电视台在街头问了100个人，让他们在三个新角色里挑一个。画面上是A 44人、B 32人、C 19人，另外5人给了别的答案。这时候就有个更有意思的问题：
如果网络投票有100万票，街头只问了50个人，哪个结果更有价值？
上统计课，老师多半会说“随机抽样、有代表性才重要”。但放到营销里，事情没这么简单。自己找到投票页面、还真去投票的人，确实会让结果有偏差，可他们同时也是真的对这个产品或角色有反应的人。
这次Suica还有一点要说清楚：A、B、C不是网友随手丢上来的方案。JR东日本的评选委员会先筛出三个正式候选，才交给大家投票。所以B也是正式入围的决赛候选。
为了好玩，本文把紫色兔子B叫作“B君（有毒）”。这不是官方名字，也没人真的检测过毒性。
1. 缺的不是“基数”，而是样本量
平时大家爱说“基数太小”，但这里实际变多变少的是回答问题的人数，也就是样本量。
假设是简单随机抽样，取结果最不确定的50%附近，95%置信区间的最大误差大致是：50人约±14个百分点，100人约±10个百分点，1,000人约±3个百分点，100万人约±0.1个百分点。
所以，如果抽样方法一样、调查对象也一样，人当然越多越准。
关键就在“方法一样”。
街头的100人，可能只来自一个地点、一个时段、某一天，而且只有愿意停下来回答的人。网络上的100万票，要是只有想参加的人才来投，也不等于从全国随机抽了100万人。
样本量能减少偶然的波动，但没办法自动消除“什么样的人更容易被选进来”带来的偏差。
2. 就算有100万票，也可能“特别精确地错”
自愿投票的麻烦在于：喜好不只影响“投谁”，还影响“来不来投”。
举个极端的例子。
假设真实情况是A派和B派各占一半。可是A派特别狂热，有20%的人去网上投票；B派比较佛系，只有1%的人去投。
如果两边各有5,000万人，结果就是A 1,000万票、B 50万票。看起来是A约95%、B约5%。
一共1,050万票，数量大得吓人。
可它量出来的不是全体人的喜好，而是肯动手去投票的人都是谁。
这就是可怕的地方。人数越多，偶然误差越小，每次得出的数字都差不多。但如果选人的方式本身有偏差，就会变成“稳稳地围着一个错误的数字转”。
Pew Research Center也研究过网络自愿参加的调查：把样本从2,000人扩大到8,000人，估计值的波动明显变小，但和基准相比的偏差几乎没有改善。
数据多是好事，但它不是能把错误抽样洗干净的圣水。
3. 但在营销里，那群“有偏差的人”可能正是你要找的
说到这儿，逻辑就反过来了。
如果想知道的是“所有人在同样条件下看到三个方案，会选哪个”，那有代表性的随机抽样更合适。
可如果企业想了解的是这些人：
- 会主动跑到投票页面的人
- 对Suica或这个角色感兴趣的人
- 会在社交平台上聊的人
- 会买周边、会参加活动的人
- 可能真的帮新角色传开的人
那么，自愿参加的这群人就不只是“数据污染”，而可能是最重要的一批客户。
错的不是用自愿投票，而是把“自愿投票者的喜好”说成“所有人的喜好”。
反过来也一样：为了凑一个全国平均，把大量毫不关心的人混进来，反而可能冲淡真正会买、会传、会参与的人发出的信号。
营销要的不是抽象的“零偏差”，而是量到跟决策真正相关的人。
4. Suica投票不是“什么都能参赛”的人气赛
JR东日本公布的评选流程很关键。
官方说明里，项目先收集集团内部对新角色的期待，再由年轻创作者画出原案，2026年8月由评选委员会选出三个设计。之后从9月8日到9月23日23:59开放公众投票，核查无效票后，得票最多的候选就成为新形象角色。
A是橙色松鼠，B是象征向未来跃进的紫色兔子，C是一只橙色的小生物，挎包里还装着一只鼹鼠。
所以B君（有毒）是正式通过评选委员会的决赛候选。
这点相当重要。企业先看品牌合不合适、角色立不立得住，再去测用户的人气。也就是：
企业先筛选 → 大家再投票
两步走。
这样设计，与其说是“大众投票，把专业判断扔了”，不如说是专业方先划出能用的范围，再在范围里看市场反应。
B君（有毒）不是野生毒物，而是已经过初筛的毒物。不对，它不是毒物。
5. 街头100人和网络大量投票，回答的是不同的问题
电视街访得出A 44、B 32、C 19，这个结果本身并不是没价值。
反而挺有意思。
如果受访的多是平时没关注这个活动的路人，那它很可能反映“普通人第一眼看到会选哪个”的第一印象。
而官方网络投票量的是：知道这个活动、点进页面、真的投了一票的人，最后选了谁。
这两种调查不是互相竞争，量的人群本来就不同。
街访更接近大范围人群的第一反应， 网络投票更接近参与者真正做出的选择。
而且如果最终目的是“让更多人用”，还得看别的指标：认知度、好感度、使用意愿、活动参与、周边购买、社交传播，以及实际使用行为。投票量的是喜欢，不是直接量“能带来多少使用量”。
票数只是指标之一，不是最终Boss。
6. 为什么B君（有毒）在营销上很有意思
新角色刚公布时，网上很多人喊“把企鹅还回来”。但当天就有人开始画同人图，也有报道提到“越看越可爱”“三个都留下吧”这样的声音。
对角色来说，这个走势挺强的。
第一眼就拿满分的角色当然强。但还有一种强：一开始让人觉得“这什么玩意儿”，后来被起了名字、被画、被玩梗，慢慢越看越顺眼。
人反复看到同一个东西，在一定范围内会越来越有好感，这叫“单纯曝光效应”。一项汇总81篇研究的元分析发现，整体上确实是正向效果，但也不是看多少次就会无限喜欢，还出现过先升后降的倒U形。
重点不是什么“一开始被讨厌反而赢”的可疑秘诀。
连反感也算在内、一直有人在聊的角色，自己就能增加被看到的次数。
没人理，就不会挨骂。 但没人理，也很难有同人图。
7. 脉脉是不是“因为一开始被嫌弃”，才让世博会成功的
说到这个，就会想起大阪·关西世博会的脉脉。
刚亮相时，很多人觉得别扭、批评声也不小，后来靠着曝光、周边、社交媒体和各种二次创作，喜欢它的人越来越多。讨论Suica新角色的报道里，也拿这种“从拒绝到喜欢”的变化和脉脉做过对比。
世博会本身，根据日本经济产业省2026年的成果报告，184天里约有2,902万人入场，运营收支最多盈余约370亿日元，经济波及效果约3.6万亿日元。
不过这里别把因果说得太满。
“脉脉一开始被骂，所以世博会才成功”，这一点并没有被证明。
成功靠的是展览内容、活动、口碑、交通、运营、票务、季节、媒体曝光等一大堆因素。
但只看角色本身，下面这条路是说得通的：
觉得怪 → 被讨论 → 反复看到 → 被玩梗 → 想拥有 → 产生感情。
所以不能断定反感就是“成功的燃料”，但有时它能成为制造知名度的摩擦力。
用游戏的说法，脉脉可能自带一个被动技能，能把早期的骂声直接转成经验值。当然，这只是比喻。
8. 截至2026年9月23日晚，官方没有公布“目前第一名”
这里数字一点都不能夸大。
JR东日本官方页面写明，投票时间是2026年9月8日到9月23日23:59，每人一票，核查无效票后，由得票最多的候选胜出，新角色预计11月18日公布。
截至写这篇文章时，官方没有公布中途的得票数，也没有“现在A多少万票、B多少万票”这样的排名。
所以本文说的“网络100万票 vs 街头50票”，只是用来思考调查价值的假设对比，不是说这次Suica投票已经有100万票。
网上能看到的，是气氛从最初的反弹，慢慢变成同人图和“全都喜欢”。但这不能解读成“B现在领先”。
B君（有毒）的开票快报，还在等神谕。
9. 结论：票的价值不只看人数，更要看你想了解谁
不是100万票就一定比50票强。 50人的随机抽样，有时比100万次自愿点击更能代表全体人。
反过来，也不是自愿投票就没有营销价值。 如果你想了解的就是高热度的用户，大量自愿投票反而是很直接的数据。
大致可以这样理解：
数据价值 ≈ 样本量 × 调查对象与目的是否匹配 × 选人方式是否合理 × 离真实行为有多近
你想知道的是全国平均？ 现有用户？ 潜在新客户？ 愿意去投票的粉丝？ 还是能真的带动使用和购买的角色？
这些不先定下来，光比“100万对50”，就成了两个数字的怪兽大战。
这次Suica是企业先筛出三个正式候选，再让公众投票。所以官方投票更适合看成：在已经获准的候选里，选出参与者反应最强烈的那一个，而不是一场全国民意调查。
最后是A赢、C冲上来，还是紫色的B君靠着可疑地强壮的兔腿把一切都带走？
统计学能老实说的，就只到这里。
