做网站分析卡住的时候，多半不是工具不会用，而是不知道该从哪个角度看。同一批数据，按不同维度切，能得到完全相反的结论。网站数据分析维度可以粗分成三层：流量层回答多少人来了、从哪来，行为层回答他们进来后做了什么，转化层回答有没有完成你要的动作。三层逐层往下，问题才定位得到。
流量层维度：先知道人和来源
流量层的基础指标是 PV、UV 和会话数。PV 是页面浏览次数，一个访客看三页就算三个 PV；UV 是独立访客数，同一人多次访问只算一次；会话是连续访问的区间，中间离开超过一定时间会算作新会话。这三个数一起看才有意义：PV 涨而 UV 没涨，说明是同一批人看得更多；UV 涨而 PV 平，说明新来的人只看了很少页面。再叠加来源渠道、地区、时间段三个维度，就能回答人来得多不多、是不是我想要的那批人。
行为层维度：进来以后干了什么
行为层看的是页面级数据：受访页面、平均停留时长、跳出率、页面之间的跳转关系。跳出率高不等于页面差，工具类页面用户看完就走很正常，反倒是长文页面跳出率高才说明开头没抓住人。把跳出率和停留时长放一起看：停留长、跳出高，说明内容有人看但没给下一步；停留短、跳出高，说明根本没看进去。再往下看跳转关系，能发现用户从哪些页面流失、在哪个步骤卡住。
转化层维度：有没有产生结果
转化层需要你先定义什么叫转化：提交表单、点击咨询、访问某个页面、停留超过一定时长，都算。定义好之后，转化率等于完成转化的会话数除以总会话数。转化层最有用的是和目标来源交叉，同样是 100 个访客，从搜索来的转化率可能是外部链接来的三倍，这个差别直接决定你把精力投在哪。
加一层对比维度，结论才有方向
单看一天的数据没有意义，必须加对比维度：和上周同期比、和上月同期比、和不同设备比、和新老访客比。手机端跳出率比电脑端高一截，在很多站是常态，但如果差距在扩大，就要去查移动端加载速度。新访客占比持续下降，说明站越来越依赖回头客，拉新出了问题。对比维度是最便宜的分析手段，不花钱，但能立刻让数字有了方向。
当报表分散在多个页面时，可以先把数据导出成一份 CSV，再按渠道汇总三层指标。下面这段脚本读 CSV，按来源渠道聚合 PV、会话数和转化数，算出各渠道的转化率。要改的地方是 FILE 那一行和列名；跑完看哪个渠道转化率最高、哪个渠道占比最大但转化最低，这两类分别对应值得加投和需要改落地页。
# 按来源渠道汇总 PV、会话、转化，算出各渠道转化率
import csv
from collections import defaultdict
FILE = 'traffic.csv' # 列：渠道, PV, 会话数, 转化数
agg = defaultdict(lambda: [0, 0, 0])
with open(FILE, encoding='utf-8-sig') as f:
for r in csv.DictReader(f):
a = agg[r['渠道']]
a[0] += int(r['PV'])
a[1] += int(r['会话数'])
a[2] += int(r['转化数'])
print('%-12s %8s %8s %8s %8s' % ('渠道', 'PV', '会话', '转化', '转化率'))
for k, v in sorted(agg.items(), key=lambda x: -x[1][1]):
rate = v[2] * 100.0 / v[1] if v[1] else 0
print('%-12s %8d %8d %8d %7.2f%%' % (k, v[0], v[1], v[2], rate))
跑完重点看两列：占比和转化率。占比高、转化率也在前列的渠道，是基本盘，要保持；占比高、转化率明显偏低的渠道，先别急着减，去看这个渠道落地的是什么页面，多半是页面和意图对不上；占比低、转化率高的渠道，通常是被忽略的机会，可以单独试一批内容。表格里的数字不要只看一次，每月跑一遍存下来对比。
三层维度加一个对比维度，是网站分析最省的起手式。先把这四层跑通，再考虑更复杂的归因模型。
相关阅读：
A5创业网 版权所有