問卷說想要，數據卻沒買：問卷數據與行為數據落差的錯誤案例檢討

問卷數據與行為數據出現落差，通常不是顧客說謊，而是兩種數據回答的問題不同。問卷記錄意願與印象，行為數據記錄實際動作。判讀時要先找出落差從哪裡來，再決定哪一邊可以拿來做決策

這篇不談理論，用一個示範情境做檢討。情境是虛構的，但每個錯誤都是我在顧問現場反覆看到的判讀習慣。讀完你可以拿自己手上的問卷結果，逐條對照

示範情境：一份問卷讓團隊決定上架新品

示範情境是這樣的。一家做手工皂的小品牌，在官方帳號發了一份問卷，問粉絲想不想要旅行用的小尺寸組合。回覆的人裡，大多數勾了「很想要」或「會考慮購買」

團隊很興奮。他們開模、備料、拍照，排了一檔上市活動。上線兩週，商品頁有人看，購物車有人加，結帳的人卻很少。老闆問我：問卷明明說想要，數據怎麼不一樣

我們回頭看整個流程，找到五個判讀錯誤。下面一個一個拆

錯誤一：把「想要」當成「會買」

問卷問的是「想不想要」。這題測的是好感，不是購買意圖。好感幾乎不花成本，勾一下就好。購買要掏錢、要比價、要找時間。兩件事中間隔著很多關卡

修正做法是把問題改成有代價的選擇。例如請受訪者在兩個組合中選一個，或問「如果下週上架，價格是這樣，你會怎麼做」，選項包含「直接買」「等優惠」「先不需要」。選項有了代價，回答才比較接近行為

更直接的方式是做預購或候補名單。留下 Email 或付訂金，本身就是行為數據。它比任何一題五分量表都更能說明需求

錯誤二：回答問卷的人，不是會買的人

這份問卷發在官方帳號。會填的人是最常互動的粉絲，他們本來就喜歡品牌。這群人的比例，在實際購買者裡不一定高。很多回購的老客人根本不看社群

樣本偏差是問卷最常見的問題。發放管道決定了誰會回答。社群問卷偏向活躍粉絲，電子報問卷偏向訂閱者，結帳後問卷偏向剛買過的人。三群人看同一個問題，答案可能完全不同

修正做法是在問卷裡加一題身分辨識，例如「過去一年在官網買過幾次」。分析時把回答拆成已購買與未購買兩組。如果兩組的答案差很多，就不能把整體結果直接套到全部顧客

錯誤三：行為數據本身就沒有記錄完整

團隊說結帳的人少。但我們打開 GA4 一看，購買事件只在部分付款方式觸發。選擇貨到付款的訂單，根本沒有回傳到分析工具。後台訂單數和 GA4 的購買數對不起來

這種情況很常見。行為數據看起來客觀，前提是追蹤設定正確。事件沒觸發、跨網域沒設定、同意橫幅擋掉追蹤，都會讓行為數據偏低。拿一份不完整的行為數據去否定問卷，也是一種誤判

修正做法是先對帳。用訂單後台當基準，比對同一段期間 GA4 的購買事件數量。差距大就先修追蹤，再談解讀。GA4 的事件設定與除錯方式，可以參考Google Analytics 說明中心。如果你的活動來源也常常拆散，可以一併看這篇UTM 參數設定錯誤造成來源分裂的修正順序

錯誤四：問卷和上線之間，條件已經變了

問卷發出時，沒有寫價格，也沒有寫容量。受訪者想像的是一個便宜又可愛的小組合。上架時的定價，比很多人想像的高。運費門檻也讓單買小組合不划算

問卷結果只對當時描述的條件有效。條件一變，答案就要打折。這不是顧客善變，而是他們回答的根本是另一個商品

修正做法是讓問卷裡的描述盡量貼近真實上架條件。價格區間、規格、取貨方式都寫清楚。如果條件還沒定，就把這份問卷當成方向探索，不要當成上市依據

錯誤五：只看平均，不看分布

報告裡寫的是「平均購買意願偏高」。但打開原始資料，回答集中在兩端。一群人非常想要，另一群人完全不需要。中間的人很少。平均值把兩群人混成一個看起來不錯的數字

修正做法是看分布，再看交叉。把購買意願和「是否買過」「常用通路」交叉，常常會看到真正的目標族群其實很小。小沒有關係，小但明確，比大而模糊好做

問卷數據和行為數據各自能回答什麼問題？

把兩種數據放在對的位置，落差就不再是困擾。下表是我在顧問案裡常用的分工方式

要回答的問題	比較適合的數據	原因
顧客為什麼沒買	問卷、訪談	行為數據只看得到離開，看不到原因
顧客實際會不會買	預購、候補名單、訂單	有代價的動作比口頭意願可靠
顧客從哪裡知道品牌	問卷搭配 UTM 來源	自述來源與追蹤來源互相校正
哪一步流失最多	GA4 漏斗與事件	問卷回憶不準確，行為記錄較完整
新商品的命名與包裝偏好	問卷、小規模測試	屬於感受問題，適合直接問
價格能不能接受	價格測試、實際轉換	問卷容易高估接受度

表格裡沒有哪一種數據永遠比較準。問卷的弱點是說和做之間有距離，行為數據的弱點是只看得到被記錄下來的動作。顧客在門市試用、在朋友家看過、在通訊軟體裡問過價格，這些都不會出現在網站報表裡。兩邊各有盲點，所以才需要互相校正

一句話記住：問卷擅長問為什麼，行為擅長看做了什麼。要預測未來的購買，兩者都要，而且要有一個對照的方法

修正後的對照流程：五個步驟

回到示範情境。後來我們把流程改成下面這樣，下一次新品測試就順很多

• 對帳：先比對訂單後台和 GA4 購買事件，確認行為數據可信
• 分組：問卷加入購買經驗題，把回答拆成已購與未購兩組
• 加代價：用預購、候補名單或二選一題型，取代單純的意願題
• 對齊條件：問卷描述的價格與規格，要與實際上架條件一致
• 並排判讀：同一張表放問卷結論與行為數據，標出方向一致與方向相反的地方

並排判讀那張表最重要。方向一致的結論可以直接用。方向相反的結論，就是下一輪要追問的題目。我習慣在月會上只討論相反的那幾格，其他的不用花時間。月會怎麼安排指標順序，可以參考行銷領先指標與落後指標的月會判讀備忘

一個小提醒：問卷也要寫得讓人看得懂

很多落差來自題目本身。題目太長、選項重疊、一題問兩件事，都會讓回答失真。寫好問卷後，先找三個不熟品牌的人試填，看他們會不會卡住。這個步驟花不了多少時間，卻能擋掉很多錯誤

如果你們內部沒有人能做這種對照分析，可以看看冠誠數位行銷的整合行銷顧問服務，或先到常見問題頁了解合作方式

適用與不適用的情況

這套對照方法適用於有官網或電商後台、能取得訂單資料的品牌，也適用於會定期發問卷蒐集意見的團隊。資料量不用很大，重點是兩種數據可以放在同一張表比對

它不適用於完全沒有線上行為記錄的業態，例如只在市集現場銷售、沒有任何會員系統的店家。這種情況下，建議先從手寫的來客紀錄開始，等有行為數據再談對照

另外要說明限制。本文情境是示範情境，不代表任何特定品牌，也不提供任何成效數字。每個產業的顧客習慣不同，判讀時請以自己的資料為準。若要讓這類分析文章在搜尋與 AI 摘要中被正確理解，可參考 Google 的建立實用內容指南，把經驗與方法寫清楚，比堆砌結論更有用