Power BI與Google Analytics共舞（二） @ 晨晰統計部落格新站（統計、SPSS、BIG DATA討論園地）

前一篇文章介紹Power BI有一個Google Analytics的App（即GA模板），可以讓你快速建立GA的視覺化報表。本篇繼續介紹後半段。

第三頁Map Analytics地圖分析，這一頁用來找出你的網站瀏覽者，來自那些國家/地區較多，人數愈多圓餅愈大。更酷的是遊標移到某個國家/地區時，還會秀出該地點人群的瀏覽量時段分布，週間那一時段最多人。不過，我覺得它用顏色來代表語言別是一個敗筆，因為語言數太多了，顏色實在難以區別。

第四頁Key Influencers關鍵影響因素，這頁與第五頁Decomposition Tree分解樹，是Power BI目前最利害的部分，它加入大數據演算法，讓AI來協助GA。首先我們選擇「Over 5 minutes」，代表我們想找出瀏覽最久的原因。排第一個是「Source為Getpocket」（Source指GA分析中流量來源，如google/organic, FB/social, direct/none等等），藍圈中的4.28x，代表瀏覽超過5分鐘的人數比例，比其它來源高4.28倍，也就是這來源的人看最久。排序其後的解讀雷同不贅述。

另一個標籤則為［前幾個區段］，這是影響因素組合的結果。例如區段1指Havens Cousulting這一頁，來自非直接流量（不是direct）者，停留時間超過5分鐘的比例為8.8%，高於整體的4.2%。表示引流到這一頁的人會看的較久，這是成功的引流。這個很好用，可以找出停留時間較久的人，是受那些因素的綜合影響。這樣就可以針對某些頁面，找出吸引何種來源或特徵的人。對於關鍵字行銷上很有幫助。

第五頁Decomposition Tree分解樹，比較好玩。如下圖，選定一個指標，此處為不重複流量（Unique Page Views），總共11萬多筆中，使用英文windows作業系統、2020Q2、google自然語言搜尋者最多，高達7966筆。它的概念類似決策樹，找出最多的一種組合。這對於想找出關鍵指標的原因有很大幫助。這與前述Key Influencers關鍵影響因素的不同點在於，Key Influencers關注指標是類別變數，例如男生、台北人等，而Decomposition Tree關注指標是是數值變數，如流量、搜尋量、停留時間等。這同樣對關鍵字行銷上很有幫助，可搭配第四頁Key Influencers關鍵影響因素一起使用。

最後一頁，Site Speed網站速度，則是呈現網頁的載入、指向、搜尋、伺服器連接與反應等時間。這個對行銷人員來講比較不重要，主要是網頁開發人員在優化網頁時，有較大幫助，這裏我就不多介紹。

整體而言，這個Power BI模版，提供了比google的GA報表，更多更不一樣的情報，而且還有分析功能，可以幫助關鍵字行銷。更重要的是，不用自己開發，導入也非常容易，甚至用熟了，還可以自己開發新指標。對行銷人員來說，看膩了google的報表，它提供了另一種選擇。所以，馬上把這個Power BI app裝起來用吧！！