Chapter 04 研究的類型與資料科學分析的類型
一、研究與資料科學分析的類型
(一) 搞懂您的研究類型—探索性、描述性、相關性與解釋性研究
很多初踏入研究這個領域的研究生，只知道自己做的是量化或是質化研究，卻不清楚自己著手的研究是什麼類型，事實上，知道自己的研究類型有助於對研究問題的掌握，以及能達成什麼樣的研究目的，弄懂這個問題就像知道自己究竟開的是什麼轎車、跑車、推土機或者是坦克。
學者對研究的類型區分有很多種，但大致上的內容包括：探索性(Exploration Research)、描述性(Description Research)、相關性(Relation Research)與解釋性研究(Explanation Research)。簡述如下：
1. 探索性研究(Exploration Research)
顧名思義，探索性研究常使用於探索新的議題，甚至是新的領域。過去幾十年來，在行銷學領域裡，新的概念不斷地出現，例如：從「顧客滿意」、「服務品質」、到「顧客體驗」、「顧客旅程」，這些概念的出現，都是經由探索性研究而生成。
一開始，探索性研究通常傾向使用「歸納法」的方式，因為一開始並沒有一個完整的理論可以協助你演繹，研究者必須先透過一些特殊的個案收集資料，進而歸納出一般性的通則。
探索性研究在研究設計上，通常使用定性法，透過觀察、深度訪談個案的方式來對研究議題進行探索。
2. 描述性研究（Description Research）
顧名思義，描述性研究通常是對所想要觀察的事件進行描述。
在行銷實務中，許多政府或商業調查報告都是屬於描述性研究。舉例來說，無論是文化部每年對出版產業的調查，或是《CIO IT經理人》雜誌每年對各產業的資訊經理所進行的調查報告，都是描述性研究，它們大都在敘述行業裡的現況，例如台灣地區目前有多少家出版社，去年共出版了多少本書之類的內容。
這一類的研究通常比較像是報告式的整理，大多僅是進行資料的蒐集，並加以彙總與解釋，並未對變數之間的關係進行探討。
3. 相關性研究（Relation Research）
顧名思義，相關性研究在確定兩變數間或兩個以上的變數之間，是否有某種關係存在。例如：我們想瞭解「顧客滿意度」與「顧客忠誠度」之間，有何種關係存在？此種關係可能是線性關係，可能是曲線關係。
相關性研究看似簡單，但要做好並不容易。以上述要瞭解「顧客滿意度」與「顧客忠誠度」之間的關係，要先確定「顧客滿意度」與「顧客忠誠度」的操作型定義為何？是否限定產業？是否限制體驗的產品或服務類型？再者，對於發展兩者之間關係的假設，是正相關、負相關、或是無相關，甚至是背後還有其他干擾因素（例如：轉換成本）存在。這些在進行研究時，都需要一一加以釐清，如圖1所示。
圖1. 「顧客滿意度」與「顧客忠誠度」之間的關係
繪圖者：彭煖蘋
資料來源：Thomas O. JonesW. Earl Sasser, Jr., “Why Satisfied Customers Defect.” Harvard Business Review (November 1995).
4. 解釋性研究（Explanation Research）
解釋性研究，顧名思義在於解釋為什麼一種特定的關係會形成。有別於相關性的研究，相關性研究只是在瞭解兩個變數之間的關係，然而解釋性研究，必須去瞭解這兩個變數的關係是如何發生的。例如：研究者想了解，「服務品質」是如何影響「顧客滿意度」的。然而，解釋性研究通常涉及到因果關係的驗證，連帶地也增加了研究的複雜度。
最後，以上的研究類型，彼此之間並非各自獨立，相反的，某些研究甚至同時包含了四種研究。舉例來說：當網路精準行銷的新議題出現後，我們即可就這個議題進行「網路精準行銷」的探索性研究。同時，在此研究中，我們需要針對什麼是「網路精準行銷」進行描述性研究；我們要針對企業在推動「網路精準行銷」的過程裡，它的「關鍵成功因素」和「成功的網路精準行銷」之間的關係，進行相關性研究；更進一步，我們要去瞭解為什麼這些「網路精準行銷的關鍵成功因素」，會影響到企業在推行「網路精準行銷」時專案的成功，而這就屬於解釋性研究了。
(二) 橫斷研究與縱貫研究
從時間觀點來看，研究可以區分成橫斷研究（Cross-sectional research）與縱貫研究（longitudinal research）兩大類，時間的因素攸關研究的「類推性（generalization）」，究竟研究所產生的研究結果，只能代表研究的當下，還是可以向前、後類推呢？
在處理研究的時間議題上，「橫斷面研究」意指可以在同一個時間裡，蒐集並分析不同受試者資料的一種研究（Cooper, 2003）。例如：年齡變數，我們在某一個時間區間內，針對不同年齡的受試者，進行問卷發放，以瞭解這些不同年齡層的人對於一些事情的看法，這樣的研究方式稱為橫斷面的研究。
一般來說，在最理想的情況下，一個碩士班研究生所做的調查，從開始到完成通常得耗費三個月到六個月的時間，儘管調查時間的跨距，已長達九十到一百八十天，但是從研究時間的角度來看，它僅屬於某一個時間點對母體或現象樣本描述的「橫斷研究」。
再舉一個例子，像是新聞媒體會做總統候選人的民意調查，他們發佈結果的當天，都只是在某一個時間點由選舉人口對總統候選人的勝負看法，無法完全類推到投票日的最後結果。同樣的，探索性和描述性的研究都屬於「橫斷研究」、解釋性的研究也屬之。
至於「縱貫研究」是一種跨越長時間的觀察研究（Cooper, 2003），短則數個月，長的話可達5–10年甚至更長的研究期間。更重的是，這類研究方式會針對同一研究樣本，進行2~3次以上不同的詢問。由於涉及時間與成本的考量，加上不容易設計與執行，所以縱貫面研究相對較少，並且都是由大型研究或學術機構來處理。
舉例來說，哈佛大學有項研究進行至今已經超過75年，從1938年開始，該研究持續追蹤724位研究對象，每一年哈佛的研究團隊都會對研究對象進行訪談，了解他們的生活、健康、工作等狀況。該研究發現，良好的人際關係，讓人們快樂與健康。
從圖形的角度來看（如圖2所示），Time軸代表的是不同的時間點，橫斷面研究就是針對某一個時間點的研究；而縱貫面的研究則是屬於不同時間點的研究。透過這個圖形，我們可以更加瞭解橫貫面與縱貫面的差異。
圖2. 橫斷面與縱貫面研究
繪圖者：陳靖宜
不知道大家有沒有發現，「橫斷面研究」很像是高速公路的測速照相，紀錄著當車輛超速時的瞬間。而縱斷面研究，就好比「ETC」記錄車輛上高速公路後，首次與最後一次被ETC偵測到時間點。
值得一提的是，由於碩士階段的時間因素，導致絕大多數碩士同學的論文，皆是屬於橫斷面的研究，通常會只針對同一個研究對象，進行一次的問卷發放；而大部分的期刊論文中發現，橫斷面研究所佔的比例居多。
最後，根據周文賢（2002）在《多變量分析》一書中所提，在碩士生階段，大多數同學的論文多以橫斷面為主，所使用的統計工具，包括：多元尺度分析、集群分析、因素分析、共變數分析、ANOVA分析與迴歸分析等。在博士生階段，除了上述的工具外，還要學習共變數模式、LISREL、路徑分析等工具。若要從事到縱貫面的研究，還必須學習諸如時間序列等的工具。以上的說明，同時點出橫斷面研究與縱貫面研究，在使用工具上的差別。
二、相關與因果
(一) 相關性-風吹草低見牛羊
南北朝「樂府詩集」中的《敕勒歌》中有一句「風吹草低見牛羊」的句子，剛好可以用來說明在做研究時，告訴我們很容易設定出「隨意而不當的假設(Hypothesis)」，並且掉進統計「相關性」的迷思裡。
話說，有一對夫妻，先生是氣象學家、太太是動物學者，兩二人到墾丁進行研究，先生對落山風的風速進行詳細的量測，妻子對墾丁草原上的牛羊數量進行詳細的計算。兩人的數據經過分析，得到高度的相關，因此推論，「風速」與「牛羊」數量之間有正向的關係，換句話說，風速愈大時，草原上的牛羊數會愈多。
許多人在聽完這個故事時，大多只會莞爾一笑，說是哪個學者這麼白目，但是真正在做研究，或是做決策收集資訊時，大家卻很容易掉到這樣的陷阱裡。
「風速」與「牛羊數」，兩個變數之間看似「有關」，但事實確是，草原上的牛羊數是固定的，與風速「無關」，如圖3所示。
圖3. 「風速」與「牛羊數」看似「有關」但「無關」
另一種相關性的問題則剛好相反，兩個變數之間看似「無關」，但事實上確是「有關」。例如︰在之前的文章中提到過「雀巢即溶咖啡」的案例，當雀巢經過嚴謹的研究，推出「雀巢即溶咖啡」後卻賣不出去，這時我們會直覺地認為，「業績」好壞，一定跟「產品」、「價格」、「促銷」、或是「通路」有關，於是就想辦法改變包裝、降價、多打廣告或是透過其他通路去賣。結果是，「業績」的好壞，與雀巢即溶咖啡的「使用者形象」有關（被認為是懶惰、不會規劃家計而且是浪費的家庭主婦）。看似「無關」的兩個變數之間，但事實上確是「有關」。只是在未做研究之前，我們並不知道。
為了要打破「相關性」的迷思，我們必須透過嚴謹的分析，來避免將「無關」的事誤認成「有關」。同時，我們也必須透過宏觀性的思考，來避免將「有關」誤認為「無關」。
在管理學理論與實務中，「相關分析」(Correlation Analysis)，是經常應用到的工具與概念，但在實際應用時，則要避免犯了以上的錯誤。
(二) 世界夜間光點與GDP的關係─相關性研究
學過經濟學的同學應該都知道，由各國政府官方所公佈的GDP，通常只能呈現國家經濟的部分面貌，因為這些數據無法完全揭露像是攤販、賭博、毒品，甚至是賣淫等地下經濟活動。過去為了能夠更真實呈現一個國家的經濟狀況，許多研究者企圖利用不同的方式來衡量，像是一顆大麥克漢堡在各國的售價，女生迷你裙長短與經濟指標的連動性等。後來，也有人想到利用衛星照片上，各國陸地上在夜間光點的變化，來推測國家GDP，畢竟夜間活動也和國民經濟能力有很大的關連性。
有趣的是，此舉也讓原本兩件看似風馬牛不相及的事，將不同資訊結合在一起後，產生出「哇！」令人為之一歎的交集。
研究人員之所以會這樣認定，是因為無論消費或投資活動都需要燈光。弗農·亨德森(J. Vernon Henderson)等三位學者蒐集了美國空軍氣象衛星，於1992–2003年所拍攝的各國夜間光點照片，再將光點的數量及密度變化，與各國的GDP做比較，發現兩者之間確實有關。透過這種方式，三位學者估計，有不少國家所提出的官方數據，與該國實際經濟數據差距很大。
最後，三人在論文中提到，這種利用光點推算GDP的方式，雖然未必適用於那些資料可靠度較高的國家，但對於那種連官方統計資料都沒有的地方，這種方法著實提供很大的助益，如圖4所示。
圖4. 世界夜間光點與GDP的關係
繪圖者：鄭雅馨
其實，這個故事說到這裡，有兩件事情必須注意，一是如何培養自己，具備看出兩件看似無關，但其實卻有關連的能力。反之，如何避免將看似有關，但其實卻是無關的兩件事情，硬是牽扯在一起。
對於這兩個問題，背後有一個共通的答案，那就是隱藏在其背後的「邏輯」。只要我們能夠將兩件事情背後可能發生的原因，做合理的交代，這樣就有機會證明彼此的相關性。
至於尋找邏輯的方式，可以來自於「直覺」或是「科學」。其中，有關直覺的部份，如果覺得課堂上所教過的決策方法太難，我們可以透過閱讀各類小說來練習。閱讀小說讓我們有機會瀏覽到，許多看似不可思議，但背後卻有著充分邏輯支持的劇情描述。藉由這樣的練習，我們就有機會在閱讀其他小說時，開始預測劇情。甚至在未來，自己還可以設計劇情，讓結果再怎麼峰迴路轉的劇情，背後都有了清楚的邏輯。
至於科學的部份，學習「研究方法」則是一個很好的切入方式。例如在行銷研究裡經常提到的「嬰兒尿布與啤酒」案例，這兩種看似無關的產品，透過統計學的應用，竟然發現兩者背後有著高度的關連性。主要的原因來自於，許多有嬰幼兒的家庭主婦，會請先生在下班後，順便去買尿布，然而先生到了超市，通常會順手帶著啤酒回家。因此賣場在擺設產品時，會刻意將尿布與啤酒擺在相鄰的地方，同步拉高啤酒的銷售量。背後的簡單邏輯因此出現（雖然後來這個故事證明只是個傳說，但背後的技術卻是真實的）。
事實上，無論透過直覺或是科學，原本看似風馬牛不相及的兩件事情，經過仔細思考或是研究之後，也許真的就產生「風吹草低見牛羊」，發現「風速」與「牛羊數量」之間有了相關性。
最強行銷武器 — 整合行銷研究與資料科學
作者：鍾皓軒，羅凱陽，蘇宇暉
出版社：碁峰
出版日期：2021/08/09
語言：繁體中文
定價：580元
作者：鍾皓軒，羅凱陽，蘇宇暉
出版社：碁峰
出版日期：2021/08/09
語言：繁體中文
定價：580元
