網站分析
Web Analytics
什麼是網站分析?
- 分析訪客的流量來源、行為與轉換
- 以數據改善,而非憑「感覺」
- 代表性工具是 GA4
網站分析一旦扎根,最先改變的是會議室裡的語言。'這次的著陸頁感覺有點可惜'這句話,會變成'進站 1,240 筆中,有 62% 在捲動至 25% 的位置離開'。討論的對象從喜好轉向指標,正是網站分析的實質效益。預算分配也一樣,取代聲量大的人的主張,各管道的諮詢貢獻數據成為依據。不過,數據不會自動給出答案。依你帶著什麼問題開啟儀表板,同一個畫面可能只是一份報告,也可能變成改善方案。
B2B 的網站分析,在設計上就與 B2C 不同。採購評估通常要花 3 個月到 1 年,每月轉換即使多也只有數十件,若直接比較各頁面的轉換率,樣本數不足,大多只會得出沒有意義的數字。因此會先設定型錄下載、規格書瀏覽、報價表單開始填寫等微轉換作為中間指標,以確保足夠的資料量。這也是 GA4 以事件而非工作階段為設計單位的原因。另一件不可遺漏的,是 UTM 規則表與表單隱藏欄位。必須把流量來源值帶進潛在客戶資料,再傳給 CRM,才能回答「哪個管道最終走到成交」。
也必須先釐清網站分析能回答的範圍。記錄檔資料只能告訴你「發生了什麼、發生了幾次」,'為什麼離開'則屬於熱點圖、工作階段重播與顧客訪談的範疇。找出流失嚴重的頁面,與把那個頁面改好,是兩回事。再加上個資法規的影響,Cookie 同意橫幅之後會出現資料遺漏,也有越來越多公司改用伺服器端代碼管理。比起換工具,先寫一份衡量計畫書效果要大得多。
現場最常見的偏差,是停留在 '給報告用的儀表板'。每月把訪客數的圖表截圖放上會議,但與上個月相比到底改了什麼,沒有人答得出來。把流量成長當成 KPI 來追,就會一再出現瀏覽量上升、諮詢量卻原地不動的狀況。破壞數據信任的基本錯誤也很多。沒有過濾內部 IP 與機器人,加班的員工會被算成訪客;UTM 標記寫成 'naver·Naver·naver_ad' 而分散,導致管道彙總整個偏掉。把轉換事件同時綁在頁面瀏覽與按鈕點擊上,還會讓數字變成實際的兩倍。數字一旦算錯一次,業務團隊從那之後就不再看數據了。
這個領域隨著網路普及而發展,隨著 Google Analytics 等工具的普及,已成為行銷的必備能力。
我們以假設案例來看。A 公司是一家生產工業用計測儀器的企業(員工 120 人,年營收約 KRW 40,000,000,000 (≈ US$29,938,800)),官網每月造訪 9,000 次,報價詢問卻只有每月 12 筆。業務總管認為「官網來的都是學生或雜件」,對潛在客戶置之不理;行銷團隊則答不出哪個管道真正帶來諮詢。他們花了 6 個月,從頭重新部署 GA4 追蹤。
- 行銷團隊的金課長打開帳戶一看,內部 IP 與合作廠商的連線都被照單計入,轉換事件則被設成「所有頁面瀏覽」。排除機器人與公司內部網段後,每月造訪數從 9,000 次降到 6,400 次。
- 我們製作了一張 UTM 規則表,統一 source、medium、campaign 的標記方式。將同一套規則套用於 Naver 搜尋廣告、電子報與展會橫幅 QR code 之後,原本分散的 Naver 流量三大塊就合併為一。
- 把轉換拆成下載產品目錄 PDF、查看規格比較表、開始填寫報價表單、提交報價表單 4 個階段。開始填寫表單的 88 筆中,只有 12 筆提交,原因就出在公司名稱、部門、預算等 11 個欄位。
- 與前端工程師合作,將欄位縮減為 5 個,並將報價表單移到產品詳情頁下方。在表單隱藏欄位中帶入 UTM 並一起儲存到 CRM 後,業務總監說:'這筆潛在客戶從哪裡來,現在看得到了'。
- 6 個月後,每月報價詢問從 12 筆增加到 31 筆,表單完成率從 13.6% 提升到 34%。確認展覽會 QR 碼流量的諮詢轉換率是搜尋廣告的 3 倍,因此將部分廣告預算移到展後追蹤行銷活動。
金鍾赫
盧俊瑛