Dashboard for blogger 部落格篇 - Max行銷誌

從部落格學數據分析:用四張圖表,理解 Blog 成效

發佈於 發佈留言分類: 01 Python 電商數據分析10 所有文章

部落格「數據」需要留意什麼?如何判斷文章表現的好壞?又要怎麼建立 KPI 指標,來監測、優化和達到提升部落格流量目的? Max 行銷誌寫到第三年才比較有抓到部落格經營的眉眉角角,慢慢的流量開始有起色。今天這篇來聊聊,至今我認為最合適的「KPI 指標」和需要觀察的「數據儀表板」。 接下來會有一系列的圖表分享給大家,如果有想複製儀表板,我將模板放置於:DataStudio-模板分享 – Blog 數據追蹤儀表板 KPI 1. 經營部落格「流量」的北極星指標 *註:北極星指標 (North Star Metric) ,又稱為唯一重要的指標 OMTM ( One metric that matters) 「網站流量」就是由一個又一個的「關鍵字」所組成,如同 Frank 在如何獲得更多的 […]

到達頁優化_Max行銷誌

[數據分析] 如何優化Landing Page到達頁?

發佈於 發佈留言分類: 01 Python 電商數據分析10 所有文章

網站內的頁面很多該如何判斷各篇到達頁的狀況好壞呢?又該如何優化到達頁面?本篇利用 Google Analytics 設定量化的綜合指標來評分到達頁,再用詞頻分析、重要字分析、情緒分析來優化 SEO 關鍵字和頁面,最後使用餘弦相似性來判斷優化進步空間,並設定 SEO 追蹤排名程式來追蹤成效。 如何量化達頁面的好壞? 1.設定量化指標 此次參考 Bing 在 How To Build Quality Content 內文中提到觀察使用者在點擊網頁後,回到搜尋引擎的時間,進行推測該頁面是否對使用者有幫助。雖然很多謠言說 dwell-time 並會列入搜尋引擎的排名依據,但如果頁面沒辦法吸引使用者停留、讓用戶讀完整篇文章、或是跳出率極高的話,這一定是一篇需要加強優化的文章。因此從 Google An […]

[GTM埋設] Google Tag Manager設定 – GA滾軸事件

發佈於 發佈留言分類: 08 GTM 埋設教學10 所有文章

最近需要利用GA監控瀏覽器頁面的滾軸事件,詳細的把GTM埋設GA滾軸事件(Scroll Depth)的過程記錄了下來,並利用Google Data Studio呈現,讓使用者能輕鬆監控每個頁面,希望對有想埋設的人有幫助到! GTM相關延伸閱讀: [GTM埋設] Google Tag Manager設定 – GA 按鈕點擊追蹤 [GTM埋設] Google Tag Manager設定 – GA 追蹤url連結 [GTM埋設] Google Tag Manager設定 – GA 虛擬頁面 [GTM埋設] 如何埋設Google Analytics加強型電子商務 第一步:從變數開啟滾軸元素 首先在變數內新增設定,並開啟以下Scroll Depth Threshold、Scroll Depth Uni […]

RFM模型_Max行銷誌

[數據分析] Python快速計算RFM模型

發佈於 發佈留言分類: 01 Python 電商數據分析10 所有文章

過去投放廣告較專注在類似受眾、廣泛受眾和針對瀏覽行為進行再行銷,比較少針對消費過受眾進行投放;此次利用 Python 寫出了 RFM 模型的程式碼,可以快速計算出 RFM 用戶表現,此篇提供程式碼供大家參考。 一. RFM模型介紹 在眾多 CRM 客戶資料分析中,RFM 模型是被最常被廣泛提到的,其中的三大要素為 R(Recency)、F(Frequency)、M(Monetary): 最近一次消費 (Recency) 消費頻率 (Frequency) 消費金額 (Monetary) RFM 模型能將顧客資料分類後,可以針對不同類型顧客提供給予不同優惠,不同產品組合或是進行類似受眾廣告投遞;進而節省行銷預算上不必要的浪費。 延伸閱讀: 常貴客?新客? 讓RFM模型簡簡單單解釋一切! RFM模 […]

NES模型_Max行銷誌

[數據分析] Python快速計算NES模型

發佈於 4 則留言分類: 01 Python 電商數據分析10 所有文章

過去投放廣告較專注在類似受眾、廣泛受眾和針對瀏覽行為進行再行銷,比較少針對消費過受眾進行投放;此次利用 Python 寫出了 NES 模型的程式碼,可以快速計算出 NES 用戶表現,此篇提供程式碼供大家參考。 一. NES模型介紹 NES 模型是為了掌握顧客的消費行為變動性而設計,將客戶分群成為三大類,共五種標籤: N =新顧客(New Customer) E =既有顧客(Existing Customer) E0 主力顧客:購買週期 1 倍時間內回購的人 E1 瞌睡顧客:超過購買週期 1~2 倍未回購的人 E2 半睡顧客:超過購買週期 2~3 倍未回購的人 S =沉睡顧客(Sleeping Customer),購買頻率超過購買週期3倍未回購的人 延伸閱讀:行銷 4P 理論要改寫了?大數據這 […]