共享10台机器IP，甚至数百台机器共用一台IP这并不少见。网络计量器无法区分新老客户在网络上的购买行为。用这个指标统计客户流量，访问标准太小。

           访问量（VV）这是一种记录访问者在统计期间访问网站多少次的行为。一个客户可以在一个统计期间访问同一网站多次，访问量将被多次统计。通常，如果访问者连续30分钟没有打开和更新页面，或者访问者关闭浏览器，则记录为访问结束，访问量也统计一次。该指统计的流量通常太大。

           独立访客（UV）在统计期间，同一访问者只访问同一网站一次。这似乎是一个真正反映人流的指标。但这是真的吗？

           首先，在实际操作中，计数器是对计算机数量的统计，无论计算机的用户是谁。换句话说，10个人在同一时间内用同一台机器浏览促销网站，计数器只会计为1；如果一个客户用10台电脑浏览同一个网站，计数器会计为10。

           其次，在监控有人访问网站时，计数器会在来访者的电脑上留下痕迹，俗称Cookie，当有人用这台电脑登录同一个网站时，系统会自动比较Cookie，发现Cookie它将被纳入老客户的统计数字，没有发现Cookie将纳入新客户统计数。

           清楚了PV浏览量、IP访问量，访问量（VV）、独立访客（UV）经过四个统计指标的计数方法，我们发现没有一个指标能够在一定时间内准确地计算出网站的真实流量最接近网站真实流量的指标是独立访问者的数量。

           统计新老客户，Cookie只能区分它是否是同一台计算机。如果客户使用多台计算机浏览同一网站，新客户的数据可能太大；而多个人使用同一台计算机浏览同一网站，新客户的数据可能很小。因此，在判断新老客户时，使用注册用户的指标更有价值。

       网络上的客户价值

           网络客户最大的障碍是信任。因为他们不见面做生意，取消和获取订单比实际交易没有压力。为了约束这种不确定性，我们一般将互联网零售领域的消费者从低到高分为五个层次：普通网民、注册用户、实名注册用户、身份认证实名注册用户和信用体系实名认证用户。在网上交易中，一方面根据用户的认证水平来区分客户；另一方面，根据客户的行为指标来判断客户的价值。

       (1)注册用户与活跃用户的比例

           注册用户数量是指互联网零售领域后四个层次的客户数量。客户比例越高，注册用户价值越大。

           活跃用户比＝近期活跃客户数量／注册用户量

           备注：活跃用户比体现的是客户状态，近期活跃客户数的“近期”一般指的是15～在30天的统计期内，客户是否览网站的痕迹。许多网站可能有数百万注册用户，但实际活跃用户只有1万～2万。活跃用户比比注册用户数更具实用价值。一些网站故意延长统计期，以提高该指标。因此，在比较该指标时，必须注意统计期的时间和注册用户的等级。

       (2)客户停留时间陷阱

           一个网站的点击率远远不够。除了网络作弊可能会干扰我们的正常分析外，吸引那些非目标客户到我们的网站实际上是对网站资源的浪费。

           最近的推广布局设计，整个活动时间1小时，网站客户停留时间见表9-1.显示。与上次促销活动相比，客户总停留时间和访客数量显著增加，网站粘性显著增加（此评估是否合适）。请计算每个消费者在本网站上的平均停留时间。根据平均停留时间，可以判断新产品的自动弹出时间是否在消费者网站的平均停留时间前弹出，以最大限度地传递新产品信息。

           表9-客户浏览网站时间表

           根据定义，平均网站停留时间是指每个访问者在网站上停留的平均时间。每个消费者网站停留时间的具体公式如下：

           每个消费者的网站停留时间长＝进入最后一页的时间－进入网站第一页的时间

           注：注：Web计数器从登录第一页请求开始计算时间，从开始时间到登录下一页的时间，称为第一页的停留时间，其他页面的统计时间等等。这种计数方法导致消费者从最后一页停留到离开网站的时间为零。例如，消费者1主页的停留时间为3分24秒，会员页面的停留时间为2分12秒，而产品页面的停留时间为零。这是消费者网站停留时间统计的最大缺陷，也是消费者停留时间的最大陷阱。

           平均网站停留时间

           ＝网站总是停留时间／会话数量(访次)

           ＝（700小时×60分×60秒）／10000人次

           ＝4分12秒

           注：会话数量为访问数（VV）是统计单位，而不是独立访客（UV）。

           如果平均网站停留时间是衡量网站粘性增加的标志，那就太片面了。因为新设计师可以通过增加页面链接或在消费者实现目标的过程中设置障碍来延长消费者网站的停留时间，事实上，这个结果是以让消费者体验不愉快为代价的。

           以4分12秒作为新产品广告跳出的时间，存在的最大问题是：个别消费者停留网站的极端数据对平均网站停留时间的影响。如有些用户登录某些页面后离开电脑，导致在某个页面停留时间过长，这是影响平均网站停留时间的最大问题。我们前面曾经讲过“众数”的概念，即如果要以客户停留时间作为广告投放的依据，建议不要采用平均网站停留时间，而应该用消费者在网站停留时间的“众数”，作为投放依据。

       (三)网络客户价值指标

           在传统零售业的经典计算公式中，对销售结果进行了如此粗略的描述：销售额＝人流量×入店率×购买率×客单价×回报率。这五个指标也将在网络零售业态中提及，但它们在统计方法上有自己的特点。在购买率指标方面，网络采用相应的提袋率和订单转换率。

           4月份零售网站的零售数据如下：总独立访客流量10万，总访问量15万，消费者将产品放入购物车1万次，当月购物放弃率为50％；消费者将产品放入收藏夹12000次，当月购物放弃率为60次％；直接通过页面购买1000次。4月份零售网站的提袋率和订单转换率请确认。

           提袋率：在线下销售中，提袋率主要是衡量进入商店总数与实际购买人数之间的比例。在互联网零售行业，一些企业将提袋率作为衡量潜在消费者的指标，特别是指在一定时期内将商品放入购物车和收藏夹的客户数量占该时期网站访问量的比例。

           根据定义，4月份零售网站提袋率为：

           (网购)提袋率

           ＝(购物车的数量＋放入收藏夹的次数)／总访问量

           ＝（10000次＋12000次）／150000次

           ≈14.67％

           提袋率至少描述14.67％消费者对指定网站的商品感兴趣。

           购物放弃率是指点击进入／添加购物车或添加到收藏夹按钮但未点击结账（或立即支付）按钮的客户占所有进入／加购物车或加收藏夹按钮的客户百分比。

           购物放弃率＝未确认订单的消费次数／(购物车的数量＋放入收藏夹的次数)

           订单转换率＝订单确认的访问量／总访问量

           ＝［10000次×（1－50％）＋12000次×（1－60％）＋1000次］／150000次

           ＝7.2％

           至少14.67％消费者对我们的产品感兴趣，但最终只有7个.2％消费者实施了购买行为。购物放弃率过高是订单转换率过低的重要原因，但购物放弃率高的根本原因是消费者购物体验不足，支付程序不方便。

       (四)不做锤子买卖

           不做一锤子生意，是商人对消费者和自己负责。在电子商务营销中，好评率和回头客比例，包括客户单价，都是评价销售可持续性的良好指标。

           公司的两个平行网站Jone和Horace，负责策划促销活动。据统计，两项活动带来的流量相似，销量基本相同。这两项活动的效率相似吗？我们对这两项活动本身没有

           从活