感官差異分析怎麼做？從比較、測試到客觀判讀

當兩支咖啡、兩套參數或兩個配方需要比較時，很多人會直覺地把樣品排在桌上，請大家喝喝看有沒有差。

但一場可以支持決策的感官測試，不只是在比較風味，更需要先把問題、方法與判讀方式設計清楚。

第一步：先定義真正要回答的問題

測試開始前，應先確認我們想知道的是「兩個樣品能不能被辨認出不同」，還是「差異來自什麼風味」，或「哪一個比較受喜歡」。

差異性分析只回答是否存在可辨識差異，不會直接說明哪一個比較好，也不會自動指出酸度、甜感或香氣是哪一項改變。

第二步：依問題選擇適合的方法

三角測試

受測者會拿到三個樣品，其中兩個相同、一個不同，任務是找出不同的樣品。這是咖啡與食品品質比較中常見的方法。

Duo-trio 測試

受測者先取得一個參考樣品，再從兩個待測樣品中找出與參考樣品相同者。當測試需要明確參考基準時，可以考慮使用。

五取二測試

受測者會拿到五個樣品，其中兩個屬於一組、三個屬於另一組，任務是辨認出兩個同組樣品。方法的猜中機率較低，但對受測者的負擔也較高。

第三步：除了測試變因，其他條件應盡量一致

如果想比較兩種咖啡豆，沖煮比例、研磨、水溫、時間、杯具、盛裝量與樣品溫度就應盡量一致。

否則，即使受測者能分辨樣品，也無法確認差異究竟來自原料，還是其他沒有控制好的條件。

第四步：用編碼、盲測與順序平衡降低偏差

樣品不宜直接標示品牌、產地或新舊版本，而應使用不帶暗示性的隨機編碼。

測試順序也應平衡。若所有人都先喝同一杯，溫度、疲勞或前一個樣品留下的味覺，都可能影響結果。

透過編碼、盲測與順序平衡，可以降低預期心理及呈現順序造成的偏差。

第五步：先記錄選擇，再討論風味

正式測試時，應先讓每位受測者獨立完成判斷並留下紀錄。

如果大家一邊喝、一邊公開討論，很容易互相影響。較有經驗或表達較強勢的人，也可能無意間改變其他人的選擇。

差異性測試應先完成個別判斷，再視需要進行後續討論，才能保留每一筆原始反應。

第六步：用統計判讀，不只看多數決

假設二十個人之中有十一個人答對，這是否代表兩個樣品真的不同？

不能只看「答對的人比較多」，還需要考慮測試方法原本的猜中機率、參與人數，以及設定的顯著水準。

統計判讀與犯錯風險（p 值）

p 值用來評估：在假設兩個樣品其實沒有可辨識差異的前提下，目前或更極端的答對結果由偶然產生的可能性。它能協助我們判斷誤將偶然結果視為真實差異的風險。

p 值不是咖啡好不好喝的分數，也不會直接說明差異來自哪一項風味。它只是在既定測試設計下，協助判斷目前的答對結果有多大可能只是偶然。

第七步：把結果轉成可以執行的決策

測試結果應回到原本的商業或品質問題。例如：

• 新原料是否可以替代原料？
• 設備調整是否造成可辨識的風味改變？
• 配方修改是否需要進一步描述性分析？
• 保存條件是否已影響產品穩定性？

若發現可辨識差異，下一步可能是進一步描述差異或測試偏好；若沒有足夠證據顯示差異，也應考慮參與人數、測試敏感度與方法是否適合，而不是直接宣告兩者完全一樣。

客觀不是排除人的感官

感官分析的目的，不是把人的經驗拿掉，而是透過清楚的問題、合適的方法、變因控制與統計判讀，讓人的感官成為可以被記錄、比較與重複驗證的資訊。

當測試設計得更好，團隊討論就不必停留在誰比較會喝，而能回到證據是否足以支持下一個決策。