Downloaded 66 times
Uploaded byNet Tuesday Taiwan
20160315 網路星期二：數據會說話 - 從NPO的網站分析談起
本文件探讨了网站分析的概念及其重要性，介绍了主流的分析工具和关键指标（如跳出率、转换率等）。强调数据分析过程中数据切割（segmentation）和A/B测试的重要性，并提供了一系列学习资源。总结指出优秀的数据分析师应具备逻辑能力、提问能力和对分析的热情。
More Related Content
![[SDX2016] 數據驅動的網站優化 / 嚴家成 博士 國立虎尾科技大學 資訊管理系教授](https://cdn.slidesharecdn.com/ss_thumbnails/2-160331063049-thumbnail.jpg?width=640&height=640&fit=bounds)
![[網路星期二] 非營利組織網站剖析：網站文案大不同-實例剖析:蠻野心足網路行銷](https://cdn.slidesharecdn.com/ss_thumbnails/20120723-120822214240-phpapp01-thumbnail.jpg?width=640&height=640&fit=bounds)
Similar to 20160315 網路星期二：數據會說話 - 從NPO的網站分析談起
![[網路星期二] 網站流量分析---這樣做就對了!!：環資-大誌-Wilson](https://cdn.slidesharecdn.com/ss_thumbnails/wilson-100628003912-phpapp02-thumbnail.jpg?width=640&height=640&fit=bounds)
20160315 網路星期二：數據會說話 - 從NPO的網站分析談起
- 1. 數據會說話 What I learnedfrom numbers Ruby Wang
- 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. 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. 什麼是網站分析？ WHAT IS WEBANALYTICS?
- 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.
- 7.
- 8.
- 9.
- 10.
- 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. 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. 其他分析工具 定性 • 4Q Survey •Kampyle • uservoice • surveygizmo • surveymonkey Misc. • CrazyEgg • ClickTale • SkyGule • UXSuite
- 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.
- 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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.
- 29.
- 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.
- 32.
- 33.
- 34.
- 35.
- 36.
- 37.
- 38.
- 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. 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. 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. 資料切割的重要性 SEGMENTATION & A/BTESTING
- 43.
- 44.
- 45.
- 46.
- 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. A/B testing inOnline 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.
- 50.
- 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.
- 53. 網站分析的美麗與憂愁 PROS & CONSOF ANALYTICS
- 54. If you cannotMEASURE it, you cannot IMPROVE it. 英國物理學家 Lord Kelvin
- 55. ~ SSA: 用戶搜索與行為分析,Louis Rosenfeld
- 56.
- 57.
- 59.
- 60.
- 61. 參考書籍 • 英文書 – WebAnalytics 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）
- 62. 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
- 63.
- 64.
- 65.
- 66. 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。
- 67.
- 68.