資料驅動網路行銷的層次

最近幾年，許多從事網路行銷的人，想了解來自家企業官網瀏覽的使用者的樣貌，往往會透過網路分析工具（如，Google Analytics，GA）報表，以協助自己製定網路行銷的決策。同時，多數網路行銷的從業人員也認為，會看這些報表就代表自己有能力做好網路行銷，甚至是有能力做好網路行銷數據分析。因此，公私立機構開設Google Analytics分析班大興其道。

不過，會看報表就代表一定能做好行銷資料科學分析嗎？事實上，在進行這類的網路行銷數據分析時，背後其實還可以分成幾種層次，如圖1所示。

1. 第1層

透過對網站分析工具（如GA）提供的報表進行判讀。只是，判讀是透過人腦分析，而非透過電腦分析。而且透過這些報表進行研判後，重點在於，之後做了何種決策？又產生了何種效益？

此外，這些報表呈現的是過去到現在的資訊，並未對未來進行預測。除非是使用者透過人腦對這些數據進行分析，然後在腦袋裡發展出自己所認知的預測模型。否則從資料科學的角度來看，這樣的分析是屬於Analysis，而非Analytics。

目前，Google Analytics提供的報表包括：即時、客戶開發、參與度、營利、回訪率、客層、技術……等報表。而在GA的分析中心裡，則提供探索、程序分析、路徑分析、區隔重疊、使用者多層檢視、同類群組分析和使用者生命週期等不同類型的報表供使用者判讀。

其實，GA的功能很強大，而且每一代都會加入新功能（目前已到第四代GA4），重點是如何解讀這些報表，如何看到背後的洞見（Insight），並做出決策，產生效益。

2. 第2層

在第2層，使用者能透過付費或自建的方式，抓取到網站分析工具（如G A）背後的原始資料（Raw Data），以及網站的log檔。接著，再透過Python等資料分析程式，對企業進行客製化分析。例如，進行預測性分析，發展預測模型。這個分析的過程屬於電腦分析。而分析的內容，是針對未來進行分析，這樣的分析即屬於Analytics。

3. 第3層

第3層的使用者，除了能抓取到原始資料，還能與公司（網站）其他資料集進行整合。再透過Python等程式，對企業進行客製化分析。這個過程，分析的資料來源變得更廣，分析的方式也變得更加多元。舉例來說，針對不同的資料集進行總體（宏觀）資料分析，了解使用者樣貌是否有所差異。或是將資料集進行整合，拼湊、繪製出更清楚的使用者樣貌。

4. 第4層

到了第4階段，除了將抓取到的原始資料，與公司（網站）的其他資料集，甚至是外部的其他資料集進行整合，再結合行銷學、行為經濟學、心理學、社會學等理論，協助進行分析，以及行銷策略或方案的擬定。舉例來說，Google在2020年，提出「混沌歷程」（Messy middle）的概念，就是一個典型的代表作。

網路行銷數據分析並非是一個簡單的議題，除了要看懂報表外，還可以透過工具獲取原始資料，並與其他內外部資料集進行整合與比較，再透過演算法，進行預測性分析或是指示性分析。同時，也可以結合行銷理論，落實行銷策略的發展與應用。

作者：羅凱揚（台科大企管系博士）、蘇宇暉（台科大管研所博士候選人）

繪圖者：彭煖蘋