網站分析的基礎原理 Web Analytic Basic Concept
早前寫過幾篇有關使用Google Analytic做網站分析的文章，承蒙大家支持，幾篇文章都有很好的反應，我亦收到部分支持者的問題，在此真心多謝大家支持。不過，我發現大部分做網站分析的朋友，都沒有掌握到網站分析最基礎的部分，只花心機在「如何解讀Data」及「如何製做出漂亮報表」等工作上。
客戶看到漂亮的報表，卻得不到有用的Insights
對於幫助客戶分析網站的Marketers來說，網站分析最難搞的問題在於要在海量的Raw Data中找出客戶想要的insights，而且insights最好能夠為客戶帶點驚喜。結果Marketers便要在海量的Raw Data中鑽來鑽去，找出不同類型的數據，加上不同的cross analysis，再使用精美的PPT技術來製作不同圖表。花了很多努力製作報表，客戶亦「覺得」報表目不暇給，但實際上客戶不能從報表上得到任何有用的insight。
網站分析的基礎原理
「客戶看到漂亮的報表，卻得不到有用的Insights」是初接觸網站分析的人常犯的錯誤。犯這個錯誤是因為分析者沒有了解到網站分析的全貌。下圖顯示出網站分析的基礎原理，只要清楚理解這個圖表，就能了解到網站分析的全貌，不論你是否使用Google Analytic。
先用幾分鐘看看這個圖表，再繼續閱讀下去。
千萬不要一開始就花心機在Data和Report上
對大部分初接觸網站分析的朋友，一開始只會把精力集中在圖表的下面和右面，即Analytic 和 Reports 這2個部分。正如上述所說，他們花了很多努力分析海量數據和製作漂亮報表，但問題是，那些數據對客戶真正有用？數據又是否被正確收集？如果收集的數據不正確或不完整，又不知道客戶想要什麼，何來一份有建設性的報告？
了解網站的存在目的及客戶的需求
網頁分析的第一步是了解客戶怎樣Define這個網站 (即網站的Objective Key Result – OKR)，並期望網站帶來什麼效果。比如說，一個賣手袋的網站，OKR當然是讓用戶購買手袋，並賣出最多的手袋，帶來最高的營銷。之後便要定出一群組的KPI，讓網站的OKR能夠被量化計算。要定義KPI，便要找出直接和間接影響到網站OKR的動作指標，以賣手袋的網站為例，直接的KPI可能包括「購物車投入率」、「付款訂單次數」等，間接的KPI可能包括「會員註冊數量」、「平均商品瀏覽量」等。
又比如一個清潔服務公司的網站，沒有e-Commerce，OKR可能是「讓用戶了解公司服務範圍和提交查詢報價」；KPI可能包括「服務頁面的瀏覽量」(而不是所有頁面)、「查詢表格的提交數目」等。
OKR和KPI必須在分析前和客戶溝通清楚，雙方都要充份明白OKR和KPI的義意。有了雙方都明白的OKR和KPI，就自然會知道報表應該放些什麼，不用放些什麼。最理想的情況是，客戶一收到報表，不用你解釋，便明白報表的義意。
只有收集到正確的Data，才可作出正確分析
不要以為雙方都充份了解OKR和KPI後，就可以進行圖表下方的分析部分。在分析以前，必須做好正確的settings，才可收集到正確的Data，作出正確分析。Settings包括修改追蹤代碼(GATC)、修改網頁代碼、在來源加入UTM、加入E-Commerce用的代碼及目標追蹤設定。每個Settings都十分複雜，可獨立寫成一篇文章，所以在此不多討論。
舉一例子，要追蹤站內搜尋的關鍵字，就需要找出關鍵字變數名稱，並在追蹤代碼上加上關鍵字變數名稱的相關設定，否則，所有站內搜尋的數據都會白白流失。
將Data分開來看，不要亂作一團
收集到正確的Data還不夠的，因為Data還是很多。我們必須將Data細分化來觀察，以Google Analytic為例，就是設定不同的Views。設定不同的Views的作用是將所有Raw Data分開來看，如把香港區用戶的數據和其他地區用戶的數據分開來儲存和觀看，就會更容易分出香港區用戶和其他地區用戶在瀏覽網站時行為差別在那裡。
以下是一些常見的例子：
分開香港區用戶的數據 – 如果公司在內地和香港均有業務，就可以把香港區的數據獨立出來分析，然後和內地區的數據比較。
分開流量來源為廣告的數據 – 如果你是Agency，就可以把流量來源為廣告的數據獨立出來分析，了解流量來源為廣告的人在網頁裡的行為。
排除部分IP的流量 – 如果業務上的Partners經常進入你的網站，便可以把Partners的IP排除，以便更精準了確真正用戶行為。
分析就是為了改善，沒有改善建議的報告只是一堆廢數字
將Data分開來看，會更容易找出insights。找出insights，再提出改善建議加以改善，是網站分析的根本目的。所以，一份好的報表不是單單擁有精美圖表、獨到的分析就足夠，而是能夠提出改善建議，並能夠讓相關人士執行改善建議。
例如，報表指出了「70%的到達Checkout頁面的使用者會在Checkout到一半時離開」這個事實，好的報表便會提出改善這個事實的建議，如「加快Checkout頁面的下載時間」及「減少Checkout頁面中所需要填寫的資料」等，再指明相關人士執行改善建議，並提出追蹤方法，如「於下3個月的報表中檢查Checkout面頁的離開率有否下降」等，檢討改善建議的成效。
再重申一次，分析就是為了改善，沒有改善建議的報告只是一堆廢數字。
總結 – 3個分析網站時常犯的錯誤
沒有做好分析前設定
這是分析網站時最常犯的錯誤，因為大部分人都會一頭栽進數據中，卻不了解是否已收集到正確的數據。
沒有和客戶了解分析的目標
不了解OKR和KPI，那分析項目根本不會有目標，出來的報表一定沒有焦點，更違論報表能提出有效的改善建議。
不以數據作改善的基礎這點很搞笑，就是在報表上分析一大堆，然後改善建議卻與報表上的分析完全沒有關系。這種靠直覺提出的改善建議是十分普遍的，原則上沒有問題，問題在於既然不是基於數據，那下次又怎樣用數據了解改善建議是否有效呢？
更多有關Frank Frank的Blog： http://frankwong.info