谷歌搜索引擎优化初学者指南(把玩增强型电子商务报告并不是每一个网站分析师都能增强型)

　　谷歌搜索引擎优化初学者指南(把玩增强型电子商务报告并不是每一个网站分析师都能增强型)

　　1.使用增强型电子商务报告

　　很遗憾，并非每个网站分析师都能充分利用增强型电子商务跟踪和分析报告()。增强型电子商务跟踪和分析报告是对电子商务分析的彻底重新思考。直接来自内部的报告和指标非常棒！转到商店模拟账户的报告部分，点击左侧导航中的转换按钮，您将看到电子商务及其概览，并立即看到酷炫的数据进行跟踪和分析。

　　使用一些智能标签，您可以跟踪内部促销、交易和优惠券代码、会员销售等。这些数字总结得很漂亮！

　　接下来，查看报告中的一些新内容，以帮助您更好地运行您的手机或 PC网站。在购物分析部分，点击购物行为，可以看到用户的整个购买行为轨迹。

　　这份报告很棒！

　　大多数时候，当我们进行漏斗分析时，我们从购物车阶段开始（上面的第三个蓝色列）。我们很少将原因归咎于流量渠道，也很少归咎于网站设计或营销策略。前者的主要衡量标准是访问次数、访问者或点击次数（更糟），后者的衡量主要基于浏览量。

　　第一个到第二个柱形图显示了从 网站 主页到产品页面（即带有销售项目和购物车按钮的页面）的访问者百分比，仅为 26%。当你看到这些数据时，你就知道我想说什么了。如果 74% 的访问者根本没有到达产品页面，这对企业来说是多么大的损失！

　　从第二个酒吧到第三个酒吧更令人心碎，但它已经完成了。在浏览产品页面的用户中，有多少人将产品加入了购物车？只有17%！但是用户除了在 网站 上买东西之外什么都不做吗？

　　知道我要说什么吗？是时候检查一下您的收购、网站设计和销售团队了。

　　还是不知道是什么原因造成的？然后，您需要增强型电子商务报告。

　　还有最后两个柱形图，我不想多说了，你们中的大多数人可能是做漏斗分析的。

　　既然如此，就练习一下分割功能。点击报告顶部的“添加细分”按钮，然后选择您感兴趣的任何 Google 功能。

　　您可以选择通过过滤特定维度来分析该流量获取方法的性能（请记住，您无法在仍在 GA 帐户中的旧电子商务报告中细分渠道数据）。

　　这个数据看起来稍微好一些。但是现在钱都花在了 SEO 和 PPC 上，事情应该比现在好。如果这是您的数据，请首先检查您的 PPC 着陆页和排名靠前的 SEO 着陆页的跳出率，并分析从着陆页到下一页的用户行为。

　　坦率地说，我可以花几个小时通过细分地理、媒体、新用户和忠实用户、各种流量渠道、产品页面类型等维度来研究这份报告。这些类型的因素会迅速影响我的电子商务交易的价值。

　　现在我们已经完成了，您可以玩耍并学习使用新的漏斗报告来分析结帐行为。

　　现在我们已经完成了，您可以玩耍并学习使用新的漏斗报告来分析结帐行为。

　　这更简单，也更容易理解。

　　您还可以对此报告进行细分。当您在商店中有模拟账户时，您可以尝试此功能。

　　休息一下。两天后再回来查看新产品和产品列表页面上的性能报告。对于有经验的分析师来说，后者作为数据集的视图特别有用。以商店数据为例，第一个报表有 500 行数据，而第二个报表只有 45 行。非常好。

　　在产品性能报告中，我想重点分析三个维度。

　　在这组数据中，产品退款金额为0，但从公司的角度来看，现在正是追踪之前有问题的退款数据的好时机。通过追踪，你会发现很多以前没有注意到的东西。的东西。

　　我喜欢商品详情页到购物车的转化率（Cart-To-Detail Rate，即通过查看商品详情加入购物车的用户比例）和商品详情页到购物车的转化率购买（Buy-to-Detail Rate，即通过查看产品详情页面进行购买的唯一用户的比例）。还记得我是如何被 网站 糟糕的营销所激怒的吗？在带有标志的两列中最差的列上使用排序功能帮助我找到了问题并从中学习。很酷，试试看。

　　随着我的介绍，您会在增强型电子商务报告中发现更多有趣的内容，但请允许我停在这里，让您有机会自己探索这些内容，现在我可以说您也可以访问它们数据权限。

　　奖励：如果您是新手，我知道您期待学习很多关于目标的知识（我称它们为微观结果），所以去探索那个部分。查看概览、目标 URL 和智能目标，而忽略显着无用的反向目标路径报告（我不知道为什么 GA 这么多年后仍然有这个无用的报告功能）和漏斗可视化报告（在所有目标设置中几乎没用）。

　　2. 了解目标归因模型的本质是众所周知的，我非常讨厌使用最终点击报告或最终点击分析（其中转化功劳归于用户点击的最后一个流量条目）最后一个用户）。如果您使用此报告，您的公司可能会做出错误的决定。毫无疑问。然而，在 2013 年，很多人都没有完整的账户来为他们的公司建立归因模型和做数据分析。不过，现在可以了。我是进化的忠实信徒（因此我也相信市场和分析的敏感性也在进化）。现在，让我们看一下辅助转化报告（路径：转化 > 多渠道路径）……

　　为了让你公司的员工理解归因的东西，你首先要求你的同事使用的维度应该是辅助转换，也就是最后一列。

　　这是官方的定义：接近 0 的值意味着这个漏斗主要负责最终的转化交互。如果该值接近 1，则表示一个渠道在辅助和最终转换方*敏*感*词*有相同的作用。价值比 1 越大，来自该渠道的辅助转化越多。

　　现在向后滚动一点，仔细查看表格，并考虑以下问题：如果自然搜索的值是 0.46，您会使用什么策略？如果您的展示广告的价值为 1.58，主要用于品牌宣传，并且位于渠道顶部，该怎么办？

　　根据这些数据，需要改变的不仅仅是营销预算组合的重新分配，这无济于事，而是更迫切地改变公司员工的思维方式。这是一条很长的路要走，很大程度上是因为它可以迅速转变为员工预算、自我否定或奖金的变化。但是，如果您可以从这组数据中获得洞察力，那么数百次转化将是不请自来的。建议学习如何使用这个维度来推动两个变化：营销预算和人类思维。

　　从报告中吸取了另外两个教训。

　　在表格的顶部，您会看到一个名为 Primary Dimension 的文本。在该行上，单击频道/媒体。经过这么简单的操作，你会很快洞察下一层的内容，也会发现一些惊喜。

　　其次，看一下报告顶部的图表。在右上角，您会看到三个按钮，然后单击名为“转换天数”的按钮。

　　我非常喜欢这份报告，因为它可以帮助我更好地理解购买行为归因的问题。此报告是您唯一可以查看辅助转化购买天数分布的地方。

　　看到辅助转化报告后，如果您改变了员工的想法，那么您可以开始学习另一个非常引人注目的“归因模型”报告。

　　报告路径为：转化 > 归因 > 模型比较工具

　　您将在最终交互附近看到一个名为选择模型的文本。单击下拉菜单，忽略所有其他模型，因为它们都有价值缺陷，然后仅单击一个具有足够价值的模型“时间衰减”，您应该会看到如下图所示的内容。

　　肯定有很多读者想知道为什么我不喜欢第一次交互（顺便说一句，这可能是列表中最差的指标）或线性（这可能是列表中最没用的指标）。 .. 别担心，去看看这个 文章 我写过：多渠道归因模型：好的、坏的和丑陋的（这是马龙白兰度主演的著名美国西部电影的名字，作者在这里引用了这个 顾名思义，进行多渠道归因也有好、坏和丑陋的方法。

　　当然，您正在查看的列是“转化百分比变化”。GA 团队使用绿色和红色箭头帮助您了解结果在哪里有意义，向上或向下的灰色箭头帮助您了解效果是正面还是负面。

　　这些数据可以帮助您的团队探索和更改营销预算分配。

　　如果您有*敏*感*词*用数据，那将是一个更有价值的信号。而且，幸运的是，商店模拟账户有足够的数据供您使用。

　　你需要充分开动脑筋去理解上面的报告（确保你能看懂上面模型的报告），然后想办法带动整个公司员工的思维发生变化。擅长使用归因模型进行报告既不是软件问题，也不是数学问题，而是一个根深蒂固的人类问题。

　　既然我说了一句名言“数据作为一个整体是无意义的()”，我建议你在归因模型报告中将鼠标上移，点击Conversions的下拉菜单，查看数据的细分。

　　诚然，这是最前沿的知识，因为从整体上理解营销预算和用户行为非常困难。由于您实际上可以单独了解每个目标的营销预算和用户行为，或者仅了解电子商务目标的营销预算和用户行为，因此这种细分功能使了解营销预算和用户行为变得更加复杂。.

　　能做到这一点无疑是很酷的，现在你就是这个超级聪明的数据天才，能够在复杂的回归方程中精确地移动每一个变量，然后巧妙地对公司产生最大的影响。

　　如果你能掌握这个技能，如果你能改变公司内部营销预算的分配和员工的思维方式，那么你就可以最大限度地利用 GA 进行归因分析，例如自定义归因模型。

　　在列表顶部，单击选择模型并创建新的自定义模型。为了让您更容易理解，让我向您展示我为客户创建的自定义模型。

　　自定义归因模型称为自定义，因为它们的规则是为每个公司定制的。这需要您了解我之前所说的一切、业务优先级（公司重视什么）和业务战略。

　　创建几个不同的自定义归因模型，了解它如何影响数据，以及 GA 数据分析可以导致哪些决策，这可以帮助您与利益相关者进行明智的辩论。重申一下，分析带来的决策会影响营销预算的分配和公司员工的思维。

　　一旦您创建了自定义归因模型，然后在在线营销上花费了巨额资金（至少几百万美元），您就准备好推动最好的变化：受控实验（又名媒体混合建模））。因此，建立在上述特定步骤的基础上至关重要，如果您没有改变公司员工的想法，请不要跳过上述任何步骤。

　　奖励 1：您可能认为以上内容已经足够前沿了。不是这样。对于更高级的内容，当您完全掌握了之前所说的内容后，请阅读此 文章 并了解它的内容：多渠道归因：定义、模型和现实检查（）。

　　好处二：多渠道路径（）中的转化时间和路径长度报告非常值得学习。而且我个人更喜欢路径长度，因为这可以帮助我们更深入地了解数据。分析数据时，请务必使用转化次数、类型（包括 AdWords 上的点击次数）、互动类型和回溯期下方的标签。完成每个步骤以了解适合数据的模型。这是无价的。

　　这一集是第一次在这里学习。下一期，我们将继续深入研究第三、四部分，敬请期待。

　　【必备知识】Google Analytics进阶数据分析指南初学者必备-第1集【必备知识】Google Analytics进阶数据分析指南必备初学者-第2集指南-第3集【必备知识】Google Analytics高级初学者指南数据必备分析 - 第 4 集

　　关于作者：

　　Avinash Kaushik 是美国谷歌的数字营销传播者，也是两本畅销营销书籍 Web Analytics 2.0 和 Web Analytics: An Hour a Day 的作者。它的博客也是世界上最受欢迎的数字营销分析博客之一。

　　关于译者：

　　朱雨雪：9F叮当品牌营销负责人，热衷于数据分析、搜索引擎优化、搜索引擎营销、网络口碑管理、APP营销、程序化广告、新媒体营销等领域。