[CMO行銷工具] 開發筆記 : Google Analytics 4 成效分析

CMO 行銷工具 · 開發筆記

Google Analytics 4 : 基礎功夫不做好
任何 MarTech 工具都發揮不了作用 !
——CMO 行銷工具完整架構解析

Google Analytics 4 把網站分析拉到了一個更高的層級。它不再只是「有多少人來過你的網站」，而是「這些人進來之後做了什麼、走了多遠、有沒有走到你認定的那一步」。理論上，GA4 可以回答行銷人最想知道的問題：流量從哪裡來、進來之後做了什麼、有沒有轉換。

但它也加深了難度。最困難的關卡是「自行客製化前端 Event 事件代碼」——對非程式背景的行銷工作者來說，這是一道牆。GA4 內建的事件（page_view、scroll、click）只是地基，真正有價值的追蹤需要你自己定義：這個按鈕點擊算不算一次有效互動？使用者在頁面上停留多久才算「有效瀏覽」？報名流程的第幾步要設成轉換目標？這些都需要在前端代碼裡埋設事件，而多數行銷人不會寫前端代碼。

台灣大部分電商平台會幫你裝好基本的電子商務代碼——view_item、add_to_cart、begin_checkout、purchase。但其他按鈕的點擊與追蹤，不見得會幫品牌主完成。你要自己捲起袖子做。

有了 AI 協作，門檻確實降低了一點。AI 可以幫你寫 gtag 事件代碼、幫你檢查 GTM 容器裡的標籤設定。但行銷人還是要自己決定追蹤什麼、怎麼定義、漏斗怎麼排——這些是商業判斷，不是 AI 能替你做的。

前面幾篇講的是廣告端的訊號和成效——轉換訊號對不對、數字怎麼看、怎麼按產品線分群。這篇轉到網站端：流量從哪裡來、進來之後做了什麼、有沒有走到你認定的那一步。廣告端和網站端是同一條鏈——廣告把人帶到網站，網站把人帶到轉換。如果網站端的訊號沒設對，廣告端再怎麼優化也是在建空中樓閣。

三步驟設定——不做完，報表不是你的

連結好 GA4 資源後，系統帶你進入三步驟設定流程。跟 Google Ads 成效一樣，連結好帳號後第一個出現的不是報表，是檢查清單。

三步驟：業務情境 → 轉換目標與事件 → 漏斗步驟。三步做完之後，系統才開始跑分析。

步驟 1：業務情境

告訴系統這是誰的網站、賣什麼。公司名稱、品牌名、產業分類、主要 KPI、官網 URL、目標市場、月度廣告預算、重要商務目標頁面、業務描述。

這些資料不是裝飾品。系統在分析時會拿這些資料當背景——你的產業分類決定了電子商務代碼的檢查標準，你的目標市場決定了外部影響因子的比對範圍。填錯產業分類，系統會用電商的標準去檢查一個不賣東西的網站，然後告訴你「一個電商標準事件都沒有收到」——那是你的分類填錯了，不是網站的問題。

步驟 2：轉換目標與事件

系統從 GA4 抓進來你已經建立好的事件清單。這個清單是什麼樣子？GA4 內建的事件是英文名稱——page_view、scroll、click、video_start。顯示中文名稱的，是手動客製化放進去的——例如「有效瀏覽50」「報名完成」「立即預約點擊」。

這些中文名稱的事件，就是行銷人（或前端工程師）自己捲起袖子在頁面前端代碼裡埋設的。台灣大部分電商平台會幫你裝好基本的電子商務代碼，但其他按鈕點擊與追蹤不見得會幫你完成。所以你的事件清單裡，如果有中文事件名稱，代表有人已經做了客製化；如果只有英文事件名稱，代表你還沒開始做。

步驟 2 讓你從清單裡勾選要分析的事件。勾起來的會進入受眾重疊分析和漏斗分析。事件分兩種：關鍵事件（GA4 那邊標的）和一般事件。關鍵事件是 GA4 認定的轉換動作，一般事件是行為記錄。

步驟 3：漏斗步驟

用步驟 2 選好的事件，建立轉換漏斗流程。由上而下是轉換順序——第一個是入口，最後一個是目標。系統要求至少 2 步：

示範案例的漏斗：page_view → 有效瀏覽50 → 有效瀏覽70 → 報名完成。第一個是 GA4 內建事件，後三個是客製化事件。這個漏斗說的是：使用者到了網站 → 看了夠多的內容 → 看了更多的內容 → 完成報名。每一步之間的落差，就是你要找的問題。

漏斗設好之後，分析才有方向。沒有漏斗，你只知道「88,487 個工作階段」和「127,914 次關鍵事件」——兩個數字，但不知道中間發生了什麼。有了漏斗，你才知道 88,487 人裡有多少走到了最後一步，在哪一步掉得最多。

完整診斷與代碼檢查——地基壞了，上面的數字都是空中樓閣

三步驟做完之後，系統進入完整成長診斷。五項：近 30 天成效、代碼檢查、受眾輪廓與地區、深度建議、戰略洞察報告。五項全部跑完，才會進入正式報表。

代碼檢查是五項裡最核心的。CMO 的設計理念跟整個系列一致：先確認訊號正確度，再看分析。代碼有問題的話，上面每一個百分比都是在解釋一份壞掉的資料。

行銷人版本與工程師版本

代碼檢查頁面有兩個版本。行銷人版本用白話文說明每項檢查的結果，工程師版本直接列出 GA4 和 GTM 的代碼細節，可以直接參考修改。兩個版本看的是同一份資料，只是呈現方式不同。

系統會爬你的網站，讀取 GTM 容器，跟 GA4 實際收到的事件對照。檢查項目依電商標準事件（view_item → add_to_cart → begin_checkout → purchase）和名單型事件分開——因為這兩種網站的追蹤需求完全不同。

資料不見了？逐項排查

代碼檢查頁面有一個特別的功能：「資料不見了？逐項排查」。

七項排查，分三類：

五項「查過·沒問題」——系統查得到的，都查了。包括最近幾天的資料還沒收完（GA4 需要 24-48 小時處理，報表結束日已往後推 3 天）、隱私門檻把部分資料遮起來了（289 個工作階段，0.3%）、事件資料保留期限（14 個月）、網頁上有沒有這個資源的代碼（抓到 GTM 容器）、事件有沒有收到（38 種事件，6 個關鍵事件）。

兩項「要你自己看」——系統查不到的，明確標出來。第一項：有沒有資料篩選器把流量擋掉。GA4 的資料篩選器可以把內部流量或開發人員流量設成「有效」排除，被排除的流量永遠不會進資料，報表上看不出少了什麼。第二項：同意管理工具（CMP）有沒有擋掉代碼。CMP 把代碼延後到使用者按下同意才載入，沒按同意的那些人整段行為都不會被記錄——而原始碼裡看不出來。

這兩項不在 GA4 的 API 裡。系統查不到，但這兩個正是最常讓資料整段消失的東西。CMO 的做法是：查不到的明確標出來「要你自己看」，而不是假裝一切正常。

三個「留意」提醒

代碼檢查還會標出需要留意的問題。以這個示範案例（一個展演活動類網站）為例：

決策中心與戰略洞察——站內數字跟外面世界接起來

地基查完了——代碼有沒有裝、事件有沒有收到、資料有沒有缺。接下來，系統把通過檢查的數字整理成四個可以直接行動的答案。

五項診斷跑完之後，進入正式報表。第一個頁面是決策中心——跟 Google Ads 成效的設計理念一致：其他分頁都是證據，決策中心把它們整合成可以直接行動的答案。

四格分析

以這個示範案例（展演活動類網站，近 30 天 88,487 個工作階段）為例：

戰略洞察報告——台灣外部影響因子

四格分析下方有一個按鈕：「重新產生戰略洞察」。這個功能把站內數字跟系統每天收集的台灣外部訊號接起來，找出「外面在變、站內也在變」的那幾條。

台灣外部影響因子分三大類：

以這個示範案例的戰略洞察報告為例：天氣趨勢顯示六都均高溫 30°C 且降雨機率 0/6，配合良好的空氣品質，民眾外出參與實體活動的動力高。站內行動裝置帶來 76,386 個工作階段，但互動率 60.6% 低於桌面版的 72.6%——大量行動流量可能來自移動中搜尋活動資訊的人。系統建議優化手機版網站的動線，將活動時間表、交通指引、快速報名置於首屏。

消費節奏方面：距離發薪日還有 16 天，屬於消費冷靜期。系統建議在這段期間主打軟性內容——理念傳遞、活動花絮——而不是急著推動需要高度決策的轉換。

不要每次就丟句「景氣不好」

這個功能的背後有一個很實際的期望。很多行銷人在月度營收檢討會議上，遇到數字不好看的時候就丟一句「現在景氣不好、大環境不佳」。這句話不是不能說，但要有數據比對才能說——你的網站流量掉了 20%，同一期間股市跌了多少、失業率有沒有變、天氣是不是特別差。如果數字真的支持「大環境不佳」，那更重要的問題是：那你的配套解決方案是什麼？並且反應在品牌的行銷計劃上。

深度建議——AI 把所有發現一起看，產出可以執行的動作

決策中心給你答案，戰略洞察給你背景。深度建議把這些全部整合，產出一份可以直接交出去執行的清單。

這個功能把業務情境、成效總覽、假日與檔期的情境對照、漏斗留存、代碼檢查的發現全部一起看，然後排出優先序，寫成可指派的動作。

量測不可信

深度建議裡有一個會直接跳出來的警告：「量測不可信」。

原因是：多個來源的「關鍵事件 ÷ 工作階段」超過 100%。最高的是 bing / organic 的 276.2%——意思是平均每次造訪觸發了 2.76 次關鍵事件。這不是因為使用者超級投入，而是因為 scroll、page_view 這種會重複發生的事件被誤設為關鍵事件。

關鍵事件在 GA4 裡的意義是「轉換」。把 scroll 設成轉換，等於說「使用者在頁面上捲動了一次就算轉換成功」。一個頁面看下來可能觸發好幾次 scroll——轉換率自然超過 100%。GA4 報表上那個漂亮的「127,914 次關鍵事件」，裡面有多少是 scroll，有多少是真的報名完成？不拆開看，你不知道。

GTM 13 個標籤觸發次數為 0

另一個深度建議會標出的問題：GTM 裡有 13 個報名相關的標籤，GA4 近 30 天一次都沒收到。

標籤設好了、觸發條件也掛了，但實際上沒有送出任何一次。設定看起來完好，報表卻是 0。極可能是 GTM 容器未發布最新版本，或者報名頁面根本沒安裝對應的代碼。這不是真實的業務流失——使用者可能報名成功了，但系統沒記到。

這兩個問題——量測不可信和標籤觸發為 0——都指向同一個結論：代碼檢查不是附加功能，是地基。地基壞了，上面的報表再漂亮都是空中樓閣。

P0/P1 動作列表

深度建議產出的是一份按優先序排列的動作清單。P0 是最優先要處理的，P1 是次要的。每一條建議都附「有用」「已採用」「不適用」的回饋按鈕——你的回饋會影響下一次建議的判斷方向。

有一個需要特別提醒的風險點：取消錯誤的關鍵事件標記後，GA4 報表上的「關鍵事件總數」會斷崖式暴跌——因為那些 scroll 和 page_view 本來佔了絕大多數。這需要提前跟團隊溝通：這是「修復」而非「成效衰退」。你修好的是一個壞掉的量尺，不是讓數字變少了。

這個功能目前是初版。CMO 會不斷強化，之後會加入多位專家角度的功能，提供更深入的商業洞察與分析。但初版已經能做一件事：把所有發現一起看，然後告訴你先做什麼。

進階分析——GA4 報表答不了的問題

前面講的所有報表——決策中心、戰略洞察、深度建議——都建立在 GA4 的 Data API 上。Data API 是聚合 API——它給你的是「總共有多少次」「平均是多少」，給不出單一使用者的事件序列。

但行銷決策最需要的問題，恰恰是聚合數字答不了的：成交前碰過哪幾個管道、同一個人依序走完漏斗的比例、有多少人買過不只一次。要回答這三個問題，需要 GA4 的原始事件資料——也就是 BigQuery。

BigQuery：原始事件，沒有取樣

BigQuery 是 Google Cloud 的資料庫服務。GA4 可以把原始事件資料匯出到 BigQuery，匯出之後你拿到的是每一筆事件的完整記錄——哪個使用者在什麼時間用什麼管道進來、做了什麼動作。沒有取樣，沒有資料門檻。

但 BigQuery 的操作比較困難。開立 GCP 雲端專案需要工程師的協助，而且會增加額外的雲端服務成本。系統提供了一個「複製給工程師」按鈕——展開後是一封可以直接發信給相關人員的授權信，裡面寫好了需要什麼權限、要做什麼設定。你只需要轉發。

少了這部分的資料絕對會比較可惜——因為 GA4 報表答不了的那三個問題，恰恰是行銷決策最需要的。

先估算再執行

BigQuery 的計價方式跟其他功能不一樣——按掃描量計費。所以系統在執行分析之前會先估算資料量，不掃資料、免費。這個示範案例的估算結果：資料量 1.8 GB、1 個計費單位、5 點。點數會隨資料量變——期間拉長或網站流量大，單位就多。其他功能都是固定價，只有 BigQuery 進階分析是浮動的。

系統有三道煞車：單次掃描上限、每月額度、BigQuery 硬上限。不會讓你一不小心掃出一筆大帳單。

五份報告

執行完之後，一次算完五份報告：總覽、渠道接觸分布、真漏斗、成交前碰過的管道、回購分布。都是 GA4 報表給不了的結果。

以這個示範案例（有 BigQuery 的電商網站）為例：

雙商務流程實際案例——基礎功夫不做好，分析怎麼可能準

前面的案例展示的是 GA4 報表和 BigQuery 能看到什麼。接下來這個案例展示的是：如果基礎功夫沒做好，這些報表會長什麼樣。

這個示範案例的購物車支援兩套不同結構與行為的商務流程。一個是一般產品的線上銷售，另一個是線下實體店面的體驗預約。結帳流程與金流共用一套機制。

傳統標準的電子商務追蹤，會把這兩套流程合併看待——都是「purchase」事件，都算一次成交。但「銷售商品」和「實體預約」是兩個完全不同商業屬性的行為。客戶價值不同——買一個產品的客單價和預約一次體驗的客單價不在同一個量級。品牌影響不同——線上銷售是交易完成，實體預約是關係開始。行銷策略不同——線上銷售看的是轉換率和 ROAS，實體預約看的是到店率和後續留存。

這就是為什麼很多人會抱怨「分析不準」「成效不佳」。不是工具的問題，是基礎功夫的問題。GA4 內建的 purchase 事件只記錄「結帳完成了」，不會幫你區分這是線上銷售還是實體預約——除非你自己在前端代碼裡埋了客製化事件來區分。

這個案例的漏斗之所以能分開看，是因為有人在事件設定裡做了客製化——把「課程預約」的每一步都設成了獨立事件，跟一般產品的購物流程分開。如果沒做這個客製化，6 步漏斗裡的每一步都會跟一般產品的瀏覽、加車、結帳混在一起，你看到的是一個看不出意義的綜合數字。

執行任何 MarTech 工具之前，先要自行處理好「基礎功夫」——廣告轉換訊號、廣告活動命名規範、UTM 追蹤訊號、GA 網站分析的事件各項設定。這些不做完，再強的分析工具都是在解釋一份壞掉的資料。

網頁分群——  1 分鐘全站歸類，但網址結構是你的事

GA4 的報表裡，你看得到「哪些頁面流量最大」。但「首頁流量佔 10.9%」「部落格文章佔 16.7%」這些數字，不會自動出現——除非你把全站幾百頁的 URL 做了分群歸類。

CMO 的「設定分群」功能，就是做這件事。

1 分鐘無痛上手

系統先把流量較大的 URL 和網頁標題呈現給你看。忘記那是什麼內容，點 URL 可以開新視窗查看頁面。

分群規則用萬用字元。例如新聞公告的 URL 常常是 /2012、/2015 這類有年份規則的路徑，你只需要設 /201* ，所有年份的新聞公告就全部歸在同一個分群裡。產品頁面如果是 /products/ 開頭，設 /products/* 就全部歸類。

不想加入分析的分類，直接取消勾選。例如公告性內容——新聞、活動預告——對轉換目標沒有直接影響，不想讓它干擾分析，取消就好。

以一個行銷顧問公司的官網為例：280 頁，用 18 條規則搞定 97.5% 流量的分群。新聞公告佔 55.6%，部落格文章佔 16.7%，首頁佔 10.9%——這些數字只有在分群之後才看得到。

猜錯比不猜糟

系統猜得出網址的形狀，猜不出它在你的組織裡屬於誰。/products/wf-2831/ 是家用產品還是商用產品？只有你知道。

跟第十三篇 Google Ads 分群的理念一樣：系統不從資料猜分群，因為猜錯比不猜糟。一份分錯的「家用系列佔 41%」會讓後面每一個預算討論都建立在那個錯誤上，而且看起來很有道理。

網址結構是你的事

這個功能也暴露了一個更底層的問題：大型電商購物網站，如果網址結構沒有做好產品分類設計——例如 /phone/sku1234 是手機類、/Home_appliances/sku4567 是家電類——而是全部 /sku1234 擠在一起，那分群就只能靠 SKU 跨碼規範。如果 SKU 跨碼也沒做好規範，那就需要重新優化電商網站的設計架構了。

這也讓行銷人知道：網址結構、事件命名、轉換設定、代碼安裝——每一個環節都得自己顧好，工具才能幫上忙。

基礎功夫不做好，任何 MarTech 工具都發揮不了作用

回頭看整個 GA4 成效的功能流程：三步驟設定 → 完整診斷 → 決策中心 → 戰略洞察 → 深度建議 → 進階分析 → 網頁分群。每一步都建立在前一步的基礎上。

三步驟設定做不完，報表不是你的。代碼檢查不過，上面的數字都是空中樓閣。漏斗沒設好，你不知道人在哪一步掉的。BigQuery 沒接，你永遠不知道成交前碰過哪幾個管道。網頁沒分群，你看不出哪一條產品線在帶量。

每一層都指向同一個結論：基礎功夫不做好，任何 MarTech 工具都發揮不了作用。廣告轉換訊號、廣告活動命名規範、UTM 追蹤訊號、GA 網站分析的事件各項設定——這些是地基。地基壞了，上面的報表再漂亮都是空中樓閣。

CMO 的 GA4 成效服務不是再造一個 GA4 報表美化工具。它做的事情是：站在「你的訊號對不對、你的基礎功夫做沒做」這個角度，先確認地基，再看分析。把站內數字跟台灣外部訊號接起來，把 GA4 報表答不了的問題用 BigQuery 補上，然後把判斷的主導權交到行銷負責人手上。

系統幫你把假設變成數字，你拿數字去跟團隊溝通。它負責把你看不到的結構攤開來，你負責決定哪些該修、哪些該停。

這篇是 GA4 成效的完整介紹。後續還有 Google 商家檔案的獨立篇章。歸因功勞計算功能，等其他帳號連結完成後，會再做補充說明。