分類彙整: Amplitude與數據分析
數據歸因的五大限制
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
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?