市場研究怎麼做？從決策問題到證據計畫

先說結論：先決定要回答什麼，再選研究方法

資料很多時，不要先問「訪談還是問卷」，而要先寫出：哪個決策卡住、目前缺少哪種證據、看到什麼結果會改變選擇。接著先查已存在的資料，找出真正的缺口；需要理解原因、語言與情境時用訪談或觀察，需要估計分布與比例時才考慮問卷，需要判斷某個改動是否造成行為差異時則設計實驗。

不同方法回答不同問題，不能互相冒充：

• 二手資料能快速建立市場邊界與已知事實，但未必貼合你的客群、期間與定義。
• 訪談能深入理解經驗、阻礙與決策脈絡，但不能用少數受訪者推算全體比例。
• 觀察能看見人實際怎麼做，補上「說法」與「行為」之間的落差。
• 問卷能在清楚的母體、抽樣與題目設計下估計分布，但樣本大不等於沒有偏差。
• 實驗能比較改動前後或不同版本的行為差異，但結果只適用於實驗條件與衡量期間。

因此，一份好的市場研究通常不是選出唯一工具，而是用成本最低的證據先縮小未知，再把高風險假設交給更貼近真實選擇的方法驗證。

市場研究不是蒐集越多越好，而是降低特定決策的不確定性

OpenStax 將市場研究說明為蒐集顧客與市場資訊、設計資料取得方法、分析結果並傳達其意義的完整工作。這比「做一份問卷」更廣：銷售紀錄、客服問題、搜尋資料、公開統計、訪談、觀察與測試，都可能是證據的一部分。

真正需要先固定的是決策。例如「要不要推出月訂閱」比「大家喜不喜歡咖啡」更可研究，因為前者能拆出具體未知：

1. 目標顧客目前如何補充咖啡，最大的麻煩是什麼？
2. 問題出在忘記購買、選擇困難、保存不易，還是價格？
3. 哪些人經常遇到這個問題，現有資料能否辨認他們？
4. 顧客願意接受哪種數量、配送頻率與取消方式？
5. 真實下單意願是否足以支撐履約與獲客成本？

這些問題需要的證據不同。若團隊只發一題「你願意訂閱咖啡嗎」，即使得到很多肯定答案，也無法知道方案該怎麼設計，更無法證明人真的會付費。

可以用一句話建立研究任務：

先分清楚二手資料與第一手資料

OpenStax 把為目前專案特別蒐集的資料稱為第一手資料，例如訪談、觀察、問卷與實驗；原本為其他目的建立、現在拿來參考的則是二手資料，例如官方統計、產業報告、既有研究、銷售與客服紀錄。

二手資料不代表品質較差，第一手資料也不天然比較真實。兩者的差別是原始目的與適配程度：

資料類型	適合先回答	優點	主要限制
內部二手資料	哪些商品、客群、問題與流程已出現？	取得快、接近自己的營運	原始欄位可能不是為目前問題設計
外部二手資料	市場範圍、人口、趨勢與競爭背景是什麼？	能快速建立基線與比較	定義、地區、期間可能不相容
第一手質性資料	人為什麼這樣做？過程如何發生？	能看見語言、脈絡與未知因素	不適合直接估計母體比例
第一手量化資料	某行為或看法如何分布？	能依設計比較群體與變化	品質高度依賴樣本、題目與回收
行為實驗	某項改動是否帶來差異？	比單純詢問更接近真實選擇	只回答特定改動、環境與期間

U.S. Small Business Administration 建議市場研究同時理解需求、市場規模、價格、地點與市場飽和度，並把競爭分析放回產品與市場區隔。這類框架適合建立「還需要知道什麼」，但公開產業數字不能直接代替自己的顧客證據。

訪談、觀察、問卷與實驗各自回答什麼

想知道「為什麼」與「怎麼發生」：訪談

GOV.UK Service Manual 指出，深度訪談適合了解不同使用者的情境、他們如何使用服務，以及問題為何發生。訪談時應請對方回想最近一次真實經驗，追問當時的觸發、替代方案、取捨與結果；少問「未來會不會買」，多問「上一次怎麼處理」。

訪談的輸出不是支持者票數，而是可追溯的觀察與模式。例如「受訪者說方便很重要」仍太抽象；「三位通勤者都在週一早上發現咖啡用完，最後改在便利商店購買」才指出具體情境，但仍只能代表這幾次研究中看見的模式。

想知道人實際怎麼做：觀察與既有行為資料

當流程、環境或熟練動作很重要時，單靠回憶容易遺漏細節。可以觀察補貨、沖煮、收納與取消流程，或查看站內搜尋、客服紀錄、退貨原因與購買間隔。這些資料能看見發生過什麼，卻未必能單獨解釋原因，因此常和訪談配對。

想知道「有多少」或「如何分布」：問卷

問卷適合在研究概念已清楚後，估計特定母體中的行為、需求或偏好分布。Pew Research Center 強調，題目措辭、答案選項與出題順序都可能影響回答；AAPOR 則要求透明交代研究母體、抽樣方式、問卷內容、調查模式、樣本數與加權等資訊。

所以「收到 1,000 份回答」不等於能代表市場。如果問卷只貼在品牌會員社團，沒有加入的人根本沒有被抽中的機會；增加同一來源的回覆，只會讓估計更穩定地反映這個社團，不會自動變成全市場。

想知道改動是否造成行為差異：實驗或市場測試

當問題變成「免運門檻降低是否增加合格訂單」或「可暫停方案是否降低取消」，可以控制主要差異，比較不同版本或時期。實驗比意願題更接近行為，但仍要事前定義成功指標、保護條件、分流方式與觀察期間，並避免同時改太多變因。

如果無法做嚴格實驗，也可用小量預購、價格頁、服務原型或單一通路試點取得較接近交換的證據；只是結論要標成方向性證據，不能假裝已證明因果。

完整案例：濾掛咖啡訂閱應該先訪談還是先發問卷？

以下是虛構教學案例，所有人數與結果都為示例，不是實際市場調查或銷售紀錄。

假設一家小型烘豆店考慮推出每月 30 包濾掛咖啡訂閱。團隊原本想對所有社群追蹤者發問卷，詢問喜歡的風味與可接受價格；但真正要做的決策是：是否值得投入包裝與固定配送流程，先推出哪一種方案測試。

第一輪：先用既有資料縮小未知

團隊整理最近六個月的訂單、客服與站內搜尋，發現：

• 濾掛咖啡有重複購買，但購買間隔差異很大。
• 客服常被問到保存期限與不同風味如何混搭。
• 目前資料沒有記錄購買情境，也看不出顧客是否真的想固定收到 30 包。

這一輪只能證明「有重複需求與選擇問題」，不能證明訂閱成立。研究問題因此從「大家喜歡什麼風味」縮小為「高頻購買者在哪個情境需要固定補貨，以及數量、彈性與價格哪項最可能阻礙採用」。

第二輪：訪談並觀察最近一次補貨

團隊招募近期高頻、偶爾購買與曾停止購買的顧客，請他們回顧最近一次決定買咖啡的過程，並展示家中如何保存、挑選與補貨。分析時把「看見或聽見的事實」與「研究者的解釋」分開，這符合 GOV.UK 對研究分析的建議。

結果形成三個待量化假設：

1. 真正的阻礙不是忘記補貨，而是每月用量不固定。
2. 能暫停與調整數量，可能比固定折扣更重要。
3. 30 包單一方案可能只適合部分高頻使用者。

這些是假設，不是比例結論。團隊不能寫成「多數顧客需要彈性」，而應拿去設計下一輪問卷與方案測試。

第三輪：用問卷估計分布，但揭露樣本邊界

團隊向最近半年曾購買濾掛咖啡、且同意接收研究邀請的 240 位顧客發送問卷。假設收到 96 份有效回覆：

教學結果	人數	以 96 位回覆者計算
表示對訂閱有興趣	54	56.25%
接受初步價格與數量	18	18.75%
完成可退訂金	12	12.50%

問卷回覆率為 96 ÷ 240 = 40%；但 56.25% 的興趣比例只能描述這 96 位回覆者，不能直接寫成「56.25% 顧客想訂閱」。未回覆者可能系統性地較不感興趣，邀請名單也排除了未購買者。

更重要的是，從口頭興趣到接受方案，再到付出可退訂金，證據逐步接近真實選擇。12 位訂金者占所有受邀者 12 ÷ 240 = 5%。這仍不是全市場需求預測，卻足以支持一個更小的下一步：先以可暫停、可調整數量的方案服務少量顧客，驗證履約與續訂。

常見誤判：研究做了，證據仍不能用

• 先選工具，再找問題：因為會用問卷，就把所有未知都改寫成選擇題；未知原因與新選項因此看不見。
• 把訪談人數當支持票數：質性研究用來理解模式與機制，不是用小樣本估計母體比例。
• 把大樣本當代表性：樣本來源、未回覆者與涵蓋範圍有偏差時，數量再大也不會自動修正。
• 只研究現有忠實顧客：容易漏掉不購買、離開、使用替代方案與根本接觸不到品牌的人。
• 問未來意願，不查過去行為：「會不會買」缺少真實預算與取捨；應補問最近一次經驗，並用可逆的小型行為測試往下驗證。
• 只報支持方案的結果：若不同來源互相矛盾，矛盾本身就是要釐清的發現，不應被平均或藏起來。
• 研究完成卻沒有決策門檻：沒有事前寫下「什麼結果會改變下一步」，報告容易變成漂亮但無法行動的資料庫。

八步驟建立一份可執行的證據計畫

1. 寫出決策與截止點：要選客群、方案、價格、通路還是訊息？何時必須決定？
2. 列出關鍵假設：分開記錄已知事實、推論與未知，不把團隊共識當成顧客證據。
3. 先查既有資料：盤點營運資料、客服、公開統計、研究與競爭替代，記錄日期、定義與適用範圍。
4. 把未知改寫成研究問題：問題要能影響選擇，例如「哪些情境讓顧客停止補貨」，而不是「顧客喜歡我們嗎」。
5. 依問題選方法與對象：理解原因用訪談或觀察，估計分布用有清楚母體的問卷，驗證改動用實驗或市場測試。
6. 事前寫下分析方式與門檻：決定如何分類觀察、比較哪些群體、什麼結果支持繼續、修改或停止。
7. 保留來源與反證：分開原始觀察、研究者解釋與建議；主動尋找不符合假設的案例。
8. 把發現轉成下一個最小決策：輸出「知道什麼、仍不知道什麼、限制是什麼、接下來做什麼」，而不是只交付圖表。

如果研究會影響目標市場選擇，應讓樣本包含不同需求與替代行為；如果研究用來調整產品、價格、通路與推廣，則可把結果帶回行銷 4P 的交叉檢查，不要只改最容易改的廣告訊息。

研究倫理與隱私是方法的一部分

OpenStax 對市場研究倫理的整理提醒研究者，應避免把銷售偽裝成研究、使用誘導語言、扭曲結果或不當處理個人資料。研究計畫至少要說清楚：

• 研究目的、參與方式、是否錄音，以及資料會如何使用。
• 哪些資料能識別個人、誰能存取、保存多久、何時刪除。
• 參與是否自願，退出後如何處理已提供的資料。
• 報告中如何避免讓引言、照片或小樣本特徵指向特定個人。
• 招募、獎勵與提問是否會讓參與者承受不合理壓力。

法律義務會依地區、資料類型與研究對象而變化；本文不是法律意見。涉及敏感個資、未成年人、健康、金融或其他高風險題目時，應先取得合適的法務、隱私與專業審查，而不是把同意勾選框當成全部保護。

最後檢查：這份研究真的能改變決策嗎？

• 決策、期限與負責人是否清楚？
• 每個研究問題是否對應一項未知，而不是重複確認既有看法？
• 是否先查過可用的內外部資料，並核對定義與期間？
• 方法是否真的能回答「原因、行為、分布或因果」中的目標問題？
• 研究對象是否包含會支持、反對、離開與使用替代方案的人？
• 問卷是否揭露母體、抽樣、題目、回收與限制？
• 原始觀察、研究解釋與行動建議是否分開？
• 是否記錄反證、缺口與不能推論的範圍？
• 是否事先寫下繼續、修改或停止的判斷條件？
• 隱私、同意、保存與刪除方式是否已被設計進流程？

市場研究的價值不在消除所有風險，而在用合適證據讓下一步更可解釋。先用二手資料建立邊界，再用訪談與觀察理解機制，用問卷估計清楚母體中的分布，最後以接近真實交換的測試確認高風險假設。研究不必一次完成；每一輪只要誠實縮小一個重要未知，就比收集大量無法改變決策的資料更有用。