新版GA4與舊版GA差在哪裡?功能比較懶人包一次看
新版GA4與舊版GA差在哪裡?功能比較懶人包一次看

一、一表看懂文章精華

近期Google推出了新版的GA【App + Web Property】,這項服務整合了Google Analytic for Firebase上App的資料以及Google Analytic上Web的資料,讓我們可以同時分析使用者在跨裝置上的行為,不會再因為兩套工具而導致資料無法銜接的狀況發生,不過新版在蒐集數據上的設定跟經典版其實有許多不同之處,讓我們帶大家完整了解差在哪裡。

二、比較舊版GA

1. 應用場景

【舊版標準GA】

以網站的Tag為主,App則是使用Firebase比較多。

【新版GA4】

整合Google Analytics(GA)Web端的資料+Google Analytics for Firebase(GA4F)APP端的資料。可以將兩者數據可以結合在一起並進行分析,也可以單獨蒐集網站的資料。
結語:未來分析師需要加入APP分析的應用場景,可能會有一段學習期間。

2. 數據模型

【舊版標準GA】

專注在工作階段,計算單位有使用者、工作階段、瀏覽量等指標。

【新版GA4】

專注使用者、行為(事件)為主。

結語:不用記一堆指標的報表,因為全部改成事件了,但是新版的報表要自己拉。

3. 測量、互動追蹤單位

【舊版標準GA】

測量單位:網頁瀏覽(Pageview)
互動追蹤單位:跳出率、網站停留時間、每頁工作階段數

【新版GA4】

測量單位:網頁瀏覽(Pageview)+畫面瀏覽(Screen Name)
可以選擇增強型配置:文件下載、網頁滾動深度、出站點擊、崁入式Youtube互動資料
互動追蹤單位:互動數、互動率、互動時長(互動定義:進來網站/APP超過10秒鐘)

4. 抽樣機制

【舊版標準GA】

預設報表不會進行資料取樣,臨時資料查詢的取樣量設有下列一般門檻:

• Analytics(分析)標準版:指定日期範圍內的50萬個資源層級工作階段
• Analytics(分析)360:指定日期範圍內的1億個資料檢視層級工作階段

在某些情況下,取樣的工作階段數量可能會比較少,可能的原因包括Analytics(分析)導入程序比較複雜、使用的資料檢視篩選器不同、區隔查詢複雜度,或者是上述因素的綜合影響。GA會盡量讓取樣量達到上述門檻,但針對臨時查詢傳回的工作階段有時候會略少,這是正常現象。

【新版GA4】

目前沒有,但配額更嚴格,代表未來GA會有限量。

結語:因為計算方式不同,所以新版GA的數據相對起來都會比較少一點。

5. 資料保存期

GA 官方說明
可以使用Google Analytics(分析)資料保留控制項,設定Google Analytics(分析)要在多久之後,自動將儲存在Analytics(分析)伺服器中的使用者層級和事件層級資料刪除。

【舊版標準GA】

預設14個月,但可以改成26個月、38個月、50個月,甚至是不會自動過期(無限)。

官方貼心叮嚀:延長保留期限或將其更改為「不會自動過期」,並不會影響您先前已收集資料的保留期限。比方說,如果在收集資料的當下,保留期限是設為14個月,則系統會在屆滿14個月時將資料刪除,就算您後來將保留期限改為26個月也一樣。

【新版GA4】

使用者層級資料(包括轉換資料)的保留期限預設2個月,固定最多14個月。至於其餘的事件資料,您可以選擇2個月或14個月。年齡層、性別和興趣資料一律適用兩個月的保留期限,但可以用BigQuery無限保存。

官方貼心叮嚀:當您延長保留期限或將其更改為「不會自動過期」,系統會將設定套用至您已經收集的資料。

結語:記得要到後台把資料保存更改為14個月喔 ~

6. 代碼標籤

【舊版標準GA】

以UA為開頭,結尾會有資源的流水編號。

【新版GA4】

以G為開頭,後面的流水編號消失。

7. 細分資料

【舊版標準GA】

可以使用區隔來進行,一經套用每次瀏覽報表時都會生效,除非你將區隔移除。最多可同時套用四個區隔,並在報表中並排比較個別區隔。

Google官方說明
可以用來建立目標對象,舉例來說,如果你找出一組已將商品放入購物車,卻沒有完成購買程序的使用者,他們正是再行銷廣告活動的理想目標對象:你可以放送廣告,讓他們知道購物車內的商品正好有折扣活動,也可宣傳免運費優惠,或是製作新廣告來促銷相同商品,藉此鼓勵他們完成購物程序。

【新版GA4】

新增了「目標對象」功能,可讓您根據自家業務的需求來區隔使用者。你可以根據維度、指標和事件來區隔,這可以涵蓋幾乎所有使用者。你可以重新評估他們的目標對象成員資格,以確保他們符合目標對象條件。如果最新資料指出使用者不再符合條件,系統便會將他們從目標對象中移除。

Google官方說明
若您將 Analytics(分析)帳戶連結到Google Ads,目標對象就會顯示在Google Ads共用資料庫中,供您用來放送廣告活動。您可以針對現有或先前的使用者展開再行銷,也可以建立類似目標對象來開發新使用者。有可用資料的時候,系統會將最多30天的資料預先填入與目標對象對應的Google Ads使用者名單。

8. 事件層級、預設事件

【舊版標準GA】

事件層級:共分為三個層級:事件類別、事件動作、事件標籤。
預設事件:無。

【新版GA4】

事件層級:替換為固定的事件結構,僅剩二個層級:事件、參數報表。
預設事件:系統會自行新增一些事件:文件下載、網頁滾動深度、出站點擊、崁入式Youtube互動資料。

結語:全部的Code都要重新埋設喔!

9. 自訂標籤、維度

【舊版標準GA】

自訂指標:有,免費版可以設定20個,設定了就不能刪除,只能替換。
自訂維度:有,免費版可以設定20個,設定了就不能刪除,只能替換。

【新版GA4】

自訂指標:功能被拔掉了,替換為事件,有數量限制(文字參數50個以及數字參數50個,但數字一直在變動)

自訂維度:功能被拔掉,替換為新功能:使用者屬性。

10. 資料檢視、篩選器

【舊版標準GA】

資料檢視:有。
篩選器:有。

【新版GA4】

資料檢視:有。
篩選器:有。

11. 漏斗分析

Google官方說明
漏斗分析可以直觀呈現用戶為完成任務而採取的步驟,並讓您迅速了解用戶在每個步驟上的成功或失敗情況。您可以根據這些信息採取相關行動,以改善自己的網站,並降低效率低下的或已放棄的客戶轉化歷程。

【舊版標準GA】

漏斗分析:GA360才有。

【新版GA4】

開放,所有人都可以使用。

結語:新版的報表重原本的100多個變成只有6個,而且這六個預設的報表還不能夠匯出,對於新手來說是簡化了,但是對於原本的使用者而言,等於是進階的報表數據都要自己設計。

本文合作轉載自:[圖靈數位][1]
關鍵字: #Google Analytics
往下滑看下一篇文章
OpenAI 重磅講者親臨高雄|掌握前瞻 AI 與產業轉型關鍵趨勢
OpenAI 重磅講者親臨高雄|掌握前瞻 AI 與產業轉型關鍵趨勢

隨著 AI 工具逐漸普及,真正拉開差距的,已不只是技術或算力的強弱,是企業能否整理資料、重新設計流程,並把 AI 融合既有工作方式,持續轉化為營運價值。

Amazon Web Services(AWS)將於10月23日於高雄舉辦「2026 亞馬遜港都 AI 創新日」邀請 OpenAI 與製造、金融、交通、零售及運動育樂等領域的實務代表,從技術趨勢、資料治理、流程設計與組織轉型等面向,拆解 AI 落地前必須處理的現實問題,協助企業重新檢視自身的導入條件與下一步布局。

企業下一步,不只是再導入一套 AI 工具,而是讓 AI 進入日常營運

模型可以採購,系統可以建置,但資料是否整理到位、流程能否重新設計、組織是否清楚由誰負責,才是決定技術能否持續發揮價值的關鍵。

高雄近年推動數位轉型,同樣面對這項核心課題。亞灣周邊聚集扣件、石化、鋼鐵等傳統產業,場域複雜、既有系統眾多,正因如此,更能檢驗一套 AI 導入方法是否具備複製與擴大的條件。城市發展也從建置算力基礎,進一步走向讓技術真正進入產業與治理現場。

AWS 連續六年深耕高雄,今年以「雲騰智慧大南方 齊創 AI 好未來」為主軸,將討論重心從雲端與算力基礎,推進到應用全面升級,協助城市從「有 AI」走向「AI 有感」。

政府治理是否更即時、產業流程是否真正改變、市民與使用者能否感受到服務提升,才是「AI 有感」的具體檢驗。延續「高雄試點、全臺普及、雲端出海國際」的發展路徑,10月 23 日登場的亞馬遜港都 AI 創新日要談的不只是企業「有沒有 AI」,而是導入之後企業的真實改變。

2025 亞馬遜港都 AI 創新日現場,資料照
圖/ AWS

OpenAI 重磅講者親臨高雄,從技術前沿看見企業的關鍵課題

今年活動特別邀請 OpenAI 東南亞暨台灣合作夥伴總監 Mark Jeffrey,以「前瞻 AI 如何助力產業領袖開創新局」為題,分享在 AI 技術快速演進之下,企業應如何重新思考未來布局。

面對 AI 能力邊界持續擴張,哪些應用已具備規模化條件?哪些仍需要更完整的資料、治理與組織準備?這是正在規畫下一階段 AI 投資的企業必須先回答的關鍵課題。

上午議程將從資料、組織與金融三個面向,拆解 AI 落地前必須處理的現實問題。「數據為本,AI 啟航」先回到資料基礎:外部模型跑得再快,若企業自身的欄位定義、存取權限與資料品質尚未整理到位,技術仍難以轉化為可靠判斷。

「打造 AI-Ready 組織的關鍵布局」論壇則聚焦組織當責。AI 專案通常橫跨資訊、營運與管理部門,真正困難的不只是把系統建起來,而是由誰推動流程改造、由誰認列成果,以及當 AI 產出的判斷出現問題時,責任最後應由誰承擔。公部門、製造業與雲端服務業者如何從不同角色處理這些問題,對其他組織同樣具有參考價值。

金融創新論壇將討論 AI、虛擬資產與企業轉型。金融場域對資料安全、合規、風控與可追溯性的高度要求,也提醒企業:效率不能取代治理,AI 更不能成為責任模糊的理由。能否在高監管、高風險環境中建立清楚邊界,將直接影響 AI 應用能不能被長期採用。

2025 年活動論壇現場,資料照
圖/ AWS

從六種產業場景,看 AI 如何走進真實流程

真正具備參考價值的 AI 案例,不只要說明「做了什麼」,還要回答幾個更實際的問題:解決哪一段流程、使用哪些資料、在哪個節點交給 AI、誰負責最後判斷,又如何確認投入確實產生價值。

下午議程規劃橫跨智慧支付、製造、媒體科技、智慧交通、零售製造與運動育樂六種產業場景。每個場景面對的資料條件、即時要求與風險門檻都不相同。

產業場景 議程規劃與關鍵課題
智慧支付 藍新金流運用 AWS AI 自建智能 KYC 與交易監控;處理身份辨識、交易監控與風險判斷
製造 以語意層串接資料孤島,讓 AI Agent 正確理解分散在不同系統的資料
媒體科技 會說台語的 AI Agent:從醫院櫃台到第一線的落地實戰
零售製造 零售製造轉型;把技術接進實際營運與使用者體驗

這些差異進一步說明,AI 沒有一套可以直接複製到所有產業的標準答案。企業真正需要的,不只是更多案例,而是看見不同產業如何依資料條件、即時要求與風險門檻,把 AI 融入實際營運與使用者體驗。

現場同步打造「產業賦能走廊」,邀集超過 15 組雲端生態系夥伴設置展示攤位,聚焦智慧製造、金融科技與城市治理的真實痛點與解法。無論企業目前卡在技術、資料、治理,還是組織協作,不同問題點,都能找到對應的解方。

10 月 23 日,從智慧製造的產線優化、金融科技的風控升級,到運動產業的會員體驗創新,看 AI 如何從概念走進產業現場,成為百工百業轉型升級的實際動能。

10/23高雄展覽館盛大舉行
圖/ AWS

「2026 亞馬遜港都 AI 創新日」,掌握 AI 賦能百工百業、領航產業升級的實務趨勢
立即報名

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
一次搞懂工業AI
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓