要知道SEO中能具有很强数据分析能力的都不是凡人，当然能做好SEO并坚持的人我本身就觉得他绝对不是凡人啦，鼓掌撒花
SEO是随着搜索引擎而开始兴起的一个新兴职业，这个职业处于公司管理的中间层，处于岗位职能的中间层。当然我觉得慢慢的，会出现两极分化，好的SEO一定会主导很多工作。
数据研究是一门学科。但是数据研究也是一个中间层，因为跨学科，跨领域，包含了统计学，数学，数据库，智能机器学习等等。随着互联网的普及(注意不单单是搜索引擎)，数据研究成为新兴的一个重要职位。你所知道的互联网巨头们，没有哪一个不是以数据见长的。此处你可以联想到大数据。二氧化碳变送器
我们进入正题。当这两个相互碰撞后，你会发现，数据分析的等级与SEO的等级不谋而合。不会数据的seo不是好seo，不会seo的数据依然是好数据。你懂数据对seo的重要性了吧。
数据分析等级之：数据分析
这里的数据分析是狭义的。
行业分布：主要中小网站的数据分析和统计
通常使用工具：开源数据分析模块、CNZZ，GA等。
分析数据包括：
网站基本数据(PV,UV,跳出率，蹦失率，访问时长，访问路径，用户占比等）
网站业务数据(销量，订单量，转化率，类目占比等)
媒体广告数据(点击量，点击率，转化率，二跳率等)
作用：统计日常数据，对网站结构，内容通过数据做优化判断。对广告业务等进行效果评估。依赖特定经验和对数据的敏感程度做出决策依据。
对SEO来说，能完全具备这种数据分析能力就是非常优秀的了。通常情况下，普通SEO都停留在网站基本数据分析的阶段，其实要想更好的进阶，或者说在个人职场有更好的表现，业务数据的分析更为重要。能够在数据中发现问题，并通过改善数据指标来完成工作业绩的预期目标。
国内博客推荐：蓝鲸和宋星。都是基于此的。非常牛。
数据分析等级之：数据挖掘
数据挖掘一般指在运用算法在大量的数据中寻找潜在的隐藏的信息，来驱动决策的过程。
行业分布：互联网广告公司，互联网巨头以及大数据公司等
使用工具：数据库技术如Oracle，分布式计算Hadoop,C++，Java，Python等变成语言，Weka等第三方挖掘机工具。
数据挖掘包括：偏技术。比如算法，包括搜索引擎算法，推荐算法，相关算法等。你所知道的PR算法就是一种数据挖掘。还有社交网站的推荐信息，购物网站的猜你喜欢等。
对SEO来说，做到这个级别的太少，也似乎不能完全这样，否则不是转行了么？不过懂点计算，还是可以做一些优化上的处理的，比如你让你家程序猿子来做一个相关度推荐文章模块什么的（程序猿不要打我）。使用Python也能实现很多seo的需求，会点小脚本技术，在技术面前是班门弄斧，在seo面前就是大仙了。
数据分析等级之：数据统计
数据统计是指对大量历史数据运用统计学等方法模型来做出决策指导的过程。都是一些概率啊 建模啊 回归分析什么的，我上学那阵学统计学一直很头疼。唉。
行业分布：互联网行业，咨询行业，传统的金融行业等。（挺广的）
使用工具：R，SAS等
数据统计包括：偏数学（统计学）。数据统计总体来说更类似国家统计局的感觉，大量的数据建模来形成一套有效的数据分析体系，为分析和决策提供有力的数据支持。能形成大量的报表。比如通过对2013年的数据统计显示，全国SEO从业人员平均工资是：4378.56元人民币。
对于SEO来说，就不要去建模型了。也没那么多历史数据给你统计，太累。当然做SEO数据统计已经足够了。网站日志和一些重要指标，自动统计也好，人工统计也好。所以说数据统计与seo非常亲密，但是seo只要去确定统计什么就好了。重要的还是为分析决策做准备。
到这里，三个数据分析等级就结束了。这三个并没有前后重要程度区分。只是为了指出，SEO与数据分析还是联系紧密的。
经常有人说，seo又要懂产品，又要懂运营，其实本质是数据和管理。不会分析数据做不好产品和运营，更别提SEO了，而管理是项目进行的必备技能，随着你的见识增长会慢慢增加，增长幅度看人而定。加油共勉！
