那些Google Analytics做不到的事,谈质性研究与量化研究

那些 Google Analytics做不到的事,談質性研究與量化研究 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。   目錄 那些 Google Analytics做不到的事:談量化數據 正確的網站分析觀念:談質性數據研究 網站分析大師 Avinash說:擁抱『質性數據』 『質性數據』+『量化數據』 = 完整的網站分析思維 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。   [...]

\"\"

身为行销工作者,我们每天都接触很多不同的资料来帮助我们做商业上或行销工作上的决策,从广告资料、Facebook社群经营资料、Google Analytics内的网站资料、公司后台的会员与产品交易资料等,这是一个数据驱动行销的时代(Data Driven Marketing),数据环绕着我们的世界以及日常工作中的所有细节。

 

其实我们在使用的任何一种资料类型,他都只在我们的行销工作上,解决"一部份"的问题,扮演着特定角色,举例来说:

 

  • Facebook Analytics的资料:帮助我们了解Facebook经营的状况、广告的成效。

 

  • Google Ads内的报表跟资料:帮助我们了解Google广告的执行状况、广告该如何优化、如何调整。

 

  • Google Analytics的『来源/媒介』报表:帮助我们了解网站的流量都来自于哪里、不同的流量来源帮我们带来的商业表现又是如何、谁有较高的转换率或较理想的互动状况。

 

每一张报表、每一种资料都有他在商业上应该扮演的角色以及可以帮我们解决的问题,理解每一种资料该扮演的角色,是我们有效使用这些资料的第一步,而今天我想跟你分享的是:

我们都太在乎Google Analytics内的量化数据,对他该扮演的角色有些误解,事实上有太多商业问题不该用Google Analytics来解决。

 

目录

 

  • 那些Google Analytics做不到的事:谈量化数据
  • 正确的网站分析观念:谈质性数据研究
  • 网站分析大师Avinash说:拥抱『质性数据』
  • 『质性数据』+『量化数据』 = 完整的网站分析思维

那些Google Analytics做不到的事:谈量化数据

 

我们在分析的网站资料有许多不同的资料类型,有广告资料、网站资料、交易资料、社群网站资料,在谈【网站分析工具】,学网站分析你该有的观念这篇文章中,我们介绍了很多不同类型的分析工具,实务上我们会根据商业上需要的资料来选择不同的工具。

 

但事实上,经常我们接触的资料都只有"量化数据"。

 

所谓"量化数据"指的是利用统计、数学计算的方法来进行收集的资料,大多我们在工作中遇到"被计算为数字的资料"我们都可以称为量化数据。像是我们常接触的Google Analytics内的工作阶段、跳出率、转换率,以及Facebook内的触及人数、互动数,甚至是Google Ads内的曝光、点阅率,这些都是"量化数据"。

 

 

"量化数据"有他该扮演的角色以及他的优势,但同样的,他也有它的缺点,在我们平常分析资料的过程中,如果只看量化数据,我们会流失非常多的商业资讯跟洞察。

 

 

想像一下,今天如果你到了一个网站,花了5分钟浏览这个网站的商品,在这5分钟的过程中,你历经了犹豫、考量,你参考了产品规格、保固资讯,你的眼睛不断看着唯美的商品图片觉得很心动,逛网站的过程中你觉得这个商品正是你所需要的,在觉得产品太昂贵又舍不得花下去的同时,你又看到了限时三天的优惠活动,这让你的情绪更错综复杂,想趁优惠活动买却舍不得花,最后,你抱着失望的心情,没有产生任何购买就离开了网站。

 

 

Guess What?你的心情跟这些情绪不会被这个网站的行销人知道,行销人只会在GA里面看到:

 

工作阶段1笔,产生订单数0笔,浏览过的页数为6页。

 

行销人无法透过Google Analytics这样的网站分析工具,感受到你的心情、犹豫、挫折、以及对产品图片的心动,这就是量化数据的问题,透过分析工具的数字,我们没办法真正的了解消费者的感受。

 

再举例来说,如果今天你的网站做了大改版,或是某些Landing Page做了介面以及动线上的优化,在改版上线后,发现访客的停留时间都有提升,通常我们要如何判定这是好事还是坏事?为什么停留时间有明显提升?

 

\"\"

 

 

答案是,很多时候我们没办法透过Google Analytics的数据来理解为什么访客的停留时间会明显提升,访客的停留时间提升有不同的可能性,像是:

 

  1. 改版后的网站真的变得更好用,访客非常喜欢新版的介面,所以产生更多的浏览、愿意在网站上花费更多的时间。
  2. 改版后的介面变得比以前不好用,或是品牌本来的忠实客户无法习惯新的介面,导致访客使用网站新的动线时,无法找到自己想找到的东西,导致访客产生了更长的浏览时间。

 

上述两种可能性是完全不同的方向,前者代表你的改版是成功的,后者代表你的访客正在挣扎、痛苦的使用你的网站介面,因为他们无法适应、习惯新版本的介面(我相信每个人都有这样的经验,你熟悉的某款APP或是某个网站做了大改版,改版后你无法习惯新的介面或新的功能,然后你就开始渐渐地越来越少使用这款APP)。

 

透过数据也许我们可以得知"改版后的访客停留时间有明显提升",但透过数字我们无法理解访客的心情、想法、情境,他们究竟是喜欢新介面还是不喜欢、是否有良好适应、他们究竟如何使用我们的新介面。

我们没办法透过数字来真实的理解访客的心情、情境、行为成因,因为人类的行为是复杂的。
再举个例子来说,Google Analytics的电子商务功能有一张报表叫做"结帐行为",透过这张报表,我们可以理解访客在结帐流程中的流失情况,究竟访客是在刷卡的时候流失比较多、还是填写资料的时候流失比较多,这张报表可以一目了然的帮助我们快速找到流失最严重的环节。

 

\"\"

 

但事实上这张报表告诉我们最多的,不过也就是"访客在哪里流失、哪里流失最严重",但他们"为什么在这个环节流失"是这张报表无法告诉你的,消费者在结帐的历程中放弃结帐有非常多不同的可能性,包括金流问题、产品价格问题、结帐流程设计、CTA设计…等,即便我们去翻阅Google Analytics的其他报表,有些问题我们还是无法透过Google Analytics来得到解答,像是:

 

  1. 为什么他们都集中在这个页面流失?
  2. 他们在结帐历程中的心情跟情绪是什么?痛点在哪?挫折点在哪?
  3. 放弃结帐后,他们做了什么事情?他们是否会再回来尝试再结帐一次?

 

 

当然,也许我们可以透过一些量化的实验来试图找出问题发生的原因,像是A/B Test、多变数测试…等,但有经验的人就知道,A/B Test经常测试出来是没有结果的,根据VWO统计,每七个A/B Test只会有一个成功,透过量化数据理解访客的行为跟感受在哪,是一件很没效率也不够准确的事情。

 

简单来说,在网站分析上,量化数据可以帮助我们了解:你的网站或广告上曾经发生什么事情、在哪些网页发生(转换率很低、是哪些网页很低,网站流量很高、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,你不能期望透过Google Analytics内的量化资料来很有效的了解消费者的行为、感受。

偏偏消费者的情绪、行为、痛点对做行销的人来说都至关重要,会影响我们网站的设计、介面、文案的使用、以及其他所有跟行销有关的决策。

 

 

 

正确的网站分析观念:谈质性数据研究

访客的行为、痛点、挫折点、心情、情绪,影响到我们在行销工作上做的任何决策,很遗憾的是,这些我们都无法透过量化数据来得到解答。

 

那怎么办呢?答案是:『质性数据』研究。

 

质性数据的存在目的是针对人类的行为、情绪、想法来进行数据收集以及研究,我们平常在问券调查或消费者的访谈上会得知消费者对于Y的想法、对于Z的看法,这些都是质性数据,肤浅一点来说,在商业上我们无法用数字统计出来的这些消费者回馈、行为资料,就是所谓的质性数据。也因为质性研究的重要,才会衍生出所谓的UX(User Experience , 使用者经验研究) 这个专业领域。

 

一般来说,质性数据研究的常见工作是透过接触、访谈消费者,甚至是收集他们的回馈来分析消费者使用产品/网站介面的状况。

 

\"\"

 

 

质性数据研究常见的资料收集方法有:

 

  • 问卷

问卷是一个很常见的收集质性数据的方式,以我的网站来说,我会定期的对读者进行抽样的问卷,询问读者对于我的文章的想法(下图的右侧为读者的想法回馈),为什么要这样做?因为我很清楚知道,在Google Analytics 内我只能看到每篇文章的停留时间、跳出率、甚至是文章的卷动深度,但透过卷动深度跟停留时间,我无法得知读者到底是否喜欢这篇文章或认为这篇文章有价值。

 

\"问卷研究\"

 

 

文章的停留时间很长,有可能是文章写的架构不够清楚,导致读者在阅读上感到很挫折、很难阅读,也有可能是读者认为这篇文章写得很好,因此投入更多时间来阅读,两者是完全不同的结果,也会影响着我对文章内容的优化方向。

 

 

  • 网站回馈收集

下图是ASUS网站上的回馈收集设计,你会发现有许多品牌,尤其对于行销或使用者体验特别注重的公司,会有类似的回馈收集机制,透过这样的回馈收集,你可以真实的了解访客的心情以及想法。

 

\"\"

 

大多数的人都不会觉得回馈收集有效,甚至怀疑你的访客是否会愿意填写,但其实只要你的消费者到了情绪的临界点就会填写回馈(比方说很想抱怨你的网站、或是觉得你网站很棒,想要提供鼓励,不论是正面情绪还是负面情绪的临界点,终究会有消费者提供回馈),除了情绪临界点的消费者之外,其实还是有很多消费者愿意提供回馈,回馈的转换率只要有个0.5%,月流量10万的网站就可以每个月收集到500则回馈,每年就可以收集到6,000则回馈,这些回馈可以帮助我们更有效的理解消费者的真实感受以及想法,透过这些想法回馈,我们在商业上可以做出更多精准的决策。

 

 

  • 实际访谈、对谈

访谈是UX领域的人经常会做的事情,实务上我们会邀请消费者到公司、或是用远端对谈,跟消费者谈谈对于产品使用的感受,如果我们想了解消费者的感受,这会比只看Google Analytics的数字还要来的更有效。在国外甚至有书籍是一整本书都在谈论如何设计访谈的流程以及访谈的模型,与消费者进行访谈在很多企业是优化产品时不可或缺的一环。

 

\"\"

 

 

  • 实际接触、观察

在质性研究中,负责研究的人经常会邀请消费者到公司来,并请消费者现场使用自己的网站,从旁观察、纪录消费者使用网站的状况以及过程,并从中汇整消费者使用网站时会遇到什么样的问题。

 

消费者看到网站上每一张图、每一个按钮都会产生对应的感受、情绪、行为,在分析工具上也许我们可以看到浏览量为Y、停留时间是X,但透过现场观察,你可以更深入的理解他们看到每个设计元素的反应以及对应的行为,透过这些行为数据,我们可以产生出更好的介面设计、甚至是图片素材设计。

 

 

 

网站分析大师Avinash说:拥抱『质性数据』

网站分析界的大师Avinash在2009年就推出了一本网站分析的书籍,书名为Web Analytics 2.0 ,10年前的这本书中Avinash就花了非常多的篇幅来谈论『质性数据』,他深信身为一个网站分析师,我们不能只是依赖Google Analytics里面的量化资料,光是透过量化资料无法真实的理解消费者的行为跟感受,而这些行为跟感受却又是我们做决策的重要依据。

 

有很多的企业跟行销人,试图依赖Google Analytics的数据来解析消费者行为:我想知道他们在Y页面都在干嘛?我的X 文案设计对吗?他们看了X有共鸣吗?如何分析消费者是否喜欢这些文章跟内容?

 

Google Analytics内所有的资料都是量化数据,他在商业中扮演的角色并不是"解析人类行为"、或是"了解消费者的感受"。

 

那Google Analytics、Facebook的这些量化资料有什么存在目的?他们该扮演的角色是什么?事实上量化数据跟质性数据都有各自的优缺点以及该扮演的角色:

 

 

『量化数据』扮演的角色,帮助你知道The What、When、Where:

像Google Analytics 这样的量化数据,可以帮助我们快速知道网站上发生什么事情(What)、发生在哪(Where)、什么时候发生(When),举例来说,你会看到哪篇文章的停留时间变长,并且是几月几号开始才停留时间变长,但我们很难透过量化资料去了解,为什么停留时间会变长?文章的停留时间长有可能是文章架构太差导致读者阅读不易,也有可能是文章写得很好才导致更长的阅读时间,究竟原因是什么?我们需要做质性数据的收集,而不是依靠量化数据上的数字。

 

 

 

『质性数据』扮演的角色,帮助你知道The Why、How:

质性数据能够帮助我们更理解消费者的感受以及想法,举例来说,当你发现某些文章的停留时间明显提高时,你可以用问券、回馈,甚至是直接观察文章底部的读者留言来了解他们对于文章的感受以及心情是什么,究竟这篇文章对读者来说是写得好还是不好,了解他们的想法之后,你就可以进而更正确的判断为什么你的文章停留时间会变长(The Why、How)。

 

\"\"

 

 

质性数据跟量化数据在商业上是同样的重要,各自能解决不同的问题,量化数据帮助你知道『What、When、Where』,质性数据帮助你知道『Why and How』所以很多商业体系完善的公司会有UX团队、也同时会有量化数据分析团队,同时,这两种数据也各自有各自的优缺点:

 

 

  • 敏捷度

量化数据的优点是『敏捷』,我们每天面临很多不同的分析工具,只要你今天安装了Google Analytics,明天马上就会看到今天的资料,因此收集量化资料是相对敏捷的马上可以看到资料,但收集质性数据却需要一定的时间,我们在网站上放置消费者回馈功能、甚至设计/发放问券都需要一定的时间,若希望跟使用者进行访谈,更是需要花时间跟使用者联系才能进行访谈,访谈每次也顶多对一个人进行,因此质性数据收集的敏捷度较差。

 

 

  • 小规模资料

如果今天你的网站是属于流量很小的规模,那么其实量化数据很难提供出很好的商业价值,如果一个月的流量不到200,这个样本经常不足以让我们透过数据来提出更好的判断。

 

 

  • 环境控制

有很多人没有思考到,你的消费者在使用你的网站时有太多不同的情境跟环境,以手机使用者来说,你的使用者在浏览你的网站时,有的人同时再搭公车、上课、上班、有的甚至是一边吃饭,在不同的环境/情境下浏览网站,消费者会产生不同的行为以及想法。我们在Google Analytics内看到的5万工作阶段,这5万可能有的人在吃饭、有的人在上班、有的人再搭公车、有的人在开会,将这些不同环境的使用者资料都放在一起分析,会是量化数据的一大缺点。

 

但质性数据却不同,我们约使用者来公司进行访谈、或现场观察他们使用网站/产品的状况,都是可以控制环境的,因为你可以决定何时请他们来,访谈/使用网站的过程中在哪一个会议室、观察他们时,该请他们使用什么样的装置来使用网站。

 

 

『质性数据』+『量化数据』 = 完整的网站分析思维

网站分析大师Avinash在他的书中针对『网站分析』有着很清楚的定义:

 

对来自您的网站和竞争对手的定性和定量数据进行分析,以推动您的客户和潜在客户在线体验的持续改进。

(译:网站分析是一种分析『质性数据』、『量化数据』、『竞争对手资料』,并且持续改善消费者的线上体验的一种过程)

 

说到这里,我希望你知道: ) ,质性数据跟量化数据各自有它的优缺点,在商业上扮演的角色也不一样,有很多人没有意识到质性数据的重要,只是透过Google Analytics的量化数据,我们很难去解析使用者的行为跟感受,那当然也无法把网站优化做的更好。

 

那收集质性数据很困难吗?一点也不。你不一定要像UX专业的人一样做访谈设计来进行访谈,你可以很单纯的在网站上放回馈功能、留言功能,或用传统的问券调查方式,甚至是客服人员在跟消费者互动时,将互动的内容进行记录。

 

不过专业一点来说,我们不会一股脑的、没方向的收集资料,实务上我们会根据商业上遇到的问题来决定应该使用哪一种数据解决问题,甚至会做详细一点的规划,比较常见的流程如下:

 

\"\"

 

量化资料因为很敏捷,可以很有效率的监控网站上发生的事情,所以我们会定期分析量化资料,当透过量化资料确认某件事情发生后,为了进一步分析跟解决问题,我们会思考:

 

好吧,这时候要解决Y问题,我应该要继续观察量化资料,还是要收集质性资料会比较合适,如果有必要,我们再来做问券或访谈,进一步了解消费者到底在想什么、在做什么。

 

实际上因为面临的商业问题不同,我们会选择不同的资料分析方法,有些问题选用A/B Test会比较有效,有些则是直接跟消费者接触、询问他们的感受会比较有效。

 

质性数据研究不只是UX的工作,问券资料收集、网站回馈收集这些也应该同时是网站分析师或行销人的工作,原因很简单,只透过量化数据你没办法做出精准且有效的判断,只看数字会有太多的死角。

 

我希望你看过这篇文章后可以仔细思考: ) ,过去为什么有些问题没办法解决?也许是因为你的量化数据无法帮你解决,你需要的是实际的收集质性数据,去询问、接触、了解消费者的感受,离开充满数字的报表,仔细倾听他们的声音,你会得到很多过去没发现的商业问题以及洞察。

 

今天的文章就先到这啰,未来我会分享更多关于网站分析的知识,帮助你在行销的路上成长,我们下一篇文章见: )

热点资讯

购物车
首页
学堂
建站
外链
SEO
DTC出海
关于我
Scroll to Top