身为营销从业者，我们每日接触各种各样的数据以辅助我们做出商业和营销决策。这些数据包括广告资料、Facebook社群运营资料、Google Analytics内的网站数据、公司后台的会员和产品交易数据等等。我们正处在一个以数据为驱动的营销时代（Data Driven Marketing），数据环绕在我们的世界中，贯穿我们日常工作的方方面面。
然而，我们所使用的任何一种数据类型，都只能在我们的营销工作中解决部分问题，扮演特定的角色。比如：
Facebook Analytics的数据：帮助我们了解Facebook经营的状况以及广告的成效。
Google Ads内的报表与资料：帮助我们了解Google广告的执行状况，优化策略与调整方向。
Google Analytics的'来源/媒介'报表：帮助我们了解网站的流量来源，以及不同来源的商业表现和用户互动状况。
每张报表、每一类数据都有它在商业中应扮演的角色，以及可以为我们解决的特定问题。理解每类数据的应用场景，是我们有效运用这些数据的第一步。而今天我想与你分享的是：
我们或许过于侧重于Google Analytics内的量化数据，却可能对它的角色有所误解。实际上，有许多商业问题并不适合用Google Analytics来解决。
Google Analytics提供了强大的量化分析能力，可以帮助我们追踪网站流量、用户行为等关键指标，但却无法提供深入了解用户心理、态度和偏好的能力，这正是质性研究的优势所在。
例如，在设计一个新产品页面时，Google Analytics可以告诉我们访问量、跳出率等数据，但却无法告诉我们用户在页面上花费了多少时间、他们是否对页面布局感到满意，或者是否有困惑和疑虑。这些信息对于产品页面的优化和改进至关重要。
因此，要全面了解用户，我们需要结合质性研究方法，如用户访谈、焦点小组讨论等，来获取更丰富的用户反馈和见解。这些方法可以揭示出Google Analytics无法捕捉到的用户情感、态度和行为背后的真正动机。
在实际营销工作中，充分利用质性研究可以帮助我们更准确地理解目标用户群体，从而制定更具针对性的营销策略和产品优化方案，提升整体营销效果。
总的来说，Google Analytics是我们营销工作中的得力助手，但它并非万能。理解其局限性，并结合质性研究的方法，将使我们在营销决策和策略制定中更具深度和准确性。
作为营销从业者，我们在日常工作中接触到各种各样的数据，从广告资料、网站数据到交易记录、社群网站资料等。在我们之前的文章中，我们介绍了各种不同类型的网站分析工具，以及在实际工作中如何根据商业需求选择合适的工具。
然而，实际上，我们常接触的数据往往只是“量化数据”。
所谓的“量化数据”是指利用统计和数学计算方法收集的资料。大部分在工作中遇到的“被计算为数字的资料”都可以归为量化数据。比如我们熟悉的Google Analytics中的工作阶段、跳出率、转换率，以及Facebook中的触及人数、互动数，甚至Google Ads中的曝光、点击率，这些都属于“量化数据”。
量化数据有它的作用和优势，但同样地，它也有它的局限性。在我们日常的数据分析过程中，如果只关注量化数据，将会流失许多商业信息和洞察。
让我们想象一下，今天你访问了一个网站，花了5分钟浏览里面的商品。在这5分钟中，你经历了犹豫、考虑，参考了产品规格和保修信息。你的目光一直停留在精美的商品图片上，心生向往。在浏览的过程中，你觉得这个商品正是你所需要的。但又因为产品价格显得有些高昂，你犹豫不决。突然，你看到了一个限时三天的优惠活动，情绪变得更加纷繁复杂。你想趁着优惠活动购买，但又舍不得花费，最终，带着失望的心情，你离开了网站。
你知道吗？这种心情、情绪并不会被这个网站的营销人员所知晓。他们只会在Google Analytics里看到：
会话数：1笔
产生订单数：0笔
浏览过的页数：6页
营销人员无法通过Google Analytics这样的网站分析工具感受到你的心情、犹豫、挫折，也无法了解你对产品图片的喜爱。这就是量化数据的局限性。透过数字，我们无法真正理解消费者的感受。
举个例子，假如今天你的网站进行了大规模改版，或者优化了某些落地页面的用户体验和导航，上线后你发现访客的停留时间明显增加了。通常情况下，我们如何判断这是好事还是坏事？为什么停留时间会明显增加？
答案是，很多时候我们无法通过Google Analytics的数据来理解访客停留时间明显增加的原因。访客的停留时间增加可能有不同的可能性：
改版后网站变得更加易用，访客非常喜欢新界面，因此产生更多的浏览、愿意在网站上花费更多时间。
改版后的界面可能不如之前的用户体验好，或者老用户无法适应新的界面，导致访客在新的导航时找不到自己需要的信息，从而增加了浏览时间。
这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，后者则代表着访客在使用新界面时可能感到困扰，无法适应。
透过数据，我们也许可以得知“访客的停留时间明显增加”，但透过数字我们无法理解访客的情绪、想法、情境，无法得知他们是否喜欢新界面，是否能够顺利使用新的导航。
我们无法单纯通过数字来真实理解访客的心情、情境、行为成因，因为人类的行为是复杂多样的。
再举个例子，Google Analytics的电子商务功能中有一个报表叫做“结账行为”，通过这个报表，我们可以理解访客在结账流程中的流失情况。我们可以了解到访客是在刷卡的时候流失更多，还是在填写个人信息的时候流失更多。这个报表可以直观地帮助我们找到流失最严重的环节。
然而，实际上，这个报表告诉我们的最多也只是“访客在哪里流失、哪里流失最严重”。但它无法告诉你“为什么在这个环节流失”。访客在结账过程中放弃有许多不同的可能性，包括支付问题、产品价格问题、结账流程设计、CTA设计等等。即便我们查看Google Analytics的其他报表，也有些问题是无法通过量化数据来解答的：
为什么访客们都在这个页面流失？
他们在结账历程中的情绪和痛点是什么？在哪里会感到困扰和挫折？
在放弃结账后，他们会做什么？是否会再次尝试结账？
当然，也许我们可以通过一些量化实验，如A/B测试、多变量测试等来试图找出问题发生的原因。但有经验的人都知道，A/B测试通常测试出来是没有确切结果的。根据VWO的统计，每七个A/B测试只会有一个成功。透过量化数据来理解访客的行为和感受是一件既低效又不够准确的事情。
简单来说，在网站分析中，量化数据可以帮助我们了解网站或广告曾经发生了什么，发生在哪些页面（转化率很低的哪些页面、流量很高的哪些渠道）。但Google Analytics无法提供的很多，你不能期望通过Google Analytics内的量化数据来有效了解消费者的行为、感受。
然而，消费者的情绪、行为、痛点对于做营销的人来说至关重要。这将影响着我们网站的设计、界面、文案的使用，以及所有与营销相关的决策。
因此，质性研究是必不可少的。结合质性研究方法，如用户访谈、焦点小组讨论等，可以为我们提供更深入的用户反馈和见解。这些方法可以揭示出Google Analytics无法捕捉到的用户情感、态度和行为背后的真正动机。
在实际的营销工作中，充分利用质性研究可以帮助我们更准确地理解目标用户群体，从而制定更具针对性的营销策略和产品优化方案，提升整体营销效果。
综而言之，Google Analytics是我们营销工作中的得力助手，但它并非万能。了解其局限性，并结合质性研究的方法，将使我们在营销决策和策略制定中更具深度和准确性。量化与质性研究的完美结合，将为我们打开数据驱动营销的全新视角。
在现代营销中，数据是不可或缺的一环，它扮演着引领决策和策略的关键角色。Google Analytics等分析工具提供了大量的量化数据，如页面访问量、跳出率等，然而，这些数字只是表面现象，无法揭示消费者的真正需求、情感和挫折点。
于是，我们需要“质性数据”研究来填补这个信息的空白。
质性数据研究的目的在于深入了解人类行为、情感和想法。通过问卷调查、消费者访谈等方式，我们可以获得消费者对产品或网站的看法和反馈。这些看法和反馈无法用数字来衡量，但却是宝贵的信息源，也是“用户体验（UX）研究”这一专业领域的基础。
在质性数据研究中，我们采取接触、访谈消费者的方式，甚至收集他们的直接反馈，以分析他们在使用产品或网站界面时的实际情况。
质性数据的常用收集方法包括：
问卷调查：通过定期对读者进行抽样的问卷，了解他们对文章的看法。这种方式能弥补Google Analytics无法提供的信息，如文章的吸引力、易读性等。
网站反馈收集：通过设计反馈功能，收集访客的实时情感和看法。尽管许多人对此持怀疑态度，但在情绪临界点时，访客往往愿意提供宝贵的反馈意见。
实际访谈、对谈：邀请消费者参与访谈，了解他们对产品使用的实际感受。相比仅仅依赖Google Analytics的数据，这种方式更为直接有效。
实际接触、观察：邀请消费者到公司参观，并现场使用产品或网站，观察他们的反应以及遇到的问题。通过这种方式，我们能更深入地了解用户的行为和反馈。
质性数据和量化数据在商业决策中同样重要，各自有各自的优缺点和适用场景。量化数据提供了敏捷、大规模的优势，但在小规模数据和特定环境下存在局限。而质性数据能深入了解消费者的情感、态度和行为动机，帮助我们做出更精准的决策。
因此，了解Google Analytics的局限性，结合质性研究的方法，将使我们在营销决策和策略制定中更具深度和准确性。量化与质性研究的完美结合，将为我们打开数据驱动营销的全新视角。
曾经，网站分析大师Avinash在2009年推出的《Web Analytics 2.0》一书中就强调了“拥抱质性数据”的重要性。他认为，作为网站分析师，不能仅仅依赖于Google Analytics内的量化数据。这些数据虽然能告诉我们发生了什么（What）、在哪发生了（Where）、何时发生了（When），但却无法真正理解消费者的行为和感受，而这些恰恰是我们决策的重要依据。
许多企业和营销人员试图通过Google Analytics来解析消费者行为，想了解他们在特定页面做了什么？是否对某篇文章产生共鸣？然而，Google Analytics提供的都是量化数据，其作用并非“解析人类行为”或“了解消费者的感受”。
那么，Google Analytics、Facebook等量化数据的存在目的是什么呢？它们应该扮演怎样的角色？实际上，量化数据和质性数据都各有优劣，各有其扮演的角色。
量化数据为我们提供了快速了解网站发生了什么、在哪里发生、何时发生的能力。举例来说，我们可以看到哪篇文章的停留时间变长，甚至可以知道是哪天开始的。然而，我们很难通过这些量化数据了解为什么会出现这种变化。文章的停留时间长可能是因为架构不合理，也可能是因为内容精彩，这两者的原因完全不同，却需要质性数据的支持才能解答。
与此相对，质性数据则能帮助我们更深入地理解消费者的感受和想法。当我们发现某些文章的停留时间明显提高时，可以通过问卷、回馈甚至直接观察读者留言来了解他们的感受和心情。这样，我们就能更准确地理解为什么文章的停留时间会变长。
质性数据和量化数据在商业决策中同样重要，各自有各自的优点和适用场景。量化数据帮助你了解“什么、何时、何地”，而质性数据帮助你了解“为什么和怎样”。因此，许多公司在其商业体系中拥有UX团队和量化数据分析团队，以充分利用这两种数据的优势。
此外，值得一提的是，量化数据具有“敏捷”的特点，可以快速获取，但在小规模数据和特定环境下存在局限。而质性数据的收集则需要一定的时间，但可以帮助我们控制环境，更深入地了解用户的行为和反馈。
综而言之，量化数据和质性数据相辅相成，在网站分析中各司其职。了解它们的优势和应用场景，将为我们提供更准确、深入的数据支持，帮助我们做出更具针对性的营销决策和策略制定。量化数据和质性数据的完美结合，将为我们打开数据驱动营销的全新视角。
『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：
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.
（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）
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，我们很难去解析用户的行为跟感受，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，当透过量化数据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数据，还是要收集质性数据会比较合适，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甚么、在做什么。
实际上因为面临的商业问题不同，我们会选择不同的数据分析方法，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、网站反馈收集这些也应该同时是网站分析师或营销人的工作，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。
