在最近的工作学习中发现  Goolge Analystics （以下简称 GA ）是个绝佳的网站分析工具，在前面的两篇文章也对其应用也有提及，今天就说一下GA的缺点。

GA 不是一款实时统计工具

GA 作为一款基于代码嵌入分析工具，利用Cookies和JS技术来记录服务端与客户端的“会话”机制来保证流量数据的正常更新，但很遗憾的是这个数据更新周期稍微长一点。根据 GA 的官方对“访问为半个小时处理一次”的定义，以及个人实际应用心得，数据更新周期大约在1小时到2小时之内。这个周期相对于同类代码嵌入分析工具的51啦和维度统计来说是太长了。更别说没有在线人数实时统计功能( GA 的 API 扩展应用是否有这类功能目前还不知晓）

GA 统计代码段不能随意修改

这次在项目改版过程中发现技术人员在  GA 统计代码段中增加一句和  GA 统计无关的代码，而导致  GA 统计效果和改版前产生天壤之别。虽然之前也有 Owen同学发表的豆瓣GA统计 ，利用GA开放的API，根据项目实际需求修改  GA  统计代码定制统计报告，让人了解 GA 的灵活。但这种在 GA 统计代码中添加无关代码的举措确实值得商榷！后来的事实也证明，去掉无关代码后，GA 统计效果恢复正常，：）

GA 统计的中英文切换问题

由于个人平时习惯在英文环境下面查看  GA  统计效果，但在实际工作过程要和非技术人员沟通（领导、客户、运营人员等角色），因此需要切换到中文环境，GA 在这方面的导航做的不够细致。事实情况是当我从GA中文版首页进去后发现还是GA英文版，虽然链接中hl=cn 。目前我还没有发现一个好的方法切换中英文环境，大家多多指教～(目前的解决方法是先退出，切换到中文 GA ，然后在进去，不知还有没有其他更便捷的方法？）

今天又想到一个方法是输入下面网址：https://www.google.com/analytics/settings/?hl=zh-CN 即可立马切换到GA 中文版，也就是将上文中 hl=cn 改为 hl=zh-CN ，想想这也是 GA 的bug吧，传递参数值出错，而让用户抓不着头脑了，：）
——-2009年9月16日更新

GA 对 flash 点击来源统计的混淆

一般传统企业做广告时会在门户、社区首页发布 flash 格式的广告位，如何对这部分的点击来源做统计，一方面由广告代理商运用监测工具统计；另一方面企业有统计通过flash广告来到点击目标页面（landing page )的访问量.可惜的是 GA 在 流量来源 的报告中，将这部分的流量直接归入到 直接流量 ，对后续统计分析带来干扰。虽然 GA 开放 API ，可以通过调用_trackPageview 函数来实现，但其统计易用性大打折扣。下面是利用 GA 监测 flash 的一些心得体会。

1 ）Google Analytics应该改进针对Flash页面的Tracking机制

2）Trace flash using Google analytics

——-2010年5月18日更新

有兴趣就读阿石日志站内其他GA相关的

• 《Google分析学习笔记2：利用GA建立简单用户模型》
• 《Google分析学习笔记1：基本参数》
  

首先，沿着”GA——Visitor——Visitor Loyalty”，打开用户（访问者）忠诚度的报表，如下图1：

图1：访问者忠诚度报表

其次，同时要注意选择时间尺度，根据自己网站目前流量实际大小情况，分别选择日度、周度、月度等取数周期，在这里我截取自己的网站一周的用户忠诚度报表，可以看出访问者的访问次数代表了用户的忠诚度的高低。从上面的用户忠诚度报表中可以看出，用户对阿石的日志网站呈现三极的分布：

• 在一周访问1到2次阿石的日志的用户占65.86%，可以将这类用户（的访问）定义为体验型用户
• 在一周访问3到8次阿石的日志用户占 6.1% ，可以将这类用户（的访问）定义为一般老用户
• 在一周访问9次以上阿石的日志用户占26.83% ，可以将这类用户（的访问）定义为铁杆老用户

如下图2，这样就建立起了一个简单的用户模型：

图2：网站或商城用户模型

最后，稍微解释一下，对一个新生的网站，扩大用户数和提高流量无疑是头等要务；对一个走向正轨的B2C的网上商城来说，沉淀用户、提高订单转化率是运营负责人的最感兴趣的事了。这里利用GA建立的一个简单用户模型的思路是事先圈定好自己的用户层级并建立参照数据、定期取数如每周、每月、每季度的形式与之对比参考，如果下一周、下一个月、下个季度的体验型用户比率比参考的要低，而相应的一般老用户或铁杆老用户比率提高了，说明这段时间的用户沉淀下来了，剩下的事情是多和用户互动或搞个促销等活动鼓励老用户下单等；反之，则说明这段时间的内容运营不吸引人，该考虑如何留住用户的手段了～

建立用户模型的目地是网站甄别新、老用户，对网站日常运营提供一个简单参考，也是基于越是老用户越是有价值的来考量。根据上面的用户模型分析来到自己网站的体验型用户是否沉淀下来了转化为一般老用户，一般老用户是否跟我的网站或商城很铁，而铁杆用户是最有可能与我互动、下订单的用户，进而成为我网站的朋友或商城的客户的。当然，还有其他更高级的分析工具去支撑建立更完备、更精确的用户模型，因为大公司建立这一整套的目地是为了精细化营销，而对我们一般中小型网站或企业来说，有个上面简单用户模型，结合一下其他的订单数据也是不错的选择～

网站分析工具琳琅满目，各家对各分析参数都有各家的标准和定义，由此而造成的统计结果不一致也是很正常，无论哪家都不会绕过以下基本参数，以及对其参数的定义和解释，以下的基本参数说明是是基于Google Analystics的:

1. 访问量（Visits）：
   访问网站的用户数，也俗称为UV、IP。在国内由于IP资源稀缺，共享上网的用户较多，造成Visits和UV比一般统计的IP数略大。
2. 页面浏览量（PageViews）：
   简称PV，网站页面被查看的次数，一个用户一次Visit来到一个网站可能会东看看西看看点击站内多个页面（PV）
3. 跳失率（Bounce Rate）：
   衡量某个站点或具体页面的吸引程度。其算法是啥也没做，或关闭页面、或去了其他站点的用户访问量Visits除以来到这个站点或页面的总访问量Visits。跳失率高说明这个站点或页面对用户没有吸引力，没有深入下去访问的欲望，是衡量网站质量高低的重要参数，这个指标对电子商务类网站尤其重要。
4. 平均用户在线时长（Avg. Time on Site）：
   所有用户在来到站点到离开站点的的平均时间，也是衡量网站质量高低的重要参数之一，这个指标对新闻资讯类网站尤其重要。
5. 人均页面浏览量（PageViews /Visit）：
   即平均每个用户访问的页面数 ，是衡量访问用户Visits质量的重要参数
6. 新增用户比率（% New Visits）：
   在所用访问量Visits中，第一次访问量的用户数占比，对应的老用户比率（%Returning Visits）是在所用访问量Visits中，二次和更多次访问量的用户数占比

这6个基本参数中，访问量Visits和页面浏览量Pageviews 可以反映网站或商城大抵流量或人气如何，而跳失率Bounce rate、平均用户在线时长等则反映了网站页面的质量高低，如UI设计、流程交互等用户体验要素。
———————————————–阿石的日志www.ashnotes.com——————————————–

备注：

1. 之所以称以上6个参数为基本参数，因为在Google分析的主控面板（Dashborad）以及与同类网站做标杆基准分析（Benchmarking）中呈现和对比的就是这个6个参数， 在Google分析的其他报告中，这个6个参数的各个变种都会延伸到各个图表、数据展示中，如访问量Visits会有绝对唯一访问者（Absolute Unique Visitors)的精细代表、跳失率（Bounce rate)会有退出率(Exit rate)的对比等,但并不妨碍这6个参数对一个网站或商城运营情况的管中窥豹。
2. 在以后的Google分析学习笔记中会详细加以揣摩说明，并把心得写下来，给大家分享，：）