研究分析 Research Analysis
系統化的研究方法與分析框架
適用場景
- 市場調研與競品分析
- 文獻回顧與研究綜述
- 用戶研究與需求分析
- 數據分析與洞察報告
- 商業研究與策略分析
研究流程框架
┌─────────────────────────────────────────────────────────────────┐
│ 研究分析流程 │
│ │
│ 1. 定義問題 Define │
│ ├─ 研究目的是什麼？ │
│ ├─ 關鍵問題有哪些？ │
│ └─ 成功標準是什麼？ │
│ │
│ 2. 資料收集 Collect │
│ ├─ 一手資料（訪談、問卷、觀察） │
│ └─ 二手資料（文獻、報告、數據庫） │
│ │
│ 3. 分析整理 Analyze │
│ ├─ 定性分析（編碼、主題歸納） │
│ └─ 定量分析（統計、視覺化） │
│ │
│ 4. 洞察提煉 Synthesize │
│ ├─ 關鍵發現 │
│ ├─ 模式識別 │
│ └─ 因果推論 │
│ │
│ 5. 建議行動 Recommend │
│ ├─ 策略建議 │
│ ├─ 行動方案 │
│ └─ 風險評估 │
└─────────────────────────────────────────────────────────────────┘
競品分析框架
分析維度
| 維度 |
分析要點 |
| 產品功能 |
核心功能、差異化特點、功能完整度 |
| 用戶體驗 |
介面設計、使用流程、學習曲線 |
| 商業模式 |
定價策略、收入來源、獲客方式 |
| 市場定位 |
目標客群、價值主張、品牌形象 |
| 技術架構 |
技術棧、擴展性、安全性 |
競品矩陣模板
| 維度 | 我們 | 競品A | 競品B | 競品C |
|------|------|-------|-------|-------|
| 核心功能 | ⭐⭐⭐ | ⭐⭐⭐⭐ | ⭐⭐ | ⭐⭐⭐ |
| 定價 | $99 | $149 | $49 | $79 |
| 目標客群 | SMB | Enterprise | Startup | SMB |
| 差異化 | 簡單易用 | 功能完整 | 價格低 | 整合多 |
市場調研方法
定性研究
| 方法 |
適用場景 |
樣本量 |
| 深度訪談 |
探索動機、理解脈絡 |
8-15 人 |
| 焦點小組 |
收集多元觀點、激發討論 |
6-10 人/組 |
| 觀察法 |
了解實際行為、發現痛點 |
視情況 |
| 日誌研究 |
追蹤長期行為變化 |
10-20 人 |
定量研究
| 方法 |
適用場景 |
樣本量 |
| 問卷調查 |
驗證假設、量化趨勢 |
100+ |
| A/B 測試 |
比較方案效果 |
視流量 |
| 數據分析 |
發現模式、預測趨勢 |
大數據 |
文獻回顧結構
## 1. 研究背景
- 為什麼這個主題重要？
- 現有研究的空白是什麼？
## 2. 文獻搜尋策略
- 使用的數據庫（Google Scholar, PubMed, etc.）
- 關鍵詞和搜尋條件
- 納入/排除標準
## 3. 主題分類
### 3.1 主題一
- 主要觀點 A (Author, Year)
- 主要觀點 B (Author, Year)
- 爭議與限制
### 3.2 主題二
- ...
## 4. 研究空白與機會
- 現有研究的不足
- 未來研究方向
## 5. 結論
- 綜合發現
- 對本研究的啟示
用戶研究
用戶訪談指南
## 開場（5分鐘）
- 自我介紹
- 說明目的和保密性
- 確認錄音同意
## 暖場問題（5分鐘）
- 請簡單介紹一下您的工作/背景
## 核心問題（30-40分鐘）
### 行為了解
- 您通常如何處理 [任務]？
- 最近一次 [情境] 是什麼時候？能描述一下嗎？
### 痛點挖掘
- 過程中遇到最大的困難是什麼？
- 有沒有讓您感到挫折的地方？
### 需求探索
- 如果可以改變一件事，您會改變什麼？
- 理想的解決方案是什麼樣子？
## 收尾（5分鐘）
- 還有什麼想補充的嗎？
- 感謝參與
訪談分析編碼
1. 開放編碼（Open Coding）
- 逐句標記關鍵概念
- 記錄原始語言
2. 軸心編碼（Axial Coding）
- 將相似概念歸類
- 建立類別關係
3. 選擇編碼（Selective Coding）
- 識別核心主題
- 建構理論框架
數據分析報告結構
# [報告標題]
## 執行摘要
- 3-5 個關鍵發現
- 主要建議
## 研究背景
- 研究目的
- 研究問題
- 方法概述
## 關鍵發現
### 發現 1: [標題]
- 數據支持
- 圖表視覺化
- 意義解讀
### 發現 2: [標題]
...
## 洞察與建議
| 洞察 | 建議行動 | 優先級 |
|------|----------|--------|
| ... | ... | 高/中/低 |
## 研究限制
- 樣本限制
- 方法限制
- 建議後續研究
## 附錄
- 詳細數據
- 研究工具
- 參考資料
常見分析框架
| 框架 |
用途 |
適用場景 |
| SWOT |
優劣勢機會威脅 |
策略規劃 |
| PEST |
政經社技環境 |
宏觀分析 |
| Porter's 5 Forces |
產業競爭力 |
產業分析 |
| Jobs-to-be-Done |
用戶任務動機 |
產品創新 |
| Affinity Diagram |
歸納整理資訊 |
質性分析 |
研究倫理
## 必須遵守
- [ ] 獲得知情同意
- [ ] 保護受訪者隱私
- [ ] 如實呈現數據
- [ ] 標註資料來源
- [ ] 說明研究限制
## 避免
- ❌ 操縱數據以符合預期結論
- ❌ 選擇性呈現有利結果
- ❌ 未經同意使用個人資料
- ❌ 誇大研究發現的普適性
問卷設計
問卷結構原則
┌─────────────────────────────────────────────────────────────────┐
│ 問卷設計最佳實踐 │
│ │
│ 結構安排： │
│ 1. 開頭：簡單、有趣的問題（建立信任） │
│ 2. 中間：核心問題（最重要的調查內容） │
│ 3. 結尾：人口統計學問題（敏感性較低） │
│ │
│ 問題設計原則： │
│ • 一題只問一件事 │
│ • 避免引導性問題 │
│ • 提供「不適用/無意見」選項 │
│ • 保持選項互斥且窮盡 │
│ │
│ 長度控制： │
│ • 5-10 分鐘最佳（約 15-25 題） │
│ • 超過 15 分鐘，完成率顯著下降 │
└─────────────────────────────────────────────────────────────────┘
問題類型選擇
| 類型 |
適用場景 |
範例 |
| 單選 |
互斥選項 |
性別、年齡範圍 |
| 多選 |
可複選 |
使用過的功能 |
| 量表 |
態度/滿意度 |
1-5 分滿意度 |
| 矩陣 |
多項目同量表 |
多功能評分 |
| 開放式 |
深入了解 |
改進建議 |
| 排序 |
優先級 |
功能重要性排序 |
常見問卷錯誤
| 錯誤 |
範例 |
改進 |
| 雙重問題 |
您對價格和品質滿意嗎？ |
分成兩題 |
| 引導性 |
您同意這是最好的選擇嗎？ |
您對這個選擇的看法？ |
| 假設前提 |
您每天使用幾次？ |
先問是否使用 |
| 選項不全 |
年齡：18-25, 26-35 |
加上 <18, 35+ |
| 專業術語 |
您的 NPS 分數？ |
用白話解釋 |
數據視覺化
圖表選擇指南
## 根據目的選擇圖表
### 比較
- 類別比較 → 長條圖
- 時間比較 → 折線圖
- 佔比比較 → 堆疊長條圖
### 分布
- 單變數分布 → 直方圖、盒鬚圖
- 雙變數關係 → 散點圖
- 多變數關係 → 熱力圖
### 組成
- 佔比組成 → 圓餅圖（< 6 類）、樹狀圖
- 時間組成變化 → 面積圖
### 趨勢
- 時間趨勢 → 折線圖
- 多指標趨勢 → 多軸折線圖
視覺化原則
┌─────────────────────────────────────────────────────────────────┐
│ 數據視覺化 Do's and Don'ts │
│ │
│ ✅ Do: │
│ • 標題說明圖表要傳達的訊息 │
│ • Y 軸從 0 開始（除非有正當理由） │
│ • 使用一致的顏色編碼 │
│ • 標註數據來源和時間範圍 │
│ • 移除不必要的裝飾（3D、漸層） │
│ │
│ ❌ Don't: │
│ • 截斷 Y 軸誇大差異 │
│ • 使用太多顏色（超過 6 種） │
│ • 圓餅圖超過 6 個類別 │
│ • 使用 3D 效果扭曲比例 │
│ • 忽略圖例和標籤 │
└─────────────────────────────────────────────────────────────────┘
假說驅動分析
假說建立框架
## 假說公式
IF [我們做 X 行動]
THEN [會產生 Y 結果]
BECAUSE [基於 Z 理由/數據]
## 範例
IF 我們縮短結帳流程到 3 步
THEN 購物車轉換率會提升 20%
BECAUSE 目前 60% 的棄單發生在步驟 4-5
假說驗證流程
┌─────────────────────────────────────────────────────────────────┐
│ 假說驅動分析流程 │
│ │
│ 1. 建立假說 │
│ 基於初步觀察提出可驗證的假說 │
│ ↓ │
│ 2. 設計驗證方法 │
│ 決定需要什麼數據、如何收集 │
│ ↓ │
│ 3. 收集證據 │
│ 收集支持或反駁假說的數據 │
│ ↓ │
│ 4. 分析結果 │
│ 證據是否支持假說？ │
│ ↓ │
│ 5. 修正或確認 │
│ ├─ 假說成立 → 進入建議階段 │
│ └─ 假說不成立 → 修正假說，重複驗證 │
└─────────────────────────────────────────────────────────────────┘
三角驗證法
數據三角驗證
## 定義
使用多種數據來源或方法驗證同一結論，提高研究可信度
## 三角驗證類型
| 類型 | 說明 | 範例 |
|------|------|------|
| **數據三角** | 多種數據來源 | 訪談 + 問卷 + 行為數據 |
| **方法三角** | 多種研究方法 | 質性 + 量化 |
| **研究者三角** | 多人獨立分析 | 兩位分析師編碼 |
| **理論三角** | 多種理論框架 | 行為經濟學 + 心理學 |
## 應用範例
研究發現：「用戶不使用搜尋功能」
驗證 1 (行為數據): 只有 5% 用戶使用搜尋
驗證 2 (訪談): 用戶表示「不知道有搜尋」
驗證 3 (眼動追蹤): 搜尋框無人注視
→ 三角驗證支持：搜尋功能可見度不足
研究計劃模板
# 研究計劃書
## 1. 研究背景
### 1.1 問題陳述
[描述要研究的問題及其重要性]
### 1.2 研究目的
[明確說明研究要達成什麼目標]
### 1.3 研究問題
- RQ1: [主要研究問題]
- RQ2: [次要研究問題]
## 2. 研究方法
### 2.1 研究設計
[質性/量化/混合方法]
### 2.2 樣本
- 目標群體：
- 樣本大小：
- 抽樣方法：
- 納入/排除標準：
### 2.3 數據收集
| 方法 | 工具 | 時間 |
|------|------|------|
| | | |
### 2.4 數據分析
[分析方法和工具]
## 3. 時程規劃
| 階段 | 任務 | 時間 |
|------|------|------|
| 準備 | | |
| 收集 | | |
| 分析 | | |
| 報告 | | |
## 4. 預期產出
- 研究報告
- 數據集
- 建議行動
## 5. 限制與風險
[已知的研究限制和風險因應]
AI 輔助研究
AI 在研究中的應用
| 階段 |
AI 應用 |
工具 |
| 文獻回顧 |
論文摘要、主題聚類 |
Elicit, Semantic Scholar |
| 訪談分析 |
轉錄、編碼建議 |
Otter.ai, Claude |
| 問卷分析 |
開放題分類 |
Claude, GPT |
| 報告撰寫 |
初稿、摘要生成 |
Claude, GPT |
AI 使用原則
## Do's
✅ 使用 AI 加速初步分析
✅ 讓 AI 提供編碼建議，人工確認
✅ 使用 AI 生成初稿，人工修改
✅ 標註 AI 輔助的部分
## Don'ts
❌ 完全依賴 AI 做最終判斷
❌ 未經驗證直接採用 AI 分析結果
❌ 使用 AI 生成虛假數據
❌ 隱瞞 AI 在研究中的角色
研究品質評估
質性研究品質標準
| 標準 |
說明 |
達成方法 |
| 可信性 |
研究發現是否可信 |
三角驗證、成員查核 |
| 可轉移性 |
結果是否可應用於其他情境 |
厚描述、清楚脈絡 |
| 可靠性 |
過程是否可追溯、重現 |
詳細記錄、審計軌跡 |
| 可確認性 |
研究者偏見是否被控制 |
反思日誌、同儕檢核 |
量化研究品質標準
| 標準 |
說明 |
評估方式 |
| 內部效度 |
因果關係是否成立 |
控制變項、隨機分配 |
| 外部效度 |
結果是否可推論 |
樣本代表性 |
| 信度 |
測量是否一致 |
Cronbach's α |
| 構念效度 |
測量的是否是想測的 |
因素分析 |
工具推薦
- 文獻管理：Zotero, Mendeley
- 質性分析：NVivo, ATLAS.ti, Dovetail
- 問卷調查：Typeform, SurveyMonkey, Qualtrics
- 數據視覺化：Tableau, Power BI, Observable
- 協作研究：Notion, Miro, FigJam
- AI 輔助：Elicit, Consensus, Claude
相關資源