Google BI解決方案: Looker Studio×AI數據驅動行銷實作, 完美整合Google Analytics 4、Google Ads、ChatGPT、Gemini

目錄:
▍第 0 章 常用 Google 工具開通與匯入資料來源
0.1 存取 Google Analytics 4 示範帳戶
0.2 創建 Google Ads 帳戶
0.3 資料來源匯入步驟說明
- 以 Google Analytic 4 為資料來源進行匯入
- 以 Google Sheets 為資料來源進行匯入
- 以 Microsoft Excel 為資料來源進行匯入

▍第 1 章 行銷人踏入數據分析第一步
1.1 數據對行銷重要性
1.2 了解分析目的與情境
1.3 數據基礎觀念
- 維度與指標的關係
- 什麼是數據基準（Benchmark）？
1.4 完善分析流程與框架
1.5 為什麼需要 Looker Studio？

▍第 2 章 認識 Looker Studio 基礎圖表（一）
2.1 Looker Studio 基礎介紹
- 如何套用範本庫？
- 正確的操作流程
2.2 基礎圖表操作 -資料來源
- 設定正確資料來源
- 資料來源操作注意事項
2.3 基礎工具操作 -報表基礎設置
- 介面概覽與功能介紹
- 第二列工具列功能介紹
- 圖表屬性與資料面板
2.4 基礎圖表操作 -柱狀圖 / 堆疊圖 / 長條圖
- 柱狀圖
- 堆疊圖
- 長條圖

▍第 3 章 認識 Looker Studio 基礎圖表（二）
3.1 基礎工具操作 -序列圖
- 時間序列圖表
- 走勢圖
- 平滑時間序列圖
3.2 基礎圖表操作 -組合圖
- 組合圖
- 堆疊組合圖
- 設置組合圖 / 堆疊組合圖注意事項
3.3 基礎圖表操作 -圓餅圖
3.4 基礎工具操作 -表格與資料透視表
- 表格
- 內含長條圖的表格
- 內含熱視圖的表格
- 資料透視表
- 含長條圖 / 熱視圖資料透視表
3.5 基礎工具操作 -評量表 / 散佈圖
- 評量表
- 散佈圖

▍第 4 章 建立篩選器控制數據呈現
4.1 建立下拉式清單 / 固定大小清單
- 下拉式清單
- 固定大小清單
4.2 建立輸入框
4.3 建立進階篩選器
- 建立可設置維度條件的進階篩選器
- 進階篩選器搭配圖表篩選器
- 進階篩選器的 5 種常見分析情境
4.4 建立滑桿 / 核取方塊 / 預設篩選器
- 滑桿
- 核取方塊
- 預設篩選器
4.5 建立日期範圍控制項
- 日期範圍控制項功能特色
- 用日期範圍控制項篩選時序圖
4.6 建立資料控制 / 維度控制項
- 資料控制
- 維度控制項

▍第 5 章 進階實務操作 (一)
5.1 指標資料類型
5.2 指標匯總功能應用
- 為新增指標建立匯總公式
- 使用內建的匯總函數
- 內建匯總函數整理
5.3 指標的比較計算
- 什麼是比較計算？
- 在總數中所佔的百分比
- 與總數的落差
- 上限所佔百分比
5.4 指標的累計功能
- 累計加總
- 累計最低值
- 累計最高值
- 累計計數
- 累計變量
- 執行百分比差異
5.5 下鑽查詢
5.6 細目維度與維度群組
- 用細目維度呈現數據的組成
- 用維度群組將數據分類

▍第 6 章 進階實務操作 (二)
6.1 混合資料 -相同資料來源
- 將兩個資料表聯結進一張表格
- 兩資料表的彙整方式
6.2 混合資料 -不同資料來源
- 製作進站流量概況報表
- 資料混合的問題與注意事項
6.3 欄位自訂
- 將欄位值合併出新的維度
- 欄位值字母大小寫轉換
6.4 參數應用
- 參數的資料類型
- 參數允許值（1）-任何值
- 參數允許值（2）-值清單
- 參數允許值（3）-範圍

▍第 7 章 Looker Studio 常用公式語法
7.1 CASE 條件式的應用與實戰演練
-1.CASE 條件的順序
-2.處理空值（NULL）
-3.確保條件的邏輯一致性
7.2 Regex 語法應用與實戰演練
- REGEXP\_EXTRACT()
- 其他運用案例 -提取域名
- 正則表達式語法與應用對照表
- REGEXP\_REPLACE()
- REGEXP\_MATCH()
7.3 REPLACE() 函數應用

▍第 8 章 資料視覺化 — 圖表基礎設計
8.1 圖表樣式與基礎功能
- 圖片匯入
- 圖表標題
- 不同系列樣式調整
- 參考線
- 圖表間距
- X、Y 軸範圍值
- 格狀與圖例
- 背景 / 邊框 / 圖表標題
8.2 簡潔清晰的重要性
-1.清晰的圖表標題與註解
-2.去掉多餘的視覺元素
-3.適合的圖表類型
-4.統一且簡單的配色
-5.恰當的字型與大小
-6.合理的佈局與間距
8.3 個人化視覺設計實務觀念解析
-1.分析觀眾類型
-2.設定清晰的圖表目標
-3.控制數據的複雜性
-4.提供適當的註解與標籤
-5.使用適當的語言與專業術語
-6.了解使用者最關心的數據

▍第 9 章 資料視覺化 — 社群視覺呈現和元件
9.1 動態長條圖
9.2 指標漏斗圖
9.3 指標儀表圖
- 功能特色與應用
- 業績進度追蹤儀表圖
- 廣告花費進度儀表圖
- 調整儀表圖的呈現方式
9.4 字雲圖

▍第 10 章 三大行銷實務報表應用
10.1 基礎電商營運報表
- 關鍵指標
- 流量圖表
- 產品報表
10.2 進階電商營運報表
- 流量分析報表
- 新舊訪客分析與貢獻
10.3 Meta Ads 素材成效報表
- 匯入 Meta Ads 正確的資料來源
- 製作 Meta Ads 素材成效報表

▍第 11 章 運用 AI 工具：ChatGPT＋Gemini＋Looker Studio
11.1 運用 ChatGPT 完成數據清理
- 如何將檔案上傳給 ChatGPT 處理
- 解決多個數據來源的格式不統一
- 解決數據不完整或含有錯誤值
- 解決數據冗餘或重複
11.2 Gemini 輔助自動產生簡報
11.3 Gemini 的公式助手

▍第 12 章 剖析常見五種分析情境
12.1 流量越高，等同營收越高？
- 流量品質問題
- 轉換率過低
- 營收結構等其它影響
12.2 網站流量下滑 20% 是營收衰退主因？
- 內部因素：網站相關的問題
- 外部因素：市場與環境的影響
12.3 廣告成效為什麼不穩定？
- 什麼是「行銷漏斗」？
- 行銷漏斗如何影響電商活動規劃？
12.4 如何有效追蹤 KOL 發文後成效表現？
- 什麼是 UTM？
- UTM 的核心參數
- UTM 標籤的作用與優勢
- 建立 UTM 標籤與注意事項
12.5 新品安排節目置入，為什麼沒訂單？
- 置入的內容與商品無關聯或吸引力不足
- 節目觀眾與商品目標消費者不同
- 無法引導觀眾採取下一步行動
- 節目對品牌影響力有限
- 缺乏後續的行銷跟進

▍本書結語

作者簡介:
吳承諭 Paul Wu

現為艾普斯媒體創辦人，擁有近 10 年數位行銷經驗，曾輔導眾多台灣品牌實現數位轉型，透過數據驅動行銷協助企業營收獲得實質成長。

Paul 對於品牌營運、廣告投放、數據分析 有獨到的理解，截至目前協助品牌規劃的廣告投放預算已超過 5 億元，且產業廣闊，涵蓋美妝、保健、食品、科技業等範圍。

除了實戰經驗，Paul 也有豐富的教學經驗，常受邀至其他單位分享品牌經營、廣告投放、數據分析等內容，也於 instagram 上獲得超過 13,000 位追隨者，經常於社群探討廣告投放、數據、行銷等相關議題。

若您想要學習更多 Looker Studio 的操作和行銷技巧，歡迎追蹤 Paul Wu 的社群媒體：

▍Instagram ▍
www.instagram.com/paull.wuu/

▍Threads ▍
www.threads.com/@paull.wuu