我養一隻六歲的法鬥。投遞履歷前，我想先了解這間公司目前真正的樣子，而不是等到面試才開始認識。這裡是兩份功課：一份是我從品牌、電商、社群、廣告檔案庫等公開資訊整理出的觀察與假設；一份是我拿 Google 官方的 GA4 示範帳戶做的分析練習，示範我怎麼從一堆數字，走到一個可以被驗證的判斷。
莊紘驊 · 從公開資訊出發的觀察、假設與待確認的問題
在投遞履歷前，我花了一些時間從公開資訊了解極寵。以下是我目前的觀察、幾個假設，以及希望未來有機會和團隊討論的問題。這份內容不是想分析公司，而是整理我目前看到的事實、產生的幾個假設，以及希望未來有機會和團隊討論的方向。
我養一隻六歲的法鬥。在準備履歷的過程中，我想，如果真的有機會加入極寵，我希望先了解這間公司目前的樣子，而不是等到面試才開始認識。
因此，我用飼主和求職者兩個角度，花了幾天做了一些公開資料的整理，包括品牌搜尋、三大電商平台、社群、官網、廣告檔案庫，以及網站架構等。
研究過程中，我開始覺得，極寵並不是只有一種品牌經營方式，而是不同品牌線有不同角色。
搜尋品牌名稱時，自有網站大多能透過自然搜尋取得不錯的排名。但當我改搜尋「凍乾推薦」、「天然糧推薦」等消費者還在比較品牌的關鍵字時，目前看到的內容主要來自評測網站、通路與其他品牌。
另一件讓我印象很深的是，我自己的狗吃的品牌其實也是朋友推薦，而不是搜尋或廣告。因此我又去看了 Dcard、PTT、Threads 等討論，發現大部分飼主分享的都是自己的使用經驗，而不是廣告本身。
不同品牌線採用不同經營方式，可能代表各自承擔不同角色，而不是單純經營程度不同。
閱讀 JD 時，我一直在想，這個角色是否是把目前已經驗證過的合作模式，整理成更可複製的方法，再延伸到更多品牌與通路。
我理解內容行銷真正建立的，也許不是更多曝光，而是讓品牌慢慢進入飼主彼此推薦的語言。而我也注意到，無論是 Hyperr 的合作內容，或 GO NOW 的教學型內容，都讓我感覺，公司其實已經朝這個方向累積了一些經驗。
以上內容都是我根據公開資訊所做的初步整理，因此一定有許多我還沒有看到，或理解不完整的地方。
我把這份內容附在履歷後，不是想證明自己看懂了公司，而是希望讓您知道，我很重視理解問題，也願意在有限資訊下先建立假設，再透過交流持續修正。
如果有機會參與面試，我也很期待能和團隊聊聊，哪些地方與實際情況一致，哪些地方是我理解不足的地方。
Google Merchandise Store Demo 帳戶 · 資料期間 2026/6/18 – 7/15
用 GA4 官方示範帳戶做的分析練習，示範我怎麼從數字走到判斷——先寫下觀察到的事實，再標出信心程度不同的假設，最後排出下一步該做什麼。網頁風格與上面的極寵筆記一致，方便一起讀。
| 管道 | 階段（Sessions） | 購買 | 轉換率 |
|---|---|---|---|
| Direct | 63,430 | 571 | 0.89% |
| Organic Search | 22,866 | 210 | 0.90% |
| Paid Search | 6,892 | 57 | 0.81% |
| Cross-network | 2,914 | 71 | 2.37% |
Google Play Sticker 瀏覽 4,009 次、購買率僅 0.07%，顯著低於其他熱門商品。
| 轉換階段 | Mobile | Desktop |
|---|---|---|
| 看商品 → 加購 | 22.39% | 28.12% |
| 加購 → 購買 | 5.1% | 28.99% |
「看商品→加購」兩裝置接近；「加購→購買」懸殊。
Direct 內 mobile 有 39,527 個工作階段、城市大量顯示 (not set)、購買僅 1 筆——形狀高度疑似未標記的 App 或非人流量。因手機端購買樣本極小，任何跨裝置的收益倍數比較不具參考性。
⚠ 已撤回：初稿的「121 倍」跨裝置收益差，即此類噪音所致，不具參考性未掛 UTM 的連結、App 內開啟、來源遺失都會匯入 Direct。本站的 Direct 是「一半垃圾、一半主力營收」的混合體——分不開它，所有管道結論都失真。
觸及的是已互動人群，轉換率天生會比冷流量高。
被動推薦曝光、或低單價品運費占比劣勢。
非單頁問題，而是「品牌周邊、逛逛心態」的品類天性缺乏購買急迫感。
候選二選一：結帳流程的行動端體驗問題，或跨裝置完成行為（手機逛、桌機買，GA4 按裝置歸因會系統性記成「手機失敗＋桌機成功」）。
| 順序 | 行動 | 對應 | 說明 |
|---|---|---|---|
| 1 | UTM 稽核 | ①-a（最高優先） | 抽查主要廣告與 Email 連結的標記完整性，估算 Direct 可還原比例；並用「裝置＋城市 (not set)」切片持續監控可疑流量占比。 |
| 2 | Cross-network 小幅加碼 | ①-b | 確認受眾組成後測試遞減幅度——注意其現有量體小（71 筆），結論需累積樣本。 |
| 3 | 結帳細節漏斗 | ④ | 拉 begin_checkout → add_shipping_info → add_payment_info 分裝置細看，並親手用手機走一次結帳——此實驗同時能區分「體驗問題」與「跨裝置行為」。 |
| 4 | 路徑探索 | ② | 檢視 Sticker 流量入口的被動推薦占比。 |
| 5 | 分客群重看漏斗 | ③ | 分「新訪 vs 回訪」重看漏斗。 |
以上都只是我根據公開資訊做的初步整理，一定有理解不完整的地方。歡迎寄信告訴我哪裡對、哪裡不對——我很期待用真實情況修正這些假設。
寄信給我 · asdt0120@gmail.com