說到網站數據模型 Data Model 拼裝, 讓數據更能成為網站經營、行銷策略規劃指南針..
正如同 Evernote 前執行長 Phil Libin 所提出來的發現,雖說 Evernote 功能十分強大與多元,但這也導致每個人會用 Evernote 的理由與產生價值都不盡相同。
而這跟我們過去最常聽到 Google Analytics 入門者回饋、無奈有點相似,就是 Google Analytics 雖然可以帶給我們包羅萬象的網站數據,但.. 每天看完這些數據後心中或多或少都會浮現幾個字:然後呢??
那現在為了改善這個問題,今天就打算提供一個在進行網站經營數據分析前,可以事先建構的 “數據模型 Data Model” 如這篇文章封面圖。
如此一來,未來只要能夠依循著這樣的數據模型 Data Model, 試著利用不同技術、管道收集並整理相關網站分析數據。相信對網站現況、未來經營方向、策略規劃到戰術應用都會相當有幫助與參考價值!!!!
此外是剛看到這數據模型 Data Model 時,突然想起四年前,我們在 Google Analytics 剛改版不久時,於 “ABC Cycle – 全新 Google Analytics 中反應且左右網站經營決策的訪客行為” 這篇文章中提到的分析概念。
一樣都是要試著在滿山滿谷的資料中,快速從幾個網站經營現況找到關鍵參考資訊與線索….
而在每一個段落後都會為其內容增加一些補充參考資訊連結,若剛好有檢視需求,就建議可以先按著 Ctrl(或 ⌘ Command) 鍵再點選這些補充文章連結。如此就可以默默另開視窗,看是要先看或真的有需要時再到另一個頁籤查看即可!!
像是上述提到有關 Evernote 的故事,就來自於 “活出自己最好的「5%」!獨角獸Evernote的成敗給上班族的4大啟示” 這篇文章。
Acquisition Data 流量來源數據
如我們過去不斷提到的,這一系列數據可以說是 Google Analytics 中最重要,但又最不需要特別費時設定,就可以簡單從 Google Analytics 預設報表上直接查看的情報。
如從 “管道” 報表中就可以一目瞭然網站目前有哪幾大流量來源,而這些流量來源所帶來的訪客價值好壞差異又在哪裡。
如在上圖中,我們可以很容易發現與比較這個網站主要都是透過 Organic Search(網站 SEO) 帶來流量,且其創造之價值(自訂之目標價值遠遠高過於其他流量來源。
此外是我們還發現就單純以轉換率而言,似乎是 Referral(參照連結) 略高於 Organic Search.
但若進一步檢視,會發現 Organic Search 所帶來之流量轉換率都相當平均,但 Referral 會因為幾個特定網址而拉高平均值。
故相關數據都可以讓我們從中交叉分析、並評估參考價值以及日後資源投放辦法。
有關客戶開發(流量來源)數據在 Google Analytics 中有多重要,我們已經在 “+ 新增流量(工作階段)區隔 Segment,?數據分析、研究的出發點” 、 “從不同的流量來源、進階區隔來檢視網站目前經營成果、現況或改善空間” 等文章中不厭其煩重的再三重申。
至於這一段用到的 “次要維度” 又有多必要以及哪些應用,則可以再請至 “進階區隔 + 主要維度 + 次要維度 – 直接或點擊網址的訪客背景研究” 以及 “即時監控控必備 Google 試算表 add-on x 超越次要、創建三要維度” 走走停停。
Behavior Data 訪客行為數據
在這一段中,我們可以一起來看與研究 Page-level Data 以及 Behavior Data..
如訪客進入網站後的相關頁面行為研究,或是首頁圖上 Page-level Data 中的三大網站類型頁面,都可以搭配高自由度分類的自訂 “內容分組” 功能,在 行為 > 所有網頁 報表中進行檢視。
且因為所有網頁中資料是以瀏覽量 Page View 為單位,所以就可以檢視網站中每一張頁面被瀏覽的次數(+ 不重複瀏覽數)、網頁停留時間、離開率甚至頁面價值等數據。
緊接著從 Behavior Data 開始,就開始需要先進行事先設定才有辦法進一步分析的數據。
而這些可是先追蹤的動作都可以設定為一個 “事件” ,未來我們也才能利用 行為 > 事件 報表,搭配我們事先為這些事件所設定的類別、動作、標籤來檢視其中相關細節。
至於要如何快速了解該如何使用與操作,就也可以參考我們在 “內容分組 – 一次滿足三種網站內容分類的願望” 中所提到的介紹。
再來是說到事件設定,我們剛好上週才於 “瀏覽器 Scrollbar 事件追蹤,一頁式網站也可確認進站訪客有效性” 提到最新的事件設定應用。又或是之前不用異動原始檔案的 “站外連結點擊數追蹤事件設定,快速在後台編輯器完成版” 介紹,也都是相當完整的事件設定參考資訊。
此外是除了事件設定以外,Google Analytics 還有一個相當重要的進階搜尋設定是 “站內搜尋”。因為這可以幫助我們了解訪客真正需求,以及檢視我們網站導覽是否不夠明確,才會讓訪客都進站了、還需要透過站內搜尋來找資訊。
至於說道這個站內搜尋為什麼那麼重要以及該如何設定,在我們 “站內搜尋關鍵字詞研究,比 not 不 not provided 重要多惹” 、 “站內搜尋字詞追蹤末路之自己的搜尋參數自己生” 兩篇文章中就有一些詳細介紹。
Conversion Data 轉換數據
而這最後一項數據、也是網站經營中最重要的目標設定。
而這目標又細分為 Macro Conversion 最終轉換以及 Micro Conversion 輔助轉換,最終轉換通常就是該網站經營的最終目標,所以也通常就是獲利或取得註冊會員。
至於輔助轉換就是雖說不定就會直接帶來收益,但卻是在促進最終轉換前、大多會在事先促發的目標。
且一但成功設定目標,我們還可以利用目標設定介面的新增程序,來進一步分析在促進目標轉換的前幾個必要環節中,每一階段的轉換率是多少。
就像是我們最常見的研究發現、數據佐證,就是一開始透過網站 SEO 已經為網站來許多有效訪客,但卻是因為在商品競爭力不夠、網站不好用等因素導致訪客流失。
而這個時候再怪網站 SEO 無效,似乎也讓人有點無奈與心酸 ^^”””
只是為了讓目標設定具有更高彈性、分析準確度與日後檢視價值,通常會建議對 Google Analytics 中的 ”規則運算式“ 要有些了解。
所以說到這個就可以參考我們一口氣在 ”Google Analytics 目標網址、程序設定冷知識與規則運算式應用“ 中提到的內容。又或者是 ”再談“規則運算式”,這次用人類比較能夠理解的語言來說..“ 就真的是純粹在介紹規則運算式的相關應用。
此外雖說大部分目標設定都是以到達頁面網址為目標,但其實在 Google Analytics 中也可以為事件來設定目標,換句話說就是就算只是事件觸發與否,我們都還是可以為其設定目標。
在今天網站數據模型 Data Model 拼裝, 讓數據更能成為網站經營、行銷策略規劃指南針之後…
透過今天的數據模型 Data Model 拼裝,希望也相信能讓我們能為日後的網站分析路上建立起一個很明確的分析策略、框架。
且隨著 Google Analytics 功能越來越齊備,又甚至是我們分析技巧越來越多元,未來一定可以讓我們持續看見更多真相,並避免將資源投放在不夠正確的地方。
而我們日後也會持續用這數據模型 Data Model 來進行實際操作與研究,像是接下來第一個要進一步確認的,應該就是要看看能否讓我們為某一個網站打造出數據模型後,再將這些 Google Analytics 報表整理在可高度自訂的 “資訊主頁” 中。
但若迫不及待的朋友,就可以先參考 “資訊主頁應用。一鍵讓最重要的網站經營、成效表現盡收眼底” 中的內容並開始嘗試吧。