策点洞察

 

消费者洞察是新品牌的重要内核,也是很多产品创新和运营活动的立足之本。如果在这块出现诸多认知不清晰的问题,会非常大地影响在业务上的定义。

尽管现在的品牌创业者都还挺重视这块,但方法路径存在很大不同,基本上都是自说自话,延续着固有的经验或者自身特长,很难从更科学和系统的维度,去建构起这里面的方法论。

尤其在媒介渠道碎片化、人群细分化的大背景下,人群洞察这件事情,在变得更加曲折和复杂,那对于新品牌来说,在消费者洞察这块如何打通和真正有所建树呢?

在新浪潮品牌俱乐部最近的会员活动中,资深营销人汤璇围绕“做好消费者洞察的几个关键思考和方法”,为我们做了深度分享,里面既有层层递进的解决思路,也有很多大家日常很容易陷入的误区和坑。

----------------------------------------------------------------------
-------------------------------------------------------------------------------------------------------------------------------------------------------------------------

今天我跟大家分享的话题是消费者洞察,先跟大家介绍一下自己的背景:

我是学计算机专业的,但一直都在做营销和传播方面的工作。

2008年,我在国际咨询公司做品牌研究,那时候还没有大数据,大样本量的研究也是以大规模收问卷的方式来做的。当时,我负责的项目一年差不多能回收到20万问卷量,但也只能用传统的方式来处理。

2016年之后,大数据和人工智能的浪潮到来。运用过去传统的洞察方法论,再配合上新的大数据和人工智能引擎技术,我们开始能够用一些比较新的方法,把洞察做得更加深入。

举两个关于消费者洞察的著名案例。

首先,大家应该都可以看到一张图,它叫做“女人>儿童>老人>狗>男人”。

这张图最早出来的时候非常轰动,应该是传遍了整个营销行业,很多人看到以后才恍然大悟,觉得这说得也太对了。

现在,这个理论已经变成了行业的通识,大家都认为女人的钱好挣,男人的钱特别不好挣,男性在这几种消费者当中,是多么的不受商家待见。

另外一个案例跟凯迪拉克车主有关。

大家知道凯迪拉克“洗浴王”的称呼是怎么来的吗?这是出自于高德在2016年发布的年度报告,他们当时分析不同汽车品牌的车主会前往哪里,奔驰、宝马的车主都去步行街、别墅这种地方,而凯迪拉克的车主则去洗浴场所。

这个事儿当时也是传遍了全网,大家都觉得太有意思了,认为凯迪拉克的车主都是这么一群人。

大家都猜测凯迪拉克一定会很生气,但实际上不是,我甚至听说凯迪拉克后来居然跟高德建立起了合作。

凯迪拉克品牌方为什么会认同呢?因为高德做了一个很好的消费者洞察。

凯迪拉克车主主要分布在比较偏南方沿海的发达地区,当地很多民营企业和高净值人群,都喜欢在类似于洗浴中心的场合去谈生意,觉得洗浴中心是一个坦诚相见、能够促成生意的地方。

所以,凯迪拉克说高德这洞察力很强啊,我们就是在打这个人群。

凯迪拉克绝对不会对外宣称我的人群就是这样,但如果有大数据反馈出来,给用户这样一个称呼,印证了他们原来的定位方向是正确的。

1、三个维度来描述一个人,人群画像的标签体系分类

 

我相信不管是消费创业者,还是在消费品企业内部负责经营的人,大家都希望能够找到打动人心的、让人拍案叫绝的洞察点出来。

那么,这些洞察点是怎么得出来的呢?首先,我们要清晰地理解人群画像,然后再从人群画像当中找出洞察。所以,我们先快速的看一下人群画像的指标。

第一,是人群基础属性的指标。

我把人群基础属性分为三个大维度的标签体系:

1. 基础的信息:比如说你的物理属性,包括你叫什么名字、住哪里等等,还有你的生物信息,包括面部识别、指纹等等。

2. 人口属性:包括性别、年龄、学历、地域、城市等等。

3. 社会属性:比如说你的身份、职业、家庭情况、收入情况等等。大家要注意,收入既有个人的收入,也有家庭的收入。但对于一个消费者来说,真正的核心是可支配收入是多少,这才是最值得我们注意的。

在我们要抓的消费者分类当中,为什么女人放在最前面,男人放在最后面?

这是因为在很多家庭当中,男人的收入可能是最主要的,但实际上女性才是最后消费的决策者,尤其在消费品这个类目里。

一线城市的收入很高,但问题是这里的社会压力也很大,你得还房贷,你的孩子需要接受教育,还有很多其他刚性支出是没有办法控制的。所以,一线城市的可支配收入可能是很少的。

有些城市的总体收入很低,但可支配收入却比较大。还有很多无收入的人群,比如说孩子和学生,他们实际上的可支配收入也是挺高的,这需要大家来识别。

第二,是行为习惯的指标。

我把它分为两块:

1. 媒介的行为:也是大家在媒体平台上面的触媒习惯和喜好。

2. 消费的行为:比如说,消费者购买的方式是怎么样的?买与不买的决策标准在哪里?促使消费者进行消费的驱动力是什么?在什么地方?什么时间?什么频次?单次的额度有多大?

第三,是兴趣和价值观的指标。

我大概会把这分为兴趣标签和态度标签,当中包括消费者情感的正负面信息。

实际上,消费者很多媒体行为和消费行为背后的动机挖掘,都需要通过分析他们的兴趣和价值观来体现,因为他们需要对某样东西特别感兴趣,才会在后续做出购买的行为。

当品牌需要做到用价值观跟消费者进行情感上的沟通和共鸣时,品牌就非常需要去了解他们的人群,分析除了产品功能以外,还能以哪些信息点与用户进行心智上的沟通。

所以,兴趣和价值观的数据是由大量的文字标签所组成的。

2、人群画像的数据获取方式

 

接下来,我会拆解一下我们应该用什么样的方式来获取数据。

(1)基础信息数据:要讲求日常的CRM管理

在新浪潮的群里面,我看到很多人都会提到关于问卷的问题,讨论问卷到底是有用还是没用。

首先我可以说,所有的数据都有可能通过问卷的方式获取。但是,不是真的要做问卷才可以把所有的信息点拿到手里。现在,基础信息更多是用社交平台 CRM的方式来获得。

在CRM上,我们要获取的内容包括姓名、电话、性别、年龄,职业、家庭等等,这些信息经常会在一些表单上让用户自己填写。

如果我们不用问卷,或者说这个用户从来没有答过问卷,那我们的CRM要怎么做呢?

现在,如果用户在微信平台上通过了一些账户授权,我们已经能够从中获得一些既定的基础信息。

所以,就算我们没有做过问卷,别的平台也已经提前帮你做过了,我们就直接用他的数据库呗。我们要有一个意识,就是所有的基础信息都有可能天然获取。

但如果我们有自己的私域,在这一方面的数据一定能收到更多。

如果你手里没有一个用户管理的模式,当有一天想发掘人群画像时,就不得不通过问卷的方式,但大家都不喜欢填问卷。

所以,我们一定要注重CRM数据的日常积累和运营,不要到用的时候才想起来。

从建立CRM开始,或者说起时代迭代的产物SCRM,就应该培养全渠道收集数据的意识:

在他第一次跟你接触的时候,你先把名字、电话、地址、性别、年龄、地域、城市这些信息收过来。

过段时间以后,借机再把他的职业、家庭状况、收入问一下。往后,你再连续不断的通过各种各样的机会,慢慢把所有渠道的信息给吸收过来。

所以,日常的基本功是很重要的。

(2) 行为习惯数据:洞察需要交叉分析得出

1)两部分的数据如何获取?

我刚刚说了,行为特征有两个部分,一个是媒介上的行为,一个是消费的行为,而这两个行为是发生在不同场合当中的。

媒介行为就发生在媒体平台上,不管它是互联网还是传统的媒介。

消费行为,要么发生在线下零售场景,要么就在线上。在线上的话,你就一定是在别人的互联网平台上面,不管是阿里系的,还是腾讯系的。

在平台上的数据有两类,第一类是第一手的,属于你自己的数据,比如说你是做自媒体、抖音电商的,能在后台上看到非常全的数据,而且每一个步骤你都可以看得清楚,你可以用这些小数据来做运营分析。

但你只知道自己的数据的话,是看不出消费者洞察来的,因为你需要看整体和全网的情况是怎么样的。

所以,有很多第三方的数据是用来给我们去做标准比对的,这些数据必须通过媒介渠道和销售渠道获取,我们可能把这些渠道分成六大类:

第一类是类似于阿里生意参谋、databank的平台数据工具。

你可以在上面查到品类今天的最高销量是多少、本周内全网爆品有那些、别人是做到了什么程度,你在整个行业里大概处于什么水平。

第二类是社交平台。

你可以在社交平台的后台上看到全网大概的情况,比如说现在有那些热搜话题、什么东西比较受欢迎等等。

第三类是一些喜欢做消费者研究的机构,比如说第三方数据公司。

新的媒介平台开始多起来了以后,第三方数据公司也开始变得越来越多,大家也都在往外冒。

第四类是媒体。

媒体是挺喜欢出数据报告的,因为哪怕他们是在出自己平台上的人群画像,也能帮助在他那里推广的商家去做优化。

第五类是代理公司,比如说广告营销公司。

我们看这一类公司的报告的时候,要注意一点:选那些客户群比较丰富、比较多的公司,因为如果他手上的客户少,那做出来的东西就很有可能会比较偏离。

最后一类是券商。

在这两年,券商特别喜欢出报告,因为投资市场很火,投资人喜欢看。

但作为经营者,你在看券商报告前要对自己有足够的认知,因为他们的报告是从投资的角度出发的,而不是一个业务的角度。

所以你要提前给自己打个预防针,想一想哪些信息对自己有用,哪些信息可能会有误导,不能随便看到什么结论就往上用。

2)平台数据问题:更深洞察需要交叉分析得出

我相信很多人也做过跟平台匹配数据的事,就是说如果你有一个电商店铺,把自己手里有的数据导给平台,平台就也会吐一些数字给你。

那么,这样子拿过来的数据是不是真的对你有用呢?

它是有用的。但是,平台吐给你的数据叫做统计级数据,他们绝对不会把个体级、原始的大数据传给你。你能够拿到的数据都是他们在后台帮你处理好的。

所以第一点,你能看到的数据,大家都能看到。相对来讲,体量小的商家会比较吃亏。

第二点,我们没有办法用他们吐出来的统计数据,来进行下一步的多维交叉分析。

举个例子,我相信很多消费品企业最喜欢的人群是二三线城市、25-35岁、在事业单位里工作、已婚已孕、中等收入的女性。

她们按时上下班、喜欢看长视频、甜宠、谈恋爱的剧,每个月都有一个剧里的男友,比如说去年喜欢李现,今年喜欢丁禹兮。

她们同时是家庭消费的决策者,所以,她们不只要买她自己的东西,也要买老公、孩子、老人的东西。

由于她们大是中等收入人群,所以肯定会追求消费上的性价比,对价格比较敏感。同时作为女性,她们是爱美、情绪化和有虚荣心的。从现在的数据可以看到,她们也是直播电商的主要受众。

这样一个简单的描述,就已经涉及到了好几个不同的数据属性。今天,平台可以每一个属性都有一张图表吐给我看。但是,我更希望看到的可能是,这群人当中有多少是中等收入,有多少高收入,有多少小康,多少只能够满足刚需。

他们能告诉我吗?不能。

当要做交叉分析的时候,你会发现最好的情况是我们手里有原始的数据,这你才能按照自己设想的点去反复的做交叉。如果数据都是平台吐给你的,你是很难做到这样的交叉分析。

另外一个是数据不同源的问题。

比方说我想去了解一下用户组成,可以怎么做?

在电商平台上,我大概知道用户的男女分布、年龄分布、家庭情况、地域分布等等。

在社交平台上,我可以在微博跟公众号的留言上面看到用户对我的评价,看看到底是哪一群人喜欢我,哪一群人不喜欢我,哪一群人更觉得我更能够代表他们的价值观。

但我能够把两块数据拉在一起做交叉分析吗?不能,因为两组数据不同源,并不是从同一群人里标出来的。

而且,我们没有办法去重。比如说我今天想知道应该去投优酷还是爱奇艺,那我的消费者里面看爱奇艺和优酷的分别有多少?两个数合在一起有多少?难道是两个数字相加吗?

当然不是,一定有人是两个都看的,那中间的交集有多大呢?要去重的话,我们去多少呢?我是不知道的,因为没办法把不同源的数据放在一起。

在数据分析的过程中,我们会碰到大量这样的问题,这些问题不是我们这群可怜的商家造成的,就是互联网格局造成的。

本质上,我们被互联网平台绑架了。

所以,我们要做自己的消费者管理系统。

当数据都存在各种平台上,你对这些数据的掌控是被动的。平台给你看A+B,你就只能看A+B。

平台今天说要限制你,只给你看A,不给你看B,那你也没有办法,你只能接受。所以,自建数据体系一定是非常有好处的,不然你永远都是一个被动者。

新互联网平台其实就是线上的商业地产。有很多原来做线下零售的人都会说,你去上海一线大商场里面开一家店,做着做着就会发现,自己忙活了一整年好像也是在给商场打工,给他们交交房租而已,自己挣不了什么钱。

今天在互联网平台上也是一样,做着做着流水好像跑了不少,但最后钱都给平台挣了。

你可能会希望平台能够帮自己一把,但最后会发现,还是体量比较大的企业有更多的谈判条件,能从平台那里多拿一些数据,所以他们的洞察能够做的更准一点。对于体量比较小的企业,他们拿到手的数据就比较少。

那怎么办?你可以把自己的产品力做得更优秀,把供应链各个方面做得更厉害。但在消费者洞察上,你是不是能够更进一步把自己日常的数据管理做好,把数据体系给建起来呢?

(3)兴趣与价值观数据:如何避免各种误区?

接下来,我们看一下关于兴趣与价值观的数据。

现在,在社交平台上面抓词条,然后把这些数据应用到消费者洞察的技术和商业化体系已经非常成熟了。

大家都知道,某些社交平台会长期提供API接口给你,你跑了多少量、要交多少钱,都是明码标价的。而且,也有大量的第三方在从事这个业务。

但是,我们怎么样去取这些海量、模糊、自然语句的词条?如何做分析?这实际上是个蛮难的问题。

第一,你对这个社交平台熟悉吗?第二,全部数据都要取吗?第三,什么关键字能够代表我的消费者洞察?要怎么取呢?

在自己账号里面的评论取,这样就对了吗?不一定。在全网搜索里面取,就能找到我想要的结果吗?也不一定。

在这个过程当中,其实有很多操作上的细节,你需要让比较专业的、比较懂的人去做。当然,你也可以不去找专业的来做,就自己天天去看。

但我想特别跟大家说一下在社交平台上面的几个大误区。

第一点,不是我们每一个目标消费者都会在社交平台上面发言。

这个世界上沉默的是大多数,在社交平台上发言的只是一小部分,或许就是那些比较愿意表达自己观点的人。还有很多人不愿意买,但他并不说出来。

所以要明白一点,我们不能完全直接把社交媒体上的人群,放大成自己的目标消费者,这也说明,头部数据不一定是我们真正要关注的点。

比方说你的CRM里面可能有10万个购买者数据,你拿着这些数据到某个社交平台上面匹配一个数据包,看他们过去在社交平台上面发过的言,然后分析出这群人都对什么样内容感兴趣。

最后,你会发现自己的用户都喜欢休闲娱乐的东西。

但这就是它们的特点吗?肯定不是,因为休闲娱乐是全网的大类,每一个人都喜欢,这实际上不是你要的重点。

你要找的不是按照量的大小积累出来的用户特点,而是要找你用户的独特性,找他们和别人不一样的地方。

这个时候,你就不能只看自己的用户,还要看做同类型产品公司的用户,甚至要多换几个横向维度来思考。

第二点,社交平台是一个大舆论场,常常会有人在里面带节奏。

所以,当我们发现了某一个特别的点,要先想一想是不是有人在带节奏,是不是有人通过社交舆论的场合把我们引导去某个方向,这个非常考验你大众舆论的理解能力。

第三点,中文的自然语句分析难度比英文的高。

尤其是情感类的分析,中文的分析错误率挺多的,因为我们经常会用中文来开玩笑,而且中文的表达是很不准确,同一个字在不同的语境下,有很多不同的意思。

比如说我这两年在做娱乐行业研究,发觉饭圈的小朋友对明星有各种各样的缩写,他们会用一些很奇怪的代号,或者一些非常大众的词,这些词让我们完全没有办法做语言识别。

比如说Angelababy,在某一些语境下我们只会叫她baby,而baby这个词有无数个意思,那我们应该怎么抓数据呢?很多人的名字是用几个数字、字母缩写来代替的。

所以,词库的建立是需要慢慢的、一点点的去做运维,这背后就涉及很大量的工作。有一些公司会提前把这些东西处理好,所以在用它的时候就可以降低一些难度。

从社交平台上获取用户洞察,然后利用洞察来指导工作的一个例子是士力架。

巧克力这个品类有很多种打法,企业可能会从礼品、恋爱、甜蜜、黑巧健康、不同节日主题等角度去打。

士力架这个巧克力棒在于,它一直在打饥饿的场景。那么,他们是从一开始就打饥饿场景的吗?其实不是,它也是从消费者洞察这里发现的。

我记得我读书的时候跟朋友出去户外徒步,登山队领队会提前买很多士力架,在出发之前发给大家。

因为它的热量很高,而且很小巧、比较容易携带,爬山的时候可以把一小条塞在口袋里面,在体力不支的情况下赶紧啃一口。所以,我们都把这个东西叫做能量棒。

这个称呼并不是士力架自己想出来的,而是由消费者在使用的过程当中总结出来的。

所以就如我之前说的,你在社交平台上要发掘最独特的,在过去你没有想到的灵感。

后来,他们开始从饥饿场景往后延伸到能量场景,比方说当消费者遇到一些比较大的难关,可能是需要考试、面试、跟客户提案、跟老板一对一谈话等需要消耗脑力,需要拼搏一把的时候。

他们最近跟英孚做了个联合推广,也是为了强化备考的场景,卖点非常鲜明。

刚才,我们讨论了消费者洞察是怎么来的。现在,我们想想为什么要做消费者洞察。

做消费者洞察一定是为了完成某一个营销目的。

比如说我们今天要知道为什么销量没有办法提升,然后想一个解决方案。为了解决这个问题,我们通常会有一个提前的常识预判,就是说我还没看数字,但已经在自己脑海里有一个结论。

大家都会有一个常识预判,而不会一开始就收集大数据,然后一步一步推论,一直推到结果,洞察是不会这样出来的。

洞察实际上都是两头凑出来的,一头是我在收数据,一头是我实际上已经有了一个预判,然后通过这个预判再去和得出来的数据分析做一个对比。

曾经我跟团队做了一个关于雇主品牌对全国大学生企业选择的洞察,当时还是以问卷的形式,最后得出一份400页的数据分析报告。我们把它打印了出来,全组人整整一个星期就坐在一起,一页一页地翻看。

我们已经提前对这个事情有一个自己的猜测,估计这里会怎么样,那里又会怎么样。但是,有不少出来的数据结论都跟我们原来想的不一样。

我们把这些地方都圈出来,然后把所有人圈出来的地方放在一起对比,探讨各种出现的问题。

比如说为什么这一部分的学生会喜欢进国企?他们背后的目标是什么?选择一个公司的标准是什么?研究了以后,我们再倒回去,做多一次交叉分析。

洞察是这样一点点凑出来的,先用你的常识跟数据得出来的分析结论去做对比,找到两者之间的区别,然后在这个区别之上再往前挖一层,从而得到新的洞察。

做洞察不是我们的目的,实现营销结果才是真正的目的。所以,你要先搞明白你想解决的问题是什么,你的营销目的是什么。

我们是否一定要一个惊为天人、轰动所有人的洞察点?不一定。哪怕它只是一个小的洞察点,也是能够帮你完成营销的目的。

这就好比医生看病一样,你出现突发的急症,医生要你去验个血,这就相当于他在做数据的收集,看你是病毒感染还是细菌感染的。

如果你是病毒感冒的,可能需要用抗生素,医生跟你说有100种病毒的可能性,但这100种病毒都能用同一种抗生素治好。

这个时候,你只需要确定吃这个抗生素就能把病治好就行了,干嘛再要去深究到底是受到那一种病毒感染呢?

所以,你不一定非要什么都刨根问底、打破沙锅的把答案找出来。

关于常识预判,如果你的预判提前了,你离洞察的结果就会更近;如果你的预判很模糊,很不准,那离洞察的结果就会远。所以我们要倒回来经常问问自己,自己的预判准确吗?可信吗?

在常识预判和消费者洞察这件事情上,其实是人人平等的。谁能说因为我是老板,所以对消费者的洞察力就更强?并不一定,有时候说不定你的实习生比你还要强。

比如说你今天要把一个新产品卖给年轻人,你去问公司的00后,他们可能不会喜欢。但你去问身边的同龄朋友,他们觉得还不错。当你把产品推出去,就会发现完了,我是不是想错了。

所以,你需要在常识预判提前的洞察力当中加入自己的经验,也需要能够跳出来,想尽一切办法站在消费者的立场亲身体验,理解感触他们的点。

但同时你又要能够再跳出来,因为如果你深度地把自己当作一个消费者的时候,可能只是代表了某一类的人群,这反而会让你忽略掉另外一些人群。

而且你也不知道自己代表的是少数还是大多数人。所以,过于相信自己的消费体验,可能会让你转得更偏执,把大多数的情况忽略掉。

在这个时候怎么办?你要反复代入再跳出来看,把自己放在不同的位置去思考。

这里给大家举一个典型的案例:

松下DV在日本市场一直都是打年轻人的市场,广告是以一个男女友的视角出发,塑造年龄潮流数码产品的形象。

但是,他们在2008年左右进入中国市场以后,销量一直都很差。后来,他们把用户数据调出来重新做洞察,发现在中国买的人以男性居多,而且很多也是已婚的。

跟日本的年轻性消费不同,中国是个家庭消费,DV是在孩子出生的时候用的。所以,他们后来把所有的广告材料都换掉,把镜头指向孩子,销量就立马起来了。

整个消费者洞察的过程就像挖矿一样,如果你今天手上有一个探测器,你能比别人更敏锐的看到金子藏在什么地方,你一锹下去就能挖到金子了。

有的人可能不够,要再挖多几下。如果还是看不到的话,你就要想一下背后的原因是什么,那可能是要换一个探测器,再做一轮新数据,然后看看有没有新的发现。

这是一个反反复复的,观察了以后去挖掘,然后再观察、再挖掘的过程。

接下来,我会跟大家说一些收集第一方数据的tips。

1、定量纠偏,定性求因

 

我们先要明确两个概念:定量和定性。

大家都觉得定量的数据应该就是大数据做的,其实不一定;或者说定性的数据就是要跟别人聊聊天,也不一定。我们要先搞清楚我们在什么情况下要做定量,什么情况下要做定性。

定量是用来纠偏的,量要相对取大一些,是因为怕有一些特殊情况会错误引导我们;定性是求因的,用来问为什么。

所以,定量和定性经常会合在一起用,我可能先做定量,做完定量以后看到一个表现,问自己这个表现背后的原因是什么,然后再做一轮定性的问题来往后挖。

你要做定量研究,问卷是一个最基础的方法。但量要大,你的问卷问题就不能过于深刻,要相对标准化,但这样你的问题就会比较浅。

所以,问题的设计是非常重要的。很多人都觉得问卷没有用,这其实都是因为你的问题设计是有问题的,问不出受访者真正想要回答的东西。

我们要知道一点:每个人都会撒谎。所以,我们要从问卷的设计上避免这个问题。

比如可以换不同的角度来问同一个问题,受访者说不定会给出不一样的答案。我们要反复地去验证,才能确保数据更加接近真实。

定性研究也有很多种方法,比如说一对一的深访,不过这非常考验交流者的沟通能力。

我之前有个100人电话访谈的项目,访谈由一群实习生来做。我发现把同样的题目给他们拿去做采访,每个人问出来的质量是千差万别的。

所以,我们要由比较高维的采访者来做,也就是说,如果你的目标人群是某一类属性的,你最好能够找到和他们差不多属性、差不多语境的人来深度交流。

这样的话,他们会觉得自己是在平等对话,而不是在对着一台完全没有感觉、不熟悉的机器在讲话。

另外一个很重要的方式就是小组访谈。有很多朋友都觉得这是不是过时了,其实不是,我甚至会认为这是现在很多消费企业最缺失的,却非常有用的方式。

既然有了一对一深访,为什么还要有小组访谈?

因为你让消费者和消费者之间平等的对话,他们就能够互相碰撞出很多意想不到的信息出来。

比如说你单独问一个人为什么要买这个东西,他可能会讲几个原因,但你让他跟其他人交流,当听到另外一个人的答案时,他可能会说:“对对对,我也是这样想的,不过刚才没想起来。”这种情况会经常出现。

你要有一个非常擅长循循善诱的主持人,他要成为小组访谈的核心人物,然后想尽一切办法调动小组当中每一个人,深挖出他们真实想说的话。

2、几个常见的分析误区

 

第一,数据收集不是越多越好。

我可以很明确的告诉大家,大数据不是一个褒义词。

现在,数据的维度变多了,量变大了,程度变深了,颗粒度也变细了,这给我们的分析造成了很大的难度。

所以,大数据不一定大就好。是不是数据大了,我们的结论就会变得更准确呢?不一定。我们要的反而是抽样一些比较具备代表性的数据,以防特殊性,因为在数据基数过大的情况下,特殊数据反而会被过度放大。

我们要把一些特殊性排查掉,找到相对共性、共识的东西。

第二,要注意标准化的问题。

我正好在前两天看到一个失败的案例,这个研究是关于全国居民购房的信心和预测,由一家很权威的媒体机构做的。

他们对全国50个城市2万户城镇住户进行了问卷调查,最后得出的结论是有20.1%的居民在未来3个月打算购房。

这个研究被行业里的老前辈发朋友圈痛骂,为什么?大家可以想想,50个城市、2万户城镇住户,这大概是全国人口的多少比例?你觉得这能不能够代表全中国居民的购房预期?

另外还有一个例子是某个互联网平台对自己用户做的画像研究。

他们做完了之后,发现自己用户的地域分布主要在广东省。最近,他们打算跟一个广东卫视的电视节目合作,我问他们为什么要在广东做,他们说因为自己有很多广东的网民。

但是,全国网民数量最多的省份就是广东省,这什么意思?他们的洞察其实就是一个自然分布,没有什么特殊性。

如果全国网民数量广东第一,但你的用户地域分布是吉林第一,那才能说明这个省是突出的,你的东北人群特别多,可以往这个方向去打。

所以,你要知道怎么去看自己的数据,知道你要的标准是什么。如果你对比的方向不对,可能就会做出完全错误的评价。

第三,一个一个的聊不如分组的聊。

我们希望做一个低成本的、小样本的研究。与其15个人我一个一个的去跟他们聊,倒不如我把这15个人分成三组,一组是标准组,一组是对比组,还有一组是验证组,然后一组一组的去聊。

最近,我在做一个营销培训的课程,也邀约了一些朋友来上我办的测试课。因为我也不知道这个课程比较适合哪种人,所以我就广泛地去邀。

我把邀约来的朋友分成三组,从中研究谁是我的目标人群,还有他们到底会比较喜欢什么样的内容。

课上完了以后,A组的人都觉得这讲得特别好,但 B组却没有A组的说的那么好。之后我再做一个C组来进行比对,最后根据三组人的答复来缩小我的目标人群,发现我这个课程最适合那些已经有3-5年营销工作经验的人。

我一开始把这个课程起名为“人人都要懂点营销”,因为我以为这应该适合完全没有营销基础,从零开始的,或者是跨行过来的人,结果都不是,反而是已经从事过营销,但经验不够深的人。

这是一个低成本、小样本的调研方法,比较适合搞创业的人。

3、如何正确地读取“他山之石”

 

最后,我们说一下要怎么去读报告。

首先,我们先看标题的立意是什么。

你要搞清楚它到底是做什么东西的调研,看看它的利益和你的利益是不是在一起,避免被它带偏。

然后,中间的内容先别看,看一下是谁写的,是哪家机构做的。

有时候,机构的立场会影响它的结论。打个比方,一个媒体下属的第三方机构做的媒体分析报告,说哪一家做得比较好,这基本上就是软文。

所以,大家要注意你所在行业的格局和利益关系,看一下出报告的人是不是足够的中立,还是说他的屁股已经坐偏了。

下一步,我们要看目的。

很多人都喜欢看完封面和标题以后,就直接翻到有图表的那一页,一直看到结论,前面密密麻麻的报告简介和目的都不会仔细去看。

但是,这个部分很重要。我前面不就说了嘛,洞察是基于营销目的,你要看看对方要做的营销目的和你的营销目的一不一致。如果完全不一样的话,你看的时候就要很小心,否则又会被别人带偏了。

接下来,你还要看一下报告数据收集的方式。

最近我们看了一个报告,他们用了大概几十份问卷的数据量就出了一份研究报告,这种就很扯了。

还有一点,数据是中性的。同一批数据,到底得出什么样的结论来,其实都是见仁见智的,这就好比我们去看病,不同的医生开的药方也会是千差万别的,会有自己的判断在里面。

所以,如果这个报告的结论和我们想的不一样,应该再去看一下它的分析图表,看看分析图表是否真的能得出这个结论。

友情链接

在线
沟通

在线
QQ

电话
联系

13021012263

在线
留言