【問卷設計及量化分析】設計有效的問卷，挑選合適的分析方法！
本次的社課很榮幸邀請到 DAC 第一屆課程長，曾在 IBM 、台灣妮維雅與意藍資訊等企業擔任分析與顧問實習生，並於中國兩岸市場行銷競賽、聯合利華商業競賽等大型比賽中獲獎的 Mike，與我們分享如何設計一份具有分析與參考價值的問卷，以及量化模型的理論與應用。
本篇文章 key takeaway：
- 如何建立一份有效的問卷
- 市場行銷的必備基本概念
- 問卷分析常用的統計模型
問卷設計方法和市場調查問卷模板
問卷設計準則
- 確定設計問卷的情境
需要問卷的情境有很多種，舉凡學校課程、商業競賽、實習專案，甚至不同種類的論文，都有其適用的問卷情境，像是輕鬆娛樂性質、研究性質或監控性質等。 - 明確問卷的目標
在設計問卷之前，應該要先確立此次問卷的目標，也就是要驗證那些假說，如：男生愛狗、女生愛貓等，先畫靶再射箭。 - 從問卷找出規律和洞察
像是利用回歸分析，找出零用錢與購買手搖杯的關係；或利用集群分析，將年輕人使用手機的行為進行區別和歸類。 - 問卷問題的設計
簡單來說就是要避免過多的專有名詞，整體脈絡清晰，且一個題目只問一個問題或是只有單一個目的等，文章後續將做更多的說明。
問卷設計常用題目類型
- 是非題
只有「是」與「否」兩種答案。 - 二分題
只有兩個答案選項，但答案內容不單為是否，如：請問你來自？台灣/海外。 - 單選題
又稱選擇題，至少有三個以上的答案選項，但填答者僅能從中勾選一個選項，且設計時要遵循互斥性 (Mutually Exclusive) 和周延性 (無遺漏 ; Extensive) 的特性。像是最喜歡吃什麼肉? 若選項為，豬肉/海陸雙拼/狗狗肉，就不符合互斥性與周延性。 - 複選題
每個答案選項都相當於是一道是非題，如：請問您平常的通勤方式? 步行/公車/捷運/自駕…等。
而上題的每個選項就如同使用是非題詢問填答者，請問您平常步行通勤嗎? 請問您平常自駕通勤嗎? ...等。 - 填空題
屬於開放式問題，沒有答案選項。但提醒設計者，答案必須是數值，才適合做為衡量工具，另外，該類型亦不適用於詢問具個人隱私性質或需要精確記憶的問題。
Mike 也與我們分享，現在多為電子化問卷，較少使用該題型，因為填空題容易出現錯誤值，在資料清理上較麻煩。 - 李克特量表
常用來測量心理狀態的題目類型，如：同意程度、喜歡程度、重要程度等。
而答案等級個數之決定，通常分為五、七或九個等級，偶數等級則較少見。原因在於奇數等級具有中間程度，而偶數等級則可能迫使填答者選邊站，扭曲內心真實的回答；同時奇數等級也更符合區間尺度對於等級間距相等的要求。
問卷回覆 4 大衡量尺度
所謂的衡量尺度，是將消費者回覆定義為數值的規則。
- 名目尺度 Nominal Scale
又稱類別尺度，用以辨識或歸類而指定的數值，其數值無大小之分，無法進行四則運算，如：12 星座、性別等。 - 順序尺度 Ordinal Scale
又稱等級尺度，係指用以排序而指定的數值，代表衡量結果的先後、強弱、等級等關係，如：給予填答者地點選項，1 代表最常去、2 為次常去的題型。
但 Mike 提醒社員，學生製作簡報常常誤用順序尺度，若要使用請不要將結果任意加總，因順序尺度的等級之間距離不等，即喜好程度不等，無法進行四則運算。
若需要進行後續運算，建議製作成李克特量表，並假設選項間的距離相等，以進行後續分析。 - 區間尺度 Interval Scale
又稱等距尺度，用以表示所測事物間的相對差異程度。其等級間的差異皆為等距或假設等距，且數值具有連續性質，能進行加減運算；而李克特量表就是最常用來衡量態度的題型，通常被假設為區間尺度。 - 比率尺度 Ratio Scale
又稱比例尺度，用以表示所測事物間的實質差異程度。與區隔尺度不同的是，此尺度具有絕對原點的性質，數值 0 代表無或沒有，因此數值可以進行運算。
題型像是，請問您一週喝幾罐即飲包裝咖啡呢? 答案可能從 0 - 數瓶，因此比率尺度是精確度最高的衡量尺度，但受訪者可能會為了避免皆露太多訊息或因為記憶不明確，而降低填答意願。
在實務上可能為了提升受訪者的填答意願，而採用較低層級的區間尺度設計答案選項，而不採用最精確的比率尺度。
問卷品質監測機制
- 問卷發放前
Mike 給與社員許多問卷設計的實務建議，像是建議使用有紀錄填答時間的問卷平台，並在問卷設計幾題篩選題來判斷填答者是否有效，常見如反向題（設計與原始題目內容相同，但命題為反面）；問卷有針對特定群體的話，應該在第一題就篩選掉，並結束問卷；在設計問卷抽獎誘因時，也要考量其有效性…等。 - 問卷蒐集後
如同前述，不僅根據先前測試的平均值進行篩選，也要看填答分布判斷；同時也要透過填答行為判斷該樣本是否有效，像是都填一樣的數值、有規律的交叉填答、或與題目無關等，區分問卷的有效性。
問卷設計流程
專業的問卷，通常會透過前測問卷，用較大量的題目，篩選出潛在客群相較關注的議題， 並檢查該問卷的信效度，以在正式問卷中，篩掉多數較不重要的內容。
舊議題研究的問卷設計流程
舊議題指已有相關研究報告之議題，因此，可以從文獻中找到驗證過的問卷題目。
新議題研究的問卷設計流程
新議題指無可參考研究報告之議題。
學生務實版問卷設計流程
學生版的問卷相較研究問卷，會採用能短時間得到結果的方式進行，所以並不會製作初稿問卷，正式問卷的生成方式，可以採用不同的方法，而不用每個方法都使用。
問卷信效度
效度 Validity
衡量工具可如實反映所欲衡量標準的特質的程度。
例如，尺衡量「長度」具有高效度，但是衡量「重量」具低效度甚至是無效度。
信度 Reliability
指衡量工具的重覆衡量結果具有一致性與穩定性的程度。
舉例：
在沒準備的情況下，小明 2 個月考 6 次多益的成績為820、780、815、830、800、790 分數差不多，表示多益信度高。
如果小明多益考 950，卻無法跟外國人對答如流，代表多益對英文口說不具有效的衡量。
量表的效度
係指具體的量表題項能夠真正衡量到，該量表想要衡量的抽象構念之程度。
內容效度 Content Validity
係指量表的內容適切性，亦即涵蓋抽象構念的程度。提高內容效度方法包括：
1. 仔細的從過去文獻找尋合適且相關的衡量題項或量表。
2. 初步決定衡量題項之後，請專家判斷是否適當。
3. 針對研究對象抽取少數樣本，實施量表前測，藉此檢討題項語意是否清楚，對用詞加以修正。
量表的信度
係指使用相同的量表題項，針對相同受測者重覆施測，每次得到的衡量結果的一致性或穩定性。評估指標有：
1. 再測信度 Retest Reliability
在兩個時間點，分別使用相同題項詢問相同受訪者；兩次衡量結果的相似程度愈高，信度就愈高。
2. 折半信度 Split Half Reliability
設計兩份相似的量表題項在同一張問卷上讓受訪者填答，兩兩對應題項的相關程度愈高，信度就愈高。
3. Cronbach’s α係數
0 — 1的值，相當於量表題項之間的平均相關程度，相關程度愈高，信度就愈高。係數 ≧ 0.6，即可宣稱量表之信度勉強及格。理想是至少 ≧ 0.7。
量化模型運用 - 市場調查分析
市場行銷議題
行銷是什麼? 如何賣對的東西給對的人
而行銷的範疇相當廣，假設你的公司今天要進入罐裝咖啡市場，可以透過市場調查研究市場現況；透過集群分析研究有哪些消費者，並將他們分群；亦可以透過產品知覺圖，進行既有品牌分析…等
這邊 Mike 也與我們分享行銷規劃程序。
市場行銷基本概念
研究過程
針對不同的行銷情況，會有不同的目標，也適用不同的研究方法，以下即為各行銷情況，可能適用的方法。
市場區隔
消費者的異質性 (Heterogeneity)：市場上每個消費者的消費動機、習慣等都不同，對於價格變化和行銷活動亦有不同的反應。
市場區隔的難題：找到相對同質性的消費者，並採用適當的方法，將消費者異質性歸類成少數確立的群體，但是消費者的行為差異，在實務上並不容易明確分群。
市場區隔變數
- 人口統計變數 (Demographic Variables)：性別、所得、年齡等，像是以年齡，區隔出童裝市場
- 心理統計變數 (Psychographic Variables)：人格特質、生活型態、動機等，像是以購買動機，區隔出奢侈品市場
- 行為變數 (Behavioral Variables)：時機，像是餐廳推出防疫期間外帶特餐，就是以「時機」來區隔市場
Mike 亦分享，東方線上的消費者行銷資料庫，有許多可以參考的調查資料，但報告內容必須付費唷！
STP 市場區隔
STP 是企業在一定的市場細分的基礎上，確定自己的目標市場，並找出產品或服務的定位。
S 市場區隔 (Segmentation)：根據消費者需求上的差異，把某個產品或服務的市場逐一細分的過程。
T 目標界定 (Targeting)：企業從細分後的市場中，選出決定進入的目標市場，也是對企業進入最有利的市場。
P 品牌定位 (Positioning)：在營銷過程中，定位出產品或服務在目標市場的位置，即確定自家產品或服務在目標市場上的競爭地位，亦稱為「競爭性定位」。
市場調查問卷內容
Mike 再次提醒問卷設計前，必須要先進行市場分析，像是設定市場範圍，找出品牌最關鍵的競爭對手、通路或媒體等，都有助於企業聚焦；同時，也要進行總體環境分析、市場特性和消費者行為等研究。
產品使用與態度研究 (U&A ; Usage and Attitude)
是最常見的一種行銷研究方法，主要的研究內容包含，品牌認知現況、品牌態度、通路購買行為等，目標是…
- 了解消費者購買行為與動機，找出能打動消費者的策略
- 分析消費者對競品的態度，區隔自家品牌與他牌的定位
- 找出消費者偏好的品牌特徵，像是容量、價格、外型等，作為設計產品與服務的參考
如何製作 U&A 問卷
在此環節，Mike 透過實際的問卷，與社員進行問答互動，讓我們更了解問卷設計的方式，問卷各部分的含意與分析的可能。
高階統計模型介紹與應用
主成分分析
是一種合併相似變數的降維方法。
為什麼要合併變數?
1. 便於解讀，因原先變數太多看不出規律
2. 變數間有高度共線性，回歸方程式無法運作
3. 多變數分析前降維方法
主成分分析產出的 3 個特點
1. 代表性：保有原有變數的資訊，但並非完全保留
2. 獨立性：主成分間不能重疊，就是統計說的獨立變數
3. 精簡性：以少數主成分代替原來多個變數
合併後的新變數，能代表全部被合併的變數嗎?
無法，而理想的解釋率是 80% 以上，即可以用一個變數，來表示其他變數們 80% 的特徵
舉例：咖啡問卷
Mike 透過實際的問卷進行演練，發現該問卷中，原有的 3 個題目的相關係數高，此時即可使用主成分分析，將其合併。而合併後的解釋度有86.5%，代表新的主成分 (新變數) 可以代表這三個題目的 86.5%，相當足夠！
針對社員們提問，為什麼是將 3 個變數合併成 1 個，而非 2 個呢? 其實當我們進行 SPSS 主成分分析時，放幾個變數進去，就會產生幾個主成分，然而在結果中，第一個變數的解釋性以達 86%，代表一個變數的解釋性已經相當足夠，所以不用用到 2 個和 3 個變數。
因素分析
找出變數們的背後共同因子的降維方法。
為什麼要使用因素分析?
消費者的行為層面或心理層面是相當複雜且多變的，因此，需要在問卷中建立大量，且彼此相關的題項予以衡量，如：品牌忠誠度、購買動機、生活型態等。
而這些問題的目標，就是要找出消費者心中潛在動機。這些具高度相關的題項，背後隱藏的可能只是「少數幾個」具代表性的構面或變數類別。
舉例：咖啡問卷
該問卷中，使用 14 個題目確認，消費者的購買動機，然而在這些題目背後，應該只有某幾個因素，可以涵蓋所以用戶的動機。
Mike 亦與我們分享其因素分析的結果，像是在因素萃取報表中，可以發現刪除低共同性的獨物題項，重新進行因素分析，可以提高共同因素的累積解釋變異量百分比。
另外，在因素分析時，將原先可能隱含相似動機的題目歸納至相同因素之中，例如：將「吃甜點搭配咖啡」和「吃早餐搭配咖啡」，歸納至「搭配分享動機」的因素中。最終歸納完畢後，可以發現留下來的 4 個因素，累積解釋度達原先 12 個因素的 70%。
而 Mike 亦補充，在進行因素分析時，有兩個題項的共同性低於 0.5 ，因此，兩者皆為獨特題項 (兩個獨立因素)，不宜納入因素分析。
最後，針對消費動機的因素分析結果，有助於問卷設計者建立市場區隔，並確保同屬一個區隔的消費者，具有相似的消費行為。
主成分分析 v.s. 因素分析
因素分析輸出結果：國 = 0.9 * F1 + 0.2 * F2 / 數 = 0.3 * F1 +0.9 * F2 ... 等
主成分分析輸出結果：主成分 1 = 0.8 * 自 + 0.9 * 數
集群分析 (Cluster Analysis)
又稱快速集群法，是一種多變量分析方法，其目的是依據樣本在一組集群變數上的異質性，建立數個群別。最常見的是 K 平均法(K-Means Algorithm)。
K 係指集群分析產生的群別個數，必須在事前設定。在給定K值的條件下，先將 n 個個體任意分為 K 群，然後個體會在各群間移動，其目的是使群內變異達到最小，群間變異達到最大。
在重覆求解的過程中，每個個體都可能離開原來群別到其他群，直到各群穩定，個體不再離開所屬群別為止。
Mike 也分享， K-Means 常常是不斷測試的過程，看什麼樣子的分群是讓結果符合邏輯的，再使用 K-Means 建立完分群後，還是要透過敘述統計學，找出更具體的樣貌。
界定現有目標市場
較直觀簡單的方法是，根據不同市場區隔於特定品牌忠誠度的比較，挑選平均數顯著較高的市場區隔。
較複雜但較準確的方法是，同時探討多個顧客特質對於品牌忠誠度之影響，挑選出具有正向影響的顧客特質。
品牌知覺圖
是消費者對某一種類產品中的各品牌，知覺和偏好的形象化，圖表也常用來呈現企業在該產品中的市場定位。
