聯絡我們LINE加入 LINEFacebook粉絲專頁
GTM教學|GA4電商埋設5|GA4電商埋設
GTM

GTM教學|GA4電商埋設5|GA4電商埋設

電子商務事件中的Coupon屬於非必備參數 ,務必在埋設的過程中,Coupon給傳入至GA4。 台灣開店平台快速架站,GA4設定也滿全面;所以只有少數會需要使用到Coupon的參數資料。為了讓教學落實完整性,這集也是講Coupon。不過這集內容我覺得稍微有難度,你應該也可以從中學習到不少埋設的知識。Coupon參數用於顯示網站的折扣,透過 price - Coupon = value 得出該電子商務事件的value。如果你的網站會有折價券、折扣、優惠碼等活動,那麼這個參數就可以考慮傳入GA4。 如果要自行透過GTM埋設電商事件,那要從哪裡開始執行。接下來這一系列會拆解,關於GTM埋設電商事件,

電子商務事件中的Coupon屬於非必備參數 ,務必在埋設的過程中,Coupon給傳入至GA4。

台灣開店平台快速架站,GA4設定也滿全面;所以只有少數會需要使用到Coupon的參數資料。為了讓教學落實完整性,這集也是講Coupon。不過這集內容我覺得稍微有難度,你應該也可以從中學習到不少埋設的知識。Coupon參數用於顯示網站的折扣,透過 price - Coupon = value 得出該電子商務事件的value。如果你的網站會有折價券、折扣、優惠碼等活動,那麼這個參數就可以考慮傳入GA4。

如果要自行透過GTM埋設電商事件,那要從哪裡開始執行。接下來這一系列會拆解,關於GTM埋設電商事件,你所需要的資料。將在這些集中,為你一一的拆解。 如果你想要增加電子商務追蹤的準確率,那務必要考慮伺服器追蹤 ,因為目前使用者大多為蘋果用戶,另外也會 安裝阻擋外掛插件 ,而這一些都會造成網站無法順利發送資料至GA4。

本篇會假設讀者已經 熟悉GA4的基礎追蹤、GA4的基礎串接 都已經施行完畢。如果你這些不熟悉的,那麼本篇文章就會相對較吃力。

本集事件:GTM電子商務埋設add_to_cart 抓取變數:Coupon 範例網站:WordPress

前往GA4官方文件

官方參考文件: GA4評估電子商務埋設

另外你可能會有疑慮,這樣自己埋設,會不會因為網頁跳轉,或是其他消費者行為,導致追蹤失效? 因此這一集教學,也包含寫入至Cookie或是寫入至LocalStorage也可以。客人只要一輸入優惠券代碼,不用擔心資料遺漏。

這樣僅能減少追蹤的遺失機率;使用者情況上百種,還有IOS, AdBlock,或是其他不為人知的插件做干擾,因此不保證100%完整追蹤! 基本上所有系統追蹤一定會有遺漏。

如果你想要針對某一個變數抓取,以下是整理的教學清單。

GTM電子商務埋設大全1 – CSS Selector抓取Value

GTM電子商務埋設大全2 – CSS Selector抓取ItemID

GTM電子商務埋設大全3 – CSS Selector抓取ItemName

GTM電子商務埋設大全 4 – CSS Selector抓取ItemName

電子商務事件埋設

抓取優惠券欄位

本次要抓取的目標是當客戶結帳時,抓取輸入的coupon代碼。所以需要先對應網站內,可以輸入優惠券的地方,程式碼可能會跟我的教學不一樣,所以要記得自己調整一下程式碼。

查看網站DOM元件

這一個「id = "coupon_code"」,對應到前面提及 - 網站輸入優惠券的欄位。以這個為目標,作為 CSS選擇器的抓取 。

輸入對應程式碼

document.querySelector("#coupon_code"); 這次抓取id,因此輸入的符號不是「.」,而是「#」,要區分清楚。可以直接照範例上面的輸入,但務必確認你的網站欄位是否有一樣!

調整CSS語法

document.querySelector("#coupon_code").value; 我們使用「.value」擷取選擇器抓到欄位後的「值」。有很多專有名詞,要注意一下!

設定自訂JS

打開你的GTM,並且新增一個自訂JS變數,將你剛剛的程式碼輸入近來,並且分別再多新增兩個程式碼。

newv = 'coupon' + '=' + coupon document.cookie = newv 因為GTM不支援ES6以上的寫法,因此我們要額外多宣告一個變數。利用這個變數輸入至cookie才有辦法執行!如果你還是不理解為甚麼這樣,推薦你可以先看上面的影片,比較易懂!

新增一個cookie變數

新增一個cookie變數,目的是為了讀取剛剛寫好的COOKIE值。

Debug模式檢查

進入GTM DEBUG模式檢查,可以看到有兩個變數,一個是我們透過JS寫的;另外一個是Cookie抓取的純「value」。我們要的就是Cookie那一個,也就是「coupon cookie」這一欄。

將變數套入至html中

將你所命名的cookie變數名稱,以{{name}}的方式套入至,GA4電子商務官方文件中的Coupon裡面即可。不要忘記最後可以再Debug模式中確認一次,並且記得發布。那你就完成今天第五集,電子商務埋設的教學囉!

Coupon或是前面一集所講到的網紅追蹤,基本上都會有資料遺漏的問題,即便是透過cookie也是。隨著隱私權,裝置的更新,追蹤做不到100%的全面追蹤,我們只能做到最好,減少數據遺漏。

本文總結

此使用範例網站為:WordPress,無任何外掛插件,純以GTM埋設GA4電子商務事件。請注意本網站的網站程式碼,與讀者的應該都不同。因此還是需要 依照網站調整必要資料 。例如「Console, DOM, REGEX」等。有任何問題,歡迎可以留言、發信給我。

需要任何協助嗎?

最快一個工作天將與您聯繫。

其他文章推薦

查看更多 →
【成功案例】修復GA4 網店總收益落差
成功案例

【成功案例】修復GA4 網店總收益落差

台灣開店平台常有數據與GA4 數據大幅落差問題。導致數據人員無法判讀數據的困擾。

【成功案例】修復GA4 網店工作階段判讀落差
成功案例

【成功案例】修復GA4 網店工作階段判讀落差

本次黑客修復網店utm 臉書廣告歸因判讀,以及direct / none 歸因判讀錯誤問題。成功將網店的臉書廣告歸因提升141% 正確修復,而direct / none 也有明顯下降!

Looker Studio |國外串接工具 Supermetrics, Adveronix 價格比較整理
Looker Studio

Looker Studio |國外串接工具 Supermetrics, Adveronix 價格比較整理

目前台灣要將臉書廣告數據、Google Ads、META 社群數據,或是GA4 數據彙整至Google Sheet, Looker Studio 都需要依賴以下這幾項工具 快客 、 Porter Metrics、Supermetrics、Reporting Ninja、Adveronix 與 Dataslayer.ai 。 如果你是正在尋找這種第三方串接工具的,這篇文章會很適合你,同時也可以考慮,由黑客數位所開發的串接工具 快客,價格合理、不限查詢次數、整合台灣常用資料源、全中文介面、中文客服支援 。本篇將深入比較五款熱門行銷報告與資料自動化工具 —— 快客 、Porter Metrics、S

Looker Studio 教學|Super Metrics 串接教學
Looker Studio

Looker Studio 教學|Super Metrics 串接教學

讓looker studio 串接臉書廣告數據。本篇文章使用supermetrics 帶你從0串接你的facebook ads 廣告數據。supermetrics 提供一個月999的台幣為授權使用費,也有提供免費使用的14天版本。

【成功案例】GTM 伺服器, Meta CAPI - GA4 完整導入
成功案例

【成功案例】GTM 伺服器, Meta CAPI - GA4 完整導入

本次黑客與台灣知名充電站品牌 EVOASIS 合作。提供部署GTM 伺服器追蹤、META CAPI設定、GA4 完整電商事件導入。黑客提供前後端完整技術支援,協助客戶蒐集到更準確的事件追蹤數據。

【成功案例】修正GA4 總收益數據落差
成功案例

【成功案例】修正GA4 總收益數據落差

本次黑客與勵馨基金會合作,GA4 修正顧問指導。從原本大幅捐款金額落差,網站只有蒐集到網站10%的金額數據。至透過黑客提供正確修正流程,網站收益金額提高到7-8成的數據正確。

【成功案例】內容型漏斗規劃
成功案例

【成功案例】內容型漏斗規劃

本次黑客與 UDRIVE City 合作,規劃 GA4 內容型網站漏斗事件。從原本完全沒有任何GA4 數據,完整揭露每一個網站用戶的行為節點。提高後續數據分析的完整性,加入購物車事件↑∞、購買事件↑∞。

【成功案例】多管道數據報表建置
成功案例

【成功案例】多管道數據報表建置

本次黑客與 古北町 合作,規劃 Looker Studio 多管道數據報表。結合 META廣告數據 x GOOGLE Ads 數據。整理、重新規劃原本凌亂難讀的數據報表,提供人員無需再手動整理數據、匯出Excel 數據等。提高後續數據分析的效率。

【成功案例】數據分析轉換率優化
成功案例

【成功案例】數據分析轉換率優化

本次黑客與 DEPIC 合作。Looker Studio, Clarity, AB TEST, GA4 工具。替客戶找出網站熱門動線、專注區域,以及透過數據判斷冗贅流程、商品頁過長、修正用戶購物流程等。打造多管道報表,有助於企業未來在數據分析時更加有效率。