想像你在逛街邊的一家書店，如果最終你沒有購買任何圖書就直接離開了，店長並不會知道你來過。但是如果你買了書，那麼書店的員工就會知道他們賣出了一些商品（當然如果你在那裡留了聯繫信息來預訂另外一本書，他們就可以得到更多東西）。
回過頭來，我們從信息收集的角度看看網站訪問，那就是另外一個截然不同的世界了。無論你有沒有買東西，在你訪問站點時，總是會留下很多記錄，通過收集這些訪問者留下的大量數據，我們的網絡專家就可以得到關於網站用戶體驗的很多結論。
從站點的記錄中，可以知道你走過的每個通道、點擊的每個鏈接、拿了哪些商品、收藏了哪些你感興趣的話題等等。甚至知道你曾就搜索了哪些寶貝，網絡廣告推廣商就會根據這些你感興趣的商品，定向的給你投放一些「可能喜歡的寶貝」。
這就是最最簡單的web分析概念了，那麼我們進行web分析的最終動機又是什麼？
你的客戶需要什麼？他並不需要「可用性」和「用戶體驗」本身，他真正需要的是實現他的目標，達到他的訪問動機。
狹義地看，web分析是指分析網站訪客的行為；廣泛一點來說，web 分析是指評估、調整網站各個方面的運作，使其符合公司的商業目標。
換句話，web分析，最終動機並不是「報告」，也不是算計著如何向決策者們發送充滿數據的垃圾郵件。它的真正目的是獲得可行動的認識和度量。
Avinash Kaushik 在《Web Analytics: An Hour a Day》一書中，提到了單靠一些傳統的web分析，有時會帶來的YY般的數據報告，比如「退出最多的頁面」、「訪客屏幕分辨率」、「網站交互次數」等等，這些度量的一個共同點是，它們聲稱會說點什麼，但幾乎什麼也沒說明白。
可是反過來思考一下，基於日誌數據的web分析真的就一無是處了麼？答案當然是否定的。日誌分析，依舊是web 分析的基石，他給我們提供的是最廣泛的現象呈現，我們可以從中「知其然」。後面「知其所以然」的部分，就需要結合定性的分析研究來發現了。
那麼我們能從日誌中得到哪些基礎數據呢？看看下面這個圖，縱向的把收集到的數據進行分析並劃分了幾個層次，這個圖也描述了一個目前很廣泛使用的基於日誌的統計分析步驟：日誌文件->PV->會話->使用者->客戶->忠實客戶，我們可以明顯地看出，金字塔越上層的數據就越具有商業價值。
對圖中一些術語的解釋：
命中（Hit）和請求是同一術語。為了獲得服務器上的一個資源（可以是文本、圖像或任何可以被包含在頁面內的元素），瀏覽器和它連接的服務器之間進行的一次單一連接。日誌文件中一條記錄就是一個請求。
訪問數（Visit）和用戶會話是同一術語。從CNNIC對這個術語的定義看，沒有詳細定義什麼算是Visit，什麼算是Loss，目前，一個Visit必須至少完整下載一個頁面到客戶端，如果沒有完全下載就被用戶關閉窗口即結束請求，那麼是一個Loss，而不是一個Visit或稱Session。一般的度量方法：訪問者在20分鐘內與網站有交互活動則被認為是同一次進入網站，不記錄新的用戶會話數；當訪問者持續20分鐘與網站沒有交互活動，當他再次訪問網站時訪問者被認為再一次進入了網站，記錄新的用戶會話數。
Avinash 所提出的「三位一體」的web分析理論也正是將定性和定量合二為一的，以使客戶需求與公司目標達到雙贏為目的，得到可行動的認識和度量。
首先，進行行為分析，也就是我們傳統認為的點擊數據流分析，分析點擊密度、細分用戶等等。這一步的目的是收集真實的行為，來試圖推測用戶的意圖。從這些收集統計的數據中，我們並不企圖找出真正的意圖和問題，而是使其為更高層次的分析面提供參考。
第二點是通過結果分析，來找出「so what」的問題，在網站目標明確的前提下進行實際產出變化的分析，衡量這個web站點在滿足它的存在這一目標上做得如何，才能讓上一步的數據更加有意義。
第三部分是體驗分析，這是分析的關鍵，打破陳規去讓用戶告訴我們這些問題到底是「為什麼」，方法多是側重定性分析的，比如AB測試和多元測試、啟髮式評估、客戶之聲等等。這樣也可以有效的避免將那些網站給用戶帶來的「誤會」當作有效樣本放入統計數據池中。
最後說幾個有意思的web分析方法：
1. 數據與可視化結合
「如果你有大量的數據，你應該感受到它們的存在。如果你必須瀏覽十萬行日誌文檔，當你瀏覽到一百行時就已經忘了第一行。」 —Marty
面對龐大的雜亂無章的日誌數據，將其可視化，已經成為一種趨勢，我們十分高興的看到，一些主流的web分析網站都推出了很多可視化的東西，而且並不局限於日誌數據。很多時候，換個角度，能得到不一樣的收穫。
來幾個典型的例子：
熱力圖：可以應用在點擊日誌、眼動分析、頁面展現率等等很多定性、定量的分析上
收集頁面上點擊的位置，顏色越熱，表示點擊量越高
在一個很長的頁面上，可以使用不同的溫度顏色來表示那部分的內容更受人關注
文字可視化統計1：類似流行的tag雲圖，看看11月4日奧巴馬勝利演說稿上出現次數最高的150個詞是什麼~
文字可視化統計2：還是奧巴馬的演講稿，跟在「I」後面的單詞出現次數統計
05年中國範圍內各種空氣污染物污染程度統計，顏色越深表示污染越嚴重
2. 4Q
我們能拿到的所有數據都只能說明what happened。但是無論你如何嚴刑拷打你的數據，都很難得到why something happened。那……去問用戶吧。這就是4Q主張的：好的衡量方法是聽問卷的聲音，世界上最好的問卷就只含有三個問題！
Why are you here? （用來發現用戶真正的訪問意圖,4Q認為，用戶真正的訪問意圖只有用戶自己知道，這個問題的結果統計會讓你大開眼界，它可以幫助你解釋很多那些在點擊數據分析報告中看起來非常古怪的現象）
Was the visit successful? （任務完成率，這是最關鍵的一個問題。我們可以很容易的統計出有多少用戶真正通過我們的網站解決了他們的問題。）
No? Why Not? （這個問題的回答，將會是開放性的VOC（Voice of Customer），最好避免使用類似下拉框似的的原因選擇，在這裡應該給用戶用自己的話來表述意見和建議的機會，這將會達到更好的效果）
實際上，4Q的含義是four questions，那麼在上面三個問題的基礎上，還有好的添加了一個幫助綜合評估客戶滿意度的問題：Good site experience?
4Q，是當用戶離開你的網站時，所能看到的一個調研問卷，它包含且僅包含上面四個問題，用戶可以在一分鐘內就答完，但這四個問題被認為是最簡單有效的用戶意圖研究方法。
那些與點擊流相關的數據，對我們來說是缺少上下文環境的。由於這種信息的缺乏，我們不得不摻入一些自己的理解、經驗、看問題的角度，來企圖將數據分析得更有意義。而通過4Q那四個簡單的問題，我們可以得到的是所謂的「上下文」，這也就讓我們的數據分析更加有理有據，分析出更加客觀的「所以然」。
