Google Analytics 學習筆記三 —— GA經常使用術語

時間  2020-08-07 標籤 google analytics 學習 筆記 三 ga 經常 使用 術語

一.Sessions

  • 1.會話，指定的時間段內在網站上發生的一系列互動，例如一次會話能夠是網頁瀏覽、事件或電子商務等。參考Google Analytics（分析）如何定義網絡會話
  • 2.會話結束的方式分爲如下兩種
    • 將特定時間做爲過時標誌：
      • 不活動狀態超過 30 分鐘
      • 午夜（一天的結束時間取決於時區的設置）
    • 廣告系列變動：
      • 用戶經過一個廣告系列來到網站，隨後離開，而後經過另外一個廣告系列返回網站。Google Analytics（分析）會保存廣告系列來源信息。只要廣告系列的值(gclid 值)發生了變化，Google Analytics（分析）就會開啓一次新的會話。
  • 3.會話數+1狀況
    • 不活動狀態超過30分鐘（默認30分鐘、可更改），30分鐘後從新開始活動
    • 午夜、過了晚上12點
    • 用戶經過一個廣告系列來到網站，隨後離開，而後經過另外一個廣告系列返回網站
      1716372-20190801000314678-1494024650.png

二.Client ID 和 User ID

  • 1.Client ID
    • 表示的是惟一的瀏覽器或設備，這個GA默認識別訪客的方式，訪客首次訪問的時候會自動在cookie中生成一個client ID，若是切換瀏覽器、設備或清除cookie，會生成和一個新的Client ID，這個也是new user的計算原理。
    • 如：用戶A在9:00首次用CHrome訪問了咱們的站點，會產生Client ID-A。9:10後退出，在9:15用IE訪問，會產品Client ID-B，這兩個ID是徹底不一樣的。
      1716372-20190801001655076-1885000478.png
  • 2.User ID -- 跨設備（瀏覽器）跟蹤
    • 表示的是惟一用戶身份，只有用戶登陸的時候纔會被識別到，User ID 是一串惟一的字符串。
    • 如：用戶A註冊後生成User ID爲abcd,若是用戶A切換一個設備(瀏覽器)訪問並登陸，那麼只是生成一個新的Client ID，這時的User ID是不變的。

三.New Users、 Returning Users、Users和New Visitor

  • 1.New Users
    • 用戶首次訪問站點就被記錄爲新用戶，也就是你的cookie沒有client ID的訪客就是新用戶，這個用戶的信息被存儲在cookie中，因此用戶若是切換了瀏覽器或設備在訪問時，會被記錄爲一個新的用戶。
    • 如：用戶A在9:00首次用Chrome訪問咱們的站點，新用戶數量+1，9:10後退出，在9:15用IE訪問，這時新用戶的數量記錄+2.
  • 2.Returning Users
    • 非首次的訪問用戶都是回訪用戶，一個新用戶訪問時間超過30min，就會被記錄爲回訪用戶。
    • 如：用戶A在9：00首次訪問經過Chrome訪問咱們站點，在9:31才離開，這時新用戶記錄+1，回訪用戶記錄也+1
  • 3.Users
    • 用戶數，是新用戶+回訪用戶的去重，但因爲新用戶在切換設備和瀏覽器時會產生新的用戶數，因此這裏去重後的用戶數並非實際的惟一用戶數，但能夠看似惟一用戶數，GA中是不提供真實的惟一用戶數的。
    • 用戶數 < 新用戶數 + 回訪用戶數
      1716372-20190801003556914-398115473.png
  • 4.New Visitor
    • New User 和 New Visitor 在數值上是相等的，但在技術上的實現是不一樣的，New Visitor 是一個惟獨，New User 是一個字段

四. Bounce Rate 和 %Exit

  • 1.Bounce Rate(跳出率)
    • 指該網頁是會話中「惟一網頁」的會話佔有該網頁開始的全部會話的百分比。（基於會話）
    • X%的人從一特定的頁面登陸，什麼都怎沒作，又從同一個頁面退出了。
  • 2.%Exit(退出率)
    • 指該網頁是會話中「最後一頁」的瀏覽佔該網頁的總瀏覽量的百分比。（基於PV）
  • 3.跳出率是衡量着陸頁好壞的，退出率是衡量頁面內容好壞的。在網站上天天都只有單一會話的連續幾天內，看如何計算「退出率」和「跳出率」指標。
  • 4.例子（計算「退出率」及「跳出率」）
    星期一：網頁B --> 網頁A --> 網頁C --> 退出
    星期二：網頁B --> 退出
    星期三：網頁A --> 網頁C --> 網頁B --> 退出
    星期四：網頁C --> 退出
    星期五：網頁B --> 網頁C --> 網頁A --> 退出
    • 退出率
      • 網頁A：33%（在5個會話中，有3個包含網頁A，由網頁A直接退出的只有1個，即1/3=33%）
      • 網頁B：50%（在5個會話中，有4個包含網頁B，由網頁B直接退出的只有2個，即2/5=50%）
      • 網頁C：50%（在5個會話中，有4個包含網頁C，由網頁C直接退出的只有2個，即2/5=50%）
    • 跳出率
      • 網頁A：0%（有1個會話由網頁A開始，但該會話不是單頁會話，所以沒有跳出率）
      • 網頁B：33%（跳出率低於退出率，由於有3個會話由網頁B開始，但只有一個會話發生跳出）
      • 網頁C：100%（有1個會話由網頁C開始，且發生跳出）

五. Total Events 和 Unique Event

  • 1.Total Events
    • 全部事件的總數
  • 2.Unique Event
    • 惟一身份事件數，就是有多少人作了這個動做

六.Source、Meduim和Campaign

  • 1.Source
    • 標識流量來源，如廣告主、網站、出版物等。
      • google
      • newsletters
      • billboard
  • 2.Meduim
    • 廣告媒介或營銷媒介，例如：PPC、CPC、AFF
  • 3.Campaign
    • 廣告系列，如什麼活動

七. Event Categroy、Event Action和Event Label（某某事件在那裏作了什麼）

  • 1.Event Categroy -- 事件名字
    • 事件類別，指跟蹤用戶行爲的大類
  • 2.Event Action -- 作什麼
    • 事件行爲，跟蹤用戶具體位置的行爲，如點擊填寫郵件，點擊填寫密碼，點擊肯定提交註冊按鈕等
  • 3.Event Label -- 在哪裏作了
    • 事件標籤，能夠是具體的頁面或不填

八. 抽樣

  • 1.從總體抽取一部分數據集用於分析總體狀況
  • 2.什麼狀況下出現抽樣數據？
    • 用戶查詢是臨時查詢時，即它不能徹底知足現有的未抽樣和預聚合數據
    • 對於GA標準版，非多通道漏斗報告的數據抽樣發生在屬性級別。因此過濾器會影響樣本大小
    • 對於GAP，非多通道漏斗報告的數據抽樣發生在視圖級別。因此過濾器不會影響樣本大小
    • 在多通道漏斗報告的數據抽樣發生在視圖級別，查看過濾器不會影響樣本大小
    • 當用戶查詢數據限制爲一天或多天處理表
    • 當用戶查詢報告產訊或轉換路徑限制
    • 查看多通道漏斗報告是基於超過100萬會話
  • 3.解決辦法
    • 縮短期區間
    • 不使用過濾視圖
    • 不使用高級細分或二級緯度
    • 不用自定義報告
    • 下載原始數據再計算
    • 使用GAP
    • 使用piwik等開源工具

九.Measurement protocol 協議

  • 1.一套規則，只要應用遵循規則就能夠向GA服務器發送原始數據。一般用於跨設備跟蹤
  • 2.經過這個協議，只要設備能鏈接網絡，你就能夠收集和跟蹤用戶的交互數據並將其發送到GA服務器，這個設備能夠是手機、平板、數字設備等
  • 3.應用
    • 郵件打開跟蹤
    • 微信小程序跟蹤
    • 社交交互跟蹤

十.參考連接

轉載於:https://www.cnblogs.com/nanXing/p/11280118.htmlhtml

联系我们 沪ICP备2021010478号-7