一、頁面停留時間與網站停留時間是如何計算出來的？

            Ts = 花費在這網站上的總時間

            Tp （Page2） = 4 分鐘

            Tp （Page3） = N/A

            Ts = 5 分鐘。

            從上面的數據中很容易的看出這樣的數據并不合理，因為你不知道訪問者花在最后一個頁面上的時間是多少，因此網站分析工具給你的時間統計一般都會少于用戶實際在網站上停留的時間。

            網站停留時間的準確性與跳出率和退出率有關。跳出率和退出率越大，平均停留時間越不準確。

            二、頁面停留時間或是網站停留時間有什么用？

            如果把頁面停留時間和網站停留時間單純的拿出來看，那么意義不是很大，主要原因有以下方面：

            這些指標是戰術層面的，我們無法認識到這些數據對公司的業績的影響。單純的頁面停留時間或網站停留時間并不能反映到具體的營收。

            這些指標需要很多的推斷，簡單的邏輯是這些數據越大越好，這些數據無法直接推斷出某夜頁面是好是壞。

            這些指標主要是短期數據，隨著互聯網的發展，依照會話來度量指標現在遠遠不能滿足需求，長期的訪客行為，顧客生命周期等可能更加能反映問題。

            從用戶行為的維度看，淘寶的用戶在淘寶和淘寶商城有著不同的購物行為，就像相同的人在商城和超市的舉止言行肯定不同，所以淘寶商城的頁面風格更加簡潔，服務更標準化，商家更優質化。

            同樣的，作為旅游預訂類網站，來到網站的用戶基本上都有很明確的預訂需求，我們需要做的是如何讓用戶在最短的時間內找到適合的產品。

            三、頁面停留時間和網站停留時間數據如何應用？

            1、判斷頁面用戶體驗

            從頁面停留時間的計算方法中我們知道不可能用戶在離開前在頁面上停留多長時間，即頁面停留時間是在有后續行為的情況下計算出來的，對已這部分數據先期可用的，就是把每套頁面的停留時間統計出來，判斷用戶停留高或者低的主要原因，比如：用戶在搜索結果頁停留時間長了，是不是搜索結果不能滿足用戶需求，用戶在列表頁停留時間長了，是不是我們的列表頁篩選做的還不夠人性化，在產品終頁停留長了是不是因為終頁內容展示過多或者用戶沒有找到他想要的內容等。

            2、訪客再營銷

            記錄網站停留時間較長，但是最后沒有下單的用戶，對這些用戶進行再營銷，由此產生的問題是，用戶只有在登錄的情況下我們才能獲取到用戶ID，記錄下用戶ID以后還需通過程序分析，需要給該用戶推薦什么樣的內容。可行性不是很高。

            3、主動彈出客服彈出框或優惠信息

            當用戶在特定頁面停留過長時，彈出客服框。主動與訪客接觸。解決訪客疑惑。促使訪客下單。但是此部分用戶體驗會不太好，可以學習下新浪微博的那種在頁面頂部的提示功能。

            4、當轉化目標來用

更多信息盡在：耐思尼克