檢舉內容
學習筆記 | GA到GA4: 掌握網站數據分析新工具的技術原理與商業思維

人氣格鬥士

我吃故窩宅

發佈於大數位小雜談

2022/07/20閱讀時間約 15 分鐘

GA到GA4: 掌握網站數據分析新工具的技術原理與商業思維

書籍資訊

書名：GA到GA4: 掌握網站數據分析新工具的技術原理與商業思維
作者：張秉祖
出版社：深智數位
出版日期：2021/09/16

為何要導入GA4？

首先，作者一開始介紹了GA4在應用面上的最大特點，就是可進行跨平台運作，只要我們使用了GA4，就能夠同時收集、分析來自網站和行動應用程式（APP）的訪客資訊，徹底顛覆了過去使用不同工具，導致資訊有缺口的不便，也正因為如此，GA4的優勢就是具備了追蹤同一位訪客進行跨平台的足跡整合，執行以「人」為核心的行為分析全貌。

GA4的報表分析架構

GA4將左邊sidebar以「生命週期Life cycle」的概念進行劃分，整個核心框架，主要依循交易購買漏斗所經過的各階段所建立的。

客戶開發 Acquisition
參與 Engagement
營利 Monetization
回訪率 Retention

「流量開發」報表深入解讀

以內容來看，【流量開發】報表和原本通用版的【來源/媒介】報表有些雷同，差別在於其中的指標取捨與定義，透過三大層次來進行分類：首先，就是流量的多與少；其次，看流量的品質（好/壞）；最後，挖掘出流量對企業帶來的實際目標轉換與營收貢獻。

辨識訪客的方法

長久以來，GA都是使用第一方Cookie（CID）來辨識訪客，這就稱為「揮發性的匿名歸戶」。CID在GA4中的說明文件，屬於裝置ID（Device ID）。如果針對APP，GA4則會存取裝置的廣告ID，Android稱作（AAID），iOS稱作（IDFA）。

「揮發性」代表這一支cookie並非穩定長駐，用戶端可以封鎖，也可以隨時清除它；「匿名」則是隨機給予的亂數值，其中並沒有附帶任何與訪客真實身分的相關訊息。

到了GA4中，因為跨平台歸戶的重要性，對於辨識訪客的要求就更高了，所以整合了User ID、Google Signal、Device ID三個層次技術的訪客辨識機制，讓訪客的歸戶，更為精準有效。

互動工作階段

GA4對於「互動工作階段」這個新名詞，給予了全新的技術定義：

瀏覽停留時間合計超過10秒（無論瀏覽一頁或多頁）
瀏覽超過一頁
觸動轉換事件

以上只要滿足三者中的一項，這次到訪就被計為「互動工作階段」。

而這又會延伸到另一個GA4的獨特指標「參與度」（互動工作階段數 / 總工作階段數），此指標會說算是用來取代以前通用版的「跳出率」，為何說算是？其實參與度想說的故事和跳出率完全一樣，也是要辨識出流量的效度，只是方向從「無效流量」變成反向的「有效流量」觀察，目的都是透過指標判別，可進而強化優質流量，檢討劣質流量，以避免資源浪費。

值得注意的是，雖然兩者的觀察目的是一致的，可是卻不能說互為補數，「參與度」不等於1減去「跳出率」。為了解釋這差異，作者使用一個統計分析的術語做解釋。

2020年起，由於新冠疫情肆虐，快篩或普篩都會提到偽陰（False Negative）、偽陽（False Positive），其中的陰與陽、正或負的標籤，其實沒有好與壞之分，而是以分析關注項為「陽」，反之則為「陰」。所以，當我們用「跳出」來做解釋流量效度時，關注項就是「跳出」，「跳出」就被解釋為「陽」，「非跳出」為「陰」；若把觀點放在「參與」這個面相時，就變成「參與」為「陽」，「非參與」為「陰」。

因此，由於「跳出」的定義為「沒有任何互動就離開」，用來評斷無效流量的標準（臨界值，或稱「閾值」）算是蠻嚴苛的，所以解釋成信賴度高，同樣的考量點，判斷為非跳出的流量，是不是真的為「有效流量」，就沒有太大把握，用數據語言來說就是「偽陰性」偏高；相反的，「參與」的三個條件用來判斷參與的標準，就顯得過於寬鬆，所以反而是「偽陽性」偏高。

總的來說，GA4以使用「參與度」來分辨流量是否有效的時候，對於高參與度的工作階段，不能就等同視為有效流量，需要透過其他的條件與區隔，加以驗證才可以。

「使用者開發」報表深入解讀

「使用者開發」報表的指標欄，與「流量開發」報表大致相同，比較容易混淆的則是「使用者開發」報表在來源、媒介、廣告活動...等維度上，於前綴詞加上了「使用者」，而非「工作階段」。以GA4的官方文件來看，「使用者來源」的定義是「Source by which the user was first acquired」，明確一點的闡述，此份報表只包含了「在報表時段範圍內，初次造訪的訪客」的所有行為紀錄，也就是說如果有一位訪客，在報表時段內初次來訪，則他在報表時段內所有的行為，都會被納入，其他「使用者媒介」、「使用者廣告活動」，也是同樣的概念。

「參與」報表深入解讀

「參與」報表的主體，看起來平淡無奇，但是在Overview中，卻隱含了一個彩蛋功能「User stickiness」（使用者黏著度），黏著度分析主要是以短週期活躍使用者除以長期週期活躍度使用者，黏著度的好與壞沒有絕對的標準，但一般APP會以DAU/MAU=10%當作一個警示界線，如果黏著度低於此值，或是持續往下降，就有很大的可能是用戶對於產品已經慢慢失去熱情了😢！

GA4「事件」的重要性

事件—就是紀錄訪客互動的資料形式

在以前的通用版GA中，是沒有預設事件的，必須透過額外的安裝代碼，才能追蹤到瀏覽頁面之外的動作。但GA4完全改變了這觀點，它回到了最底層的技術邏輯，將整個訪客的互動行為，包含「網頁瀏覽」，都當作「事件」來處理，好處是邏輯統一且充滿彈性，但壞處就是可憐了負責操作GA蒐集數據的我們，自主執行的各種設定大幅增加，墊高了進入障礙，學習曲線明顯的被拉長（快等於了以前打掉重練😂）。

關於轉換事件

GA4已將大家習慣的「目標」功能移除，取而代之的是，全面開放用戶的選擇自由，針對所有事件，可以自行決定是否為【轉換事件Conversion】，我認為其實也只是換個方式，把「轉換」定義為「目標設定」。

而在開始設定「轉換」之前，有幾件事情需特別注意：

唯一強制設為轉換的是建議事件中的purchase，無法變更。
在報表中出現的指標欄「總收益」，只加總了purchase事件中，記錄交易金額的value參數值。
在通用版GA中，事件的「互動」與「目標」，是兩個不同層級的概念，設定也是獨立的，前者會影響「跳出率」，後者則是影響「轉換」，但是GA4只使用轉換一種設定，既會影響「目標達成」，也會影響「參與度」，所以在設定事件時，考量的範圍就要更廣。

GA4的數據流程—凡事皆事件

本書一再強調事件對於GA4的重要性，在GA4的世界裡，一切的訪客互動，都是先以「事件」收錄到數據模型中，而「事件」的結構設計是透過「名稱/參數」的組合，所以一個事件名稱可以附掛多個參數，這些數據可讓使用者當成後續應用的「原料」特徵標籤。

可是當我們想要以這些收集到的參數值，進行更深層的分析時，這樣的準備工作是仍不夠的，而為了要在報表中進行維度與指標上的變數搭配，還需要開啟「自訂維度」與「自訂指標」的功能，基本上，所有文字型的參數，都可以用來自訂維度；而數值型的參數，則可以用來自訂指標，有了這些設定，才能夠以變數欄位的形式出現在報表中。

以我們「樂屋網」為例，為了記錄網站上使用者的重要點擊行為，就設定了一個代碼事件【Button_click】，並將幾個我們所需的參數值附掛在事件的後面。

下一步，在GA4資源的報表區左側功能選單選擇Configure->Custom definition，然後點選右上方Create custom dimensions的功能按鍵，開啟新增自訂維度畫面，輸入完成後儲存即可，接下來重複進行同樣的設定，就能建立所有需要的自訂維度。

GA4目前開放兩種範圍的自訂維度，除了前述「事件層級」的自訂維度外，還有「使用者層級」的自訂維度，它的內容對應是附掛在人身上，而不是事件行為上，例如，最常見的記錄使用者ID（User ID），就是一個典型的「使用者屬性」。

一樣以「樂屋網」做個簡單的示例，我們用GA4設定的基本Tracking code來進行，將User ID變數納入「使用者屬性」中。

GA4的探索自訂報表

異常偵測功能

在任意型式的報表視覺化呈現中，Line chart有一項少見的以機器學習建構的「異常偵測」功能，在標籤設定欄下，只要開啟Anomaly Detection功能開關，就可以根據趨勢，選擇用來訓練機器學習的數據日期範圍，調整想要的敏感度，系統就會自動在右邊Line chart上，以圓圈標註出異常資料點，如下圖所示：

路徑探索Path Exploration與通用版GA流程圖的不同

新版GA4的路徑探索報表新增了動態檢視與回溯的功能，以及可從「起點」與「終點」進行雙向的開展，算是完全顛覆了我們之前使用通用版GA的習慣，其中「路徑探索」的基本結構，就是把訪客的足跡，以「步驟」與「節點」兩維展開。

橫向為步驟，可以選擇「網頁」與「事件」，縱向則可以看到從「網頁」與「事件」細分出來的各個資料點，稱之為「節點」，目前此報表的缺點是數值僅可選擇「活躍使用者」、「事件計數」、「總人數」，尚無法新增其它指標。

若選擇Start over重新開始，以「終點」做為路徑探索的第一步，這樣的思考脈絡就雷同於通用版中的目標回溯，先設定目標行為，再往回一步一步推算展開，反向探索用戶達成目標的足跡行為。

使用者多層檢視User Explorer

另外特別介紹「使用者多層檢視」報表，直接從範本中開啟「User Explorer」報表，其中的主要維度鎖死為App-instance ID以及Stream name，也就是所謂的「裝置ID」與「資料串流」，目前是不能自行變換的。

由於裝置ID是匿名資訊，並以用戶為單位，資料數量通常很大，沒有使用數據方法預處理，是看不太出來甚麼東西，所以我們就會透過計算基本統計數據，進行所謂的「描述分析」。接著，若還要想更深入了解某一位用戶的行為，只要點擊選定的ID，就會展開「User activity」畫面視窗，顯示這一個用戶的個人詳細記錄。

如果我們在這一位用戶的行為紀錄中，找到了某些重要的行為特徵，GA4還附贈一個殺手功能，就是把這些行為動作勾選起來，然後建立「區隔」，就可以直接將這些互動當作條件，完成區隔設定。

回顧分析流程

回顧整個GA的報表結構脈絡，隱含了分析的重點與目的，就是希望能夠和可執行的商業策略進行連結，首先，我們透過描述性分析，找出基本的分類構想，然後再透過多維度的交叉分析，挖掘出更多的蛛絲馬跡，最後，再針對每個相同或相異的特徵樣本，以區隔打包分組，並據以規劃出針對性的商業對策。

以上整個流程，都是透過GA4的強大數據分析功能，具體挑出有意義的訪客足跡，然後進行區隔分群，後續無論是輔助進階分析、或是規劃再行銷、推薦等精準Martech行銷作為，可以達到事半功倍。

GA4的電子商務關鍵分析

在電子商務分析上，GA4跟通用版GA有個很大的不同，就是已經取消了「增強型電子商務功能」模組，取代的是只要依官方建議的事件規範設定原則，替交易階段的訪客互動，設定事件與參數，就可以架構出追蹤電子商務的環境。

GA4還特別地另外將電子商務的重點放在商品「行銷力」與「產品力」上，由報表呈現就可以看出端倪，在「Monetization->Ecommerce purchases」上方的兩張分析圖中，左方折線圖，顯示前五大產品頁瀏覽量的時序變化；右方散佈圖的X軸與Y軸數值，則分別以「個別產品頁瀏覽量」和「個別產品放進購物車次數」兩個指標所構成，這樣的方式共可歸納出三個重點：

以個別產品的粒度（Granularity）來做呈現，可以幫助我們執行產品優化方案時，具有更強大的著力點。
產品詳細資料的瀏覽次數，檢驗著我們所執行的全面性行銷活動（品牌定位、促銷活動、網站導流...等）是否有效，因為假若個別產品的產品頁被看到的次數偏低，自然很難期待後續會有轉換行為產生，所以「個別產品頁瀏覽量」，也能被解讀為評估個別產品的行銷力綜合指標。
而產品頁被瀏覽後，有沒有被「放進購物車」就是下一個挑戰，而這一個動作行為可以解釋不論頁面體驗設計、文案、產品介紹、定價策略、call to action...等都會影響到，所以「個別產品放進購物車次數」就能解讀為評估個別產品的產品力綜合指標。

即使以上介紹的個別產品「行銷力」與「產品力」都順利優化後，並不代表後續的目標轉換就會完成，後續還會有一些關鍵指標需要留意與觀測，例如「購物車放棄率」，只是這些都屬於後期指標，我們容易發現到，而GA4特別把前期的關鍵因子凸顯出來，就是因為前期的關鍵問題，顯性不足反而會忽略，如果一開始都沒有順利解決，就很難期待後期會有轉換效果產生了！

定義數據的價值

在此段文章中，作者有提到一個重要的觀念，數據的價值是奠基在我們進行搜集工作時，去附加了多少有意義的資訊相關，以及數據的結構是否嚴謹、定義清楚，與缺漏值多不多等面向，其中一個重要的加值效果，就是「加貼特徵標籤」。

以超商來舉例說明，假如我們到超商買東西結帳時，店員通常在掃描完商品後，會在結帳前，另外按下一個鍵，來記錄客戶的客層，比如說「性別」與「年齡層」選項，由店員以目視判斷後，記錄下來。

所以依樣畫葫蘆的，我們在電商平台購買商品時，只要購買結帳就觸發事件，與此同時，我們把購買品項、類別、數量、金額...等數據資訊，一併記錄下來，就是一種「加貼特徵標籤」，除此之外，我們還可以預想可能有價值的其它資訊，一併打包，以參數的方式附掛到「結帳」事件行為的後面，這時未來有任何商業策略的考量，因為有準備了這些廣大「食材」，才能炒出一道道的「好菜」。

數據加值的作業本身，有兩個明顯特徵，第一是難以回溯；第二則是數據的價值在於積累，所以早做早有，晚做晚有，沒做就沒有，因此，導入的最佳時機點是何時，答案和真相只有一個，別想了，就是「今天」😄😄😄。

GA4的深入分析Insights

最後面，就來介紹一下GA非常引以為傲的機器學習輔助決策系統「Insights」，開啟與設定的方式可以參考官方介紹，這邊就不再贅述。

GA4的「Insights」功能，是希望藉由Google龐大的運算資源，以人工智慧的模式，看到許多我們以前單憑肉眼很難看出來之處，可先決條件仍是，即早使用GA4，讓系統去蒐集足夠多的歷史數據，才能發揮機器學習的最大功用，

所以不厭煩的一再提醒，早用GA4早享受（Google官方已公布2023年7月1日標準通用 Analytics 分析資源將停止處理新的命中資料），因為在未來的戰場上，打人海戰已經不是聰明的方式，怎麼透過外部工具的配合，發揮1+1大於10的加乘效果，才有可能是最為關鍵的致勝因素。

贊助支持創作者，成為他繼續創作的動力吧！

喜歡對稱，也喜歡大膽留白，喜歡狗，也喜歡貓，喜歡朝更好的自己邁進--目前在互聯網時代，從事行銷X數據X運營的工作，現在的我，還喜歡窩在家，用簡單的事物填滿每一天。

在瞬息萬變的數位宇宙中，不堅持永遠的Yes或No，自許以流量成長的阿甘精神，碰撞激盪出各種有趣的科技行銷手法，涵蓋產品數據、社群互動、廣告技術、內容創造、會員經營...等面向，一點一滴的帶大家進入產品Martech的領域中。

留言0

查看全部

發表第一個留言支持創作者！

大數位小雜談中 GA4實務的其他內容

情境實戰演練 | EP4：你的產品沒有不好，只是因為用戶根本沒有Onboarding

閱讀時間約 11 分鐘

情境實戰演練 | EP3：建立團隊共識的橋樑-產品目標

閱讀時間約 6 分鐘

情境實戰演練 | EP2：打造你的產品策略