流量价值的一维评估方法
流量价值的一维评估方法就是用一个维度去评估流量的情况，按照评估的类型可以分为从数量上、访问上和核心交互的角度上去在评估
从数量上
主要是从数量上去描述和评估流量的大小，是以流量为中心阶段常用的方法，目前来说不是主流的分析方法，但是仍然适用，常用的指标有。
Users：用户数，是GA中衡量数量的一个重要指标。
Visitor：访客数，数值上和用户数相同，但是计算原理不同，而且两者有本质上的区别，在GA中，Users是指标，而Visitor是维度，不少人经常会搞混，将两者混为一谈。
PageViews：简称PV，就是页面浏览量，通常跟Users成正相关关系。
Session：会话数，以流量分析为核心工具常用的一个指标。
UV：Unique Visitor，独立访客数，对访客数的去重，通常在国内的网站分析工具用的比较多，跟GA的Users接近。
独立IP数：基于IP角度的基数，因为目前IP资源有效，存在多个用户共用同一个IP出口的情况，或动态IP，所以有些工具会从IP角度去计算用户的数量。但由于国外的隐私保护政策比较严格，所以GA是没有这个维度的数据的。
从访问上
从访问上，就是用户在站内的浏览具体情况，通过这个指标，可以从访问角度评估流量的价值，通常有这么几个：
Bounce Rate也就是跳出率，这个是衡量质量最常用的一个指标，如果你想要判断流量质量如何，这个是你第一个需要看的指标。这个指标在不同行业的差异是很大的，所以没有一个适用于所有的行业的参考值；这个指标也不是越低越好的，特别是对于长页面和单页应用，这个指标就会失灵了。
页面停留时间：就是在页面上的停留时间，这个的重要程度是仅次于跳出率，通常在跳出率失灵的时候会用这个去评估流量，特别是在长页面分析的时候用的比较多。
页面访问深度：就是访问了多少个页面，如一个会话访问了多少pv，通常访问得越多，质量越好。
从核心交互上
可以将用户的在站内的一些关键行为跟踪下来，用于评估流量情况，通常这些行为需要通过事件跟踪去实现，如：
页面浏览比例：看访问页面的比例，可以知道这部分用户是不是目标用户。
点击：一些关键行为，如添加到购物车，点击注册，试用等，可以用于衡量用于兴趣与意愿的。
流量价值的二维评估方法
流量价值的二维评估方法，就是从两个维度去评估，这种方法有个更专业的名字的，叫波士顿矩阵分析，这种方法是市场营销领域非常常用的一种方法，也就做矩阵分析方法或四象限分析方法。
四个象限具有不同的定义和相应的战略对策。下面举一个实际的例子，关于 广告评估的，利用 CVR 转化率和 CTR 点击率来分析:
横纵轴划分出四个象限，分成四类:
第一象限的点击率和转化率都比较高，这是满意消费者，需要促进，加 大投入，力促取得规模效应(这是经济上的一种分析方法，用于最优化，取的最好 效益)
第二象限是低点击率，高转化率，问题是处在广告上面，属于糟糕的广 告，这就需要定位是 Banner 还是广告语的问题，再针对性调整
第三象限是低点击和转化，这是由于受众的问题，是广告定位不精准用户导致，这就需要对广告的受众做重新定位
第四象限是高点击率和低转化，这部分受众有兴趣，但进到页面后地转 化，产品难以满足需求，可能是价格因素，也可能是知名度等导致用户迟疑不转 化，这个需要具体分析后在做策略，如果是价格因素，可以选择在再营销的时候降 价，或捆绑销售，降低访客的心里价位;或赠送等，如果是知名度问题，则找知名 的第三方做背书~
这就是通过波士顿分析方法来定位问题和通过不同的策略来解决问题的实例，可以看懂这种方法通过分类，提供的解决方法更具针对性。
类似的逻辑可以用于关键字的筛选，优质渠道的甄别
广告：点击率-转化率
渠道：流量-转化率
关键字：流量-转化率
转化：注册率-付费率
花费：广告投放费用-产出
…………
在GA里面要实现波士顿矩阵分析方式是通过气泡图的方式实现的，点击Acquisition>Channel，然后点击如图所示，右上角的气泡图图标：
就可以看到如下：
如上图所示，这里用户的交互程度选用Pages/sessions，假设横坐标是5，纵坐标是20的，那么就可以将上面的几个渠道划分成不四个象限了：
第一象限：多会话数，高交互，落在这一区域的渠道都是非常优质的，可惜没有一个渠道落到这个区域。
第二象限：低会话数，高交互，落在这区域表示这个渠道的质量很大，但是流量少，这个需要加大推广的渠道，落在这一区域的就是社交流量，表明站点下一阶段的工作重心是社交流量的渠道。
第三象限，低会话数，低交互，通常这种情况会有两种可能，一是表明这个渠道的用户可能与我们的目标用户不匹配，大部分的都离开了，二是，这部分用户进来后体验很差，导致离开，这个需要结合其他的信息去定位分析。这类流量有其他和直接访问。
第四象限，高会话数，低交互，表明主流渠道的质量比较差，这些是需要控制投放量的，这类渠道有自然搜索和第三方流量。
可以看到，通过波士顿矩阵不仅可以评估各个渠道的情况，还能定位到原因。
跟进一步，上图中的图例在这里是看不出流量的大小的，也就是前面的分析，我们是不知道各个渠道的流量大小情况。我们还可以将圆心的大小表示流量的大小，如用会话：
上图中的圆圈越大表示流量越高，这样就跟直观了，可以看到社交流量是很小的，站点的主要流量来源是自然搜索和第三方流量，结合前面的分析，可以更好的调整策略。
上面的波士顿矩阵图在Google Analytics还是以动态的形式展示一段时间的变化：
非常神奇，更多具体的应用，自己去选择横纵轴的指标。
直接转化流量与“间接流量”
通常直接流量的质量和转化都是比较高的，但是直接与我们想的直接还是有很大差异的，在GA渠道的优先级里面，直接流量是排在倒数的位置的，基本上识别不到的，都可以归类到直接流量里面的，所以直接流量包含了很多情景下产生的流量，如：
1、手机应用不会发送referral，用户点击APP上的链接跳转到浏览器打开。
2、Word/PDF不会发送referral。
3、302的重定向有时候会导致referral被删除。
4、有时浏览器不传递referral。
5、http重定向成https时，referral不会传递，主要是因为安全因素。
6、用户输入网址直接访问。
7、通过浏览器的最热预览直接访问。
8、Flash中跳转过去
……
所以在直接渠道做分析的时候，最重要的前提就是其他流量都标记准确了，剩下的就是直接的，如果数据还有其他一些问题，可能是由于哪种特殊情况造成，要知道为什么。
而对于间接流量，我们是采用source或添加UTM的方式去识别的，但仍有部分是不能准备跟踪的，如：
- 第三方模块：如用户通过PPC广告进来，但是登录是通过第三方模块快捷登录的，如facebook，qq，微信登录的，这情况下注册的用户就没有跟广告系列参数绑定的了。
- Referral没有排除：这种通常会是在电商里面，如一个用户下单后，跳转到第三方支付，然后再跳转回来，这时候用户的广告系列参数会变化，在GA里表现为这个用户是通过第三方支付站点过来的，这个是与实际情况不符的。
- 同一个gclid，如果用户A 通过谷歌搜索进入到你的站点，然后将带有gclid的链接分享给用户B，通过这个链接访问，那么B 也会被划分到跟A 一样的渠道上面去了。
- direct不能细分的，也就是前面讲到的N中不能细分的情况。
流量质量评估的前提是流量正确识别，跟踪和划分，对于付费和第三方流量通常采用的方式是通过UTM去标记跟踪，也可以通过调整默认渠道分区去根据实际情况调整，划分准确后采用一些分析方法去评估。
