SEO更清晰的分析思维：谈「指标优化」

　　过去我开设过很多的课程、也进行过非常多的企业内训，我发现很多刚接触＂分析＂的人都会面临同样一个问题：不知道该怎么开始分析工作、或不知道该如何透过分析改善你的网站。事实上，当你不知道该怎么开始你的分析工作时，代表你在分析上、甚至是行销策略上是完全没有方向的，我希望正在阅读这篇文章的你知道一个很重要的观念：数据是辅导我们做商业/行销决策用的辅助工具之一，因此，你的商业思维以及行销思惟才应该是你的核心技能，数据只是帮助你做出更好的判断，更重要的是，先有行销/商业策略，才有办法把分析工作做得更好，如果你的公司没有明确的行销策略或是商业目标，那根本不需要做分析工作了，因为连商业目标的定义都有问题，后续根本不知道要往哪个方向分析。

　　这篇文章我想跟你谈一个很重要的分析思维：『指标优化』，这个观念会帮助你在定义分析方向、甚至是行销策略时，会有更清楚一点的概念。

　　在分析的世界中有非常多的『指标』，以GoogleAnalytics来说，GoogleAnalytics里面就有上百个指标，广告相关的指标有点阅率、点击、CPC…等，互动相关的指标有跳出率、停留时间…等，与商业表现有关的指标有电商转换率、订单成交数…等，每一种指标都有它的功能存在，并且可以在商业上告诉你特定的商业现象，举例来说：

　　指标分析的重要性

　　#1当你的广告『点阅率』过低的时候，你会知道是广告素材有问题、或是广告锁定的受众对你的产品没有兴趣，这两项是常见的广告点阅率过低的主因，如果你看到点阅率过低，你会往这两个方向思考，这就是『点阅率』的功能之一。

　　#2当你的跟Y媒体合作、请他撰写业配的新闻报导后，他为你带来的『工作阶段』比预期少的时候，你会思考到是否这家媒体无法帮你有效的触及更多的客户、带来更多的流量，这就是『工作阶段』的功能之一。

　　#3当你看到Z文章的『网页停留时间』比X文章还要少一倍时，你会意识到，很大的可能是Z文章的内容写得不够好，因此你会回头检视文章的内容是否写的不够丰富，这就是『网页停留时间』的功能之一。

　　我发现大家在理解『点阅率』、『CPC』、『Facebook的触及人数』这些指标时都没有太大的问题，也可以很习以为常的使用这些指标来优化你的广告，广告『点阅率』过低，你就会调整广告素材、Targeting设定，因为你知道优化『点阅率』的方法就是广告的设定跟素材，你也知道『点阅率』反应出来的就是消费者对你的广告是否产生兴趣。

　　优化点阅率似乎不是一件超级困难的事情，但是，当刚学习分析的人，如果你要他优化『跳出率』、『转换率』时，总是会一头雾水不知道该怎么做、甚至感受到很大的挫折。我希望你可以理解，分析的世界并没有你想像中的困难，你只是需要知道每个指标该怎么样使用，既然你会使用也会优化广告的『点阅率』，那么，你也一定可以学会该怎么优化『跳出率』，『跳出率』跟『点阅率』一样，都只是网站分析中的其中一个指标:)

　　同时，我们应该一起思考一下问题的源头，为什么『点阅率』你可以很轻松的应用并进行优化，但『跳出率』、『转换率』却不知道该怎么优化呢:)

　　其实背后的原因很简单，因为像跳出率、转换率这样的指标背后所展现出来的涵义以及复杂度不同，当事情变的复杂时，就会让初学者感受到困难以及挫折感。

　　我们都知道，广告点阅率会低，就是受众对你的广告没兴趣罢了，所以你才会想到要调整广告素材、或是重新换个投放的受众，点阅率展现出来的涵义相对较单纯。但是『跳出率』会太高，背后的因素跟可能性却非常多，从你网站的易用性问题、网站动线设计、LandingPage的标题以及图片素材、网站的速度快慢、商品图片、甚至是访客本身的背景/需求都会影响跳出率。

　　『跳出率』本身的存在意义便是帮助你了解访客的互动状况，当你的『跳出率』太高时，代表你的访客大多进到LandingPage后就直接离开你的网站，对你的网页是没兴趣的，也就是说『跳出率』可以帮你评估＂有多少人对你的网站没有兴趣＂，当你的跳出率是90%时，代表每10万个访次就有9万个访次在你的LandingPage会直接离站，但访客在LandingPage离站、对你的网页没有兴趣的原因有百百种，因为背后的成因复杂，导致刚接触分析世界的人，会不知道该怎么解决问题、或是该怎么优化。

　　在网站分析的世界中有非常多的指标，我希望你可以在学习分析工作时，率先思考当每个指标产生数据变化时，背后代表的涵义以及对你的商业影响是什么。

　　『点阅率』降低的涵义是：你的广告没有引起受众的兴趣、他们不愿意点击广告、甚至是忽略广告。

　　『跳出率』高的涵义是：大多的访客在进到你的到达网页后，不愿意产生更进一步的互动就离开网站。

　　『转换率』低的涵义是：你的访客在进到你的网站后，有很低的比例会完成购买。

　　『平均购买商品数』低的涵义是：你的访客不会购买太多的商品，一次可能只购买一件、或是两件商品。

　　目前到这里，看起来都很简单且理所当然，并不难，对吧:)

　　那么，牵着我的手，我们一起往下阅读

　　虽说理解每个指标背后的涵义也许并不是太难，也是我建议你第一步该做的，但我希望你更进一步思考，当这些指标被改善时，对你的商业会产生什么影响？如果这些指标产生了变化会对商业有正向影响，你才需要去优化这个指标，就好像你会去优化广告『点阅率』，就只是希望你的受众看到广告时会愿意点击广告、对广告产生兴趣，对吧？希望受众看到广告时会更愿意点击广告、对广告产生兴趣，这是你在优化『点阅率』时，希望带来的商业影响。

　　我们举个非常简单的例子，下图我们可以看到四个不同网页的离开率，以产品页离开率59%来说，代表到『产品页』的访客，有59%的人会离开我的网站，『结帐填写送货资料』以及『填写信用卡页面』的离开率个是32%以及76%，『结帐完成页面』离开率则是97%，试想一下，如果你优化并降低＂结帐完成页面＂的离开率，会对你的商业产生影响吗？答案很显然是：不会。消费者结帐完成后、在结帐完成的页面离开你的网站是一件非常合理的网页行为，毕竟他已经完成购物了，这时你再硬性把他留在你的网站上，不太可能对你的转换率或商业表现有正面影响。但如果你选择优化的是降低『结帐流程–填信用卡资料的页面』的离开率，你的商业会受到影响吗？答案是：非常有可能。

　　消费者在结帐完成页面离开你的网站，代表他已经完成购物行为、并且得到他所需要的商品了，但消费者在『结帐流程–填信用卡资料的页面』离开你的网站，却代表着他本来有购物的意愿、但中途放弃购物意愿，如果我们可以找出他放弃购物意愿的原因并加以改善，你的商业非常有可能会得到正面影响。

　　上述的例子是一个常理，你不会去在乎『结帐完成页』的离开率太高，因为你知道『结帐完成页』的离开率高是一个常理，你去降低他的离开率也不会增加你的营业额，指标优化也就是这么简单的概念，在优化任何指标之前，我们必须先确保＂你所选择优化的指标会对你的商业有产生正面影响＂，以购物完成页面的离开率很高这件事情，根本不需要被优化。

　　但我们换个例子，举例来说，我们来看一下以下的报表：

　　在上面这张报表中，我们可以看到只有浏览1页的访客占了全站流量的82%，剩下18%的访客只要浏览越多页数，后续会把商品加入购物车的比例是比较高的，同时，转换率也会相对的较高，也就是说，在这张报表中我们得到的讯息是：当访客的互动状况越好时，他们后续越有可能成为购买者。这时候如果我们去优化『跳出率』或『浏览页数』，只要获得更多愿意产生互动的访客，你的订单转换率很可能就会产生正面的影响。总结来说，在这张报表中我们观察到的规律是＂浏览越多页数的访客，后续转换率越高＂，因此结论是：如果我们去优化网站的跳出率或浏览页数，获得更多愿意互动的访客，你的商业很可能会被得到改善、转换率很可能会提升。

　　我们再看一张报表，如下图：

　　这张报表我们可以看到完全相反的状况，浏览页数较多的访客，却不一定会有较高的加入购物车的比例，转换率也并不会因此而明显的比较高，这样的情况在很多网站中也都是常见的，实务上未必访客的互动较好、后续的转换率就较高。为什么会有这样的情况呢？可能的原因有很多，举其中一种例子来说：你的购物动线设计有问题时就会有这样的情况，如果购物动线设计有问题，即便有访客愿意花很多时间浏览你的商品、浏览更多页数，但他们却找不到在哪里加入购物车、甚至是加入购物车之后不知道该怎么使用你的购买流程，就会导致访客即便浏览页数很多，但还是无法完成转换（也非常有可能因为购物动线有问题的关系，才导致浏览页的提高，因为你的访客在购物动线内不断的迷路，不知道该如何使用购物系统）。

　　在这样的情境之下，如果你去优化你的跳出率、获取更多愿意浏览更多页的访客，你的商业表现会被得到改善吗？

　　答案是：不见得，因为你的网站问题是在购物动线，并不是访客的互动状况:)

　　实务上我们要花时间去观察每个指标、每个维度的资料，从中观察规律，如果你确定跳出率的降低会对商业有正向影响时，你才应该选择率先优化『跳出率』，如果你不确定的话，则应该花更多时间去看每一个重要的报表、花更多时间了解你的资料、并从中找到规律，等确定跳出率对转换率、对商业有影响，再来把跳出率当一回事。

　　总结来说，第一步，我希望你们去思考每个指标背后的涵义，以及当每个指标产生变化时，对你的商业是否有正向的影响。未必每个网站都需要去优化『跳出率』，也未必每个网站都需要去在乎离开率。

　　通常分析师在解决网站上的问题时会选择一些关键的指标进行优化，但这些指标必须要对商业有影响。

　　以上述Step–1提到的例子来说，优化跳出率未必能够改善你的转换率、甚至是商业表现，因此你必须要先确保你所优化的指标会对你的商业产生正向影响，这是指标优化很基本的观念。（怎么确保呢？花时间去看你的分析工具内的每一张报表，从中找出规律，你需要勇敢大胆的猜测、并不断透过数据去验证自己的假设与猜测）

　　实务上，我们会根据商业目标来决定要优化的指标，举例来说，如果我的客户他的转换率异常的低，我会花点时间了解他的网站、市场、以及产业，也就是我们所谓的商业情境（关于商业情境，这里有一篇延伸阅读：谈情境分析对于【网站分析】与【行销策略】的影响），在了解完商业情境后，我会开始为他的网站制作报表来观察网站数据的概况（也就是网站所谓的BasicProfile），像是：

　　#他的流量结构是什么？主力流量来源在哪？每个流量来源带来的访次的互动状况以及转换率如何？

　　#他的主力LandingPage是哪些网页？每组LandingPage的互动状况以及转换率如何？

　　#他的购物车放弃率多高？消费者都在结帐的哪一个环节中流失？

　　#访客互动状况较多是否意味着较好的转换率？

　　#还有很多很多…（也许光网站的BasicProfile该怎么建立，未来就可以写好几篇文章了…）

　　当我透过数据、以及商业情境的研究来了解他的网站后，我会提出多种影响网站转换率的猜测与假设，并往下进行测试与研究，每一种假设或商业现象，都有对应的指标可以去测量，以转换率来说我举几个例子：

　　我们可以看到上图，今天我们的例子是…，我期望透过数据优化网站并得到的商业结果为：改善转换率。

　　接下来我了解他的商业情境、以及数据的概况后，我提出了几个假设（上图）：

　　#1如果我确定是他的LandingPage不够吸引人、无法让访客愿意进一步的互动，且也确定这是影响转换率的主因之一，那么我就会首先优化LandingPage的『跳出率』，『跳出率』会是我首要希望改善的指标。

　　#2如果我认为是他的广告没有打到正确的受众，导致错误的受众进站后根本对我的产品没兴趣，后续的转换率也因此受到影响，那么我会调整广告的受众，并且观察广告带来流量的『跳出率』是否有得到改善，如果光是调整广告的受众后，广告的『跳出率』得到改善，代表我的受众设定方向是有被改善的，这时候『跳出率』会是我首要希望改善的指标。

　　#3如果我发现他的结帐动线中有很严重的流失情况，那么我会把流失最严重的环节辨识出来，并且我首要优化的目标会是降低购物结帐的『放弃率』，『放弃率』会是我首要希望改善的指标。（结帐动线的流失情况你可以依赖GoogleAnalytics的＂结帐行为＂报表来观察到）

　　#4如果我认为是网站的CTA有问题，那么我会用热点图、或GoogleAnalytics的事件追踪来追踪CTA的点击状况，甚至可能会做A/BTest来测试各种不同的CTA，这时候我希望优化的指标是CTA的『点击率』。

　　很重要的一点是，上述虽然有着这四种不同的优化方向，但请一定要记得，不管最后选择的是这四种的哪一种情况去优化，最后你一定要观察『转换率』的变化，因为在上述范例中，我们希望得到的商业结果是『转换率』得到改善。因此，在跳出率得到改善后，究竟转换率有没有跟着提升？在购物车的放弃率改善后，究竟转换率有没有改变？这都是你必须要观察的重点。

　　在这个例子中，改善『转换率』才是我要的商业结果，而优化『跳出率』只是改善『转换率』的一个过程。

　　在实务上我们一定是先有明确的优化目标，先思考＂你希望改善你网站上的什么事情？＂，接着对商业情境进行很全面的研究、然后花时间了解数据的概况后，再来决定要优化的项目，当你有了明确的优化项目后，就肯定会有对应的指标可以帮助你测量你的优化工作是否成功，以上述范例#2来说，我的优化项目是＂广告打到正确的受众＂，所以我的对应指标是广告流量的『跳出率』，并且我会观察广告的跳出率降低后，我的转换率是否有跟着提升。

　　有的时候，指标的优化只是我们得到商业结果的一个过程，就好像上述范例所说，优化『跳出率』只是改善『转换率』的一个过程。

　　请先设定预期商业目标与商业结果后，再来选择该优化的指标，并且，你要确定优化这些指标能够对你的商业产生影响、甚至是得到你要的结果。选择你要优化哪个指标是很重要的一件事，想想文章前段我提到过的，跳出率的降低未必会对你的转换率有影响。

　　回到我们文章开头所提到的，为什么刚接触分析的人能够得心应手的应用『点阅率』，但在应用『跳出率』或『转换率』上却觉得相当棘手且挫折？

　　因为『跳出率』、『转换率』、『点阅率』这些的指标背后所展现出来的涵义以及复杂度不同。

　　影响转换率的原因以及可能性比广告的点阅率还要多上太多了，因为背后的成因复杂，导致我们不知道该怎么着手，但事实上，只要你将＂转换率低＂这件事背后的原因跟可能性条列出来，提出你的假设、并设法思考＂该如何验证你的假设＂，事情就会变得比较容易被理解。

　　（点图放大看）

　　转换率低的原因很多，每个网站所面临的问题跟可能性并不一样，我们大致上举几个例子（如上图），有的网站转换率低是网站动线/易用性有问题，有的是CTA设计的问题，实务上我们需要针对自己对于网站的理解去提出假设，如果你对你的网站有足够的理解，你才能更有效率的提出假设，提出假设后就是配合数据去验证假设的过程。以＂CTA设计问题＂来说，若我们认为这是最有可能导致转换率过低的可能，在分析工作上要做的便是用A/BTest测试不同的CTA点阅率，来观察不同的CTA是否会对CTA的点阅状况有影响，当然，如果测试了不同CTA，发现点阅状况确实会有差，后续你还是要观察＂当CTA的点阅率提升后，转换率是否有提升＂，如果CTA点阅率与转换率的变化是有相关的，我们才可以确定＂CTA设计影响着你的转换率＂。

　　在遇到『转换率』、『跳出率』这种复杂的指标优化时，你对你的网站以及商业的理解越深，提出的假设就会越有效率且越精准，举例来说，若有读者拿着网站来找我寻求转换率优化的问题，如果你当下立刻要我给你答案，我可能会提出非常多种不同的假设，而且我无法确定哪些假设的可能性最高，因为当下立刻我并不够了解你的网站跟你的市场、还有你的消费者，但如果你给我一天的时间，我有多一点的时间研究你的商业模式、竞争对手、消费者的习惯，我就可以把可能性降低到较少的数字以内，这也是我们一直强调的商业情境。

　　事实上，即便是资深的分析师做的事情也只是拆解各种不能的可能性，并依照分析师对于网站、商业的理解，再加上自己的经验以及行销思惟去提出假设，然后设计验证假设的实验流程，然后解决问题。

　　当你遇到背后影响因素越复杂的指标时，因为背后的可能性很多，若不知道怎么开始优化，其实对于新手来说最简单的方式就是＂把你所有想到的、会影响转换率的可能性先列出来＂，然后逐项去思考哪一项的可能性最高，接着再设计实验流程来验证假设:)