目錄

• Part I：研究總覽
  • 1.1 研究目標
  • 1.2 研究假設（25 項）
  • 1.3 配額設計
  • 1.4 分組實驗設計（Hassabis Protocol）
• Part II：問卷正文
  • 2.1 開場頁
  • 2.2 Section S：篩選題
  • 2.3 Section B：品牌認知與「真酒」認知
  • 2.4 Section C：購買行為與消費場景
  • 2.5 品質控制題 #1
  • 2.6 Section E：分組實驗
  • 2.7 Section F：訊息測試
  • 2.8 Section G：價格敏感度 PSM
  • 2.9 Section H：包裝概念測試
  • 2.10 品質控制題 #2
  • 2.11 Section I：媒體接觸與推薦影響
  • 2.12 Section D：人口統計資料
  • 2.13 結束頁
  • 2.14 跳題邏輯總覽
  • 2.15 題目總覽
• Part III：在地化洞察參考
  • 3.1 高頻泡麵場景排序
  • 3.2 情感語言：台灣消費者的口語化表達
  • 3.3 世代差異：觸發詞與地雷
  • 3.4 社群平台習性與媒體接觸題設計
  • 3.5 「台灣味」認同的真實共鳴程度
  • 3.6 酒精文化敏感度
  • 3.7 價格心理
• Part IV：數據分析規格
  • 4.1 25 個假設的統計檢定計畫
  • 4.2 T2B 優先分析法
  • 4.3 交叉分析矩陣
  • 4.4 受眾分群方法
  • 4.5 壞樣本檢測規則
  • 4.6 訊息測試分析
  • 4.7 PSM 價格分析
  • 4.8 Hassabis 實驗分析詳細計畫
  • 4.9 綜合指標計算
  • 4.10 效果量標準
  • 4.11 Confidence 評估框架
  • 4.12 Fixed Outputs Schema
  • 4.13 洞見卡清單
  • 4.14 輸出檔案規格
  • 4.15 分析工具與環境
  • 4.16 限制與注意事項
• Part V：執行規範
  • 5.1 SurveyCake 實作設定
  • 5.2 品質控制機制
  • 5.3 即時監控指標
  • 5.4 執行時程
  • 5.5 v1 → v2 升級摘要

1.1 研究目標

1.2 研究假設（25 項）

目標受眾與行為假設 (H1-H5)

品牌認知與「真酒」認知假設 (H6-H10)

「真酒」資訊影響假設 (H11-H14) — Hassabis 分組實驗

訊息與溝通假設 (H15-H19)

價格與價值假設 (H20-H22)

包裝與視覺假設 (H23-H25)

1.3 配額設計

主配額

實驗組配額（系統隨機分配）

自然配額（監控不強制）

1.4 分組實驗設計（Hassabis Protocol）

設計原理

採用 between-subjects 設計，受訪者隨機分配至四組之一，以量化不同資訊層級對購買意願和願付價格的邊際效果。

隨機分組（在 Section E 執行）

組 A（控制組）：只看產品照片
組 B：產品照片 +「花雕風味」文字
組 C：產品照片 +「使用真正花雕酒，非香精調味」
組 D：產品照片 +「使用真正花雕酒」+「71年國營酒廠」

每組 n >= 200，確保 ANOVA 檢定力 > 0.80（effect size d = 0.25）

SurveyCake 實作

使用 SurveyCake 隨機跳題功能，將受訪者等比例分配至四個版本頁面。每組看到不同的產品資訊卡後，回答相同的三題測量題（E1-E3）。

2.1 開場頁

您好！感謝您參與本次調查。

這份問卷是關於泡麵/杯麵的消費習慣與偏好，大約需要 15 分鐘完成。

您的回答沒有對錯之分，請依照您的真實想法作答。所有資料僅作為整體統計分析之用，不會揭露個人資訊。

再次感謝您寶貴的時間！

2.2 Section S：篩選題（Screener）（3 題）

S1. 請問您的年齡是？ （單選）

• ○ 未滿 18 歲 → 感謝頁（不符資格）
• ○ 18-24 歲
• ○ 25-34 歲
• ○ 35-44 歲
• ○ 45-54 歲
• ○ 55 歲以上 → 感謝頁（不符資格）

【配額】25-34：35% / 35-44：35% / 45-54：20% / 18-24：10%

S2. 請問您過去 3 個月內，是否曾購買或食用「杯裝/碗裝速食麵」（含泡麵、杯麵、乾拌麵）？ （單選）

• ○ 是 → 續答
• ○ 否 → 感謝頁（不符資格）

S3. 請問您的性別是？ （單選）

• ○ 男性
• ○ 女性
• ○ 其他/不願透露

【配額】男：50% / 女：50%

2.3 Section B：品牌認知與「真酒」認知（5 題）

B1. 請問以下哪些杯麵/碗麵品牌您聽過或買過？ （複選）

• □ 統一（來一客、滿漢大餐、阿Q桶麵等）
• □ 味丹（味味A、雙響泡等）
• □ 維力（大乾麵等）
• □ 味王（王子麵等）
• □ 台酒（花雕雞麵、麻油雞麵等）
• □ 日清
• □ 農心
• □ 三養
• □ 其他：_______________
• □ 以上都沒聽過 → 感謝頁（不符資格）

驗證 H6：計算勾選「台酒」的比例

B2. 請問您是否知道「台酒花雕雞麵」裡面使用的是真正的花雕酒，而不是酒味香精？ （單選）

• ○ 知道，這是它的特色
• ○ 好像有聽過，但不太確定
• ○ 不知道，以為跟一般泡麵一樣是用香精
• ○ 不知道，也沒想過這個問題

驗證 H7：選項 1 的比例即為「真酒認知率」

B3. 您認為泡麵裡使用「真正的酒」和使用「酒味香精」，在口味和品質上有差別嗎？ （單選）

• ○ 有很大差別，真酒一定比較好
• ○ 應該有差別，但我不太能分辨
• ○ 差別不大，味道差不多
• ○ 沒差別，都一樣
• ○ 沒想過/不清楚

驗證 H8：選項 1+2 的比例 = 認為有差別

B4. 當您想到「台酒」這個品牌時，以下每組形容詞，您覺得比較偏向哪一邊？ （語意差異量表，5 點）

驗證 H9：各維度平均值 vs 中點 3

B5. 請問您是否知道台灣菸酒公司（台酒）有超過 70 年的釀酒歷史？ （單選）

• ○ 知道
• ○ 不知道

驗證 H10

2.4 Section C：購買行為與消費場景（5 題）

C1. 請問您最近一次吃杯麵/碗麵，大概是在什麼時段？ （單選）

• ○ 早餐時段（6:00-9:00）
• ○ 午餐時段（11:00-14:00）
• ○ 下午時段（14:00-18:00）
• ○ 晚餐時段（18:00-21:00）
• ○ 宵夜時段（21:00-24:00）
• ○ 深夜/凌晨（24:00 以後）
• ○ 不記得了

C2. 整體來說，您最常在什麼時段吃杯麵/碗麵？ （單選）

• ○ 午餐
• ○ 晚餐
• ○ 宵夜（21:00-24:00）
• ○ 深夜（24:00 後）
• ○ 不固定，各時段都有

驗證 H2：C1+C2 中選擇 21:00 後的合計比例

C3. 請問您吃杯麵/碗麵時，最主要是想滿足什麼需求？請選出最重要的 3 項並排序。 （排序題，選 3 項排 1-2-3）

• □ 填飽肚子，方便快速
• □ 犒賞自己，享受一下
• □ 療癒放鬆，紓解壓力
• □ 省錢，比外食便宜
• □ 嘴饞想吃，解饞
• □ 懶得出門或煮飯
• □ 懷念某種特定口味
• □ 其他：_______________

驗證 H3、H5

C4. 您在店裡挑選杯麵時，通常花多少時間決定？ （單選）

• ○ 幾乎不猶豫，直接拿固定品牌（< 5 秒）
• ○ 快速掃一下貨架再決定（5-15 秒）
• ○ 會比較幾個選項再決定（15-60 秒）
• ○ 會仔細看成分、價格等資訊（> 1 分鐘）
• ○ 大多在網路購買，不在店裡挑

驗證 H4

C5. 以下哪些原因曾經讓您「不購買」或「不考慮」台酒花雕雞麵？ （複選，可多選）

【跳題邏輯】若 B1 未勾選「台酒」→ 「沒聽過這個產品」選項自動置頂

• □ 沒聽過/不知道有這個產品
• □ 價格太貴
• □ 不喜歡酒味
• □ 覺得是「老一輩」在吃的
• □ 在常去的店裡沒看到
• □ 之前吃過覺得不好吃
• □ 不知道跟其他泡麵有什麼不同
• □ 習慣買其他品牌
• □ 擔心真的有酒精（要開車/懷孕等）
• □ 沒有特別原因
• □ 其他：_______________

驗證 H22

2.5 品質控制題 #1

QC1. 為確保問卷品質，請在本題選擇「完全同意」。 （單選）

• ○ 非常不同意
• ○ 不同意
• ○ 普通
• ○ 同意
• ○ 完全同意 — 正確答案

未選「完全同意」→ 標記為可疑樣本

2.6 Section E：分組實驗 — Hassabis Protocol（3 題）

SurveyCake 設定：使用隨機跳題，等比例分配至 A/B/C/D 四組頁面。

【組 A — 控制組】呈現：

[台酒花雕雞麵產品照片]

【組 B】呈現：

[台酒花雕雞麵產品照片] 花雕風味杯麵

【組 C】呈現：

[台酒花雕雞麵產品照片] 使用真正花雕酒，非香精調味

【組 D】呈現：

[台酒花雕雞麵產品照片] 使用真正花雕酒，非香精調味 來自 71 年歷史的國營酒廠 — 台灣菸酒公司

E1. 看完以上資訊後，您購買這款產品的意願為何？ （7 點量表）

| 1 完全不想買 | 2 | 3 | 4 普通 | 5 | 6 | 7 非常想買 |

驗證 H11, H12, H14

E2. 您覺得這款產品合理的售價大約是多少？（碗裝，約 500ml） （數字輸入，範圍 10-200，單位：新台幣）

請輸入金額：_____ 元

驗證 H13

E3. 看完以上資訊後，您最有印象的是什麼？ （開放題，選填，限 50 字）

驗證 H11（訊息回憶質性分析）

2.7 Section F：訊息測試（4 題）

以下有四段杯麵廣告標語，請您比較看看。（選項隨機排列）

四個版本：

F1. 以上四段標語，哪一段最能吸引您嘗試購買？ （單選，選項隨機排列）

• ○ 版本 A：不加香精，加真酒
• ○ 版本 B：深夜裡，給自己一點真正的溫暖
• ○ 版本 C：不加香精，加真酒。深夜裡，給自己真正的溫暖
• ○ 版本 D：開蓋那一刻，整個房間都是花雕香 — 71年國營酒廠的堅持
• ○ 以上都不吸引我

驗證 H15, H16, H18

F2. 請問您對每段標語的感受： （矩陣題，5 點量表：1=非常不同意 ~ 5=非常同意）

驗證 H15, H17（矩陣，行動裝置建議逐題呈現）

F3. 如果杯麵標語加上「台灣」兩個字，例如「台灣花雕雞麵」，您覺得？ （單選）

• ○ 更有吸引力，更信任
• ○ 沒什麼差別
• ○ 反而覺得在刻意強調，有點反感
• ○ 沒有特別感覺

驗證 H17

F4. 如果要讓您相信一款泡麵「真的有加酒」，以下哪種方式最有說服力？ （單選）

• ○ 包裝上寫「使用真正花雕酒」
• ○ 附獨立酒包，自己加
• ○ 打開就聞到酒香
• ○ 有國家認證或檢驗標章
• ○ 網紅/美食家實測證明

驗證 H15（證據偏好），也間接驗證 H24

2.8 Section G：價格敏感度 — Van Westendorp PSM（5 題）

接下來幾題是關於杯麵價格的看法。（以碗裝泡麵，約 500ml，含配料為基準）

G1. 多少錢算「太便宜了，會讓您懷疑品質」？ （數字輸入，新台幣）

_____ 元

G2. 多少錢算「便宜，感覺很划算」？ （數字輸入）

_____ 元

G3. 多少錢算「有點貴，但還是可以接受」？ （數字輸入）

_____ 元

G4. 多少錢算「太貴了，不管多好都不會買」？ （數字輸入）

_____ 元

驗證 H20。品控規則：G1 >= G2 或 G2 >= G3 或 G3 >= G4 → 標記邏輯矛盾

G5. 以下哪些條件會讓您願意為杯麵多付 10-20 元？ （複選，最多 3 項）

• □ 使用真材實料（如真正的肉、真正的酒）
• □ 配料份量加大
• □ 獨家限定口味
• □ 名店聯名
• □ 低熱量/健康取向
• □ 國產品牌支持
• □ 環保包裝
• □ 不論什麼條件都不願多付
• □ 其他：_______________

驗證 H21

2.9 Section H：包裝概念測試（3 題）

H1. 請看台酒花雕雞麵的現有包裝。光看包裝，您能知道這款泡麵「裡面有加真正的酒」嗎？

[顯示現有包裝圖片]

（單選）

• ○ 很明顯，一看就知道
• ○ 仔細看可能看得出來
• ○ 看不太出來
• ○ 完全看不出來

驗證 H25

H2. 如果包裝做以下升級，您的購買意願會有什麼變化？

升級概念：深色霧面質感包裝 + 顯眼標示「真正花雕酒，非香精」+ 金色酒瓶圖示 [顯示升級概念圖]

（7 點量表）

| 1 購買意願大幅降低 | 2 | 3 | 4 沒有變化 | 5 | 6 | 7 購買意願大幅提升 |

驗證 H23

H3. 如果這款泡麵附一包「獨立真酒包」（像醬料包一樣，裝真正的花雕酒，由你自己加入），您覺得？ （單選）

• ○ 很棒！感覺更有價值，像在自己調酒
• ○ 不錯，但跟原本差別不大
• ○ 有點多餘，直接調好就好
• ○ 不喜歡，太麻煩

驗證 H24

2.10 品質控制題 #2 — 一致性檢查

QC2. 前面我們問過您吃杯麵最主要想滿足什麼需求（C3），請問以下哪個最接近您剛才的第一選擇？ （單選）

• ○ 方便快速，填飽肚子
• ○ 犒賞自己或療癒放鬆
• ○ 省錢
• ○ 解饞或嘴饞
• ○ 其他原因

與 C3 第一排序比對，不一致 → 標記可疑

2.11 Section I：媒體接觸與推薦影響（2 題）

I1. 您通常從哪些管道得知泡麵/杯麵的資訊或新品？ （複選，最多 3 項）

• □ 店裡直接看到
• □ YouTube / 影音廣告
• □ 社群媒體（Facebook、Instagram、TikTok）
• □ 親友推薦
• □ 網紅/KOL/部落客
• □ 電視廣告
• □ 網路論壇（PTT、Dcard）
• □ 新聞媒體報導
• □ 其他：_______________

I2. 以下哪類人物的推薦，最能讓您想嘗試一款新泡麵？ （單選）

• ○ 美食 YouTuber / 網紅
• ○ 知名藝人/明星
• ○ 專業廚師/美食家
• ○ 身邊親朋好友
• ○ 網路上的素人真實評價
• ○ 不太受任何人推薦影響

驗證 H19

2.12 Section D：人口統計資料（5 題）

D1. 目前居住地區？ （單選）

• ○ 北部（台北、新北、基隆、桃園、新竹）
• ○ 中部（苗栗、台中、彰化、南投、雲林）
• ○ 南部（嘉義、台南、高雄、屏東）
• ○ 東部及離島

【配額】北 40% / 中 25% / 南 30% / 東離 5%

D2. 目前的職業？ （單選）

• ○ 學生
• ○ 上班族（一般）
• ○ 上班族（主管/管理職）
• ○ 自營商/自由業
• ○ 軍公教
• ○ 家管
• ○ 其他

D3. 個人每月平均收入大約？ （單選）

• ○ 無固定收入
• ○ 3 萬元以下
• ○ 3-5 萬元
• ○ 5-7 萬元
• ○ 7-10 萬元
• ○ 10 萬元以上
• ○ 不方便回答

D4. 家庭狀況？ （單選）

• ○ 單身，自己住
• ○ 單身，與家人/室友同住
• ○ 已婚/同居，無小孩
• ○ 已婚/同居，有小孩
• ○ 不方便回答

D5. 過去 3 個月，您平均多久購買一次杯麵/碗麵？ （單選）

• ○ 每週 2 次以上
• ○ 每週 1 次
• ○ 每 2 週 1 次
• ○ 每月 1 次
• ○ 不到每月 1 次

2.13 結束頁

問卷填寫完成！非常感謝您花時間分享寶貴的意見。

您的每一個回答，都將幫助我們做出更好的產品和服務。

祝您有個美好的一天！

2.14 跳題邏輯總覽

2.15 題目總覽

本章節由 Culturalist 文化觀察家 產出，供問卷措辭校準與數據分析解讀參考。

3.1 高頻泡麵場景（按預估頻率排序）

關鍵洞察：比稿報告過度聚焦「深夜加班」，但實際上「懶」和「嘴饞」才是最大驅動力。建議問卷不要預設情感濃度過高的場景，先用開放題或多選題還原真實頻率分布。

3.2 情感語言：台灣消費者的口語化表達

用於問卷中情感共鳴測試的自然語言選項：

問卷設計建議：可設計「以下哪句話最能形容你吃到一碗好吃泡麵的感覺？」作為情感共鳴單選題，用上述語言作為選項，避免使用品牌自創的廣告語言。

3.3 世代差異：觸發詞與地雷

Z世代（18-27歲）

千禧世代（28-42歲）

X世代（43-58歲）

問卷設計建議：不同世代的問卷措辭應有所調整，或至少在分析時依世代分群解讀。同一個概念（如「品質好」），Z世代的理解是「有話題性且不踩雷」，千禧是「真材實料有質感」，X世代是「料多實在」。

3.4 社群平台習性與媒體接觸題設計

各世代資訊接收管道

問卷媒體題建議

不要只問「你最常使用哪些社群平台」（這題已經被問爛），建議改問：

• 「你最近一次買新口味泡麵，是從哪裡知道這個產品的？」（單選，還原真實路徑）
• 「如果朋友在LINE群組分享一款泡麵推薦，你會？」（行為意向題）
• 「你通常在哪裡看到泡麵的開箱或食記？」（多選，限選3個）

這比抽象的「媒體使用習慣」更能反映真實的購買資訊路徑。

3.5 「台灣味」認同的真實共鳴程度

各世代態度光譜

關鍵洞察

「台灣品牌」的真正價值不是民族情感，而是信任代理：

• 台酒 = 公營 = 不會亂搞 = 「真的有加酒，不會騙人」
• 這條邏輯鏈在 X 世代和千禧世代是成立的
• Z 世代則需要轉譯為「透明」「真實」「不唬爛」

問卷設計建議：

• 避免直接問「你會因為是台灣品牌而購買嗎？」（社會期望偏誤極高）
• 改用間接測量：列出多個品牌屬性（真材實料、價格合理、台灣製造、口味好、品牌知名度），請受訪者排序重要性
• 或用情境題：「兩款類似口味的泡麵，一款台灣品牌45元，一款韓國品牌55元，你會選？」

3.6 酒精文化敏感度

態度光譜

非常正面                    中立                      疑慮
   <--------------------------------------------------------------->

「有酒香才道地」     「有沒有酒都可以」      「小孩能吃嗎？」
「大人的泡麵」       「不排斥但不特別在意」   「吃了能開車嗎？」
「微醺感很讚」                              「酒精對身體...」

各族群態度分布

關鍵洞察

台灣消費者對「料理中的酒」接受度其實非常高（麻油雞、燒酒雞、薑母鴨都含酒），花雕雞麵的「酒」在多數消費者認知中屬於「料理用酒」而非「酒精飲品」。

但有兩個容易被忽略的疑慮點：

1. 「吃了能不能開車？」 — 這是真實且頻繁被討論的問題（Dcard、PTT 都有相關討論串）
2. 「小孩可以吃嗎？」 — 家庭購買場景中的關鍵阻礙

問卷設計建議：

• 不要只問「你對泡麵含酒的態度」（太抽象）
• 建議用具體情境：「花雕雞麵含有真正的花雕酒，以下哪些是你會在意的？」（多選）
  • 口味是否好喝
  • 酒味會不會太重
  • 吃完能不能開車
  • 小孩/青少年能不能吃
  • 酒精是否在烹煮後揮發
  • 我不在意，好吃就好
  • 我不吃含酒精的食品
• 這題同時測量態度方向和具體疑慮點，比量表題更有行動指導價值

3.7 價格心理

泡麵價格帶心理區間

各通路價格感知差異

花雕雞麵的價格定位洞察

花雕雞麵目前落在 40-55 元區間，這是一個微妙的位置：

• 向下：比日常泡麵貴一截，不會被當成「隨便吃」的選項
• 向上：比韓國進口麵便宜或持平，有 CP 值優勢
• 核心問題：消費者是否覺得「值這個價」？

「值不值」的判斷標準因世代而異：

• Z世代：「好不好吃 + 有沒有話題」
• 千禧：「真材實料 + 吃完有滿足感」
• X世代：「料多 + 量夠 + 味道實在」

Culturalist 給 Survey Architect 的五個核心提醒

1. 不要預設「深夜療癒」是第一場景。先用開放題或頻率排序題還原真實場景分布，再驗證比稿報告的假設是否成立。
2. 問卷語言要「說人話」。用「不想煮飯的時候」而不是「忙碌生活中的溫暖時刻」。消費者不會用廣告語言描述自己的行為。
3. 世代分群是必須的。同一題目在不同世代的解讀完全不同，分析時必須分群，問卷長度控制在 15 題以內（Z世代超過 5 分鐘就流失）。
4. 「台灣品牌」和「含酒」都要間接測量。直接問會得到社會期望偏誤的答案，用情境題和排序題取代態度量表。
5. 價格題要搭配通路情境。台灣消費者對同一產品在不同通路有完全不同的價格預期，脫離通路問價格沒有意義。

本章節由 Data Scientist 產出，為完整的數據分析規格書，確保問卷設計與分析計畫完全對齊。

4.1 25 個假設的統計檢定計畫

4.1.1 認知與知識假設

4.1.2 購買意願假設

4.1.3 訊息效果假設

4.1.4 場景與分群假設

4.1.5 價格與包裝假設

4.2 T2B 優先分析法

所有李克特量表題（5 點制）的主要報告指標為 T2B / B2B。

報告優先順序：
1. T2B % （主要指標，用於報告標題）
2. Net Score = T2B - B2B （用於整體傾向）
3. 平均數 +/- 標準差 （用於統計檢定補充）
4. 全分布 （附錄呈現）

範例輸出：
  購買意願 T2B = 62%（n=300, 95%CI [56%, 68%]）
  Net Score = +47%（T2B 62% - B2B 15%）

T2B 信賴區間計算：

SE = sqrt(p*(1-p)/n)
95% CI = p +/- 1.96 * SE
兩組 T2B 差異檢定：Chi-square or z-test for proportions

4.3 交叉分析矩陣

以下定義哪些因變數（DV）必須與哪些自變數（IV）交叉：

● = 必須交叉；空白 = 非必要

交叉分析統計方法：

• 類別 x T2B → Chi-square（期望值 < 5 則用 Fisher's exact）
• 類別 x 連續 → t-test（2 組）/ ANOVA（>= 3 組）
• 多重比較校正 → Bonferroni（交叉維度 > 3 時）

4.4 受眾分群方法

採用行為 + 態度混合分群：

分群輸入變數：
├── 行為變數
│   ├── 泡麵消費頻率 (ordinal → 數值化)
│   ├── 花雕雞麵使用頻率
│   ├── 消費場景數量 (多選題計數)
│   └── 購買管道偏好 (dummy coding)
│
└── 態度變數
    ├── 對「真酒」的重視程度
    ├── 價格敏感度
    ├── 品牌忠誠度
    └── 嘗新意願

分群流程：
1. 標準化所有變數 (z-score)
2. K-means 測試 k = 2~6
3. 以 Silhouette score + Elbow method 決定最佳 k
4. 輸出各群特徵 profile
5. 以 discriminant analysis 驗證分群效度

預期分群（假設 k=4）：
  Seg-A: 忠實粉絲（高頻、高意願、低價格敏感）
  Seg-B: 潛力轉換者（低頻但高態度分數）
  Seg-C: 價格導向（中頻、高價格敏感）
  Seg-D: 無感路人（低頻、低態度分數）

4.5 壞樣本檢測規則

壞樣本判定規則（依序執行）：

Rule 1: 作答時間過短
  ├── 門檻 = 中位數完成時間 x 0.30
  ├── 預估問卷 15 分鐘 → 門檻 ≈ 4.5 分鐘
  └── 動作：標記 flag_speed = 1

Rule 2: 直線填答（矩陣題）
  ├── 矩陣題連續 >= 5 題選同一選項
  ├── 檢測所有矩陣題區塊
  └── 動作：標記 flag_straight = 1

Rule 3: 邏輯矛盾
  ├── 陷阱題：「我從未吃過泡麵」但前面勾選消費頻率
  ├── 反向題一致性：正向題 5 分但反向題也 5 分
  └── 動作：標記 flag_logic = 1

Rule 4: 開放題品質
  ├── 亂碼、單字重複、無意義文字
  ├── 與題目完全無關的回答
  └── 動作：標記 flag_openend = 1

Rule 5: 極端值模式
  ├── 全卷 >= 80% 選最高或最低
  └── 動作：標記 flag_extreme = 1

刪除決策：
  flag 總和 >= 2 → 刪除
  flag 總和 = 1 → 人工複查

品質報告輸出：
  - 各 flag 觸發人數與百分比
  - 刪除前後樣本結構比較
  - 最終有效樣本數 (目標 n >= 300)

4.6 訊息測試分析

4.6.1 四版本訊息實驗設計

Hassabis 實驗設計（組間設計，隨機分派）：

  Group A (控制組): 現行包裝描述「花雕雞麵」
  Group B (花雕風味): 「花雕風味雞湯麵」
  Group C (真正花雕酒): 「不加香精，加真正花雕酒」
  Group D (真正花雕酒+71年): 「不加香精，加真正花雕酒——來自71年歷史的台灣菸酒」

  每組 n = 150，總計 N = 600

4.6.2 比較方法

Step 1: 整體差異檢定
  ├── One-way ANOVA (若符合常態 + 等變異)
  ├── Kruskal-Wallis (若違反假設)
  └── DV: 吸引力、可信度、購買意願（分別檢定）

Step 2: 事後比較
  ├── Tukey HSD (所有配對比較)
  ├── 計算每一配對的 Cohen's d
  └── 重點比較：
      - C vs A (真酒 vs 控制)
      - D vs C (加酒廠 vs 不加)
      - C vs B (真酒 vs 風味)

Step 3: Levene's test 檢驗等變異假設
  └── 若違反 → 改用 Welch's ANOVA + Games-Howell post-hoc

4.7 PSM 價格分析

4.7.1 Van Westendorp 四問題

Q1: 太便宜（品質堪憂）的價格？
Q2: 便宜（划算）的價格？
Q3: 貴（需考慮）的價格？
Q4: 太貴（不會買）的價格？

4.7.2 四線交叉點計算

計算步驟：

1. 對每個價格點計算累積分布：
   - Too Cheap: 累積比例（由高到低）
   - Cheap: 累積比例（由高到低）
   - Expensive: 累積比例（由低到高）
   - Too Expensive: 累積比例（由低到高）

2. 繪製四條曲線，找出交叉點：

   PMC (Point of Marginal Cheapness)
   = Too Cheap ∩ Expensive
   → 價格下限

   PME (Point of Marginal Expensiveness)
   = Too Expensive ∩ Cheap
   → 價格上限

   IDP (Indifference Price Point)
   = Cheap ∩ Expensive
   → 無差異價格（消費者認為正常）

   OPP (Optimal Price Point)
   = Too Cheap ∩ Too Expensive
   → 最適價格（抗拒最小）

3. 可接受價格區間 = [PMC, PME]
   最適價格 = OPP

4. 附加分析：
   - 分群 PSM（不同受眾群的價格敏感度）
   - 知道「真酒」前後的 PSM 比較

4.7.3 PSM 報告格式

Van Westendorp 價格敏感度分析

  PMC（下限）:  NT$ XX — 低於此價格消費者懷疑品質
  OPP（最適）:  NT$ XX — 消費者抗拒最小的價格
  IDP（無差異）: NT$ XX — 消費者認為正常的價格
  PME（上限）:  NT$ XX — 高於此價格消費者開始流失

  可接受區間: NT$ [PMC] ~ NT$ [PME]
  現行售價:   NT$ XX → 位於區間 [內/外]

  分群比較：
           | PMC  | OPP  | IDP  | PME
  ---------+------+------+------+------
  全體      | XX   | XX   | XX   | XX
  忠實粉絲  | XX   | XX   | XX   | XX
  潛力轉換  | XX   | XX   | XX   | XX
  知道真酒後 | XX   | XX   | XX   | XX

4.8 Hassabis 實驗分析詳細計畫

4.8.1 樣本規模論證

Power Analysis:

  目標：偵測中等效果量 (d = 0.4) 的組間差異

  參數：
  - alpha = 0.05 (two-tailed)
  - Power (1-beta) = 0.80
  - Groups = 4
  - Effect size f = 0.2 (≈ eta-sq = 0.04, medium-small)

  ANOVA 所需樣本：
  n = 每組 150 人
  N = 600 人（含預估 10% 壞樣本淘汰 → 建議回收 670 份）

  Post-hoc 配對比較 power:
  n = 150/組 → 偵測 d = 0.33 的 power = 0.80
  n = 150/組 → 偵測 d = 0.40 的 power = 0.90

4.8.2 分析流程

Step 0: 隨機性驗證
  ├── 四組人口統計分布一致性 (Chi-square)
  ├── 若不一致 → ANCOVA 控制人口變數
  └── 報告各組基線特徵表

Step 1: 描述統計
  ├── 各組各指標 M, SD, T2B, n
  └── 箱形圖 + 分布直方圖

Step 2: 前提檢驗
  ├── Shapiro-Wilk 常態檢定（各組）
  ├── Levene's test 等變異檢定
  └── 決定用 parametric or non-parametric

Step 3: 整體差異
  ├── One-way ANOVA (or Kruskal-Wallis)
  ├── 報告 F(df1, df2), p, eta-sq
  └── 對三個 DV 分別執行

Step 4: 事後比較（若 Step 3 顯著）
  ├── Tukey HSD（所有 6 組配對）
  ├── 報告每對 mean diff, 95%CI, p, Cohen's d
  └── 重點配對標記

Step 5: 交互效果探索
  ├── Two-way ANOVA: 訊息組 x 性別
  ├── Two-way ANOVA: 訊息組 x 年齡段
  ├── Two-way ANOVA: 訊息組 x 使用頻率
  └── 報告交互效果 F, p, eta-sq

Step 6: 綜合指標分析
  ├── 計算 composite score per person
  ├── 重複 Step 3-5 on composite
  └── 最終推薦排序

4.8.3 效果量報告格式

Hassabis 實驗效果量摘要

  整體效果：
  F(3, 596) = XX.X, p < .001, eta-sq = 0.XX [small/medium/large]

  配對比較（購買意願）：

  比較           | Delta Mean | 95% CI       | p      | Cohen's d | 解讀
  ---------------+------------+--------------+--------+-----------+------
  C vs A (核心)  | +0.XX      | [0.XX, 0.XX] | <.001  | 0.XX      | 中/大
  D vs A         | +0.XX      | [0.XX, 0.XX] | <.001  | 0.XX      | 中/大
  D vs C (增量)  | +0.XX      | [0.XX, 0.XX] | .XXX   | 0.XX      | 小/無
  C vs B         | +0.XX      | [0.XX, 0.XX] | <.001  | 0.XX      | 小/中
  B vs A         | +0.XX      | [0.XX, 0.XX] | .XXX   | 0.XX      | 小/無
  D vs B         | +0.XX      | [0.XX, 0.XX] | <.001  | 0.XX      | 中

4.9 綜合指標計算

# 綜合訊息效果指標
composite_score = (
    attractiveness * 0.3 +   # 吸引力
    credibility * 0.3 +      # 可信度
    purchase_intent * 0.4    # 購買意願（權重最高）
)

# 報告格式
"""
訊息效果綜合指標

              | 吸引力 | 可信度 | 購買意願 | 綜合指標 | T2B
  -----------+--------+--------+----------+----------+-----
  A 控制組    | 3.12   | 3.05   | 2.98     | 3.04     | 42%
  B 花雕風味  | 3.35   | 3.28   | 3.15     | 3.25     | 48%
  C 真正花雕  | 3.82   | 3.91   | 3.75     | 3.82     | 63%
  D +71年     | 3.90   | 4.15   | 3.80     | 3.93     | 66%

  ANOVA: F(3,596) = XX.X, p < 0.001, eta-sq = 0.XX

  Post-hoc (Tukey HSD):
  C > A: d = 0.XX, p < 0.001 ***
  D > C: d = 0.XX, p = 0.XX  (ns/*)
  C > B: d = 0.XX, p < 0.001 ***
"""

4.10 效果量標準

4.11 Confidence 評估框架

每個假設檢定結果附帶信心評估：

{
  "hypothesis": "H6",
  "result": "supported",
  "confidence": {
    "score": 1.7,
    "level": "High",
    "breakdown": {
      "sample_score": 1.0,
      "effect_score": 1.0,
      "quality_penalty": -0.3
    }
  },
  "evidence": {
    "question_id": "PI_Q02",
    "test": "paired_t_test",
    "t": 5.23,
    "df": 299,
    "p": 0.0001,
    "d": 0.45,
    "n": 300
  },
  "actionable": true,
  "recommendation": "訊息策略應以『真酒』事實為核心"
}

4.12 Fixed Outputs Schema

{
  "brand_equity": {
    "aided_awareness_rate": {"ttl": "float", "competitors": {"統一": "float", "...": "..."}},
    "real_wine_awareness_rate": "float (B2 選項1 比例)",
    "real_wine_vague_rate": "float (B2 選項2 比例)",
    "wine_vs_flavor_distinction_rate": "float (B3 top2 比例)",
    "brand_image_scores_mean": {
      "traditional_innovative": "float",
      "cheap_premium": "float",
      "boring_interesting": "float",
      "distrust_trust": "float",
      "irrelevant_relevant": "float"
    },
    "history_awareness_rate": "float"
  },
  "experiment": {
    "purchase_intent_mean_by_group": {"A": "float", "B": "float", "C": "float", "D": "float"},
    "wtp_mean_by_group": {"A": "float", "B": "float", "C": "float", "D": "float"},
    "anova_f": "float",
    "anova_p": "float",
    "tukey_pairwise": [
      {"pair": "C_vs_A", "diff": "float", "p": "float", "d": "float"},
      {"pair": "D_vs_A", "diff": "float", "p": "float", "d": "float"},
      {"pair": "D_vs_C", "diff": "float", "p": "float", "d": "float"}
    ],
    "age_interaction_f": "float",
    "age_interaction_p": "float"
  },
  "message_test": {
    "preference_share": {"A": "float", "B": "float", "C": "float", "D": "float", "none": "float"},
    "clarity_mean_by_variant": {"A": "float", "B": "float", "C": "float", "D": "float"},
    "trust_mean_by_variant": {"A": "float", "B": "float", "C": "float", "D": "float"},
    "differentiation_mean_by_variant": {"A": "float", "B": "float", "C": "float", "D": "float"},
    "intent_mean_by_variant": {"A": "float", "B": "float", "C": "float", "D": "float"},
    "winner_overall": "variant_id",
    "winner_by_gender": {"M": "variant_id", "F": "variant_id"},
    "winner_by_age": {"18-24": "variant_id", "25-34": "variant_id", "35-44": "variant_id", "45-54": "variant_id"},
    "evidence_preference_share": {"packaging_text": "float", "wine_pack": "float", "aroma": "float", "certification": "float", "kol": "float"},
    "taiwan_element_effect": {"positive": "float", "neutral": "float", "negative": "float"}
  },
  "pricing": {
    "psm_pmc": "float (Point of Marginal Cheapness)",
    "psm_idp": "float (Indifference Price Point)",
    "psm_opp": "float (Optimal Price Point)",
    "psm_pme": "float (Point of Marginal Expensiveness)",
    "premium_driver_rank": [{"item": "str", "share": "float"}]
  },
  "barriers": {
    "barrier_top_items": [{"item": "str", "share": "float"}],
    "barrier_by_awareness": {"heard_of_ttl": {}, "not_heard": {}}
  },
  "packaging": {
    "current_communication_rate": "float (H1 top2 比例)",
    "upgrade_intent_mean": "float (H2 7點量表平均)",
    "upgrade_intent_top2_pct": "float (H2 6+7 比例)",
    "wine_pack_positive_rate": "float (H3 選項1 比例)"
  },
  "scene": {
    "late_night_share_recent": "float (C1 宵夜+深夜合計)",
    "late_night_share_habitual": "float (C2 宵夜+深夜合計)",
    "jtbd_mean_rank": [{"need": "str", "mean_rank": "float"}],
    "decision_speed_under10sec_pct": "float (C4 選項1+2)"
  },
  "media": {
    "channel_share": [{"channel": "str", "share": "float"}],
    "influencer_type_share": [{"type": "str", "share": "float"}],
    "influencer_by_age": {"18-24": {"top_type": "str"}, "25-34": {}, "35-44": {}, "45-54": {}}
  },
  "quality_control": {
    "attention_check_pass_rate": "float",
    "consistency_check_pass_rate": "float",
    "psm_logic_pass_rate": "float",
    "median_completion_time_sec": "float",
    "speeder_rate": "float (< 5min)",
    "straightliner_rate": "float (F2 矩陣 SD=0)",
    "valid_n": "int"
  }
}

4.13 必產出洞見卡清單

4.14 輸出檔案規格

分析完成後產出以下 JSON 結構，供 Insight Analyst 接收：

{
  "project": "ttl_huadiao_2025",
  "analysis_date": "YYYY-MM-DD",
  "total_n": 600,
  "valid_n": 550,
  "quality_report": {
    "removed": 50,
    "removal_reasons": {
      "speed": 15,
      "straight_line": 12,
      "logic": 8,
      "open_end": 10,
      "extreme": 5
    }
  },
  "modules": {
    "awareness": { "...": "H1-H5 結果" },
    "purchase_intent": { "...": "H6-H10 結果" },
    "message_test": { "...": "H11-H15 結果 + 綜合指標" },
    "scenario_segment": { "...": "H16-H20 結果 + 分群 profile" },
    "price_package": { "...": "H21-H25 結果 + PSM 四點" }
  },
  "hassabis_experiment": {
    "anova_results": {},
    "posthoc_results": {},
    "effect_sizes": {},
    "recommended_message": "C or D"
  },
  "cross_tabs": { "...": "所有交叉分析結果" },
  "segments": { "...": "分群結果與 profile" },
  "confidence_summary": {
    "high": ["H1", "H6", "H11"],
    "medium": ["H3", "H14"],
    "low": ["H17"]
  }
}

4.15 分析工具與環境

# 必要套件
import pandas as pd
import numpy as np
from scipy import stats
from scipy.stats import f_oneway, kruskal, shapiro, levene
from statsmodels.stats.multicomp import pairwise_tukeyhsd
from sklearn.cluster import KMeans
from sklearn.preprocessing import StandardScaler
from sklearn.metrics import silhouette_score
import pingouin as pg  # 效果量計算

4.16 限制與注意事項

1. 李克特量表非連續變數：T2B 為主要報告指標；統計檢定時同時報告 parametric 與 non-parametric 結果，若結論一致則以 parametric 為主
2. 多重比較問題：25 個假設同時檢定，需以 Bonferroni 或 FDR (Benjamini-Hochberg) 校正，報告校正前後 p 值
3. 問卷順序效應：訊息測試四組為組間設計（隨機分派），非組內設計，避免學習效應
4. 樣本代表性：需事前設定性別、年齡、地區配額，分析時檢驗配額達成率並視需要加權
5. 效果量優先於 p 值：n=600 時小差異也容易顯著，務必同時報告效果量以判斷實務意義

5.1 SurveyCake 實作設定

5.2 品質控制機制

三道防線

有效樣本判定

必要條件（全部通過）：
  1. QC1 注意力檢查通過
  2. 填答時間 >= 5 分鐘
  3. F2 矩陣非直線（SD > 0）

輔助條件（至少通過一項）：
  4. QC2 一致性通過
  5. PSM 邏輯通過

三項必要 + 一項輔助 = 有效樣本

5.3 即時監控指標

5.4 執行時程

5.5 v1 → v2 升級摘要

關鍵設計決策說明

1. 題數從 45 精簡至 39：v1 有大量通路相關題目（CH1-CH6 共 6 題），在此版中精簡為 C4 一題（決策速度），因為「通路策略」不是本次傳播提案的核心假設。通路深度分析建議移至 Phase 2。

2. Hassabis 分組實驗放在 Section E（問卷中段）：在受訪者完成品牌認知題（B 區）後、但在訊息測試（F 區）之前執行。這樣 B 區的回答不受實驗資訊污染，而 F 區的訊息測試則在受訪者已看過產品資訊後進行，更接近真實情境。

3. F2 矩陣題是最大填答負擔（4 版本 x 4 維度 = 16 個判斷），但這是訊息測試的核心。在行動裝置上建議改為逐題呈現，降低認知負擔。

4. 品控機制設計為「容錯但可追蹤」：不會因為單一品控未通過就直接剔除，而是採用「必要+輔助」的組合判定，避免過度清理損失有效樣本。

分析藍圖速查表

文件整併者：Orchestrator 來源：Survey Architect + Data Scientist + Culturalist 版本：v2.0-Complete 日期：2026-01-29