触脉咨询精华文章
  • 【认识触脉咨询】
  • 数据趋势
  • 数据理念
  • 数据方法
  • 数据技术
  • 数据工具

【零基础】也能读懂的线上用户体验要素框架和用户评估

Google Analytics, 数据工具, 数据方法 2月 26,2021

【零基础】也能读懂的线上用户体验要素框架和用户评估

***本文2021年2月26日发布于【触脉咨询】公众号

体验不好总怪用户不懂你的设计,但你真的了解你的用户吗?

如何通过设置以用户为中心的指标来衡量网站关键目标的转化过程,进而推动用户的购买决策,是每个运营者需要思考的重点。

对于网站来说,数据时代有数据时代的评估方法。

用户体验重要吗?

几个最简单的例子:

image.png
image.png
image.png
image.png
(图片来源网络)

用户体验怎么评估?

HEART用户评估框架

Google曾提出一个用户体验评估框架:HEART,分别从愉悦感、参与度、接受度、留存率以及任务完成率五个方面进行了评估:

image.png

以下是五个维度分别对应的评估对象和数据来源,同时我们以一个电商APP为例,了解一下每个维度中适用目标、信号(用户产生哪些行为表示目标达成)以及指标分别有哪些:

1、愉悦感:

  • 评估对象:主观满意度,是否愿意向他人推荐
  • 数据来源:调查问卷
  • 目标:用户认为APP有用、有趣、易于使用
  • 信号:响应调查、留下五星评级、留下用户反馈
  • 指标:被推荐人评分、客户满意度调查、获得5星评价的数量

2、参与感:

  • 评估对象:用户使用产品/网站的使用深度
  • 数据来源:监测工具
  • 目标:用户享受APP并且愿意继续使用
  • 信号:花费更多时间在APP中
  • 指标:平均会话时长、平混会话频率、转化次数(购买产品、填写信息、购买等)

3、接受度:

  • 评估对象:接受行为引导的比例,比如注册和浏览
  • 数据来源:监测工具
  • 目标:新用户可以看到产品或新功能的价值
  • 信号:下载、启动APP、注册账户、使用新功能
  • 指标:下载率、注册率、功能采用率

4、留存率:

  • 评估对象:再次使用产品/网站的比例
  • 数据来源:监测工具
  • 目标:用户不断回到APP并完成关键动作
  • 信号:在APP中保持活跃、续订订阅、重复购买
  • 指标:客户流失率、订阅续订率

5、任务完成率:

  • 评估对象:完成核心任务的时长及顺畅度
  • 数据来源:监测工具+用户测试
  • 目标:用户能快速或轻松的完成他们的目标
  • 信号:快速查找、查看内容、有效的完成动作
  • 指标:搜索退出率、崩溃率

以用户为中心的量化评估

以电商网站为例,分析用户的购物体验是否顺畅,就需要关注每一个触点的数据。

Google Analytics目标流报告(需要设置目标)

目标流报告位于转化报告中。目标流报告是以可视化的方式,展示用户在实现目标转化过程中经过的路径,可以让我们更直观地了解用户是否按照我们的预期进行网站内容的浏览,如果不是,用户是在哪一步出现流失,或者是不是存在一些环回率?

image.png

以上图的Google Analytics(谷歌分析)中的目标流报告为例,可以看到在订单提交前有大量用户存在在订单提交页返回返回购物车的行为,这时候我们可能就要去验证:

  • 是不是优惠券使用出现问题,导致订单页显示的支付价格和用户预期价格不符
  • 用户在订单填写的页面能不能直接修改已加车产品的规格,还是只能返回购物车页
  • 订单填写页中是否内嵌了其它代码导致页面加载速度过慢
  • 订单填写页的收货地址填写、支付方式选择是否顺畅
  • 网站可支持的支付方式是否丰富
  • 细分渠道,是否某个渠道存在低质流量
  • 细分分辨率,确认分辨率是否存在兼容问题,导致用户看不到提交订单的按钮
  • 细分浏览器,有没有可能是某个浏览器和弹窗不兼容

除了目标流报告,我们还可以以“漏斗”的方式查看用户访问路径的关键数据,了解用户流失主要的发生节点,一般流程如下图(图1)所示;

image.png

(图1)

假设我们首先发现了高退出率的节点是详情页,那下一步就可以细分用户定位问题,比如问题集中在哪类产品、退出的都是哪些用户。

如果产品详情页就是着陆页,那是不是产品和广告内容不符,或者引流的用户类型不精准等。

如果问题集中在购物车页,那就要具体分析一下是不是有的商品只是因为单价便宜被用户加车,或者用户加车后在其它平台找到了同类且更便宜的商品,或者运费过高等一些因素。

或者直接在Google Analytics中配置漏斗,查看目标报告下的“漏斗可视化”报告,见(图2)

image.png

(图2)

如(图2)所示,有242个用户在订单确认页进行刷新,这个时候就要去页面实际确认具体的情况。以往我们遇到过用户在提交订单时已完整填写了所有必填项,但仍被提示某个地方未填写,所以用户进行了刷新,但实际上是用户填写的内容未被识别,出现了bug。这也同时影响了用户体验。

在优化购物流程时,我们可以同时进行比如可用性测试之类的辅助手法,它有可能帮我们解决很多“百思不得其解”的问题。比如有些用户进入了订单页后,因为发现不能开增值税专用发票,直接放弃了订单。

如何对线上用户”察言观色“?

对于线下购买来讲,导购/销售可以直接通过用户的表情、动作判断出用户的购买意向,那对于线上的电商网站来说,怎么通过收集到的网站数据判断用户意向呢?

数据时代,线上用户研究和体验评估是用户分析领域必不可少的两个板块,它们的目的都是为了帮助网站初识用户,了解用户,懂得用户,最终将用户的价值持续挖掘出来,实现线下和线上殊途同归。

数据时代有数据的方法,现在就去读懂真正懂你的用户,距离他们的“理想国”更近一步吧!

关注我们,获取更多数据分析方法及新鲜资讯
作者 tm_user
Google Analytics, 数据工具, 未分类 1月 29,2021

实用技巧:如何在Google Analytics中找到流量渠道的“最强辅助”

***本文2021年1月29日发布于【触脉咨询】公众号

在Google Analytics(谷歌分析)中,常被人低估的功能之一就是“辅助转化报告”。

Google Analytics会在用户完成转化后将转化功劳计入该用户接触的最后一个广告系列或搜索等渠道。但是,在此之前的网站引荐、搜索和广告对此次转化做了哪些贡献?

什么是Google Analytics中的辅助转化?

在介绍辅助转化报告前,我们先来认识一下“多渠道漏斗”报告。

“多渠道漏斗”报告可以展示各个营销渠道(即网站流量来源)如何共同发挥作用来实现销售和转化。

利用“多渠道漏斗”报告,您可以了解先前的网站引荐、搜索和展示广告对您的业务有何帮助。

“多渠道漏斗”报告基于转化路径生成。

在默认情况下,转化路径中仅包含最近 30 天内发生的互动,您可以使用每个报告顶部的“回溯期”选择器将此时间段调整为 1-90 天内的任意时间段。转化路径数据包括用户与所有渠道进行的互动。

报告会以渠道在转化中发挥的作用(它们辅助和/或完成销售和转化的频率)来统计其相关的数据。

在最终互动前促成转化的渠道会被记入“辅助转化”,“辅助转化”报告可以帮您了解间接促成购买的所有渠道,显示各个渠道发起、辅助和完成的销售次数和转化次数以及这些转化和销售的价值

举两个简单的栗子:

栗子1:
假设您是一个化妆品品牌,在小红书开屏投放了一则新品广告,有用户在打开小红书的时候看到您投放的广告,并且点击进入您的活动页进行了浏览,但当时并没有购买。

您使用再营销广告定位了这些对活动页进行过浏览但尚未购买的用户,为她们再次投放该新品广告或新品促销广告。几天后,用户点击了其中一个再营销的展示广告再次进入活动页,并且购买了产品。

在这个转化中,展示广告将显示为最终转化渠道。但是,用户最初是通过小红书了解到新品信息,所以在这个转化路径上,小红书是辅助转化渠道。

栗子2:

如下图所示,我们以社交网络 -> 展示广告->自然搜索-> 付费搜索这样一个连续的访问为例:

在以上路径中:

  • 拉用户进站的第一个渠道称为:首次互动渠道
  • 发生转化的渠道称为:最终互动渠道
  • 相对于最终互动渠道的其他渠道,包括首次互动渠道,都称为:辅助转化渠道

Google Analytics中的辅助转化报告怎么看 

辅助转化报告位于“多渠道漏斗”报告下。在Google Analytics中找到“转化报告”,点击“多渠道漏斗”,就可以看到辅助转化报告了。

下面我们以【来源/媒介】维度为例介绍一下这份报告应该怎么解读:

先了解这张报告中的指标:

辅助转化次数:
指相应渠道辅助促成销售和转化的次数。如果某个渠道出现在转化路径中的任意位置,但并非最终互动,则视为对该转化起到辅助作用。
指标数值越大,渠道的辅助作用就越重要。

最终点击或直接互动实现的转化次数:
指出现在转化路径中最后一个位置的次数,该转化的最终互动功劳归于转化之前发生的最终点击或直接流量。
指标数值越大,渠道在促成销售和转化完成方面的作用就越重要。

辅助互动转化次数/最终点击或直接转化次数:比率数值可以理解为渠道整体作用的综合反映。如果数值接近 0,表示渠道完成销售和转化的次数多于辅助促成销售和转化的次数。
如果值接近1,则表示渠道辅助促成销售和转化的次数与完成销售和转化的次数相当。比值越大,就表示渠道辅助促成销售和转化的次数越多。

以【baidu/organic】举例:它为其它的渠道提供转化次数是365次,其它渠道培养用户之后让百度转化的次数是30次,比值为12.17,相对其它渠道表现较好

比值越高,说明这个渠道辅助性越好。虽然它可能不会将用户直接转化,但是可以培养用户欲望,培养用户信任度。所以比值高的渠道,更适合做辅助渠道。

这里强调一下“辅助互动转化次数/最终点击或直接转化次数”的计算方法:

  • “辅助互动转化次数/最终点击或直接转化次数”是用渠道发挥辅助作用的转化次数除以渠道为最终互动的转化次数所得到的比率。
  • 如果某个渠道在一个转化路径中多次辅助完成转化,则在计算转化率时只会算作一次辅助转化。
  • 辅助转化在渠道间不是相互排斥的。
  • 在一个转化路径中发挥辅助作用的两个渠道会分别被计为不同的辅助转化。
  • 因此,单个渠道的总辅助转化数有可能大于所有渠道间的总辅助转化数

怎么把辅助发挥的更好 

有了数据之后,对于这些辅助价值高的渠道,到底应该怎么用呢?怎么让投放在辅助渠道的广告,发挥出辅助的价值?

时间上:辅助渠道是做铺垫。假设要投放的广告活动有明显的起点终点,那么辅助渠道就需要尽早的投放。

需要给用户足够的认知周期。如果有辅助能力很强的渠道,那么可以尝试在广告投放的前一周先投放该渠道。比如社交的预热。

投放主题上:我们在投放过程中,可能不需要所有渠道都投放促销广告,这样可能会出现没有渠道配合,只是对用户进行轰炸的情况。

辅助渠道可以用来和用户培养关系。所以投放的内容不能只按照转化的标准投放,对于辅助渠道的KPI可以是拉用户,可以是提升用户粘性,提升用户回访。让用户在一个固定周期内产生品牌认知,记住品牌。比如品牌的权威性、口碑、品牌故事等等

如何找到“最佳发起者” 

辅助转化报告会展示各个渠道所扮演的角色及其做出的贡献。前面我们已经提到过,渠道在转化路径中可以扮演三种角色:

  • “最终互动”是指转化发生前最后发生的互动。
  • “辅助互动”是指转化路径上任何非最终互动的互动。
  • “首次互动”是指转化路径上的第一次互动,属于辅助互动。

在辅助转化报告中,切换报告标签,我们还可以看到“首次互动分析”报告。

以”首次互动转化次数/最终点击或直接转化次数”指标为例,比值越高的渠道,说明这个渠道可能更适合做发起,更适合拉用户进站,更适合让用户产生后续的影响。所以在后续的投放中,这个渠道可以考虑提早进行投放。


辅助转化报告可以帮助您更好的定义和理解渠道。可以帮助您更清楚的了解促成购买的所有营销渠道。因为您看到的是用户相对完整的转化路径,而不仅仅是看到直接促成转化的渠道。

它还可以帮助您了解、分析每个渠道的效果,辅助制定调整策略或相应地修改预算。

有了这些数据后,您就可以做出更好的数据驱动决策并更有效对预算进行优化。

关注我们,获取更多数据分析方法及新鲜资讯
作者 tm_user
数据方法, 数据理念 1月 22,2021

数据化运营是什么,如何构建数据化运营体系

什么是数据化运营

从通用解释来看,数据化运营是指通过数据化的工具、技术和方法,对运营过程中的各个环节进行科学的分析,为数据使用者提供专业、准确的行业数据解决方案,从而达到优化运营效果和效率、降低运营成本、提高效益的目的。

简而言之,可以说数据化运营是是从数据的角度出发,优化和提升业务的运营效率。是当前企业提高利润率,降低成本的主要方式之一。

一般来讲,数据化运营涵盖了市场战略分析、市场营销分析、网站运营分析、会员运营分析、客户运营分析、商品运营分析、用户体验分析等各个方面。

这些内容组合在一起,既包含了针对宏观C-Level的市场战略类支撑,也有着眼于落地应用的内部各个部门的应用。

一份相对完备的数据化运营解决方案可以完整支撑企业各个运营链条的决策机制,并通过计划预测、动态预警、效果分析、主题性挖掘等多种形式落地。

数据化运营如何落地

上文已经介绍过,数据化运营涵盖了多个分析角度,今天的文章我们会先概括介绍一份相对完整的数据化解决方案一般需要考虑哪些方面。

最理想的状态是企业可以从全局范围考虑,通过打通各个部门的关键数据节点,在解决痛点的基础上将各个环节有效结合起来,这样可以更好地确保各个体系都能有效理解并执行全局性数据工作,最终实现推动企业绩效的提高的目的。

在以往服务客户的过程中,为助力企业更好的实现数据化运营,触脉为客户提供的数据化运营解决方案会包含以下内容,供大家参考:

市场营销分析

市场营销分析面向的对象是市场中心或营销中心。核心是为市场营销和广告媒体的媒体策划、媒体执行、媒体效果评估提供支持。

市场营销分析一般主要提供以下内容:

  1. 建立媒体档案库,建立效果预测模型,辅助营销计划制定;
  2. 虚假流量辨别,并建立虚假流量预警系统;
  3. 每个活动中营销渠道效果评估,并根据活动目标提升目标转化率;
  4. 建立和健全营销渠道的主题性分析,包括生命周期、投放组合、价值贡献、预警判断等模式;
  5. 跟踪精准对手的媒体投放策略、行业新媒体趋势和发展脉络,为企业投放提供参考。

会员运营分析

会员运营分析面向的对象是会员营销、会员关怀等围绕会员的部门。核心是提升会员全生命周期价值并结合企业战略需要,开展基于数据驱动的精准化会员营销。

会员运营分析一般包含以下内容:

  1. 建立会员画像体系,建立完整的客户认知体系;
  2. 建立和健全用户生命周期内涵盖从匿名访客到流失用户的全周期价值研究体系;
  3. 建立完整的会员营销响应预测、计划实施、规则提取、自动执行、效果评估的自动化机制;
  4. 通过基于完整会员的分析,并结合个性化EDM、短信、微信、APP PUSH等方式落地和优化;
  5. 企业用户的调查研究与分析,协同其他会员渠道开展线下访谈、调研等,为获取用户真实反馈提供。

网站运营分析

网站运营分析面向的对象是网站运营或企业前端运营部门。核心是充分利用网站各个资源位和广告位,将流量分发价值最大化,提升目标转化效果。

网站运营分析一般包括以下内容:

  1. 网站资源位效果标杆管理,建立效果预警机制与评估模型;
  2. 网站活动运营、资源运营、页面运营等,并找出最优化投放组合及投放预测效果;
  3. 各资源位置效果监控及恶意点击监测,提升目标转化率;
  4. 完善站内潜在广告和资源位的挖掘机制,为企业变现提供更多思路和参考;
  5. 协同个性化推荐、CMS等相关系统,建立包含展示、引导、转化、复购等完整环节智能工作机制。

客服运营分析

客服运营分析面向的对象是企业内部以客户服务为主的部门,包括呼叫中心、客户服务等。核心是完善与客户的沟通渠道、方法和机制,提升客户服务的满意度。

客服运营分析一般包含以下内容:

  1. 通过整合企业内部各渠道数据形成完整客户认识,并建立基于时间的客户行为事件视图;
  2. 通过对客户诉求的分析,智能化匹配最优目标解决方案、流程或方法;
  3. 协助客服、IT部门打通客户接触通道形成自动化应答、引导机制;
  4. 建立和健全客户的满意度分析模型、口碑传播模型和情感认知模型,预判和识别客户场景化诉求;
  5. 完善客服工作绩效评估体系,将客户满意度与销售或其他目标转化结合,形成满意度价值贡献模型。

商品运营分析

商品运营分析面向的对象是企业内部的采销或商品运营相关部门。核心是通过对销售的预测与分析,提升商品周转,最大化商品销售利润。

商品运营分析一般包含以下内容:

  1. 研究商品流量入口分析,识别商品渠道属性并做流量落地页的商品适配;
  2. 完善商品销售转化漏斗,发现并优化商品销售短板,并通过程序化的方式建立有效应对机制;
  3. 将库存、物流、销售、推广、运营结合起来,实现商品流转认知;
  4. 建立和完善商品分析模型,涵盖销售预测、恶意订单检测、关联销售、动销分析等;
  5. 形成竞品调研和分析体系,为企业内部商品运营提供参考。

用户体验分析

用户体验分析面向的对象是企业内部以用户流程、功能和体验为主的部门,例如UI、UE、网站产品部等。核心是提升用户的好感度、体验度和满意度。

用户体验分析一般包含以下内容:

  1. 分别建立和完善用户体验衡量指标体系以及基于指标体系的数据收集和采集方案和机制;
  2. 建立用户需求感知模型,综合挖掘用户需求,并为网站改版、流程改进提供参考依据;
  3. 建立用户的流失、退出行为分析模型,协同IT、网站运营、商品运营等部门改进用户体验;
  4. 通过A/B和多变量测试等方法,对元素和功能、页面、流程等做测试,辅助于用户体验优化和改进;
  5. 建立用户体验分析矩阵,结合多种模式提取用户体验信息点。

搭建一个完整的数据化运营体系是为了助力企业用数据创造更大的价值。而在企业营销与运营的过程当中,实现精细化营销,则是为了帮助企业对最合适的用户,在最恰当的实际,采取最合适的营销手段,以期产生营销的最大价值。

在后续的文章中,我们也会为大家陆续介绍一些精准营销方案以及个性化推荐方案,感兴趣的小伙伴可以关注我们后期更新的内容。

关注我们,获取更多数据分析方法及新鲜资讯
作者 tm_user
Google Analytics 1月 18,2021

实用篇:Google Analytics 4增强型电商部署

近期Google Aanlytics 4(以下简称为GA4)更新了增强型电商报告,对于有电商站且正在使用GA4的朋友们来说,这组报告尤为重要。

为了便于各位对GA4增强型电商衡量的初步了解,本文将使用GTM提供一些部署GA4电商事件的经验、比较Universal GA和GA4在电商衡量方面的差异,并在文末列举一些常见的问题,希望可以帮到各位小伙伴们。

GTM部署GA4电商事件

整体来说,使用GTM部署GA4电商代码依然延续了以往的模式,即在发生电商行为时,需要页面先推送数据层,然后GTM触发器感知到电商行为,进而触发GTM中的电商代码。为了方便大家有个直观的感受,以下给出两个测试成功的例子。

例1:开始结算

(数据层脚本)

在GTM中,需要配置数据层变量来获取数据层脚本中的信息。begin_checkout事件需要配置3个变量。由于各个变量的配置很类似,所以下文其他的示例事件,不再针对数据层变量配置一一举例了。

image
(数据层变量 – value)
image
(数据层变量 – currency)
image
(数据层变量 – items)
image
(触发器)
image
(代码)

我们在事件参数中添加了“debug_mode=true”,所以可借助“DebugView”报告查看代码触发情况。

image
image
(触发情况)
例2:购买
image
(数据层脚本)
image
image
(GTM配置)

(交易代码正常触发)

与Universal GA对比

对比一:电商行为衡量

关于电商行为,GA4总体上和Universal GA一致,但也有少许差异。比如:

1、Universal GA通过结算流程(需要设置结算步骤)来衡量整个结算过程中的交互行为,GA4中不再提供该衡量方式,但作为补偿,其提供了Universal GA所没有的“add_payment_info”事件、“add_shipping_info”事件;

2、GA4添加了“add_to_wishlist”事件(收藏)和“view_cart”事件(查看购物车)。

3、如果网站是使用analytics.js做监测,那么,电商数据只能与现有hit一起发送,例如 pageview 或 event。也就是说,在analytics.js中,电商互动数据更像是一些hit的“附加内容”,它并不能脱离一个hit,独立上报电商数据给GA。但在GA4中,这个“附加内容”本身就是一个hit(event),各种电商行为拥有了独立上报的能力。

对比二:数据层脚本

传统datalayer和GA4 datalayer有什么区别?下图以“产品详情浏览”datalayer为例,可以看出其差别主要集中在3块:电商操作字段、产品数组、产品级字段。

image.png
(“产品详情浏览”datalayer对比)
image.png
(详细对比)

对比三:GTM配置

Universal GA中,电商数据的上报依赖于一个Hit,在GTM配置中也反映出了这一点。我们需要先配置一个pageview或event标签,并开启增强型电商功能,就可以获取数据层中的电商信息,并完成事件上报。


(Universal GA的GTM配置)

电商行为在GA4中通过event来衡量。电商操作作为event name,各种电商字段作为event parameters。

GA4的GTM配置(以“添加到购物车”为例)

在这里一个相对比较大的差别是:Universal GA会自动读取数据层中的电商信息,换句话说,我们不需要人为地为ecommerce对象中的各个字段配置数据层变量,而目前GA4需要手动配置以获取。

一些常见问题

1. Universal GA的datalayer,GA4可以使用吗?

答:可以的。如果不想为GA4添加datalayer,那么依然可以使用以往版本的datalayer。下文以“产品点击”为例,说明针对Universal的datalayer,GTM该如何配置。

image
(数据层脚本)
image
(变量)
image
(变量)
image
(触发器)
image
(代码)
image

(GA代码和GA4代码均正常执行)
image
(GA4事件参数传值正常)

2. 关于迁移传统GA中的产品级范围自定义维度,有什么最佳实践吗?

答:在GA4中引入了一些新的item-level参数,可以利用这些参数发送产品范围的数据。例如,item_category2、item_category3、item_category4、item_category5。

3. 在GA4电商报告出来之前,发送“purchase”事件时,会出现DebugView报告看不到item信息的情况,目前有做升级吗?

答:有。现在的DebugView报告中已新增了“Items”选项卡,它可用于查看产品信息。

image

4. 在GA4的事件参数中,有时会添加“debug_mode=true”参数来方便调试,如果在代码发版时,忘记将该参数删除,会影响GA4数据采集吗?

答:会的。为了防止测试和开发影响测量值,可以在调试模式下记录的事件将从总体Analytics数据中排除,并且不会包含在每日BigQuery导出报告中。

以上就是GA4增强型电商衡量的相关内容,关于代码部署,各位小伙伴们可以举一反三,争取把GA4电商报告尽快用起来!

作者 tm_user
数据工具, 数据技术, 数据方法, 数据趋势 1月 15,2021

【触脉数据主题文章优选】建议收藏随时看

到目前为止,几乎任何一个企业都要建设自己的网站、APP和一系列内容发布平台,然后开始做营销、做互联网+、做大数据、做人工智能、做机器学习和深度学习,数据分析和数据运营无处不在。

有人认为Excel用的好就是数据分析,有人认为只有数据科学家才懂数据分析,有人认为大数据才叫数据分析,有人认为起码学好统计学才能进入数据分析行业。

数据到底能给企业带来什么?怎么使用数据才能解决问题?

在这个庞大的知识体系和繁杂的日常工作中,希望我们的碎片化内容可以为各位带来一些帮助。

优选文章分类

1、热点文章

优选近两年的15篇热文,详见后文。

2、分类专辑

收录了2017年-2020年触脉公众号的过往文章。考虑到Google Analytics在这几年中的优化、更新以及篇幅的问题,对过往文章做了优选,详见后文。

3、可能更适合新手的内容

对于一些刚刚接触Google Analytics(谷歌分析)这款工具的小伙伴们,触脉在早期发布过多篇有关账户配置、数据获取原理、报告逻辑、代码部署等等一系列的基础内容。

有需要的小伙伴可以前往以下链接:【触脉分享】TrueMetrics内容大盘点——干货超乎你想象

一、热点文章:

点击文章标题即可查看原文

01 《作为营销人,归因模型你还不会用?》

营销归因模型的基础内容。帮您识别出有效渠道,提高用户购买的可能性。

02 《新一代GA4如何满足未来数据分析场景丨数据运营篇》

作为一个运营人,除了每天因为如何达到KPI而烦恼,还要为了如何做营销而发愁,就算自己使尽浑身解数,也花很多时间去分析数据,但结果往往差强人意。为什么总是达不到效果?

03 《这个提高网站转化率的方法,不想让竞对知道》

在你的网站中,哪些元素导致用户放弃下单?哪些内容是用户不喜欢的?分享一种可视化优化网站转化率的方法:热图法。

04 《如何有效排查GA的直接流量?》

在日常对营销活动进行数据分析时,总会发现一些“莫名其妙”的直接流量,怎么排查与分析它们?

05 《如何用RFM模型找到高价值用户?这份实操经验送给你》

对用户不加区分的直接进行营销活动,不仅无法带来理想中的效果,可能还会适得其反,引起用户的厌烦情绪,从而造成用户流失。文章将介绍常用的用户细分模型:RFM模型,并通过具体案例展示如何搭建该模型。

06 《细分:如何找到数据隐藏的价值?》

同样的数据,分布组成不同,所蕴含的信息也大不相同。GA中的细分功能很好的诠释了这一点。

07 《5分钟,2个案例,你应该学会的数据分析技巧》

在GA中,数据越细化、颗粒度越小,你能得到的信息就越多。巧用GA中的细分和高级细分功能,做出的数据分析就更加完善,对业务KPI的达成也更有帮助。

08 《我上了个CRM系统,但却不会用…》

CRM实现的是基于客户细分的一对一营销,所以对企业资源的有效组织和调配是按照客户细分而来的。文中普及了属性的方法、ABC分类法、聚类法三种常见的细分模型(方法)。

09 《5分钟看懂如何利用GA查找用户路径》

网站运营或者分析人员都很关心的用户路径的问题,其实就藏在GA报告中。

10 《案例分享丨GA丢失交易数据?你需要这些技巧》

“Google Analytics统计的订单数为什么与后台订单数不一致?“,文章结合一个订单差异案例,为各位提供详实的排查思路

11 《被热捧的“无埋点”:优?劣?》

“无埋点”从字面理解是“不埋点”,但这种解读显然是错误的,“无埋点”仍然是在埋点,只是不需要开发人员以代码形式一条条手动埋点。所以理解为“无痕埋点”、“全埋点”相对来说合适一些,但这几者之间内在存在很大不同。

12 《作为数据科学入门者,你必须了解的7种回归技术》

线性和逻辑回归通常是人们在数据科学中学习的第一个算法,由于它们的流行,很多分析师甚至认为它们是回归的唯一形式。事实上,有无数种可执行的回归形式。每种形式都有其自身的重要性和最适合应用的特定条件。

13 《Optimize 不只是一个优化工具》

Optimize可以称得上是产品或运营同学日常工作的“福音”,是程序猿日程表上的“空档期”,在做数据报告方面“一目了然”,它能做的其实不只是对于页面的优化。

14 《广告投放转化率低?可能你忽视了最重要的一点》

广告投放的转化率低,你有没有想过是你的着陆页出现了问题?对广告投放投入了大量的人力财力,可你并没有在着陆页清晰的传达出网站(产品)价值主张。

15 《我应不应该留在数据科学领域?》

提到数据科学家,就离不开“高薪”、“21世纪最性感的工作”一类的标签。但每个职业在发展的过程中都会经历迷茫期,是选择在这个领域继续发展,还是应该离开?

二、分类专辑

【Google Analytics怎么用】

Google Analytics 4

新一代GA4如何满足未来数据分析场景丨数据运营篇

10分钟全方位看懂Web+APP功能更新及使用

你有多了解GA新功能?这5个点是分水岭

一文教你从0-1使用路径分析报告丨App+Web干货

直播精华丨5个要点帮你弄懂“App+Web”(内含课件)

9个Google Analytics 4常见问题,应该如何解决?

GA4对分析师、营销者、开发者有什么好处?

用户行为分析

用GA洞察用户在超长着陆页上的细致行为

巧用GA数据赢取网站回头客

微信小程序用户行为监测

你知道GA也有热图吗?

一文看懂如何分析用户路径的价值

5分钟看懂如何利用GA查找用户路径

人人都熟知的AIDA模型,怎么结合GA进行用户分析?

如何找到高价值用户?一文速学6个GA小技巧

如何利用群组分析去剖析用户生命周期

流量分析

如何定义品牌关键字渠道和一般关键字渠道

GA与Ads关联的那些事

广告投放转化率低?可能你忽视了最重要的一点

实操指南:如何正确标记网站的营销活动?

如何有效排查GA的直接流量?

如何用GA分析和优化SEO流量?

转化分析

作为营销人,归因模型你还不会用?

因为这个归因模型,广告转化率提升7%

如何挖掘高价值用户的转化机会?

广告投放转化率低?可能你忽视了最重要的一点

代码指南

一段最简单的基础代码,能告诉我们的事情

如何实现跨站iframe的无Cookie跟踪?

还在等工程师排期?这篇代码自查攻略送给你

如何在Shopify上部署GA代码?

被热捧的“无埋点”:优?劣?

GTM部署GA到底有多灵活?3个应用场景告诉你

解析GTM功能更新!一文教你快速掌握操作技巧

GA解答丨如何解决GTM中的事件跟踪不起作用?

使用小技巧

你可能在GA中看到的都是假报告

文本挖掘:利用GA分析网站非结构化文本数据

GA中正则表达式的日常应用

手拉手带你搭建基于GA的邮件自动预警系统(上)

手拉手带你搭建基于GA的邮件自动预警系统(下)

这7个Google Sheet常见问题,你别再自己摸索了

细分:如何找到数据隐藏的价值?

Google Sheet如何连接GA实现自动更新?

5分钟,2个案例,你应该学会的数据分析技巧

案例分享丨GA丢失交易数据?你需要这些技巧

谷歌与Salesforce的整合,GA会有什么变动?

这11个GA小功能,多希望分析师早点告诉我

同样数据分析,别人1小时,你花3小时

关于自定义报告,别说我没告诉你这些

Google Analytics 中4个有用的计算指标

让GA目标体现网站运营转化

私藏的5个GA报告技巧,PPC营销者必看

GA中的机器学习元素连载(一)机器视角看破每次来访的潜在购买力

GA中的机器学习元素连载(二)调教一枚分析助理陪你用GA

GA中的机器学习元素连载(三)用归因模型让流量渠道之间擦出火花

GA中的机器学习元素连载(四)深藏不露的内置建模-智能列表

热图工具

这个提高网站转化率的方法,不想让竞对知道

【Google Analytics营销圈】

Google Marketing Platform(谷歌营销平台)

Google Marketing Platform (GMP) 工具介绍

一文看懂:谷歌这3款营销工具怎么提高你的效率

BigQuery (谷歌云数据仓库)

Google云数据库BigQuery是什么?怎么“薅羊毛”?

3000字实操干货,教你用BQ+Python做数据可视化报告

初学者必看的2个BQ案例

Data Studio  (可视化工具)

Data Studio计算字段的这种用法,你知道吗?

一文教你Data Studio的进阶玩法

藏了很久的Data Studio技能,今天终于分享出来了

Data Studio计算字段的这种用法,你知道吗?

Optimize (页面测试/优化工具)

下次网站转化率太低时,看看这5个步骤

真正实现千人千面?你需要知道Optimize这个功能

也许我们应该对着陆页给予和营销一样的重视

Optimize 不只是一个优化工具

Campaign Manager 360 (在线广告监测/投放管理工具)

广告监测做不好?8分钟教你入门Campaign Manager

353万播放量,流量却是0,广告主们如何一眼识破“骗局”?

从“种草”到“拔草”,如何监测用户的转化?

Google Ads 关键字/广告投放工具

GA与Ads关联的那些事

一文看懂Google Ads

一文教你选对Google Ads转化跟踪方式

【数据分析专栏】

分析方法

一文解析「啤酒与尿布」背后的算法

数据科学中常用的必备概率知识-Part 1(1/3)

数据科学中常用的必备概率知识-Part 2(2/3)

数据科学中常用的必备概率知识-Part 3(3/3)

产品聚类方法初探(基于Google Analytics中的数据)

作为数据科学入门者,你必须了解的7种回归技术

如何用RFM模型找到高价值用户?这份实操经验送给你

分析技能

我上了个CRM系统,但却不会用

异常分析:数据分析中不可忽视一部分

听说有个技术识别黑产流量,准确度达99.5%?

如何衡量广告活动的商业价值?

18个应该关注的营销指标,你都知道吗?

分析工具

Python小白必看的学习指南:可以速成学习吗?误区有哪些?

一文对比Excel; Tableau; Power BI

【数据观察】

我应不应该留在数据科学领域?

To B这门生意背后,是企业数字化的迷茫?

观察75000个YouTube广告,总结出两大教训

5个观点,看懂数据分析师与企业的关系

如何让你的用户,顺利为购物车内的东西买单?

数字化“颠覆”传统渠道,4个点教你抓住营销机会

营销人必知:一次消费3千、每月消费7百,哪类客户价值更高?

作者 tm_user
Google Optimize, 数据方法 1月 12,2021

如何正确的进行着陆页优化

可能有人认为着陆页的设计是有套路的,当着陆页已经工作了一段时间并且产生了还不错的转化时,我们会觉得在着陆页上已经没有太多优化的可能。但实际情况也许并非如此。

如何建设、测试着陆页效果,验证假设是否正确是我们面临的难题。通过Google Optimize工具,能够很大程度上帮我们解决以上的困扰。

Google Optimize是Google Marketing Platform中一款对网页进行A/B测试、重定向测试、多变量测试以及个性实验化的工具。当营销人员不确定自己该使用哪个页面的时候,我们可以通过这个测试工具,对页面上仅有一个或者多个不同元素的网页进行测试,选取用户体验更好、转化率更高的页面作为最终呈现给用户的页面。

01  重定向测试

重定向测试一般适用于已经完整上线的页面,不需要对页面内容进行修改,要求在变体中包含不同的URL。这其中既可设置重定向到一个页面,也可进行高级设置重定向到多个页面。

使用场景:

我们现在已经有DE和US两个不同样式的站点,目前还尚未对某个国家/地区(如TR)开发独立的站点,TR的用户会引流至US站点。现在,我们想要了解是否DE网站的设计更符合TR国家的人群访问偏好。

操作:

我们需要在受众定位中将国家人群限制在TR,在Original中填写US站点网址,在Variant1中填写重定向后的DE站点网址,即可测试着陆后的效果。

image

02  多变量测试

多变量测试是A/B Test的一种,可以让我们在多个页面上进行变体版本的修改,它具有将不同页面的变体链接在一起的功能。

使用场景:

我们想要测试对于从促销活动广告到达网站的用户,如果着陆页(节日活动页)→产品页→购物车页→结算页中都增加同样的修改内容(如增加“促销折扣20%字样”)后,是否效果会优于原始版本

操作:

创建多页面测试,在page1,page2,page3,page4分别输入着陆页,产品页,购物车页,结算页的网址,接着在每一个变体中增加相同的文案

小提示:

访问者无需按任何特定顺序访问页面即可进行多页实验。当用户访问多页实验中的任何页面后,再访问实验中的任何其他页面时都将保留在该版本中。

03  个性化测试

个性化测试无对比测试,仅修改后的页面,因此可根据需求,拖拽修改页面中的元素来进行修改后页面的测试效果。

使用场景:

比如我们想要为每一个广告系列针对性的设计不同的着陆页版本:设计当utm_content=apple时,在该广告系列的着陆页中含有apple的相应元素,实现广告内容与着陆页相匹配,查看实验的效果。

操作:

我们可以使用查询参数来定位不同的广告系列,从而创建不同的受众群体定位,并且在着陆页的修改中做到与受众群体定位的内容相匹配

图片
图片

04  优化内容参考

在修改内容时,我们可以以目标为导向确认具体的修改方案,比如当着陆页为某产品页时:

图片

目标:增加购物车

解决方案:尝试突出PDP属性,突出CTA号召性用语

目标:增加购买转化或潜在用户转化

解决方案:使认证在联系或付款步骤中更加突出

目标:改善用户体验

解决方案:调整页面长度、布局、图片等方面

当访客终于被某个广告(甚至是多次重复出现的广告)吸引到着陆页面上来,这可能只是“万里长征“的第一步而已。而广告所对应的着陆页面承载着太多的使命,它要在短时间内回答访客很多的问题:

  • 验证自己是否来对了地方——广告信息与着陆页首屏信息是否匹配;
  • 自己是否要消耗太多精力——注册流程顺畅吗?弹窗关闭的按钮是否足够明显?
  • 这里是否能满足我的需求——产品介绍呢?有试用吗?
  • 现在是否能拿到最优惠的信息——有没有优惠券?优惠券是否足够明显?
  • 这里是否足够安全——我填写的个人信息会不会被卖掉?以后会不会有人频繁给我打促销电话?
  • 还有很多……


上面的任意一项,如果访客的感受不太好,那么他/她就会迅速离开,我们自己也一样。

Optimize可以帮助我们针对于不同渠道、受众特性的用户,动态的完成着陆页的设计,不仅减少了我们的工作成本,还有利于我们对着陆页更改效果的评估,从而为营销创造更高的价值。

作者 tm_user
Google BigQuery, 数据工具 1月 11,2021

Google云数据库BigQuery是什么?怎么“薅羊毛”?

BigQuery是什么?

Google BigQuery是Google的云数据仓库解决方案,它是Google Cloud Platform的一部分。它旨在处理“大数据”报告,分析和数据科学。

关联BigQuery后可以启用每日自动导出原始GA数据的功能,满足大家希望获取报告或分析数据时不抽样的需求。

使用SQL查询就可以通过BigQuery完成在Google Analytics界面中无法进行的更深入的统计分析、预测分析等。

BigQuery的特性

  • PB 级数据规模:轻松存储和分析 PB 级乃至 EB 级数据。
  • 无服务器:通过无服务器数据仓储,Google负责在后台完成所有资源预配工作,使用者可以专注于数据和分析,而无需为基础架构的升级、保护或管理问题而分心。
  • 数据治理和安全:BigQuery 通过与Identity and Access Management的集成,提供强大的安全和治理控制措施以及精细的控制功能。默认情况下,数据无论是在静态存储时还是在传输过程中,都会受到加密保护。
  • 商业智能的基础:可利用Google及Google技术合作伙伴提供的工具无缝地集成、转换、分析、直观呈现和报告数据。
  • 灵活提取数据:免费使用Data Transfer Service (DTS) 自动将数百种常用业务 SaaS 应用中的数据转移到BigQuery中,或者利用Cloud Data Fusion、Informatica、Talend等数据集成工具。加载和转换混合云和多云端应用中的任意规模的数据。

更多BigQuery产品特性可参考谷歌官方文档:https://cloud.google.com/bigquery#section-10

目前可关联的Google分析类工具

  • Google Analytics 360
  • Firebase
  • Google Analytics 4(目前免费)

BigQuery价格

免费版GA4目前可以直接和BigQuery集成。在BigQuery中存储数据和查询数据会产生一定的支出,但是成本很低。当前的费用标准为:

  • 活跃存储:每月10GB免费。后续为每月每GB $ 0.02
  • 长期存储:每月10GB免费。后续为每GB每月$ 0.01
  • 查询:每月前1TB免费。后续查询为每TB $5.00

其中活跃存储和长期存储分别是指:

  • 活跃存储:对过去 90 天内修改过的表或分区中存储的数据收取的月度费用。
  • 长期存储:对过去 90 天内未修改过的表或分区中存储的数据收取的较低月度费用。

目前的优惠政策:新客户可获得 $300 赠金,可在 90 天内抵扣在 Google Cloud 上的支出。

如何启用BigQuery

第 1 步:创建 Google API 控制台项目并启用 BigQuery

  1. 登录 Google APIs Console
  2. 创建一个 Google API 控制台项目,或选择一个现有项目。
  3. 转到 API 表格。打开左上角的“导航”菜单,点击“ API和服务”,然后点击“库”。
  4. 激活 BigQuery。在“Google Cloud API”下,点击 “BigQuery API”。在随后出现的页面上,点击启用。
  5. 确认已向Cloud 项目添加服务帐号。确认已将firebase-measurement@system.gserviceaccount.com 添加为项目成员,并授予其项目层级的 Editor 角色。

第 2 步:针对 BigQuery Export 准备您的项目

1、确保项目已启用”结算“。如果项目未启用“结算”,请打开左上角的“导航”菜单,然后点击结算。

2、系统出现提示时,创建一个结算帐号。您需要有结算帐号才能对项目进行结算。按照控制台中的步骤操作以创建结算帐号。

第 3 步:将 BigQuery 关联至 GA4 媒体资源

1、导航至GA4“管理”界面

2、在媒体资源下点击“BigQuery关联”。(要求拥有媒体资源的修改权限)

3、根据系统界面提示,选定需要关联的BQ项目并选择数据存储位置。(要求拥有BQ项目层级的管理权限)

4、配置设置。如果有实时数据查询要求可以选择“流式”,但费用相对“每天“导出会更高。

5、确认信息无误后关联即可。

具体设置步骤可参考谷歌官方文档:https://support.google.com/analytics/answer/9823238?hl=en&ref_topic=9359001

BigQuery Export示例

数据集和数据表

  • 数据集:如下图所示,将GA4关联至BQ后,可在BQ导航栏“资源“处下看到关联的媒体资源,每个媒体资源对应一个数据集,如”analytics_1234567“中,1234567则对应关联的媒体资源ID。
  • 数据表:媒体资源每天更新的数据将以数据表的形式存储在数据集中

数据表的行和列

数据表中的每一行分别对应了Google Analytics收集的每一个事件,事件中的每个列对应该事件中收集的字段。

数据表中的字段说明可参考谷歌官网文档:https://support.google.com/analytics/answer/7029846?hl=zh-Hans&ref_topic=9359001&authuser=0

为什么要用BigQuery

目前,数据科学已经成为企业或者个人转型中相对核心的部分。企业早就脱离了凭直觉或者小规模调查来做决策的时代,通过分析大量的、底层的真实数据,然后借助智能分析做决策才会让数据更有价值。

不管是使用GA360还是GA4,当企业拥有了底层数据之后,我们就可以做更多的尝试:

  • 比如打破Google UI中的维度指标组合按实际业务需求创建高级分析
  • 比如整合线上线下数据,进而获取对一个用户的完整行为的分析
  • 比如根据我们的商业目标利用BQML中的模型对用户进行更精细的分组识别高质量用户,然后再通过相似人群 (lookalike) 的功能在谷歌广告投放平台上触达更多潜在的优质用户,从而提升转化率等等

BigQuery “薅羊毛”用法

费用上:SANDBOX沙盒模式

如果希望免费试用BigQuery,可以使用SANDBOX(沙盒)模式,因为是免费层级,所有会有一定的使用限额,同步到BigQuery的数据最多可以保存60天。

沙盒模式是Google Cloud的免费计划,所以除了BigQuery,沙盒模式的免费层级同样适用于Compute Engine和Cloud Storage等其它Cloud产品。

数据上:Google Cloud Public Datasets

可能有的小伙伴目前还没有创建Google Analytics 4的媒体资源,或者说数据量不够大,又或者说想先练习自己的SQL语句,那么就可以使用BigQuery中的Google Cloud公开数据集。

Google Cloud Public Datasets 是由 Google 托管在 BigQuery的数据集,借助 Google Cloud Public Datasets 可以直接在 BigQuery 中查询数据,并充分利用其极快的速度和超大查询容量和上手熟悉BigQuery界面。同时还使用 Cloud AutoML、Vision AI 和 BigQuery ML (BQML) 等 GCP 机器学习功能,访问可用于机器学习用途的数据集并从中汲取更多信息。

也就是说,Google 负责把数据都存储在云端,这样所有人都可以在自己的云计算项目中访问到这些数据了。使用者仅需要支付用于查询数据的费用(每月前1 TB免费)。有了这些数据,试用超大型数据集就变得很容易。

如果希望了解更多Google Cloud Public Datasets的内容,请参考官方文档:https://cloud.google.com/public-datasets


如果没有合适的硬件和基础架构,存储和查询大量数据集可能非常耗时且成本过高。BigQuery作为一种企业数据仓库,拥有强大的处理能力可以实现快速查询,从而解决上述问题。

如果目前您拥有GA4的媒体资源,希望免费体验BigQuery的强大功能,那么可以尝试使用沙盒模式,虽然有免费限额以及60天的数据存储限制,但是并不会影响体验。

作者 tm_user
数据八卦
12月 18,2020

下一波互联网红利在哪儿?丨数据观察

下一波10亿互联网用户将来自哪里?

多年来,互联网的使用率一直稳定增长,自2010年以来已经增长了一倍以上。尽管如此,全球仍有很大一部分人未使用互联网,并且在某些地区,未联网的人群数量所占比例偏高。

阅读更多
作者 tm_user
Google Analytics, 数据工具, 数据技术, 数据方法
12月 17,2020

新一代GA4如何满足未来数据分析场景丨数据运营篇

阅读更多
作者 tm_user
数据工具, 谷歌动态
12月 14,2020

Data Studio功能更新;Google Search Console API更新丨一周资讯

Data Studio新增功能

DV360数据源现在提供以下字段:

阅读更多
作者 tm_user

1 2 … 20 下一个

近期文章

  • 【零基础】也能读懂的线上用户体验要素框架和用户评估
  • 实用技巧:如何在Google Analytics中找到流量渠道的“最强辅助”
  • 数据化运营是什么,如何构建数据化运营体系
  • 实用篇:Google Analytics 4增强型电商部署
  • 【触脉数据主题文章优选】建议收藏随时看

文章归档

All Rights Reserved by @触脉咨询.