QR Code 成效分析：該追蹤什麼、怎麼用的完整指南（2026 年）

QR Code 的成效分析，是選擇動態 QR Code 而不是靜態 QR Code最大的理由。沒有數據，你只能靠猜：猜哪些投放位置有效、哪些活動對得起列印預算、顧客究竟在一天中的哪個時段真的會和你互動。有了數據，你就有了可以衡量的訊號。

不過，「有分析功能」並不自動等於「用好分析功能」。大多數 QR Code 使用者，要麼只盯著掃碼次數就停下來（錯過更深層的訊號），要麼迷失在虛榮的儀表板裡（關注了一堆無關緊要的數字）。

本指南講清楚：掃碼分析究竟能捕捉到什麼、在每一種使用情境下最重要的指標是什麼、如何解讀這些模式，以及如何用到達頁本身的追蹤能力，來延伸你的 QR Code 分析。

30 秒速覽版

QR Code 成效分析為你提供五個核心衡量面向：

1. 總掃碼量：QR Code 被掃描的總次數。
2. 獨立掃碼量：有多少台不同的裝置掃過它。
3. 地理位置：掃碼發生在世界上的哪些地方。
4. 裝置和作業系統：iPhone、Android 還是其他。
5. 時間：掃碼發生的時間（日期、一天中的時段、星期幾）。

QR Code 這一側的數據就這些。再往後，使用者到達目的地之後做了什麼、有沒有下單、有沒有填完表單，就要靠到達頁本身的分析工具（Google Analytics、Plausible 或類似工具）了。

關鍵在於把兩者串起來，這樣你才能回答那些真正重要的問題：「這次活動有效嗎？」「哪個投放位置帶來轉換？」「接下來該加碼哪一塊？」

QR Code 服務商到底追蹤了什麼（又沒追蹤什麼）

每一家動態 QR Code 服務商都會追蹤轉址那一刻發生的事。每一次掃碼，其實都是對服務商伺服器發出的一次 HTTP 請求，伺服器會記錄下：

• 時間戳記。掃碼發生的時間。
• IP 位址。用來推斷大致的地理位置（國家，有時是城市）。多數服務商不會長期保留原始 IP。
• User Agent 字串。告訴服務商裝置類型、作業系統和瀏覽器版本。
• 來源（Referrer）。對 QR Code 掃碼來說通常是空的（相機不會傳遞 referrer），但如果 QR Code 是在某個 App 裡被掃的，有時會有值。

根據這些原始訊號，服務商的後台會推斷出：

• 掃碼所在的國家（有時還能到城市）
• 裝置類型（手機、平板，偶爾是電腦）
• 作業系統（iOS、Android 等）及其版本
• Android 手機品牌（三星、Pixel、小米等）
• 掃碼是否來自某個 App 內（例如 Instagram 的 App 內建瀏覽器）

QR Code 服務商不會追蹤的內容：

• 使用者掃碼之後做了什麼。服務商只看得到轉址這一步；使用者到達你的目的地之後發生的一切，都在你的伺服器上，不在他們那裡。
• 使用者是不是回頭客。多數服務商用 cookie 或「IP 加裝置指紋」這類推測方法來辨識獨立掃碼，但都不完美：同一個人在兩個不同網路下掃兩次，會被記成兩個人。
• 使用者的身分。掃碼分析是匿名的；你只知道有人掃了，但不知道是誰。
• 使用者在目的地停留的精確時間。那是到達頁分析，不是 QR Code 分析。

這一點很重要：QR Code 分析告訴你掃碼事件發生了，但它不會告訴你結果如何。

五個核心指標，以及該怎麼讀

1. 總掃碼量

最顯眼的指標。總掃碼量告訴你這個 QR Code 被使用的頻率。

用途：

• 比較不同投放位置（這張 QR Code 50 次，那張 200 次）。
• 追蹤活動隨時間的表現。
• 建立基準預期。

侷限：

• 反映不了互動品質。
• 很容易被一個好奇的使用者反覆掃碼而扭曲。
• 沒有考慮不同投放位置人流潛力的差異（熱鬧街道上的招牌 vs 小包裝上的貼紙）。

什麼算「好」：

因情境而異，差異很大。餐廳每張桌上立牌每天 5 到 10 次掃碼就算健康；每出貨 10,000 件、包裝上有 100 次掃碼就算合理；商展攤位在三天活動中收到 50 次掃碼就很扎實。沒有放諸四海皆準的基準；請和自己過去的數字比。

2. 獨立掃碼量

有多少台不同的裝置掃過你的 QR Code。由服務商透過 IP、cookie 和裝置指紋計算得出。

用途：

• 了解真實的觸及人數（相較之下，總掃碼量會包含重複掃碼）。
• 發現某個投放位置上有同一個使用者反覆掃碼的情況（測試、排除問題，或真的重複使用）。
• 估算付費活動的單次互動成本。

比例怎麼看：

• 獨立／總掃碼比高（0.8 以上）：大多是一次性掃碼。行銷類 QR Code 典型如此，使用者掃一次拿到資訊就不再回來。
• 獨立／總掃碼比低（0.4 以下）：有大量重複掃碼。可能說明它是一個有用的參考工具（手冊、每天更新的菜單），也可能意味著目的地壞了（使用者反覆掃碼，想讓它生效）。

3. 地理位置

每一次掃碼所在的國家、地區，有時還能到城市。

用途：

• 確認活動是否觸及你預期的受眾。
• 發現目標市場之外的意外關注。
• 驗證線下投放是否真的帶來在地掃碼（有別於線上的跨區域傳播）。

常見模式：

• 只在本地掃碼：典型的店內擺放、餐廳菜單、社區周邊的標示。
• 地理分布很廣：典型的全球出貨包裝 QR Code，或者在線上被廣泛分享過的 QR Code。
• 遠端集中爆發：通常意味著有人把 QR Code 拍照分享到社群媒體。值得查一下是誰、在哪裡分享的。

4. 裝置和作業系統

掃碼所用的裝置類型和作業系統。

用途：

• 針對占多數的裝置類型來最佳化到達頁。
• 發現無障礙問題（如果舊版 Android 使用者有掃碼卻不轉換，可能是到達頁在舊版 Android 瀏覽器上有問題）。
• 了解你的受眾的裝置樣貌。

典型分布：

• iOS 占多數（iPhone 70% 以上）：典型出現在高收入族群、英美市場、注重設計的受眾裡。
• Android 占多數（Android 70% 以上）：典型出現在全球市場、大眾消費品、低收入族群，以及北美與西歐之外的大部分地區。
• 大約各半：在英美面向大眾的本地受眾裡很常見。

最重要的結論：針對掃碼中占多數的裝置來最佳化你的到達頁。如果你 80% 的顧客用 iPhone，到達頁就必須在 Safari 上完美呈現；如果 80% 用 Android，就要同樣認真地測試 Chrome 和 Samsung Internet。

5. 時間模式

掃碼發生的時間，可以按小時、按星期幾、按日期來看。

用途：

• 排班決策（餐廳、零售）。
• 活動投放時機的最佳化。
• 發現意外的掃碼激增（往往意味著媒體報導、社群分享，或活動剛好打中受眾）。

常見模式：

• 餐廳菜單 QR Code：在用餐時段（中午 12 到 14 點、晚上 18 到 21 點）衝高。
• 包裝 QR Code：全天分布，傍晚會有小高峰（人們拆箱使用產品的時候）。
• B2B QR Code：以工作日為主，早上和下午中段是兩個高峰。
• 行銷活動 QR Code：完全取決於活動的媒體排期。

正常模式之外的突然激增，往往意味著某次病毒式傳播、媒體提及，或者競爭對手在掃碼觀察你。每一次都值得查一下。

把 QR Code 分析和到達頁分析串起來

真正有意思的工作，是把掃碼數據和使用者到達頁面之後的行為連起來。

具體怎麼做：

1. 在動態 QR Code 的目的地網址加上 UTM 參數。這樣可以把活動資訊傳給到達頁的分析工具。
2. 在 Google Analytics、Plausible，或你 CMS 內建的分析裡追蹤到達頁指標。
3. 把 QR Code 掃碼量和到達頁的參與度指標交叉比對，看看掃碼到底有沒有轉換。

QR Code 專用的 UTM 參數範本：

一個典型的網址長這樣：`yoursite.com/landing?utm_source=qr&utm_medium=print&utm_campaign=summer-2026&utm_content=table-standee`。各參數的意思：

• `utm_source=qr`：告訴你流量來自 QR Code（不是搜尋、郵件等）。
• `utm_medium=print`：區分紙本 QR Code 和數位 QR Code。
• `utm_campaign=summer-2026`：活動名稱。
• `utm_content=table-standee`：具體的投放位置（用來和櫥窗貼紙、收據等區分）。

這樣一來，你在 Google Analytics 裡看到的就不再只是「100 次掃碼」，而是「100 次掃碼、65 人到達頁面、12 人完成訂位」。這才是完整的畫面。

如果你才剛開始做這件事，一個免費的 QR Cake 帳號就足以拿到這五個核心指標（掃碼量、獨立掃碼量、國家、裝置、時間），不必一開始就綁一個付費的分析平台。我們的後台刻意做得很輕，這對只經營少數幾個 QR Code 的小生意來說是剛好的複雜度；管理幾百個 QR Code 的團隊最後會想要更重一點的方案，但大多數使用者根本走不到那個階段。

到達頁這一側真正重要的指標：

• 跳出率。使用者是掃一下、看一眼就走，還是真的留下來參與？
• 頁面停留時間。他們真的有讀嗎？
• 捲動深度。他們讀到標題以下了嗎？
• 表單完成率／轉換率。他們有沒有完成你希望的動作？
• 下一步點擊。他們有沒有繼續走進你的漏斗？

按使用情境解讀分析數據

在不同情境裡該怎麼用掃碼數據：

餐廳菜單

• 每日掃碼量和翻桌數大致相關，是排班的好訊號。
• 用餐時段的高峰可以確認 QR Code 確實被內用客人使用（而不是被誤掃到別處）。
• 某些日子掃碼下降，可能說明立牌被移走、撞倒或損壞了。
• 比較不同桌位（如果你做了分桌 QR Code），找出人流最大的座位。

包裝 QR Code

• 總掃碼量與出貨量的比值就是掃碼率（典型在 1 到 5%）。
• 地理分布會告訴你零售鋪貨真正賣到了哪裡。
• 一天中的掃碼時段反映了顧客使用產品的時間（晚餐產品集中在傍晚，早餐產品集中在早上等）。
• 某個地區出現持續的掃碼激增，往往意味著新增了零售通路，或者在地媒體提到了你。

行銷活動（傳單、廣告、海報）

• 比較不同投放位置的掃碼量，找出哪個有效。
• 結合到達頁的轉換數據，找出哪個位置帶來轉換（而不只是掃碼）。
• 活動開跑後掃碼量的衰減曲線，告訴你紙本物料的有效持續時間。

房地產

• 分物件的掃碼趨勢能預測買方的興趣（往往在出價進來之前）。
• 上架第 2 週之後掃碼驟降，可能說明這個物件需要新一輪的行銷推動，或者價格需要調整。
• 遠距離掃碼（外縣市）往往意味著是搬家換屋的買方，銷售節奏不一樣。

商展和活動

• 按攤位、按場次比較。
• 某個時間區間的高峰，說明那段時間觀眾最投入。
• 活動後一週內的掃碼反映了後續跟進的興趣，往往比活動當場的掃碼更有價值。

名片

• 名片這一塊比較難，因為發送本身就非常不平均。但是：
• 掃碼時間和某個具體場合（一次會議、一場交流活動）的關係，能告訴你哪些場合帶來了後續興趣。
• 地理分布告訴你，你的人脈是在地的還是遠端的。

常見的 QR Code 分析誤區

誤區 1：只追蹤掃碼量，不追蹤到達頁轉換。光看掃碼量，無法判斷活動有沒有奏效。

誤區 2：使用靜態 QR Code。靜態 QR Code 完全沒有分析數據。如果分析對你有意義，就用動態 QR Code。

誤區 3：所有投放位置共用一張 QR Code。這樣你就失去了比較不同位置的能力。每個投放位置都產生一張獨立的 QR Code。

誤區 4：不加 UTM 參數。沒有 UTM，到達頁的分析工具就無法區分 QR Code 流量和其他來源。

誤區 5：把「掃碼量高」當成「成功」。沒有轉換數據，掃碼量只是一個虛榮指標。1,000 次掃碼 0 筆訂位，遠不如 200 次掃碼 30 筆訂位。

誤區 6：比較毫無關係的時間區間。「一月掃碼量比七月高」，可能只是因為活動是一月才上線的。請比較同一口徑的時間區間。

誤區 7：在樣本數很小的時候就下結論。不到 50 次掃碼時，個別波動都是雜訊。等量體夠了再下判斷。

誤區 8：忽略作業系統分布。如果大部分掃碼來自你沒有為它最佳化的裝置，你的轉換率會被人為壓低。

誤區 9：把成效分析當成一次性的檢查。請每月回顧一次。規律會變、活動會老化、投放物料會損壞。

誤區 10：忽略隱私合規。彙總後的掃碼分析通常是匿名的，但一旦你把 QR Code 數據和個人資料（電子報訂閱等）結合，就要適用 GDPR 等法規。請確保隱私權政策涵蓋這部分內容。

每個月該怎麼用你的 QR Code 數據

每月花 20 分鐘做一次 QR Code 回顧，能在別的地方省回大量時間：

1. 把每個投放位置的掃碼量拉出來。和上個月、去年同期（如果有）比較。
2. 找出掃碼量最高和最低的投放位置。判斷高的是否值得加碼，低的是否需要換位置或撤掉。
3. 和到達頁的轉換數據交叉比對。掃碼有按預期轉換嗎？如果沒有，可能是到達頁需要調整。
4. 找出異常。意外的高峰、低谷或地理上的離群值，都要逐一調查。
5. 記下這個月的洞察。根據這份數據，下個月你要改的一件事是什麼？

每月持續做下去，這就成了一個小而不斷累積的洞察來源，告訴你哪些活動和投放位置真的對得起自己花的錢。

常見問題

我能看到是誰掃了我的 QR Code 嗎？不能。QR Code 分析是匿名的。你能看到掃碼事件，但看不到使用者身分。如果你把掃碼和一次表單送出（裡面有 Email 或姓名）關聯起來，就可以把掃碼和填表的人對應起來，但原始的掃碼本身是匿名的。

靜態 QR Code 可以被追蹤嗎？不能。靜態 QR Code 是從掃碼者的手機直接連到目的地網址，中間沒有服務商，所以也就沒有分析數據。想要數據，就用動態 QR Code。

QR Code 數據是即時的嗎？大多數服務商在掃碼發生後幾秒到幾分鐘內就會更新後台。即時掃碼通知通常是付費方案才有。

能把 QR Code 數據匯出到其他工具嗎？大多數服務商都支援 CSV 匯出，很多還提供 API。如果你想在 BI 工具（Looker、Tableau 等）裡做深度分析，就找在你預算範圍內提供 API 存取的服務商。

QR Code 服務商會保留多久的掃碼數據？各家不同。免費方案一般保留 30 到 90 天；付費方案通常 1 到 2 年。在指望長期資料可用之前，先確認一下。

能用 Google Analytics 搭配 QR Code 嗎？可以，只要在 QR Code 的目的地網址上加 UTM 參數即可。QR Code 服務商追蹤掃碼事件，Google Analytics 追蹤掃碼之後發生的事情。

QR Code 成效分析尊重使用者隱私嗎？彙總數據（總數、地理分布、裝置占比）通常是匿名的。用來辨識獨立掃碼的 cookie 和裝置指紋技術則涉及隱私問題。多數服務商會替你處理 GDPR 合規，但你的隱私權政策仍然要自己負責。

為什麼獨立掃碼量和總掃碼量不一樣？獨立掃碼量算的是不同裝置的數量，總掃碼量算的是所有掃碼事件。同一台裝置掃兩次，會計 1 個獨立掃碼、2 個總掃碼。有的服務商用 cookie 辨識獨立使用者，有的用裝置指紋，有的兩者都用。

我能看到 QR Code 掃碼最後落到我網站的哪一頁嗎？可以，透過到達頁的分析工具（Google Analytics 等）搭配 UTM 參數就能做到。QR Code 服務商只追蹤最初的那一次掃碼；之後的頁面瀏覽由到達頁分析負責。

怎麼衡量 QR Code 活動的 ROI？用 QR Code 服務商追蹤掃碼、用到達頁分析追蹤轉換、用你的 CRM 或銷售系統追蹤營收。一路乘下來，再除以活動成本。這些數字通常不會非常精確，但比例足以讓你對類似活動給出明確的「做或不做」判斷。

最後一句話

QR Code 成效分析很有用，但它不是全部。它告訴你掃碼發生了；到達頁分析才告訴你真正重要的事。用 UTM 參數把兩者串起來，你就有了完整的畫面。

每月回顧一次，根據規律而不是單一數據點來行動，用數據改進下一次要做的事，而不只是用來欣賞你已經做過的。

建立一個免費的動態 QR Code，內建 QR Cake 成效分析