官網數據追蹤從 0 到 1：新站上線該裝什麼、看什麼、怎麼看
品牌官網上線的那一天，多數團隊的檢查清單是：商品上架了、金流通了、頁面美了——數據追蹤？裝了一個分析工具的代碼，好像有在跑，就這樣。三個月後想認真優化，才發現手上的數據千瘡百孔：轉換事件沒定義、廣告像素漏裝、流量來源一團亂——前三個月的流量白跑了，因為它們沒有留下可以學習的痕跡。數據追蹤是官網的神經系統，它不性感、看不見，但沒有它，後面所有的優化都是瞎子摸象。這篇把新站的追蹤建置從 0 到 1 講清楚：裝什麼、定義什麼、看什麼。
追蹤的地基：上線前必裝的四件套
新站上線前，四件追蹤工具是地基。網站分析工具：流量、行為、轉換的主資料庫——安裝之外，重點是用對的方式裝（透過代碼管理工具統一管理，而不是工程師直接改版型塞代碼——之後每加一個追蹤都要改版型，維護會變成災難）。廣告平台的像素：主流廣告平台的追蹤像素與轉換 API——就算現在還沒開始投廣告也要先裝，像素需要時間累積數據，等要投放才裝，等於讓系統從零開始學習你的客人。搜尋主控台：搜尋引擎的站長工具——收錄的狀態、搜尋的關鍵字、網站的健康警示，內容與搜尋流量的經營全靠它。以及熱圖與行為錄製工具：看使用者實際怎麼滑你的頁面——這一件是選配，但對新站的價值極高：前三個月的頁面問題，多數是看錄製回放時發現的。四件套的安裝驗證要做一次完整的測試：自己走一遍瀏覽、加購、結帳的全流程，確認每一步的事件都有正確回報——「裝了」跟「裝對了」之間，隔著一半以上的品牌官網。
轉換事件的定義：追蹤的靈魂在這一步
工具裝好只是硬體，轉換事件的定義才是靈魂。電商官網的標準事件鏈：瀏覽商品、加入購物車、開始結帳、完成購買——這條鏈是漏斗分析的骨架，每一段的流失率就是你的優化地圖。完成購買之外，值得定義的次級轉換：會員註冊、加入 LINE 好友、訂閱電子報、加入願望清單——這些是「還沒買但留下關係」的節點，新站初期的轉換量少，次級轉換的數據能更早給你優化的訊號。定義的紀律兩條：口徑要寫下來（什麼算一次轉換、金額怎麼計、退款怎麼處理——三個月後換人接手，文件就是唯一的真相）；命名要有規則（事件的命名從第一天就照一套規範走，不然半年後的報表裡會出現三個名字不同、意義相同的事件，沒人敢刪也沒人敢信）。這些工作瑣碎，但它們是官網代營運團隊接手一個站時最先體檢的地方——追蹤的品質，直接反映前一手經營的專業度。
流量來源的整理：讓每一分流量都有名有姓
數據的第二個地基是流量來源的紀律。核心工具是追蹤參數：所有你自己發出去的連結——廣告、社群貼文、LINE 推播、電子報、KOL 合作——都掛上統一規範的追蹤參數，讓每個訪客的來源有名有姓。沒有參數紀律的站，報表上會有一大坨「直接流量」與「參照流量」的迷霧，你永遠不知道哪個管道在帶人。參數的規範管理：一份共用的命名表（管道、活動、素材的命名規則），所有會發連結的人照表操作——規範不用複雜，但要從第一天開始、所有人遵守。搭配的習慣是每月一次流量結構的檢視：各來源的量與質（轉換率、停留），這張表是行銷預算調配的依據——數據追蹤的最終目的從來不是報表好看，是讓「錢該花在哪」有答案。
儀表板的最小配置：五個數字，每週十分鐘
數據建置的最後一步是讓數據被看見——躺在後台沒人看的數據，等於不存在。新站的最小儀表板五個數字：流量（分來源的訪客數與趨勢）、轉換率（整體與分裝置——手機與電腦的轉換差距常常藏著頁面的問題）、客單價、購物車完成率（開始結帳到完成的比例，金流與結帳體驗的體檢計）、以及回訪率（新站初期的回訪率是內容與產品黏性的早期訊號）。看的紀律：每週固定十分鐘過一輪，看趨勢不看單日（新站的數據量小，單日的波動全是雜訊）、異常要追根因（轉換率忽然掉，是流量結構變了還是頁面壞了——先查最近改了什麼）。工具的呈現不用豪華：分析工具的內建報表加一張試算表就夠，重點是節奏——數據的價值不在收集，在被規律地看見、並且改變決策。
新站常見的五個追蹤錯誤：先知道就能先避開
收尾列五個最常見的錯誤。錯誤一：測試流量沒有排除——團隊自己的瀏覽與測試訂單混在數據裡，新站的量本來就小，內部流量的污染比例驚人；解法是排除內部網路與測試帳號。錯誤二：重複安裝的代碼——改版時舊代碼沒拆、新代碼又裝，事件重複回報，轉換率虛胖一倍；解法是用代碼管理工具統一治理，每次改版後重測。錯誤三：跨網域的斷鏈——金流跳轉到第三方頁面再回來，追蹤斷掉，轉換歸因跑到「直接流量」；解法是跨網域追蹤的設定與結帳流程的完整測試。錯誤四：只裝不看——追蹤裝得完整，但三個月沒人打開報表；解法就是上一段的儀表板紀律。錯誤五：過早的過度工程——新站就想建完整的數據倉儲與歸因模型，工程做了三個月，生意還沒開始；解法是照這篇的順序：四件套、轉換定義、參數紀律、最小儀表板——先讓基本的數據乾淨地流動，複雜的建設等量起來再說。數據這件事的第一性原理很簡單：可信的基礎數據加上規律的檢視習慣，勝過豪華但沒人信、沒人看的數據大屏——從 0 到 1 的階段，把簡單的事做對，就是最好的數據策略。