网站流量统计分析是指在获得网站访问量基本数据的情况下对有关数据进行统计分析，以了解网站当前访问效果和访问用户行为，并发现当前网络营销活动中存在的问题，为进一步修正或重新制定网络营销策略提供依据。

网站访问统计分析的基础是网站流量统计数据，可以统计的信息不仅是用户浏览的网页数量等“流量指标”，还包含用户访问网站的各种行为记录。网站访问统计的主要指标可以分为3类：网站流量指标、用户行为指标、用户浏览网站的方式。

本章将以某网站在2020年上半年的运营数据为数据源，围绕页面指标分析、访问量分析、浏览量分析、退出量分析和下载量分析5个方面进行深入分析。

在用Tableau进行数据分析之前，我们需要收集整理需要的数据，并进行清洗，再用Tableau进行数据连接。具体过程将不做详细说明，只介绍导入数据后的操作步骤。

数据在公众号“可乐加冰有点凉”后台回复：“网站流量数据”获取

软件在公众号“可乐加冰有点凉”后台回复：“Tableau破解”获取

在网站流量统计分析中，网站页面浏览数一般是一个时期内的网页浏览总数，以及每天平均网页浏览数，主要指标可以分为3类：网站流量指标、用户行为指标、用户浏览网站的方式，仪表板如图2所示。

访问次数是指访客完整打开网站页面进行访问的次数，访问次数是网站访问速度的衡量标准。如果访问次数明显少于访客数，说明很多用户在没有打开网页时就关闭了网页，如图所示。

                         

操作步骤：

步骤01　将度量下的“停留时间”拖放到行功能区，调整为平均值；将“访问量”拖到列功能区。

步骤02　将维度下的“类型”拖放到“标记”卡的“颜色”中。

步骤03　将度量下的“访问量”拖放到“标记”卡的“大小”中。

步骤04　将维度下的“页面”拖放到“标记”卡的“详细信息”中。

步骤05　将维度下的“日期”拖放到“筛选器”上，并选择“显示筛选器”。

步骤06　将维度下的“类别”拖放到“筛选器”上，并选择“显示筛选器”。

平均访问时长是用户访问网站的平均停留时间，平均访问时长=总访问时长／访问次数。如果用户不喜欢网站的内容，可能稍微看一眼就关闭网页，平均访问时长就很短，如图所示。

                                

操作步骤：

步骤01　将度量下的“停留时间”拖放到行功能区，调整为平均值；将维度下的“省／自治区”拖放到列功能区。

步骤02　将维度下的“类型”拖放到“标记”卡的“颜色”中。

步骤03　将维度下的“日期”拖放到“筛选器”上，并选择“显示筛选器”。

步骤04　将维度下的“类别”拖放到“筛选器”上，并选择“显示筛选器”。

通过各个页面浏览数的比例分析重要信息是否被用户关注，通过对各个栏目页面浏览数量比例分析可以看出用户对哪些信息比较关注，也可以获得访问网站首页的用户比例。这些数据对于各个重要网页的重点推广具有重要意义，如图所示。

            

操作步骤：

步骤01　将维度下的“页面”拖放到行功能区，将维度下的“地区”拖放到列功能区，将度量下的“访问量”拖放到列功能区。

步骤02　将维度下的“类型”拖放到“标记”卡的“颜色”中。

步骤03　将维度下的“日期”拖放到“筛选器”上，并选择“显示筛选器”。

步骤04　将维度下的“类别”拖放到“筛选器”上，并选择“显示筛选器”。

网站访问量分析是指在获得网站访问量基本数据的情况下对有关数据进行统计分析，从中发现用户访问网站的规律，并将这些规律与网络营销策略等结合。

在本例中，访问量分析将围绕访问量地图、各省市访问量、区域访问量、访问量趋势4个方面进行。访问量分析的仪表板如图所示。

网站访问统计分析报告的基础数据源于网站流量统计信息，不过价值远高于原始数据资料。我们可以通过地图的形式比较全国各个省市的网站访问量大小，如图所示。

操作步骤：

步骤01　将维度下的“类别”拖放到列功能区，将维度下的“省／自治区”拖放到行功能区。

步骤02　将度量下的“访问量”拖放到“标记”卡的“文本”中。

步骤03　将维度下的“日期”拖放到“筛选器”功能区，统计频率调整为月，并单击筛选条件，选择“显示筛选器”。

对网站页面访问量进行分析，从中分析网站流量的发展趋势，并将这些数据与网站所处阶段与特点结合分析。该网站的访问量趋势如图所示。

操作步骤：

步骤01　将维度下的“日期”拖放到列功能区，统计频度调整为月；将度量下的“访问量”拖放到行功能区。

步骤02　将维度下的“类别”拖放到“标记”卡的“颜色”中。

步骤03　将度量下的“浏览量”拖放到“标记”卡的“标签”中。

步骤04　将维度下的“类别”拖放到“筛选器”功能区，并单击筛选条件，选择“显示筛选器”。

访问量即页面浏览量或点击量，用户每一次对网站中的每个网页访问均被记录一次。PV（Page View，即页面浏览量），因为一个独立IP可以产生多个PV，所以PV个数≥独立IP个数，如图所示。

操作步骤：

步骤01　将维度下的“类别”拖放到“标记”卡的“颜色”中。

步骤02　将度量下的“访问量”拖放到“标记”卡的“大小”中。

步骤03　单击右上方的“智能显示”按钮，在界面上选择“树地图”。

步骤04　将维度下的“日期”拖放到“筛选器”功能区，统计频率调整为月，并点击筛选条件，选择“显示筛选器”。

浏览量和访问次数是呼应的。用户访问网站时每打开一个页面，就记为一个PV。同一个页面被访问多次，浏览量也会累积。一个网站的浏览量越高，说明这个网站的知名度越高，内容越受用户喜欢。

在本例中，浏览量分析将围绕浏览量地图、各省市浏览量、区域浏览量、浏览量趋势4个方面进行。浏览量分析的仪表板如图示。

我们可以通过地图的形式比较全国各个省市的网站浏览量大小，反映用户在各个省市的空间分布、组合、联系、数量和质量特征及其变化情况，如图所示。

操作步骤：

步骤01　将“城市”的数据类型设置为“地理角色”中的“城市”，并把度量下的“经度（生成）”拖放到列功能区，将“纬度（生成）”拖放到行功能区。

步骤02　将维度下的“类别”拖放到“标记”卡的“颜色”中。

步骤03　将度量下的“浏览量”拖放到“标记”卡的“大小”中。

步骤04　将维度下的“省／自治区”拖放到“标记”卡的“详细信息”中。

步骤05　将维度下的“日期”拖放到“筛选器”上，并选择“显示筛选器”。

步骤06　将维度下的“类别”拖放到“筛选器”上，并选择“显示筛选器”，并将“省／自治区”拖放到“筛选器”上，在下拉框中选择“湖北”。

由于各个省市经济文化水平的差异影响人们的网络浏览偏好，因此可以通过网站页面访问数的区域分布深入分析用户在各个省市的浏览量偏好，如图所示。

操作步骤：

步骤01　将维度下的“类别”拖放到列功能区，将纬度下的“省／自治区”拖放到行功能区。

步骤02　将度量下的“访问量”拖放到“标记”卡上的“文本”中。

步骤03　将维度下的“日期”拖放到“筛选器”功能区，统计频率调整为月，并单击筛选条件，选择“显示筛选器”。

由于不同区域人文地理、生活习惯和经济发展水平等的差异影响人们的网络浏览偏好，因此通过分析网站页面浏览数的区域分布可以挖掘用户的特征，如图所示。

操作步骤：

步骤01　将度量下的“浏览量”拖放到行功能区，将维度下的“地区”拖放到列功能区。步骤02　将维度下的“类别”拖放到“标记”卡的“颜色”中。

步骤03　将度量下的“浏览量”拖放到“标记”卡的“标签”中。

步骤04　将维度下的“日期”拖放到“筛选器”上，并选择“显示筛选器”。

步骤05　将维度下的“类别”拖放到“筛选器”上，并选择“显示筛选器”。

分析网站页面浏览数，从中得出网站浏览量的发展趋势，并将这些数据与网站所处阶段特点结合分析。网站用户的浏览量如图所示。

操作步骤：

步骤01　将维度下的“日期”拖放到列功能区，统计频度调整为月；将度量下的“浏览量”拖放到行功能区。

步骤02　将维度下的“类别”拖放到“标记”卡的“颜色”中。

步骤03　将度量下的“浏览量”拖放到“标记”卡的“标签”中。

步骤04　将维度下的“类别”拖放到“筛选器”上，并选择“显示筛选器”。

对网站页面的退出量进行全面分析，从中得出用户的行为规律。对于新发布的网站，如果网站页面退出量有明显下降的趋势，就应该进一步分析近期网站退出量明显下降的原因。

在本例中，退出量分析将围绕退出量地图、各省市退出量、区域退出量、退出量趋势4个方面进行。退出量分析的仪表板如图所示。

我们可以通过地图的形式比较全国各个省市的网站退出量大小，反映网站用户的空间分布、组合、联系、数量和质量特征及其变化，如图所示。

操作步骤：

步骤01　将“城市”的数据类型设置为“地理角色”中的“城市”，并把度量下的“经度（生成）”拖放到列功能区，将“纬度（生成）”拖放到行功能区。

步骤02　将维度下的“类别”拖放到“标记”卡的“颜色”中。

步骤03　将度量下的“退出量”拖放到“标记”卡的“大小”中。

步骤04　将维度下的“省／自治区”拖放到“标记”卡的“详细信息”中。

步骤05　将维度下的“日期”拖放到“筛选器”上，并选择“显示筛选器”。

步骤06　将维度下的“类别”拖放到“筛选器”上，并选择“显示筛选器”，并将“省／自治区”拖放到“筛选器”上，在下拉框中选择“湖北”。

可以通过分析各个省市网站页面退出量，从中找出网站流量的分布特征，还可以将这些数据与网站所处阶段特点进行结合。各省市退出量如图所示。

   

操作步骤：

步骤01　将维度下的“类别”拖放到列功能区，将纬度下的“省／自治区”拖放到行功能区。

步骤02　将度量下的“退出量”拖放到“标记”卡的“文本”中。

步骤03　将维度下的“日期”拖放到“筛选器”功能区，统计频率调整为月，并单击筛选条件，选择“显示筛选器”。

由于不同区域人文地理、生活习惯和经济发展水平等影响人们的网页浏览与退出偏好，因此可以通过网站页面退出数的区域特征为后期网站运营提供数据支撑，如图所示

   

操作步骤：

步骤01　将度量下的“退出量”拖放到行功能区，将维度下的“地区”拖放到列功能区。步骤02　将维度下的“类别”拖放到“标记”卡的“颜色”中。

步骤03　将度量下的“退出量”拖放到“标记”卡的“标签”中。

步骤04　将维度下的“日期”拖放到“筛选器”上，并选择“显示筛选器”。

步骤05　将维度下的“类别”拖放到“筛选器”上，并选择“显示筛选器”。

对网站页面退出量进行分析，从中挖掘网站流量的发展趋势，并将这些数据与网站所处阶段特点结合分析，为后期网站优化提供参考，如图所示。

操作步骤：

步骤01　将维度下的“日期”拖放到列功能区，统计频度调整为月；将度量下的“退出量”拖放到行功能区。

步骤02　将维度下的“类别”拖放到“标记”卡的“颜色”中。

步骤03　将度量下的“退出量”拖放到“标记”卡的“标签”中。

步骤04　将维度下的“日期”拖放到“筛选器”上，并选择“显示筛选器”。

步骤05　将维度下的“类别”拖放到“筛选器”上，并选择“显示筛选器”。

网站页面下载量进行分析，从中分析网站流量的发展趋势，并将这些数据与网站所处阶段特点进行结合，挖掘网站的未来发展趋势。

在本例中，下载量分析将围绕下载量地图、各省市下载量、区域下载量、下载量趋势4个方面进行。下载量分析的仪表板如图所示。

我们可以通过地图的形式比较全国各个省市的网站下载量大小，这是因为地图是根据数学法则，将一定规律现象使用地图语言通过制图综合缩小反映在平面上，如图所示。

操作步骤：

步骤01　将“城市”的数据类型设置为“地理角色”中的“城市”，并把度量下的“经度（生成）”拖放到列功能区，将“纬度（生成）”拖放到行功能区。

步骤02　将维度下的“类别”拖放到“标记”卡的“颜色”中。

步骤03　将度量下的“下载数”拖放到“标记”卡的“大小”中。

步骤04　将维度下的“省／自治区”拖放到“标记”卡的“详细信息”中。

步骤05　将维度下的“日期”拖放到“筛选器”上，并选择“显示筛选器”。

步骤06　将维度下的“类别”拖放到“筛选器”上，并选择“显示筛选器”，并将“省／自治区”拖放到“筛选器”上，在下拉框中选择“湖北”。   

            

由于不同区域人文地理、生活习惯和经济发展水平等影响人们的网络浏览偏好，因此可以通过网站页面访问数的分析得出网站流量的区域分布特征。各省市下载量如图所示。

  

操作步骤：

步骤01　将维度下的“类别”拖放到列功能区，将维度下的“省／自治区”拖放到行功能区。

步骤02　将度量下的“访问量”拖放到“标记”卡的“文本”中。

由于不同区域人文地理、生活习惯和经济发展水平等的差异影响人们的网络下载偏好，因此可以通过网站页面下载量的区域分析得出网站下载量的区域分布特征。区域下载量如图所示。

操作步骤：

步骤01　将度量下的“下载数”拖放到行功能区，将维度下的“地区”拖放到列功能区。步骤02　将维度下的“类别”拖放到“标记”卡的“颜色”中。

步骤03　将度量下的“下载数”拖放到“标记”卡的“标签”中。

步骤04　将维度下的“日期”拖放到“筛选器”上，并选择“显示筛选器”。

步骤05　将维度下的“类别”拖放到“筛选器”上，并选择“显示筛选器”。

1、通过页面指标分析，我们发现当访问量是240k以上时，其平均停留时间是最长的，但是大部分的访问量都停留在0至20k之间。在各省市自治区中平均访问时间最长的是云南，最少的是西藏。几个地区区域热门页面是indx.html页面。

2、通过访问量分析，分析湖北省的省会城市武汉的访问量最多，各省市的访问量中，山东最多，广东次之，西藏最少。在访问量类别中，搜索最多，培训次之，其次是注册和社区。

3、在浏览量分析中，在湖北省里面，武汉最多，其次是其它市县。在全国的省市自治区中，山东大省的浏览量最多，广东次之，西藏最少。在地区排名中，华东地区最多。

4、在退出量分析中，湖北省的武汉最多，在全国中，广东最多。在地区中，华东地区最多。

5、下载量分析同退出量分析。