2026年市场调研方法与市场预测技能培训试卷

2026年市场调研方法与市场预测技能培训试卷一、单项选择题（每题2分，共20分。每题只有一个正确答案，请将正确选项字母填入括号内）1.在2026年快消品新品上市前，企业希望用最小成本快速验证“包装颜色对首次购买意愿的影响”，最优先采用的调研技术是（）A.眼动追踪实验室B.A/B测试+移动端微调研C.入户深度访谈D.零售终端神秘顾客2.某SaaS公司欲用“双漏斗”模型预测2026Q2付费转化率，已知线索总量L=48000，营销合格线索率α=0.18，销售合格线索率β=0.25，成交率γ=0.12，则预计成交客户数最接近（）A.259B.518C.1036D.20723.当调研总体呈现“长尾、高离散”特征且预算受限时，下列抽样方式中偏差风险最小的是（）A.简单随机抽样B.分层配额抽样C.雪球抽样D.自适应网络抽样4.在2026年欧盟《通用数据治理条例》升级版框架下，使用第三方Cookie做跨域行为归因前必须完成的合规步骤是（）A.向国家网信办申请跨境数据出境安全评估B.获得用户明确同意并保留可审计日志C.采用k-匿名技术使样本量k≥1500D.将原始日志迁移至公有云区域5.某品牌计划用“情绪识别+EEG”联合方法测试广告片引发的情绪波动峰值时刻，下列指标中最适合作为二次传播潜力代理变量的是（）A.frontalalpha不对称指数B.皮肤电导水平SCLC.心率变异性HF功率D.眼跳扫视路径熵6.在2026年主流大模型辅助的定性研究中，为保证“提示词污染”最小化，下列做法最有效的是（）A.预训练阶段注入品牌私有语料B.采用双盲回译法对原始访谈记录脱敏C.让受访者与大模型直接对话D.用温度参数=0.9生成开放式追问7.使用GoogleTrends预测2026年“露营经济”关键词热度周期，若采用STL分解，其季节性窗口长度应设置为（）A.7天B.30天C.52周D.365天8.某新能源汽车品牌欲构建“充电焦虑”细分人群画像，最佳数据融合顺序是（）A.车联网OBD数据→社媒文本→定量问卷→CRM交易B.定量问卷→社媒文本→CRM交易→车联网OBD数据C.CRM交易→车联网OBD数据→社媒文本→定量问卷D.社媒文本→定量问卷→CRM交易→车联网OBD数据9.在2026年主流因果推断框架中，用于校正“自选择偏差”且不要求随机实验的方法是（）A.双重差分法B.倾向得分匹配C.合成控制D.断点回归10.某零售集团用“概率图模型+贝叶斯更新”预测门店日销售额，若先验分布为N(μ₀=12万,σ₀²=4万)，当日实时销售数据为14万，似然方差σ²=1万，则后验均值最接近（）A.12.0万B.12.8万C.13.2万D.13.6万二、多项选择题（每题3分，共15分。每题有两个或以上正确答案，多选、少选、错选均不得分）11.2026年“零方数据”采集场景下，品牌可合法获取的原始数据包括（）A.用户主动填写的风格偏好测验B.经用户授权的情绪语音片段C.浏览器默认HTTPRefererD.会员自愿上传的衣橱照片E.门店Wi-Fi探针无提示抓取MAC地址12.使用LaTex公式表示的指数平滑预测模型中，能够直接输出“预测区间”的扩展方法有（）A.简单指数平滑加Bootstrap残差重抽样B.Holt-Winters加法季节模型C.ETS(M,A,M)状态空间模型D.布朗二次指数平滑E.θ-forecasting组合模型13.在2026年主流“合成数据”生成流程中，可提升隐私保护强度的技术有（）A.差分隐私噪声注入B.生成对抗网络(GAN)C.可逆数据变换D.隐私预算累加器E.联邦学习聚合14.某跨境DTC品牌拟用“数字孪生”技术模拟2026年黑五销量，下列变量必须纳入孪生体“边界条件”的有（）A.实时汇率B.国际航班运力C.海外仓拣货效率D.社交媒体情感极性E.第三国关税突变15.在“可解释AI”框架下，用于解释黑盒预测模型“全局特征重要性”的方法有（）A.SHAP值聚合B.LIME局部近似C.PermutationImportanceD.PartialDependencePlotE.CounterfactualExplanation三、判断题（每题1分，共10分。正确请填“√”，错误填“×”）16.2026年国内《个人信息保护法》实施细则允许企业在“最小必要”原则下，将用户调研原始录音用于训练大模型而无需再次告知。（）17.使用贝叶斯结构时间序列模型BSTS做市场干预效果评估时，先验超参数对后验因果效应估计的影响随样本量增加而趋于零。（）18.在眼动热力图分析中，注视时长与购买转化率的相关性一定呈单调递增。（）19.“合成控制法”要求处理单元数量远大于控制单元数量，否则无法构造权重矩阵。（）20.2026年主流语音情绪识别API已支持对粤语、吴语等方言的情绪维度PAD（愉悦度-激活度-优势度）输出。（）21.当采用分层贝叶斯模型预测低频高客单品类销量时，若层间方差σₐ²→0，则模型退化为完全池化模型。（）22.在移动端问卷中，使用“滑块量表”比传统Likert量表更能降低社会期望偏差。（）23.使用双重机器学习(DML)估计平均处理效应时，若混淆变量维度p>n，则必须先做变量筛选才能保持一致性。（）24.2026年Google已彻底淘汰第三方Cookie，因此基于Chrome的跨域再营销归因已无法使用任何替代ID方案。（）25.在“元宇宙”虚拟店铺实验中，若用户以Avatar形式漫游，则其停留时长对真实购买意愿无预测效力。（）四、简答题（每题10分，共30分）26.简述2026年“零方数据+第一方数据”融合洞察的三步法，并指出每一步最需警惕的合规风险点。27.某母婴品牌计划用“数字孪生门店”测试2026年新品陈列方案，请给出构建孪生体的最小可行数据清单（MVDP），并说明如何用“在线-离线混合强化学习”迭代陈列策略。28.说明如何用“差分隐私+合成数据”技术路线，在保护用户隐私的前提下，向外部咨询机构共享高保真购物篮数据，并给出ε的推荐取值区间及理由。五、计算与分析题（共25分）29.（10分）某连锁咖啡品牌2025年12月试点“碳足迹可视化”标签，欲评估其对单店日销量的因果效应。采集10家试点店、30家对照店在试点前后各30天的日销量数据。已知：试点前试点店日均销量Ȳₜ₀=520杯，对照店Ȳ꜀₀=500杯；试点后试点店日均销量Ȳₜ₁=580杯，对照店Ȳ꜀₁=530杯；假设平行趋势成立，请用双重差分法计算平均处理效应ATT，并给出95%置信区间（已知合并标准误s_p=18杯，t₀.₀₂₅,₃₈≈2.024）。30.（15分）某3C品牌拟用ARIMA-GARCH模型预测2026年东南亚某国智能手机月销量Y_t。已采集2019年1月至2025年12月共84期数据，经检验lnY_t～I(1)，且残差存在条件异方差。请：（1）写出ARIMA(1,1,1)-GARCH(1,1)的完整模型方程（使用LaTex）；（2）给出参数估计的极大似然函数形式（使用LaTex）；（3）若估计结果为φ₁=0.35，θ₁=-0.42，ω=0.02，α₁=0.08，β₁=0.88，请计算2026年1月的一步ahead预测值条件方差hₜ₊₁，已知最新残差εₜ=0.05，最新条件方差hₜ=0.04。六、案例设计题（共20分）31.背景：2026年“微短剧”成为品牌内容营销新阵地，某美妆集团计划投入2000万元制作10部竖屏微短剧，目标提升Gen-Z人群（18-28岁）品牌喜爱度（BrandFavorability）≥8个百分点。请设计一套“市场调研+预测+效果评估”闭环方案，要求：调研阶段：说明如何用“神经科学+社媒聆听”组合方法，在剧本阶段即预测哪类情节设置最能触发Gen-Z的“惊喜”情绪；预测阶段：给出基于“情感曲线-传播动力学”耦合模型的播放量峰值预测公式，并说明校准方法；评估阶段：采用“合成控制+贝叶斯更新”实时评估投放效应，列出关键先验假设与鲁棒性检验步骤；预算：2000万元中调研与预测模块占比不超过12%，请给出费用拆分与人力配置。答案与解析（折行另起，勿与试题混排）一、单项选择题答案与解析1.BA/B测试可在48小时内回收>1000份样本，成本低于实验室。2.A48000×0.18×0.25×0.12=259.2≈259。3.D自适应网络抽样通过递归推荐，可覆盖长尾单元。4.B欧盟升级条例要求“可审计同意”。5.Aalpha不对称指数与社交分享相关系数最高（r≈0.42）。6.B双盲回译避免提示词泄露品牌信息。7.C露营经济以周为周期，年度窗口52。8.D文本先行可快速锁定焦虑关键词，再逐层验证。9.BPSM无需随机实验。10.D后验均值=(4×12+1×14)/(4+1)=13.6万。二、多项选择题答案与解析11.ABDC、E未经明示同意。12.ABCED不直接输出区间。13.ABDEC可逆变换易被逆向攻击。14.ACDEB航班运力影响可替代为物流时效代理变量，非必须。15.ACDB、E为局部或反事实解释。三、判断题答案与解析16.×需再次告知并取得单独同意。17.√伯恩施坦-冯·米塞斯定理保证。18.×存在倒U型关系，过长注视或引发认知负荷。19.×仅需≥1个控制单元即可合成。20.√主流API已支持七大方言。21.√层间方差为零即完全池化。22.×滑块量表仍可能受社会期望影响。23.√高维需正则化或筛选。24.×Chrome支持PrivacySandboxTopicsAPI替代。25.×实验表明Avatar停留时长与真实意愿相关系数0.31。四、简答题答案要点26.三步法：①零方数据收集（测验、投票）→②第一方数据打通（CRM、交易）→③联合建模（情感-行为耦合）。合规风险：①同意granularity不足；②再识别风险；③模型逆向泄露。需动态脱敏、差分隐私、联邦学习。27.MVDP：①门店三维CAD图；②SKU级销量时序；③客流动线激光雷达点云；④陈列坐标-销量关联表；⑤促销事件日志。强化学习：状态s=陈列矩阵+库存；动作a=调整坐标；奖励r=孪生体模拟毛利-调整成本；用离线Q-ensemble预训练，在线ThompsonSampling探索，每24h更新。28.路线：①原始数据加DP噪声（ε=1.0）→②GAN训练→③生成合成数据→④第三方建模。ε∈[0.5,2]：过小导致效用丧失，过大隐私风险陡增；可用MomentsAccountant累加，δ=10⁻⁶。五、计算与分析题答案29.ATT=(580-520)-(530-500)=30杯；标准误18杯；95%CI=30±2.024×18→[-6.4,66.4]杯。含零，提示统计不显著，需扩大样本或延长试点周期。30.（1）{(1（2）似然函数ℒ（3）hₜ₊₁=0.02+0.08×0.05²+0.88×0.04=0.02+0.0002+0.0