Google Analytics 數據分析數據分析

輕鬆理解【Google Analytics客戶開發報表】總覽、所有流量

awoo Intelligence

2019-06-18

(更新日期: 2023-12-28)

自2010年Growth Hacking「成長駭客」一詞誕生之後，漸漸改寫了數位行銷人才所應具備的技能，除了原本的SEO搜尋引擎優化、網路行銷、內容行銷、廣告投放和email再行銷……等，這些跟「品牌行銷」有關的能力之外，其最重要的差異在於行銷的過程中是否結合數據驅動（Data-Driven）。行銷人員也更重視透過「數據分析」來幫助公司量化從獲得客戶、獲利到客戶推薦（AARRR的模型）的各階段表現，以及找出優化的可能。

這個模型裡第一步是「獲得客戶」，因此，我們就用Google Analytics報表的【客戶開發報表】來讓行銷夥伴清楚知道：

訪客（用戶）是從哪裡來？他們是透過什麼管道（來源/媒介）來到你的網站？
網站的自然流量（搜尋流量）表現如何？該怎麼閱讀報表跟比較數據？

客戶開發報表>【總覽】

首先，若你對於【客戶開發】還不熟悉的話，我們可以先從【總覽】開始了解訪客造訪網站的情形。如下圖，在2019年1/1~2/28這個區間裡，網站共有多少使用者、新使用者來拜訪？產生多少工作階段？他們得知網站的來源是哪邊？是否有達成網站轉換目標？在總覽這個報表都能快速地了解一下。

介面基本介紹

在報表左上角的【主要維度】跟【轉換】、正上方的【+新增區隔】還有右上角的【日期區間】都是可以自行設定的。

【主要維度】包含：熱門管道、熱門來源/媒介、熱門來源以及熱門媒介。
【轉換】：通常部落格網站的目標會設定為訂閱；電商網站則是電子商務交易。
【+新增區隔】:可以依照個人喜好或是常看的指標來客製化專屬區隔的報表。
【日期區間】：觀察不同時段區間訪客跟網站的互動情形、甚至可以製作不同時段的比較，看網站的表現是否有持續成長。

這邊看完是不是有點概念了呢？GA報表的設計主要就是為了能讓各個網站主可以清楚知道究竟有哪些訪客會來造訪自己的網站，有多少訪客來（流量）？他們是透過什麼方式來到你的網站（來源/媒介）？在此，我們將常見的【來源/媒介】整理如下圖，我們可以看到【來源】的項目不外乎是從那個搜尋引擎、社交媒體或是有下utm參數而來的。【媒介】則是知道訪客從哪個管道進到你的網站。

比如說同樣來源是google，一個媒介是organic，另外一個是cpc，我們就要清楚地知道：

google/organic：訪客是透過google搜尋引擎的「自然搜尋」，來到你的網站。
google/cpc：訪客是透過google搜尋引擎的「關鍵字廣告」，來到你的網站。

客戶開發報表>所有流量>【來源/媒介】

大部分的行銷人員在GA報表裡，最常打開觀看的就是【所有流量】報表裡的【來源/媒介】報表，為的就是可以清楚了解訪客是透過哪種【來源/媒介】來到你的網站，且可以知道訪客跟自己網站的互動狀況（常見的GA指標 ex.工作階段、跳出率、單次工作階段頁數、平均工作階段長度）。

如何區隔出SEO自然搜尋流量

很多網站主在意自己網站在SERP（搜尋結果頁）的排名、網站流量跟品牌力是否有越來越好？因此，我們通常會在右邊的篩選搜尋框使用「organic」來進行篩選如下表，可以看到有多少訪客是透過搜尋引擎的自然搜尋來點擊觀看你的網站。

?補充小知識，若我們只使用「organic」來篩選其實還是會忽略一個tw.search.yahoo.com 這個來自yahoo的自然搜尋流量。因此，我們真正會看的自然流量會使用「organic|search.yahoo」來塞選，這樣才能完整看到所有的自然搜尋流量呦！而自然搜尋流量越好，通常代表你的網站越常在搜尋結果頁被訪客點擊，通常也意味著SEO（Search Engine Optimization，搜尋引擎優化）的表現越好，亦或是你網站的品牌力有一定知名度。

如何看出網站流量是否有成長

那我的網站究竟流量是否有成長呢？這時候，我們可以搭配右上角的【日期區間】，選擇一個時段區間之後，你可以選擇下面三種方式來進行區隔（segmentation），特別是第二個跟第三個。

自訂：按照你的需求自己抓日期區間來比較分析。
上一個時段：最常用的一個區隔方法，假設你選取兩個月的時間，GA會自動往回推兩個月的時間來進行流量比較。

前一年：這也是非常實用的區隔方法，為什麼要做跟去年的同時段比較？因為有些產業會有淡旺季的情形，若我們只跟【上一個時段】比較，可能會有不準的情況發生（例如：旅遊業5~7月是旺季，如果你用8~10月來跟前一期的5~7月比較，「可能」網站流量變差；或是農曆過年前的流量通常會降低。（所以若我們沒有意識到這是淡旺季的影響，還會以為是網站成效變差，而做了錯誤的決策）。

因此，不論我們是要看什麼樣的數據比較，一定要做「區隔」！才能幫助我們正確的解讀數據背後的意義。