超基本網站分析，數據會說話（網路版）
81 likes4,564 views
文档重点介绍网站分析的概念和方法，包括如何通过数据来改善用户体验和提升目标达成率。涵盖了数据追踪技术、分析指标、数据切割、A/B 测试及实际案例和工具的使用，并强调了量化与质性研究的重要性。最后，提出了成功数据分析师所需的技能与心态。
![數據會說話
What We Learned from Numbers…
Ruby Wang
wanru.tw [a] gmail.com](https://image.slidesharecdn.com/2015-10-29-slideshare-151102150747-lva1-app6891/85/-1-320.jpg)
超基本網站分析，數據會說話（網路版）
- 1. 數據會說話 What We Learned from Numbers… Ruby Wang wanru.tw [a] gmail.com
- 2. 王宛如 Ruby Wang PM, EC & Marketing Science, ASUS 政大資管＋AMBA 訊連科技、共贏科技、 聯合報系 udn買東西、歐易亞科技 數據分析／SEO／導購 活動／網站／平台規劃
- 3. 今天會以 web analytics 為主軸 但 web / APP 概念是差不多的
- 4. Agenda • 什麼是網站分析（Web Analytics）？ • 網站分析的原理 • 網站分析的美麗與憂愁 • 有什麼可以分析？ – 指標（Metrics）／維度（Dimensions） – 報表 & 報表視覺化（heatmap） • 切割（Segmentation）的重要性 – 資料切割 – A/B Testing • 案例分享 • 一些不錯的工具 • 練習：我們可以利用數據解決什麼問題？
- 5. 什麼是網站分析？ WHAT IS WEB ANALYTICS?
- 7. Web Analytics 2.0 之定義 你跟你的競爭者的質化跟量化的分析 •the analysis of qualitative and quantitative data from your website and the competition, 目的是持續性改善用戶跟潛在用戶的線上體驗，精益求精 •to drive a continual improvement of the online experience of your customers and prospects, 轉化成你想要的結果（包含線上跟離線的） •which translates into your desired outcomes (online and offline) ~ Web Analytics 2.0, Avinash Kaushik
- 8. 分析的層次 The What: Click Stream •直接的基本資料－Visits, Visitors, Time on Site, Page Views, Bounce Rate, Source, etc. The How Much: Multiple Outcomes Analysis •將公司目標、評量標準與分析結合起來才有用，通常一個網站的產出有三種：增加營收、減 少成本、加強客戶滿意或忠誠度 The Why: Experimentation and Testing •測試並改正，才可以了解失敗，而且網路上的失敗通常是很快就可以知道又相對不貴的學習 The Why: Voice of Customer •質性研究 The What Else: Competitive Intelligence •就是要知己知彼，比較才知道自己的位置 ~ Web Analytics 2.0, Avinash Kaushik
- 9. 網站分析的原理 HOW WEB ANALYTICS WORKS?
- 11. Server Log
- 12. 目前主流的追蹤方法 2. JavaScript / Cookie Source: https://analyticsacademy.withgoogle.com/course02/unit?unit=2&lesson=1
- 13. 網站分析的美麗與憂愁 PROS & CONS OF ANALYTICS
- 14. If you cannot MEASURE it, you cannot IMPROVE it. 英國物理學家 Lord Kelvin
- 16. 樣本≈母體
- 20. 指標(Metrics) vs. 維度 (Dimensions) Source: https://analyticsacademy.withgoogle.com/course01/ Dimensions Metrics 好壞評斷依據 資料切割方式
- 21. 網路分析一定會用到的８個指標 8 Metrics Visits/ Sessions Visitors Time on Page Time on Site Bounce Rate Exit Rate Conver sion Rate Engage ment
- 22. Visits/Sessions & Visitors 訪次／工作階段＆訪客 一個 Visitor 可能會有多次造訪 Visits ／Sessions。 每一個追蹤工具都有自己的命名與追蹤方式， 必須了解才能善用。
- 23. Time on Page & Time on Site 網頁停留時間＆網站停留時間 3:00 pm 3:01 pm 3:05 pm 3:10 pm
- 24. Bounce Rate 跳出率 • The sexiest web metrics! • 使用者只看一頁（到達頁／著陸頁）就離開網站的比率。 • 兩個衡量層次 – 全站的平均 bounce rate – 熱門到達頁（landing page）的 bounce rate • 其他應用（＋維度） – Top referrers 的 bounce rate – 關鍵字（paid/organic）的 bounce rate – Blog的 bounce rate是否重要？
- 25. Exit Rate 離開率 • 訪客從特定網頁離開你的網站的比率。 • 使用者終究會離開網站，但他們是否是在 我們期許的情況下離開？ • Bounce Rate & Exit Rate 是相輔相成 的。
- 26. 看到廣告/FB 到達頁 瀏覽網站 註冊流程 結帳 流程 回購 分享 Bounce Rate vs. Exit Rate
- 27. Conversion Rate 達成率 • 訪次完成預期目標的比率。 Outcomes divided by Visits. • 根據目的及公司定義而有所不同。 • 常見轉換率：註冊、購買、廣告、 訂閱、 下載/安裝、捐款、儲值、 使用。
- 28. 網頁價值 Page Value • Page 1: ($100 revenue + $40 revenue + $0 goal value) / 2 unique pageviews = $70 • Page 2: ($100 revenue + $40 revenue + $0 goal value) / 2 unique pageviews = $70 • Page 3: ($100 transaction revenue + $0 goal value) / 1 unique pageviews = $100 Visit #1 activity: Visit #2 activity:
- 29. 使用者參與 Engagement • 參與、涉入：吸引更多喜好與關注。 – Time on site？Frequency？回訪？回購？ • 量化資料只能得知 Engagement 的程度，無 法得知類型（正面/負面）。 – Facebook 按讚、點擊、分享？ • 因地制宜，適時加入質性研究。
- 30. 嘗試一下 2014/12/2 2015/1/2 2015/1/5 2015/2/2 看了 1 頁即離開 看了 3 頁（加入會員）才離開 看了 2 頁才離開 看了 1 頁即離開 在報表區間 2015/1/1-2015/2/20 內… 工作階段 Sessions = 3 單次工作階段頁數 Page/Session = 6/3 = 2 使用者 Users = 2 跳出率 Bounce Rate = 1/3 = 33.33% 瀏覽量 Pageviews = 6 % 新工作階段 % of New Sessions = 1/3 = 33.33% 入會達成率 Conversion = 1/3 = 33.33%
- 31. 網站停留時間 Time on Site / Session Duration 工作階段時間長度 Time on Site = 8:15 – 8:00 = 15分 各別頁面停留時間 Page 1 = 8:05 – 8:00 = 5分 Page 2 = 8:15 – 8:05 = 10分 Page 3 = ? – 8:15 = 0分 8:20 am
- 32. 我們常用的維度 • 使用者的樣貌 – 年齡 – 性別 – 新客／舊客 – 使用裝置 • 使用者的行為 – 流量來源 – 瀏覽頁面／到達頁／離開頁 • 時間
- 33. 使用者樣貌－年齡
- 34. 使用者樣貌－性別
- 35. 年齡性別是預估而來 • 嘗試一下 Google 廣告設定 https://www.google.com/settings/ads
- 36. 使用者樣貌－新客與回訪
- 37. 使用者樣貌－使用裝置
- 38. 使用者的行為－流量來源
- 39. 關於網站內容－所有網頁
- 43. 關於時間
- 44. 優秀KPI的四個特性 • 簡單 • 指標與業務相關 – 可從朋友或競爭者取得靈感 • 即時 • 即時有用 – 可以馬上發現問題 ～Avinash Kaushik
- 45. Avinash 的三個教訓 • 不要過分追求完美 – Stuart Gold：一次讓人有收穫的犯錯，好過 什麼都不做。 • 要做到少而精 – 做最重要的事。 • 重視網站指標的生命週期 定義 衡量 分析行動 改進 棄守
- 47. 資料切割的重要性 SEGMENTATION & A/B TESTING
- 49. 使用次維度把資料做細分
- 50. 比較不同產品系列的使用者樣貌
- 51. 比較不同產品系列的使用者樣貌
- 52. 關於實驗 A/B Test • A/B Test的金科玉律 – 一次只改一個小東西（變數） – 持續改善（把好 A/B Testing 到最好） – 改變變數≠改變目的 – 同一個人看到的都是同一個選項
- 53. A/B testing in Online Advertising 至少換過五個圖 樣本數越多越好，至少每個ad有100個clicks 測試結果無法使用一輩子，但可以延伸
- 54. 報表有時候需要視覺化…
- 56. 讓資料被看見 資料視覺化 • 圖表必須誠實 • 資料墨水比高 • 簡單為上，避免圖表垃圾 ～Edward Tufte
- 57. 舉個例－得到的資料本來是這樣
- 58. 舉個例－再整理成這樣 A B C D E F Direct 31.16% 24.35% 32.76% 27.95% 29.21% 51.63% Referrals 48.33% 38.38% 19.04% 22.81% 25.80% 18.03% Search 18.01% 36.64% 45.45% 47.28% 41.61% 16.16% Social 2.19% 0.51% 0.59% 0.51% 0.76% 14.09% Mail 0.12% 0.04% 0.63% 0.15% 0.62% 0.01% Display 0.19% 0.08% 1.53% 1.31% 2.00% 0.08%
- 59. 舉個例－最後變成這樣 0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100% 31.16% 24.35% 38.20% 32.76% 27.95% 29.21% 51.63% 48.33% 38.38% 23.84% 19.04% 22.81% 25.80% 18.03% 18.01% 36.64% 35.11% 45.45% 47.28% 41.61% 16.16% Direct Referrals Search Social Mail Display
- 60. 案例分享 CASE STUDY
- 61. 一些不錯的工具 TOOLS
- 62. 工具 • 如果你有網站… – 用 Google Analytics 做數據追蹤 – 用 CrazyEgg 優化網頁呈現（heatmap／scrollmap） – 用 Google Search Console／Bing Webmaster Tool 做 SEO 看入站關鍵字 – 用 Similarweb 看你跟競網的差異 • 如果你有 facebook… – 用 SocialBaker 看你跟競業 – 用 林克傳說 看看今天流行什麼 • 如果你要研究內容… – 用 Google Trend／AdWords Keyword Planner看看大 家都搜什麼
- 64. 看到廣告/FB 到達頁 瀏覽網站 註冊流程 結帳 流程 回購 分享 指標索引 • Visits/Sessions 訪次／工作階段 • Visitors 訪客 • Time on Page 網頁停留時間 • Time on Site 網站停留時間 • Bounce Rate 跳出率 • Exit Rate 離開率 • Conversion Rate 達成率 • Page Value 網頁價值 • Engagement 使用者參與
- 65. 結語
- 68. 我認為一個好的 數據分析師應該是… • 對分析有熱情，喜歡新東西。 • 邏輯好比念什麼系重要。 • 問問題的能力。 • 刻苦耐勞，不怕失敗。 • 販賣點子的能力。 • 加分：產業知識。