很多行銷人在看廣告效益的時候，只看最後一個點擊帶來了多少轉換。這邏輯聽起來直觀，但實際上嚴重低估了那些在「轉換前幫助暖身」的管道。
舉個真實的場景：一個用戶第一次透過 Google 自然搜尋找到你的網站，幾天後看到你的 Facebook 廣告點進來逛了一圈，最後透過 EDM 的連結完成購買。如果你只看最終點擊，這次轉換的功勞全部給 EDM；Google 的 SEO 努力和 Facebook 的廣告投入，在報表上彷彿什麼都沒做。
GA4 的轉換路徑分析，就是為了解決這個問題而存在的。
1. 轉換不是一次就達成的
在電商、SaaS、或任何決策成本較高的購買情境裡，用戶從第一次認識你到最終轉換，通常要經過多個接觸點。研究顯示，B2B 採購的平均接觸點數量超過 10 次，B2C 的高單價商品也常常需要 3-5 次接觸才能促成購買。
這代表什麼？代表「行銷漏斗」不是線性的。用戶可能先看了你的 YouTube 影片，然後用 Google 搜尋找到你的部落格，接著被 Facebook 廣告再行銷，最後因為看到一篇比較文章而決定購買。每一個環節都有貢獻，只看最後一個環節，你就會持續砍掉「看起來沒用、但實際上很重要」的管道。
GA4 的轉換路徑功能讓你看到整個旅程，而不只是終點。
2. 轉換路徑報表怎麼看
找到報表的位置
GA4 介面左側選單 → 廣告 → 歸因 → 轉換路徑
注意：這個報表在「廣告」選單下，而不是「報表」選單下。很多人找不到就是因為位置比較隱密。
報表的核心概念
轉換路徑報表以「接觸點序列」為主軸，顯示不同的路徑組合帶來了多少轉換。你會看到類似這樣的記錄：
Organic Search → Paid Search → Email → 轉換（1 次）
Social → Organic Search → Direct → 轉換（3 次）
Paid Social → Paid Social → 轉換（8 次）
每一行代表一種「轉換路徑模式」，後面顯示有多少用戶走了這條路徑，以及帶來了多少轉換和收益。
篩選你要分析的轉換事件
報表預設顯示所有轉換事件的數據。如果你設定了多個轉換（例如「購買」、「試用申請」、「電話詢問」），可以在頂部的篩選器選擇你想分析的轉換類型。不同轉換類型的路徑模式可能差異很大，建議分開分析。
路徑長度分析
在報表的右側，你可以切換維度到「路徑長度」，看不同接觸點數量的轉換分佈。這個數據能告訴你，你的用戶平均需要幾個接觸點才會轉換：
- 路徑長度 1：一次接觸就轉換（高意圖用戶）
- 路徑長度 2-3：需要幾次接觸（一般決策情境）
- 路徑長度 5+：需要長期接觸才轉換（高單價、高決策成本）
如果你的大多數轉換都是路徑長度 1（直接搜尋就購買），說明你的用戶購買意圖很強，可能不太需要複雜的再行銷漏斗。如果路徑長度普遍在 4-6，你就需要認真思考每個接觸點的設計。
3. 歸因模型的選擇
歸因模型決定了轉換功勞怎麼分配給路徑上的各個接觸點。不同的模型，同樣的數據會得出截然不同的結論。
GA4 支援的主要歸因模型：
| 歸因模型 | 功勞分配方式 | 適用情境 |
|---|---|---|
| 最終點擊 | 100% 給最後一個接觸點 | 評估直接促成轉換的觸發點 |
| 第一次點擊 | 100% 給第一個接觸點 | 評估品牌認知管道 |
| 線性 | 平均分配給所有接觸點 | 各管道貢獻同等重要時 |
| 時間衰減 | 越靠近轉換的接觸點，分到越多功勞 | 短期促銷活動 |
| 以職位為準 | 40% 給第一個、40% 給最後一個、20% 平均分配給中間接觸點 | 同時重視開始和結尾 |
| 以資料為準（DDA） | 機器學習分配，考慮各接觸點的實際影響力 | 資料量足夠時的最佳選擇 |
GA4 的預設：以資料為準歸因（Data-driven Attribution, DDA）
GA4 預設用 DDA 模型，這是最複雜也最準確的模型。它分析你網站上歷史的轉換路徑數據，用機器學習計算每個接觸點對最終轉換的實際貢獻，而不是用固定規則分配。
DDA 的限制是需要足夠的資料量才能生效。如果你的轉換量不足（通常需要過去 28 天至少 400 次轉換），GA4 會退回到以職位為準的模型。
怎麼在報表裡切換歸因模型？
在轉換路徑報表的右上角，有一個歸因模型切換器。你可以同時選兩個模型做比較，清楚看到不同模型下各管道的數字差異。
4. 找出被低估的管道
這是轉換路徑分析最有價值的應用場景：找出那些「看起來沒用」但實際上在轉換路徑裡佔有重要位置的管道。
比較最終點擊 vs 以資料為準的差異
在轉換路徑報表裡，把歸因模型從「最終點擊」切換到「以資料為準」，然後觀察哪些管道的轉換數字變化最大：
- 某個管道在「以資料為準」下數字大增：代表這個管道在轉換路徑的早期/中期有重要貢獻，但最終點擊沒給它功勞
- 某個管道在「最終點擊」下數字大增：代表這個管道通常在最後臨門一腳，但前期貢獻有限
一個實際案例
某保險比較平台在切換歸因模型後發現，Facebook 廣告在「最終點擊」模型下帶來的轉換占比只有 8%，但在「以資料為準」模型下升到 23%。深入分析路徑後發現，Facebook 廣告是讓用戶「第一次認識這個平台」的主要管道，但用戶很少在看了廣告後馬上比較保險方案，通常要幾天後才會透過 Google 搜尋或直接造訪回來完成比較。
基於這個洞察，他們的廣告策略從「縮減 Facebook 預算、加碼 Google Ads」調整為「維持 Facebook 做品牌認知、優化 Google Ads 做再行銷」，三個月後整體轉換成本下降了 18%。
助攻管道的重要性
在路徑分析裡，你會看到 GA4 計算的「助攻次數（Assisted Conversions）」——一個接觸點出現在轉換路徑中間（不是第一個也不是最後一個）的次數。助攻次數高的管道，即使在最終點擊模型下看起來沒什麼轉換，也不應該輕易砍掉預算。
5. 用路徑數據調整預算
數據分析的最終目的是做更好的決策。以下是幾個從轉換路徑數據到實際預算決策的思路：
識別漏斗上方的高效管道
如果某個管道的「第一次接觸」次數很高、助攻次數也高，但最終點擊轉換很少——這是典型的「品牌認知管道」，例如 YouTube 廣告、部落格內容。這種管道的 ROI 不能用直接轉換來衡量，應該看它幫助帶來的用戶有多少比例最終轉換了。
識別漏斗下方的高效管道
如果某個管道的最終點擊轉換率很高，例如品牌關鍵字廣告（搜尋你的品牌名稱然後點廣告進來購買），這通常是轉換效率最高的管道，但它的量受限於品牌知名度——如果沒有前期的品牌認知投入，就不會有這麼多人搜尋你的品牌名稱。
設定不同管道的 ROI 評估標準
建議根據管道在轉換路徑中的典型位置，設定不同的 KPI：
- 漏斗上方管道（YouTube、Display、社群品牌廣告）：看觸及率、CPM、品牌搜尋量成長
- 漏斗中段管道（SEO 內容、社群自然流量）：看互動率、時間花費、助攻轉換數
- 漏斗下方管道（品牌關鍵字、再行銷）：看直接轉換率、ROAS
用統一的「最終點擊 ROAS」來評估所有管道，會讓漏斗上方的管道永遠看起來沒效益，然後預算持續往下集中，最終是一個惡性循環。
6. FAQ
Q：轉換路徑報表需要特別設定才能使用嗎？
A：不需要，只要你有設定轉換事件，轉換路徑報表就會自動收集資料。但有一點要注意：GA4 的轉換路徑分析需要用到 Google Signals（Google 跨裝置識別），如果用戶沒有登入 Google 帳號，跨裝置的路徑就無法被完整追蹤。這是 Cookie 追蹤的本質限制，所有分析工具都有這個問題，不是 GA4 特有的。
Q：我的轉換量很少，轉換路徑報表還有參考價值嗎？
A：轉換量少確實會影響資料的統計可信度，DDA 歸因模型也可能因資料不足而無法啟用。但即使轉換量不多，轉換路徑報表還是能提供方向性的洞察，只是不要過度解讀個別路徑的數字。另外，你可以把「目標（較低階段的轉換）」也設為轉換事件，例如把「加入購物車」或「試用申請」也算進來，這樣數據量就多了，分析也更可靠。
Q：GA4 的轉換路徑回溯期有多長？
A：GA4 的歸因回溯期預設是 30 天，意思是它會把轉換前 30 天內的接觸點都計算進來。你可以在 GA4 的「廣告」→「歸因設定」裡修改回溯期，最長可以設到 90 天。如果你的產品決策週期很長（例如企業軟體採購通常要幾個月），90 天的回溯期可能更符合實際情況。
了解轉換路徑之後，建議搭配閱讀 GA4 完整入門指南 鞏固基礎，以及 GA4 歸因模型完整說明 深入了解各種歸因模型的差異。要設定和管理轉換事件，可以看 GA4 轉換追蹤設定教學。