我们都知道身为seo人员，对seo数据一定要学会分析，这样才能帮助我们更加了解自己的网站，抓住用户动向和网站的实际情况，这样才能生成一份确实可靠的调整方案出来。

今天智优营家就与大家分享8个常见的SEO数据分析指标，帮助你对你的网站有个更准确的解读。

1. 域名权威性(Domain Authority，简称：DA)

一个网站的DA是一项很重要的比较性数据，它代表一个链接流行度评分。DA被认为是判断网页在SERPs上是否成功的最值得信赖的数据之一。你的DA越高，意味着你网站流量越大，你的搜索排名也越高。DA是100分制，如果你测试出来是20分档，那可得好好加油，如果是90，你已经非常棒了!

但要记住，DA只能免费试用3天哦~

2. 网站速度(加载时长)

这项数据之所以重要是因为两个原因——搜索引擎优化和用户体验。一个网站登录进去需要的时间越长，它的跳出率越高，用户参与度也会随之降低。

毕竟可选的结果那么多，大多数的人都不会一直耐着性子等着一个页面打开。

3. 导入链接(Backlinks/inbound Links又称：外部链接)

将导入链接纳入排名重要指标的依据在于，搜索引擎认为，如果你的网站富有价值，其它网站会提及你；对你提及越多，说明价值越大。没有强有力的导入链接，你的网站就不会有SEO，不会有权威性，不会有流量，更不可能在数字营销中成功。

4. 网站收录页数量

网站收录页数量就是搜索引擎可以在你的网站抓取到的网页数量。简单来说可以理解成你网站内容的数量。你网站的文章越多，收录页就越多，并且，收录页的增多也会导致你网站搜索关键词的增多。当然，拥有大量收录页并不意味着你网站的排名会很高，质量也很重要。但是，如果你的网站没有数量的积累，又怎么会有质量的提升呢?

5. 社交媒体互动

就是用户分享、链接或者说与你的社交网站账号互动。当下，社交媒体非常重要，因为它能反映出你的网站社会化的怎么样。社交网络有它自身的搜索方式，如果你能吸引到更多的人从社交网站上进入你的网站，那也是一种成功的SEO。所以不妨数数你的微博、微信粉丝数，以及他们的分享次数和点赞次数。

各社交媒体的综合数据查看工具：Quicksprout的Social Media Analysis功能

6. 网站会话(Site Sessions)

“会话”就是用户与你的网站互动。但是Session和Visit(访问)不一样，尽管网站访问量很重要，但是“会话”会从一个更具有细微差别和准确的角度分 析用户的网站互动。打个比方说，在一定时间里，一次会话可以包含许多次访问。你可以在这段时间中浏览许多网页、发表评论、甚至进行购买，但是它们都只算作一次会话。通过计算一段时间内的会话总数，你可以清楚得知道有多少人访问网站，而这个数据比零散的访问量可靠的多。

查询工具：Google Analytics查询

7. 有机访问(Organic Visits)

这个数据很重要，因为它代表了有多少用户是通过在搜索引擎上输入关键字查询找到你网站的。这是搜索营销的目的，你的网站拥有用户需要的内容，用户就会“有机”或者说自然的访问到你的页面。有机访问者越多，就意味着你网站的内容和内容营销做得越好。登录Google Analytics， 通过Acquisition → Keywords → Organic。使用饼状图浏览效果会更好，方便与其他访问方式进行比较。

8. 跳出率

Bounce Rate，中文翻译为“跳出率”，是网站分析中一个度量，跳出率定义了只浏览了单个页面的访问量占总访问量的比率。Bounce：指成功进入网站 (如果不能成功打开网站就关闭，则称为一个Loss) 后，不点击页面上的任何链接，就关闭它，那么对该网站而言就是一个Bounce(跳出)。如果一个网站的跳出率很高，则说明它在用户体验上做得很糟糕。而网站跳出率高低决定了这个网站的用户粘度如何，在SEO中，把网站跳出率作为一个相对重要的考核标准之一。如果你的跳出率高，你的搜索排名将会降低。

查询工具：Google Analytics查询

通过以上这8个SEO数据分析指标，相信你可以更加深入更加系统的了解自己的网站，从而对网站的优化方向做出及时的调整。

数 据 分 析 技 能 提 升

一，熟悉行业、公司业务及流程

二，明确分析工作目的

三，管理等理论是数据分析的指导思想，使分析思路系统化。例如4P理论等，从哪几个维度去分析？考虑哪几个方面？

四，了解数据分析流程，掌握数据分析基本原理与方法，并灵活运用到实践工作中，不论简单还是复杂的分析方法。

五，数据分析工具，建议先玩转EXCEL数据透视表，有兴趣时间、需要的话再学习SPSS、SAS等统计分析工具，同样，只要能解决问题的工具就是好工具。

六，学会如何用图表有效展现分析结果，PPT有助于数据分析结果展现，达人必备；水晶易表亦对分析结果的展现有很大帮助，选择性使用；思维导图可帮助理清分析思路，根据需要选用。

七，需要经常发问为什么是这样的？为什么不是那样的？只有这样才有突破点光靠脑袋想是不够的，需要多动手实践，不要怕错，大不了错了重来，数据分析就是一个不断假设、验证的过程不断总结分析方法、分析思路、分析流程，在总结中前行。

八，洞察行业数据。

九，通过不同合法途径（购买、赠书等），收藏一些实用的分析工具书，以便随时查阅，如：《用图表说话》、《EXCEL图表之道》、以及近期（5月底-6月初）将上市的《谁说菜鸟不会数据分析》

十，在工作之余，还要不忘锻炼身体，保持身心健康，普华永道的小表妹就是我们的前车之鉴！做数据的伤不起呀！ ！谨记！！！

中国教育科学研究院曾经对中国4万名家长和孩子做过一项调查，在调查4个省中后发布了结果，在《中国教育报》上连载，大概有十个主要结论：

1、中国父母亲最关心孩子什么?

中国大部分父母最关心孩子的成才而不是成人，他们关注的眼前比较多。但是真正决定孩子未来的几个关键性问题关注不够，比如兴趣爱好。其实人的兴趣爱好，也是孩子认知社会一个最好的方法，仅仅关注学习成绩，不利于孩子的创造能力和兴趣的养成。孩子的情绪、处理人际关系的能力，自我管理的能力，性格、人格特征，事实上比家长最关注的这些问题要重要得多。

2、学前班对孩子来说是不是很重要?

这次调查结果发现，学习成绩比较差的孩子里面，上过学前班比没有上过学前班的多10.89%，这个结果颠覆了很多人过去的观念。我们很多父母都不想让孩子输在起跑线上，要赢在起跑线上，所以要比别人早一点学，比别人多学一点。事实上，孩子是需要童年的，是需要游戏和快乐的，你逼着他学习的东西他不会感兴趣。过早使孩子对学习产生对立的情绪，让他还没有进学校就恐惧学习了。

3、择校的意义和效果如何?

很多父母都谈论着择校，都要想方设法把孩子调到好学校。大数据分析发现最优秀的学生里面择校生和非择校生没有什么区别，比例分别是29.95%和28.48%。当然并不是说选择好学校对学生的发展就没有帮助，坦率地说因为学校是有文化的，学校之间孩子是相互影响的。孩子之间彼此的影响，远大于孩子被哪所学校影响。关键是为什么有的择校效果不好，对于那些基础相对薄弱的孩子，在别的学校他可能有安全感和自信心，到了最好的学校面对众多的学霸反而打起了退堂鼓，学习成绩自然而然就会下降了。

4、学生上课外班和不上课外班能不能有效提高成绩?

中国孩子大概90%都是上课外班的，上了课后补习班孩子的业余空间都被填满了，自主学习的可能性就不够了。这样学习能力就会萎缩，发展就会受到很大的限制。另外课外班相对来说依然是学校生活的延续，依然是课本的延续，课堂的延续，学生没有一个开拓视野的机会。一个孩子没有大量课外阅读的时间，不可能得到很好的发展。

5、物质刺激是不是能够激发孩子的学习热情?

很多家长用金钱、奖赏、等各式各样的诱惑来激励孩子学习。这个调查中并不是我们意象中效果那么大，作用更大的是什么?是父母教育的一致性、协调性，更能够激发孩子的学习。比如，在父母亲观点不一致时，他们不会当着孩子面吵架，而是私下里交流、分享、协商。物质刺激远远不如父母对孩子正面的影响。

6、调查父母闲暇时间在干什么?

发现最多的是父母在读书看报，父母自己在学习的、读书看报的，他们的孩子成绩优秀的比例是最高的，占了31.31%，其次是父母也会看电视、玩电脑以及看手机，他们的孩子成绩优秀的比例就少得多，为27.43%，还有特别喜欢朋友聚会的家长的孩子成绩优秀的只有24.90%。我相信这些数据在现实生活中差距还大一点，个人感觉差距不像想象那么大。

7、孩子自我管理能力，对学习影响有多大?

很多父母为了让孩子聚精会神的去学习，所有的忙都帮他做了，所有的活都不让他干了。结果，认为只要学习好做不做家务都可以的孩子学习成绩优秀的只有3.17%。而认为应该做家务的，应该自己管理自己事情的优秀的孩子占了 86.92%。让孩子管理还自己的事情的能力是非常关键的。学习是一个自我管理的过程，这个结论对很多父母是有很重要的启示的。

8、父亲对孩子成长有什么作用?

在中国很多家庭，父亲是看不见的，所谓“影子父亲”。父亲在家庭教育当中真正的作用远远没有发挥出来，这次的调查发现，在中国90%的家庭，孩子的学习父亲没有尽责。大部分家庭孩子的学习都是妈妈来承担，而我们知道缺失父亲的教育，对孩子尤其对孩子的性格养成是有一个明显的局限。性别认同会弱化，容易被母亲过分地呵护，过度地保护，缺少独立锻炼的机会，缺少男子汉的气概。所以在家庭的教育里缺少了父亲的角色会出现各式各样的不良行为。

9、中国的父母了解孩子吗?

通过对父母了解发现，父母他们首先知道孩子有几个朋友，其次孩子喜欢哪位老师，喜欢上什么课。父母亲没有走进孩子内心去，不了解孩子到底有什么愿望，不了解孩子不愿意和父母说的事，孩子到底崇拜谁?这说明我们父母没有去了解孩子内心的需求，没有了解孩子内心的真实状况。

10、孩子的学习成绩和父母的养育方式是不是有关?

凡是采取积极态度的教育方式，孩子的学习成绩都是比较高的。反之父母的教育方法消极，孩子学习成绩相对来说是比较差的。说明孩子的学习成绩跟父母的养育方式还是有非常密切的关系的。

----------拓展阅读----------

【精选】再苦再难，都要把孩子带在身边

【音频】单亲妈妈能教育好自己的孩子吗

【视频】再忙要抽出时间陪孩子

-------------声明-------------

“好家长”成长空间挑选优质文章、音频、视频，与大家共同学习。重在分享，尊重原创。

1.作者版权及观点归原作者所有，向原作者致敬。

2.略有删减，如想看原文，请按照标明的出处查询。

3.所有转载均标明原始出处与原作者，如尽力核查未能发现原始出处和原作者，则默认“来自网络”。若有疏漏欢迎原作者及时联络署名或者删除。

4.若涉及版权问题，烦请原作者联系我们

通过几年的经验积累，下面小编将带你一起分析一下网站数据的整体流程（举例如下）

小编将会以（bodao.org）这个网站进行综合分析，我们需要打开一个站长工具tool.chinaz或者aizhan进行查询，首选对整个网站进行综合判断分析，具体如下：

1、综合数据分析：

通过上图我们可以发现该网站的域名年龄为11年1月6天，而网站的百度权重只有1，并且通过百度查询之后收录仅有825条，因此我们可以初步判断网站的内容更新频率、内外链结构以及关键词排名均可能出现问题。

（1）关键词分析

通过网站源代码，我们可以看出中国互联网协会网络营销培训关键词不适合作为该网站的核心词，具体数据如下图：

通过上图我们可以发现，该网站选择的核心关键词优化难度较小，从核心词的选择标准上来看都不是网站的核心关键词来进行优化。

通过站长工具从新选取的关键词作为核心关键词具体如下：

通过上图我们可以发现新选取的关键词从指数和优化难度考虑可以做为做为该网站的核心关键词。

（2）代码分析（, , tdk）

首选通过网站的源代码来看tdk撰写的不适合作为该网站的优化，并且没有添加h与strong标签。

首先该网站的tdk需要进行修改：

Title：网络营销、销售培训、SEO培训

Description：中国互联网协会网络营销培训是按照网络营销、销售培训、SEO培训三个岗位明确的培训层次实施的网络营销专业培训项目。众多业内实战精英对国际、国内网络营销发展历程、现状以及趋势的综合分析、总结并在此基础上的联合把关极大地保证了教学内容的实战有效性，从实践应用角度、经多位资深网络营销专家倾力合作、自主研发的一套针对性的网络营销培训教材的极大地保证了培训内容的系统性和实战性。

Keywords：",网络营销培训,销售培训、SEO培训，网络营销实战培训。

通过网站源代码查看没有H标签与strong标签，建议添加如下：

H1标签应当添加在网站的logo上，并且在添加上atl属性关键词为“网络营销培训”如下图：

h标签与strong标签对于网站关键词相关性是有很大帮助的

H2标签应当添加在栏目导航上并且是最重要的导航，如下：

Strong标签则需要添加在板块标题上，如下图：

（3）内链结构

通过浏览网站内容发现，网站存在文章栏目层级过深的情况，建议将文章栏目页4层修改为短到3层以内，列：目前层级http://bodao.org/2015/news/106.html

在点击板块标题的时候以及咨询转化入口没有添加相对应的连接形式。

通过上图来看则需要在重点板块标题上以及转化入口添加相对应的连接。

（4）网站内容（质量与频率更新）

通过网站文章查询后，我们发现，网站目前文章出现大量重复内容，不利于网站的优化，如下图：

建议根据网站重新选择的关键词为网站重点栏目进行文章添加。

另外通过浏览文章更新时间不是规律更新：如下：

建议每周一至周五更新20篇伪原创文章，原创文章更新5篇。

（5）外链分析（友情链接）

通过网站友情链接查询后，我们发现该网站的友情链接质量较差，多数网站没有进行回链，并且网站数量较少，具体如下：

建议为网站交换高质量的友情链接，选择权重高以及PR值1以上，收录大于500，外链大于500的与网络营销相关的网站上进行交换，并保持每周交换3—5条友情链接，网站友情链接控制在40以内，交换时应选择核心关键词。

以上是小编多年积累的经验步骤，在这里分享给大家....

运营分很多类，流量运营、用户运营、内容运营…每一个环节都有特别关注的数据和指标。

很多分析都是从PV、UV、用户数来切入，但是分析之后呢，做什么措施？以什么样的目标来驱动？我也分析做过这样的分析，这些常规的数据大多只是绑定着个人的KPI，反应这个人工作成绩的好坏，并不是一场完整的数据分析。这里我想从更全面的角度来总结互联网企业的运营体系，精益数据分析。

数据分析的目的应该是为了公司的发展，粗暴一点讲，是为了公司的盈利和持续的盈利。

而互联网的盈利模式不同，数据指标也不同，大抵可分为三种：一是向用户出售商品或服务，以电商、社交和o2o平台为代表；二是靠广告来进行盈利，典型的例如google、百度以及其他平台类互联网公司；三是直接向用户收取费用，各大游戏公司。

以分析体系最为复杂的互联网电商公司为例，来逐一分解，哪些数据需要分析，怎样分析，分析的价值是什么。

电商类公司的收入是由一个个订单堆出来，由用户购买相关的商品或服务产生，可以说用户和商品或服务为订单的两大基本元素，公司收入下降、增长、异常最终都可以追踪到用户与商品这两大元素上。这样我们将收入相关的数据拆解为三大类：用户、商品和订单。

一、运营模块

从用户的消费流程来看，可以划分为引流-转化-消费-存留。我们一般将用户分为新老用户，无论新老用户，都会关注两块内容，一个是引流（拉新），一个是转化，最终以数据的形式体现出来，就是流量与转化率。

引流

通过分析PV、UV、访问次数、平均访问深度、跳出率等数据来衡量流量质量优劣。目的是保证流量的稳定性，并通过调整，尝试提高流量。

进一步，按照流量结构还可分为渠道结构、业务结构、地区结构。

在渠道中，流量可来自于自主访问、搜索引擎、淘宝付费、京东付费等等。按设备可分为PC渠道和APP渠道；按照付费与否可分为免费流量和付费流量。有人会通过渠道流量占比来分析各渠道的质量。下面的折线图可以对各渠道的流量情况进行追踪，分析占比不合理是短期内出现的，还是长期存在的，辅助问题的分析。仅仅根据流量情况来衡量质量是不全面的，需要配合转化率和roi。

按地区划分，这个很好理解。

按照业务结构，最典型的比如举办一场活动，例如双十一，可定要对活动的流量追踪。观察活动前、活动中、活动后的变化情况，评估活动效果。

转化

完成引流工作后，下一步需要考虑转化，这中间需要经历浏览页面->注册成为用户->登陆->添加购物车->下单->付款->完成交易。每一个环节中都会有用户流失，提高各个环节的转化率，是这一块工作的最核心，转化率的提升，意味着更低的成本，更高的利润。

转化的分析：

1.观察各环节转化率，分析其合理性，针对转化率异常环节进行调整

2.追踪转化率变化，用于异常定位和策略调整效果验证

3.观察各渠道转化情况，定义渠道价值，并依此适当调整运营策略

4.分析各环节转化周期，分析用户习惯，为制定运营策略提供依据

最直接的分析成果就是转化漏斗。

留存

通过各个渠道或者活动把用户吸引过来，但是过一段时间就会有用户流失走掉，当然也会有一部分用户留下来，留下来这部分用户就叫做留存用户。关于留存，这里要关注的就是日活和留存率。

关于留存，无非就是：

1.日活监控，观察用户活跃数据，分析日活健康度

2.观察存留规律，定位存留阶段，辅助市场活动、市场策略定位等

3.对比不同用户、产品功能的存留情况，分析产品价值、辅助产品调整

复购

有调查数据显示，一个满意的用户会带来8笔潜在生意，不满意的用户可能会影响25个人的购买意愿，可见回头客多么重要。

复购率可以分为“用户复购率”和“订单复购率”，此外，“用户回购率”意义与复购率相似，也在此范围内。

用户复购率＝单位时间内：购买两次及以上的用户数/有购买行为的总用户数

订单复购率＝单位时间内：第二次及以上购买的订单个数/总订单数

用户回购率＝单位时间内：有购买行为的老用户数/有购买行为的总用户数

分析复购率的目的：

1.综合指标展示，分析用户黏性，辅助发现复购率问题，制定运营策略。

2.横向维度(商品、用户、渠道)对比分析，细化复购率，辅助问题定位。

流失

流失是无法避免的，但也有可以挽留的。

流失可以分为

刚性流失：可以进一步分为新用户水土不服型和老用户兴趣转移型，这部分流失用户是无法挽留的，缘尽于此，花再多的钱也没什么用。体验流失：可能是应用体验、服务体验、交易体验、商品体验等等，总之就是在使用产品\服务的过程中，感到了一丝不爽，正所谓一言不合就流失。竞争流失：也就是用户已经转粉了。可能是竞争对手的体验更好，可能竞争对手推出了什么优惠的政策。我们也需要抓住行业的动态，针对竞争对手的抢粉行为做出相应的行动。关于流失的定义，各公司定义不同，可能是7天内没有登陆行为，也可以是几个月之内没有交易行为。（回流率＝时间周期内流失的再回访的人数/时间周期内流失的人数）

关于流失的常规数据监控，一般都是和存留一起的，本身两者也是分不开的。单独针对流失的，最多看到如下图样式的监控：

再者，流失率结合存留率也可以评估渠道的价值。

二、销售模块

1、指标跟踪：销售模块中有大量的指标，包括同环比、完成率、销售排行、重点商品占比、平台占比等等，可以从人、货、场三个视角进行分析跟踪。

2、店铺分析：具有小b级用户，或者入驻平台式，需要针对各店铺经营指标进行分析，包括各店铺效率指标、完成率指标、业绩指标、客单价等，实现店铺价值评定分析。

3、销售活动管理：线上销售中，活动是非常重要的一块，从事前、事中、事后三个层面实现销售活动的闭环分析，其中包括事前投入分析、目标预测；事中用户参与度、客流分析、销售单分析；事后目标完成情况、活动对比、费销比、活动衰减度、活动爆发度等。

可参考：如何针对业务场景做数据分析？

三、商品模块

1、采购管理：包括供应商数据分析、采购匹配度分析等。

2、供应链环节管理：供应链服务情况分析（响应周期、交货及时率、订单执行率）、管理指标分析（物资成本占比、客户投诉率等）。

3、库存管理：商品库存天数、存销比、有效库存比、库存周转率等数据分析。

4、重要指标分析：分析包括货龄、动销率、缺货率、结构指标、价格体系、关联分析、、畅滞销等分析指标，评判商品价值，辅助调整商品策略。

5、异常商品分析：包括对退货率、残损率、异常商品等数据进行分析，发现异常商品，及时处理。

四、用户模块

1、重点指标分析：包括新增用户数、增长率、流失率、有效会员占比、存留率情况等。

2、用户价值分析：根据rfm模型，再融入其他个性化参数，对用户进行价值的划分，并针对各等级用户进一步的分析。

3、用户画像：根据固有属性、行为属性、交易属性、兴趣爱好等维度，来为用户添加标签与权重，设计用户画像，提供精准营销参考依据。

很多SEMer学会了做表，但是很尴尬的是不会分析表，今天这篇文章，整体较为完整的演示下如何分析数据。其实很简单，主要弄清楚两点就行：数据中能否观察到什么现象、对这些现象是否有什么建议。

接下来我们以教育培训行业某项目为例，主要选择以下几个维度来看：渠道/设备、时段、计划/关键词、页面，逻辑上由大到小，由近及远。

1、渠道/设备维度

现象：百度渠道是核心;百度PC成本较高、搜狗PC和神马成本较低;PC端总体成本高于移动端。

建议：工作重心放在百度渠道，持续进行优化;将百度PC预算适当转移给搜狗PC和神马渠道;整体加大移动端推广。

2、时段维度

现象：整体可以分为三段(上午到中午、下午到傍晚、晚上)，其中上午到中午量大且成本低;下午到傍晚量少且成本高;晚上量下降但成本较低。

建议：预算整体倾向上午到中午，其次是晚上，下午到傍晚时段适当控制投放。

3、计划及关键词维度

现象：以消费最高的几个计划来看，有些成本较低、有些成本适中、有些成本较高。(相信大家应该都能一眼看出来吧)

建议：降低高成本计划的预算，转移给成本较低的计划及成本适中的计划。

现象：以消费最高的几个关键词来看，有些成本较低、有些成本适中、有些成本较高。(跟计划的现象类似)

建议：成本高的关键词降低出价或收缩匹配方式，成本较低的关键词适当加价或放宽匹配方式，并进行相关词拓展。

4、专题页面维度

现象：页面转化率比较均匀，但wlyx、sem页面转化率较低，尤其是wlyx页面转化率只有48.45%，远低于平均水平69.24%。

建议：对wlyx、sem两个专题做局部调整或重新策划这两个专题，完成后再投放进行页面测试。

5、总结及效果预期

观察到的一些现象：

1、百度渠道是核心;百度PC成本较高、搜狗PC和神马成本较低;PC端总体成本高于移动端。

2、整体可以分为三段(上午到中午、下午到傍晚、晚上)，其中上午到中午量大且成本低;下午到傍晚量少且成本高;晚上量下降但成本较低。

3、以消费最高的几个计划及关键词来看，有些成本较低、有些成本适中、有些成本较高。

4、页面转化率比较均匀，但wlyx、sem页面转化率较低，尤其是wlyx页面转化率只有48.45%，远低于平均水平69.24%。

对应给出的一些建议：

1、工作重心放在百度渠道，持续进行优化;将百度PC预算适当转移给搜狗PC和神马渠道;整体加大移动端推广。

2、预算整体倾向上午到中午，其次是晚上，下午到傍晚时段适当控制投放。

3、降低高成本计划的预算，转移给成本较低的计划及成本适中的计划。成本高的关键词降低出价或收缩匹配方式，成本较低的关键词适当加价或放宽匹配方式，并进行相关词拓展。

4、对wlyx、sem两个专题做局部调整或重新策划这两个专题，完成后再投放进行页面测试。

大致给出的效果预期：

1、渠道/设备、时段、计划/关键词的调整1天内可以完成，预计次日可以看到效果上的明显变化(出于观察各个维度的调整是否确实产生影响，也可以分开3次进行调整)，预期在20%左右的提升。

2、专题页面的调整需要按月甚至季度来规划，一版大专题整体预计需要2周时间，并且投放测试效果未必一定超过之前，所以需要多次局部优化或重新策划新版，wlyx和sem两个专题的优化预计需要2-3月，这两个页面大致是1/5的接待量，对整体贡献有限，期望2个页面的优化，效果提升在10%以上。

3、总体期望通过3个月的时间，整体效果较之前提升30%左右;后续优化继续将重心放在转化承接上，努力做到行业更高水平。

这一节给大家分享了数据分析的一些逻辑，下一节我们准备分享一下推广视频课程和推广软件

创作不易，喜欢我，就关注我，每天行业干货，欢迎大家收藏转发，有什么问题可以留言，我一定会一一回复.

当今时代信息化产业飞速发展，各类底层大数据平台百花齐放，亿级数据、秒级响应已经不再是当年的遥不可及的神话。然而对于企业来说，数据计算快仅仅是满足企业进行业务数据分析的硬件基础，如何发掘这些海量的数据产生应用价值，走好数据分析这最后一公里，引导企业进行战略决策却是至关重要的一步。

本文以互联网行业为数据业务分析背景，希望能跟大家交流一些数据分析方面的心得和体验。

——本文使用数据分析工具为FineBI 商业智能工具

数据分析的本质其实是做数据对比分析，没有数据对比，单一的指标统计往往难以发挥数据价值。像我们常见的数据对比分析方法有同比、环比、占比等一系列分析指标，那是不是所有的数据业务场景都可以直接进行套用分析呢？比如我们统计企业2018年1月29日的同比流量，是不是可以直接对比2017年1月29日？表面上看好像2017年1月29日确实就是2018年1月29日时间层面上的同比日期，但是我们仔细对比查看这两个日期会发现2018年1月29日是周一，2017年1月29日确是周日。对于很多行业的企业来说，非工作日和工作日的数据往往是有很大差异的，这个时候单纯从日期层面来进行对比其实是没有什么意义的，选择对比同是周一的2017年1月30日的流量数据进行同比计算可能会更加有价值。

目前互联网行业做搜索引擎的有Google、百度，做综合门户的雅虎、新浪，做即时通讯的主要是腾讯，电子商务方面的主要是阿里、京东、亚马逊等。不论是以上的哪家互联网企业，往往都需要有一套引流、转化、消费、留存方面的运营策略，平台的流量数据分析往往都是非常重要的。

互联网流量数据分析方面，总结主要有如下四种数据常用分析方法：

1.对比分析流量规律，针对时段进行企业服务以及推广活动调整；

2.对比分析结构占比，指导进行定向群体营销推广

3.对比分析异常情况，及时追责并且进行调整；

4.对比追踪活动流量变化，总结活动效果经验以便后续有针对性调整。

如上图所示，我们通过FineBI工具制作出以上的流量数据分析模板，接下来尝试着对数据做一些对比分析。

一、用户浏览量周分布

对于互联网企业来说，流量数据往往都会呈工作周相关。对此，我们可以先宏观地统计出周一到周日中的总的平台流量柱状图数据对比情况。首先我们可以仔细观察工作日和非工作日的数据，发现周末的平台流量较工作日流量要高，这在互联网行业来说都是一个比较普遍的现象。

用户流量的周分布规律之后，我们就大致有一个推广方向，周末休息时间用户群体较大，相较于工作日可以投入更多的和丰富有吸引力推广活动来进行新用户引流和老用户活跃。

接着我们可以进行下一步思考，那工作日和周末我们的活动推广时间如何制定？有的同学们可能会觉得全天活动都可以，不需要关注具体的活动时间。但是对于互联网行业来说，每个时间段的推广费用都是较为昂贵的，我们完全可以分析出工作日和周末的用户流量趋势，进行有针对性的时间段投入推广，通过更小的成本获取到更多的用户流入。

首先是工作日的时间段流量统计分布，我们通过BI工具分时间段作图得到如下所示的流量分布图。可以看出，工作日的流量主要集成在每日的9点（上班时间）、13点（午餐时间）、20点（晚间娱乐休息时间），那么在得到这样的一些用户流量规律之后，便可以在这些用户活跃高峰期时间段有针对性对白领群体多做一些相关商品推广活动，以实现最小时间成本和推广费用最大化用户引流效果。

再来看周末的各时间段流量分布走势，和工作日所不同的是，周末的流量早高峰期延后到了10点，这可能和各位小伙伴们周日作息较晚有关（同学们周末都是几点起床呢），除此之外，晚上的流量高峰退潮期也有延后。针对与周末用户流量分布的特性，互联网企业在周末时可以将活动开始时间和活动结束时间都适当进行延后，这个时候不能再套用工作日制定好的活动时间计划了，因为符合用户群体作息规律的推广促销活动才能达到更好的效果。

二、推广渠道流量分布

对于互联网行业的推广渠道分布主要分为三级渠道：线上渠道、线下渠道、新媒体营销等等。对比分析每个渠道对企业所带来的价值占比差异，以指导制定有针对性营销策略。

如上图所示，由于推广渠道是分多层级的，我们通过BI工具的多层饼图进行数据的分析统计再合适不过了。分析下图的数据我们可以看出，首先是一级渠道的主要战斗力来自于新媒体营销，当今的微信、今日头条等社交媒介社区时代受众广泛，用户群体非常庞大，是公司需要投入主要成本进行推广的。其次线上渠道的效果也不容忽视，对于互联网企业来说，做好百度、Google等SEO搜索引擎关键词推广也是很重要的一部分工作。相较于线上渠道和新媒体营销，线下渠道说所需要的经费和时间、人力成本较大，受众又相对较小，所以此类活动往往针对核心粉丝进行运营即可。

三、各月份指标对比走势

在分析各月份指标对比走势数据之前，先简单介绍下互联网营销常用的几个指标概念：

1.浏览量（pv）

2.访问次数（visits）

3.访客数（uv）

以上三个基础指标常用来衡量流量数据的多少。另外平均访问深度（总浏览量/访问次数）、平均停留时间（总停留时间/总浏览量）、跳失率（跳出次数/访问次数），这三个指标通常可用于衡量流量指标的优劣性。

我们仔细分析上图中的平台流量指标，可以发现10月份是2017全年的流量高峰期，应该跟企业在国庆黄金假期所做的促销引流活动有关。浏览量、跳失次数、访问次数分别为4941、1290、2182，对比计算可得到跳失率为59.12%，明显低于其他时间段的跳失率，说明10月份的活动效果还不错，其经验对以后的营销推广可以起到参考作用。

最后是访问深度用户群体分布分析（跳失率=跳出次数/访问次数），我们通过BI工具将企业的VIP用户、老用户、新用户分别进行分时间段的用户群体访问深度分析统计。总体来说可以发现平台的VIP用户访问深度较老用户以及新用户稍微高些，但是不是太明显，说明平台运营的VIP这部分群体的活跃度还有待提升。同时，平台老用户访问深度和新用户更是相差无几，公司对于用户这方面的活跃运营明显需要加油了，建议将平台的部分忠诚度较高的老用户以VIP用户组建起来，共建平台生态圈，增加整体的用户活跃度。同时可以向老用户以及VIP用户实施一些优惠政策，如定向商品折扣、根据用户画像进行喜好商品特惠推送等。

本次的数据分析经验心得分享暂时先写到这里，后续将继续给大家分享关于互联网数据运营方法的转化、消费、留存等方面的一些经验，欢迎大家一起共同交流探讨互联网运营之道。

part 1 | 入门版

适合对数据分析的入门者，对数据分析没有整体概念的人，常见于应届毕业生，经验尚浅的转行者。

HeadFirst类的书籍，一向浅显易懂形象生动，可以对分析概念有个全面的认知。——Simon

深入浅出数据分析：把这本书放在第一顺序，是因为它真的很简单，但是能够让你对数据分析的一些基本概念有大致的了解。即便是你毫无数据分析经验，一两天也足够读完整本书了。这本书的实操性并不强，所以也不建议你去跟着实践，了解作者传达出来的数据分析基本思想和原则就OK了，这对你建立宏观的视野，和接下来的学习很有帮助。

另外，书中提到的一些案例，比如提升化妆品销量、分析星巴克销量、生产线最优解、网站ABtest、竞品分析、薪资预测等等，看起来很简单，但其实都是工作最常见的一些分析场景。这对数据思维的养成，非常有帮助。

个人觉得书中最有用的一些点：

统计学概念在数据分析中的作用：比如方差、标准差、相关系数、均方根误差等; 集中数据分析的基本方法：假设检验、回归分析、误差分析等; 统计图形分析：散点图、直方图等来探索数据中隐藏的规律; 数据库以及数据整理。

这本书很让你掌握数据分析技术，过一遍即可。

谁说菜鸟不会数据分析：不仅讲解了一些常见的分析技巧，并附带excel的一些知识及数据分析再公司中所处的位置，对职场了解亦有一定帮助。

赤裸裸的统计学：作者年轻时是个追求学习意义的学霸，后来自己从统计学中发掘了很多可以应用到生活的地方。这也是本书的主旨，结合生活讲解统计知识，生动有趣。可以避免统计学一上来就大讲贝叶斯概率和随机分析的枯燥。

统计数字会撒谎：知名度高，但是还没看过…

part 2 | 进阶版

具有一定的行业针对性，要求具备一定的分析常识，适合网站分析师，商业分析师以及数据产品经理。

深入浅出统计学： HeadFirst类书籍，可以帮助你快速了解统计方面的知识。——Simon

非常非常基础的统计书，适合任何一个没有基础的小白，文科生也能看懂。有人说这本书简直太简单了，但是对于数据分析来说，需要用到的恰好是这些最简单的东西。比如基本的统计量，基本上每个分析项目中都会用到。比如基本的概率分布，总体与样本的概念、置信区间、假设检验、回归分析，我去，都是为数据分析定制的统计学知识。

所以强烈推荐这本，其他的比较深度的书，并不建议在入门的阶段去啃，一方面是很多难以理解，二是即便你花大力气学习了，入门的阶段你也不怎么能在实践中使用。当然多学一些是没有坏处的，但你需要知道在什么时候学习哪些东西性价比最高。或者你自我感觉良好，誓要学最难的，从入门到放弃，得不偿失。

总结起来，需要重点了解的统计学知识如下：

基本的统计量：均值、中位数、众数、方差、标准差、百分位数等; 概率分布：几何分布、二项分布、泊松分布、正态分布等; 总体和样本：了解基本概念、抽样的概念;

这本书非常的简单，但是基本的数据分析的一些方法都有了，你需要做的，是利用之前学过的Python 的一些库(pandas、Numpy、matplotlib)来实现这些数据分析的方法、实现基本的可视化来进行图形化的分析。——DataCastle

MySQL必知必会：这本也是我当年学习SQL的入门书，薄册子一本，看起来很快。SQL是个性价比很高的技能，简单而强大。任何想进一步提高自己数据分析技能的产品/运营/分析师 同学，都建议点亮这个技能点。——Simon

这本书把SQL写的非常简单，没办法，SQL确实也很简单。其实pandas 就已可以实现很多数据管理的工作，而了解SQL 的意义在于融入到实际的数据使用的场景。比如企业的数据，多是以数据库的形式存储起来的，那么如果你需要去调用你需要的那部分数据，那么SQL就是必须的技能。如果你在最开始就想用公司的数据来练习，那么你可以把这本书的阅读放到最前面。(当然，如果你不回遇到数据提取的问题，SQL这部分也可以暂时不管，对具体的数据分析没有影响，等到你真正需要用到SQL的时候再学习。)

MySQL本身比较简单，对于数据分析师来说，只需要掌握基本的语句和技巧，能够进行基本的数据提取和处理就能够应对一般的数据分析需求了。

书中重点掌握以下几个点：

SELECT语句：让你能够去提取你需要的那部分数据; DELETE和UPDATE：知道怎么实现数据的增、删、改; 数据过滤：where、and、or、通配符等过滤方式; 数据的汇总和分组、数据库连接：应对更加复杂的数据和相关联的数据; 子查询：查询中的查询。

当然还是希望你去公司的数据库找一些数据来进行练习，如果不方便的话，也可以直接用上述UCI数据集中的数据来进行实践。

如果遇到问题，可以去菜鸟教程查询相关操作。

好了，恭喜，你已经基本入门了。到此，你就完全可以去进行一个完整的数据分析项目了，如果你没有头绪，可以去找一些行业的分析报告来看看，找一找分析的思路。能够独立完成一些项目，通过数据分析能够得出一些深刻的结论，能够给人以可视化的形式将结果描述出来，能够基于历史数据对未来的一些情况进行预测，那么一般的数据分析岗位，完全可以胜任了。

互联网增长的第一本数据分析手册：GrowingIO出的一本数据分析的增长手册，为大家提供常见的分析手段讲解，如漏斗分析，同期群分析等等。可在GrowingIO技术论坛中免费下载。

利用Python进行数据分析：这应该是最经典的数据分析书之一了，作者是pandas 库的作者WesMcKinney 。所以这本书对于pandas 的理解，应该是非常深刻的，而利用梳理介绍的pandas、bumpy、matplotlib 等库，应对一般的数据分析，完全足够了。

书中应该重点掌握的一些点：

IPython Notebook 的使用：最适合小白的代码编写环境，非常容易上手; 科学计算库 Numpy：数组和矢量计算、学会利用数组进行数据处理; 数据处理及分析工具 pandas：数据查询，缺失值、重复值、异常值的处理，数据的合并与规整化，基本的描述性分析及可视化; 可视化工具 matplotlib：用这个库，基本的数据可视化问题皆可以解决了。

看上去是不是很简单，这本书就是教会你如何开始使用Python 进行数据分析，当然首推的就是pandas ，不仅可以做数据的预处理，还能够做基本的数据分析和可视化。这个库一定是你开始入门的时候需要重点学习的，其次用Numpy 进行数组的计算、利用matplotlib 进行可视化的描述性分析，也是同步需要掌握的东西。

但是，这个部分光看书是远远不够的，你可以尽量去找一些可以练手的数据集，来实际操作和调用这些库的功能，确保熟练数据分析中最常用的函数和模块。如果纠结去哪找练手的数据，推荐UCI经典数据集。

关于pandas、Numpy、matplotlib 网上应该可以搜索到很多有用的资料、教程，可以看一看别人的使用技巧、应用场景，并通过练习转化成自己的经验。

因为Python 库的更新迭代非常快，这本书里额一些内容其实已经“过时”了，这里也非常建议你去查看一些官方的文档，基本上你需要的都能查到。

另外，在进行一些数据处理、数据分析的时候，你可能需要去了解一些更细节的Python 的用法，这里就不推荐书了，因为你没必要去系统地学，按照这个菜鸟教程看看或者查询相关的用法就OK了。

part 3 | 高阶版

更高阶的数据相对来说专业性较强了，如涉及到企业内部数据治理，数据结合的业务分析，数据可视化等。当然，还有数据挖掘算法之类的更深入的东西，这块没有研究就不瞎推荐了

精益数据分析：此书优势在于将企业分成了几个大的行业类别，并分门别类的讲解了每个行业的商业模式特点及分析技巧，对使用者的分析能力要求较高，且必须具备相应的业务知识。——Simon

书中主要讲到各种产品中用到的指标和模型，这是一本写给产品经理的书，其中并没有具体的数据分析技术，涉及到的更多是数据驱动型产品的一些思路。

比如怎么将数据驱动的产品落地，怎么为产品设计数据指标，哪些指标对于产品迭代优化更有效，如何依靠数据分析来驱动用户增长等等。——DataCastle

数据之美：本书通过世界上最好的数据工作者的示例，向读者展示处理数据的方法。本书使得读者可以站在优秀的数据设计师、管理者和处理者的肩上，去仔细审视涉及到数据的一些最有趣的项目。

决战大数据：阿里巴巴前数据副总裁车品觉老师所著，讲解了阿里巴巴在企业内部治理数据过程中的新的，所讲“存-通-用”数据管理三板斧和“从数据化运营到运营数据”，字字珠玑，可堪借鉴。

The Wall Street Journal Guide to Information Graphics：华尔街日报负责商业分析的人做的可视化指南，精华且实用，之前做的读书笔记可供参考【华尔街日报是这样做数据可视化的(1)】

数据科学实战：这本书应该是数据分析和数据挖掘(机器学习)之间的桥梁。从探索性的数据分析开始，通过数据分析的思维，引出了机器学习的基本算法：回归分析、k近邻、k均值。接着通过不同的应用场景分别介绍了最常见的机器学习算法，以及在真实场景的应用。

对于做了一段时间数据分析工作的人，这无疑是进阶更高维度的好书，很难有一本书，能够让你从简单的数据分析平滑地渡到机器学习和数据挖掘，这本书我认为是这方面做的最好的一本。

所以如果你在做一些探索性的分析遇到瓶颈之后，自然而然会进入数据挖掘和机器学习算法的坑，因为只有更高级的算法和模型，才能够支撑大规模的数据的预测。

下面列出一些书中有意思也比较有用的点：

了解探索性数据分析，为更高级的需求打好基础; 了解机器学习的基本算法、k近邻、k均值等; 用朴素贝叶斯方法做垃圾邮件的过滤; 线性回归和逻辑回归的分析方法; 如何从数据中获取结论，从数据挖掘竞赛开始; 构建自己的推荐系统; 数据泄漏与模型评价，如何筛选模型。

上周笔者小丹为大家讲了关于数据分析的问题，解释各种数据之间的关联性和区别，同时和大家说了当网站数据出现异常的时候可以通过网站数据来进行分析。之后小丹也收到了一些朋友的提问，说到底为什么要做网站数据，这些数据到底有什么用，要怎么来看？所以，进行小丹要和大家来说的就是我们为什么要来做网站的数据分析。

第一，为什么要看网站数据。

网站数据是一个网站现状的具体展现，可以说网站数据是网站的侧写，所以我们作为网站的SEOer而不是网站编辑，一定要懂得来看数据，以知道目前我们的网站处于一个什么样的情况，以便进行下一步优化计划。

1、知道网站目前情况。任何时候看网站数据都要带着目的性的来看，这样你才能够知道这些数据所代表的意义，而不是漫无目的的来单纯的看这些数据，那样对我们的优化毫无帮助。例如，我们来看ip有可能因为：看网站的流量是增加减少；网站出现了问题是收录减少？是关键词排名都下降？是单个关键词排名下降？从这个词的搜索来源流量可以分析出是不是最近的流量减少或者跳出率增加导致判定不满足用户需求。

2、知道网站目前的问题。首先你要先知道你的网站目前出现了什么问题，然后分析这个问题会有那些原因和情况导致的，最终分析出来这些原因可以反映在数据的哪个方面，在根据这个依据来看数据。举个例子说明：网站降权是不是真正的权重降权，判断方式：网站内外部综合评分，内部评分在于网站是否改版，改版后蜘蛛抓取后和原来不同判定打击。看网站蜘蛛：看出改版会导致蜘蛛的短时间内增加与否，通过看百度站长平台的爬行频率来判定网站是否在短时间被百度频繁抓取评分从而来进行评分观察改版后的网站页面组成元素以及来页面的流量质量度来判断网站流量和用户点击质量度观察是否出现ip下降，pv下降、停留时间下降、跳出率增加等问题就可以知道网站是否是真正的权重降权。

所以我们来进行网站数据的分析的顺序一般是：（1）确定网站出现的问题的原因；（2）知道观察网站的哪些数据能够知道网站出现问题的根本原因；（3）通过观察这些数据得到问题的结果，从而制定恢复计划。

第二，用问题来观看网站数据。

网站最常见的问题有：权重下降/上升，最重要的外在表现，流量变化、排名变化、收录变化；网站流量变化一般表现在关键词搜索，权重、流量、流量的质量度、网站页面质量度是通过搜索词来还是输入链接来访问判断的。所以在遇到这些问题的时候，我们多会通过百度统计工具中的统计数据来观察：

1、网站搜索词来源或者任何来源方式数据

2、网站ip数量、pv量

3、来源网站访问链接

4、网站页面跳出率

5、网站页面的停留时间

6、网站有页面热力点击图

网站权重下降首先看流量的来源方式是否发生丢失，或者来了以后的流量是否质量度发生变化，因为能够直接影响到网站降权的数据主要就是流量问题，所以我们要通过上面的七个数据来进行判断。当我们知道了网站出现问题的根源所在的时候，就要有对应的解决方式来稳定网站，否则你的数据分析也仅仅是面子工程罢了。针对网站降权我们来看看它的解封方法有哪些：

1、如果是因为某个主词排名下降导致流量减少那么我们可以通过友情链接的方式来进行改词的权重提升，通过增加自然点击来辅助关键词排名回温。

2、从百度热力图看到某些位置用户点击效果极差，那么我们就要把热力图中点击少的位置内容换成点击多的，以此来稳定页面权重。

3、进来的流量跳出率比较高我们要做的是找到跳出率高的页面然后改变它，找跳出率低的页面对比一下看看这个页面为什么高，改成低的页面的含有的元素或者效果从而提升页面质量，降低高跳出率网站页面的跳出率。

4、最近的pv量开始减少，所以找到导致跳出率高的流量看这些流量点击的页面，因为以前pv少，现在开始少，说明是增加的流量导致少，那么拿现在的流量和以前的流量比，增加的流量是增加在哪一个部分或者哪一些页面增加了流量，查询是不是这些页面导致跳出增加pv减少。

大数据分析，是互联网从业者必须具备的一项基础技能，只有掌握数据分析，做项目才能更科学化、对于项目的预判，能够更准确的把握。今天分享的这些数据分析工具，是我们分析项目经常用的工具，毫无保留的分享给大家，希望大家在操作项目的过程中熟练的使用这些工具。 定能够让你在网赚道路上无往不胜。1、百度指数第一款必备工具。百度指数，我们在查询某一些关键词的时候，首要考虑的就是百度的数据如何，因为百度这个搜索引擎在互联网搜索引擎中占据的份额最大，数据精准度高。检索的很多关键词以及一些热点词的数据对比，都能直观展现出来，通过人群、年龄、性别、兴趣爱好、地域等更为详细的信息，方便我们做出更理智的判断。

2、微指数我们在查询一些关键词的时候，要分析社交数据。对于产品传播非常重要，通过调查数据，我们知道如何把握住当今热点，让产品蹭热度飞一会，是很多商家考虑的问题。新浪微博旗下产品微指数，可以很容易帮我们把控热点关键词。让我们清楚地看到近七天趋势如何，及时对产品做出调整。

3、阿里指数我们在操作某宝店铺项目的时候，需要分析更多的数据，来确定标题内容如何定位优化，用户检索更为简单，如何蹭热点关键词飞上那么一会儿，如何引爆流量做核心爆款。这个跟成交量有非常大的关键，哪类行业有哪些关键词在搜索时上升幅度比较快，很有潜力，知道这些信息后，我们都需要提早的布局。等相关的关键词上升到一定幅度时，我们恰好出现在热点上，在用户检索时很容易爆单。这个数据分析工具是中小卖家逆袭的机会。一定要好好研究。

4、腾讯指数BAT三大巨头，柒点哥介绍两家了，怎么可能缺少 TX 指数，TX 旗下的各类产品琳琅满目，自然对数据掌握的精准程度不是一般企业可以比拟的。算得上行业顶尖了。但是目前为止使用腾讯指数分析的用户实在少之又少，大部分人不知道这个功能，今天柒点哥告诉大家，腾讯确实有指数分析的功能。而且可以从九大品类开始分析数据，可以说是一款很强大的运营工具。

5、爱站网爱站网：是一个综合性的数据分析平台。我平常都在用这个网站分析一些网站相关的信息，比如，网站收录状况，PR值，域名信息，友情链接等一些数据。但是最长用的一个功能就是长尾关键词发掘。这项功能有助于我们通过主关键词，发掘带流量的附属关键词的状况，类似于百度推广后台的数据分析。非常不错的免费工具，大家以后可以常用。

6、QQ指数QQ指数是一款基于QQ平台用户数据分析的移动端指数类产品，定位于洞察QQ平台上年轻人最新、最热、最关注的社交内容，通过分析QQ平台上用户公开发表的说说、评论及搜索、浏览等行为数据，发现年轻人的热点趋势及舆论风向，透过QQ指数可以快速掌握年轻人的兴趣喜好和行为习惯等信息。作为T讯旗下最为核心的产品，对于我们互联网人士来讲，把它称为流量的天堂，只要随便找一个平台来操作产品，坚持一段时间都能暴富的。所以研究T讯系的核心产品，离不开QQ指数这个工具，对于我们把控QQ流量热点的趋势有很好的帮助，是非常重要的营销利器。

QQ指数官方账号：qq搜索框搜索 QQ指数，关注公众号即可查询，主要是带认证图标的那个。7、微信指数微信指数是微信官方提供的基于微信大数据分析的移动端指数。2017年3月23日晚，微信官方推出了“微信指数”功能。作为T讯旗下，第二个核心产品，微信可以说是后来者居上，各种苗头都表明要赶超QQ的趋势，对于我们互联网人士来讲，这是最好的变现渠道。因为很多网赚项目，最后结款的地方都是在微信端成交的。所以我们非常有必要来分析他的数据，基于微信推出了这一功能，让我们省了很多分析微信数据的时间。

微信指数官方渠道：小程序搜索微信指数8、安卓权重榜我们操作的一些项目，免不了在APP上操作，但是这个平台流量如何，以及人群属性，都很难预估。但是我们又必须了解数据才能够伸缩有度，所以我常用的这款APP数据软件，就能够给我带来客观的数据。

9、新榜以榜单为切口，新榜向众多500强企业、政府机构提供线上、线下数据产品服务，“号内搜”、“新榜认证”、“分钟级监测”获得广泛应用。在协同内容创业者商业化方面，新榜依托数据挖掘分析能力，建立用户画像和效果监测系统，连接品牌广告主和品牌自媒体。作为公众号的运营者，我特别注重公众号的分析，以及项目渠道的发掘。新榜作为专业的内容数据提供商，我是经常会使用他来分析数据，查看某些公众号潜力，随时观察它的盈利模式以及动向。

10、梅花网作为互联网人士，写文章投放广告，是我经常要做的事情，但是如何让广告的每一分钱都花到潜在客户身上，是我经常要考虑的。如何知道同行在哪里投放广告，也是我所关心的，梅花网是广告监测比较专业的网站，我经常用来分析广告数据，在这里推荐给大家。

总结：以上的十个工具呢，就是我经常用到的数据分析工具。我认为这是每一个互联网从业者都具备的基本功，用好数据分析，操作项目更加的事半功倍。但是用的时候不能太死板，可以结合起来相互用。实干派动手做，花架子空叹息，让技术为你工作。赚钱的玩法很多，只有思路够宽，你才能走的更远。没赚到钱，并不是文章干货不够，而是你懂得太少了。 保持空杯心态，永远在进步。