開始數據分析的第一步

所以你在HTML裡加入了Google Analytics(GA)的追蹤碼,登入GA之後出現了許多數據可以查看。非常好,那麼,下一步應該做甚麼?在茫茫數據海中,有哪些指標是最重要的?
一般來說,網站數據分析的目的可分為兩種:①確認每月的狀況並進行微調改善;②檢測改版或舉措的效果。其中第一種是相對容易,且建議定期進行的,也是本文將要探討的範圍。

對於入門者來說,建議先鎖定CV(Conversion,轉換數)與 UV(Unique Visitor,不重複造訪者)或PV(Page View,頁面瀏覽數)來長期觀察。如果僅是將各種網站數據列出,對於改善網站幾乎沒有任何用處,但是如果可以分析CV與PV數的變化和其原因,便可取得一些改善的線索。
數據分析方式
例,我們發現這個月的PV突然升高,便可開始懷疑是「每人閱讀的頁面提升」、還是「整體造訪網站的人數增多」。依序查看了每人平均瀏覽頁與造訪人數的數據後,假設發現是造訪人數提升,便可進一步思考,是哪裡來的造訪人數提升?
一般來說造訪流量分成Direct、Referral、Search,若我們發現這段期間Search的人數沒有明顯變化,反而是透過Referral來的訪客數提升,接下來要做的便是進一步釐清:哪裡Refer來的訪客數提升?
這時候在Google Analytics中把主要的Referral來源都叫出來,觀察一下各個來源在這段期間的變化是否與PV的變化一致,便可做出判斷。
ga2
接著,就可以進一步思考,如何在其他Referral管道或其他造訪管道也有這樣的效果。
透過每月持續確認同一指標(CV、UV或PV),找出網站的問題,同時理解市場及使用者的變化,就像我們定期測量體重一樣。唯有一段時間的定期追蹤,才能對數據的「變化」有所反應,進而找出原因、做出改善。
更進一步,最好將每個月的觀察分析報告與線上線下的行銷活動結合,將行銷活動的時程注記於資料上,如下圖示意,來檢視行銷活動是否對CV、UV或PV的提升起到作用。
ga3
 
最後,若仍有資源與時間,可關注其他指標,包含:

  • 跳出率(Bounce Rate)-指「第一頁」就脫離網站的機率。當使用者在進入網站的入口頁就脫離網站的幾率;如果跳出率高,有可能網站內容不符合造訪網站的使用者需求。
  • 退出率(Exit Rate)-指在流覽中從「特定頁面」脫離網站的機率。該頁面在總流覽量中占作為最後脫離頁面的Visits數的比例;如果特定頁面的退出率比較於其他頁面特別的高,有可能表示該頁面的內容對使用者來說沒有吸引力。
  • 入口頁-指使用者進入網站的入口頁。可以知道使用者進入網站的第一頁;如果從首頁以外的頁面進入的使用者比較多,應該要除了首頁以外在其他頁也考量導引方式並進行設計。
  • 搜索關鍵字-理解搜索關鍵字可以知道使用者在造訪網站前使用的搜索關鍵字,網站分析常見的指標之一;從搜索關鍵字可以推測使用者造訪網站的目的或動機。

 

Lab Memo:列出各種資訊對於改善網站幾乎沒有任何用處,建議初期開始觀測網站數據者,持續並定期追蹤特定指標,若發現問題則進一步追溯原因並提出對應方案。

Co-Founder at Conversion Lab | Website

Facebook 資深用戶研究員,過去任職於Uber、Microsoft等。現居舊金山。移居美國前於新加坡、中國、日本、台灣擔任 UX 顧問,客戶涵蓋金融業、非營利、新創團隊、電子商務等。期望藉由分享一點個人經驗,使華語圈的 UX 內容更加豐富。

 

參與討論