數據時代下，每個行銷人都講究「成效」，每件執行事項都要能獲取數據資料，不論是訂單數據、網站成效數據…等，但真的有正確「解讀」數據的人少之又少，甚至連「累積數據」的方式都是錯誤的，換句話說你正拿著錯誤的數據得到錯誤的結論並執行錯誤的策略，本篇告訴你，只要你的日常工作有接觸到數據，你該具備何種思維不被數據誤導。
內容目錄
1.進入分析前，你要確定數據有正確被累積
「數據正確累積架構」換句話說就是你要知道你需要獲取哪些數據、這些數據該如何正確被收集，如果你身為一個電商老闆，想必你必須時刻掌握每個管道消費者進站的行為、營收變化，你可以用Google analytics(GA)並設定正確的「電子商務追蹤」來獲取這些資料。
正確設定完成後，知道數據是如何被收集的也很重要，這能讓你更理解每個數據的意義，例如轉換金額的追蹤是否有扣除後續退貨的消費者、累積的加入購物車數據，是否有排除重複計算的數字…等。
由於工作的關係，我接觸過上百個不同的Google analytics帳戶與其他數據分析系統，太多人都沒有建構正確的數據累積架構導致無法獲得到他想知道的數據資料、不然就是設定錯誤導致數據根本無意義。
＊正確的數據追蹤、了解數據如何被累積是開始分析前的基本
2.了解每個數據指標所代表的意義
累積足夠且正確的數據樣本後，可以開始進入數據分析階段，在此先假設一個常見問題：「如果你透過數據資料發現某支廣告點擊率比起其他廣告超出許多」，你會如何去解讀該數據呢？通常我會透過以下四個步驟去幫助思考：
- 釐清數據指標的字面意義：首先要知道該「數據指標」是如何計算出來的，因此你必須先明白點擊率代表的是點擊廣告的人數除以廣告曝光次數得出的百分比。（清楚知道數據指標的基本定義，才能更廣泛的去找出數據背後意義）
- 找出數據指標的背後意義：數據指標背後的意義仰賴人員的「經驗」，清楚的知道什麼樣的原因會導致點擊率高於其他廣告，也許是素材吸引人、受眾精準、合適的刊登位置、廣告議題強而有力、甚至也許是樣本過小才導致這個結果，有充足經驗的執行者，通常可以快速列出造成該數據變動的幾種可能原因。
- 驗證這些「可能原因」，找出數據變動的關鍵：可以用A/B不斷的測試，找出影響數據如此變動的「真正原因」，後續才能複製作法擴大成效，當然一次測試的變數不能太多，因為要是樣本數不足，數據可靠度也不夠。
- 複製數據成效：找到數據變動的關鍵後，可以開始複製並套用到其他支廣告
3.不可太過直觀的依賴單一數據指標，會導致錯誤率極高
就像前面提到的，光是一個點擊率變動，背後的可能因素就非常高了，不要直觀地認為點擊率高就是素材非常棒，後續的廣告素材都走類似風格，過度直觀的數據分析容易導致後續錯誤的策略。
看數據應該綜觀的去分析，如何綜觀分析可以從「整個情境」去思考，例如說你是用何種廣告平台、在什麼樣的時間、投放給什麼樣的受眾族群、在哪個版位曝光、又提供了什麼樣的素材以及議題的廣告，才導致今天的結果是點擊率高的數據，數據指標必須彼此搭配分析。
綜觀的數據分析，可以讓準確率提升許多，但相反的，即便是綜觀的數據分析，一旦納入過多的變因時，常會導致分析者無法得知眼前狀況是因何項變因所導致，以致難以得出結論，因此必須在單一數據＆眾多數據分析中取得平衡，我的常見做法是：分析數據時，不一次納入過多的變數進行分析，且不同變數有不同的重要程度，好比說你手上有一份訂單數據，從消費者年齡、所在區域、購買商品、購買單價、回購率甚至到使用何種設備、何種瀏覽器…等資料都有，今天想要知道為何特定時段的銷售額特別好時，若一次納入所有的變數進行分析，除了耗時外又不容易有確切結論，因此可以根據此次進行數據分析的目標（找出該時段銷售額特別好的原因），鎖定幾個直接相關的變因進行分析，例如購買商品、購買單價、消費者年齡…等
4.清楚你需要的「數據」，釐清各行銷管道目的達成行銷整合
想要達成你所設定的行銷目標，你需要獲取怎麼樣的數據？ 好比你希望今年線上營收成長兩倍，你知道你需要提升三個數據指標，「線上流量」、「站內轉換率」、「單次購買金額」，所以你可能會去做SEO、廣告、社群來達成你的行銷目標，在佈局時你就不會因為SEO沒有帶來轉換而不做，因為也許SEO帶來的流量品質很好，搭配廣告做再行銷後，站內轉換率高出所有其他管道，又或者是你會努力做社群，雖然流量不大，但粉絲的單次購買金額是其他管道的好幾倍。
＊行銷佈局就是提前思考達成目標你需要獲得哪些數據，並如何在各管道最有效的獲得這些數據
5.與「人」相關的數據都會有一定的波動區間
如果說5月時網站有10萬的訪客，在無進行任何「人為的」行銷操作的前提下，隔月訪客提升至11萬，這樣算是成效提升？其實，導致這種狀況的發生，最常的原因都只是數據的波動區間，而非真的成效有所增長，好比說新聞議題讓某些關鍵字的搜尋量提升而導致訪客的上升，其實網站排名完全沒有推進，這種外在因素導致數據波動通常是突發的，不會有規則可言，而有些數據波動是規則的，例如每年的淡旺季、熱門節慶都會讓特定數據呈現相對高峰與低峰。（數據的組成來自於多種變因的混合，找出何種變因對你的產業數據影響最大）
混雜了外在因素的不規則與規則的數據波動，再加上人為操作對數據的影響，是在做數據分析時，常會造成錯誤判斷的主要原因，我的常見做法是數據的觀察並非著眼於短期，只要你在特定產業待的夠久，你會知道數據的規則變動（淡季、旺季）、對於不規則的變動則應該主動紀錄（例如2020 Q1因為疫情導致生意慘淡）、若是有重大的人為行銷操作也必須主動紀錄（例如2月份網站改版、3月份花重金買廣告），如此你在進行數據分析時，才不會被眼前的「短期」數據給蒙蔽，你會知道數據波動背後的原因。
行銷人常見問題：觀看數據後，過早對眼前狀況下定論，就像這邊提的數據波動，也許現在的數據呈現是在波動區間的最低峰或是最高峰，很容易導致判斷準確率失真，當然想要完全提高數據判斷的準確率，相對的就較難立即做出反應。
6.觀察數據指標的長期變化而非短期數據成效
只專注在短期數據分析，常常會有錯誤的數據判斷，也許你的網站訪客、站內轉換率、轉換數目比起上個月高出許多，但以長期的數據來看，搞不好現在的成效還低於全年度平均值，定期觀察數據指標的長期變動，你可以更了解上面提到的「規則的數據波動」，對於整體狀況可以有更高準度的判斷。
常見的廣告平台，Google ads、 Yahoo ads、Facebook廣告後台，在數據呈現上，多半是用表格以及一些簡單的圖表去呈現特定時間上的數據表現 ，較難獲取長期數據的洞察。
通常我都會自己設定Google data studio串接各個廣告平台、GA的數據資料，方便看到更多數據的長期變化，下圖就是將Google ads的廣告資料串接到datastudio，你可以手動拉出任何你想觀看的數據模板（參考用datastudio拉出來的Google ads 數據模板）
7.數據都存在誤差並且是可操弄的，不該100%的相信
你可能有很多不同的數據來源，會有誤差是非常正常的，就像是GA跟其他網站分析工具，顯示的數據一定都有差異，因為每個工具計算數據的方式都不一樣、也都會有些獨特的數據指標，像是GA就是用工作階段來計算流量、但其他網站分析工具計算流量可能就不是用工作階段來紀錄，並沒有哪種數據才是對的，完全理解各工具如何收集數據，且數據為何會有差異才是最重要的。
何謂數據可操弄？好比GA的流量數據，工作階段的計算預設是30分鐘，換句話說同一個人在瀏覽網站時，超過30分鐘後有第二次網站互動，才會算兩次工作階段，那如果我今天把工作階段調成5分鐘，只要超過5分鐘沒有互動就會直接算二次工作階段，工作階段直接大幅度成長，但實際狀況根本沒變。
8.有些成效難以數據化，嘗試找出相關性較高的其他指標
公車廣告、看板甚至是影片廣告，很多純「曝光」的行銷活動會難以數據量化成效，很難知道這些「曝光」後，消費者是否真的有因此而去購買，常見做法有兩種：
- 嘗試放上可追蹤的要素：例如看板廣告顯示的諮詢電話，與所有其他管道不同，因此可以區分出成效。
- 追蹤其他相關性高且可量化的指標：例如說一系列的曝光推廣，可用聲量查詢工具，檢視整體聲量是否有因此提升。
數據是執行的依據，由於誤差、數據波動的問題，再確認「行銷進行的總體方向」時，不應過於片面、快速的給予一個定論，在確認大方向後，才開始專研細項執行的數據表現。