本次臺大管顧社有幸邀請到現任 McKinsey & Company Capabilities and Insights Specialist 的Rita Chen 來為我們進行分享。Rita 在麥肯錫累積超過 15 年的研究經驗，憑藉其專業背景，Rita 帶領我們深入剖析了研究專案的完整流程，幫助社內成員建立系統化的分析框架。
一、研究的四個步驟：從 Align 到 Deliver
在顧問專案中，研究並不是「一頭栽進去找資料」，而是必須有系統地推進。Rita 將研究工作拆解成 四個循序漸進的步驟：
1. Align
任何研究專案的第一步，都是與客戶或內部利害關係人釐清需求：
對齊專案目標：例如客戶想知道「要不要進入某新市場？」或「競爭對手的新產品會不會威脅到我們？」。
確認研究核心問題：在顧問的語境裡，問題常常不是「資料不足」，而是「問題定義不清」。如果沒有對齊好，後續就可能白忙一場。
驗證假設：有些情況下，客戶已經有假設（如「新法規會讓市場快速萎縮」），這時顧問要幫忙確認該假設是否合理。
Rita 提醒：Align 其實是「研究專案能否成功」的關鍵。如果出發方向錯了，後面的努力再多也沒有意義。
2. Plan
在明確問題後要思考：我們要怎麼得到答案？
資料可得性檢查：在確定研究範圍後，迅速評估是否能取得正確且即時的資料，我們需要先快速掃描有沒有現成數據。
建立 Driver Tree：如果沒有現成數據，就要透過 Driver Tree 把問題拆成多個可以蒐集或估算的變數。Driver Tree 通常不會只建立一個，而是兩到三個版本，以利在後續 Research 時發現假設有問題、數字找不到時有替代方案。
規劃研究方法：選擇要走定性（訪談、焦點團體）還是定量（問卷、數據分析），或兩者結合。
這個階段就像是在規劃地圖，確定路線，才不會研究到一半走偏。
3. Research
規劃確定下來之後，就會進入真正的資料蒐集步驟。
多路徑驗證：避免單一數字來源，要嘗試用不同驅動樹或不同資料去驗證。
檢查異常值：如果估出來的數字偏離常理，代表假設可能要修正。
專家與客戶訪談：很多時候市場公開資訊有限，就需要與專家或客戶進行訪談核實，確認市場成長率等關鍵數據的合理性。
Rita 強調，這個步驟的關鍵不在於「找到完美數字」，而是「建立合理的數字範圍」。
4. Adjust & Deliver
最後一個步驟，就是把資料轉化為能讓客戶採取行動的洞察。
形成整體觀點：不只是給數字，而是解釋數字背後的故事。
交付結論：顧問最常做的，是提供「數量級的概念」而非「精準到小數點的數字」。
例如：當被問到「Netflix 在台灣的營收有多大？」時，Rita 提到顧問可能會回答「大概在 50–80 億之間」，而不是說「精準是 52 億」。因為客戶要的不是「正確答案」，而是「能幫助決策的方向」。
二、案例解析：Garilla 與市場規模估算
在掌握了研究的四個步驟之後，Rita 進一步用一個假設案例來示範這些方法如何落地：想像你的客戶是 「Gorilla」，一家專注服務台灣大學生校園的美食外送平台。客戶想知道：目前的市場有多大？未來還能怎麼成長？
1. 不同層級的市場定義
市場規模其實並不是單一數字，而是分層級的：
Revenue：Garilla 自身的營收，反映公司現況。
SAM (Serviceable Addressable Market)：Garilla 及類似競爭者的市場營收，例如所有專注於大學生校園外送的業者。
TAM (Total Addressable Market)：整個台灣外送平台市場的總營收，包含 Uber Eats、Foodpanda 等。
Groove TAM（延伸 TAM）：如果將服務拓展到其他領域（生鮮、鮮花、叫車等），潛在市場會有多大？
這樣的分層能幫助我們清楚區分「公司現況」、「直接競爭範圍」以及「更廣泛的潛在機會」
2. 市場規模估算常見問題
Rita 也分享，在顧問專案或 Case Interview 中，市場規模估算往往會進一步延伸成一系列常見問題，例如：
市場如何定義？
目前市場規模有多大？總體可觸及市場是多少？
市場是如何被細分的（依產品、客戶規模、價格帶等）？
過去五年推動市場成長的主要趨勢是什麼？未來五到十年可能會如何變化？
哪些是影響市場成長最重要或最敏感的變數？這些因素對公司有什麼影響？
市場成長的主要風險是什麼？
這些問題的設計，不是為了得到「唯一正確答案」，而是為了訓練我們用結構化的方式思考，並能解釋市場有多大、成長潛力在哪裡，以及風險與機會分別是什麼。
三、研究方法
在完成市場規模估算的演練後，Rita 和我們分享她將專案中常見的研究途徑，大致歸納為以下五大類：
Primary Research：指第一手、未經整理的原始資料，例如：客戶的內部數據、銷售點（POS）資料等。
Secondary Research：來自已公開的資料，如產業分析師報告、學術報告、新聞媒體報導、公司官方網站等。這類資料通常包含分析師的假設與不確定性。
Qualitative Research：透過觀察消費者行為和購物模式，以深入了解現象。常見方法包括： focus group、神秘客調查（如：shop along)等
Quantitative Analysis：主要指問卷調查，包括實體問卷或線上問卷，用於獲取大量可量化的數據。
Others：目前最值得關注的是 AI 工具的應用，能大幅縮短網頁搜尋和大量新聞檢索的時間，不過 Rita 也提醒我們在使用 AI 工具做研究時要注意以下三點：
資料來源不可靠： AI 可能引用來自不正規市場研究公司的虛假數據 (dummy data)。務必回溯查證 AI 提供的所有來源，排除不可靠或可疑的網站
模型限制： 需了解各 AI 模型的限制，同時也要評估 AI 提供的方向是否受其「愛奉承」的特性影響，保持批判性思考
機密性 (Confidentiality/Computationality): 這是一個重要但容易被忽略的問題，客戶敏感資料可能不允許上傳至雲端或 AI 工具，以避免資料外洩和違反保密協議
透過這次社課，Rita 帶我們從「研究的四個步驟」出發，逐步走到市場規模估算的實務，再到五大研究方法的全景圖。我們可以看到，顧問並不是單純追求一個精確的數字，而是透過 dirver tree、研究方法與 critical thinking，幫助客戶理解市場的「數量級」與「方向性」。然而，研究並非僅止於資料蒐集，而是將零散訊息轉化為可行性建議的過程，無論是在專案工作、Case Interview，甚至未來的職涯發展中，這樣的思維模式都將成為我們最重要的資產！
