Web 分析

Web 分析涉及的内容有收集、处理和可视化 web 数据，从而以批判性思维看待用户是如何与 web 应用交互的。

Web 分析为何重要？

用户客户端，特别是 web 浏览器，会在用户读取以及与 web 页面交互时产生非常重要的数据。利用相关数据可以分析出用户是如何使用网站的以及他们停驻或离开的原因。分析的关键概念是从你的用户那儿学习，以便于你能改进 web 应用从而更好地符合他们的需求。

很容易会对大量的分析服务和收集到的无数类型的数据点感到不知所措。当你刚开始时，仅专注于少量的指标即可。随着你的应用规模逐渐扩展，你会更加理解你的用户，然后就可以使用高级的可视化工具，如热图，和行为漏斗（action funnels），来增加额外的分析服务，从而获取更多分析用户行为的数据。

如果你的应用程序是用来出售产品或服务的，你最终可以构建一个用户漏斗（通常称为“营销漏斗”，即之前的用户变成后来的消费者）来更好地理解为何人们会购买或者不买你正在出售的东西。使用一个漏斗，你可以明显地看到访客在采取行动前，比如购买你的服务，就离开你的应用程序的急剧下降点在何处。

Google 分析器是一款广泛用于网站流量分析的免费工具。
Clicky 与 Google 分析器的实时操作面板相比，提供了实时分析功能。
MixPanel 的分析平台侧重于移动端和营销漏斗指标。开发者可以将收集数据点的代码构建到服务器端或者客户端。MixPanel 会收集数据，然后根据依据数据产生指标并可视化数据。
KISSmetrics 分析会提供谁正在访问网站以及他们正在网站做什么的信息。
Heap 是最近成立的分析服务平台，提供了免费的入门级别服务。
CrazyEgg 是一款基于鼠标动作生成的热图来理解用户在使用网站时的焦点所在的工具。

使用 Flask 构建一款分析应用详细讲解了如何使用你自己的 Flask 应用收集并分析网页。
Pandas 和 Google 分析器说明了如何使用 pandas 来分析使用 Google 分析器 API 获得的数据，从而执行工具本身不支持的计算功能。
在 Excel 中构建你自己的 Google 分析器操作面板说明了如何通过 Google 的 web API 和 Python 库提取出 Google 分析器的数据，从而能够在其它工具（如 Excel）中使用数据。

在你的应用中添加 Googel 分析器或者 Piwik。二者都是免费的，但相对来说 Piwik 不如 Google 分析器强大，你可以自托管应用，这在许多环境中是唯一的选项。
批判性地对待各种因素会使你的应用变成功。这些因素的不同之处取决于它是否是一款企业内部应用、一个电子商务网站或者是一款以信息为基础的应用。
添加那些基于驱动你应用成功的因素而产生的 web 流量指标。你可以使用一些自定义的代码或者一个托管 web 分析器服务来添加这些指标。
持续不断地评估你挑选的那些还是不是仍然能够定义你的应用成功的合适指标。如有必要，就改善使用 web 分析工具产生的指标。

现有什么工具可以监控部署好的 web 应用？

什么是 Docker 以及如何使它适合 Python 部署？

我能做些什么来减少我的 web 应用安全漏洞？

想找到一个完整的，一步一步的部署方案吗？请看《The Full Stack Python Guide to Deployments》.

重要的更新内容会通过 Twitter 账号@fullstackpython发布。

This site is based on Matt Makai's project Full Stack Python, thanks for his excellent work!

此网站由 @haiiiiiyun 和开源爱好者们共同维护。若发现错误或想贡献，请访问： Github fullstackpython.cn 项目