超基本網站分析,數據會說話(網路版)
TRANSCRIPT
數據會說話What We Learned from Numbers…
Ruby Wang
wanru.tw [a] gmail.com
王宛如 Ruby WangPM, 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
今天會以 web analytics 為主軸 但 web / APP 概念是差不多的
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?
什麼是網站分析?WHAT IS WEB ANALYTICS?
什麼是網站分析?
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
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
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
網站分析的原理HOW WEB ANALYTICS WORKS?
目前主流的追蹤方法
1. Server Log
Server Log
目前主流的追蹤方法
2. JavaScript / Cookie
Source: https://analyticsacademy.withgoogle.com/course02/unit?unit=2&lesson=1
網站分析的美麗與憂愁PROS & CONS OF ANALYTICS
If you cannot MEASURE it,
you cannot IMPROVE it.
英國物理學家Lord Kelvin
價值三億美金的按鈕
Source: http://rebuzz.tw/2013/09/hpx-ucd.html
樣本≈母體
但數據無法告訴我們…
使用者的意圖
有什麼可以分析?DIMENSIONS, METRICS, REPORTS
指標(Metrics) vs. 維度(Dimensions)
Source: https://analyticsacademy.withgoogle.com/course01/
Dim
ensi
on
s
Metrics好壞評斷依據
資料切割方式
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
Conversion Rate
Engagement
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。
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
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?
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。
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
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。
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:
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。
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%
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
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
使用者樣貌-年齡
使用者樣貌-性別
年齡性別是預估而來
• 嘗試一下 Google 廣告設定https://www.google.com/settings/ads
使用者樣貌-新客與回訪
使用者樣貌-使用裝置
使用者的行為-流量來源
關於網站內容-所有網頁
關於網站內容-到達頁
到達頁(landing page)是使用者到達網站的第一頁,到達頁可能是任何一頁。
到達頁的重要性在:若能清楚了解使用者的來源與到達頁,便可在到達頁上提供適切的內容與資訊,加深使用者繼續瀏覽的意願-降低跳出率,提升轉換率!
關於網站內容-離開頁
離開頁是指,使用者在哪一頁離開網站。
使用者終究會離開網站,但若使用者在重要環節(如:確認結帳頁)離開網站,那就大事不妙了。
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。
關於時間
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
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
KPI策略訂定
了解所有影響目標達成的關鍵因素
合理利用自行定義報表
建立團隊報表(大家要看的都不一樣)
以宏觀的視野理解網站
資料切割的重要性SEGMENTATION & A/B TESTING
有時候問題很複雜,資料需要切割,或是分類
使用次維度把資料做細分
比較不同產品系列的使用者樣貌
比較不同產品系列的使用者樣貌
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
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
報表有時候需要視覺化…
想像老闆只有一眼的時間你希望他看到什麼
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
舉個例-得到的資料本來是這樣
舉個例-再整理成這樣
A B C D E FDirect 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%
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
案例分享CASE STUDY
一些不錯的工具TOOLS
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
練習:我們可以利用數據解決什麼問題?
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
結語
網路上,什麼都可以記錄!什麼都可以測量!
但重要的是要先討論
什麼是應該測的?先定義成功,再設定策略
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。
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
Thank You.Merci Beaucoup.