

抽取规则生成表示优化

10.观点挖掘、情感分析(opinion mining and sentiment analysis)

观点挖掘、情感分析主要是对带有情感色彩的主观性文本进行分析、处理、归纳和推理的过程。研究内容包括但不限于：

情感分析的算法改进

情感分析在大规模数据(博客、微博、新闻评论、商品评论)中的应用

情感分析在推荐中的应用

11. 基于机器学习的反作弊研究(fraud detection based on machine learning)

基于机器学习的反作弊研究内容包括但不限于：

自动训练数据标注

作弊特征分析

在线实时作弊检测

离线批量数据评估

业务分析师在敏捷项目中的作用

敏捷软件开发实践的文化中存在着一个断层，该断层同样体现在许多敏捷团队中。这个断层就是业务分析人员在敏捷项目中的角色——谁来担任这个角色？它 的作用 和价值是什么？它又是如何发生改变的？这种情况的潜台词（其实我曾至少听人说过一次）就是：“我们不需要什么见鬼的分析师！”。无需赘言，我当然认为这是 大错特错！在本文中，我证明如下观点：只要以正确的方式向业务看齐，业务分析师就可以帮助敏捷团队成功，而不是像大多数情况那样以开发团队为导向。

为什么要有业务分析师这个角色？

我的观点是：没有业务分析人员，就会发生真的断层。举例来说：

• 谁会注意最大的组织问题？
• 为了高效工作，用户（可怕的词汇——不过这是另外一个话题了）有自己的需求，而管理层（说到底，他们是为开发软件买单的“客户”）的要求可能与之冲突，谁去识别这种潜在的冲突？
• 假如现在有1500人以目前现有的方式工作，如果我们实施了新的软件之后，他们的工作模式会发生很大变化，谁来发现这样的事情？
• 当组织的工作流程因为新软件的实施而发生改变时，有些人要负责设计新的工作流程，以保证业务可以继续顺利运转，那么谁来帮助这些人？
• 与客户交互不当产生的潜在业务损失，谁来发现？
• 我可以继续举例，不过我想你应该有概念了。

在Agile 2008大会上，Alan Cooper做了一个很棒的演讲，他热情洋溢地提到：敏捷项目中需要包含互动设计的工作，要有人能够理解人的行为、而且可以确保相关的产品能够在现实世界中有效工作。

我的观点是：最理想、最有效的做法，是由业务分析师承担这个职责；而且我们应该一直这样做。我们接受培训，部分上也是处于这个目的：理解更广泛的业务需求，并向负责技术的团队以他们可以理解的方式解释这些需求。一直以来，业务分析师一直充当客户需求的守护神。

业务分析师可以帮助团队成功

我 坚信：对业务分析师角色的轻视，是如今众多敏捷团队的严重问题。在很多组织中，由于缺乏组织架构和管理层的支持，分析师的职能被削弱了，他们无法完全体现 自己的价值。业务分析师应被视为客户的代言人，并加入以业务为核心的解决方案提供团队，而不是技术的提供者。在面对问题时，业务分析师能够带来不同的视角 和理解，因此他们应该被授以足够的权力、信任和感谢，他们应向负责业务改进的人员和部门报告自己的工作，而不是去报告给信息技术团队。在这样的组织结构 中，业务分析师将会给予足够的权限，以提升业务价值为明确目标，推荐项目的变化向这个目标努力；而不仅仅只是作为技术团队的一部分，被看做“技术的跟屁虫 ”。

那系统分析师又该如何？

注意这里的区别：我们所说的是业务分析师，而不是系统分析师。“系统分析师”是干什么的？虽然在多数情况下，系统分析师的技能足以有效地完成业务分 析相关 的工作，我还是要区分开这两个角色，因为他们的角度不同——业务分析师的重点放在对业务需求的理解之上，并受其驱动；而系统分析师却常常从相反的角度考 虑，他们主要思考基于技术的解决方案，有时提出的方案甚至不利于真正解决业务问题（“Wow，我已经告诉你解决方案了！”）。系统分析师可以成为好的业务 分析师，但是他们一定要小心，必须压抑自己提出技术建议的冲动。

要业务分析师干什么？我们需要“客户”

业务分析师愿意花时间去接近 不同的“利益相关者”，也就是那些代表公司或组织、关心业务变更成功交付的人。业务分析师要理解多种不同维度的业务需求；与管理层讨论总体方向和目标；法 务部门一起工作，看看新的或是变更后的业务流程会产生哪些法务上的影响；跟后勤部门一起工作，识别办公空间或仓库布局的变化，理解流程变化对于物流、产品 直到发货过程的潜在影响；还要跟行政人员一起，搞清楚新的审核过程可能造成哪些潜在的瓶颈……以及诸如此类的事情。

分析调研进行到某个时间点时，我们会发现：要解决某个业务问题，就得在技术上想办法。此时，业务分析师的角色会有点变化，我们要加入到技术可行性的 讨论之 中，要决定是“构建vs购买”，或是决定内包还是外包。在这个阶段中，传统的业务分析师就会参与业务案例的制定，组织在实施敏捷时可以借助这些案例；至于 对项目的判断，要看它们能够为组织带来哪些业务上的好处。如果没有这个价值取向，为了管理敏捷待办事项列表而正在进行的优先级排定工作，可能就会缺乏对项 目愿景的全面理解，从而导致需求出现问题。

上述决策确定之后，而且组织也打算在技术上投入一定资金，此时业务分析师的角色就又变了，成为了需求的 看护者、用户故事的收集者和指导者。业务分析师也是在此时积极参与到敏捷项目中，并成为敏捷软件开发项目团队的重要成员，代表客户和最终用户，并与其他团 队成员协作，以达成明确的业务需求，使其受益于基于技术的解决方案。

业务分析师与项目团队一起工作，保证用户故事的正确实现。对于团队来说，他们是客户的代言人，推进用户故事的详细说 明。在面对更广泛的利益相关者群体时，他们充当项目的代言人，负责在正确的时间将客户正确的声音传达给项目团队。一般来说，这里的“客户”，在很多敏捷相 关的文化中都有提到，并不是一个单一的个人，而是表示很多“利益相关者”构成的群体。这群人构成多样，经常意见相左，互相角力，有时甚至彼此敌对。他们对 于业务需求和“完成”的定义经常充满分歧。

看完上面这段话，你是不是觉得我不相信“现场客户”的作用？绝 对不是！我120%地坚信：敏捷开发过程要想成功，我们必须有现场客户。我们所面对的挑战在于：有太多不同客户的声音，经常向团队发出彼此冲突的命令。在 整个项目中，业务分析师必须随时能够从这些“噪音”中过滤出有用的信号，并识别出那个时刻哪个客户适于作为代表。

那么业务分析师到底是干嘛的？

在 敏捷项目中，业务分析师也是用户故事的守护者。他们会引导发现过程，并促进团队之间的沟通，通过提出“如果……会怎么样？”之类调查性的问题帮助客户代 表；而这些问题来自于他们对项目发端因素的广泛调查， 对于利益相关者群体的印象，以及对于组织正式结构之下错综复杂的政治和人际关系的理解。他们还有能力接触出资方，争取机会访问真实的客户（这些人是真正为 系统提供的服务付钱的人），知道应该怎么做才能形成竞争优势，让客户满意，并最终让组织取得商业上的成功。

业 务分析师要广泛掌握调研和人际交往技能，掌握使用批判性思维和怀疑思考的能力，还要使用多种多样的建模技巧和其他工具，帮助客户代表发现构成系统的故事范 围。业务分析师还能帮助客户代表用清晰易懂的方式表达这些故事，从而让“完成”的含义一目了然，同时与测试人员和客户代表共同工作，帮人们看清用户故事必 须要具备的验收条件。

最好的业务分析师会参与故事各个方面的讨论，并积极加入到系统的交互设计过程中。他们深刻理解用户群体与系统交互的多种方式，知道不同需求之间的分歧，并可以平衡这些分歧，让系统在设计上满足不同利益相关者的要求。

敏 捷业务分析师也是设计师，他们对系统的理解远不仅仅是识别和记录需求文档这么简单。他们知道屏幕上的功能流程背后意味着什么，也能保证系统的流程符合人们 实际的工作流程。颜色和字体、屏幕的界面布局和响应时间，这些因素对系统使用者的工作效率会产生哪些影响，敏捷业务分析师都了如指掌。他们寻找一切机会创 建人们愿意使用的、真正实用的系统，并愿意引导开发人员构建符合人的直觉和自然使用习惯的用户界面。在理想状况下，用户界面会让人觉得似乎消失不见了，因 为它们非常易用，操作人员甚至感觉不到界面的存在。

传统的分析方法，希望在弄明白“怎么做”之前先搞清楚要“做什么”。可这不适用于敏捷项目。敏捷开发过程有一种与生俱来的工作方式，就是在一个高效的迭代开发周期之中，我们总是要通过“怎么做”的过程来知道“做什么”。

在处理系统与用户互动的界面工作时，系统的外观和感觉很重要，敏捷业务分析师能将这方面的工作清晰地展现出来，使其得到团队的重点关注。

敏捷业务分析师要确保真正的业务价值得到发掘和展现，他们要跟项目团队和客户代表一起找到这些价值，这可以使得所有人的工作都变得更加简单、高效，同时达成客户的满意度和“粘性”。我们的客户也就会一而再、再而三地跟我们反复做生意。

谁应扮演业务分析师的角色？

在 Scrum项目中，产品负责人或首席客户推广人员最适于充当敏捷业务分析师。因为他们有足够的权力，也能得到相应支持，足以代表客户。这些分析师要积极参 与管理产品待办事项列表，并识别产品功能的优先级。此外，还要构建与业务利益相关者的良好关系，同时理解技术实现的可行性；有了这些作为基础，业务分析师 就可以积极参与项目价值的交付过程。敏捷业务分析师必须要成为业务项目团队的积极成员，还得努力做出贡献；而不仅仅是试着产生一长串带有“应该”之类词汇 的句子；还要代表、放大、守护许许多多客户的声音，提出“你们有没有想过……”这样艰难的问题，从而保证我们交付的产品可以达成客户多样化、相互牵制的需 求；还要基于以往和眼下的用户故事，与整个项目团队一起讨论和互动，以理解并识别缺陷、流程和问题。

业务分析师角色对于项目的成功不可或缺

技术是为了满足人的需要而存在，而不是成为人的需要！
——Malcolm Watson, 墨尔本Pronto软件公司开发经理

业务分析师人群应该走上前台，成为敏捷协作团队的积极参与者，因为他们力图创建可以交付真正的价值和客户满意度的系统。主动承担“业务分析师”的角 色，将 问题拆分成各个组成部分，理解真正的潜在需要，然后成为项目团队的积极参与者；这样交付的解决方案，能够创建出真正的竞争优势，提升客户满意度！

谁是我指出的这些“业务分析师”？

国际业务分析师协会（IIBA）指出：业务分析师“要充当各个利益相关者之间的联系人，从而提炼、分析、构成、验证与业务流程、方针政策、信息系统的变更相关的需求”。

业务分析师要承担“万能沟通者”的角色，以清晰有力的方式理解并表述出不同利益相关者考虑问题的角度，协助业务人员发现模糊的潜在需求并使其逐渐清晰，从而识别出真正有附加值的需求。

如何通过数据进行网站分析

小米渣：非常荣幸邀请到您做客运营辅导在线访谈，听众朋友们都期待对您有更多的了解，请介绍一下自己及职业经历？
云统计高代鹏：
大家好，我是高代鹏，是数据平台产品经理。曾供职于国内一家第三方数据公司，主要负责大型媒体类网站统计产品的规划、网站的数据分析和行业数据的解读。
很荣幸能与大家一起交流网站的数据分析，这是一门新兴学科，05年起国内才崭露头角。希望通过本次访谈能让大家了解到一些常用的统计方法、分析思路、体会数据的魅力。

小米渣：首先，请代鹏介绍一下对于网站产品，日常监控范围内的常见数据种类及含义？
云统计高代鹏：
网站的监测指标有很多，一般的统计产品都包含大约20-30个指标。
这些指标可以分成以下五个类别：用户规模、用户粘性、用户来源、网站受众属性、网站内容属性；
用户规模主要是通过PV、UV和独立IP三个指标衡量；
用户粘性主要通过回访率、访问频率和访问深度三个指标衡量；
用户来源主要通过直接来源和站外来源两个指标衡量，其中站外来源常被分为搜索引擎和其他网站；
网站受众属性主要通过用户的性别、年龄、收入、职业以及地域分布等指标衡量；
网站内容属性主要通过最常访问内容、入口页和出口页三个指标衡量；

小米渣：感谢代鹏精彩的讲解，以上您所谈的对于互联网产品，最基础的流量指标，也就是关键数据有哪些？请结合实例谈一下这些数据的重要性。
云统计高代鹏：
其实每个数据指标都有他的实际意义，而要说最基础、最关键的流量指标那应该是PV和UV。PV和UV是反映站点的用户规模，在很多时候与收入直接相关。这两个指标的重要性就不在过多描述了，也经常有人问起对这两个指标的分析频率和如何分析。
频率可能不同的网站、站长习惯不同，之前在给新浪和搜狐提供分析时，是需要每周、每月、每季度都提供分析报告，在遇到重大事件时更需要专项的数据分析。
以月的数据为切入点，介绍三种常用的分析思路：
首先分析PV/UV的比值同最近三个月的比较。如果发现这个比值明显下降，而UV变化不大，说明PV的下将主要是每个用户单次访问的页面数减少，这种情况下网站的内容或结构急需调整，不然等用户大量流失时已晚。
其次查看PV、UV的环比变化率，分析网站最近的运营是否稳定，是否保持持续的增长。
最后还要与行业对比，才能发现自己的状况是真的好，还是表象；如某个月你的用户规模增长了10%，但行业均值确增长15%，那我们要努力的地方还有很多。

小米渣：嗯，刚才你谈到用户单次访问页面减少时可能需要进行网站内容或结构调整，那么 网站结构是否合理，具体通过什么样的数据指标去看？如何去分析用户关注的内容？
云统计高代鹏：
       网站结构是指网站中页面间的层次关系；按性质可分为逻辑结构及物理结构。网站结构对网站的搜索引擎友好性及用户体验有着非常重要的影响。
小站初期往往希望更快地找到自身定位，除了站长自身的资源和优势，还需要我们通过数据找到用户最感兴趣的内容，并且最大限度地引导他们浏览、回复这些内容。
这就需要我们对网站内容和网站结构进行分析：例如可从以下几个角度分析首页的结构是否合理：
1、查看首页作为网站入口的比例；
2、查看首页流量在全站的比例；
3、查看首页的二跳率和弹出率；
4、查看首页带给其他版块或频道的流量。
    经过几次这样的调整再分析的过程，最终找到最优的解决方法。
    通过对用户最常访问内容的分析，更能发现运营中存在的问题。如果发现TOP5版块的主题量和流量占全站比例不足50%，或者TOP20页面的回复量和流量 占全站比例不足50%，或者流量TOP20页面中有超过10个页面来自非主流版块等等，类似的数据表现都可以说明用户的关注点太过分散，网站没能有效的引 导用户，网站的定位与用户的兴趣点存在偏差。

小米渣：感谢分享，您刚才讲解的需要分析用户偏好，那么对于网站产品，一般的用户行为相关数据有哪些？怎样通过这些数据来分析用户进而分析网站产品？
云统计高代鹏：
用户在网站的每一次点击、回复乃至鼠标的每一次滑动，都是用户的访问行为；用户的访问行为是用户心理最直白的显现，更是我们网站产品设计的试金石。
从用户行为来讲，除了注册，登陆，其他数据会有访问深度、访问次数分布、访问停留时长分布、回访天数分布、每小时访问页数分布等等；通过分析网站用户各种行为的次数和人数数据，了解用户使用你的网站和产品情况，用户使用多的是哪种行为？是否符合产品原型的设计？
譬如，注册量是衡量新用户发展的一个数据；登陆是衡量用户使用网站和产品的一个主要活跃数据；评论次数反应你的网站用户互动情况，访问深度反映用户对网站内容的兴趣度等。
那 究竟这些指标数值的多少代表什么？是否有衡量的标准？因不同行业、不同类型的网站、以及网站处于不同的发展阶段衡量的标准都不同，所以对这些指标要动态的 分析；分享一下媒体型网站的相关数据，供大家参考。一个用户平均每天访问5-7次，每次访问8-10个页面，每次停留500秒左右，回访率在 33%-38%之间。

小米渣：古语有知己知彼百战百胜，网站最核心的价值是为用户提供服务，而用户属性是我们了解用户的一条渠道。那么请教代鹏一般网站产品的用户属性数据有哪些，能否结合实例数据图表等说明如何通过分析用户属性数据优化产品、协助运营？
云统计高代鹏：
用 户属性数据一般包括用户所属的地域、用户的性别、年龄、收入、职业以及学历；通过对网站注册用户属性数据的分析，可帮助网站优化产品，协助运营，提升用户 对网站的粘性；这里会用到网站数据分析的基本思想：细分；其实细分可于用户数据分析的方方面面，对发现的问题，都要层层拨开，找出事情的缘由，这就是细分 的思想。
比如通过IP定位，知道哪些省份、城市以及哪个区域的用户在访问，不同地域的用户关注的内容是否有差异，通过对这个数据的分析，可指导市场部门具体选定在哪个城市做推广或者活动效果更好。
比 如某个地方性的网站，在春节期间PV未降反而增长了20%，提供我们对这20%新用户的监测，发现IP地址都来源于本地，进而我们可以判断这20%的用户 是从外地返乡的，我们在运营时，可为这 20%的新用户有针对性的提供信息；比如提供返城火车票的信息服务，提供儿童教育类商家的信息等等。

小米渣：嗯，很赞同细分思想，数据运营要的就是针尖上跳舞的艺术，切忌烦杂，沉迷宏观的PV、IP。
经过对网站访问情况、用户属性等数据了解和分析，我们可以更真实了解自己的网站，帮助我们及时改进网站运营。当我们需要改版或者转型的情况，请问应该如何利用现有数据分析，以便使转型工作取得更有效的成果？
云统计高代鹏：如果一个网站决定改版或转型，那可能是发现用户对现有的网站结构不满意，而具体对哪些地方不满意，怎样的数据指标能反映用户的心理呢。一般地，我们会从以下角度进行分析：
首先分析网站的小时浏览趋势、热门板块、热点内容与网站的定位和用户特征是否一致。
1、首先通过整站或者频道的小时浏览趋势来掌握网站用户的访问情况。
比 如我们持续跟踪某个网站流量的小时变化趋势，发现凌晨1-2点，博客频道的流量都会大幅增长，并且平均每个用户都会访问10个页面以上；根据这个分析，编 辑可针对性在这个时段，推荐些有思想博文和深度评论，同时也可考虑推荐些其他频道的、用户可能感兴趣的内容，引导用户对其他频道的访问。

2、其次分析首页的弹出率、二跳率等指标，评估首页的引导效果；
通过访问深度来衡量网站首页内容是不是符合网站主流的用户偏好。
通过对某网站最近一周的监测发现，70%以上用户的访问深度都低于3页，访问最热的内容TOP10中，仅有3个来自于网站首页，说明我们近期编辑发布的内容与当前热点有偏差或者首页导航、热点区域的推荐内容有问题。
3、最后我们还可分析不同板块的用户重合度、不同板块的流量引导效果
如 之前我们对XX网站的监测发现，该网站新闻频道和女性频道的用户重合度达到73%，同时女性频道的流量50%是由新闻频道带来的，根据这些数据，我们会建 议广告商在新闻频道投放广告的同时，也需在女性频道投放，这样可提升目标受众对品牌的印象，同时更可节约成本（女性频道的广告相对更便宜）；
特别 地，在改版的过程中，也需时刻监测用户的访问行为，评估改版的效果；升级了 8.3的站长可以关注一下用云统计提供的页面点击热图；通过对某些特殊页面（如网站首页）部署一段监测代码，站长能获得用户在这个页面的点击轨迹，再用不 同的颜色区分用户对不同区域的点击热度，这样可直观的看出用户在这个页面的点击分布。

小米渣：感谢代鹏，我相信这方面能够帮助不少站长朋友们。另外，对于公司的领导决策层，网站的哪些数据会影响制定和修改营销策略？
云统计高代鹏：网站的营销形式有很多，这里简单粗略地分为内容营销和市场营销：
1、内容营销会更多的关注数据的时效性，如流量的小时变化趋势、帖子热门标签、意见领袖的热点话题、热点关键词等，根据这些数据指标的变化，实时调整内容营销策略：
例如通过流量的小时变化趋势发现每天在上午8-10点、下午4-6点和晚上的8-10出现三个峰值区间，可对这类用户（大部分是上班族）提供有针对性的内容；
再例如，对使用 8.3的站长可以关注云统计提供的帖子热门标签，发现当前网站的热点讨论内容，根据这个数据可让编辑对此类内容给予重点关注，如置顶、加精、首页推荐等，引导更多的用户参与到相关话题的讨论。
2、 市场营销则需持续关注投放媒体的数据延续性和效果的可持续性。比如某些网络广告投放目的是提高产品销售，首先还是选择投放媒体，投放媒体的影响力和目标用 户的吻合度同样重要；其次需对广告每次展示、点击、二跳都需要有全面的统计和分析；最后分析销售数据，购买用户究竟从哪个网站，点击了哪个位置的广告而来 的。在购买的流程过程中，在哪个步骤用户大量流失。
此外，我们也需要分析用户对什么样的内容感兴趣，分析用户的偏好；比如我们发现某一堆用户浏览的页面都是在描述5-10万元的汽车，根据这些数据，我们可将符合这个价格区间的汽车定地的投放给这一堆用户；
比 如，近期我们选择了10个合作网站推广，那么该如何评估哪个网站效果好呢，仅看带了PV\UV数据是片面的，很有可能某个网站带来了大量的用户，但这些用 户在我们网站仅访问了一页或二页，并且之后也没有回访行为。如果是这样，我们可以说这个网站带来的用户没有价值，下次也就不会考虑与这个网站在合作。所以 我们在实际的运营过程中，在掌握PV\UV等宏观指标的同时，更要仔细研究分析平均访问页数、访问次数分数等细节指标。
希望这两个例子能起到抛砖引玉的作用，让数据更多的参与到公司的决策中。

小米渣：谢谢代鹏的两个例子，我个人认为领导层的决策应该会参考网站内部的数据以及网站外部数据，内部数据更能了解一个网站的内力，外部数据能够说明这个网站在行业内的影响达到了一个什么程度。只有明确了内力和外力现状才能更好的精准营销。
小米渣：再代表站长们请教一个数据运营中比较常见的问题，就是我们时常会发现某个长尾关键词带来了不小的流量，针对这种偶发现状，站长们应该怎样面对机遇和挑战，请代鹏给予建议？
云统计高代鹏：这是一个很好的问题，我也常听一些分析师提到，经常会发现一些用户通过搜索陌生的关键词来到网站，而这些关键词初看起来和网站并没有紧密的关系。每天通过互联网会产生大量的新词，如果能及时发现这些新词并与我们每天的运营结合起来，可能会起到意想不到的效果。
先提供2个发现新词的方式：1.通过百度和谷歌的搜索风云榜能及时发现社会热点关键词和话题；2. 通过云统计提供的行业热门帖子标签和用户站内搜索热点关键词。
该如何利用这些长尾关键词我觉得可阶段性的尝试与网站内容编辑结合起来，辅以SEO，并持续的跟踪监测，评估用户对这类内容的接受程度。

网站运营相关的33个问题

以下问题可根据自己的实际情况排序考虑 同时也要注意边考虑边执行毕竟实践出真知！

1、你的网站提供的内容是不是网民现在需要的内容？是不是能逐渐引导网民接受的内容？这是网站的需求分析。

2、你的网站给哪一类人群看？这一类人群有哪些共同特征？这是网站的市场细分？

3、你的网站目标市场有多大规模、是否成熟、未来前景发展如何？你是否有能力满足市场需求并获得目标利润？这是网站的目标市场评估。

4、你的网站所在行业未来会有那些政策和环境变动，会有哪些竞争对手出现？这是网站的市场预测。

5、如何向你的目标用户展示你的网站和其他同行网站的区别？你准备在目标用户心目中树立什么样的形象？这是网站市场定位。

6、你准备如何如何传播和持续加强你的网站形象？这是网站品牌策略。

7、你的网站目标群体的具体需求是什么？你准备整合什么样的功能与服务来满足他们的需求？这是网站产品概念。

8、你能像了解你的恋人一样一口气说出你的网站项目概念有哪几大特色吗？这是网站的差异化策略。

9、你了解你的目标用户搜索和使用该类网站的心理和行为模式吗？这是网站用户心理和行为模式分析。

10、你的网站如何不断开发新的功能、推广不同活动？这是你的创意机制和网站开发策略。

11、如何处理网站名称、域名、网站主题三者之间的关系？如何使你的目标用户一看就明白你的网站名称、域名、网站主题的含义？这是网站的包装和商标策略。

12、你的网站有偿服务价格依据是什么、是如何制定的？这是你的网站价格策略。

13、你知道你的网站月收入多少才能达到收支平衡吗？这是盈亏平衡点分析、网站项目运营和预算管理。

14、你的网站竞争对手有哪些？他们的特色服务是什么？不要忘了所有能满足你的目标群体需求的网站都是你的竞争对手，这是竞争对手分析。

15、你的竞争网站采取是什么样的推广方式、销售政策？你都是通过什么渠道、什么方式获得的这些信息？这是网站营销调研。

16、和你的竞争对手相比，你的竞争优势是什么？这是市场竞争策略的选择。如果没有竞争优势，你就不要去竞争。

17、你的网站使命是什么？你要帮助你的目标用户达到什么层次？这是网站使命？

18、你的网站三年、五年、十年的规划是什么？这是你的网站战略规划。

19、你的网站三个月、六个月、九个月都有什么具体工作，这是网站运营管理。

20、你是如何把你的网站优势展示出来并有效传播给你的潜在用户？你能总结出来这就是你的网站独创营销模式。

21、你的网站准备用什么样的方式切入市场？这是网站推广策略。

22、你的网站都有哪几篇为网民熟知的软文介绍？这是网站新闻推广策略。有空看看妙创网的网站点评专题。

23、你如何让你的网站项目迅速为潜在用户试用、成为商业用户？这是网站促销策略。

24、你的网站业务推广具体采用的是什么方式方法？你如何监控和评价？这是网站业务推广流程管理。

25、你总共可以采取哪些方法、创造那些事件推广、宣传你的网站？这是网站推广、网站公关和网站广告。

26、你通过什么样的奖励方式调动开发和推广人员的积极性和创造性？这是网站薪酬设计。

27、你是如何调动你的网站内部人员之外的单位和个人推广你的网站？这是网站项目分销渠道的选择和管理。

28、你的网站开发和推广分成几个阶段？谁来站掌控？这是危网站项目进度管理。

29、完全实现你的网站设想，开发和推广大概需要多少时间和多少资金？你有没有做好充分的资金准备？这是网站项目预算。

30、完全实现你的网站设想，开发和推广大概需要什么专业人员？多少专业人员？你怎么样才能准时找到他们？这是网站人力资源管理。

31、你的网站有哪几条根据你们的工作经验和行业分析总结出来的大家都认可的工作方式方法？这是网站管理文化。

32、当你的网站出现突发性危机事件的时候，你将如何采取措施面对和解决？这是网站紧急预案和网站危机公关。

33、你的网站是否专门请过第三方进行点评分析？这是网站诊断机制。