一杯失敗的可樂，教會行銷人什麼？

一杯失敗的可樂，教會行銷人什麼？

一九八五年，可口可樂（Coca-Cola）做了一件震驚業界的事：在做了將近二十萬人次的口味測試後，它宣布停產經典配方，改推更甜順的「新可樂（New Coke）」。盲測數據顯示，多數消費者確實偏好新口味。然而產品一上市，全美卻爆發抗議浪潮，憤怒的消費者打了數十萬通客訴電話，要求公司「把我的可樂還回來」。短短七十九天後，公司被迫恢復舊配方。

這場昂貴的失敗，並不是因為可口可樂沒做研究，而是因為它問錯了問題。盲測只測量了「口味」，卻完全沒問到消費者與這個品牌之間的情感連結與認同。這個故事是行銷研究（Marketing Research）最深刻的一課：研究的價值，不在於蒐集了多少數據，而在於是否問對了問題、看見了藏在數字背後的真實人性。 本文將帶你理解行銷研究如何系統性地蒐集與分析市場資訊，把模糊的直覺轉化為可靠的決策依據。

行銷研究是什麼：在不確定中降低風險

美國行銷學會（American Marketing Association, AMA）將行銷研究定義為：「透過資訊，將消費者、顧客與大眾連結到行銷者的功能。這些資訊用來辨識並定義行銷的機會與問題，並產生、修正與評估行銷行動。」

這段定義的核心，是把行銷研究視為一座橋樑：一端是企業，另一端是市場裡千千萬萬個無法一一面談的人。企業的每一個決策——要不要推新產品、定價多少、廣告要打什麼訴求——都伴隨著風險。行銷研究的任務，就是在做決策之前，盡可能降低這份不確定性。

值得釐清的是，行銷研究不是水晶球。它無法保證決策一定正確，因為市場永遠在變、人心難測。它能做的，是讓決策從「拍腦袋的賭博」變成「有根據的判斷」。一個成熟的行銷人，會把研究當成減少盲點的工具，而非推卸責任的藉口。當開頭的可口可樂只相信盲測數字、忽略了情感面向時，它正是落入了「有研究卻無洞察」的陷阱。

探索、描述、因果：三種研究目的

不是所有研究都在做同一件事。依據目的不同，行銷研究通常分為三大類，它們往往循序展開。

探索性研究（Exploratory Research） 用在問題本身還很模糊、企業連「該問什麼」都不確定的階段。它的目的是釐清問題、激發想法、形成假設。方法上偏向質性、開放、彈性，例如焦點團體（Focus Group）、深度訪談、觀察法。當一家餐飲品牌只隱約感覺「最近生意變差」卻不知原因時，先做探索性研究找出可能的方向，是合理的第一步。

描述性研究（Descriptive Research） 用在問題已經清楚、企業想知道「市場現況到底如何」的階段。它要回答的是「誰、什麼、何時、何地、多少」這類問題，例如目標客群的年齡分布、品牌知名度有多高、各通路的銷售占比。方法上偏向量化，常用結構化問卷與大樣本調查。它描繪市場的樣貌，但不深究背後的因果。

因果性研究（Causal Research） 用在企業想知道「如果我改變 A，會不會導致 B」的階段。它要驗證的是變數之間的因果關係，例如「降價百分之十，銷量會增加多少」「換一張包裝設計，回購率會不會提升」。最嚴謹的方法是實驗法（Experiment），透過控制變數與對照組來分離出真正的因果效應。今日數位行銷盛行的 A/B 測試，本質上就是一種因果性研究。

三者的關係不是互斥，而是接力：先用探索性研究釐清方向，再用描述性研究掌握全貌，最後用因果性研究驗證關鍵假設。

初級資料與次級資料：自己蒐集還是借力使力

研究所需的資訊從哪裡來？這牽涉到一個基本區分。

次級資料（Secondary Data） 是別人為了其他目的已經蒐集好、現成可用的資料，例如政府統計、產業報告、公司內部的歷史銷售紀錄、學術文獻、市調機構的公開數據。它的優點是便宜、快速，往往幾天內就能取得。聰明的研究者一定先窮盡次級資料，因為許多問題其實前人早已調查過。它的限制是資料未必完全貼合你的問題——別人蒐集的時間、定義、範圍可能都和你需要的不同。

初級資料（Primary Data） 是研究者為了眼前這個特定問題，親自去蒐集的第一手資料。它的優點是精準切題、即時；缺點是昂貴、耗時。當次級資料無法回答你的問題時，才需要投入資源蒐集初級資料。

實務上的黃金原則是：先次級、後初級。先把現成的資料挖透，確認還有哪些空白，再針對空白去蒐集初級資料，這樣才不會花大錢重複別人已經做過的事。

蒐集初級資料的三種方法

當決定要蒐集初級資料時，主要有三種途徑。

調查法（Survey） 是最常見的方法，透過問卷向受訪者詢問態度、偏好、行為與背景。它的優勢是能蒐集大量、可量化、可比較的資料，適合做描述性研究。挑戰在於問卷設計：問題若有引導性、語意不清或順序不當，都會扭曲答案。此外還有「說一套做一套」的問題——人們在問卷上宣稱的行為，未必等於實際行為。

觀察法（Observation） 是直接記錄消費者的真實行為，而不去詢問他們。例如記錄顧客在賣場的動線、在貨架前停留的時間、最先拿起哪個品牌。它的優勢正好彌補調查法的弱點：它捕捉的是「實際做了什麼」，而非「自稱會做什麼」。近年盛行的零售眼動追蹤、網站點擊熱圖、電商瀏覽紀錄，都是觀察法在數位時代的延伸。其限制是：能看到行為，卻看不到行為背後的「為什麼」。

實驗法（Experiment） 是在控制其他條件的前提下，刻意改變某個變數，觀察結果如何變化，藉此建立因果關係。它是三種方法中內部效度最高的，但設計與執行成本也最高，且在真實市場中要完全控制變數並不容易。

成熟的研究往往會混合多種方法。例如先用觀察法看見消費者在貨架前的異常行為，再用調查法去問出原因，最後用實驗法驗證改善方案是否有效。

抽樣與問卷：細節決定成敗

即使方法選對了，魔鬼仍藏在執行的細節裡。

抽樣（Sampling） 處理的是「該問誰、問多少人」。我們不可能訪問全部的目標顧客，因此要從母體中抽取一個有代表性的樣本，用樣本去推論整體。關鍵在於樣本要能代表母體——隨機抽樣（Random Sampling） 讓每個人被抽中的機率相等，能避免系統性偏誤；而便利抽樣（例如只訪問願意停下來的路人）雖然省事，卻可能嚴重失真。樣本數則影響估計的精確度，太小不可靠，太大則浪費資源。

一個經典的歷史教訓是一九三六年美國《文學文摘》（Literary Digest）的總統大選預測。它寄出上千萬份問卷、回收兩百多萬份，樣本量驚人，卻錯得離譜。原因在於它的名單來自電話簿與汽車登記——在大蕭條年代，這些都是相對富裕的族群，與全體選民的結構嚴重偏離。這個故事提醒我們：樣本的代表性，遠比樣本的數量重要。

問卷設計（Questionnaire Design） 則決定資料的品質。好問卷要避免引導性問題（例如「你不覺得這個優質產品很值得嗎？」）、雙重問題（一題問兩件事，讓人無從回答）、語意模糊與過長疲乏。題目的順序、量表的設計、用詞的中立，每個環節都可能在無形中污染資料。研究的結論再漂亮，若建立在劣質的問卷之上，都是空中樓閣。

從資料到洞察：分析不是終點

蒐集完資料，研究還沒結束。最後一哩路是分析與詮釋——把一堆數字轉化成能指導決策的洞察（Insight）。

這裡要區分三個層次：資料（Data） 是原始的數字與紀錄；資訊（Information） 是經過整理、有脈絡的資料；而洞察（Insight） 是能解釋「為什麼」並指向「該怎麼做」的深層理解。可口可樂當年握有海量資料，整理出「多數人偏好新口味」的資訊，卻沒能挖到「品牌情感連結比口味更重要」這個洞察，這正是它失敗的根源。

從資料到洞察，需要的不只是統計技術，更是對人、對市場、對商業情境的理解。這也是為什麼優秀的行銷研究者，既要懂方法，也要懂生意。

看一個例子

讓我們用一個貼近現實的情境，把整個研究流程串起來。

假設一家連鎖手搖飲品牌發現，某個都會區門市的業績連續三個月下滑。第一步，它先翻次級資料——查內部 POS 銷售紀錄，發現下滑集中在下午時段；再查公開的商圈人流統計，確認該區人潮並未減少。問題的方向逐漸浮現：不是沒人，而是人來了卻沒買。

第二步，為了釐清原因，它做探索性研究，請店員觀察並訪談幾位離店未消費的顧客，蒐集到一個線索：附近新開了一家主打「健康無糖」的競品。

第三步，它做描述性研究，設計問卷對該商圈消費者大樣本調查（採隨機攔訪以確保代表性），發現該區客群有高比例自認重視健康、對含糖飲料有疑慮——這是過去總部沒掌握到的客群輪廓。

第四步，總部據此提出假設：「推出減糖新品線能挽回業績。」為了驗證，它做因果性研究，選定幾家條件相近的門市做 A/B 測試，一半上架新品、一半維持原狀，比較兩組的業績變化。實驗顯示新品組業績明顯回升。

最後，研究團隊不只報告「新品有效」這個結果，更提煉出洞察：「這個都會商圈的消費者價值觀已轉向健康導向，品牌的產品結構需要系統性調整，而非單一門市的促銷。」你會發現，從次級資料到實驗驗證、再到策略洞察，每一步都環環相扣，把一個模糊的「業績下滑」問題，一路推進到可執行的決策。

重點回顧

• 行銷研究是降低決策風險的橋樑，不是預測未來的水晶球。 它讓決策從直覺賭博變成有根據的判斷，但問對問題比蒐集數據更重要。
• 依目的可分為探索性、描述性、因果性三類研究，三者常以接力方式展開：先釐清方向，再掌握全貌，最後驗證關鍵因果假設。
• 資料分為次級與初級，黃金原則是「先次級、後初級」——先窮盡現成資料，再針對空白親自蒐集，避免重複耗費資源。
• 初級資料三大蒐集法：調查法問態度、觀察法看行為、實驗法驗因果，成熟研究常混合使用以互補弱點。
• 執行細節決定成敗：樣本的代表性比數量更關鍵，問卷需避免引導性與模糊；最終要把資料淬煉成能指引行動的洞察。

深入探討（研究所視角）

對於有志深入行銷研究領域的讀者，幾個延伸方向值得關注。

第一，大數據與傳統研究的典範交鋒。 過去行銷研究以「抽樣問少數人、推論全體」為主軸，但在數位時代，企業握有海量的行為數據（點擊、瀏覽、交易、定位）。這帶來一個根本性的張力：當你能觀測到近乎「全體」的真實行為時，是否還需要問卷？答案並非取代而是互補——行為數據擅長回答「做了什麼」，卻難以回答「為什麼這麼想、感受如何」。當代研究的前沿課題之一，正是如何整合大規模行為數據與小規模深度質性研究，兼得廣度與深度。同時，大數據也帶來資料隱私、知情同意與演算法偏誤等倫理議題，是不可迴避的研究面向。

第二，因果推論的方法論深化。 行銷愈來愈重視「真因果」而非「相關性」。除了傳統的隨機對照實驗，學界廣泛運用準實驗（Quasi-Experiment）設計，如雙重差分（Difference-in-Differences）、斷點迴歸（Regression Discontinuity）、工具變數（Instrumental Variables）等計量經濟方法，在無法做隨機實驗的真實場景中估計因果效應。對於想了解「廣告到底帶來多少增量銷售」這類歸因問題的讀者，「增量測量（Incrementality Measurement）」與「行銷組合模型（Marketing Mix Modeling）」是結合計量與大數據的熱門題目。

第三，研究的信度與效度。 嚴謹的研究方法論離不開兩個核心概念：信度（Reliability） 指測量的一致性與可重複性，效度（Validity） 指是否真正測到了想測的東西。可口可樂的盲測信度很高（重複測都偏好新口味），但效度不足（沒測到品牌情感這個真正重要的變數）。如何設計兼具信度與效度的測量工具，是社會科學量化研究的永恆課題。對量化有興趣的讀者，可進一步學習量表發展（Scale Development）、驗證性因素分析（Confirmatory Factor Analysis）與結構方程模型（Structural Equation Modeling），它們是嚴謹消費者研究的方法基礎。主要學術窗口包括《Journal of Marketing Research》與《Journal of Consumer Research》。

行銷研究表面上是一套蒐集與分析資料的技術，但它真正的精神，是一種對「我們其實沒那麼了解顧客」的謙卑，以及願意動手去理解的嚴謹。從一杯失敗的可樂到一場精心設計的實驗，行銷研究始終在練習同一件事：在喧囂的數據之中，安靜地聽見真實的人聲。