身為行銷工作者，我們每天都接觸很多不同的資料來幫助我們做商業上或行銷工作上的決策，從廣告資料、Facebook社群經營資料、Google Analytics內的網站資料、公司後台的會員與產品交易資料等，這是一個數據驅動行銷的時代（Data Driven Marketing），數據環繞著我們的世界以及日常工作中的所有細節。

其實我們在使用的任何一種資料類型，他都只在我們的行銷工作上，解決＂一部份＂的問題，扮演著特定角色，舉例來說：

• Facebook Analytics的資料：幫助我們了解Facebook經營的狀況、廣告的成效。

• Google Ads內的報表跟資料：幫助我們了解Google廣告的執行狀況、廣告該如何優化、如何調整。

• Google Analytics的『來源/媒介』報表：幫助我們了解網站的流量都來自於哪裡、不同的流量來源幫我們帶來的商業表現又是如何、誰有較高的轉換率或較理想的互動狀況。

每一張報表、每一種資料都有他在商業上應該扮演的角色以及可以幫我們解決的問題，理解每一種資料該扮演的角色，是我們有效使用這些資料的第一步，而今天我想跟你分享的是：

我們都太在乎 Google Analytics內的量化數據，對他該扮演的角色有些誤解，事實上有太多商業問題不該用 Google Analytics來解決。

那些 Google Analytics做不到的事：談量化數據

我們在分析的網站資料有許多不同的資料類型，有廣告資料、網站資料、交易資料、社群網站資料，在談【網站分析工具】，學網站分析你該有的觀念這篇文章中，我們介紹了很多不同類型的分析工具，實務上我們會根據商業上需要的資料來選擇不同的工具。

但事實上，經常我們接觸的資料都只有＂量化數據＂。

所謂＂量化數據＂指的是利用統計、數學計算的方法來進行收集的資料，大多我們在工作中遇到＂被計算為數字的資料＂我們都可以稱為量化數據。像是我們常接觸的 Google Analytics內的工作階段、跳出率、轉換率，以及Facebook內的觸及人數、互動數，甚至是Google Ads內的曝光、點閱率，這些都是＂量化數據＂。

＂量化數據＂有他該扮演的角色以及他的優勢，但同樣的，他也有它的缺點，在我們平常分析資料的過程中，如果只看量化數據，我們會流失非常多的商業資訊跟洞察。

想像一下，今天如果你到了一個網站，花了5分鐘瀏覽這個網站的商品，在這5分鐘的過程中，你歷經了猶豫、考量，你參考了產品規格、保固資訊，你的眼睛不斷看著唯美的商品圖片覺得很心動，逛網站的過程中你覺得這個商品正是你所需要的，在覺得產品太昂貴又捨不得花下去的同時，你又看到了限時三天的優惠活動，這讓你的情緒更錯綜複雜，想趁優惠活動買卻捨不得花，最後，你抱著失望的心情，沒有產生任何購買就離開了網站。

Guess What？你的心情跟這些情緒不會被這個網站的行銷人知道，行銷人只會在GA裡面看到：

工作階段1筆，產生訂單數 0筆，瀏覽過的頁數為 6頁。

行銷人無法透過Google Analytics這樣的網站分析工具，感受到你的心情、猶豫、挫折、以及對產品圖片的心動，這就是量化數據的問題，透過分析工具的數字，我們沒辦法真正的了解消費者的感受。

再舉例來說，如果今天你的網站做了大改版，或是某些 Landing Page做了介面以及動線上的優化，在改版上線後，發現訪客的停留時間都有提升，通常我們要如何判定這是好事還是壞事？為什麼停留時間有明顯提升？

答案是，很多時候我們沒辦法透過Google Analytics的數據來理解為什麼訪客的停留時間會明顯提升，訪客的停留時間提升有不同的可能性，像是：

1. 改版後的網站真的變得更好用，訪客非常喜歡新版的介面，所以產生更多的瀏覽、願意在網站上花費更多的時間。
2. 改版後的介面變得比以前不好用，或是品牌本來的忠實客戶無法習慣新的介面，導致訪客使用網站新的動線時，無法找到自己想找到的東西，導致訪客產生了更長的瀏覽時間。

上述兩種可能性是完全不同的方向，前者代表你的改版是成功的，後者代表你的訪客正在掙扎、痛苦的使用你的網站介面，因為他們無法適應、習慣新版本的介面（我相信每個人都有這樣的經驗，你熟悉的某款APP或是某個網站做了大改版，改版後你無法習慣新的介面或新的功能，然後你就開始漸漸地越來越少使用這款APP）。

透過數據也許我們可以得知＂改版後的訪客停留時間有明顯提升＂，但透過數字我們無法理解訪客的心情、想法、情境，他們究竟是喜歡新介面還是不喜歡、是否有良好適應、他們究竟如何使用我們的新介面。

我們沒辦法透過數字來真實的理解訪客的心情、情境、行為成因，因為人類的行為是複雜的。

再舉個例子來說，Google Analytics的電子商務功能有一張報表叫做＂結帳行為＂，透過這張報表，我們可以理解訪客在結帳流程中的流失情況，究竟訪客是在刷卡的時候流失比較多、還是填寫資料的時候流失比較多，這張報表可以一目瞭然的幫助我們快速找到流失最嚴重的環節。

但事實上這張報表告訴我們最多的，不過也就是 ＂訪客在哪裡流失、哪裡流失最嚴重＂，但他們＂為什麼在這個環節流失＂是這張報表無法告訴你的，消費者在結帳的歷程中放棄結帳有非常多不同的可能性，包括金流問題、產品價格問題、結帳流程設計、CTA設計…等，即便我們去翻閱Google Analytics的其他報表，有些問題我們還是無法透過 Google Analytics來得到解答，像是：

1. 為什麼他們都集中在這個頁面流失？
2. 他們在結帳歷程中的心情跟情緒是甚麼？痛點在哪？挫折點在哪？
3. 放棄結帳後，他們做了甚麼事情？他們是否會再回來嘗試再結帳一次？

當然，也許我們可以透過一些量化的實驗來試圖找出問題發生的原因，像是A/B Test、多變數測試…等，但有經驗的人就知道，A/B Test經常測試出來是沒有結果的，根據VWO統計，每七個A/B Test只會有一個成功，透過量化數據理解訪客的行為跟感受在哪，是一件很沒效率也不夠準確的事情。

簡單來說，在網站分析上，量化數據可以幫助我們了解：你的網站或廣告上曾經發生甚麼事情、在哪些網頁發生（轉換率很低、是哪些網頁很低，網站流量很高、是哪些流量管道有很高的流量），但 Google Analytics有很多事是它做不到的，你不能期望透過 Google Analytics內的量化資料來很有效的了解消費者的行為、感受。

偏偏消費者的情緒、行為、痛點對做行銷的人來說都至關重要，會影響我們網站的設計、介面、文案的使用、以及其他所有跟行銷有關的決策。

正確的網站分析觀念：談質性數據研究

訪客的行為、痛點、挫折點、心情、情緒，影響到我們在行銷工作上做的任何決策，很遺憾的是，這些我們都無法透過量化數據來得到解答。

那怎麼辦呢？答案是：『質性數據』研究。

質性數據的存在目的是針對人類的行為、情緒、想法來進行數據收集以及研究，我們平常在問券調查或消費者的訪談上會得知消費者對於 Y的想法、對於 Z的看法，這些都是質性數據，膚淺一點來說，在商業上我們無法用數字統計出來的這些消費者回饋、行為資料，就是所謂的質性數據。也因為質性研究的重要，才會衍生出所謂的 UX（User Experience , 使用者經驗研究） 這個專業領域。

一般來說，質性數據研究的常見工作是透過接觸、訪談消費者，甚至是收集他們的回饋來分析消費者使用產品/網站介面的狀況。

質性數據研究常見的資料收集方法有：

• 問卷

問卷是一個很常見的收集質性數據的方式，以我的網站來說，我會定期的對讀者進行抽樣的問卷，詢問讀者對於我的文章的想法（下圖的右側為讀者的想法回饋），為什麼要這樣做？因為我很清楚知道，在Google Analytics 內我只能看到每篇文章的停留時間、跳出率、甚至是文章的捲動深度，但透過捲動深度跟停留時間，我無法得知讀者到底是否喜歡這篇文章或認為這篇文章有價值。

文章的停留時間很長，有可能是文章寫的架構不夠清楚，導致讀者在閱讀上感到很挫折、很難閱讀，也有可能是讀者認為這篇文章寫得很好，因此投入更多時間來閱讀，兩者是完全不同的結果，也會影響著我對文章內容的優化方向。

• 網站回饋收集

下圖是ASUS網站上的回饋收集設計，你會發現有許多品牌，尤其對於行銷或使用者體驗特別注重的公司，會有類似的回饋收集機制，透過這樣的回饋收集，你可以真實的了解訪客的心情以及想法。

大多數的人都不會覺得回饋收集有效，甚至懷疑你的訪客是否會願意填寫，但其實只要你的消費者到了情緒的臨界點就會填寫回饋（比方說很想抱怨你的網站、或是覺得你網站很棒，想要提供鼓勵，不論是正面情緒還是負面情緒的臨界點，終究會有消費者提供回饋），除了情緒臨界點的消費者之外，其實還是有很多消費者願意提供回饋，回饋的轉換率只要有個0.5%，月流量10萬的網站就可以每個月收集到500則回饋，每年就可以收集到 6,000則回饋，這些回饋可以幫助我們更有效的理解消費者的真實感受以及想法，透過這些想法回饋，我們在商業上可以做出更多精準的決策。

• 實際訪談、對談

訪談是 UX領域的人經常會做的事情，實務上我們會邀請消費者到公司、或是用遠端對談，跟消費者談談對於產品使用的感受，如果我們想了解消費者的感受，這會比只看Google Analytics的數字還要來的更有效。 在國外甚至有書籍是一整本書都在談論如何設計訪談的流程以及訪談的模型，與消費者進行訪談在很多企業是優化產品時不可或缺的一環。

• 實際接觸、觀察

在質性研究中，負責研究的人經常會邀請消費者到公司來，並請消費者現場使用自己的網站，從旁觀察、紀錄消費者使用網站的狀況以及過程，並從中彙整消費者使用網站時會遇到甚麼樣的問題。

消費者看到網站上每一張圖、每一個按鈕都會產生對應的感受、情緒、行為，在分析工具上也許我們可以看到瀏覽量為 Y、停留時間是 X，但透過現場觀察，你可以更深入的理解他們看到每個設計元素的反應以及對應的行為，透過這些行為數據，我們可以產生出更好的介面設計、甚至是圖片素材設計。

網站分析大師 Avinash說：擁抱『質性數據』

網站分析界的大師 Avinash在 2009年就推出了一本網站分析的書籍，書名為Web Analytics 2.0 ，10年前的這本書中 Avinash就花了非常多的篇幅來談論『質性數據』，他深信身為一個網站分析師，我們不能只是依賴 Google Analytics裡面的量化資料，光是透過量化資料無法真實的理解消費者的行為跟感受，而這些行為跟感受卻又是我們做決策的重要依據。

有很多的企業跟行銷人，試圖依賴 Google Analytics的數據來解析消費者行為：我想知道他們在 Y頁面都在幹嘛？我的 X 文案設計對嗎？他們看了 X有共鳴嗎？如何分析消費者是否喜歡這些文章跟內容？

Google Analytics內所有的資料都是量化數據，他在商業中扮演的角色並不是＂解析人類行為＂、或是＂了解消費者的感受＂。

那Google Analytics、Facebook的這些量化資料有甚麼存在目的？他們該扮演的角色是甚麼？事實上量化數據跟質性數據都有各自的優缺點以及該扮演的角色：

『量化數據』扮演的角色，幫助你知道 The What、When、Where：

像 Google Analytics 這樣的量化數據，可以幫助我們快速知道網站上發生甚麼事情（What）、發生在哪（Where）、甚麼時候發生（When），舉例來說，你會看到哪篇文章的停留時間變長，並且是幾月幾號開始才停留時間變長，但我們很難透過量化資料去了解，為什麼停留時間會變長？文章的停留時間長有可能是文章架構太差導致讀者閱讀不易，也有可能是文章寫得很好才導致更長的閱讀時間，究竟原因是甚麼？我們需要做質性數據的收集，而不是依靠量化數據上的數字。

『質性數據』扮演的角色，幫助你知道 The Why、How：

質性數據能夠幫助我們更理解消費者的感受以及想法，舉例來說，當你發現某些文章的停留時間明顯提高時，你可以用問券、回饋，甚至是直接觀察文章底部的讀者留言來了解他們對於文章的感受以及心情是甚麼，究竟這篇文章對讀者來說是寫得好還是不好，了解他們的想法之後，你就可以進而更正確的判斷為什麼你的文章停留時間會變長（The Why、How）。

質性數據跟量化數據在商業上是同樣的重要，各自能解決不同的問題，量化數據幫助你知道『What、When、Where』，質性數據幫助你知道『Why and How』所以很多商業體系完善的公司會有UX團隊、也同時會有量化數據分析團隊，同時，這兩種數據也各自有各自的優缺點：

• 敏捷度

量化數據的優點是『敏捷』，我們每天面臨很多不同的分析工具，只要你今天安裝了 Google Analytics，明天馬上就會看到今天的資料，因此收集量化資料是相對敏捷的馬上可以看到資料，但收集質性數據卻需要一定的時間，我們在網站上放置消費者回饋功能、甚至設計/發放問券都需要一定的時間，若希望跟使用者進行訪談，更是需要花時間跟使用者聯繫才能進行訪談，訪談每次也頂多對一個人進行，因此質性數據收集的敏捷度較差。

• 小規模資料

如果今天你的網站是屬於流量很小的規模，那麼其實量化數據很難提供出很好的商業價值，如果一個月的流量不到 200，這個樣本經常不足以讓我們透過數據來提出更好的判斷。

• 環境控制

有很多人沒有思考到，你的消費者在使用你的網站時有太多不同的情境跟環境，以手機使用者來說，你的使用者在瀏覽你的網站時，有的人同時再搭公車、上課、上班、有的甚至是一邊吃飯，在不同的環境/情境下瀏覽網站，消費者會產生不同的行為以及想法。我們在 Google Analytics內看到的 5萬工作階段，這 5萬可能有的人在吃飯、有的人在上班、有的人再搭公車、有的人在開會，將這些不同環境的使用者資料都放在一起分析，會是量化數據的一大缺點。

但質性數據卻不同，我們約使用者來公司進行訪談、或現場觀察他們使用網站/產品的狀況，都是可以控制環境的，因為你可以決定何時請他們來，訪談/使用網站的過程中在哪一個會議室、觀察他們時，該請他們使用甚麼樣的裝置來使用網站。

『質性數據』+『量化數據』 = 完整的網站分析思維

網站分析大師Avinash在他的書中針對『網站分析』有著很清楚的定義：

the analysis of qualitative and quantitative data from your website and the competition, to drive a continual improvement of the online experience of your customers and prospects.

（譯：網站分析是一種分析『質性數據』、『量化數據』、『競爭對手資料』，並且持續改善消費者的線上體驗的一種過程）

說到這裡，我希望你知道 : )  ，質性數據跟量化數據各自有它的優缺點，在商業上扮演的角色也不一樣，有很多人沒有意識到質性數據的重要，只是透過 Google Analytics的量化數據，我們很難去解析使用者的行為跟感受，那當然也無法把網站優化做的更好。

那收集質性數據很困難嗎？一點也不。你不一定要像UX專業的人一樣做訪談設計來進行訪談，你可以很單純的在網站上放回饋功能、留言功能，或用傳統的問券調查方式，甚至是客服人員在跟消費者互動時，將互動的內容進行記錄。

不過專業一點來說，我們不會一股腦的、沒方向的收集資料，實務上我們會根據商業上遇到的問題來決定應該使用哪一種數據解決問題，甚至會做詳細一點的規劃，比較常見的流程如下：

量化資料因為很敏捷，可以很有效率的監控網站上發生的事情，所以我們會定期分析量化資料，當透過量化資料確認某件事情發生後，為了進一步分析跟解決問題，我們會思考：

好吧，這時候要解決 Y問題，我應該要繼續觀察量化資料，還是要收集質性資料會比較合適，如果有必要，我們再來做問券或訪談，進一步了解消費者到底在想甚麼、在做甚麼。

實際上因為面臨的商業問題不同，我們會選擇不同的資料分析方法，有些問題選用 A/B Test會比較有效，有些則是直接跟消費者接觸、詢問他們的感受會比較有效。

質性數據研究不只是 UX的工作，問券資料收集、網站回饋收集這些也應該同時是網站分析師或行銷人的工作，原因很簡單，只透過量化數據你沒辦法做出精準且有效的判斷，只看數字會有太多的死角。

我希望你看過這篇文章後可以仔細思考 : ) ，過去為什麼有些問題沒辦法解決？也許是因為你的量化數據無法幫你解決，你需要的是實際的收集質性數據，去詢問、接觸、了解消費者的感受，離開充滿數字的報表，仔細傾聽他們的聲音，你會得到很多過去沒發現的商業問題以及洞察。

今天的文章就先到這囉，未來我會分享更多關於網站分析的知識，幫助你在行銷的路上成長，我們下一篇文章見 : )