GA電子商務追蹤

首先，確認DEMO ACCOUNT的串流評估ID  與  https://shop.googlemerchandisestore.com/ 追蹤代碼為一致。

報表
營利/GA電子商務購買   (行銷參考使用、非屬財務依據)

左方折線圖  |   XY散佈圖 
折線圖: 前五名商品(已看過的商品次數)     XY散佈圖:  已看過的商品數(次數) vs.  加入購物車的商品數(次數)    *line chart (graph),  scatter plot

關鍵的維度與指標：
個別商品(維度. Dimensions) 、已看過的商品數(商品的瀏覽量) 以及 加入購物車的商品數(商品放入購物車的次數) (指標, Matrics)

關於資料的粒度(Granularity, 顆粒度, 細度)
商品是以個別商品呈現(欄位-商品項目)，也可以商品類別呈現 (欄位-商品類別ㄝ, 顆粒大較大)。  **增加欄位(子維度)-- 點按+  自訂/page_title

關於AIDA  / AISAS

ISSUE 1: 商品頁面是否被看見(瀏覽次數)?
(1)商品頁的瀏覽，屬於必經步驟，且維前端指標。  #商品促銷、品牌定位、導流管道皆屬行銷活動與策略，個別商品的行銷成效檢視即為商品頁是否被看到!!

(2)網站整體流量之外，須檢視個別頁面的瀏覽量。被曝光與瀏覽量次數偏低的商品，後續的轉換與成交將受影響。

ISSUE 2: 商品被瀏覽後是否加入購物車?
(1)被瀏覽後的關卡與努力方向為被放進購物車。 同樣屬於必經與前端的指標。在一定的被瀏覽量之後，可觀察加入購物車的次數。

(2)放進購物車次數也直接影響到轉換與成交。

(3)放進購物車的意願，應做整體性的考量與評估，與商品文案、定價策略、頁面設計、競爭品項、消費者需求、市場趨勢之研究與調查...等等皆有關係，。

[GA4電子商務購買的XY散佈圖]
(1)商品頁的瀏覽次數 與 放進購物車次數一般而言具備高相關性(相關係數 Correlation coefficient)。*瀏覽量高，理所當然可能被加入機率高。

(2)"放進購物車次數"直接作為產品力，可進一步加工數據。

(3)使用比率概念，加入購物車的商品數 / 已看過的商品數 = 加入購物車的比率。 *可排除個別商品頁面瀏覽量高低的干擾。

[實作]
(1)取前50項(根據瀏覽量)；右上角分享，但只可分享連結，無法下載檔案(自己管理的網站可下載為CSV)。

(2)可直接複製貼上EXCEL、也可網頁存為單一網頁再讀取、資料/Web待測試。

(3)製作XY散佈圖，所得圖形可進一步分區、四象限或九宮格。

(4)圖形分區與分界點設定，個別產品屬性分類可使用IF或VLOOKUP(模糊比對)。

討論：
個別商品頁面的瀏覽量 > 先期指標，應即時發現，儘快改善，可視為 [行銷力]之指標。

放入購物車次數或機率 > 先期指標，可視為[產品力]之指標。

前期的關鍵指標有助發現問題，即時改善，而非等待交易結果不入預期或降低，而錯失商機(即時的監控與分析)。

使用加入購物車比率為概念，更具有產品力的解釋力。 *降低指標間的相關性，使之獨立解釋力更高。