文档分析：值得跟踪的指标
页面浏览量会骗人。按浏览量排名靠前的页面只能告诉你哪些页面受欢迎，而不能告诉你哪些页面有用。真正推动文档质量提升的指标并不相同。
这是我们为 Docsbook 客户提供的实用指标集。
快速了解#
会改变行为的五项指标：
- 失败的搜索 — 用户尝试查找但未能找到的内容
- 未获得答案的 AI 问题 — 相同的信号，以对话形式呈现
- 负面反馈（👎） — 用户主动报告失败的页面
- 页面访问路径 — 用户在跳出或转化前的行为
- 失败率最高的页面 — 获得流量但反馈最差的页面
页面浏览量和跳出率只是背景信息，并不是行动驱动因素。
搜索失败：最具杠杆作用的指标#
搜索失败指的是：用户明确知道自己想要什么，输入了搜索内容，但你的文档却没有返回任何结果。
每次搜索失败都意味着一个有明确标题的内容缺口。用户已经告诉你该写什么了。
在 Docsbook 中，get_failed_searches 会按频率返回列表。任何一个月排名前 10 的搜索词，通常都直接对应于你接下来应该编写的 10 个文档页面。
以下是我们在客户文档中见过的示例：
- "如何撤销 API 密钥"
- "速率限制标头"
- "我的套餐到期后会发生什么"
- "自托管部署"
- "删除账户"
每一项都是一个文档待办事项，其标题形式就是对应的搜索查询。
没有答案的 AI 问题#
如果你在文档上运行 AI 聊天，请记录 AI 返回含糊或空白答案的问题。这与搜索失败传达的是相同的信号，而且通常包含更多上下文。
Docsbook MCP 中的 get_ai_unanswered 会返回这些问题。其模式是：用户提出问题，LLM 无法在你的内容中找到有把握的答案，你可以看到用户问了什么。
与搜索失败的区别在于：AI 问题往往更长、上下文更丰富，并且能揭示用户的思维模型。
搜索失败：“stripe webhook”
AI 问题：“即使我已经添加了签名密钥，Stripe webhook 仍然不断返回 401。我做错了什么？”
AI 问题对于内容设计来说非常宝贵。
负面反馈#
文档页面上的踩是指阅读了该页面并认为它没有帮助的用户。这是最罕见且最有价值的信号。
Docsbook MCP 中的 get_negative_feedback 会返回页面和可选的书面反馈。
需要关注的事项：
- 每个 👎 对应获得 10 次以上页面浏览量的页面，表现良好
- 每个 👎 仅对应 2–3 次页面浏览量的页面存在问题——重写
- 获得 0 次页面浏览量的页面没有信号，忽略
页面旅程#
用户离开页面后去了哪里，可以告诉你该页面是否解决了问题，还是将用户引导到了其他页面。
Docsbook MCP 中的 get_page_journeys 返回常见的多页面路径。
需要关注的模式：
- 从快速入门页面跳出 — 快速入门内容过长，或者 CTA 不正确
- 在两个页面之间循环 — 用户不清楚应该使用哪一个页面
- 页面浏览 → 搜索 → 退出 — 页面让用户产生了更多疑问，但他们没能找到答案
页面浏览量适合用于什么#
页面浏览量是背景信息。它们告诉你范围，而不是健康状况。
应按浏览量乘以失败率的结果对页面进行排序，而不是单独依据其中任一项。一个阅读量很高但负面反馈率适中的页面，从绝对数量来看，影响的读者多于一个阅读量很低但负面反馈率极高的页面；而按比率排序的列表却会将后者置于首位。按两者的乘积排序，你处理的才是真正造成影响的页面。
什么样的跳出率才算好#
文档中的跳出率常常会产生误导。跳出的用户可能是满意的用户，他们读完了答案后离开了。也可能是沮丧的用户，他们看到页面后立即关闭了标签页。
要加以区分，请使用：
- 页面停留时间（短 + 跳出 = 不佳，长 + 跳出 = 正常）
- 滚动深度（未滚动 + 跳出 = 不佳）
- 反馈组件交互
我们已停止跟踪的指标#
- 平均会话时长 — 噪声太大，且会与处于闲置状态的浏览器标签页混淆
- 每次会话的页面数 — 每次会话页面数较高，可能意味着用户未能成功找到所需内容
- 页面级别的地域分布 — 对翻译规划有用，但不能用于评估内容质量
重要的用户群组#
三种切分：
新用户与回访用户#
新用户会查看你的快速入门指南，回访用户会查阅你的参考文档。不同的页面，不同的成功标准。
已登录用户与匿名用户#
已登录用户处于漏斗更深层级。他们的跳出信号更强。
引荐来源#
直接访问、搜索、AI 搜索（perplexity.ai、chat.openai.com、claude.ai）、社交媒体。每个群组的意图都不同。来自 AI 搜索的引荐流量通常具有最强的意图。
单独跟踪 AI 搜索引荐#
在 Docsbook 分析中，按以下条件筛选引荐来源：
perplexity.aichat.openai.comclaude.aigemini.google.com
这些是来自用户侧的 AI 分发渠道。请单独跟踪来自这些引荐来源的转化——它们的转化效果通常优于 Google 流量。
如何处理这些数据#
每月执行一次的工作流程：
- 提取失败的搜索、AI 未回答的问题和负面反馈（3 个查询，5 分钟）
- 按主题分组——多个关于“X”的查询意味着缺少一个页面
- 按频率 × 收入影响选择排名前 3 的项目
- 撰写缺失的页面
- 下个月再次检查
这是文档中投资回报率最高的循环。每次迭代都会将一个已知的内容缺口转化为一个被搜索引擎编入索引、且 AI 搜索可以引用的页面。
相关阅读#
Docsbook 会报告失败的搜索、未获解答的助手问题、负面反馈和页面浏览路径，因此这些缺口会以待编写页面列表的形式呈现，而不是需要解读的图表。