【6月4日是蟲蟲日】僅8%「完全不怕」,最多人回答「某種程度上不怕」——從7,569人的調查中看出人與蟲的「距離感」【SEO・AIO時代有效的原始數據・問卷調查委託】
由Media Seek株式會社營運的「ICONIT Research」公布了針對7,569名受訪者進行的「蟲」意識調查結果。雖然討厭蟲子的人佔54%過半數,但單一回答中「某種程度上不怕」以37.5%居冠,顯示出人們對蟲子的微妙距離感。該公司提供企業委託問卷調查服務,並活用此類原始數據。
📋 文章處理履歷
- 📰 發表: 2026年6月3日 17:00
- 🔍 收集: 2026年6月3日 08:20
- 🤖 AI分析完成: 2026年6月7日 02:03(收集後89小時42分鐘)
Media Seek株式會社在其累計下載量超過3,600萬次的QR碼/條碼掃描器應用程式「ICONIT」內,營運著每天對應用程式用戶進行問卷調查的「ICONIT Research」。
近年來,由於搜尋結果的變化和生成式AI的普及,支持資訊可靠性的依據比以往任何時候都更加受到重視。因此,「原始數據」備受關注。原始數據是指由公司直接收集或驗證所獲得的數據,而非其他公司的總結或推測,包括問卷調查結果、用戶實際使用數據、驗證數據等。
原始數據能提高文章、新聞稿、營業資料的說服力,不僅可用於SEO差異化,還可作為在AIO/LLMO(AI最佳化)中容易被引用和參考的依據。
ICONIT Research接受企業和組織的問卷調查委託,提供從問題設計到回收、統計、報告製作等諮詢服務。
本次新聞稿公布了針對7,569人進行的「蟲」意識調查結果。
問卷調查委託的對應範圍
回收方法:ICONIT應用程式內問卷
回收速度:每天最多可回收約10,000份回答
對象:ICONIT用戶(是否可指定屬性視案件而定)
問題類型:單選、複選等
交付項目:原始數據、簡單統計、交叉統計、圖表化等(可依需求調整)
應用場景範例:新產品概念驗證、廣告AB比較、價格敏感度調查、購買行為調查、品牌聯想調查、文章/節目內容製作等
對於希望以原始數據為核心,提高文章、影片、社群媒體貼文、新聞稿、白皮書、營業資料說服力的企業,我們提供從問題設計到回收、統計、報告的完整諮詢服務。
ICONIT Research的概要及委託流程請見下方:
https://www.iconit.jp/iconit-research/
調查結果重點
雖然討厭派(合計「有點討厭」和「非常討厭」)佔54%過半數,但在單一回答中,「某種程度上不怕」以37.5%居冠,顯示並非「完全由討厭蟲子的人組成」。
「完全不怕」僅佔8.2%,顯示「喜歡蟲子/完全不怕」的人是少數派。許多人對蟲子保持著一定的「距離感」。
討厭的理由以「外觀」、「無法觸碰」、「動作」為主流,核心是「感官上的厭惡感」。
(註:數值因四捨五入,合計可能未達100%。)
問卷調查結果
※如有關於回答者屬性及其他詳細數據的問題,請聯絡info@iconit.jp。
■問題1:您不怕蟲子,還是討厭蟲子?
某種程度上不怕:37.5%
非常討厭:30.2%
有點討厭:24.1%
完全不怕:8.2%
■問題2:請教回答「有點討厭」的人。請告訴我們您這麼認為的理由或最接近的反應。
討厭外觀
無法觸碰
討厭牠們的動作
只討厭特定蟲子
覺得有點可怕
從小就討厭
其他
■問題3:請教回答「非常討厭」的人。請告訴我們您這麼認為的理由或最接近的反應。
討厭外觀
無法觸碰
討厭牠們的動作
從小就討厭
覺得有點可怕
只討厭特定蟲子
其他
※如有關於回答者屬性及其他詳細數據的問題,請聯絡info@iconit.jp。
問卷調查委託說明
ICONIT Research接受希望透過應用程式內問卷快速收集回答的企業和組織的問卷調查委託。這是一項每天可收集多達約10,000份回答的服務。
對於希望以原始數據為核心,提高文章、影片、社群媒體貼文、新聞稿、白皮書、營業資料說服力的企業,我們提供從問題設計到回收、統計、報告的完整諮詢服務。
ICONIT Research的概要及委託流程請見下方:
https://www.iconit.jp/iconit-research/
調查概要
調查方法:在QR碼/條碼掃描器ICONIT應用程式的問卷專區實施
實施日期:2026年5月6日
有效回答者數:7,569名
註記:表格、圖表、文章中的數字四捨五入至小數點第一位或第二位
出處標示:ICONIT Research調查
關於QR碼/條碼掃描器ICONIT
累計下載量超過3,600萬次的經典應用程式。搭載自行開發的條碼掃描引擎Camreader,提供快速準確的讀取功能。透過與樂天點數等多個點數服務合作,也受到點數收集用戶的喜愛。
關於ICONIT Research
每天針對ICONIT用戶進行的問卷調查研究。這是一項每天可快速收集約10,000份回答的服務。
對於希望以原始數據為核心,提高文章、影片、社群媒體貼文、新聞稿、白皮書、營業資料說服力的企業,我們提供從問題設計到回收、統計、報告的完整諮詢服務。
ICONIT Research的概要及委託流程請見下方:
https://www.iconit.jp/iconit-research/
近年來,由於搜尋結果的變化和生成式AI的普及,支持資訊可靠性的依據比以往任何時候都更加受到重視。因此,「原始數據」備受關注。原始數據是指由公司直接收集或驗證所獲得的數據,而非其他公司的總結或推測,包括問卷調查結果、用戶實際使用數據、驗證數據等。
原始數據能提高文章、新聞稿、營業資料的說服力,不僅可用於SEO差異化,還可作為在AIO/LLMO(AI最佳化)中容易被引用和參考的依據。
ICONIT Research接受企業和組織的問卷調查委託,提供從問題設計到回收、統計、報告製作等諮詢服務。
本次新聞稿公布了針對7,569人進行的「蟲」意識調查結果。
問卷調查委託的對應範圍
回收方法:ICONIT應用程式內問卷
回收速度:每天最多可回收約10,000份回答
對象:ICONIT用戶(是否可指定屬性視案件而定)
問題類型:單選、複選等
交付項目:原始數據、簡單統計、交叉統計、圖表化等(可依需求調整)
應用場景範例:新產品概念驗證、廣告AB比較、價格敏感度調查、購買行為調查、品牌聯想調查、文章/節目內容製作等
對於希望以原始數據為核心,提高文章、影片、社群媒體貼文、新聞稿、白皮書、營業資料說服力的企業,我們提供從問題設計到回收、統計、報告的完整諮詢服務。
ICONIT Research的概要及委託流程請見下方:
https://www.iconit.jp/iconit-research/
調查結果重點
雖然討厭派(合計「有點討厭」和「非常討厭」)佔54%過半數,但在單一回答中,「某種程度上不怕」以37.5%居冠,顯示並非「完全由討厭蟲子的人組成」。
「完全不怕」僅佔8.2%,顯示「喜歡蟲子/完全不怕」的人是少數派。許多人對蟲子保持著一定的「距離感」。
討厭的理由以「外觀」、「無法觸碰」、「動作」為主流,核心是「感官上的厭惡感」。
(註:數值因四捨五入,合計可能未達100%。)
問卷調查結果
※如有關於回答者屬性及其他詳細數據的問題,請聯絡info@iconit.jp。
■問題1:您不怕蟲子,還是討厭蟲子?
某種程度上不怕:37.5%
非常討厭:30.2%
有點討厭:24.1%
完全不怕:8.2%
■問題2:請教回答「有點討厭」的人。請告訴我們您這麼認為的理由或最接近的反應。
討厭外觀
無法觸碰
討厭牠們的動作
只討厭特定蟲子
覺得有點可怕
從小就討厭
其他
■問題3:請教回答「非常討厭」的人。請告訴我們您這麼認為的理由或最接近的反應。
討厭外觀
無法觸碰
討厭牠們的動作
從小就討厭
覺得有點可怕
只討厭特定蟲子
其他
※如有關於回答者屬性及其他詳細數據的問題,請聯絡info@iconit.jp。
問卷調查委託說明
ICONIT Research接受希望透過應用程式內問卷快速收集回答的企業和組織的問卷調查委託。這是一項每天可收集多達約10,000份回答的服務。
對於希望以原始數據為核心,提高文章、影片、社群媒體貼文、新聞稿、白皮書、營業資料說服力的企業,我們提供從問題設計到回收、統計、報告的完整諮詢服務。
ICONIT Research的概要及委託流程請見下方:
https://www.iconit.jp/iconit-research/
調查概要
調查方法:在QR碼/條碼掃描器ICONIT應用程式的問卷專區實施
實施日期:2026年5月6日
有效回答者數:7,569名
註記:表格、圖表、文章中的數字四捨五入至小數點第一位或第二位
出處標示:ICONIT Research調查
關於QR碼/條碼掃描器ICONIT
累計下載量超過3,600萬次的經典應用程式。搭載自行開發的條碼掃描引擎Camreader,提供快速準確的讀取功能。透過與樂天點數等多個點數服務合作,也受到點數收集用戶的喜愛。
關於ICONIT Research
每天針對ICONIT用戶進行的問卷調查研究。這是一項每天可快速收集約10,000份回答的服務。
對於希望以原始數據為核心,提高文章、影片、社群媒體貼文、新聞稿、白皮書、營業資料說服力的企業,我們提供從問題設計到回收、統計、報告的完整諮詢服務。
ICONIT Research的概要及委託流程請見下方:
https://www.iconit.jp/iconit-research/
常見問題
這項調查的目的是什麼?
了解人們對蟲子的態度,同時宣傳ICONIT Research原始數據收集服務的有效性。
ICONIT Research的優勢是什麼?
能夠針對累計下載量超過3,600萬次的應用程式用戶,每天快速收集多達10,000份回答。
為什麼原始數據很重要?
在生成式AI時代,作為支持資訊可靠性的依據,對於SEO和AIO的差異化至關重要。