現在打開 GA4，把日期範圍拉到過去 90 天，找到「留存率」報表裡的「新使用者與回訪使用者」。記下回訪使用者占全部使用者的比例。
這個數字你多半答得出來。接下來這題才是多數內容團隊卡住的地方：這群回訪的讀者裡，有多少人訂閱了電子報？其中又有多少人後來付費？再往下一題：他們最常讀哪一類內容、點不點廣告？GA4 回答不了，電子報後台回答不了，訂閱平台也回答不了，因為三個系統各自只認得自己的那一格。
這篇文章回答的就是怎麼把這幾格接起來：用三個步驟，由內容團隊自己（編輯、數據分析、廣告業務）在不寫程式、不排工程師資源的前提下，建出一個能回答上面所有問題的 AI BI 行銷看板。哪一步真的需要別人幫忙，我們也會講清楚。
「不需工程師」的邊界：三步裡有兩步完全不用，一步要請 IT 幫五分鐘
結論先講：第一步（定義問題）和第三步（加上 AI 預警與摘要）完全不需要工程師，第二步（串接數據）只有一個環節需要請網站或 IT 人員幫忙，就是讓網站在讀者登入或訂閱時，把同一個識別碼帶進 GA4 與電子報系統。其餘的連接，都是介面上點選授權或匯入檔案。
這個邊界很重要，因為內容團隊最常見的兩種失敗，都出在把邊界抓錯：
- 以為完全不需要任何人協助，結果在第二步卡了三週，才發現讀者身分接不起來，看板最後只剩流量折線圖。
- 以為一定要等工程師排期、等整套數據倉儲建好才能開始，結果一等就是一整個季度，廣告主下一次檢討會又到了。
為什麼現在值得做這件事？Chartbeat 在《2026 Publisher Playbook》中指出，2025 年 7 月到 2026 年 7 月，Google 搜尋帶給出版商的流量年減 40.2%，前一年的跌幅是 21.9%（引用自 Search Engine Journal 對該報告的整理）。需要注意，這份數據來自 Chartbeat 網絡內以新聞與媒體為主的網站，不等於所有內容類網站的平均，而且同一份報告也顯示整體頁面瀏覽量只小幅下滑，代表忠實讀者還在。搜尋給的流量變少、能證明「我的讀者是誰、做了什麼」的數據變重要，這是三步流程值得先做的原因。想看這個趨勢的完整論述，可以讀《內容業為何不能再等：演算法加速、廣告主要數據，AI BI 行銷看板已是生存門檻》。
第一步：先把廣告主與主編會問的問題寫成五題，再決定接什麼數據
第一步的產出只有一張紙：五個你每個月都被問、而且現在答不出來或答得很慢的問題。看板不是從資料來源開始設計，而是從問題倒推，這樣才不會做出一個十幾個數字、卻沒有人打開的版面。
內容團隊常見的五題，大致落在這幾個方向（請依你的商業模式刪改，這不是標準清單）：
- 這個月的讀者裡，回訪讀者占多少，比上個月多還是少？
- 哪幾類主題的讀者最容易留下 email、訂閱電子報？
- 電子報訂閱者之中，開信的和不開信的，後續付費比例差多少？
- 哪些廣告版位的點擊差距，是因為讀者輪廓不同，而不是位置不同？
- 上一檔業配或贊助專案結束後，我能不能交出一頁有數字的成效摘要？
寫的時候有兩個檢查動作。第一，每一題都要能寫成「某個數字，按某個維度拆開」，例如「訂閱率，按主題分類拆開」。寫不成這種格式的題目（例如「讀者喜不喜歡我們」）先不要放進第一版。第二，每一題旁邊註記答案現在放在哪個系統。這個動作做完，第二步要接哪幾個來源就一目瞭然了，通常是三到四個，不用一次接完所有東西。
先把指標口徑也釘死。「回訪讀者」是 30 天內第二次來訪，還是登入過的會員？「訂閱轉換」算到點擊訂閱按鈕，還是完成首次付款？同一個詞在編輯部和業務部手上若有兩種算法，看板做得再漂亮，會議上還是會吵口徑。建議在看板的最後一頁放一張「指標定義表」，每個指標一行：名稱、算法、資料來源、更新頻率。
這一步預計花半天，而且是整個流程裡最值得拉編輯主管和廣告業務一起參與的一步。
第二步：把四個數據源接進同一個畫面，讀者身分是唯一的難關
這一步的結論是：用 Looker Studio 這類免費的視覺化工具當畫面，GA4 用內建連接器，電子報和訂閱平台先用匯出檔，用「讀者識別碼」把它們串起來。工具選擇不是重點，重點是串起來的那把鑰匙。
先講容易的部分。Looker Studio 有 GA4 的原生連接器，授權後就能直接拉流量、來源、主題頁面的數據。電子報平台和訂閱平台若沒有現成連接器，多數都能匯出 CSV，你可以先丟進 Google 試算表，再讓看板去讀試算表。廣告後台同理。這些步驟不需要寫任何程式，頂多是排一個每週固定匯出的提醒。如果你想看工具怎麼比較、怎麼驗收數字，《行銷部門導入 BI 儀表板 4 步驟》有完整的拆解，這裡就不重複。
真正的難關是身分。GA4 看到的是匿名的瀏覽器，電子報系統看到的是 email，訂閱平台看到的是會員帳號。三者沒有共同欄位，就沒辦法回答「回訪讀者裡有多少人訂閱」這類跨系統的問題。解法有兩種，由簡到難：
- 最輕量的做法：在登入或訂閱完成的那一刻，把一個不可逆的識別碼（例如 email 雜湊後的字串）同時送進 GA4 的使用者屬性，並寫進電子報與訂閱平台的欄位。 這就是前面說的「請 IT 幫五分鐘」，因為需要在網站的登入或訂閱成功頁加一小段程式碼。email 雜湊不是萬靈丹，法遵與個資同意的處理要由你們的法務或資安確認，這篇文章不替你下這個結論。
- 如果你不想自己維護這座橋： 用顧客數據平台把網站、CRM、LINE 等來源的身分串起來，由平台負責匿名訪客與實名會員的對應，看板直接讀整合後的結果。
還有一個容易被忽略的時間因素。GA4 的事件層級資料，標準版屬性只能選保留 2 個月或 14 個月（Google Analytics 說明文件〈Data retention〉）。如果你打算做年度比較，例如對照去年同月的訂閱轉換，在 14 個月之後原始事件就不在了。要長期保存，常見做法是把 GA4 資料每日匯出到 BigQuery，這一步也可以由 IT 一次設定好。越早打開匯出，往後可用的歷史就越長，因為這個設定只對開啟之後的資料生效。
接好之後先做一次對帳：隨機挑一週，把看板上的電子報新增訂閱數，和電子報後台的數字對一次；付費人數和訂閱平台的帳務對一次。對不上就先找原因，不要急著往下做。
第三步：加上 AI，讓看板自己發現異常、自己寫每週摘要
第三步的目標是把看板從「要人去看」變成「有事會來找人」。做法是兩個很小的自動化：異常預警，和每週一份的文字摘要。
先講預警。內容團隊值得盯的異常其實不多，三種就夠用：某個主題頻道的回訪率突然下滑、電子報開信率連續兩週下降、某個廣告版位的點擊率偏離過去四週的區間。設定方式不用複雜，把「過去四週的平均加減兩個標準差」當作正常範圍，超出就通知。Looker Studio 本身可以搭配排程寄送報表，進階一點的預警則可以交給 BI 或 CDP 工具內建的異常示警功能。判斷標準只有一個：收到通知的人，能不能在五分鐘內知道要先查哪裡。如果通知只說「某指標異常」，三次之後就沒人看了；要附上「哪個維度、比平常差多少、最近一次類似狀況是什麼時候」。
再講摘要。每週一早上，把看板上五個核心數字的本週與上週對比餵給 AI，請它產出一段 200 字內的文字：哪三個數字有變化、變化可能跟哪些內容或活動有關、建議下週先確認什麼。這份摘要是給編輯會議和廣告主對話用的草稿，不是結論。AI 能發現相關，但不知道你上週有沒有改版、有沒有一檔大型專題，所以摘要一定要有人讀過、補上脈絡才對外使用。把這個步驟寫進流程，比「AI 會自動分析」這句話可靠得多。
在這個環節，一個常見的誤解是把 AI 當成取代判斷的東西。它的實際用途是把「打開五個後台對數字」的時間省下來，讓編輯主管的注意力花在「為什麼」上。想更深入了解預警規則怎麼設計，可以延伸讀《行銷 KPI 異常偵測：從被動看報表到 AI 主動預警，4 個核心設計關鍵》。
上線前後的三個檢查點：避免看板變成沒人開的頁面
做完三步不代表完成。看板要被用起來，上線前後有三個檢查點，內容團隊最常漏掉：
第一，給看板一個固定的使用場合。 把它放進每週編輯會議的第一個議程，或廣告主月會前的準備流程。沒有場合的看板，兩週後就會被忘記。
第二，每個數字要有負責人。 回訪率歸編輯主管、訂閱轉換歸成長或電子報負責人、版位表現歸廣告業務。數字異常時，知道該找誰，比知道數字是多少更重要。
第三，第一版故意做小。 五個問題、三到四個數據源、三個分頁。上線一個月之後，根據大家實際打開哪一頁、問了哪些新問題，再決定要不要擴充。內容業的商業模式差異很大，訂閱制、廣告制、電商導流各有重點，第一版做得越貼近你自己的五個問題，越有機會用下去。
示意情境：一個以廣告收益為主的科技媒體，第一版可能把重點放在「各主題頻道的回訪讀者與廣告點擊」；一個以付費電子報為主的獨立媒體，則會把重點放在「免費訂閱到付費的轉換漏斗」。同一套三步流程，長出來的看板不一樣，這是正常的。
現在可以立刻開始的 3 件事
- 今天花 30 分鐘寫下你的五個問題。 找編輯主管和廣告業務各問一次「你上個月最想知道、但查不到的數字是什麼」，把答案收進同一張清單。
- 這週確認 GA4 的資料保留設定。 進入 GA4 管理設定的資料保留，確認是否已選 14 個月，並向 IT 詢問能不能開啟 BigQuery 每日匯出。
- 跟網站負責人約 15 分鐘談讀者識別碼。 把「登入或訂閱成功時，同時把識別碼寫進 GA4 與電子報」這件事講清楚，並先請法務或資安確認個資處理方式。
如果你的團隊想直接跳過自己維護身分串接與看板的部分，愛酷智能科技的 AccuCDP 可以把網站、CRM、LINE 與 POS 的數據整合成單一顧客輪廓，並提供行為量化、行為探索水流圖與異常示警等洞察分析功能。有興趣評估內容業的數據整合與看板規劃，歡迎來信 [email protected]，或到 accuhit.net 了解。
常見問題
沒有工程師，內容團隊可以自己建 BI 看板嗎？
可以做到大部分，但第二步有一個環節需要請網站或 IT 人員協助：在登入或訂閱成功時，把同一個讀者識別碼帶進 GA4 與電子報系統。定義問題、接 GA4 與匯入檔案、設定預警與摘要，都可以由內容團隊自己完成。
Looker Studio 夠用嗎，還是要買 Power BI？
第一版用 Looker Studio 就夠，它有 GA4 原生連接器，也能讀 Google 試算表與 BigQuery。等到資料量變大、需要複雜的權限管理或跨部門共用，再評估 Power BI 等工具，工具比較可參考本站《行銷部門導入 BI 儀表板 4 步驟》。
GA4 資料能保留多久？
標準版 GA4 的事件層級資料，資料保留可設定為 2 個月或 14 個月，超過就無法在探索報表回溯，且設定只對開啟之後的新資料生效。要保存更久，常見做法是每日匯出到 BigQuery。
AI 摘要可以直接寄給廣告主嗎？
不建議直接寄出。AI 能整理數字的變化，但不知道你們當週的改版、專題或活動，需要編輯或業務補上脈絡、確認後再對外使用。
關於 AccuCDP
AccuCDP 是愛酷智能科技的跨渠道顧客數據平台，定位是整合品牌所有渠道的破碎數據，透過 AccuID 技術建立單一顧客輪廓，讓數據從「有」變成「能用」。主要功能：
- 數據治理：整合網站（FPC 埋碼）、CRM、LINE、POS 等數據；AccuID 記錄匿名訪客並串連實名
- 洞察分析：行為量化、行為探索水流圖、行動時間軸、異常示警
- 顧客精練：多維度標籤，可自由圈選受眾（交集、聯集、差集）
- 行銷自動化：多渠道發送、旅程畫布、A/B Test
- 效益衡量：UTM 管理儀表板、歸因與貢獻分析
適用情境：數據分散在網站、LINE、CRM、POS 等多個平台，需要整合；想知道廣告投放的真實成效，不只看點擊數。若品牌尚無會員系統與數據基礎，則不適用。了解更多請至 accuhit.net。
資料來源
- Chartbeat，《2026 Publisher Playbook》，經 Search Engine Journal 報導整理（Google 搜尋導流年減 40.2%，前一年 21.9%）
- Google Analytics 說明文件〈Data retention〉（事件資料保留 2 個月或 14 個月；26、38、50 個月僅限 360）
