無論是用網站賣東西、架設形象網站、寫部落格、經營新聞媒體⋯⋯，都會遇到一個 Moment，那就是你開始聽到：有做網站就要做分析！從指標數據、使用者在網頁行為追蹤，可以得到洞察，創造更多商業機會喔！通常好學的人就會開始幫網站安裝 Google Analytics 追蹤碼，打開 Google Analytics，買本書、看網路上的教學，從頭開始學 Google Analytics 該怎麼用、有哪些報表可以拉、有哪些指標可以看。
但是，究竟學網站分析等於學會使用 Google Analytics 嗎？從單一工具去學習「分析」的全貌到底好不好？有沒有更好的學習歷程，可以讓你更有系統的抓到分析的精髓？
TL;DR 文章太長但時間不夠，沒關係可以跳著看
分析不是新概念
又有個颱風快來了，到底會不會放颱風假？需要先分析颱風是強颱、中颱還是輕颱？從花蓮台東登陸？還是從墾丁高雄南邊尻上來？再來去翻找每個縣市長，之前核准颱風假的嚴謹程度；或是有沒有曾經沒放颱風假，後來造成民怨的案例？除此之外，像是有科技園區的縣市，想必也會受到一些壓力，如果接近選舉月，也可以把這個因素納入容不容易放颱風假的考量。接著開始陸續公佈時，再看看附近縣市放假趨勢如何，其實就會很接近開獎結果喔！
你可以看出「分析並不是新概念」，這是內建於人類進化基因的一種思維，只是現在你要把它應用在「分析網站商業表現」罷了。而所謂的分析就是以下幾個環節組成：
一、充分觀察、大膽假設：
對網站、自身商業、產業現況充分觀察，大膽假設商業上可能的問題點、改善點。
二、分析目的：
因為有了初步的假設，分析的目的應該清晰地展開。
三、設計實驗：
了解要搜集什麼資料、設計哪種測試，才能符合分析目的。
四、選擇分析工具：
知道要搜集什麼資料，接下來就會清楚哪種分析工具最適合此次分析。
五、結果與分析：
如果你的假設是對的，應該可以直接在數據判讀結果，並且找到落地的執行方法。
六、問題與討論
如果不幸的從數據中根本看不出差異性，甚至出現與假設完全相反的結果，這時就應該重新釐清「資料是否正確？是否要驗證一下資料的誤差？」、「假設錯的話，是錯在哪裡？還有沒有其他可能性？」。
七、應用
依據數據判讀結果，最後轉換成落地執行的項目。
建構你的行銷分析世界觀
無論是傳統行銷分析或是網站分析，其實用一句話就能述說出終極目標：
將對的資訊用對的方法送到對的人面前。
這句話其實就是「客戶分級管理」這個概念！用「客戶分級」這個詞彙有點社會階級傲慢，不如說「客戶分群」。客戶分群的中心理念主張：一個商品或是服務，都應該依據「不同客戶所帶來的利潤及價值」，設計出「不同的客戶服務、不同的關懷項目」。藉由分析不同分群的客戶資訊後，可以歸納出「同群客戶的共同特點」，並且了解「同群客戶的需要」，接著就能展開量身打造的行銷策略，確保對的資訊可以送到對的人面前，引導各個分群客戶貢獻更多價值。
網站分析 vs. 傳統行銷分析差異在哪？
網站分析與傳統分析的差異在哪？最大差異就在「數位時代的網站分析可以對每個使用者做滴水不漏的追蹤」。以往傳統統計分析，為了解決資料處理量，會盡可能透過精密的取樣方式，配合焦點小組，希望透過「用少數代表多數」的方式，來判斷整個市場概況。過程中可能造成取樣誤差，或是看不清市場全貌的狀況，在追蹤顧客消費歷程也較薄弱。
- 傳統統計分析，盡可能透過精密的取樣方式，配合焦點小組，透過「用少數代表多數」，來判斷整個市場概況。
- 數位時代的網站分析可以對每個使用者做滴水不漏的追蹤。
但隨著現代使用者習慣從多途徑、跨平台接觸資訊，電腦對於巨量資料的處理能力也突破性成長（就是到處都在嚷嚷的大數據），人工智慧演算模型的快速發展，使用者行為追蹤技術也越發成熟；網站分析，甚至擴大到數位分析（Digital Analytics），已經可以在很多層面補足傳統行銷分析的弱點，拾起過去漏掉的拼圖。
網站分析能做到什麼事？優點是什麼？
- 結合搜尋資料，窺見客戶心中動機
- 了解每個潛在客戶接觸品牌途徑
- 追蹤每個潛在客戶造訪網站時的行爲
- 勾勒出不同客戶分群的顧客歷程
- 在合適的顧客歷程階段，將合適的廣告/促銷/資訊，給合適的人
網站分析可以幫助商業帶來哪些深入見解？
- 營運見解
- 網站訪客行為見解
- 轉換率見解
- 使用者體驗見解
實際情境：最近公司花了五十萬，架設了新的網站，但是線上賣場業績根本沒變
⋯⋯，這樣花在網站翻新的投資是對的嗎？
一、充分觀察、大膽假設
業績沒變其實跟很多環節有關，有可能與內部因素有關，有可能與外在的因素有關，甚至與不可控因素有關。原本的網站用的是 10 年前的 UI 風格，購物車鈕也不明顯，事實上網站上線前也請了多個使用者來受測，反應都很良好，導覽動線也很直覺，於是我先排除網站 UI 介面變更造成業績停滯的可能性。但是理論上，一個動線好的網站，在商品或服務不變的狀況下，轉換率應該會上升才是。這時我打開 Google Analytics 報表，發現新網站比舊網站的平均轉換率高了1% 的比例，雖然平均客單價沒有太大的變化，但我更能確定新網站在引導使用者達成購買的能力是好的。
那為什麼線上購物的業績沒有大幅上升呢？這是一個很簡單的數學式子：
Traffic x Conversion Rate % x Per Customer Transaction =Sales Amount
那我可以大膽的說，問題出在 Traffic，也就是進到網站的流量。
二、確認分析目的
這一步驟我們應該著重在繼承上一步的大膽假設，也就是「網站流量」出了問題，分析的目的為：了解不同管道的流量在新網站上線後有無變化，包括搜尋流量、直接流量、推薦流量、廣告流量、其他流量⋯⋯
三、設計實驗
若要去分析既定商業事實，通常這一步驟會是在設計「要抓哪些資料下來看」、「要排除哪些資料才能確保判讀正確性」。但商業上也常有需要「設計實驗」的，像是「實驗哪種網頁導覽更能讓使用者找到資訊？」、「實驗哪種文案點擊率最好？」、「實驗Hero Image是哪一張？」，總而言之這一項的內容，與分析目的息息相關。
四、選擇分析工具
工欲善其事，必先利其器。分析工具有很多種，不同的工具「銳利」之處也不一樣，單看你分析的目標為何，有時會多個類型的工具一起運作。根據搜集資料類型的不同，常見的網站分析工具可以粗略分為：
- 點擊分析型，流量從哪裡來？中間又去了哪裡？最後從何離開？像是Google Analytics。
- 實驗測試型，測試哪個版本比較好？像是Google Optimize。
- 綜合輔助決策型，預算該如何分配？顧客歷程為何？目前市場競爭狀況如何？像是Appier。
就這篇文章所舉例，因為我們想要知道流量從哪裡來、不同來源流量在新網站上線後是否出現波動⋯⋯的等等資訊，所以最適合的分析工具應該為「點擊分析型」，而 Google Analytics 就是個功能強大又免費的點擊分析型工具。
延伸閱讀：
免費又好用的A/B Test工具 – Google Optimize安裝教學
2018 awoo 推薦的七個分析工具
五、結果與分析
在 Google Analytics 抓出「不同來源（管道）」的Traffic，新舊網站一比較之下，這時候可能就真相大白了。以下面這個數據來說，很明顯可以看出，新網站上線後，流失了 70%的 Organic 流量，也就是搜尋流量，但是同時公司也有一波廣告活動，造成總 Sessions 幾乎打平的狀況（4,988 vs. 5,085）。也因為流量幾乎一樣，在廣告活動的推動下營收也沒有發生太大的落差，所以這個問題並沒有馬上被發現。
| 去年同月份（舊網站） | 今年同月份（新網站） | |||
| 管道 | Sessions 工作階段 |
佔比 % | Sessions 工作階段 |
佔比 % |
| Organic | 1,689 | 33.9% | 501 | 9.85% |
| Display | 580 | 11.6% | 1,765 | 34.71% |
| Direct | 1,009 | 20.2% | 1,200 | 23.60% |
| Referral | 121 | 2.4% | 210 | 4.13% |
| Social | 1,589 | 31.9% | 1,409 | 27.71% |
| 總和 | 4,988 | 100.0% | 5,085 | 100.0% |
六、問題與討論
以這個例子來說，這個分析結果一次就 Hit the Jackpot！你已經發現因為舊網站砍掉重練，有些頁面合併、重整，網站除了首頁外的 URL 都變了，在缺乏 301 轉址的狀況下，搜尋引擎只會在一時之間發現你的網站多了許多 404 錯誤頁面，原本有帶來搜尋曝光的頁面也失效，搜尋流量當然直直落下。
七、應用
最後這個步驟，算是網站分析的重點！怎麼說呢？無論你是屬於哪種分析工作者，你應該都會知道，分析的最終目標，就是為了給決策者下決定、執行者開始落地執行、進而達到改善現況的目的！順著這個例子，最終落地執行的項目很直觀，就是：
- 全面執行新舊網址 301 轉址
- 提交新網站的 Sitemap.xml
- 檢視舊網站帶來最大搜尋流量的 Landing Page 是哪一類型（通常代表最有搜尋需求的內容），試著在新網站中補強類似內容。
延伸閱讀：網站改版，不可輕忽的10個SEO優化項目
該如何開始學習網站分析？
從分析的精神、行銷分析的世界觀，最後到數位網站分析的優勢，你應該理解了整個脈絡，並且清楚知道了數位分析的全景。最後回到個人出發：你該如何開始學習網站分析？
以下整理出 4 個面向，可以根據目前職位不同，延伸補強其他面向。你可以選擇單一面向鑽得很深，例如專攻「數據搜集專業」，可以成為一個可靠的「數據追蹤/資料處理工程師」；你也可以選擇多個面向都涉略，例如同時「暸解產業環境」、「具有數據搜集概念」、「解讀數據並找出落地解法」，成為一個可靠的「Data-driven 決策者」。
瞭解產業環境
好的分析師應該對產業有深刻的見解，並且要有不錯的Common Sense。例如家電市場就與美妝市場不同，消費者購物歷程、認知風險截然不同，若沒有對產業有一定暸解，也很可能對數據解讀錯誤。
具有數據搜集的專業
要扎實學好網站分析，一開始資料是如何搜集的？準確性如何？誤差值是多少？該如何改善？⋯⋯這些都需要了解。因為數位追蹤的技術有些是透過網頁前端上的 JavaScript 完成，也有透過後端蒐集資料達成，通常也都會需要存取資料庫。所以一個成熟的數據分析師必須要具備「確認資料來源的正確性」，才能更深入的應用分析。
應用分析工具、數量統計工具的能力
要自由的運用分析工具來幫助你達成商業觀察，第一個要點就是必須熟悉不同分析工具之間的差異、功能特色、搜集資料的差異性、上手的難易度⋯⋯等等資訊，如此才能在一遇到需要分析的時候，你能馬上直覺選擇適合的工具。不過通常一間企業裡面常用的大型分析工具就是那一兩套（因為有些工具很貴），所以大部分時候對分析工具學得精比學得廣有用。而在這其中，Google Analytics 既免費、安裝又方便，教學資源也很豐富，無論網站大小都可以應用，這也是為什麼大部分探討網站分析的書會先使用 Google Analytics 作為主要教學內容，我們也推薦先從認識 Google Analytics 這套分析工具開始。
延伸閱讀：
開啟網站分析之門－學習Google Analytics吧
GA (Google Analytics) 是什麼？為什麼全世界都在用？
解讀數據並提出落地解法
數據再精準、質性研究再全面，最終沒有落地解法還是枉然。其實這一項算是網站分析能力集大成的最終目標。因為暸解產業環境、規劃資料搜集分析的架構、良好應用工具，最終才能在「現實考量」、「企業文化」與「數據解讀」中，找到甜蜜的交集，才能提出專為企業打造的最適方案。
延伸閱讀：
談數據驅動文化，踏出你的第一步
結語
任何概念的發展都有其脈絡，並且有他存在的最終目標，網站分析也是。無論你是大型電子商務模式、實體通路結合線上銷售模式、新聞媒體模式，若能先了解網站分析的優勢，就可以應用到自身商業結構中，為公司帶來價值。
像是不同類型的產品，投放廣告的效益都一樣嗎？是不是有可能某一類型的產品，比起廣告，使用者更相信自然搜尋呢？或是哪個管道才能帶來最多的新使用者呢？獲取單位新使用者的成本是多少？這些新使用者價值是多少？回購率高嗎？⋯⋯
這些有趣的網站分析及見解，若能好好應用，或多或少都能為企業帶來商業價值，更重要的是在執行網站分析的過程中，企業也能深化分析思維，培養出「觀察➜分析➜判讀➜決策」的好文化，相信最終會對企業帶來更高的價值！
關於網站分析有更多的想法嗎？歡迎在文章下面留言讓 awoo 知道喔！
