數據歸因在實務應用上，五個值得我們注意的應用限制。
一、不同屬性的 Channel，數據歸因的結果不要直接比較
閱讀全文
分類彙整: Amplitude與數據分析
數據歸因是什麼？
數據歸因這個領域，我一直都沒好好花時間徹底了解，剛好趁一次機會，跟同學介紹數據歸因的機會，整理了一些文稿，也整理在這邊和大家分享一下。
～～～
「常常看到一種狀況，部落客帶來的流量是不少，但好像都不會直接帶來訂單，你覺得這樣的話還需要繼續投資在部落客身上嗎？還是有其他考量？」
閱讀全文
八種拆解營收的方法
為何要拆解營收
現在的數據非常多，光是 Google Analytics 上就有上百個維度，超過500種以上的數據，呈現在你眼前，再加上交易數據、廣告投放數據…等等，數據太多很容易讓人埋首數據當中，大多數的行銷人員其實是被數據給淹沒了，不知道該從何處著手，現在是不缺數據的年代，缺的是怎麼解讀數據，還有利用數據讓營收真正有感成長。
閱讀全文
三個常見的漏斗設計誤區
關於漏斗，有幾個常見的誤區，在這邊想跟大家提醒一下。
漏斗常見的誤區一：漏斗是越短越好
先前有提到，漏斗的每一個步驟，都不會是100%的轉換率，一開始最多人，每經過一個步驟，就會少一些人。所以呢，就有些人會誤會，那漏斗會不會是越少步驟越好，經過的步驟少，人也會掉得比較少。
這其實是常見的一個誤解，讓我舉個團購網站的例子。
閱讀全文
DAU、WAU、MAU 哪一個為主？Retention Cohort 該看日、週、月哪一個？
DAU（Daily active user）、WAU（Weekly active user）、MAU（Monthly active user），你覺得哪一個比較適合你的產品？
同樣的邏輯，Retention Cohort 該用日、週、月哪一種來看？