電商數據分析完整指南：用數據取代直覺，做對每一個生意決策

一、為什麼一定要看數據？別再憑感覺做電商

很多老闆做電商靠的是「我覺得這個會賣」「客人應該喜歡」，但市場從來不會照你的感覺走。憑感覺的問題在於：你永遠不知道自己錯在哪、也不知道對在哪，賺錢時不知道怎麼複製，虧錢時找不到破口。

舉個我實際遇到的例子。有個服飾品牌老闆堅持主打某一款洋裝，因為「自己穿很好看、朋友都說讚」。但拉開後台數據一看，那款的轉換率只有 0.8%，遠低於店內平均 2.3%；真正默默在賺錢的，是一款她根本沒在推的基本款上衣。把廣告預算從洋裝挪到上衣後，整體 ROAS 從 1.8 拉到 3.6。這就是數據的價值——它會告訴你「市場的真相」，而不是「你想看到的版本」。

數據分析不是要你變成數據科學家，而是建立一個習慣：每個決策前先問「數字怎麼說？」。它幫你做三件事：第一，找出真正賺錢的商品與客群，把資源放對地方；第二，及早發現問題，例如轉換率突然掉、運費頁面跳出率飆高；第三，可預測、可複製，讓成長不再靠運氣。

更重要的是，台灣電商競爭已經非常激烈，流量成本年年漲。當每一塊廣告費都越來越貴，你更不能靠猜的。會看數據的人，能用同樣的預算多賺 30%、50%；不看數據的人，往往是被市場淘汰的那一批。從今天起，把「我覺得」換成「數據顯示」。

二、電商必看的關鍵指標：轉換率、AOV、回購、ROAS、LTV、CAC

指標太多會看到眼花，所以我幫你濃縮成六個最該盯的核心數字。搞懂這六個，你已經贏過八成的同業。

轉換率（Conversion Rate）：到站訪客中實際下單的比例。公式＝訂單數 ÷ 訪客數 ×100%。台灣電商平均落在 1%～3%，低於 1% 通常是商品頁、價格或信任感出問題。這是檢視「網站體質」最直接的指標。

客單價（AOV，Average Order Value）：每筆訂單的平均金額＝總營收 ÷ 訂單數。想提高 AOV，可用滿額免運、加價購、組合包。AOV 提升 20%，在不增加流量的情況下，營收就跟著漲。

回購率（Repeat Purchase Rate）：一段期間內重複購買的顧客比例。新客獲取成本是舊客的 5～7 倍，回購率是電商能不能長久的命脈。健康的品牌回購率多在 20%～40%。

ROAS（Return on Ad Spend）：廣告投報率＝廣告帶來的營收 ÷ 廣告花費。ROAS 3 代表每花 1 元賺回 3 元。但要注意，ROAS 沒扣成本，毛利低的商品 ROAS 3 可能還在虧。

LTV（顧客終身價值）：一個顧客在整段關係中帶來的總營收。簡化算法＝AOV × 回購次數 × 平均存活期。

CAC（顧客獲取成本）：獲得一位新客花的錢＝行銷總花費 ÷ 新客數。健康的電商，LTV 至少要是 CAC 的 3 倍以上（LTV:CAC ≧ 3:1），這條線決定你的生意能不能規模化。

三、數據追蹤設定：GA4、Meta 像素、UTM 一次搞定

沒有正確的追蹤設定，再厲害的分析都是空談——因為你拿到的數字本身就是錯的。先把「收數據」的水管接好，這是所有分析的地基。

GA4（Google Analytics 4）：免費且必裝。和舊版 UA 不同，GA4 以「事件（event）」為核心。電商一定要開啟「加強型電子商務」事件追蹤，包含 view_item（看商品）、add_to_cart（加購物車）、begin_checkout（進結帳）、purchase（完成購買）。有了這串事件，你才能看出顧客在漏斗哪一關流失。設定方式建議透過 GTM（Google Tag Manager）部署，後續改動不必每次找工程師。

Meta 像素（Pixel）/ Conversions API：投 FB、IG 廣告必裝。像素負責回傳轉換給 Meta，讓演算法學習找對人；務必設定標準事件 Purchase 並回傳「實際成交金額」，廣告系統才能精準優化 ROAS。近年因瀏覽器擋第三方 cookie，強烈建議同時搭配伺服器端的 Conversions API，補回流失的轉換數據。

UTM 參數：這是分辨「流量從哪來」的關鍵。在每一個對外連結（EDM、貼文、KOL、廣告）加上 utm_source、utm_medium、utm_campaign。例如：utm_source=facebook&utm_medium=cpc&utm_campaign=summer_sale。命名一定要建立統一規範並做成表格，否則三個月後你會看到 FB、facebook、Facebook 三種寫法，數據全亂。

另外推薦免費裝上 Microsoft Clarity，它能錄製訪客操作、產生熱區圖，讓你「看見」顧客卡在哪——這是純數字看不出來的洞察。

四、流量與轉換漏斗分析：找出你的「漏水點」

顧客從進站到下單，就像水從漏斗上方流到下方，每一關都會漏掉一些人。漏斗分析的目的，就是找出「漏最兇」的那一關，集中火力去補。

一個典型的電商漏斗有五層：到站（Session）→ 瀏覽商品（view_item）→ 加入購物車（add_to_cart）→ 進入結帳（begin_checkout）→ 完成購買（purchase）。在 GA4 的「探索」功能裡，你可以用「漏斗探索」報表直接拉出每一關的人數與轉換率。

關鍵不是看絕對數字，而是看「關卡之間的流失率」。我給你幾個實戰判讀：如果到站到瀏覽商品就大量流失，通常是流量品質差或首頁/到達頁不對題；如果加購到結帳掉很多，常是運費太貴、結帳要強制註冊、或沒有提供常用付款方式（如 LINE Pay、貨到付款）；如果結帳到完成購買流失，可能是付款失敗、表單太長、或最後一步出現意外費用。

台灣消費者對「運費」和「貨到付款」特別敏感，購物車放棄率（Cart Abandonment Rate）動輒 60%～70% 都算正常，所以結帳這關往往藏著最大的成長空間。把結帳步驟從 5 步減到 3 步、加上免運門檻提示、補上多元支付，常常能直接拉高整體轉換率。

建議搭配 Clarity 的錄影回放，實際看幾個「加了購物車卻沒結帳」的 session，你會親眼看到問題出在哪，比猜一百次都有用。

五、顧客分群與 RFM：把對的資源放在對的人身上

不是每個顧客都一樣重要。通常 20% 的顧客貢獻 80% 的營收，如果你對所有人發一樣的優惠、一樣的 EDM，等於把錢平均浪費掉。顧客分群，就是讓你「差別對待」——把最多資源留給最該服務的人。

最實用、不需要工程師的分群方法是 RFM 模型，由三個維度組成：

R（Recency 最近一次購買）：距今多久買過？越近越好。

F（Frequency 購買頻率）：一段期間內買了幾次？越多越忠誠。

M（Monetary 消費金額）：總共花了多少錢？越高越有價值。

做法是把每位顧客在這三個維度各打 1～5 分，再組合成群。例如 R、F、M 都高的是「VIP 核心客」，要給專屬優惠、新品優先、會員禮遇，留住他們；R 低但 F、M 高的是「沉睡的高價值客」，曾經很愛你但好久沒來，最值得用喚回活動（限時優惠、專屬折扣）搶救；R 高但 F、M 低的是「新客」，重點是引導第二次購買、養成習慣。

實作上，你不必買昂貴系統。把後台訂單匯出成 CSV，用 Google Sheets 加上幾個公式（用 PERCENTILE 或排序分級）就能算出 RFM 分數，再貼回你的 EDM 工具（如電子豹）或廣告受眾名單做分眾溝通。

分群最大的價值，是讓你的行銷從「亂槍打鳥」變成「精準狙擊」——同樣的預算，回報天差地別。

六、建立你的數據儀表板：用 Looker Studio 一眼看懂生意

前面講的指標再重要，如果每次都要登入後台、東翻西找、手動算，你很快就會放棄看數據。解法是建一個「儀表板」——把所有關鍵數字集中在一頁，每天花三分鐘就能掌握生意全貌。

我最推薦的免費工具是 Looker Studio（前身 Google Data Studio）。它能直接串接 GA4、Google Ads、Google Sheets，甚至 Meta 廣告（透過第三方連接器），把資料自動視覺化成圖表，且每天自動更新，不用你手動。

一個健康的電商儀表板，我建議至少包含四個區塊：

營運總覽：今日/本月營收、訂單數、AOV、轉換率，最好和上期比較看趨勢。

流量來源：各管道（自然搜尋、FB/IG 廣告、Google 廣告、直接流量）帶來的工作階段與轉換，看清楚錢花在哪、哪裡最有效。

廣告成效：分活動的花費、ROAS、CAC，一眼揪出在燒錢的廣告組。

商品表現：銷量、營收、轉換率前後段商品，決定要主推誰、要下架誰。

建立原則有三：第一，少即是多，一頁放最關鍵的 8～12 個數字就好，塞太多反而沒人看；第二，一定要有「比較基準」（和上週、上月、去年同期比），單一數字沒有對照就沒有意義；第三，設定異常提醒，例如轉換率掉破某個數值就警示。

做好一次，往後每天打開就能看，這是把數據習慣化最有效的一步。

七、從數據到決策：數字不是用來看的，是用來行動的

看數據的終點不是「知道」，而是「行動」。我看過太多老闆儀表板做得漂漂亮亮，卻從來沒因為某個數字改變過任何決定——那等於白做。真正的高手，是用數據驅動每一個動作。

給你一套可以直接套用的決策流程：觀察 → 提問 → 假設 → 行動 → 驗證。

觀察：例如發現結帳轉換率從 45% 掉到 32%。

提問：為什麼掉？是哪個客群、哪個裝置、哪個時間點開始的？

假設：可能是上週新增的運費規則嚇跑了人。

行動：調整免運門檻、在購物車頁提早顯示運費。

驗證：兩週後回看，轉換率是否回升？這一步最常被忽略，但沒有驗證，你永遠不知道改對了沒。

這裡有個關鍵心法：A/B 測試。當你不確定哪個做法比較好（例如兩種商品頁文案、兩種免運門檻），就讓兩個版本同時跑、各分一半流量，用數據決定贏家，而不是用嘴巴吵。一次只測一個變因，結果才乾淨可信。

另一個重點是「分清楚相關與因果」。營收上升的那週剛好你發了 EDM，不代表是 EDM 帶來的，也許只是遇到發薪日。要驗證因果，靠的是控制變因的測試，不是巧合的時間重疊。

記住：數據的價值，等於你因為它而做出的、原本不會做的好決定。看再多數字，不行動，價值是零。

八、常見數據陷阱：別被數字騙了

數據會說真話，但前提是你正確地解讀它。以下是我看過電商老闆最常踩的幾個坑，避開它們，你的分析才不會把你帶往錯誤方向。

陷阱一：只看 ROAS，不看毛利。ROAS 3 看起來很美，但若商品毛利只有 25%，扣掉成本後其實還在虧。永遠要看「含成本」的真實獲利，例如用 POAS（Profit on Ad Spend，獲利投報率）取代純看 ROAS。

陷阱二：用平均數騙自己。AOV 平均 1,200 元，可能是大多數人買 600 元、少數人買 5,000 元拉高的。平均數會藏住分布，重要指標最好同時看中位數與分布。

陷阱三：樣本太小就下結論。某廣告跑了 3 天、50 個點擊就說「沒效果」砍掉，這個樣本根本不足以判斷。轉換是低頻事件，要累積足夠的量（通常至少 100 次轉換）再下定論。

陷阱四：歸因模型沒搞清楚。預設的「最後點擊歸因」會把功勞全算給最後一個管道，讓前期幫你曝光、培養興趣的管道（如內容、KOL）被嚴重低估。了解不同歸因模型，才不會錯砍真正有貢獻的管道。

陷阱五：忽略數據時間差與季節性。和上週比掉了 20% 就恐慌，但也許上週是檔期、這週是淡季。看趨勢要拉長、要和「去年同期」比，才看得出真實走向。

陷阱六：追蹤本身就壞了。漏裝事件、UTM 命名混亂、像素重複觸發，都會讓數字失真。定期健檢你的追蹤設定，是分析師最基本卻最容易偷懶的功課。