研究目的

本研究以科學化感官分析與消費行為問卷進行對消費者喜好性的預測模式建立的探討。​

研究架構

利用中臺科大執行冷泡茶、熱泡茶及不同茶品種共14種樣品為標的，以85(冷泡)~99(熱泡)位年輕族群為對象，以喜好排序、喜好度與選擇適合消費者用語進行對消費者消費行為的關連性建立預測模式。​

研究方法

• (一)共有7種茶，進行熱泡與冷泡兩組試驗，分別蒐集多種喜好性、CATA描述與消費者行為數據。本研究擷取CATA描述語及實際喝7種茶的喜好排序、只看茶種名稱的喜好排序與喜好度等進行多變量分析，並利用Friedman LSD比較兩種方式排序的結果。​
• (二)高頻率(常喝)與低頻率(不常喝)的界線是以一周喝一次以上為高頻率，一周喝一次一下視為低頻率。​
• (三)統計方法：分別使用The Unscrambler 進行多變量分析及MakeSense SERD進行Friedman test​

研究結果

由於喝茶頻率高低應影響結果，因此我們分開高低組來觀察數據。​

在多變量分析中，可以看到[CATA描述語對實際喝過的喜好排序預測]及[CATA描述語對茶種名稱喜好的預測]效力，都低於[茶種名稱喜好對實際飲用喜好順序的預測]效力。且都屬於低顯著相關的概念。惟顯示CATA描述法雖然是以消費者進行的方法，但消費者用語並無法預測消費者的喜好性。反而是茶種名稱的喜好與實際飲用的喜好相關性高些。(如表一)​

而[CATA描述語對實際喝過的喜好度有較高的預測]效力，惟仍低於0.5(通常低於0.5者皆屬於低相關)。且與喜好性觀的描述語在四個族群中均為舒服的與順口的，並無法更進一步顯示與喜好有關的產品特性是什麼。(如表一)​

表一、CATA描述語預測效力​
		描述語預測實際飲用後 喜好排序	描述語預測茶種名稱之 喜好排序	茶種名稱排序預測實際飲用 喜好排序​	描述語預測實際飲用後 喜好度分數​
冷泡茶	高頻	0.06	0.06	0.24	0.47
	低頻	0.14	<0.01	0.16	0.41
熱泡茶	高頻	0.02	0.02	0.11	0.48
	低頻	0.02	0.12	0.12	0.48

多變量分析的結果雖然模式顯著性低，但是因為可以從二維的方式判讀，可以看到更多的分組分群的方式。

根據象限觀察，部分茶種語描述語有可能相關。​

冷泡茶飲用頻率高峰消費者之描述語用來預測實際飲用茶品種喜好排序來說，東方美人、日月潭紅與鐵觀音在同一象限，並且可能較能解釋的描述與為澀味；碧螺春綠則為不舒服、決明子、琥珀色等等；兩種烏龍與文山包種則同在一象限並且較能解釋的描述語為回甘有勁、韻味悠長、持久等等。​

熱泡茶飲用頻率高峰消費者之描述語用來預測實際飲用茶品種喜好排序來說，高山烏龍、凍頂烏龍、文山包種與鐵觀音都在同一象限，沒有接近的描述語；而碧螺春綠與日月潭紅茶則在反向的另一象限，並且與之同方向的形容詞為具有文化的、茶香氣的。東方美人茶單獨在第三個象限，並且被韻味悠久、甜味的感官特性等描述語環繞。

常喝冷茶飲者對7種茶種的喜好性有明顯區隔，顯示凍頂烏/高山烏/文山包較屬於同一象限；鐵觀音/日月潭紅/東方美人屬同一象限。

不常喝冷茶飲者則文山包與凍頂烏較接近；鐵觀音與高山烏較接近。

兩族群差異明顯。

常喝熱茶者，認為鐵觀音/文山包/高山烏/凍頂烏較接近；
不常喝熱茶者，認為碧螺春/高山烏/凍頂烏較接近；日月潭紅與文山包較接近。

若將比較排序法與喜好度法結果，兩種方法所產生的結果並不相同。可能來自實驗操作或方法特徵，的確有個別品評員填答得數據不一致的問題。有關方法對結果的影響，尚需後續研究確認。

方法	熱泡喝排序	熱泡看排序	熱泡喝最高喜好度
喜好結果	日月潭紅>碧螺春綠>東方美人	文山包種=日月潭紅=碧螺春綠	文山包種
方法	冷泡喝排序	冷泡看排序	冷泡喝最高喜好度
喜好結果	日月潭紅=東方美人=碧螺春綠	文山包種=碧螺春綠=東方美人	文山包種=凍頂烏龍

從排序法(Friedman LSD)而言，消費者表達喜好排序程度在實際喝與只看產品名稱都可以看到茶種間的顯著效應與差異，喝的比看名稱的兩兩顯著差異較多組。

回到 專業論文 列表