歡迎來到市場數據的世界！

你有沒有想過，Netflix 到底是怎麼知道你下一部會想「追」哪部劇的？又或是服裝品牌怎麼知道明年夏天會流行什麼顏色？這並不是什麼魔法，而是市場數據 (Marketing Data) 的功勞。在這個章節中，我們將一起探討企業如何收集、使用並解讀資訊來做出明智的決策。如果有些術語聽起來有點生硬，別擔心，我們會一步步為你拆解！

1. 收集資訊：一手研究與二手研究

在投入數百萬元開發新產品之前，企業必須先做好「功課」。這項「功課」就稱為市場研究 (Marketing Research)。

一手研究 vs. 二手研究

一手研究 (Primary Research)（又稱實地研究 Field Research）：是為了特定目的而首次收集的原始數據。 例子：你想知道學生喜不喜歡一款新的辣味零食，於是你親自站在小賣部詢問他們。

二手研究 (Secondary Research)（又稱案頭研究 Desk Research）：是指使用現有的數據。 例子：你查閱政府關於青少年每年在零食上花費多少錢的報告。

快速區分：
- 一手研究 = 全新、具針對性，但成本可能較高且耗時。
- 二手研究 = 舊數據、較通用，但通常較便宜且快速。

定性數據 vs. 定量數據

企業會收集兩種類型的資訊：

1. 定量數據 (Quantitative Data)： 基於數字和統計，用來回答「多少？」或「多久一次？」
例子：「75% 的顧客偏好藍色包裝。」

2. 定性數據 (Qualitative Data)： 基於意見、感受和原因，用來回答「為什麼？」
例子：「顧客認為藍色包裝看起來更專業。」

記憶小撇步：
- Quantitative（定量） = Quantity（數量/數字）
- Qualitative（定性） = Quality（品質/感受與觀點）

重點總結： 好的市場研究會結合數字（定量）與原因（定性），以獲得完整的市場全貌。

2. 行銷工具：市場定位圖與預測

市場定位圖 (Market Mapping)

市場定位圖是一個簡單的圖表（通常是帶有兩個軸的坐標網格），用來顯示現有產品在市場中的位置。
例子：你可以在一個軸上標示「高價」與「低價」，在另一個軸上標示「高品質」與「低品質」。

企業利用這個工具來尋找「市場缺口」(Gap in the market)——即消費者有需求，但競爭對手尚未滿足的市場領域。

銷售預測 (Sales Forecasts)

銷售預測是對企業未來銷量的預測。
為什麼重要？ 它有助於企業規劃需要聘請多少員工、購買多少庫存，以及是否需要更大的倉庫。
為什麼困難？ 因為未來是無法預測的！銷量會受到以下因素影響：
- 消費者口味的改變。
- 新競爭對手進入市場。
- 經濟狀況的變化（如經濟衰退）。

快速回顧：
- 市場定位圖 = 尋找你適合的位置。
- 銷售預測 = 預測未來以預先規劃。

3. 抽樣：我們要問誰？

企業不可能詢問世界上每一個人。因此，他們會使用樣本 (Sample)——即一組能代表整體人口的小群體。

抽樣類型：

1. 隨機抽樣 (Random Sampling)： 每個人被選中的機率均等。就像從帽子裡抽出名字一樣。
2. 分層抽樣 (Stratified Sampling)： 將人口分成不同組別（例如按年齡或性別），然後從這些組別中隨機抽取人員，以確保樣本能反映人口的「比例」。
3. 配額抽樣 (Quota Sampling)： 研究人員被要求從特定組別中找到固定數量的人（例如：「去訪問 20 名男性和 20 名 50 歲以上的女性」）。

抽樣的價值

抽樣節省了時間和金錢。然而，如果樣本太小或存在偏差（例如只問你的朋友），數據就會變得不可靠。

你知道嗎？ 只要選擇得當，即使只有 1,000 人的小樣本，也能準確預測整個國家的看法！

4. 解讀數據：相關性與置信度

拿到數據後，你必須釐清其中的含義。

相關性 (Correlation)

相關性探討兩件事（變數）之間的關係：
- 正相關 (Positive Correlation)： 兩者同步上升。（例如：氣溫升高，冰淇淋銷量也隨之增加）。
- 負相關 (Negative Correlation)： 一者上升，另一者下降。（例如：汽車價格上漲，銷量下降）。
- 無相關 (No Correlation)： 兩者完全沒關係。（例如：你的鞋碼和數學成績）。

重要提醒： 兩件事同時發生，並不代表其中一件事導致了另一件事！這是你在考試中要避免的常見錯誤。

置信水平與區間 (Confidence Levels and Intervals)

沒有完美的數據。置信水平 (Confidence level) 告訴我們對結果的確信程度。
例子：「95% 的置信水平」意味著如果我們重複研究 100 次，有 95 次會得到相同的結果。

重點總結： 置信水平越高，企業就越能信任該數據，並據此做出重大的投資決策。

5. 現代時代：大數據與數據挖掘

大數據 (Big Data)

大數據是指每秒鐘從會員卡、社群媒體、網站點擊及 GPS 中收集到的海量資訊。這些資訊過於龐大，人類無法直接查看，因此必須依賴電腦處理。

數據挖掘 (Data Mining)

數據挖掘是從大數據中「挖掘」出隱藏模式或趨勢的過程。
類比：將大數據想像成一座巨大的土堆，而數據挖掘就是從中篩選出珍貴資訊金塊的過程。

例子： 超市可能會「挖掘」數據，發現週五晚上購買尿布的人，也傾向於購買零食。他們隨後可能會將零食直接擺在尿布旁邊，以提高銷售額！

最終總結清單

在繼續學習之前，請確保你能解釋：
- 一手研究與二手研究的區別。
- 為什麼定性數據對於理解顧客的「行為動機」很有用。
- 市場定位圖如何幫助尋找市場缺口。
- 正相關與負相關的區別。
- 大數據與數據挖掘如何幫助現代企業實現精準行銷。

如果覺得要記的東西很多，別擔心！市場數據的核心在於提出正確的問題以降低風險。多練習運用現實生活中的例子，這很快就會變成你的直覺！