電視街訪對100人進行選擇，畫面顯示A 44人、B 32人、C 19人，另有5人給出其他回答。真正有意思的問題不是「這個小調查誰贏了」，而是：
如果網路投票有100萬票，街頭只問了50個人，哪一個結果更有價值？
統計學會提醒我們注意隨機抽樣與代表性。但到了行銷場景，不能只停在這裡。主動找到投票頁並完成投票的人，雖然會造成自我選擇偏差，但他們同時也是「真的對商品或角色產生反應的人」。
Suica這次還有一個重要前提：A、B、C不是網友隨手丟上來的野生方案。JR東日本的選考委員會先篩到三個正式候選，再交給公眾投票。B當然也是正式決賽候選。
為了保留一點笑點，本文把紫色兔子B稱為「B君（有毒）」。這不是官方名稱，也沒有任何毒理檢測含義。
1. 真正不足的不是「母數」，而是樣本數
日常語言裡常說「母數太小」，但這裡直接改變的是接受調查的人數，也就是樣本數。
如果假設是簡單隨機抽樣，並取最不確定的50%左右比例，那麼95%信賴區間的最大誤差大致為：50人約±14個百分點，100人約±10個百分點，1,000人約±3個百分點，100萬人約±0.1個百分點。
因此，如果抽樣方法相同、目標母體相同，人數當然越多越精確。
關鍵就在「方法相同」。
街頭100人可能只來自一個地點、一個時段、某一天，而且只有願意停下來回答的人。網路100萬票如果是完全自願參加，也不等於從全國隨機抽出了100萬人。
樣本數能減少偶然波動，但不會自動消除「誰更容易進入樣本」造成的系統性偏差。
2. 100萬票也可能「極其精確地偏向錯誤方向」
自我選擇投票的問題在於，偏好不只影響「投誰」，還可能影響**「來不來投」**。
假設真實市場中A派與B派各占50%。但A派很狂熱，有20%的人參加網路投票；B派比較淡，只有1%的人投票。
如果兩邊各有5,000萬人，就會出現A 1,000萬票、B 50萬票。結果看起來是A約95%、B約5%。
總票數1,050萬，規模大得嚇人。
但它測到的不是全民偏好，而是願意行動並投票的人由誰組成。
樣本越大，隨機誤差越小，結果也越穩定。但如果進入樣本的機制本身有偏差，就可能出現「每次都非常穩定地圍繞一個偏值」。
Pew Research Center對網路自願參加調查的研究就顯示，把樣本從2,000擴大到8,000，估計值的隨機波動明顯變小，但與基準相比的偏差幾乎沒有同步消失。
更多資料很好，但它不是清洗錯誤抽樣方式的聖水。
3. 可是在行銷裡，那群「有偏的人」可能正是目標
這裡邏輯會反轉。
如果問題是「所有人都在同樣條件下看到三個方案時會選哪個」，那麼代表性更強的機率抽樣比較合適。
但企業可能更想知道這些人的反應：
- 會主動進入活動頁面的人
- 對Suica或角色本身有興趣的人
- 會在社群平台討論的人
- 會購買周邊或參加活動的人
- 可能真正幫助新角色傳播的人
這時，自我選擇人群不只是統計污染，也可能是最重要的客群之一。
錯誤不在使用自願投票，而在把「自願投票者的偏好」直接說成「所有人的偏好」。
反過來也一樣：為了追求全國平均，把大量完全無感的人混進去，反而可能稀釋真正會消費、傳播、參與的人群訊號。
行銷追求的不是抽象的「零偏差」，而是測到真正與決策有關的人。
4. Suica投票並不是「什麼都能參賽」的人氣賽
JR東日本的正式流程非常關鍵。
官方說明顯示，專案先彙整集團內部對新角色的期待，再由年輕創作者製作原案，2026年8月由選考委員會篩出三個設計。之後從9月8日至9月23日23:59進行公眾投票，檢查無效票後，以有效票最多的候選作為新形象角色。
A是橘色松鼠，B是象徵向未來躍進的紫色兔子，C是一個橘色生物，側背包裡還裝著一隻鼴鼠。
所以B君（有毒）是正式通過選考委員會的決賽候選。
這個流程可以寫成：
企業與創意端篩選 → 公眾選擇
公眾不是在全世界所有設計裡亂選，而是在企業已經判斷為「可以採用」的範圍內進行選擇。
因此B君不是車站後面撿到的野生毒物，而是經過初篩的毒物。再次強調，這是比喻。
5. 街頭100人和網路大量票，其實回答的是不同問題
A 44、B 32、C 19的街頭調查並非沒有價值。
如果受訪者大多沒有持續關注這次活動，它可能很好地反映「低參與度普通人第一次看到時的直覺選擇」。
而官方網路投票測的是另一件事：已經知道活動、進入頁面、並實際完成投票的人最後選了誰。
兩者不一定是互相淘汰的競爭資料。
街訪更接近廣泛人群的第一印象。 網路投票更接近參與者已經付諸行動的偏好。
如果最終目標是「讓更多人使用Suica」，還應繼續看知名度、好感度、使用意願、活動參與、周邊購買、社群擴散和真實使用行為。
投票測的是喜歡誰，不是直接測誰能增加實際使用量。
票數只是一個指標，不是最終Boss。
6. 為什麼B君（有毒）在行銷上很有意思
三個候選剛公布時，網路上出現了明顯的「把Suica企鵝還回來」之類反彈。但很快就出現同人圖，也有報導記錄「越看越可愛」「三個都留下吧」這樣的態度變化。
這對角色行銷很有意思。
第一眼就拿滿分的角色當然強。但另一種角色也可能很強：一開始讓人「這是什麼東西」，接著被取外號、被畫、被做成梗，最後因為反覆看到而逐漸熟悉。
人們反覆接觸同一刺激後，在一定範圍內可能提高好感，這通常被稱為單純接觸效應。一項彙整81篇研究的統合分析發現整體上存在正向效果，但也顯示效果可能呈倒U形，而不是「看得越多就無限喜歡」。
所以結論絕不是「先讓大家討厭就能成功」。
更值得注意的是：
一個能讓人持續討論的角色，會自己製造重複曝光。
沒有反應，就不會挨罵。 但通常也不會有那麼多同人圖。
7. 脈脈是不是「因為一開始被嫌棄」才讓世博會成功
最容易讓人想到的就是大阪·關西世博會官方角色脈脈。
它剛出現時同樣伴隨強烈的陌生感與批評，但隨著活動、周邊、社群媒體與各種二次玩梗，愈來愈多人建立了感情。討論Suica新候選的報導也把這種「從拒絕到喜歡」的變化與脈脈進行比較。
世博會本身後來交出了很大的可量化成果。日本經濟產業省2026年的成果報告稱，會期184天約有2,902萬人到場，營運收支最多約370億日圓黑字，經濟波及效果約3.6兆日圓。
但不能把因果關係寫成神話。
沒有證據證明「脈脈一開始被罵，所以世博會才成功」。
展覽、活動、交通、票務、營運、季節、媒體與口碑都可能影響最終結果。
不過只看角色本身，以下路徑是合理的：
陌生感 → 討論 → 重複曝光 → 玩梗與二創 → 想擁有 → 產生感情。
反感不能簡單稱為成功燃料，但有時可以成為製造認知的摩擦力。
如果把它說成遊戲，脈脈可能擁有「把早期反感轉換成經驗值」的被動技能。當然，這只是比喻。
8. 截至2026年9月23日晚，官方沒有公布「目前第一名」
JR東日本官方頁面寫明，投票持續到9月23日23:59，每人一票，核查無效投票後由有效票最多的候選勝出，新角色預計在11月18日公布。
截至本文資料核對時間，官方沒有公開即時票數，也沒有公布中間排名。
因此「網路100萬票 vs 街頭50票」是用來思考資料價值的假設比較，不是說本次Suica投票已達100萬票。
網路上能觀察到的是，輿論從最初反彈逐漸出現同人圖和「全部都喜歡」的聲音。但這不能被翻譯成「B目前領先」。
B君的開票速報還在等待神諭。
9. 結論：票的價值取決於你到底想了解誰
100萬份回答不一定永遠優於50份。 設計良好的50人隨機樣本，可能比100萬次自我選擇點擊更能代表全民。
反過來，自我選擇資料也不等於低價值。 如果決策最關心的是高參與使用者，大規模自願投票反而非常直接。
可以把資料價值粗略理解為：
資料價值 ≈ 樣本數 × 與目標人群的匹配度 × 選擇機制品質 × 與真實行為的接近程度
你要了解的是全民？ 現有使用者？ 潛在新使用者？ 願意主動投票的粉絲？ 還是能真正改變使用與購買的設計？
不先定義目標，只比較「100萬對50」，就會變成兩個數字的怪獸大戰。
Suica這次是企業先篩出三個正式候選，再讓公眾投票。因此官方投票更適合被理解為：在已經獲准的候選中，選出對參與者產生最強反應的那一個，而不是一場全國民意調查。
最後是A贏、C衝上來，還是紫色B君用可疑地強壯的兔腿把比賽全帶走，目前都不知道。
統計學能誠實說到這裡，就夠了。
