回访次数（Visitor Loyalty）

这个报表中，可以看到，在选择时间段内的所有用户访问中，是第一次访问的有多少，是第二次访问的有多少……访问次数的计算请参考我的另一篇文章《Google Analytics中Visitor Loyalty报表释疑》。其中第一次访问的次数应该和New vs. Returning报表中的New Visitor的数量是一样的。后面多次访问的人数越多，一般的表明网站对来访者的吸引力越大。这里说的多少，是绝对值的数量，而不能看百分比，因为第一次访问的用户的增加同样重要，代表了吸引到的新用户。

回访频度（Visitor Recency）

回访频度表明访问者的这次访问距离前一次访问的时间。其中时间是怎么确定的呢？实际上，访客的每次访问都会被记录在Cookie中。当用户第一次访问网站的时候，Google Analytics发现之前没有Cookie的记录，说明是新的访客，则不会在这个报表中累计。过了一段时间，用户再次访问这个网站，因为Cookie中记录了上次访问的情况，这次访问的时间减去上次访问的时间，就能够得到访问的间隔。落在上面报表的哪个时间区间，则在那个区间上累加1。

而时间区间其实不是自然的天数，而是精确到分秒的。如果间隔了23小时59分的时间，就会落到0 days ago的区间，而如果间隔了24小时01分，则会落到1 days ago的区间，以此类推。

访问时长（Length of Visit）

访问时长，是对访问所花费了多少时间的统计。当一个访客开始一个新的访问，来到第一个页面的时候，Google Analytics会记录下这次访问的时刻，当访问下一个页面的时候，Google Analytics同样会知道这次访问的时刻，同样的，最后会知道用户访问了离开网站前的最后一个页面的时刻，用最后一个时刻前去第一个页面的时刻，就能得到在网站上访问花去的时间。注意：最后一个页面花费的时间无法得到，没有统计，因为最后一个页面是没有下一个页面的（好拗口）。

一般的，访问时间越长，说明网站的内容越吸引访客。也有些情况下不是这样，比如Google就希望访客越快离开越好，因为越快离开代表访客越快搜索到目标网页。

访问深度（Depth of Visit）

访问深度，反映了一次访问浏览多少页面的分布的情况。这只与页面数量有关，而与网站结构无关。一般的，访问的页面数量越多，表明网站的粘性越好。

在这次更新以前，Google Analytics最多只能设置4个目标。对于一些功能较多的网站来说，区区4个目标显得捉襟见肘，为了使用更多的“目标”，为一个网站建立多个配置文件是非常普遍的现象。现在，Google Analytics可以允许设置4组，每组5个，总共20个目标。

目标的设置

数量的增加仅仅是一方面，功能上也更加灵活。之前，只能针对某个页面的URL设置目标。也就是说，当用户浏览某个URL的页面时，就计算达成了一次目标。更新以后，在目标的达成上，除了原有的页面URL外，还可以每次访问浏览的页面量和在网站上停留的时间作为判断标准。

URL目标

这是Google Analytics传统的目标判定的方式。你可以使用向前匹配、完全匹配和正则表达式来作为判定目标的条件。灵活使用正则表达式能够处理很多复杂的需求。

网站停留时间

网页停留时间判断目标达成，是通过设置一个触发条件，当某个访问者在网站上花费了大于某个时间时，则认为达成了目标。这个时间可以设置多少小时多少分多少秒。同时，Google Analytics也可以设置网站停留时间小于某个时间作为目标触发的条件，这时的目标就是负面的目标啦。

每次访问页面

每次访问页面是指在一次访问中浏览的页面数，这个浏览量也可以作为目标达成的触发条件。和网站停留时间类似，可以设置在一次访问中访问了大于、等于、小于某个数量作为目标达成的条件。

目标报告

让我们来看看目标报告吧。

注意到“每次访问的目标价值”这个度量了吗？我们在前面设置目标的时候，为达到不同的目标设定了目标价值，在报表中，除了能了解目标达到的次数，还自动计算出了每次访问的价值。有这个度量值，就可以很容易的发现哪些来源的质量更高，或者网站更能吸引哪些地区的访问者等等。

其实，还有很多通过网站分析工具抓取到的数据都是不准确的。比如说：网页停留时间。

先让我们看看网站分析工具是如何跟踪访客在页面上停留的时间的。举个例子：一个访客在8:00打开了网站的首页，网站分析工具就会抓到这个数据；接着，他又在8:02分打开了“新闻”分类的页面，网站分析工具同样会抓到这条数据；接下来，8:05分，他有点开了“NBA新闻”分类的页面；最后，他在“NBA新闻”页面中发现姚明该死的伤还没有好，索性就关掉了浏览器。网站分析工具会统计两次连续页面打开动作之间间隔的时间，这个间隔的时间就算作访客在这个页面上停留的时间。在上面的例子中，访问者在首页呆了2分钟，在“新闻”分类页呆了3分钟。这样计算在上面这种情况下没有问题。（参考《基本量度讨论》）

回头说说我的一个习惯。我浏览网站，特别是新闻类网站，会一次先把所有感兴趣的内容页面都点开，然后再一篇文章一篇文章的阅览。那么，对网站分析来说，得到的页面停留时间的数据，前面的页面都会很短，只有最后一个页面会很长（如果我还有继续点击的话）。最后在报告里出现的不是准确的数据。

再举一个关于访问来源的例子。我很想购买一款相机，于是我在Google中搜索了“某某相机”这个关键字，在结果页中我点了一个付费链接，来到一个卖相机的网站。这时，我这次访问的访问来源是付费搜索引擎，到这里都没问题。而我想了解还有没有更便宜的价格，于是我去到了其他网站查询，或者正巧我妈妈叫我吃饭，反正就是我并没有关掉页面，但是离开了超过30分钟。最后我又回来，还是在这个网站上完成了购买。

为什么例子里是离开30分钟呢，因为像Google Analytics和Omniture的SiteCatalyst都是当间隔30分钟没有动作时，算作一次访问结束，接下来再发生的流量就算作一次新的访问。我想说的是，在完成购买的时候，对于网站分析工具生成的报表来说，已经是另外一次访问了，这次访问的来源也不再是Google上的付费关键字广告了，完成购买的贡献也没有Google的份了。

其实还有许多维度的数据都存在着误差，那么应该怎么理解这些误差，又应该如何解读数据呢？

抓住网站分析中的主要问题

网站分析，并不是要得到一堆一堆的数据，而是需要发现这些数据背后隐藏的真相。这就需要我们将这些定量的数据通过分析转化为定性的结论。只要这些数据具有统计学意义，那就不会影响定性的分析。假设通过网站分析工具我们统计到，广告A带来了30000唯一访客的流量，广告B带来了3000唯一访客的流量。那么我们可以得出结论，在唯一访客流量的贡献上，A会比B好很多。如果广告A带来了30000唯一访客流量，而广告B带来了29900。那么我们可以说，广告A和广告B在带来流量上效果差不多。这部分可以参考《统计学意义》。

把握数据的变化趋势

上面提到的是在相同维度的数据间比较，得出定性的结论。其实也可以，在同一维度的不同时间点上比较，从而得出结论。比如，我只告诉你，上个月网站上达成了30000个订单，然后让你得出结论，是好还是坏。我想什么结论都得不到。如果我再告诉你，上上个月的订单量是25000个，那结论就出来了，上个月的订单增加了。那接下来就可以细化的分析订单增加的原因从而有更深入的结论。

学习物理的时候，会学到测量的工具都有误差。其实网站分析工具就是一个测量网站的工具，它当然也存在误差。总是把眼光盯住这些误差不放，还不如多考虑考虑如何用好这个工具。