如何在 Google Analytics 中创建细分

Google Analytics 中的数据分段有三种方法。

• 您可以应用“系统细分”，这是所有 Google Analytics（分析）帐户中可用的预定义细分。
• 您可以构建自定义细分，以便针对特定用例对数据进行分组和分析。
• 您可以从分析解决方案库导入分段“模板”。

您选择的方法将取决于您的独特用例。 了解您需要的定制级别和细分市场的复杂性可以帮助您做出决定。

我们将在下面探讨这三种方法。

如何在 Google Analytics 中创建细分

第 1 步：登录您的Google Analytics 帐户。

第 2 步：导航至仪表板上的“报告”部分。

图片来源

在报告下，您有五个选项：

• 即时的。
• 观众。
• 获得。
• 行为。
• 转换。

上面列出的所有选项都可用于创建段； 但是，在本教程中，我们将根据“受众”报告创建一个细分。

第三步：点击“观众”，会出现一个下拉菜单。 从下拉菜单中，单击“概述”。

图片来源

注意：也可以从下拉菜单中列出的其他选项创建分段。

第 4 步：导航到“受众概览”仪表板上的“添加细分”。

图片来源

第 5 步：导航至“查看细分”部分下的“系统”，然后选择您要应用的细分。

图片来源

第 6 步：选择要应用的细分后，单击“应用”按钮。

图片来源

第 7 步：您将被重定向到一个新页面，该页面将显示符合您的细分标准的受众数据。

图片来源

在此页面上，您有多个选项来分析和过滤此数据。 您可以比较指标并分析所选细分作为用户的百分比（例如，移动流量占用户的 X%）。

就是这样。 您刚刚使用预定义的系统段构建了第一个报告。

如果您想创建根据您的独特目的定制的细分，请参阅以下构建自定义细分的方法。

如何在 Google Analytics 中构建自定义细分

第 1 步：登录您的Google Analytics 帐户。

第 2 步：导航至仪表板上的“报告”部分。

图片来源

在报告下，您有五个选项：

• 即时的。
• 观众。
• 获得。
• 行为。
• 转换。

上面列出的所有选项都可用于创建段。 不过，在本教程中，我们将基于“获取”报告创建一个自定义细分。

第三步：点击“获取”，会出现一个下拉菜单。 从下拉菜单中，单击“概述”。

图片来源

第 4 步：导航至“收购概览”仪表板上的“添加细分”。

图片来源

第5步：点击“新细分”。

图片来源

步骤 6：根据显示的选项设置条件。

图片来源

在此页面上，您可以选择根据以下条件设置条件：

• 人口统计（年龄、性别、语言等）。
• 技术（操作系统、设备类别、浏览器等）。
• 行为（交易、会话持续时间等）。
• 用户第一次会话的日期。
• 流量来源（活动、来源等）。

您还有两个高级选项：

• 条件（为单个或多个会话设置）。
• 序列（允许您根据顺序条件进行分段）。

第 7 步：设置条件后，为新段命名。

图片来源

注意：如果您愿意，您还可以预览自定义细分。

步骤 8：最后，单击“保存”按钮保存新的自定义细分。

图片来源

就是这样。

您的自定义细分已准备就绪。 它现在也应该出现在“添加细分”页面上的“所有细分”和“自定义细分”下。

图片来源

如何从 Analytics 解决方案库导入 Google Analytics 中的分段

第 1 步：登录您的Google Analytics 帐户。

第 2 步：导航至仪表板上的“报告”部分。

图片来源

在报告下，您有五个选项：

• 即时的。
• 观众。
• 获得。
• 行为。
• 转换。

您可以导入上面列出的所有选项中的片段。 但是，在本教程中，我们将基于“行为”报告导入一个分段。

第三步：点击“行为”，会出现一个下拉菜单。 从下拉菜单中，单击“概述”。

图片来源

步骤 4：导航到“行为概述”仪表板上的“从库导入”。

图片来源

步骤5：从弹出框中显示的选项中选择一个段。

图片来源

你也可以：

• 按最受欢迎、最新和最高评级对细分进行排序。
• 按排名对段进行排序（1 到 5 之间）。
• 按类别（获取、品牌、转化等）过滤细分。

第 6 步：找到适合您的用例的细分后，单击“导入”。

图片来源

第 7 步：接下来，选择要将配置导入到的视图，然后选择“创建”。

图片来源

第8步：就是这样。 您已将一个细分导入到 Google Analytics（分析）中。 剩下要做的就是单击“保存”。

图片来源

您新导入的细分现在也应该出现在“添加细分”页面上。

图片来源

是时候深入研究您的数据了

在 Google Analytics 中构建和应用细分将帮助您更准确、更有用地了解谁正在访问您的网站以及他们到达那里后会做什么。

细分可以帮助您避免概括、推测和偏见。 这些对受众行为的洞察是宝贵的资源，可以帮助您做出数据驱动的决策。