HPX Campus 44 使用的投影片，分享內容包含： 什麼是網路分析（Web Analytics）？ •分析的原理 •有什麼可以分析？ •有什麼不能分析？ •分析如何結合產品開發？ •分析師的特質歸納 •學習資源分享

1. 優化宅的日常－數據分析篇
Ruby

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. 今天的分享內容
• 什麼是網路分析（Web Analytics）？
• 分析的原理
• 有什麼可以分析？
• 有什麼不能分析？
• 分析如何結合產品開發？
• 分析師的特質歸納
• 學習資源分享

4. 什麼是 WEB ANALYTICS？

5. 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

6. 什麼是數據分析？
問題≈目的
事業個體
會員／用戶
對象
質化研究
量化研究
方法
線上
線下
答案≈結果
持續改善／精進

7. 分析的原理

8. 目前主流的追蹤方法
1. Server Log

9. Server Log - Web

10. 目前主流的追蹤方法
2. JavaScript (Cookie)
Source: https://analyticsacademy.withgoogle.com/course02/unit?unit=2&lesson=1
基本 code + 資料加工
那 APP 呢？

11. 分析的最小單位
HITView / Event

12. 有什麼可以分析？

13. Sessions / Visits & Users / Visitors
訪次／工作階段＆訪客／使用者
一個 User 可能會有多次造訪 Sessions。
每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。
User 1
Session
1
Session
2
Session
3
Page 1
Page 2
Page 3
Page 4
Page 5
…
Page 2
Page 3
Page 2
…
Page 4
Page 1
Page 3
…

14. Bounce Rate vs. Exit Rate
看到廣告/FB
到達頁
瀏覽網站
註冊流程
捐款/報
名
流程
再訪/
分享

15. Bounce Rate 跳出率
• The sexiest web metrics!
• 使用者只看一頁（到達頁），（沒有互動）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？

16. 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。

17. Conversion Rate 轉換率
• 訪次完成預期目標的比率。
Conversion Rate = Outcomes ⁄ Sessions
• 舉例：
Sessions = 10, Users = 3,
Orders = 1, Revenue = 2,000
Conversion Rate = 1 / 10 = 10%

18. 關於轉換率
• 常見轉換率：註冊、購買、廣告、 訂閱、下載/安裝、捐款、
儲值、 使用。
• 轉換重心根據目的及公司定義而有所不同。
– 萌芽期  成長期  成熟期  衰退期
– 政府、企業、社會企業、非營利組織…

19. 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%

20. 我們如何用不同角度切割數據
• 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

21. 使用者樣貌－年齡

22. 使用者樣貌－性別

23. 年齡性別是預估而來
• 嘗試一下 Google 廣告設定
https://www.google.com/settings/ads

24. 使用者樣貌－使用裝置

25. 使用者樣貌－新客與回訪

26. 使用者的行為－流量來源

27. 關於目標－程序視覺呈現
藉由了解消費者完成目標的流程，
觀察每一個流程裡的離開率，
就可以知道，
哪個步驟需要優化。
Only for Web in GA.

28. 關於時間

29. 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

30. 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

31. 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

32. 有時候問題很複雜，
資料需要切割，或是分類

33. 使用次維度把資料做細分

34. 比較不同產品系列的使用者樣貌

35. 有什麼不能分析？

36. ~ SSA: 用戶搜索與行為分析, Louis Rosenfeld

37. 樣本≈母體

39. 數據解釋 現象，但無法解釋 使用者意圖

40. 分析如何結合產品開發？

41. 分析的工作流程
提出
假設
設定
目標
佈碼/報
表計畫
佈碼
數據
驗證
報表
呈現
分析
洞察

42. 頁面／網站瀏覽行為

43. 單一使用者行為

44. Heat Map / Scroll Map
https://goo.gl/iLTsio
第 1 屏
第 2 屏
第 3 屏
第 4 屏
第 6 屏

45. 但現實往往沒那麼美好。
產品出了才知道：有埋 code／沒埋 code／埋錯 code／樣本根本不夠…
以上理由任選，總之就是得從 sigh 當中找 insight。
Source: http://goo.gl/r6K9K6

46. 分析的工作流程
提出
假設
設定
目標
佈碼/報
表計畫
佈碼
數據
驗證
報表
呈現
分析
洞察

47. UI FLOW 是必備
Source:
http://www.creativeuxdirector.com/portfolio_ux.html

48. 清點：FLOW >> Analytics >> Conversions
Source: http://www.creativeuxdirector.com/portfolio_ux.html
瀏覽
首頁
點擊
xxx 功能
瀏覽
填寫表單 - 1
瀏覽
表單確認
點擊
送出(完成)
Views/Clicks 244,704 412 517 66
Micro Conversion 0.17% 125.49% 12.77%
Final Conversion 16.02%
資料區間：xxxx/xx/xx-xx/xx @x Country

49. 提出
假設
設定
目標
佈碼/報
表計畫
佈碼
數據
驗證
報表
呈現
分析
洞察
看完一輪就會有一些洞察出現：
• 流程／介面優化
• 佈碼缺失
…洞察不一定是從數據來，
但數據能幫助評斷更版成效。

50. 提出
假設
設定
目標
佈碼/報
表計畫
佈碼
數據
驗證
報表
呈現
分析
洞察
+ 改版計畫

51. 改版計畫出來佈碼計畫又要再來一次
View Name: Home
動作 項目 Web
Event 設定
Category Action Label
點擊 搜尋按鈕 button clicked Area-date1-date2-room-adults-children-porpose

52. 分析的工作流程
提出
假設
設定
目標
佈碼/報
表計畫
佈碼
數據
驗證
報表
呈現
分析
洞察

53. 版本比較
Previous Version
瀏覽
首頁
點擊
xxx 功能
瀏覽
填寫表單 - 1
瀏覽
表單確認
點擊
送出(完成)
Views/Clicks 244,704 412 517 66
Micro Conversion 0.17% 125.49% 12.77%
Final Conversion 16.02%
Current Version
瀏覽
首頁
點擊
xxx 功能
瀏覽
填寫表單 - 1
點擊
送出(完成)
Views/Clicks 253,749 1,052 689 49
Micro Conversion 0.41% 0.65% 7.11%
Final Conversion 4.66%

54. 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

55. 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

58. 不確定結果是否顯著，可做檢定分析
參考資料：https://goo.gl/PBbSEv

59. 分析師的特質歸納

60. 我
的
觀
察
與
體
會

自
造
學
習
機
會
成
為
鍵
盤
柯
南

適
時
展
現
誠
意

溫
柔
同
時
堅
定

61. 我
的
觀
察
與
體
會

自
造
學
習
機
會
成
為
鍵
盤
柯
南

適
時
展
現
誠
意

溫
柔
同
時
堅
定

62. 做.中.學.是最快的；工作中沒有機會，就自造機會：
建部落格、找網站模擬、自告奮勇、換工作

63. 我
的
觀
察
與
體
會

自
造
學
習
機
會
成
為
鍵
盤
柯
南

適
時
展
現
誠
意

溫
柔
同
時
堅
定

65. 1Q=5+Why追根究柢的精神，了解分析原理
明確用語＝明確問題＝明確方向

66. Bounce Rate?跳出率的定義是？

67. One Page Site單頁式網站的跳出率一定 100% ，合理嗎？

68. 分析的最小單位
HITView / Event

69. Event但我不認為所有事件都該影響跳出

70. Bounce Rate?跳出率的定義是？

71. Closer to Truth追根究柢的精神會幫助你離答案更進一步

72. 我
的
觀
察
與
體
會

自
造
學
習
機
會
成
為
鍵
盤
柯
南

適
時
展
現
誠
意

溫
柔
同
時
堅
定

73. 明確＋努力凡事先谷歌；展現誠意；問清楚，才能說明白
讀書會是好地方，但是沒有人有義務幫你

74. Dimensions/Metrics
你知道維度跟指標的差別嗎？

75. 我
的
觀
察
與
體
會

自
造
學
習
機
會
成
為
鍵
盤
柯
南

適
時
展
現
誠
意

溫
柔
同
時
堅
定

76. 何謂正確解讀？
開放態度，只要能合理解讀，都是正確解讀
有幾分證據說幾分話

77. 學習資源分享

78. 參考書籍
• 英文書
– Web Analytics 2.0
– Practical Google Analytics and Google Tag Manager for Developers
• 中文書
– 人人都是網站分析師（簡／繁）
– 網站分析實戰（簡）
– 透視數據下的商機：運用Google Analytics發掘商業洞見（繁）
– SSA：用戶搜索心理與行為分析（簡）
– 深入理解網站優化:提升網站轉化率的藝術與科學（簡）

79. Google Analytics 官方資源
• 說明中心
– https://support.google.com/analytics/
• Google Analytics Academy
– https://analyticsacademy.withgoogle.com/explorer
• 功能介紹
– https://www.google.com/intl/zh-TW_ALL/analytics/features/index.html
• Google Developer
– https://developers.google.com/analytics/
• The Analytics Blog
– http://analytics.blogspot.tw/
• Google+ 社群
– https://plus.google.com/+GoogleAnalytics/posts
• YouTube
– https://www.youtube.com/user/googleanalytics

80. 累積數據經驗的訣竅就是，
只要確保不會影響原始資料，
那就 大膽玩，不怕髒 就可以了
Source: https://goo.gl/iRBfva

81. Thank You.Merci Beaucoup.