中企动力信息化运营专家认为，需要分析的数据一般包括：哪些改变能吸引更多的网站浏览量（比如点击网络广告进入）；哪些网页的点击量最大；网站访问者进入网站的来源；通过什么关键词进入的；网站访问者在各种网页上逗留的时间有多长，等等。当然，最关键的指标是销售转换率（意向客户转化率）有多高，网站的注册人数有多少，每个客户的成本是多少等等。此外，企业还希望了解新的措施（如，定制新的当日递送的价格，为提高销售量在网站上开展促销活动等）是否有效。网站运营数据分析所需要的数据可以通过多种途径获得： 企业网站的服务器日志记录了用户的IP地址，用户使用的是什么浏览器，进入网站以前他所在的位置，浏览的具体时间，以及用户的注册信息等。通过IP地址，企业可以了解用户所在区域，例如jp表示用户住在日本。 网络跟踪文件是用户在访问网站时在硬盘上自动生成的文件。当客户进入网站并进行操作（例如使用购物车）时这些文件能发挥作用。客户再次访问该网站时，这些文件中的数据可以调出，从而了解该客户浏览的次数等信息。亚马逊网站就是利用网络跟踪器文件在主页上自动生成用户姓名的。 页面标签（page tags）其实就是页面上的一个像元（pixel），用户是看不见的。在用户浏览一个页面时，页面标签被用来激活页面上的一个信息，例如何时将商品从购物车移出等。用户计算机硬盘上的网络跟踪器文件也可以用来激活标签，显示用户何时回访网站，在网站上做了哪些动作。
利用网站解析软件，企业可以对服务器的登录信息进行分析，进而解析用户的行为模式。
中企动力信息化运营专家提醒：目前，谷歌的Analytics和百度统计都是智能的、功能非常强大的用来统计企业网站运营数据的专业工具，用户非常多，备受推崇。
用户下单和付款不一定会在同一天完成，但一周的数据相对是精准的，所以我们把每周数据作为比对的参考对象，主要的用途在于，比对上周与上上周数据间的差别，运营做了某方面的工作，产品做出了某种调整，相对应的数据也会有一定的变化，如果没有提高，说明方法有问题或者本身的问题并在与此。
1. 网站使用率：IP、PV、平均浏览页数、在线时间、跳出率、回访者比率、访问深度比率、访问时间比率。
这是最基本的，每项数据提高都不容易，这意味着要不断改进每一个发现问题的细节，不断去完善购物体验。来说明下重要的数据指标：
1.1 跳出率：跳出率高绝不是好事，但跳出的问题在哪里才是关键。我的经验，在一些推广活动或投放大媒体广告时，跳出率都会很高，跳出率高可能意味着人群不精准，或者广告诉求与访问内容有巨大的差别，或者本身的访问页面有问题。常规性的跳出率我注于登录、注册、订单流程1-3步、用户中心等基础页面，如果跳出率高于20%，我觉得就有不少的问题，也根据跳出率来改进购物流程和用户体验。
1.2 回访者比率=一周内2次回访者/总来访者，意味着网站吸引力，以及会员忠诚度，如果在流量稳定的情况下，此数据相对高一些会比较高，太高则说明新用户开发的太少，太低则说明用户的忠诚度太差，复购率也不会高。
1.3 访问深度比率=访问超过11页的用户／总的访问数，访问时间比率=访问时间在10分钟以上的用户数／总用户数，这两项指标代表网站内容吸引力，数据比率越高越好。
2. 运营数据：总订单、有效订单、订单有效率、总销售额、客单价、毛利润、毛利率、下单转化率、付款转化率、退货率；
每日数据汇总，每周的数据一定是稳定的，主要比对于上上周的数据，重点指导运营内部的工作，如产品引导、定价策略、促销策略、包邮策略等。
2.1 比对数据，为什么订单数减少了？但销售额增加了？这是否是好事？
2.2 对比数据，为什么客单价提高了？但利润率降低了？这是否是好事？
2.3 对比数据，能否做到：销售额增长，利润率提高，订单数增加？这不是不可能。
所有的问题，在运营数据中都能够找到答案。
一、如何入门互联网数据分析
1、网站分析是一种能力
对于大部分人互联网从业者而言，网站分析是一种能力，因为基于网站分析之上的结论可以指导运营、产品、设计、技术的同事的工作。
2、网站分析解决的问题
用户是谁(目标用户)，
从哪里来(流量从哪里来，流量的价值等)，
到哪里去(为什么离开，如何降低用户流失)
3、对于产品OR运营，网站分析能做什么
产品改版是否合理?
用户的反馈如何?
哪些功能存在问题?
功能使用频率?
转化路径是否靠谱?
对于运营：
用户来源路径?
用户活跃度如何?
如何分配广告预算
网站内容是否有效?
如何分解KPI?
4、为什么进行网站分析
5、网站分析的核心
二、网站分析的流程
定义问题——测量——分析——改进——维持
三、定义问题
如何你已经知道如何有效的去描述一个问题，那么你已经成功了一半了，因为你知道问题，而且也知道如何去问。
工作可不是试券设计好问题来问你，首先得你自己发现问题。
比如如注册转化率的降低就跟非常多的问题是正相关的。
产品支持度是否足够?
头像上传
邮箱验证
必填资料
营销是否到位?
新老访客比如何
外界口碑如何
问题的要素：本质、现象、特征、量化
定义一个问题：即给整个团队确认一个方向，围绕着这个目标往下分解，制定计划，在计划具体执行的过程中发现了某个问题，再来具体分析的。
所以作为一个网站分析师，立足点应该是从公司 战略出发， 了解产品，运营，技术，商业逻辑等等层面的知识，给公司的发展提供大量的建议。
献峰商业&产品&运营&设计，的推荐书单：
豆瓣豆列的推荐人数达 1316人，收藏人数达 6291。目前我读看过的不到十分之一，但是确实有助于从事网站分析的同事提升商业格局。
互联网产品经理 全方位入门
苏杰 老师整理的互联网产品经理全方位入门书籍。豆瓣豆列的推荐人数达986人，收藏人数达 7774。惭愧，只看过豆列里面20%的书。
当当，仅仅通过读书是无法培养行业格局的，还需要善于向人请教、善用网络资源、自己体验、实践等等。
求职互联网数据分析，如何准备行业知识?
四、测量
收集数据。
目前常用的数据流量监测的工作：
Google AnalyticsGoogle 网站分析工具
Omniture Omniture SiteCatalys
百度统计 百度统计工具腾讯分析主要针对论坛
等等。。。。
比如教育行业的数据，可以从一些行业数据收集的网站中找到
另外，作为不会写程序的产品OR运营，只能通过第三方的工具或者平台来拿到数据了，或者向技术同学提需求。
技术才是第一生产力。如果会一些 SQL或者Python，获取的数据太要太精彩哇……
推荐书籍：做数据分析不得不看的书有哪些?
这个问答下面推荐的书，基本都是关于数据挖掘或者获取的。
五、分析、改进、维持
比如某游戏的玩家行业轨迹是这样的
于是分析的时候决定重点关注新用户的流失问题
流失的任务类型分析：
操作复杂
任务不平滑、不流畅
升级缓慢
有组队任务或者其他互动任务
然后就是不断的循环优化着。分析出问题，确认用户的需求，改进产品，进一步统计并维持提升结果。
分析的流程方法大概如此，比较好掌握，但是具体到工作当中，远非这几句话能解释当的，所以慢慢实践成长吧。
1.精益数据分析
2.转化:提升网站流量和转化率的技巧
3.数据分析 :企业的贤内助
4.网站数据分析:数据驱动的网站管理.优化和运营
5.人人都是网站分析师:从分析师的视角理解网站和解读数据
6.图解网站分析36大数据
网站数据是直接体现出网络营销的效果的数据。
网络营销的效果是需要网站数据体现出来的。
如果没有网站的数据统计很难对网络营销的成果作出量化，没有量化的数据统计，就不能对网络营销的效果有一个整体的分析，只有有了一个系统的分析才会有一个良好的 网络营销效果。
康那里士数字营销，长期从事网络营销策划与推广工作。
简单的统计代码还是跟踪流量来源……或者根据网站运营目的，达到某一特定需求进行有效分析。早期的网站建设和运营，在数据很少的时候，网站更注重流量和渠道，而网站运营相对成熟的时候，数据分析更应该偏向于网站功能性发展方向，比如一家企业营销型网站，对用户购买率特别敏感，那么数据分析就应该以此为核心，进行分析;而对于展示型网站来说，对于用户留存率特别感兴趣，数据分析依据就是兴趣，如果是一个靠广告获得收益的网站，如何诱导用户点击广告。
你想要实现什么目的，数据分析都可以起到辅助支持决策的作用
从用户方面入手分析包括以下几点：（微问数据）
1、包括用户增长统计和用户属性统计。
2、用户增长统计，是按日统计，有4个维度：
3、新关注、取消关注、净增关注、累积关注。
挺专业的，站长必备啊~~也就外出用手机关心一下网站流量，要不能在电脑上网，直接后网页GA，还辛辛苦苦弄3G看多麻烦。
这个问题问的比较广泛，你需要的是。如何去了解自己的店铺的一些数据，然后根据数据结合，改变店铺的整个布吉。
1
行业数据
行业数据对于一个APP来说，至关重要。了解行业数据，可以知道自己的APP在整个行业的水平，可以从新增用户、活跃用户、启动次数、使用时长等多个维度去对比自己产品与行业平均水平的差异以及自己产品的对应的指标在整个行业的排名，从而知道自己产品的不足之处。这种纵向的对比，会让自己的产品定位、发展方向更加清晰。
2
评估渠道效果
在国内，获取用户的渠道是非常多的，如微博、微信、运营商商店、操作系统商店、应用商店、手机厂商预装、CPA广告、交叉推广、限时免费等等。看一个APP的数据，首先要知道用户从哪里来，哪里的用户质量最高，这样开发者就会面临一个选择和评估渠道的难问题。但是通过统计分析工具，开发者可以从多个维度的数据来对比不同渠道的效果，比如从新增用户、活跃用户、次日留存率、单次使用时长等角度对比不同来源的用户，这样就可以根据数据找到最适合自身的渠道，从而获得最好的推广效果。
3
用户分析
产品吸引到用户下载和使用之后，首先要知道的就是用户是谁。所以，我们需要详尽地了解到用户的设备终端类型、网络及运营商、地域的分布特征。这些数据可以帮助了解用户的属性，在产品改进以及产品推广中，就可以充分利用这些数据制定精准的策略。
4
用户行为分析
在关注完用户的属性后，我们还要高度关注用户在应用内的行为，因为这些行为最终决定着产品所能够带来的价值。开发者可以通过设置自定义事件以及漏斗来关注应用内每一步的转化率，以及转化率对收入水平的影响。通过分析事件和漏斗数据，可以针对性的优化转化率低的步骤，切实提高整体转化水平。
5
产品受欢迎程度
在了解了用户的行为之后，我们应该看一下自己的产品是否足够受欢迎，这是一个应用保持生命力的根本。开发者可以从留存用户、用户参与度（使用时长、使用频率、访问页面、使用间隔）等维度评价用户粘度。进行数据对比分析的时候，要充分利用时间控件和渠道控件，可以对比不同时段不同渠道的用户粘度，了解运营推广手段对不同渠道的效果。