為什麼台灣品牌的客群定義停在人口統計？
台灣品牌多數把廣告後台的受眾設定當成客群定義。年齡、性別、興趣標籤填完，客群就算定好了。填完的欄位決定廣告投給誰，沒有回答任何一個購買動機的問題。
這兩件事的差別，HubSpot 在比較理想客戶輪廓與買家角色時講得很直接。
Personas tell you who you’re speaking to. ICPs tell you which companies are worth speaking to in the first place.
兩個工具回答的問題不同。ICP 圈定值得投資源的對象範圍，買家角色描述範圍裡的人怎麼做決定。廣告後台的受眾設定只碰得到前者的外圍，而且碰得很淺。年齡區間框住的是投放成本，不是購買理由。
消費者行為分析指的是從實際行為與決策過程去解釋購買，而不是從身分屬性去推測購買。同一個三十五歲女性，可能因為送禮買、因為自用買、因為朋友推薦買，三種情境的訊息完全不能共用。詳細定義見消費者行為分析術語頁。
小紅書在二○二六年的人群宇宙白皮書裡把人群拆成四層，依序是基礎畫像、興趣標籤、生活方式、行業決策因子。白皮書寫得很清楚，這四層「不是彼此替代，而是深度疊加層層深挖的進階架構」。平台把最後一層取名為行業決策因子，是它自己的命名，業界慣用的說法是購買觸發或決策驅動分群。名字可以不管，要看的是第 4 層回答的那個問題：使用者為什麼選 A 不選 B。
台灣品牌的操作大多停在前 2 層。第 1 層知道誰在這裡，第 2 層知道他喜歡什麼，然後就沒有了。第 3 層與第 4 層需要的材料，廣告後台給不出來，只能自己去問。
查核二手數據的結果與可用的原始出處
寫這篇之前先做了一輪查核。8 份素材裡被引用的 20 項數據，逐項回原始網址比對，9 項在頁面上找得到，11 項查無。落空的多數是掛著知名機構名字的漂亮數字。
查核方式很單純，把素材裡「某機構指出某數字」的組合抓出來，一項一項打開來源頁找那串數字。結果如下。
| 引用的數字 | 素材掛的來源 | 原文查證 |
|---|---|---|
| 八成二超標企業做過定性買家訪談 | Tomba | 查無 |
| 畫像近半年更新過的機率高七點四倍 | Nightborn 引 HubSpot | 查無 |
| 書面化 ICP 讓贏率高兩到四成 | HubSpot 引第三方 | 查無 |
| 書面化 ICP 讓銷售週期縮短一成五到三成 | HubSpot 引第三方 | 查無 |
| 每區段訪談八到十五位近期買家 | Nightborn | 查無 |
| 七成月活用戶在平台主動搜尋 | 小紅書白皮書 | 查無 |
| 十題問卷完成率 89%、四十題 79% | Koji | 找得到 |
| 桌機 12 分鐘、手機 9 分鐘後開始放棄 | Koji | 找得到 |
| 56% 的線上問卷在手機完成 | Koji | 找得到 |
| 訪談五到十位近期客戶、三到五筆輸掉的案子 | Tomba | 找得到 |
這個結果不代表那些機構造假。比較可能的情況是，數字在轉述鏈上被搬了好幾手，掛回去的時候掛錯了對象。以 Tomba 那篇為例，原文確實給了訪談建議，但頁面上沒有 82.4% 這個數字。問題在於引用的人沒有回頭查，於是一個查不到出處的數字，用著用著就變成了共識。
能通過查核的，反而是最不起眼的操作型數據。Koji 的問卷設計報告寫著，10 題問卷平均完成率 89%，20 題 87%，40 題掉到 79%；受訪者在桌機約 12 分鐘、手機約 9 分鐘後開始放棄；56% 的線上問卷現在在手機上完成。這三組數字在原文逐字存在，可以引用。
對做客群研究的人來說，這一輪查核的實務結論很清楚。二手數字適合當背景，不適合當論據。真正要拿來做決策的材料，要嘛自己查到原始出處，要嘛自己產生。定性客戶訪談屬於後者。成本高，但每一句話都回溯得到某個人、某一天、某個當下的處境。
定性客戶訪談要問什麼、訪談幾個人？
訪談品質由問題設計決定，不由訪談場次決定。User Interviews 的操作指南把最容易毀掉一場訪談的錯誤講得很短：避免會讓答案偏掉的引導性問題。訪談人數則沒有標準答案。
先說人數。User Interviews 的說法是，樣本數的甜蜜點會隨著研究目標與研究類型而不同，並沒有給一個通用數字。Tomba 的建議具體一些：訪談 5 到 10 位近期客戶，另外訪談 3 到 5 筆輸掉或流失的案子。
輸掉的那 3 到 5 筆通常最有價值。成交的客戶會告訴你他為什麼買，流失的客戶會告訴你你的假設在哪裡斷掉。只訪談滿意的客戶，等於只蒐集支持既有假設的證據。
再說問題。訪談要挖的是行為與情境。「你覺得我們的產品怎麼樣」得到的是客套話；「上一次你開始找這類解決方案，那天發生了什麼事」得到的是可用的材料。差別在於第一種問題要對方評價，第二種問題要對方回憶。
訪談之外的低成本前置作業也值得做。Google 關鍵字工具看得到市場在搜什麼，論壇看得到抱怨的原話，小額廣告可以用 2 個版本測哪個訴求有反應。這三條路徑不能取代訪談，但可以幫你決定該去訪談誰、該問哪個方向。
問卷的角色是訪談的延伸驗證。想用問卷擴大樣本時，記得 Koji 那組數字：題數愈多，完成率掉得愈快，10 題掉到 40 題就少了 10 個百分點。訪談挖出來的假設，用 10 題以內的問卷去驗，比一次問 40 題有效。
訪談逐字稿怎麼變成可用的畫像？
逐字稿本身不是畫像。可用的做法是主題分析（Thematic Analysis）：通讀所有逐字稿，標記反覆出現的痛點與需求，再把重複的訊號歸成主題。沒有這一步，訪談紀錄只是一疊沒有結論的文字。
主題分析要在記憶還在的時候做。訪談結束後隔太久才整理，會把對方講的話跟自己的印象混在一起，標記出來的主題其實是訪談者的假設。實務上的做法是 48 小時內完成標記，先標事實，再標詮釋。
標記完之後，把主題往兩個方向長。第一個方向是任務層次，也就是 Jobs to Be Done 講的功能、情感、社會三層。以除濕機為例，功能任務是讓衣服乾，情感任務可能是不想再為了發霉焦慮，社會任務可能是讓家人覺得他把家顧好了。三層都問到，訊息才有得寫。
第二個方向是情境層次。同理心地圖（Empathy Map）在基本屬性之外，補上環境與心理兩層：他周遭的人在討論什麼、他常聽到哪些說法、他現在卡在什麼痛苦、他對之後有什麼期待。這兩層的答案全部來自訪談原話，不靠推論。
把訪談結果寫成任務故事（Job Story）的格式很好用：「當我在某個情境時，我希望能完成某件事，這樣我就能得到某個結果。」這個格式強迫你寫出情境與動機，寫不出來就代表訪談還沒問到位。
7 個維度的畫像模板也在這一步派上用場：年齡、生活圈、個人狀態、興趣、休閒習慣、當下煩惱、對未來的期待。前 5 項可以先用假設填，後 2 項一定要有訪談來源。煩惱與期待是行銷的兩個主要施力點，填錯了，後面的文案全部歪掉。
消費者行為分析裡，定性客戶訪談與量化數據怎麼校正？
兩種資料回答的問題不同。量化數據說得出發生了什麼，定性客戶訪談說得出為什麼發生。User Interviews 的說法是，挖掘動機與行為背後的原因，才能得到更深一層的顧客理解。
校正的實際做法是三角驗證。訪談形成假設，量化資料驗證這個假設在整體樣本上成不成立。兩邊對不上的地方最值得看。舉例來說，訪談裡有 3 個人都講價格是主因，但後台顯示折扣檔期的轉換並沒有比較好。這個落差值得追。價格只是說得出口的理由，真正的阻力通常在別的地方。
小樣本的風險要先講清楚。8 場訪談裡有 3 個人提到同一件事，那是值得追的訊號。把它換算成 37.5% 就過度詮釋了。這種換算是讓定性研究被質疑的主因。前提是研究目的本來就不在估計比例，訪談要的是找出機制。
反過來，量化資料也需要訪談來解釋。以 GA4 為例，後台看得到某個頁面跳出率偏高，看不到跳出的人在想什麼。看得到某個檔期業績好，看不到買的人當時被什麼觸發。數據給的是座標，訪談給的是理由。
校正頻率比校正方法重要。客群會變，訪談結果的保鮮期通常是 1 年上下。實務上可以固定每季補 3 到 5 場訪談，讓畫像持續跟著市場走，而不是 3 年前做完一次就一直用。
銷波快觀點：預設畫像與訪談畫像，該用哪一個
這裡有一個矛盾要先攤開。我們自己長期主張的做法是，顧客畫像不必等大規模調研，可以主動「預設」一個具體的人。舉例來說，直接寫成「26 歲女性、從南部北漂、養一隻貓」，描繪得夠精準，真實客群看到就會自動對號入座。這個主張跟本輪素材強調的「以定性訪談為核心輸入」，表面上是打架的。
調和的方式在於分階段。預設畫像的價值在啟動速度，讓一人團隊不必等到有預算做研究才開始溝通。但預設畫像是初版，不是定版。Customer Avatar 先鎖定對象，Empathy Map 再進入情境，AI 可以幫忙快速生出第一版，最終驗證還是要回到真實用戶訪談。跳過驗證那一步，畫像就會停在「我覺得消費者會喜歡」的自嗨。
訪談真正的產出，其實不是資料，是別人的原話。我們在做命名的時候踩過這個經驗：好的命名是發現不是發明，先聽目標受眾怎麼描述自己，再從裡面挑。實際遇到的例子是「一人公司不是一個人做所有事，是一個操作者指揮一套 AI agent 系統」這句受眾原話。訪談要蒐集的就是這種原話，他拿來形容自己處境的說法。那句話後來就會變成廣告標題。
還有一個問法值得放進訪談腳本。與其問他是誰，不如問他在哪些時刻會想到這個品類。Byron Sharp 的 Category Entry Points 講的就是這件事：品牌心佔率的實質，是在特定時刻大腦第一個浮現的是誰。食品品牌要佔領的時刻，是「下午三點想吃點什麼」「帶伴手禮要選什麼」這種具體場景。這些時刻只能從訪談裡問出來，同理心地圖的環境層與心理層，填的就是這些東西。
所以順序是這樣：先用 Google 關鍵字、論壇與小額廣告 A/B 測試把方向抓個大概，再用 7 個維度預設一版畫像，然後拿這版畫像去約 5 到 10 場訪談，用逐字稿修正它。預設負責啟動，訪談負責校正。兩件事不衝突，衝突的是把預設版當成定版一直用下去。
結論：先錄下三場訪談，再談客群分眾
台灣品牌在客群這件事上的落差，不在方法論知識，在有沒有第一手材料。ICP、買家角色、Jobs to Be Done 這些工具，網路上的介紹文章已經夠多了，缺的是拿來套用的真實素材。
這一輪查核的結果剛好說明了為什麼。廣為流傳的畫像統計，20 項裡有 11 項回不到原始出處。引用別人的數字寫策略簡報，看起來很專業，實際上是把決策建立在查不到來源的東西上。
可以立刻做的事只有 3 件。約 3 場訪談，一場成交的、一場流失的、一場考慮過但沒買的。錄音，48 小時內標記主題。把標記出來的原話貼進現有的畫像文件，看看哪幾行需要改。3 場訪談的成本大概是一個下午，產出的材料比任何一份二手報告都準，因為那是你自己的客戶說的。
喜歡這篇？讓行銷變好懂，訂閱銷波快。
資料來源
- Ideal Customer Profiles and Buyer Personas: Are They Different?blog.hubspot.com
- B2B Buyer Persona Researchtomba.io
- The Ultimate Guide to Doing Kickass Customer Interviewsuserinterviews.com
- Survey Design Best Practices 2026koji.so
- How to Build Ideal Customer Profile (ICP): Complete Guide 2026nightborn.com
- What Are Jobs to Be Doneparallelhq.com
- JTBD 用戶任務待辦框架howxm.com
- 小紅書人群宇宙白皮書 2026caifuhao.eastmoney.com
