延續前一篇質化分析的經驗分享，這次輪到量化分析啦！還沒看的記得先看完上一篇，兩篇一起看直接為你的調研技能打下基礎。
分析流程
這篇文章我會將整個量化分析的進程拆解如下，並一一說明。
- 前期：目標擬定、問項設計
- 中期：問卷推播
- 後期：問卷分析
問項設計
組員 Herman 說他們運用 journey map 的概念去思考填答者在遠距學習的過程中會「遇到哪些情境」，而不同情境中可能「遇到哪些狀況」，據此來詢問填答者的感受與回饋。
按照這個邏輯，就能夠很自然地先列出遠距前、遠距過程、遠距後三個階段，每個階段也會延伸對應的情境。
不論用什麼工具方法，核心邏輯都是 MECE 原則 (mutually exclusive collectively exhaustive)
另外，還記得我在質化訪談的三大 Takeaway 中有提到「以終為始」嗎？同樣的道理其實也適用於問卷設計。
當開始設計問卷的時候，就要先一步思考到「我為什麼要問這個問題」，有了答案可以幹嘛，是作為某個論點的驗證？是要跟其他題目做交叉分析？還是作為報告呈現的亮點？
我印象很深刻的地方是，當我們在逐一針對問項討論時，大家都能夠很明確地說出「為什麼要放入這個問題？」。有了對應的目的，團隊在討論的過程就可以迅速掌握到為什麼要放這個問題？而這個問題的問法或選項真的能達到該目的嗎？
像是有一題「疫情遠距期間，您是否願意認真參與「非強制出席」（如：不點名）的遠距課程？」所對應到的目的是「作為報告發出後的行銷亮點」。那大家就可以很有方向地探討，這真的能作為亮點嗎？或是有沒有其他也能作為亮點的問項？
如果問卷最終的回覆沒辦法對整體分析有幫助，那就要思考這是不是有價值的問題了。
最後一點則是常常被忽略的屬性資料，屬性資料是交叉分析時的重要基準，像是商管科系跟理工科系對遠距學習有什麼不同期待，大一大二對遠距學習的感受跟大三大四有什麼差異。
屬性資料的問題仔細思考，會對後期的分析有很大幫助，不會到時候才因為資料不足，導致無法解釋自己的論點。
問卷推播策略
當問卷完成後，就要規劃如何推播這些問卷出去，當時我們設定的目標是收集到 1000 份回覆，最後在沒有任何誘因的條件下，回收 2456 份問卷。總之，圍繞著 1000 這個數字，我們先列出兩個關鍵指標，分別是觸及率以及轉換率。針對這兩個指標，我們再往下拆可以提升相關指標的策略，最後，才提出對應的行動。
但當然，還不只如此，以「跟學生類 KOL、社團合作」來說，KOL 要找哪些？為什麼他們要跟我們合作？合作的形式是如何？KOL 之間是否有接洽的優先順序？是否有對應的負責人？注意到每個行動執行的小細節，在跟整個團隊報告計畫時，也才可以更有準備的回覆。
問卷分析
問卷回收後，最後就是來分析啦！以下展示的是當時為了和組員討論，我所繪製的分析架構，讓我們一層一層來看。
第一層分析大綱：報告的主體要怎麼呈現，有哪些主要面向是要包含進去？
第二層 Finding：從問卷的初步分析來看，有哪些趨勢、亮點值得放入？
第三層交叉分析：有哪些潛在可以交叉分析的項目，預計要如何分析？
注意，到目前為止，我們都還沒真正開始分析問卷，只是規劃「我們要如何分析」。與其花大把時間直接做交叉分析，先弄懂最終產出的框架更是重要。
經過一番討論確定問卷分析架構之後，我們才真正開始著手分配實際要分析的問項。
紫色便利貼是最終確定要分析的主要面向，例如「學生學習端遇到的問題」、「學生對遠距的期待與實際狀況是否吻合」。
下面則是我們分析出來的各種圖表與洞察，這是整個分析過程最花時間的部分，所以如果一開始的架構沒有確立清楚，就會浪費很多時間在事後修改上。
接著，當問卷已經分析得差不多後，就要來思考最後要傳遞出去的故事線、核心理念，搞清楚讀者是誰、他們為什麼要知道？
這時候的故事線並非從 0 開始思考，而是奠基在已有的問卷分析架構上修正，因為分析架構（理想上）應該包含團隊想要傳遞給受眾的主要訊息。
不過，分析架構用意是讓輔助分析過程更有順序性，但不見得最符合受眾的閱覽習慣，也不見得能達到最佳的社群傳播效果。
因此，組員要執行的任務是，將分析出來的每一個論點、洞察（上面五彩繽紛的便利貼）重新排列組合，將這些論點與數字整合成一個有趣、具啟發性的敘事。
與此同時，質化訪談也正要啟動（其實原本沒計畫作質化），有了最終要呈現的文章對標，訪綱的擬定也可以更貼合文章需求。
像是我們發現文章中有些論點的單靠問卷數字還不夠有解釋力，或是我們在問卷中發現了一些矛盾點，我們的訪綱就可以更有針對性地補足。
這樣帶來的好處是，我們在訪談的過程中，很清楚每一個問題是要填補文章的什麼區塊，因此 follow-up 可以問得更精準，也較不容易被受訪者帶著走。
先量化後質化 v.s. 先質化後量化
對我來說，這次最特別的體驗是，兩個專案的研究順序恰好是顛倒的，在遠距學習調查中，我們是先量化再質化；而在 GoGet 的使用者研究中，我們是先質化再量化。
順序的不同究竟有何用意呢？
先量化後質化
由於我們一開始對遠距學習的研究並不多，其實很難知道學生對遠距學習的想法是什麼，即便有，也只是根基於新聞報導、或觀察身邊同學。
在這樣的前提下，我們需要先透過大量的搜集回覆，才能建立整個學生群體對遠距學習各方面態度的了解。
如果先執行質化，那其實我們只能兩眼一黑的去驗證我們本來單純猜測、具有偏誤的假設。
因此，先量化後質化的好處是，讓我們先快速了解學生對遠距學習不滿、喜歡的點，再搭配後續的質化訪談往下深挖。
先質化後量化
另一方面，由於 GoGet 每週會分析貼文的數據，並討論用戶會喜歡的內容形式，我們就可以站在過往的資料上，向使用者尋求解答。
等從訪談中聆聽到用戶自己的痛點、對我們的期待後，再透過廣發問卷去驗證猜想，或是其他人是否有相同的需求。
所以，先質化後量化的好處是，可以從使用者身上深度了解需求，建立假設後，再用量化去驗證猜想。
哪個比較好呢？
其實端看你的情境，包括你的研究目的、手邊上擁有的資源，綜合考量後，再選擇最適合的方法。
兩個 Takeaway
量化分析的分享差不多到這，一樣就以兩個我覺得最核心的 Takeaway 作結吧！
- 要很細節
不管是問項的設計、推播、分析，都需要拆得很細很細，舉個例，跟大家報告問卷推播要採取的行動時，不能只是說我要找 KOL，而是要連找誰、怎麼合作、誰要負責都列出來。
檢視問卷回覆的時候也一樣，看到統計圖表馬上想到「如何解釋」，從顯示出來的趨勢中，還能如何往下拆解可能的原因。
- 要很宏觀
最能凸顯這點的應該是問卷分析的過程，要綜覽整份問卷的架構與彼此之間的關聯，從中找到潛在可以挖出洞察的機會點。
在具備宏觀視角的同時，也不能忘記研究細節，真是一件累人的事呀！
謝謝，看到最後的你
若喜歡我在 Medium 的內容， 可以拍個手（不用付任何錢，但卻能幫助到我）按住不放可以連續拍喔！覺得要登入太麻煩也沒關係，在Medium上追蹤我也很高興！
