GA4 在 10/28 發布了關於 Benchmark 的更新，
開始可以參考同產業的基準化資料!
官方更新文件: GA4 Benchmark
官方 Benchmark 介紹影片
在首頁報表顯示基準化資訊
打開 GA4 的首頁報表，右邊多了一個 benchmark 的功能(類似獎牌的符號)
如果首頁報表選擇的指標是可以做 benchmark 的，就會看到相關的基準化資訊
以 每位活躍使用者的平均參與時間 為例，
可以看到 10/27 的值是 1分19秒，
當天的同產業比較中
- 第 75 百分位數是 52 秒
- 第 50 百分位數是 30 秒 (中位數)
- 第 25 百分位數是 12 秒
如果突然對百分位數有點不熟悉，這邊借用一張概念圖
來源: mathsisfun
簡單來說，假設以一百個人，最高的在最前面，最矮的在最後面
第 75 個人的身高就是 75% 百分位數，第 25 個人的身高就是 25% 百分位數
無法顯示的可能原因
如果沒顯示，按照官方影片的說法可能有以下原因
開啟帳戶設定選項
- 帳戶設定的選項: 根據輸入內容和業務洞察資料建立模型 沒有開啟
閾值限制
- 資料量不足，受到閾值(threshold)的限制
這點目前沒有文件提出大約的閾值落在哪裡，後續應該會有相關討論出現
選擇正確的指標
- 注意目前的指標是不是無法套用 benchmark
以下是可以使用 benchmark 的指標
-
獲客 (Acquisition)
- 新使用者率 (New user rate)
-
參與度 (Engagement)
- 平均單次工作階段參與時間 (Average engagement time per session)
- 每位使用者的平均參與時間 (Average engagement time per user)
- 平均工作階段持續時間 (Average session duration)
- 參與度 (Engagement rate)
- 每位使用者互動工作階段 (Engaged sessions per user)
- 每位使用者的事件計數 (Event count per user)
- 每個工作階段的事件 (Events per session)
- 工作階段重要事件發生率 (Session key event rate)
- 每位使用者的工作階段 (Sessions per user)
- 使用者重要事件發生率 (User key event rate)
- 每個工作階段的瀏覽次數 (Views per session)
- 每個使用者的觀看 (Views per user)
-
留存率 (Retention)
- 跳出率 (Bounce rate)
- 每日活躍使用人數/每月活躍使用人數 (DAU/MAU) (Daily active users / Monthly active users)
- 每日活躍使用人數/每週活躍使用人數 (DAU/WAU) (Daily active users / Weekly active users)
- 每週活躍使用人數/每月活躍使用人數 (WAU/MAU) (Weekly active users / Monthly active users)
-
營利 (Monetization)
- 每位使用者加入購物車 (Add to carts per user)
- 每位使用者的平均收益 (ARPU) (Average revenue per user)
- 單一付費使用者平均收益 (ARPPU) (Average revenue per paying user)
- 每位使用者的平均購買收益 (Average purchase revenue per user)
- 每位使用者結帳 (Checkouts per user)
- 初次購買者比率 (FTP 比率) (First-time purchaser rate)
- 新使用者轉換為初次購買者的數量 (First-time purchasers per new user)
- 付費每月活躍使用者人數/每日活躍使用人數 (PMAU/DAU) (Paying monthly active users / Daily active users)
- 付費每週活躍使用人數/每日活躍使用人數 (PWAU/DAU) (Paying weekly active users / Daily active users)
- 每位使用者的廣告收益總額 (Total ad revenue per user)
- 每位購買者的交易次數 (Transactions per purchaser)
- 每個購買者的交易次數 (Transactions per user)
情境、案例分享
每個工作階段的瀏覽次數
以每個工作階段的瀏覽次數為例，目前的數值是 1.0x，
比起類似產業的範圍都還低(第 25 百分位數是 1.25)
可以解讀為，使用者讀了一頁之後換下一頁的比率過低，
網站的相似推薦功能可能需要加強，
或是引導使用者可以閱讀其他文章
平均工作階段持續時間
截圖可以看到目前的平均工作階段持續時間偏高，
代表使用者在頁面停留的時間比較長
好的解讀來說: 使用者願意停留和閱讀，代表文章內容不算沒有價值
另一方面也有可能: 使用者需要花較長時間找到他想要的資訊，
那就要搭配其他事件或是 hotjar, clarity 等工具進行分析來證實這個假設
產業列表
文件上有列出的:
藝術與娛樂
汽車與交通工具
美容與健身
圖書與文學
商業與工業
電腦和電子產品
財經…
但其實有12xx多種可以選擇
這邊有從程式碼翻到全部的產業類別
整理在這個 Google Sheet 中
需要 raw data 裡面的人可以參考!
英文版的示意圖
中文版的示意圖
利用 XMind 整理產業列表
原本是用 Google Sheet 整理，但發現 XMind 可以更清楚的表現
於是重新調整語法後匯入了 XMind 中
兩個範例:
汽車有細分到品牌
美食也有區分中式、西式等等
