GA4 怎麼看？老闆真正需要看的 8 個數字
摘要
GA4（Google Analytics 4）在 2023 年 7 月正式取代舊版 Universal Analytics 之後，台灣中小企業普遍面對同一個問題：報表長相變了、術語變了、數字也變少了，不知道到底該看哪裡。本文不談埋碼技術細節，只回答一件事：老闆每週花 10 分鐘，該看哪 8 個數字，看到什麼數字該做什麼決定。
這 8 個數字是：活躍使用者、參與率、轉換率、轉換次數、來源與媒介、收益與平均訂單價值、新舊訪客比例、關鍵頁面表現。背後只有一個原則：GA4 的數字不是拿來背的，是拿來比較的——跟上一週比、跟去年同期比、跟不同渠道比。趨勢比絕對值重要，比較比單看數字重要。
主題說明：GA4 變了，老闆的舊習慣也要變
舊版 GA 以「工作階段」為核心，老闆習慣看瀏覽量、看跳出率。GA4 改成事件驅動（event-based），每一次點擊、捲動、表單送出都是一個事件，計數邏輯完全不同——這也解釋了為什麼很多人覺得「GA4 的數字好像變少了」。
有三個觀念轉變，老闆必須先理解，否則後面的數字全部會誤讀：
跳出率被「參與的工作階段」取代。GA4 定義「參與」為：停留超過 10 秒、瀏覽超過 2 頁、或觸發任一關鍵事件。看一眼就離開的訪客不再被當成「跳出率」的壞數字，而是如實記錄為「未參與」。對內容型網站來說，這個定義比舊版公平得多。
「轉換」改名為「關鍵事件」。GA4 不再預設什麼算轉換，表單送出、電話點擊、LINE 加好友，全部要你親手定義。沒定義關鍵事件的 GA4，等於廚房裡沒有溫度計——資料照收，但你看不出冷熱。
資料不是即時的。標準報表通常延遲 24 到 48 小時，加上隱私限制與 Cookie 封鎖，GA4 的絕對值會系統性低估。所以真正重要的不是「這個月幾個人」，而是「這個月跟上個月比，是漲是跌」。
實際應用：8 個數字，每個都對應一個決定
以下每個數字都按「在哪看、怎麼判讀、看完做什麼」三步說明。第 1、2、3、4 項在 GA4 首頁（報告快覽）就看得見，後四項要進到各報表。
1. 活躍使用者（Active Users）
在哪看：GA4 首頁的「過去 30 天活躍使用者」卡片，或報告 > 使用者 > 使用者總覽。
怎麼判讀：連續三個月下滑，代表需求或內容吸引力在退燒，這是警訊不是巧合；單月暴漲先別高興，回去查來源媒介，確認不是機器人或活動灌水。
看完做什麼：下滑時拆開新訪客與回訪客，判斷是「拉不到新人」還是「留不住舊人」，兩個問題的解法完全不同。
2. 參與率（Engagement Rate）
在哪看：首頁「參與的工作階段」卡片，或報告 > 參與 > 參與總覽。
怎麼判讀：參與率 = 參與的工作階段 ÷ 總工作階段。內容型網站落在五成到七成是常見區間，但請以自己過去三個月為基準——參與率掉 10 個百分點以上，比掉 1 個百分點更值得追查。
看完做什麼：交叉比對來源媒介，找出「流量大但參與率最低」的渠道，那就是花冤枉錢的地方。
3. 轉換率（Conversion Rate）
在哪看：報告 > 參與 > 轉換（前提是先設好關鍵事件，見導入步驟）。
怎麼判讀：沒設關鍵事件就沒有轉換率，這是 GA4 最常被忽略的設定。B2B 或服務業的表單、LINE 轉換率低於 1% 時，先別怪廣告——通常是到達頁說不清楚，或表單欄位太多。
看完做什麼：轉換率看的是「效率」，必須搭配第 4 項的「總量」一起看，單看任何一個都會誤判。
4. 轉換次數（Conversions）
在哪看：首頁「轉換次數」卡片，或報告 > 參與 > 轉換。
怎麼判讀：這是老闆真正該盯的數字。每月轉換次數跟去年同期比，漲跌超過兩成就找出原因：廣告預算變了、季節因素、還是網站改版。
看完做什麼：建議每週固定記錄這個數字，用 Excel 或筆記本即可，三個月後它就是你的決策基準線。
5. 來源與媒介（Source / Medium）
在哪看：報告 > 客戶開發 > 客戶開發總覽。
怎麼判讀：看兩件事——哪個渠道貢獻最多轉換，哪個渠道只有流量沒有轉換。自然搜尋與直接流量是長期資產，付費廣告是短期租賃。
看完做什麼：若超過八成轉換來自單一渠道，就是風險集中：Google 演算法一改、廣告政策一變，業績就跟著震盪。趁現在把資源分散到第二、第三渠道。
6. 收益與平均訂單價值（Revenue / AOV）
在哪看：報告 > 營利 > 電子商務購買（需先啟用電子商務增強型評估）。
怎麼判讀：收益漲但平均訂單價值跌，代表靠折扣或低價品撐量；平均訂單價值漲但收益跌，代表人流在萎縮。兩個數字分開看，才不會被總營收騙了。
看完做什麼：電商老闆每月看一次即可，重點是判斷「這個月的成長是靠什麼撐起來的」。
7. 新訪客 vs 回訪客（New / Returning）
在哪看：報告 > 使用者 > 使用者總覽。
怎麼判讀：回訪客認識你、信任你，轉換率通常是新訪客的好幾倍，這是常見現象不是特例。新訪客比例很高但轉換率很低，代表廣告帶進來的是「不對的人」。
看完做什麼：回訪客比例長期低於兩成，代表網站沒有留存機制——電子報、LINE 官方帳號、會員制度，至少要有一個。
8. 關鍵頁面表現（Landing Pages）
在哪看：報告 > 參與 > 頁面和畫面。
怎麼判讀：找出「流量前五名但轉換掛零」的頁面。高流量零轉換，不是沒人看，是看完不知道下一步要做什麼。
看完做什麼：優先改這些頁面的行動呼籲與信任元素，兩週後回來看轉換有沒有動。這是投入最小、回收最快的優化起點。
每週節奏建議：週一早上看第 1、4、6 項，跟上週比；每月一號看第 2、5、7 項，跟三個月前比；有投廣告時，每週多看一眼第 3 項——成本在廣告平台看，行為在 GA4 看。
導入步驟：從零到會看，四步走完
第一步，安裝測量 ID。GA4 管理 > 資料串流 > 網站，複製 G 開頭的測量 ID，用 Google Tag Manager 埋入或直接貼進網站程式碼。裝完打開「即時報表」，看到自己出現在裡面就算成功。GA4 無法回溯歷史資料，舊版 GA 的資料不能轉移，愈早裝愈好。
第二步，定義關鍵事件。管理 > 資料顯示 > 事件，把「表單送出」「電話點擊」「LINE 點擊」標記為關鍵事件。不會埋事件的人，先開啟「增強型評估」，它會自動追蹤捲動深度、外連點擊、站內搜尋——先有資料，再談精細。
第三步，打開比較基準。每個報表右上角都有「比較」功能，設定與前一時期、與去年同期對照。沒有比較的 GA4 數字，對決策幾乎沒有意義。
第四步，釘選儀表板。把 8 個數字對應的報表釘選到左側「我的最愛」，或自訂首頁報告快覽，讓它一次顯示你要的卡片。之後每週打開 GA4，只看這裡。
驗收標準：兩週後，你能不能回答「這個月轉換比上個月多還是少、是哪個渠道帶來的」？可以，就算導入完成。
常見問題
Q：GA4 的轉換數跟我的訂單系統對不起來？
A：正常，而且通常是 GA4 低估。無痕視窗、多裝置切換、封鎖 Cookie 的使用者都會漏。GA4 拿來看趨勢，訂單系統才是營業額的真相，兩者不要互相取代。
Q：跳出率怎麼不見了？
A：被「參與的工作階段」取代，定義是停留超過 10 秒、看超過 2 頁、或觸發關鍵事件。對內容型網站，參與率比跳出率更能反映真實品質。
Q：為什麼使用者數比以前舊版 GA 少很多？
A：計數邏輯不同（GA4 以去重後的使用者為主，舊版以工作階段為主），加上隱私限制。數字變小不代表網站變差，是量測方式變了。
Q：一定要用 Google Tag Manager 嗎？
A：只看基本數字不一定要；但要埋轉換事件、電子商務追蹤，或之後想自己調整追蹤而不改程式碼，就建議用。GTM 讓行銷人員自行改追蹤，不必每次麻煩工程師。
Q：廣告平台的數字跟 GA4 不一樣，信誰？
A：兩邊歸因模型不同，差異是常態。建議：花費與成本以廣告平台為準，網站行為與轉換以 GA4 為準。
Q：老闆需要天天看嗎？
A：不需要。每週 10 分鐘看 8 個數字，其餘交給行銷團隊。但轉換次數、收益、來源媒介這三個，建議老闆每週親自確認一次。
行動建議
本週：裝好 GA4，開即時報表確認資料在流。下週：設定至少三個關鍵事件（表單、電話、LINE）。本月：訂出每週一 10 分鐘的檢查節奏，釘選儀表板，開始記錄每月轉換次數。
最後記住兩件事。第一，GA4 的數字是決策輔助，不是績效審判——先確認資料正確，再談目標達成。第二，與其看懂所有報表，不如把 8 個數字看熟：老闆看結果（轉換、收益、來源），行銷看過程（頁面、事件、受眾）。分工清楚，GA4 才不會變成每週一次的吵架現場。
參考來源
[S1] OpenAI: https://openai.com/business/guides-and-resources/a-practical-guide-to-building-ai-agents/
[S2] OpenAI: https://platform.openai.com/docs/quickstart/make-your-first-api-request
[S3] NIST: https://www.nist.gov/itl/ai-risk-management-framework
[S4] NIST: https://www.nist.gov/publications/artificial-intelligence-risk-management-framework-generative-artificial-intelligence
[S5] OWASP GenAI Security Project: https://genai.owasp.org/resource/owasp-top-10-for-agentic-applications-for-2026/
想實際應用 AI?讓我們陪你走一遍
如果這篇文章讓你想知道「自己的公司適合怎麼導入」，可以預約一次免費諮詢，我們會針對你的產業與規模，給你具體的 AI 導入建議。