1.描述性統計與樣本特徵

首先，應全面展示受試企業與個體的基本資料，例如性別、年齡、產業分布、工作年資等。建議以表格呈現變數分佈，並對主要趨勢予以敘述：例如「女性佔比54%」、「平均工作年資為8.3年」。塞選出有代表性的指標以利後續分析。

進一步可利用直方圖、長條圖直觀展現年齡分布、產業比例、服務年資等數據，檢驗各變數是否符合常態分布假設，作為合理運用參數統計方法的依據。

2. 推論性統計與假設驗證

根據研究問題，針對量化資料採用以下分析技術：

• 多元迴歸分析：檢驗自變項（如數位行銷策略）對依變項（如顧客黏著度）的預測力，報告β係數、t值、p值及R²模型解釋力。
• ANOVA分析：比較不同產業、部門或規模企業間主要變數的平均差異。實施事後(Tukey)比較以找出顯著群組。
• 中介與調節效果：利用PROCESS巨集或相似工具，檢測變項間之中介路徑與調節機制，公布Bootstrap信賴區間及模式結果。

3. 質性資料主題歸納

針對訪談資料，依「主題分析法（Thematic Analysis）」歸納出具有理論意義的主題：

• 開放編碼：逐句標註資料單位，歸檔細節。
• 軸心編碼：彙整相似意義，形成次主題，此時可初步建構主題架構。
• 選擇性編碼：挑選最具代表性或解釋力的主題，並以具象訪談引述加以佐證。

最終，應將主題歸納結果整理為「架構圖」，直觀展現主題關聯及核心發現。

4. 結果與文獻對話

• 本項重點在於將本研究量化與質化結果與相關文獻逐一對照、解讀。
  • 若發現數位行銷策略顯著提升用戶黏著度，應與Smith et al.（2021）等人研究比對，指出相符之處及產生落差的可能背景。
  • 若策略在特定產業或規模群體產生不同效果，可利用表格、矩陣直觀亮點，明確交代本研究貢獻與獨特性。

5. 研究意涵與實務建議

理論面：指出本研究如何補足文獻在台灣上市中小企業「數位行銷模型」的不足，或為行銷理論帶來新解釋。

實務面：建議行銷主管聚焦於內容行銷與社群經營，強化顧客互動；人力資源主管可參考調查結果調整內訓課程。政策面則建議政府推動中小企業數位轉型集訓補助，提升企業競爭力並降低成本障礙。

6. 倫理反思與改進建議

• 回顧整體研究倫理實踐，例如在訪談前取得受試者書面同意，資料全程加密存放、公開成果時徹底匿名化。同時誠實檢省過程中的不足，如未能涵蓋跨地域樣本或建議未來結合焦點小組法，強化質性深度。