20160315 網路星期二:數據會說話 - 從NPO的網站分析談起

2,304 views

Published on

數據分析的世界,最重要的能力是能問對問題(確認分析目的),再來才是探討如何用數據解決它。數據分析工具眾多,能應用的產品也不少,但主要關鍵指標一通百通。
本次分享將從何謂網站分析開始,介紹分析主要會使用的關鍵指標,並進行基本數據判讀。適合有 Google Analytics 帳號,但卻不知道如何將關鍵指標與日常營運結合的非營利組織朋友,快來一起進入數據分析的世界吧!

Published in: Internet
0 Comments
5 Likes
Statistics
Notes
  • Be the first to comment

No Downloads
Views
Total views
2,304
On SlideShare
0
From Embeds
0
Number of Embeds
1,749
Actions
Shares
0
Downloads
50
Comments
0
Likes
5
Embeds 0
No embeds

No notes for slide

20160315 網路星期二:數據會說話 - 從NPO的網站分析談起

  1. 1. 數據會說話 What I learned from numbers Ruby Wang
  2. 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. 3. Agenda • 什麼是網站分析(Web Analytics)? • 網站分析的原理與工具 – 站內分析 – 競爭分析 • 有什麼可以分析? – 常用 KPIs – 指標(Metrics)/維度(Dimensions)有什麼不同 • 切割(Segmentation)的重要性 – 資料切割 – A/B Testing • 練習:我們可以利用數據解決什麼問題? • 網站分析的美麗與憂愁 • 學習資源
  4. 4. 什麼是網站分析? WHAT IS WEB ANALYTICS?
  5. 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, 為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, 並轉化成你想要的結果/目的(包含線上跟離線的) •which translates into your desired outcomes (online and offline) ~ Web Analytics 2.0, Avinash Kaushik
  6. 6. 問對問題/確認目的是最重要的 ~ 增長黑客, 范冰
  7. 7. 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
  8. 8. 網站分析的原理 HOW WEB ANALYTICS WORKS?
  9. 9. 目前主流的追蹤方法 1. Server Log
  10. 10. Server Log
  11. 11. 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
  12. 12. Web / APP 分析工具 一般通用 • Google Analytics • OMNITURE (Adobe) • mixpanel • webtrends • Webtrekk • Coremetrics (IBM) 特殊使用 • Flurry (Mobile) • AppsFlyer (APP) • Application Insight (MS) • APP Annie (APP) • 百度統計 (China) • CNZZ (China) • Yandex Metrica (Russia)
  13. 13. 其他分析工具 定性 • 4Q Survey • Kampyle • uservoice • surveygizmo • surveymonkey Misc. • CrazyEgg • ClickTale • SkyGule • UXSuite
  14. 14. 競網分析工具種類 瀏覽器小工具 Toolbar Data •Alexa, SimilarWeb, Pingle 樣本資料 Panel Data • comScore, Nielsen 網路服務供應商 ISP Data • Hitwise, Compete 搜尋引擎資料 Search Engine Data •Keyword Planner 分析工具的產業標準 Benchmarks from Web Analytics Vendors •Fireclick, Coremetrics, GA 自主回報 Self-reported Data • Quantcast, Google’s Ad Planner 客戶滿意 External Voice of Customer Data •iPerceptions 混用資料 Hybrid Data •Compete , DoubleClick Ad Planner •Google's Trends for Websites http://www.kaushik.net/avinash/competitive-intelligence-data-sources-best-practices/
  15. 15. 有什麼可以分析? DIMENSIONS, METRICS, REPORTS
  16. 16. Visits/Sessions & Visitors/Users 訪次/工作階段&訪客/使用者 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。
  17. 17. 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
  18. 18. 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?
  19. 19. 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。
  20. 20. 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
  21. 21. 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%
  22. 22. 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…
  23. 23. ROAS 目標廣告投資報酬率 • 每 1 元廣告支出,能為公司帶來的業績。 ROAS = Revenue / Advertising Spending • 舉例: Sessions = 10, Users = 3, Orders = 1, Revenue = 2,000, AD Spending = 50 ROAS = 2,000 / 50 = 40
  24. 24. 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。
  25. 25. 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%
  26. 26. 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
  27. 27. 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
  28. 28. 使用者樣貌-年齡
  29. 29. 使用者樣貌-性別
  30. 30. 年齡性別是預估而來 • 嘗試一下 Google 廣告設定 https://www.google.com/settings/ads
  31. 31. 使用者樣貌-新客與回訪
  32. 32. 使用者樣貌-使用裝置
  33. 33. 使用者的行為-流量來源
  34. 34. 關於網站內容-所有網頁
  35. 35. 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!
  36. 36. 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。
  37. 37. 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。
  38. 38. 關於時間
  39. 39. 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
  40. 40. 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
  41. 41. 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
  42. 42. 資料切割的重要性 SEGMENTATION & A/B TESTING
  43. 43. 有時候問題很複雜, 資料需要切割,或是分類
  44. 44. 使用次維度把資料做細分
  45. 45. 比較不同產品系列的使用者樣貌
  46. 46. 比較不同產品系列的使用者樣貌
  47. 47. 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
  48. 48. 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
  49. 49. 練習: 我們可以利用數據解決什麼問題?
  50. 50. 先來個簡單的
  51. 51. 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 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
  52. 52. 拿個網站當例子 http://www.youthrights.org.tw/
  53. 53. 網站分析的美麗與憂愁 PROS & CONS OF ANALYTICS
  54. 54. If you cannot MEASURE it, you cannot IMPROVE it. 英國物理學家 Lord Kelvin
  55. 55. ~ SSA: 用戶搜索與行為分析, Louis Rosenfeld
  56. 56. 價值三億美金的按鈕 Source: https://articles.uie.com/three_hund_million_button/
  57. 57. 樣本≈母體
  58. 58. 但數據無法告訴我們… 使用者的意圖
  59. 59. 學習資源
  60. 60. 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) – 流量的秘密(繁) – SSA:用戶搜索心理與行為分析(簡)
  61. 61. 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
  62. 62. 結語
  63. 63. 網路上, 什麼都可以記錄! 什麼都可以測量!
  64. 64. 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
  65. 65. 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。
  66. 66. 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
  67. 67. Thank You.Merci Beaucoup.

×