1. Web 端日活跃用户数(UV)

 定义:1 天(00:00-24:00)之内,访问网站的不重复用户数,一天内同一访客多次访问网站只被计算 1 次。

1. 选择事件分析功能
2. 选择事件 Web 浏览页面
3. 选择指标用户数

2. App 端日活跃用户数(UV)

定义:1 天(00:00-24:00)之内,访问 App 的不重复用户数,一天内同一访客多次访问 App 只被计算 1 次。

1. 选择事件分析功能
2. 选择事件启动 App
3. 选择指标用户数

3. 页面浏览量(PV)

 定义:网页浏览是指浏览器加载(或重新加载)网页的实例。页面浏览量可以定义为网页浏览总次数的指标。

1. 选择事件分析功能
2. 选择事件浏览页面
3. 选择指标总次数

4. 新增注册用户数

 定义:当天注册用户数


1. 选择事件分析功能
2. 选择事件注册
3. 选择指标用户数

5. Web 端新用户数

定义:当日的独立访客中,历史上首日访问网站的访客定义为新用户。


1. 选择事件分析功能
2. 选择事件 Web 浏览页面
3. 选择指标用户数
4. 添加筛选条件是否首日访问为真

6. App 端新用户数

定义:当日启动 App 的用户中,历史上首日启动 App 的用户为新用户数。

1. 选择事件分析功能
2. 选择事件 App 启动
3. 选择指标用户数
4. 添加筛选条件是否首日访问为真

7. Web 端新用户比例

定义:当日的访客中,新用户在所有访客中占的比例。

* 首先创建虚拟事件:【Web】新用户访问

1. 点击页面“元数据”,找到虚拟事件。
2. 创建虚拟事件。

1. 设置虚拟事件名和显示名,如上图所示。
2. 虚拟事件的组成,选择事件:Web 浏览页面。
3. 添加限制条件:是否首日访问为真。

接下来我们来计算新用户比例这个指标

7.1. 切换自定义指标

1. 点击左侧的事件分析功能。
2. 点击添加自定义指标,输入公式:【Web】新用户访问.用户数/  Web 浏览页面.用户数。
3. 命名为“新用户比例”。
4. 最后点击保存即可。

8. App 端新用户比例

当日启动 App 的用户中,新用户在所有启动 App 的用户中所占的比例。

8.1. 首先创建虚拟事件:【App】新用户访问

1. 点击页面“元数据”,找到虚拟事件。
2. 创建虚拟事件。

1. 设置虚拟事件名和显示名,如上图所示。
2. 虚拟事件的组成,选择事件:App 启动。
3. 添加限制条件:是否首日访问为真。

接下来我们来计算新用户比例这个指标

8.2. 切换自定义指标

1. 点击左侧的事件分析功能。
2. 点击添加自定义指标,输入公式:【App】新用户访问.用户数/ App 启动.用户数
3. 命名为“新用户比例”。
4. 最后点击保存即可。

9. 启动次数

定义:启动 App 的次数

1. 点击左侧的事件分析功能。
2. 选择事件:启动 App。
3. 选择指标:总次数。

10. Web 端新用户留存率

定义:在互联网行业中,用户在某段时间内开始使用应用,经过一段时间后,仍然继续使用该应用的用户,被认作是留存用户。这部分用户占当时新增用户的比例即是留存率,会按照每隔1单位时间(例日、周、月)来进行统计。顾名思义,留存指的就是“有多少用户留下来了”。

1. 选择留存分析功能。
2. 初始行为:选择 Web 浏览页面。
3. 添加筛选条件:是否首日访问为真。
4. 后续行为:选择任意事件。
5. 选择日留存、周留存、月留存。

11. App 端新用户留存率

定义:在互联网行业中,用户在某段时间内开始使用应用,经过一段时间后,仍然继续使用该应用的用户,被认作是留存用户。这部分用户占当时新增用户的比例即是留存率,会按照每隔1单位时间(例日、周、月)来进行统计。顾名思义,留存指的就是“有多少用户留下来了”。

1. 选择留存分析功能。
2. 初始行为:选择 App 启动。
3. 添加筛选条件:是否首日访问为真。
4. 后续行为:选择任意事件。
5. 选择日留存、周留存、月留存。

12. 购买转化率

定义:当日访客中,有多少比例的客户购买。

1. 点击左侧的事件分析功能。
2. 点击添加自定义指标,输入公式:支付订单.用户数/ Web 浏览页面.用户数。
3. 命名为“付费率”。
4. 最后点击保存即可。


以下指标“访问次数、平均交互深度、平均使用时长、页面平均停留时长、跳出率、页面退出率”需引入 Session 才能分析。

Session 即会话,是指在指定的时间段内在您的网站上发生的一系列互动。例如,一次会话可以包含多个网页或屏幕浏览、事件、社交互动和电子商务交易。

我们需要先创建一个 Session

1. 点击页面上的“Session 管理。”。
2. 打开 Session 管理抽屉。


3. 点击创建 Session。

1. 输入 Session 显示名:全站 Session。
2. 输入 Session 名:session。
3. 选择事件:选择 Session 包含的事件,如全选。
4. 设置切割规则:30分钟。
5. 点击保存,即创建成功。

一般 Web 端产品建议切割时间为 30 分钟,App 端产品建议切割时间为 1 分钟。

1. 回到 Session分析 功能页面。
2. 切换分析规则为 Session。

至此,可以进行 Session 分析,计算上述指标。

13. 访问次数

定义:访客从进入网站/ App 到离开网站/App 的一系列活动记为一次访问,也称会话(Session)。

1.  选择事件分析,切换分析规则为 Session。
2. 选择 Session:全站 Session。
3. 选择 Session 总体。
4. 选择指标:Session 总次数。

14. 平均交互深度

定义:等于所有 Session 内事件数之和除以总的 Session 数。

1.  选择事件分析,切换分析规则为 Session。
2. 选择 Session:全站 Session。
3. 选择 Session 总体。
4. 选择指标:Session 深度的均值。

15. 平均使用时长

定义:等于所有用户的 Session 时长之和除以 Session 数。

1.  选择事件分析,切换分析规则为 Session。
2. 选择 Session:全站 Session。
3. 选择 Session 总体。
4. 选择指标:Session 时长的均值。

16. 页面平均停留时长

定义:等于页面停留时长的总和除以页面被浏览的触发数。

1.  选择事件分析,切换分析规则为 Session。
2. 选择 Session:全站 Session。
3. 选择 Session 内事件:Web 浏览页面。
4. 选择指标:Session 内事件时长的均值。

17. 跳出率

定义:当一个 Session 仅有一个事件时,即视为跳出,一般情况这个事件以浏览页面居多。 Session 整体跳出率等于跳出的 Session 数 /  Session 总数,而页面的跳出率,可以按Session属性查看得出,等于  以该页面浏览为起始事件且跳出的 Session 总数 / 以该页面浏览为起始事件的 Session 总数

1.  选择事件分析,切换分析规则为 Session。
2. 选择 Session:全站 Session。
3. 选择 Session 总体。
4. 选择指标:跳出率。
5. 按“总体查看”即为网站整体跳出率,按“网页URL”(Session属性)查看,即页面的跳出率。

18. 页面退出率

定义:当用户在某个页面结束了该 Session 时即视为退出,所以页面退出率等于退出的页面数除以该页面的总浏览次数。

1.  选择 Session分析,
2. 选择 Session为 测试session。
3. 选择 Session 内具体事件:App 浏览页面。
4. 选择指标:退出率。
5. 选择属性分组:页面地址。


19. 如何创建购买转化漏斗

可以假设这样一种场景,用户从看到某一个促销活动到最终购买,可能会经历这样一个过程“浏览活动页—浏览商品列表页—浏览商品详情页—加入购物车—提交订单—支付订单”,我们可以对这样一个过程建立一个购买转化漏斗,来帮助你分析一个多步骤过程中每一步的转化与流失情况。


创建漏斗

1. 点击左侧的漏斗分析功能。
2. 点击页面中的创建漏斗按钮。

1.  填写漏斗名称。给你的漏斗取一个具有代表性的友好名称。同一项目内,漏斗不可重名。
2. 选择漏斗窗口期。整个漏斗流程的完成所需要的时间。
3. 增加漏斗步骤。一个漏斗中至少包含 2 个步骤,每个步骤对应一个事件,可附带一个或多个筛选条件,如第 1、2、3 步对页面标题和页面地址的筛选,以便找到满足我们需求的页面。
4. 如有需求,可以继续给漏斗增加步骤。
5. 最后保存漏斗即可。

分析漏斗

1. 选择查看漏斗的方式。先按总体查看总体转化率。
2. 从漏斗图可以看到每一步的转化率。
3. 如果想看某一步的流失用户数,找到流失用户列表,即可看到有多少用户流失了。点击流失用户数,即可看到该批流失用户的详细信息。

点击用户列表的设备 ID 这列 ,即可看到该用户在流失前详细的用户行为路径。


优化好漏斗后,我们就可以定期观察总体以及每一步漏斗转化率变化趋势了。那么不同细分维度的漏斗表现怎么样呢?

1.  按第一步广告系列来源查看。
2. 切换对比,勾选要对比的两个渠道,就能看到两个渠道对比的总转化率和每一步转化率的区别。
3. 如想看某个广告系列下这两个渠道的对比数据,则可以增加筛选条件:比如广告系列名称等于双十一促销。