Google Analytics是目前应用最广泛的免费网站统计分析工具，接下来的文章介绍利用Google Analytics实现对百度推广数据的收集、处理，并结合其他工具进行数据分析并提出行动建议。本篇介绍如何进行网站转化分析。

前面的文章从访问者自身属性、行为属性和技术属性，访问者网站行为，百度推广设置等维度进行网站转化分析，本文再从网站转化时间分布、购物车转化漏斗、目标转化路径三个方面做进一步探讨。

一、网站转化时间分布

（一）一周时间分布

通过一周时间分布分析网站转化在不同工作日的集中趋势，比如周几转化率更高。

数据处理

利用Google Analytics导出的Day数据配合Excel的数据分列、数据透视功能以及SPSS的Z标准化实现数据处理和图形输出。操作步骤：

1.数据导出。以CSV For Excel形式导出百度推广Conversion Rate数据至Excel；

2.数据分列。利用数据分列功能，分隔符号选择“逗号”；（注：提前在Ecommerce Conversion Rate前插入两空列）

3.数据分类汇总。利用数据透视表做分类汇总，字段名称选择Week Day（此为分列后自定义名称）和Ecommerce Conversion Rate，处理后的数据如下：

4.数据Z标准化。数据Z标准化的意义是衡量Week Day转化率相对于网站均值的表现。在SPSS中选择“分析—描述统计—描述功能”，勾选“将标准化得分另存为变量”。

5.图形输出。接下来用SPSS或Excel将Z标准化后的数据输出，如图：

数据分析

数据显示，网站转化率一周中以周三、周四为波峰呈现明显的波动，周末转化率降至波谷。这说明工作日尤其周三是网站转化活动的最佳时间，适合进行网站推广和用户互动；而周末则适合进行不需要网友参加的网站活动。

（二）一天时间分布

一天内小时转化时间分布分析的目的、数据处理和图形输出同上，这里省略过程直接输出结果：

数据显示，网站转化一天内小时转化时间分布不均，转化率较高的时间段为10:00am—5:00pm，1:00am—2:00am是另一个转化高峰。这说明用户更偏爱工作时间购物。

由于网站样本量有限，这里仅进行一周和一天时间转化分布分析。如果要分析的数据样本量大且时间跨度长，建议做全年12个月转化分布分析以及环比、同比分析。

二、转化漏斗模型分析

我们在“利用Google Analytics分析百度推广——流量标记和细分”中设置了两个目标——注册和购物车转化。转化漏斗就是基于目标渠道设置形成的。注：购物车转化指转化路径中包含设置的所有渠道，这意味着如果用户完成转化但没有经过设置的所有渠道，那么这次转化不会被记为购物车转化数据，但会被其他转化数据标记，因此购物车漏斗转化分析实质上是抽样调查分析的一种。

Google Analytics渠道可视化报告显示了访问者是如何进入和跳出渠道的，报告分为三个部分：

左侧是访问者进入渠道的来源数据，中间是到达指定渠道的访问数量和百分比，其中绿色代表成功进入下个渠道的访问数据，红色代表当前渠道的跳出数据，右侧是从当前渠道跳出的数量和去向。

左侧进入数据分析可以了解每个渠道的进入路径是否唯一以及具体来源；中间数据显示了访问者在每个渠道的成功执行下一步和流失情况，结合右侧跳出数据分析访问者的跳出原因，从而找出渠道放弃的薄弱环节。关于渠道可视化报告的分析和执行建议，请见“购物车漏斗模型分析”。