Ruby 要和大家分享，怎麼透過數據資料的分析，更瞭解造訪網站的使用者，並用來改善網站的流程。
大綱：
1. 什麼是網站分析（Web Analytics）？
質化跟量化並重的分析過程，其中問對問題／確認目的是最重要的。
一般分析的工作流程，如上圖所示。如果要優化捐款流程的話，先提出假設「簡化加入會員的流程，捐款人是否會變多？」接著更改網頁、埋好追蹤碼來做實驗，驗證數據、產生報表。大部分的 NGO 可能一人多用、工作量重，無法完成整個流程的話，至少要知道追蹤碼怎麼在每個頁面埋好，拿到正確的數據來做分析。
2. 網站分析的原理
目前主流的追蹤方法有：
- Server Log（伺服器紀錄檔）：包含很多資料的文字檔，需要設計程式來解讀、不易分析。
- JavaScript / Cookie：追蹤碼埋好後，只要 user 開啟網頁就會回傳給報表伺服器，產生看得懂的報表。所以每個網頁埋追蹤碼要確實。
3. 有什麼可以分析？
以下介紹 GA 常出現的專有名詞（也可參考詞官方文件）：
- 工作階段（session）：譬如有多少人次進店的造訪數，但無法得知其中是否有人回訪。
- 透過網路工具的分析，可以得知回訪的數量。
- 如果 user 靜止 30 分鐘 或 隔日再回訪，就算做第 2 個工作階段。因為 GA 報表是每日產生、以每日來做切割。
- 網頁停留時間（Time on Page） & 網站停留時間（Time on Site）
- 網頁停留時間的計算：將兩個網頁的時間戳記相減。
- Home 的 Time on Page = 3:01 - 3:00 = 1 (mins)
- Page2 的 Time on Page = 3:05 - 3:01 = 4 (mins)
- Page3 的 Time on Page = 0（離開代表不知道下一個頁面被請求的時間點，所以 GA 會當作 0 秒，實際 user 停留的時間會比統計數據長一點）
- Time on Site = 5 (mins)
- 透過以上數據，可以得知 user 停留看內容的時間。有時停留太久不一定是好事，可能網頁設計不佳，所以 user 需要花時間找尋需要的資訊。
- 跳出率（Bounce Rate）：使用者第一印象
- user 只看一頁（到達頁）就離開，代表進站什麼都不做就離開。
- 因為使用網路專注的時間很短，要盡量做到讓 user 一見鍾情
- 不同的 TA（目標受眾／目標客戶，Target Audience）連線到網頁，會有不同的跳出率，所以針對這個指標下廣告，很重要
- 一般來說，網站 50% 的跳出率是平均值。若是 30% 就表現很好、趨近 20% 很厲害，但 0% 的話可能就是追蹤碼有問題
- 部落格的跳出率會到 90%，因為大多數的 user 都是看到社群媒體的宣傳，所以看完最新文章就會離開了
- 不同流量的跳出率
- 直接流量：打網址進來，是熟悉該網站的 user
- 若是廣告吸引來的流量，通常跳出率會最高
- 網路搜尋：一樣跳出率蠻高的
- 離開率（Exit Rate）：流程優化
- user 從特定網頁離開的比率
- user一定會離開網站，但若在重要的環節離開，代表流程設計有問題
- 和上面的挑出率，這二個指標是相輔相成的。
- 轉換率（Conversion Rate）
- 100 個訪次，有多少人會完成我所設定的目標（也就是：結果/工作階段），例如：內容網站看完 3-5 頁，或停留 30 分鐘以上，目標的設定可以有很多種。
- 100 個訪次，有多少人會完成我所設定的目標（也就是：結果/工作階段），例如：內容網站看完 3-5 頁，或停留 30 分鐘以上，目標的設定可以有很多種。
- 目標廣告投資報酬率（ROAS）
- 用來考慮毛利率，如果下廣告的錢小於售出的產品價格，就應該重新考慮廣告的投放。
- 用來考慮毛利率，如果下廣告的錢小於售出的產品價格，就應該重新考慮廣告的投放。
- 使用者參與（Engagement）
- 比較難、定義較模糊，每個網站的定義都不同。建議最好看完網站的基礎數據、對 user 有基本瞭解之後，再來定義。
- 一般會假設：user 如果在我的網站停留越久，應該越喜歡我的網站？也可能 user 找不到他要的東西？所以加入質性的指標，例如問卷，是很重要的。
- Google 在判斷新訪客是很準確的，因為會辨認 user 的使用者證號，會是 user 最後一次使用該網站的 2 年期限，所以只要 user 在 2 年內再度造訪，幾乎就能持續確認身份（cookie 相關官方資料）
- 如何用不同角度切割數據
- 興趣報表：可看出使用者的樣貌（興趣報表的開啟方式）
- user 的年齡、性別是預估的：根據 user 的行為來猜測，而不是根據所填寫的資料，可以試試看 https://www.google.com/settings/ads
- 使用裝置：希望瞭解 user 造訪網站時，不滑動滑鼠的前提下，會看到怎樣的網站呈現，所以需要瞭解 user 使用的手機型號，方便以後更改網站時來測試
- Google 網址產生器（url builder）：可以標註網址標籤，知道流量從哪裡來，例如：是透過某一天在粉絲頁發出的貼文，點擊而來。
- 流量來源（預設管道分組參考資料）
- 直接流量：直接點擊網頁連結而來，譬如透過 Line 宣傳時，最好使用網址產生器加上標籤，否則會被歸入這一類
- 自然搜尋（organic search）
- 關鍵字廣告
- 網址產生器
- 展示型廣告（banner ads）
- 推薦連結：從他人網站的推薦，點擊而來（有上一頁）
- 社群流量（會自動和推薦連結分開）
- 其他
- 網站內容
- 瞭解熱門網頁，如果是 404 有點可怕 XD
- 到達頁（landing page）：使用者到達網站的第一頁，可能是網站的任何一頁。
- 可去看最高的到達頁，代表很多人造訪，來進行優化，讓 user 願意繼續瀏覽，降低跳出率，提升轉換率。
- 類別頁會比較多。類別頁比網頁重要，是肉粽線頭 XDD
- 離開頁：
- user 在哪一頁離開網站。user 都會離開網站，但若在重要環節離開，就代表流程設計有問題。
- 如果是「聯絡我們」那一頁是好的，代表不需要一直找客服
- 程序視覺呈現：瞭解 user 在完成目標的流程中，不同階段的離開率，就可以知道哪些步驟需要優化。
- 時間：在 GA 畫面中，右上角可以設定與前一期／去年同期來比較
- 維度（Dimensions）：可被切割的資料；指標（Metrics）：可被計算的資料
- 每四個小時 GA 就會更新，甚至流量少的話，時間更短
- 數據有時對不上：GA 報表最好不要跟業務或財務報表比對，因為數據在封包過程中可能失真或被抽樣。
- 有時問題很複雜，資料需要切割或分類
- 使用次維度把資料細分。（報表上面的表格）
- 譬如下很多不同廠商的廣告，可以切割成不同廠商、貼文或廣告活動的比較，瞭解比較好的貼文類型
- 一個網站有不同的議題，可以看不同樣貌的使用者，對什麼感興趣
- A/B Test
- 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
- 例如：同一文章，使用二款版本 banner 來比較，哪一個點擊率比較高
- 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 個點擊數
- 測試結果無法使用一輩子，但可以延伸
- 金科玉律：
- 練習：我們可以利用數據解決什麼問題？我們以我隨機看到的台少盟網站為例
- 倡議型網站，可以看到捐款有分不同專案，首頁上有不同區塊輪播
- 網站重點：場地租借、捐款
- user 年齡層？
- user 使用手機？桌機？手機來的年輕人會比較多嗎？
- 首頁：不同專案的贊助，好像點下去到達的頁面都一樣？就不容易知道贊助者關注的是什麼議題；如果設定網址產生器，可以更瞭解 user 對哪一個議題比較感興趣？
- GA 的 「目標設定」：例如建立「場地租借」的連結為目標。可瞭解特別想瞭解的頁面，也可設定程序的視覺化，瞭解流程是否需要改善。
- 倡議型網站，可以看到捐款有分不同專案，首頁上有不同區塊輪播
- 價值三億美金的按鈕
- 一般電子商務（EC）網站都要加入會員，許多顧客會在這個流程中跳出
- BestBuy 網站把註冊按鈕拿掉，換成「結帳」與免註冊購買，結果一年多賺了 3 億美金。（可參考：http://www.wowbox.com.tw/blog/article.asp?id=3267）
- GA 的報表中，樣本幾乎等於母體，除非你的網站流量真的很大
- 如果資料很髒，就很難被分析。
- 數據無法告訴我們使用者的意圖，所以要搭配質性的問卷
- 人人都是網站分析師（推薦）
- 流量的秘密（比較操作型）
- SSA（偏重站內搜尋）
- Google 官方資源：有很多說明
Q&A
- 網址產生器可以使用縮址服務嗎？
可以使用比較常見的縮網址（bit.ly, goo.gl）工具，就不影響流量分析 - 必須是網站擁有者才可以設定設定網頁追蹤程式碼。臉書粉絲頁只能看洞察報告。 臉書：insight for website 工具，可以看網站數據
- 預設管道分組的管道定義（default channel grouping）：網址產生器的設定規格
- 講師和其他喜歡網站分析數據的同好，成立了一個臉書社團 Web Analytic 101，歡迎大家加入，互相切磋。
0 意見:
張貼留言