Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.

優化宅的日常-數據分析篇

2,401 views

Published on

HPX Campus 44 使用的投影片,分享內容包含:
什麼是網路分析(Web Analytics)?
•分析的原理
•有什麼可以分析?
•有什麼不能分析?
•分析如何結合產品開發?
•分析師的特質歸納
•學習資源分享

Published in: Data & Analytics

優化宅的日常-數據分析篇

  1. 1. 優化宅的日常-數據分析篇 Ruby
  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. 今天的分享內容 • 什麼是網路分析(Web Analytics)? • 分析的原理 • 有什麼可以分析? • 有什麼不能分析? • 分析如何結合產品開發? • 分析師的特質歸納 • 學習資源分享
  4. 4. 什麼是 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, 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
  6. 6. 什麼是數據分析? 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
  7. 7. 分析的原理
  8. 8. 目前主流的追蹤方法 1. Server Log
  9. 9. Server Log - Web
  10. 10. 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 那 APP 呢?
  11. 11. 分析的最小單位 HITView / Event
  12. 12. 有什麼可以分析?
  13. 13. Sessions / Visits & Users / Visitors 訪次/工作階段&訪客/使用者 一個 User 可能會有多次造訪 Sessions。 每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。 User 1 Session 1 Session 2 Session 3 Page 1 Page 2 Page 3 Page 4 Page 5 … Page 2 Page 3 Page 2 … Page 4 Page 1 Page 3 …
  14. 14. 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
  15. 15. Bounce Rate 跳出率 • The sexiest web metrics! • 使用者只看一頁(到達頁),(沒有互動)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?
  16. 16. 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。
  17. 17. 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%
  18. 18. 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…
  19. 19. 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%
  20. 20. 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
  21. 21. 使用者樣貌-年齡
  22. 22. 使用者樣貌-性別
  23. 23. 年齡性別是預估而來 • 嘗試一下 Google 廣告設定 https://www.google.com/settings/ads
  24. 24. 使用者樣貌-使用裝置
  25. 25. 使用者樣貌-新客與回訪
  26. 26. 使用者的行為-流量來源
  27. 27. 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。 Only for Web in GA.
  28. 28. 關於時間
  29. 29. 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
  30. 30. 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
  31. 31. 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
  32. 32. 有時候問題很複雜, 資料需要切割,或是分類
  33. 33. 使用次維度把資料做細分
  34. 34. 比較不同產品系列的使用者樣貌
  35. 35. 有什麼不能分析?
  36. 36. ~ SSA: 用戶搜索與行為分析, Louis Rosenfeld
  37. 37. 樣本≈母體
  38. 38. 數據解釋 現象,但無法解釋 使用者意圖
  39. 39. 分析如何結合產品開發?
  40. 40. 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
  41. 41. 頁面/網站瀏覽行為
  42. 42. 單一使用者行為
  43. 43. Heat Map / Scroll Map https://goo.gl/iLTsio 第 1 屏 第 2 屏 第 3 屏 第 4 屏 第 6 屏
  44. 44. 但現實往往沒那麼美好。 產品出了才知道:有埋 code/沒埋 code/埋錯 code/樣本根本不夠… 以上理由任選,總之就是得從 sigh 當中找 insight。 Source: http://goo.gl/r6K9K6
  45. 45. 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
  46. 46. UI FLOW 是必備 Source: http://www.creativeuxdirector.com/portfolio_ux.html
  47. 47. 清點:FLOW >> Analytics >> Conversions Source: http://www.creativeuxdirector.com/portfolio_ux.html 瀏覽 首頁 點擊 xxx 功能 瀏覽 填寫表單 - 1 瀏覽 表單確認 點擊 送出(完成) Views/Clicks 244,704 412 517 66 Micro Conversion 0.17% 125.49% 12.77% Final Conversion 16.02% 資料區間:xxxx/xx/xx-xx/xx @x Country
  48. 48. 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 看完一輪就會有一些洞察出現: • 流程/介面優化 • 佈碼缺失 …洞察不一定是從數據來, 但數據能幫助評斷更版成效。
  49. 49. 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 + 改版計畫
  50. 50. 改版計畫出來佈碼計畫又要再來一次 View Name: Home 動作 項目 Web Event 設定 Category Action Label 點擊 搜尋按鈕 button clicked Area-date1-date2-room-adults-children-porpose
  51. 51. 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
  52. 52. 版本比較 Previous Version 瀏覽 首頁 點擊 xxx 功能 瀏覽 填寫表單 - 1 瀏覽 表單確認 點擊 送出(完成) Views/Clicks 244,704 412 517 66 Micro Conversion 0.17% 125.49% 12.77% Final Conversion 16.02% Current Version 瀏覽 首頁 點擊 xxx 功能 瀏覽 填寫表單 - 1 點擊 送出(完成) Views/Clicks 253,749 1,052 689 49 Micro Conversion 0.41% 0.65% 7.11% Final Conversion 4.66%
  53. 53. 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
  54. 54. 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
  55. 55. 不確定結果是否顯著,可做檢定分析 參考資料:https://goo.gl/PBbSEv
  56. 56. 分析師的特質歸納
  57. 57. 我 的 觀 察 與 體 會  自 造 學 習 機 會 成 為 鍵 盤 柯 南  適 時 展 現 誠 意  溫 柔 同 時 堅 定
  58. 58. 我 的 觀 察 與 體 會  自 造 學 習 機 會 成 為 鍵 盤 柯 南  適 時 展 現 誠 意  溫 柔 同 時 堅 定
  59. 59. 做.中.學.是最快的;工作中沒有機會,就自造機會: 建部落格、找網站模擬、自告奮勇、換工作
  60. 60. 我 的 觀 察 與 體 會  自 造 學 習 機 會 成 為 鍵 盤 柯 南  適 時 展 現 誠 意  溫 柔 同 時 堅 定
  61. 61. 1Q=5+Why追根究柢的精神,了解分析原理 明確用語=明確問題=明確方向
  62. 62. Bounce Rate?跳出率的定義是?
  63. 63. One Page Site單頁式網站的跳出率一定 100% ,合理嗎?
  64. 64. 分析的最小單位 HITView / Event
  65. 65. Event但我不認為所有事件都該影響跳出
  66. 66. Bounce Rate?跳出率的定義是?
  67. 67. Closer to Truth追根究柢的精神會幫助你離答案更進一步
  68. 68. 我 的 觀 察 與 體 會  自 造 學 習 機 會 成 為 鍵 盤 柯 南  適 時 展 現 誠 意  溫 柔 同 時 堅 定
  69. 69. 明確+努力凡事先谷歌;展現誠意;問清楚,才能說明白 讀書會是好地方,但是沒有人有義務幫你
  70. 70. Dimensions/Metrics 你知道維度跟指標的差別嗎?
  71. 71. 我 的 觀 察 與 體 會  自 造 學 習 機 會 成 為 鍵 盤 柯 南  適 時 展 現 誠 意  溫 柔 同 時 堅 定
  72. 72. 何謂正確解讀? 開放態度,只要能合理解讀,都是正確解讀 有幾分證據說幾分話
  73. 73. 學習資源分享
  74. 74. 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) – 透視數據下的商機:運用Google Analytics發掘商業洞見(繁) – SSA:用戶搜索心理與行為分析(簡) – 深入理解網站優化:提升網站轉化率的藝術與科學(簡)
  75. 75. 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
  76. 76. 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 Source: https://goo.gl/iRBfva
  77. 77. Thank You.Merci Beaucoup.

×