🎯 為什麼資料類型與來源如此重要？
資料是行銷研究的原料，就像食材對廚師一樣重要。不同類型的資料有不同的特性、用途和限制。
正確理解資料的本質，才能選擇合適的蒐集方法、分析技巧，並做出正確的商業決策。
📊 資料類型深度解析
🔢 量化資料 (Quantitative Data)
核心特徵：可以用數字表達、測量和計算的資料
📈 數值型資料
連續型資料 (Continuous Data)
- 定義：在一定範圍內可以取任何數值
- 特性：可以進行加減乘除運算
- 商業例子：
價格資料
範例：產品價格 $19.99、$25.50、$31.25
應用：價格彈性分析、競爭定價策略
分析：平均價格、價格區間、變異程度
時間資料
範例：網站停留時間 3.2分鐘、購物流程時間
應用：用戶體驗優化、轉換率提升
分析：時間趨勢、停留時間分佈
滿意度分數
範例：1-10分量表，平均分數 7.8分
應用：客戶滿意度追蹤、服務品質評估
分析：滿意度趨勢、影響因素分析
離散型資料 (Discrete Data)
- 定義：只能取特定數值，通常是整數
- 特性：可計數，但數值間有明確間隔
- 商業例子：
購買次數
範例：每月購買 0、1、2、3次
應用：客戶忠誠度分析、復購率計算
分析：購買頻率分佈、客戶分群
家庭人數
範例：1人、2人、3人、4人家庭
應用：目標市場分析、產品規格設計
分析：家庭結構分佈、消費模式
點擊次數
範例：廣告點擊 50、100、150次
應用：數位行銷效果評估
分析：點擊率、轉換漏斗分析
🏷️ 類別型資料
名義型資料 (Nominal Data)
- 定義：用來分類的標籤，沒有大小順序
- 特性：只能計算頻率和比例
🛍️ 實例：消費者品牌偏好分析
| 品牌類別 | 消費者數量 | 比例 | 商業意義 |
|---|---|---|---|
| Apple | 150人 | 30% | 高忠誠度，價格不敏感 |
| Samsung | 125人 | 25% | 功能導向，性價比重視 |
| 其他品牌 | 225人 | 45% | 分散市場，機會空間 |
分析價值：市場集中度、競爭格局、品牌定位機會
順序型資料 (Ordinal Data)
- 定義：有明確大小順序的類別資料
- 特性：可以排序，但間距不一定相等
教育程度
順序：國中 < 高中 < 大學 < 研究所
應用：目標客群分析、產品定位
限制：不能說大學是高中的2倍
收入級距
順序：低收入 < 中收入 < 高收入
應用：價格策略、市場分層
優點：保護隱私，易於分析
滿意度等級
順序：非常不滿意 < 不滿意 < 普通 < 滿意 < 非常滿意
應用：服務品質評估
注意：各等級間距可能不相等
💭 質化資料 (Qualitative Data)
核心特徵：描述性、主觀性資料，重視意義和脈絡
📝 文字型資料
訪談逐字稿
🎤 深度訪談資料範例
研究主題：消費者對線上購物的態度
受訪者A：「我比較擔心線上購物的安全性，特別是信用卡資料外洩的問題。雖然方便，但還是會猶豫...」
受訪者B：「線上購物最棒的是可以比價，而且不用出門就能買到想要的東西，特別是疫情期間更重要。」
分析價值：
- 發現潛在的購買障礙（安全顧慮）
- 了解購買動機（便利性、比價）
- 掌握情境因素（疫情影響）
開放式問卷回答
產品改善建議
問題：「您建議我們如何改善產品？」
回答範例：「希望包裝更環保」、「增加更多顏色選擇」
價值：具體改善方向、創新靈感
品牌印象描述
問題：「用三個詞形容我們品牌」
回答範例：「年輕、時尚、有活力」
價值：品牌形象定位、傳播策略調整
客戶評論和回饋
⭐ 線上評論分析實例
正面評論：「物流超快，包裝很仔細，產品品質比預期好！客服回應也很及時。」
負面評論：「產品還可以，但是退貨程序太複雜了，客服電話很難打通。」
關鍵洞察：
- 優勢：物流速度、包裝品質、產品品質
- 改善點：退貨流程、客服可及性
- 行動方案：簡化退貨、增加客服人力
🎨 視覺型資料
產品使用照片
來源：消費者自發分享、使用者測試
分析重點：使用情境、使用方式、問題發現
商業價值：產品改善、行銷素材、使用指南
店面觀察影片
內容：顧客行為、動線分析、互動觀察
分析重點：行為模式、停留時間、決策點
應用：店面優化、陳列調整、服務改善
廣告創意測試
方法：眼球追蹤、表情分析、注意力熱點
資料：視覺軌跡圖、情緒反應曲線
優化：創意元素調整、版面重新設計
🏗️ 結構化 vs 非結構化資料
🔧 結構化資料
特徵：有固定格式和結構的資料
- 資料庫表格：客戶資料、交易記錄
- 問卷調查：標準化問題和答案
- 財務數據：營收、成本、利潤
- 優點：易於分析、處理速度快
- 限制：資訊可能過於簡化
🌊 非結構化資料
特徵：沒有預定義結構的資料
- 社群媒體：貼文、評論、影片
- 客服紀錄：通話錄音、聊天記錄