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
為什麼一定要升級到GA4？
作者一開始就強調GA4最大的優勢是能整合跨平台數據分析。過去，網站與APP的數據就像分居的夫妻，彼此生活精彩卻缺乏交流，GA4則像一位神奇的「婚姻顧問」，幫助兩邊數據終於相互連結，以人為核心完整呈現使用者的行為。
GA4的報表分析架構
GA4將報表精巧地設計成「生命週期」的概念，清楚描繪用戶從新訪客到忠誠客戶的完整旅程：
- 客戶開發 (Acquisition)
- 參與 (Engagement)
- 營利 (Monetization)
- 回訪率 (Retention)
流量開發報表：從源頭精準分析訪客
GA4的【流量開發】報表與傳統GA的【來源/媒介】報表類似，但能更深入地評估訪客品質，並透過最終轉換價值來判斷行銷渠道的效率。
第一步，就是看流量的多與少；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。
如何精準辨識訪客？
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，所以升級為三合一模式：「User ID + Google Signal + Device ID」，更能精準追蹤訪客，避免重複計算問題。
互動工作階段取代傳統跳出率
GA4提出全新概念「互動工作階段」，取代以往常用的跳出率。只要訪客滿足以下任一條件，就會被視為有效參與：
- 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
由於互動工作階段的定義較寬鬆，實務上應該搭配其他條件進一步確認，以避免高估有效用戶。這也衍生出GA4另一個重要指標—「參與度」（互動工作階段數 ÷ 總工作階段數），通常被視為取代舊版的「跳出率」。其實兩者想傳達的資訊都在辨別流量效度，只是角度不同：跳出率是從「無效流量」著手，參與度則從「有效流量」切入，最終目的都是強化優質流量、檢討劣質流量，防止資源浪費。
值得注意的是，參與度並不等於1減去跳出率。為了說明其中差異，作者借用統計分析中的「偽陰性」與「偽陽性」概念來做比喻。
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」。
由於跳出的定義相對嚴苛（沒有任何互動就離開），因此雖然信賴度較高，但對非跳出情況的判讀可能就不夠精準（偽陰性偏高）；反觀參與度的判斷條件較為寬鬆，反而可能提高偽陽性的機率。
換句話說，當GA4以「參與度」判斷流量效度時，高參與度不必然等於高品質用戶，仍需要更多條件或區隔來進一步驗證。
「使用者開發」報表：首次訪問的重要性
與「流量開發」報表不同，「使用者開發」報表特別關注「首次訪問」的新用戶軌跡。千萬別被名稱混淆——只要看到「使用者」二字，就能知道這個報表鎖定的重點是在新用戶整體的後續行為分析。
「參與」報表深入解讀
「參與」報表乍看之下普通，但內藏重要指標「用戶黏著度」。日活躍用戶（DAU）與月活躍用戶（MAU）之比若低於10%，用戶對網站的熱情可能已經冷卻，建議趕快挽回用戶的心😢！
GA4的核心概念：萬事皆為事件
事件—就是紀錄訪客互動的資料形式
先前的通用版GA中，是沒有預設事件的，所以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完全改變了此觀點，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，這樣雖然增加了設定彈性，但也意味著可憐了負責操作GA蒐集數據的我們，前期規畫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（等於了以往的努力打掉重練😂）。
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。
當我們想以這些收集到的參數值，進行更深層的分析時，這樣的準備工作仍是不足的，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。
接著，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」。
GA4探索報表：進階數據分析
智慧異常偵測功能
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：逆向思考訪客行為
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。
GA4的分析流程：從數據到精準行動
GA4透過以下三個步驟，協助企業發現商業洞察並制定精準策略：
- 描述分析：總覽數據趨勢
- 交叉分析：比較不同用戶群體，找出有效差異
- 區隔分群：識別關鍵用戶群，制定專屬策略
GA4的電子商務關鍵分析
GA4放棄了舊版的電子商務分析模組，改成讓使用者能自由設定事件和參數。這樣的方式更有彈性，也更容易分析商品的銷售情況和消費者的行為，進一步提升整體的銷售轉換率。
GA4特別將電子商務分析的重點放在產品的「行銷力」與「產品力」。從GA4的報表（Monetization > Ecommerce purchases）中，可以看到兩張主要的分析圖表：
- 左邊的折線圖：顯示瀏覽量前五名產品在不同時間的變化情況。
- 右邊的散佈圖：橫軸(X軸)是「產品頁被瀏覽的次數」，縱軸(Y軸)是「產品被放進購物車的次數」。
透過這兩個圖表，我們可以得到以下三個重要的觀察點：
- 產品層次分析：以個別產品作為分析單位，可以讓我們更清楚知道該從哪裡著手去改善產品。
- 產品頁瀏覽量的意義：這個數字代表行銷策略的成果，包括廣告、促銷和品牌的吸引力。如果產品頁的瀏覽次數太少，很難期待後續的轉換行為。
- 加入購物車的次數：代表產品本身的吸引力，這包括產品頁的設計、文案描述、定價策略，以及讓顧客願意採取行動的因素。
但是，即使產品的「行銷力」和「產品力」都很好，也不一定代表顧客一定會完成購買。還有一些更後期的重要指標，例如「購物車放棄率」，也必須注意。不過這些指標比較容易察覺，而GA4更強調的是容易被忽略的前期問題。如果前期的問題沒有好好處理，很難期待後面的銷售會順利發生。
數據價值的定義
在這本書中，作者提到一個重要觀念：數據真正的價值取決於我們在收集數據時是否增加了有用的資訊，數據是否定義清楚、完整且容易分析。其中最重要的方法之一，就是「加貼特徵標籤」。
以超商為例，店員在幫我們結帳時，除了掃描商品，還可能會按下按鍵，記錄顧客的性別或年齡層。這種行為就是一種「特徵標籤」。同樣的道理，我們在電商平台上購物時，也可以將產品資訊、價格、數量等一併記錄下來，甚至增加更多可能有用的資訊。這樣一來，未來在分析時就有豐富的資料，能做出更好的商業決策。
數據價值的特點有兩個：
- 難以回頭補救：一旦錯過就很難再回頭補資料。
- 價值在累積：越早開始收集，資料越豐富，越晚開始則越少。
所以最好的開始時間只有一個，就是「現在」。
GA4的智慧分析功能Insights
最後要介紹的是GA4特別強調的智慧分析功能「Insights」。這個功能使用Google的人工智慧技術，能幫助我們找到那些肉眼不容易察覺的重要資訊。
要有效使用這個功能，必須提早讓GA4收集足夠的數據。資料越豐富，Insights功能就越強大。所以再次提醒，越早開始使用GA4，就能越早享受到這項強大的功能。
（⚠️注意：Google已經宣布，從2023年7月1日起，舊版的通用Analytics將停止更新資料。）
未來的行銷戰場上，人海戰術已經不再有效。決勝的關鍵不再是投入多少人力或資源💰，而是能否透過深入的數據分析與精準的行動策略，迅速洞察市場動態，準確掌握消費者需求，進而將這些洞察有效轉化為具體成果✨。
因此，GA4不僅僅是一種選擇，更是企業在數位時代必備的行銷利器🛠️。掌握GA4，就能掌握未來競爭的主動權，領先一步布局市場，創造更大的商業價值與競爭優勢。
