一份 137 人的手機消費研究，把三條最常見的行業直覺挨個處死。背景先擺一句：它做的是蘋果中國業務，70 美元的折扣沒能止住跌勢，2025 年初股價又掉了 5%——研究想回答的是為什麼。直覺一：續航越長，滿意度越高。數據説 18 小時續航選項對滿意度顯著負向，β = -0.6154。直覺二：AI 越多越好。數據説沒有 ChatGPT 的用戶反而更滿意，係數 1.00677。直覺三：品牌好感越強，滿意度越高。數據説蘋果的品牌認知全場墊底，1.88 分，OPPO 拿了 2.74，可品牌選擇和滿意度的相關只有 0.064，p = 0.457，約等於沒有。順帶一提，訪談裏 12 個人有 10 個認為 iPhone 近年缺乏創新。三條直覺，全部打反。
四個假設一起死，就不是噪音
有人説，樣本才 137 人，反直覺的結果就是噪音，不必當真。單個結果存疑，合理。可這份研究裏被拒的假設不止一個：續航負向，無 AI 正向，品牌無關，方向一致地背離直覺。噪音的辯護理由是隨機，可這批結果連方向都不隨機。一個骰子擲出六點可以歸給運氣，四個假設接連倒向同一側，那就不是運氣——是直覺那張地圖本來就畫錯了。地圖錯成一片的時候，問題不在天氣。
假設被拒，是目的不是事故
也有人説，數據不支持假設，説明研究做砸了，該重做到出結果為止。做砸的標誌從來不是假設被拒，是被拒之後動手改數據。改數據的人通常不覺得自己在作惡，只覺得在修正誤差——可誤差的修正方向永遠朝着假設，這件事本身就説明有問題。假設先死是研究的目的，不是事故——研究花錢買的信息，恰恰藏在被拒的那一欄裏。死相記錄得越誠實，信息量越大；把死相修好看，等於把最值錢的數據燒掉。好的研究不負責證明研究者聰明，它只負責讓假設先死。
荒謬是線索，不是垃圾
還有人説，18 小時續航拉低滿意度、沒有 AI 反而更滿意，明顯荒謬，直接刪掉。明顯荒謬這四個字，正是直覺在説話。直覺不習慣被反駁，所以把反駁叫作荒謬。也許問卷設計真有缺陷——4 小時一檔、1000 元一檔的區間確實粗——那要改的是設計，不是把結果抹掉。數據説出荒謬的話，第一反應是查它是怎麼被問出來的，不是當它沒説過。荒謬是線索；扔掉線索的人，留下的才是垃圾。
先驗和後驗打架，輸的該是先驗
最後一種聲音：品牌認知 1.88 墊底卻和滿意度無關，結論太反常識，沒人敢用。常識是先驗，數據是後驗。先驗和後驗打架，輸的該是先驗——不然做研究做什麼，把常識抄一遍就夠了。行業自己也承認，這個發現挑戰了品牌認知直接影響滿意度的既有假設。常識被挑戰不丟人，被挑戰之後裝沒聽見才丟人。
結論的死因清單
先劃邊界：這項研究的區間設計和抽樣確實粗，方法缺陷值得另寫一篇，這裏不展開；137 人的樣本給出的也不是真理，是證詞，證詞要被下一個研究質證——可質證的前提，是先讓證詞説完。也不引申成對蘋果股票的判斷——開頭那句股價只是背景，不是論點，這篇只談方法。研究做完，產出不是一堆站得住的結論，是一份結論的死因清單：哪個假設死在哪條數據手裏，死相如何。假設的第一份工作，就是被處死，而且不用道歉。
