用户行为数据分析
第一部分：量化成效
开尔文有句名言：“不能度量，就无法改进”，这句话道出了网站分析的宗旨，从访客的角度，了解正在运营的网站，那些可行，哪些不可行。
没有网站分析，网站运营很可能变得无头苍蝇一样。
基本指标：
- 网站的日访客数量，
- 网站的平均转化率（注册量，销售量，下载量）；
- 访问最多的页面；
- 访客在网站的平均停留时间和回访的频率；
- 平均页面访问深度和访问来源；
- 最畅销的额体验显目；
网站的唯一浏览量的说法：
$index是一个单页面指标，$index衡量了一个页面的价值
$inde = （目标价值 + 电子商务收入）/独立页面浏览数，$index不仅仅是一个页面的价值反应，即其受欢迎程度，更重要的是它提供了一种排序网站网页重要程度的衡量标准。
在为提高用户体验（提高转化率）优化网站内容的时候，最先关注的总是$index最高的页面。因为这些都是举足轻重的页面。
为了理解网页的重要性，考虑下列4个不同的访客的路径，本例中，目标页面设为D页面，页面的价值为100元。
访问路径1：B->C->B->D
访问路径2：B->E->B->D
访问路径3：A->B->C->B->C->E->F->D->G
访问路径4：B->C->B->F
计算这些页面的$index时，在每个访客每次访问不同页面时，独立页面浏览数加一，故访客1的独立页面浏览数为3，两次B只算为一次，四位访客产生的总价值为300元，其中A页面产生的独立浏览量为1次
以此类推，B产生的独立浏览量为4次，C产生的独立浏览量为3次，D产生的独立浏览量为3次，E产生的独立浏览量为2次，F产生的独立浏览量为2次，G产生的独立浏览量为1次，
计算完了每个页面的独立浏览量，再计算每个页面所产生的价值，经过B页面，且到达D的共有3次，故B产生的为300，类似的，A为100，C为200，D为300，E为200，F为100，G为0，因为在G之后并没有产生效益
经过计算，
- 页面A的$index = 100/1 =100
- 页面B的$index = 300/4 =75
- 页面C的$index = 200/3 =67
- 页面D的$index = 300/3=100
- 页面E的$index = 200/2 =100
- 页面F的$index = 100/2 =50
- 页面G的$index = 0/1 =0
所有访客会话中价值最高的页面是A,D,E，只要这些页面出现在路径中，就一定会发生转化，所以可以考虑考虑提升ADF三个页面的用户体验，可以适当考虑页面G的取消
第三部分：在网站部署Google Analytics
本部分将详细介绍详细的搜集访客数据的方法，从建立账户到设置追踪代码的最佳方案
唯一账户识别码： UA-124842034-1 该识别码是google用于识别将分析数据发送给谁的
第四部分：关注主要的网站性能指标
前面三章讨论的是数据分析的方案原则：
- 标记所有东西，尽可能多的获取用户的数据，体现了高内聚的设计原则，只有数据多，分析才能随心所欲
- 清理和分类数据
- 设定目标，将数据分析，汇总到衡量指标中
然而，通常的问题是，公司只有部分人员了解和终试我们的工作，在其他大部分成员眼中，我们只是创建了一部分图表而已，如果我们不能让公司接受这些访客数据，并基于此做出商业决定，对网站进行改善，那么一切只是徒劳。
1.设定目标和关键结果
通过和部门其他人的探讨，详细了解个部门以及公司的目标和关键结果（okr）
有了具体的OKR之后，就可以根据其来选择和确定KPI了
2.选择和准备KPI
第五部分：确定表现不佳的页面
通常关注以下几个点：
- $index值
- 最多的登录页和离开页面
- 渠道可视化报告
1.$index值
首先确认目标价值，在确定了价值之后，所得出的$index才有意义
$index值给出了在达到目标页面前，每个页面的浏览指数，根据该排序，结合实际浏览场景，确定该页面的改进优化方法