數位行銷 | 實際案例分享，利用【數據分析】找行銷優化策略

數據分析、數據思維，到底在分析什麼？到底要思維什麼？ 

今天的分享，我會實際用我做的的案子帶大家去看如何做數據分析。 

知道如何數據分析，你就可以知道目前策略的問題點在哪，找到可以優化的地方， 

然後當然就可以提升我們想要的成效。 

數據分析有很多的方法，這次分享的的過程，是非常簡單快速的，希望你可以馬上運用上。 

你知道你應該關注哪一些數據嗎？

每一個不同的商業模式中工作、職位、行銷策略會需要知道的數據都不一樣。

首先，我們要先知道自己的商業模式、行銷策略、或工作中，重要的數據有哪一些。 

舉例一、 賣高價課程。

我們賣高價課程的的銷售流程是這樣的：廣告->免費說明會->高價課程 

其中重要的數據有 

• 廣告流量
  
• 廣告cpc費用
  
• 免費說明會頁面轉換率
  
• 報名說明會的出席率
  
• 報名高價課程的轉換率

（不只這些）

舉例二、 假設你是HR的話，那你可能要著重的數字

• 面試者的錄取率
  
• 投遞履歷的數量
  

每一個不同的位置、不同的行銷策略會關注的數據不一樣，但是我們要知道

哪些數據是重要數據，哪些數據需要被記錄下來

這一步非常重要唷，因為我們需要知道要搜集哪些數據，才有辦法去記錄跟整理。

找出需要優化的數據，訂出優化計劃

剛剛舉例的高價課程，我們的目標希望課程的收入可以增加，因此我們把數據都找出來看後發現 ，

廣告的問題不大，一個報名免費說明會的成本也不高，但是卻有兩個數據比較低 ：

第一個問題：報名說明會的人很多， 但是出席率確很低，僅有20%

好不容易招來的名單，卻沒出席就非常的可惜，如果取得一個名單的成本是100塊，這樣就等於實際參與說明會的一個名單是500元了。

第二個問題：當天聽免費直播的參加者，實際報名付費課程的轉換率低 

很多人來聽免費直播，但很多人最後都不會購買進階課程，希望轉換率可以提升，讓購買的人數增加。

我們從數據中找出這兩個可以優化加強的數據。 在廣告預算相同，帶來的流量不變時候，把這兩項轉換率提升，就有助於收益的增加。 

因此提出問題了，就需要提出假設，然後實際去做測試執行。 

問題一、出席率不高，如何增加出席率 

先思考可能造成出席率低的原因，把它全部列出來 

1. 較早報名，忘記當天要上課，安排別的事情
   
2. 因為免費的所以先報名，並不是很把這件放在心上
   
3. 覺得免費的課程不一定可以學到很多東西
   
4. 單純懶惰
   

優化方向： 

開始想方式去解決上面的原因

• 報名的時候，讓報名者可以加入行事曆，讓他們的行事曆自動提醒他們
  
• 前一天就要提醒隔一天要上課，不要只有當天才開始提醒。還有當天在直播開始前提醒一次，開始後一陣子提醒說現在正在講重點，趕快進來。總共提醒三次
  
• 文案不只是提醒大家記得上課，更是要激起學習慾望，並讓他們覺得這門課有價值
  
• 分眾貼標籤紀錄沒出席的人，下次有開課再提醒他說上次錯過了，這次還可以再來。
  

另外，我們有想過是不是要收一點費用，畢竟繳了一點錢，大家就會覺得付了錢，出席意願就比較高。

但是我們討論後覺得辦免費課程的用意就是希望得到大量名單，收費可能會讓名單數減少，所以把這個選項給刪除掉了。

文案優化的方向範例：

優化的文案製造出名額很珍貴，放棄很可惜的感覺。 

整個優化過後，出席率從20%上升40%。

問題二、實際報名付費課程的轉換率低，如何提升轉換率

轉換率低的原因可能有： 

• 當最後在講進階課程的時候，如果講到技術太深的東西時，離場的人數增加
  
• 沒有急迫感，大家會回去思考後再報名
  
• 大家不知道上完課之後，對自己的好處是什麼
  
• Q&A的時間，很多人問技術問題，較少人詢問課程
  

優化方向： 

1. 介紹進階課程的時候，增加更多成功案例，少講技術層面
   
2. 增加急迫感：跟大家優惠只到今日截止
   
3. 再行銷推播，沒報名的人還是要有FB廣告跟Line持續刺激購買
4. 埋設樁腳，在Q&A環節多問一些課程的問題

優化完成後轉換率從3%-5%

數據分析四步驟

如果只單看上面的結果會覺得優化好像很容易，但其實需要經過下面四個步驟

蒐集數據、整理數據、找出問題、提出優化方案

搜集數據

首先我們要盡可能地去搜集數據，如果有系統當然就用系統，但沒有的話就可以用excel。

整理數據

如果excel上面都是一堆數字，會很難直觀的讓人去看出數據的走向。

所以可以盡量把蒐集到的數據圖表化，視覺化。

例如像是excel就可以拉折線圖，我們就很好觀察最流量的變化，轉換率的變化等等。

找出問題

如果有歷史數據可以參考的話，就會比較容易發現問題，例如說發現流量開始下滑，可能是cpc變貴了的關係。

但如果都沒有歷史數據可以參考的話，就先訂一些可以達到的目標去達成。

假設轉換率現在是3%，目標提升到5%，但不太會定轉換到30%之類的因為差的有點多，比較難以達成。

提出優化方案

會像上面案例那樣，先猜測有可能造成此數據表現不佳的原因，然後一一提出解決方法，一個一個去嘗試，最終就可以找到解決的方案。

數位行銷需要哪些數據要關注？

其實每一個不同產業跟不同行銷策略會關注的數據都不同，但我把比較基本的整理出來，以下的數據都很常用到，我們可以把他記起來。

廣告數據

• cpc：一個點擊的費用-如果cpc太高，通常ctr也不會好，因為代表高廣不吸引人，不吸引人的廣告，cpc通常就會比較貴。
• ctr：點擊率-ctr低的話代表大家不想點我們的廣告，所以需要好好的優化我們的素材。
• cpa：一個行動產生的費用-例如說得到一個填表單的名單，要花廣告費50元，cpa就是50。
• ROAS：廣告投資報酬率
• ROI：投資報酬率
• 頻率：頻率太高代表受眾已經看郭我們的廣告很多次了，所以如果看過很多次但卻未購買的人就要記得排除。

頁面數據

• 加入購物車未購買的比例 ：如果很多人加入購物車未購買，就可以好好思考是不是結帳流程有問題，或是運費太貴。
• 停留的時間 ：如果發現很多人進來一下就跳出的話，就需要好好優化頁面。
• cvr：轉換率-廣告吸引到很多人進到頁面，但是大家都沒有購買的話原因有很多種。頁面不吸引人、廣告訴求跟頁面訴求不一致、結帳流程有問題、運費太高等等。

安娜想說

我一直都覺得數據力是很重要的事情，因為它會讓我們發現一些我們肉眼看不到的問題哈哈。

很多事情就可以不是用猜的，而是有憑有據的找出問題點，然後解決他。

希望看完今天的分享，可以讓大家對行銷的數據分析多一點點想法，如果有問題的話都歡迎聯繫我喔！

下次見拜拜～

按讚安娜Facebook，歡迎大家來聊聊，網路行銷、個人品牌、知識變現！

前往安娜粉專