先講範圍。主要數據來自 Google 消費者洞察團隊的模擬購物實驗、WPP Media 的法國調查，以及 RTB House 針對服飾消費者的研究，另有盈海數據與 Blend Commerce 兩家業者自述的專案數字，會在文中標出。各有樣本與品類邊界，我們會逐一標出來，不把它們混成一個「全球趨勢」。
你可能會問，台灣讀者看國外數據要幹嘛？我們的看法是，這幾份研究量的是行為機制，機制比數字更容易搬家。
全通路購買旅程為什麼會在中段繞圈？
Google 消費者洞察團隊的 Alistair Rennie 與 Jonny Protheroe 把觸發點與購買之間的那段複雜區域稱為 Messy Middle，顧客就在這裡被贏得或流失。消費者在這一段反覆切換「探索」與「評估」兩種模式。
這個模型出自 Alistair Rennie 與 Jonny Protheroe 在 2020 年 7 月發表於 Think with Google 的文章。兩人分別是 Google 英國市場洞察的研究主管與負責人，研究由行為科學顧問 The Behavioural Architects 協助進行。
他們的拆法很直白。探索是擴張的活動，評估是縮減的活動。人們在搜尋引擎、社群媒體、比價聚合站與評論網站上做的事，都可以歸進這兩種模式。
People loop through these twin modes of exploration and evaluation, repeating the cycle as many times as they need to make a purchase decision.
意思是人們在探索與評估之間來回，需要繞幾次就繞幾次，直到做出購買決定。
那麼，繞圈的時候是什麼在左右選擇？兩人的團隊從數百種認知偏誤中挑出六種研究：品類捷思、即時的力量、社會認同、稀缺性偏誤、權威偏誤、免費的力量。
接著是一場大規模購物實驗。實驗找來真實的潛在買家，模擬 310,000 個購買情境，涵蓋金融服務、民生消費品、零售、旅遊與公用事業。受試者先選出品類中最喜歡與第二喜歡的品牌，研究團隊再套用各種偏誤，看偏好會不會轉移；每個品類也放進一個受試者從沒接觸過的虛構品牌。
結果是，效果最弱的挑戰者，一個虛構的穀片品牌，加上五星評價與「加量 20% 免費」之後，仍從原本最受喜愛的品牌手中贏得 28% 的購物者偏好。最極端的例子是一個虛構車險品牌，六種偏誤的優勢全部加上，拿下 87% 的消費者偏好份額。
前提是，這組數字來自模擬情境。310,000 是情境數，不是真實成交筆數，我們不建議拿它推估實際市占。
Google 給的建議也不是逼人跳出循環，而是提供做決定所需的資訊與安心感。建議清單第一條就是確保品牌存在感，讓顧客在探索時想得到你。
中段到底發生在哪些地方？下一節看門市成交前的數據。
門市成交之前的線上研究數據
WPP Media 的《Commerce 2026》研究調查 1,870 名法國人，稱 70% 的門市銷售在購買前有線上研究。RTB House 的研究則顯示，在服飾消費者中，78% 的購物者至少會評估三個選項。
WPP Media 這篇文章在 2025 年 12 月 17 日發布，署名 WPP Media France，研究由集團旗下的 Choreograph 執行，標題叫「The Journey is the New Product」，意思是購買旅程本身就是產品。
品類之間差很多。購買電子產品前，94% 的消費者會先找資訊；以線上為主的研究比例，電子產品是 71%，DIY 是 54%，生鮮雜貨是 47%。
這份研究也點出三個主要的查詢場域：Google 被 67% 到 82% 的消費者使用，超過 50% 的買家會上零售商網站或 App 查促銷與庫存，另有 32% 到 65% 的消費者會到 Amazon 比價格、規格和評價。原文只列出區間，沒有細分各品類的數字。
AI 助理是另一個新入口。該研究稱 25% 的法國消費者已經用 AI 助理準備過購買，感受到的好處是省時（45%）、拿到更好的價格（41%）與更豐富的資訊（36%）。18 到 24 歲的年輕人當中，41% 已在使用 AI，52% 完全信任它。
RTB House 的《Before They Buy》從電商端補上另一塊。這家廣告科技公司在 2026 年 4 月 20 日發布的部落格文章提到，該公司分析與產品行銷全球主管 Jaysen Gillespie 在 eTail West 的一場座談中分享了這份研究，看的是服飾消費者購買前的造訪與比價行為。
| 來源 | 樣本或範圍 | 發現 |
|---|---|---|
| WPP Media《Commerce 2026》 | 1,870 名法國受訪者 | 70% 的門市銷售前有線上研究 |
| WPP Media《Commerce 2026》 | 1,870 名法國受訪者 | 25% 的法國消費者用過 AI 助理準備購買 |
| RTB House《Before They Buy》 | 30 到 100 美元的服飾品項 | 54% 的消費者購買前會造訪電商網站兩到三次 |
| RTB House《Before They Buy》 | 服飾消費者，所有比較區間 | 78% 的購物者至少評估三個選項 |
RTB House 還提到，購買 30 到 100 美元服飾的消費者，接近一半會評估三到五個選項；價格更高的品項，可能考慮到十個。在同一價格帶，50% 的 Z 世代要花兩天以上才完成購買，嬰兒潮世代是 24%。
eMarketer 分析師 Arielle Feger 在 2026 年 10 月 7 日發布的《Path to Purchase 2026》，也談同一個題目。這是該機構第四年做這項調查，涵蓋 10 個品類，副標的意思是：在越來越數位化的購物旅程裡，實體門市仍居核心。報告內容僅限付費訂閱者閱讀，這裡不引用其中數字。
這些研究的樣本各有邊界：WPP Media 調查的是法國人，RTB House 的數字來自服飾消費者。我們的判斷是，拿來對照台灣市場，適合看方向，不適合直接套比例。
知道消費者會繞圈之後，下一個問題是：品牌手上的旅程地圖，有沒有把這些繞圈畫出來？
全通路購買旅程地圖該看的摩擦點
Nielsen Norman Group（以下簡稱 NN/G）整理了七種分析顧客旅程地圖的方法，第四項是找出高摩擦的通路轉換。該文指出，許多旅程橫跨裝置或通路，旅程常在使用者切換通路時斷掉、出現摩擦。
這篇文章發布於 2020 年 3 月 22 日，2026 年 9 月 1 日最近一次審閱。七種方法分別是：找期待落空的地方、找多餘的觸點、找低點與摩擦、找高摩擦的通路轉換、評估花費的時間、找關鍵時刻、找符合或超出期待的高點。
NN/G 舉的通路轉換例子很日常。使用者點了電子報裡某個優惠的按鈕，卻被帶到公司首頁，只好自己找那個優惠；或是在手機上填表填到一半，想改用筆電，結果得從頭來過。在該文的購車範例中，主角 Eric 從線上比較走到現場試駕時也卡住了，因為沒有路線規劃的協助，也沒人先說明經銷商現場會是什麼情況。
電商分析工具商 Triple Whale 則在部落格裡把「旅程分析」與「旅程地圖」分成兩件事：前者是量化的，用來蒐集分析顧客資料；後者是質性的，用來視覺化顧客互動。
Customer journey mapping is a roadmap of the hypothetical touchpoints you expect for your shoppers.
換句話說，旅程地圖畫的是品牌預期的路線。該文稱旅程分析能顯示顧客實際走的路，在現實偏離假設時尤其重要。該文也承認，門市陳列、報章雜誌廣告這類線下觸點不一定容易捕捉，並提到可用行銷組合模型（MMM）同時考慮線上與線下通路。
北京市場調研公司盈海數據在 2026 年 6 月 30 日的文章裡，提出另一套補法：用兩條路徑找觸點。由上而下，按認知、考慮、購買、使用、傳播五個階段列出觸點；由下而上，用深度訪談與日記法，讓消費者自述實際接觸過的觸點，抓出預設框架外的意外觸點。
該公司自述，在 3 個品類、1,200 名消費者的調研中識別出 156 個觸點，其中 31% 是預設框架沒涵蓋、由消費者自述才發現的。
該公司也點出一個常見困境：觸點羅列一長串，卻缺乏優先順序。
另一項工具是情感曲線，用途是找體驗低谷：讓消費者替每個觸點的感受打 -5 到 +5 分，連成曲線。該公司自述在 3 個品類中，考慮階段因資訊過載與選擇焦慮出現情感低谷，均值 -0.8。
三份方法論放在一起看，我們的讀法是：NN/G 提供看哪裡的清單，Triple Whale 提醒地圖要拿實際資料去對，盈海數據示範怎麼找出情感低谷。
但地圖畫得再細，還是回答不了一個問題：這個觸點拿掉之後，訂單會不會少？
歸因畫路徑，增量測試回答因果
AI 數據分析工具商 InfiniSynapse 的多觸點歸因指南指出，歸因只在已觀察到的觸點之間分配貢獻。要問增量影響，也就是 incrementality testing 要回答的問題，該指南建議用留出組或其他可信的因果設計。
這份指南更新於 2026 年 8 月 19 日，把界線寫得很清楚：歸因整理的是已觀察到的證據，增量測量估計的是反事實的差異；決策同時需要路徑可見性與因果信心時，兩者應結合使用。
归因在已观察触点之间分配贡献，本身并不估计没有该营销活动时会发生什么。
該指南也列出路徑不完整的情況：曝光無法觀察、裝置無法關聯、線下影響缺失、同意設定限制蒐集，或平台回報的是建模事件。放回全通路的情境，我們的判斷是，問過 AI 助理、在門市看過實品這類接觸，很容易落在這些缺口裡。
網站上的測試是另一種做法。轉換率優化服務商 Blend Commerce 在自家案例頁上說，替一個營養補充品品牌做 CRO 稽核時，發現 80% 的流量是新訪客。
該公司的假設是，直接寫「Order Now」的按鈕可能讓初次造訪者猶豫，改成較柔和的「Discover Products」或許能降低摩擦、鼓勵探索。他們做了 A/B/C 測試：變體 2 顯示「Discover Products」，變體 3 以「Order Now」為主按鈕、「Discover Products」為次按鈕。
跑了兩週之後，該公司稱變體 1 的轉換率提升 11.21%、每位訪客營收提升 12.44%，結帳頁造訪則小幅下降；變體 2 又勝過變體 1，轉換率提升 38.1%，每位訪客營收提升 42.09%，結帳頁造訪提升 6.03%。最後永久採用的是主、次兩個按鈕並列的版本。
要注意，這是服務商自己公布的案例，頁面上的變體編號與最後採用的版本對不太起來。我們的判斷是，這組數字適合當成「值得在自己站上測一次」的假設，不適合當成「探索型按鈕一定贏」的結論。
全通路購買旅程的量測，最後會落在兩層的組合。歸因描述消費者走了哪條路，增量測試回答哪一段路真的有用。
銷波快觀點：旅程地圖是活文件，量測要從身分接點開始
我們一直覺得，線性漏斗那張圖畫得太乾淨了。真實的買家旅程散在你看不見的地方，可能從語音搜尋開始，跳到短影音，再到 Instagram，最後在 AI 搜尋裡比價。Messy Middle 才是最難掌握、也最決定勝負的戰場。
所以旅程地圖不該是一次性的文件。它是驅動跨部門決策的活文件。我們的建議是至少每半年更新一次，成長快的團隊每季更新。每一段都要寫清楚顧客目標、行動、情緒、接觸點和品牌機會。
地圖的原料從哪裡來？我們常用三條路：用 Google 關鍵字工具讀需求方向，到論壇撈目標族群的抱怨，再用小額 A/B 廣告看哪個訴求真的有人點。從免費工具到付費驗證，成本很低。
量測這件事，順序很重要。先拿到身分接點，例如 email 或會員登入，才能把後面的行為一筆一筆串起來。有了身分，你才回推得出真實的旅程，再拿去更新顧客畫像，跑第二輪驗證。
還有一個常被忽略的斷點。內容做了一堆認知階段，決策階段卻是零，流量就到不了轉換。我們自己在檢查內容矩陣時，把商業意圖叢集的決策階段內容為零直接判定不及格。
最後是語言。同一個品牌詞，在旅程不同階段做的事不一樣。對陌生人是好奇心缺口，對熟客是辨識訊號，對忠實使用者是共享語言。以我們自己為例，「10 個 SEO 技巧」大家看過一百遍，「消波塊行銷法」沒人聽過，正因為沒聽過才會停下來。中段繞圈的時候，一個讓人停下來的詞，有時比一串規格更有用。
結論：先把中段量出來，再決定預算放哪
Google 的模型把勝負放在觸發與購買之間的中段，消費者在探索與評估之間反覆循環。WPP Media 的法國研究稱 70% 的門市銷售前有線上研究，RTB House 的服飾消費者研究則稱 78% 的購物者至少評估三個選項。
你現在就能做的有三步。第一，拿 NN/G 的通路轉換那一項，檢查自己的旅程地圖少了哪些跳轉。第二，替最關鍵的觸點補上身分接點，讓行為串得起來。第三，挑一個預算最大的通路，跑一次留出組測試。
中段看不見，不代表它不存在。量得到，才談得上優化。
喜歡這篇？讓行銷變好懂，訂閱銷波快。
資料來源
- How People Decide What to Buy Lies in the Messy Middle of the Purchase Journeythinkwithgoogle.com
- Commerce 2026: The Journey is the New Productwppmedia.com
- How to Master the Modern Messy Path to Purchasertbhouse.com
- Path to Purchase 2026emarketer.com
- 7 Ways to Analyze a Customer-Journey Mapnngroup.com
- The Ultimate Guide to Customer Journey Analytics for Ecommerce Brandstriplewhale.com
- 用户体验旅程图调研的触点识别（原標題）bjsczx.com
- 多觸點歸因實戰指南infinisynapse.cn
- 38.1% Increase in Conversion Rateblendcommerce.com
