「客層和興趣」資料提供使用者年齡和性別的相關資訊，以及使用者上網瀏覽以及購物時表現出的興趣。
本文內容：設定 Analytics (分析) 以顯示「客層和興趣」資料
您必須先完成下列兩件事，才能在 Analytics (分析) 中查看或使用「客層和興趣」資料：
Analytics (分析) 的資料來源
您更新 Analytics (分析) 中的設定來啟用廣告報表功能後，Analytics (分析) 會從下列來源收集「客層和興趣」資料：
| 來源 | 套用至 | 條件 | 結果 |
|---|---|---|---|
| 第三方 DoubleClick Cookie | 僅限網頁瀏覽器活動 | 使用 Cookie | Analytics (分析) 會收集 Cookie 中所有可用的客層和興趣資訊 |
| Android 廣告 ID | 僅限應用程式活動 | 更新 Android 應用程式中的 Analytics (分析) 追蹤程式碼來收集廣告 ID* | Analytics (分析) 會根據這些 ID (包含使用者應用程式活動相關客層和興趣資訊) 產生 ID |
| iOS 廣告客戶識別碼 (IDFA) | 僅限應用程式活動 | 更新 iOS 應用程式中的 Analytics (分析) 追蹤程式碼來收集 IDFA* | Analytics (分析) 會根據這些 IDFA (其包含使用者應用程式活動相關客層和興趣資訊) 來產生 ID |
*如果您沒有收集 Android 廣告 ID 或 iOS 廣告識別碼，就無法收集應用程式使用者的客層資訊。
系統只能收集到一部分使用者的「客層和興趣」資料，無法呈現流量的整體組成架構：如果 DoubleClick Cookie 或裝置廣告 ID 不存在，或是未包含活動資料，Analytics (分析) 就無法收集「客層和興趣」資訊。
「總覽」報表中的圖表和「工作階段」欄第一列，都會顯示目前呈現的資料在整體資料中所佔的百分比 (例如：年齡：總工作階段數的 41.39%)。
analytics.js 和 AMP 追蹤都不會收集客層和興趣資料。
維度
| 維度 | 值 |
|---|---|
| 年齡層 | 18-24 歲，25-34 歲，35-44 歲，45-54 歲，55-64 歲，65 歲以上 |
| 性別 | 男性，女性 |
| 興趣相似類別 | 與電視觀眾有類似的生活方式，如「科技迷」、「運動迷」、「烹飪迷」等。 |
| 有意消費者區隔 | 產品購買意願 |
| 其他類別 | 用來描述使用者的最具體類別。舉例來說，「興趣相似類別」包含「美食家」這個類別，「其他類別」則包含「食譜/飲食料理/東亞」這個類別。 |
您可以根據這些維度查看任何適用的 Analytics (分析) 指標 (例如「工作階段」、「跳出率」、「交易」和「收益」)。
您也可以根據這些維度建立區隔，並使用區隔來分析資料及建立再行銷目標對象。
部分地理區域可用的興趣類別有限，系統可能無法根據「興趣相似類別」、「潛在買家區隔」和「其他類別」中的許多值提供資料。此外，您可能會發現，比起「興趣相似類別」和「其他類別」，「潛在買家區隔」提供的資料較少。
標準報表
有七種標準報表可供使用：
- 客層總覽：這是指資源中，根據年齡層和性別分類的「工作階段」(或其他主要指標) 分布情況。「工作階段」是預設的主要指標，但您也可以使用「新工作階段百分比」、「平均工作階段持續時間」、「跳出率」或「單次工作階段頁數」。
- 年齡：按年齡層細分的「客戶開發」、「行為」和「轉換」指標資料，您可以依序按「性別」和「興趣」更進一步劃分數據。這項資料不包含未滿 18 歲的使用者。
- 性別：按性別細分的「客戶開發」、「行為」和「轉換」指標資料，再往下可依序按年齡層和興趣劃分。
- 興趣：總覽：這是指資源中，根據「興趣相似類別」、「潛在買家區隔」和「其他類別」內前 10 大興趣分類的「工作階段」(或其他主要指標) 分布情況。
- 興趣相似類別 (觸及率)：按「興趣相似類別」細分的「客戶開發」、「行為」和「轉換」指標資料。
- 潛在買家區隔：按「潛在買家區隔」細分的「客戶開發」、「行為」和「轉換」指標資料。
- 其他類別：按「其他類別」細分的「客戶開發」、「行為」和「轉換」指標資料。
另請參閱「『客層和興趣』資料分析」一文。
自訂報表
您可以在自訂報表中使用「客層和興趣」維度，比方說用「性別」和/或「年齡」維度進行設定，以便評估電子商務相關指標 (例如「查看詳情後購買的比例」，或是「每次購買帶來的產品收益」)。
您必須為資源啟用廣告功能，自訂報表才能記錄資料供您查看。
相關詳情請見「啟用『客層和興趣』報表」一文。
資料分類
「興趣相似類別」、「潛在買家區隔」和「其他類別」是根據階層分類，但這些階層在 Analytics (分析) 中已被分割成獨立類別。以「其他類別」為例：
- 軟體
- 網際網路軟體
- 網際網路用戶端與瀏覽器
- 網際網路軟體
在 Analytics (分析) 中變成三個獨立的類別：
- 軟體
- 軟體/網路軟體
- 軟體/網路軟體/網路用戶端與瀏覽器
一個工作階段可被歸進數個類別，因此在指標中可能被重複計算。舉例來說，「軟體/網路軟體/網路用戶端與瀏覽器」中的工作階段也會被歸進「軟體/網路軟體與軟體」。
雖然同一個工作階段可能被計入多個興趣類別，但只會計進資料欄上方的工作階段總數中一次。
資料門檻
為了防止有人藉由查看報表推斷個別使用者的客層或興趣，系統會套用門檻。如果報表包含「年齡」、「性別」或「興趣類別」(做為主要或次要維度，或已套用區隔的一部分)，系統可能就會套用門檻，部分資料也因此不會在報表中顯示。舉例來說，如果報表中「性別 = 男性」的案例少於「N」，系統將不會顯示「男性」值的資料。
這些門檻是由系統定義，您無法變更。
此外，如果系統除了要求客層資訊以外，也要求使用者 ID、自訂維度以及特定使用者自製內容欄位 (例如 User-ID、Client-ID 和來源/媒介)，報表可能就不會顯示資料。舉例來說，下列報表可能不會顯示資料：
- 電子商務總覽
- 產品資訊成效
- 產品業績
- 銷售業績
如果系統對報表套用門檻，報表名稱下方會顯示通知。
在 Google 多媒體廣告聯播網上指定目標
Analytics (分析) 使用的年齡、性別和興趣類別，與 Google Ads 中用來在 Google 多媒體廣告聯播網上指定廣告目標的完全相同。廣告客戶可以利用這點探索 Analytics (分析) 中的資料，再將發現運用到 Google Ads 中。舉例來說，您可以查看不同區隔中的使用者在您網站或應用程式中的行為有何不同，像是比較 25-34 歲以及 35-44 歲的科技迷，看看前者的轉換率是否較高。這些發現可協助您修正在 Google 多媒體廣告聯播網上的廣告指定目標。比方說，如果 25-34 歲的「科技迷」轉換率較 35-44 歲的「科技迷」高，您就可以多撥一點廣告預算給 25-34 歲這個年齡層。
