|
引言 市场调研有必要吗？这个问题对于当今的商业决策者而言好像是一句废话，调研当然是必须的，对于任何风险决策而言，了解更多的牌面信息都会降低决策难度。 但是，你真的相信市场调研吗？ 作为一个调研行业有着十五年经验的老人，我可以拍着胸脯告诉你，直接应用调研数据，在绝大多数情况下你都会死的更惨。 应该说调研有几个顽疾是当下几乎无法解决的。逻辑上讲，大多数市场调研的本质都是等距抽样，就像我们要看清下面一张图，我们需要看到每个像素的信息，才会看的非常清晰。但如果费用或者其他资源让我们没有能力看到每个像素，我们就必须采取抽样的方式，也就是每个一个固定的举例，扫描图片上的一个点，然后把这些点按照原来的相对位置加起来，最终我们看到的就是一张打了马赛克的有码照片。 但在实际的市场调研中，往往受到预算或者抽样能力的限制，我们最常犯的错误有两种：其一是受制于预算约束，我们只能抽取很少的样本，这样我们看到的就是一张马赛克很厚的图片。由高清无码到薄码影片已经是一种不爽，但是由薄码一下子变成了厚码影片，你说看片的人会是何种感受？ 第二种常见错误就是抽样范围不合理，尤其是当今社会，愿意接受调研的人原本就是少数，最终你调研可以抽取的样本全都是一小部分特定群体，最终反馈回来的图像就像看了刚刚被广电总局剪辑过的大头贴一样。 如果上面两个问题都解决了，你以为调研就准确了吗？ 很遗憾的告诉你，你又把问题想简单了。 首先，人是很复杂的一类动物，因为他有社交属性，也就是中国人常说的面子需求。于是我们经常看到这样一种现象，同样一个问题如果做一对一的调研或者访谈所得到的答案与焦点小组（一个主持人同时与6~8个被访者唠嗑）得到的完全相反。 比如我们的问题是被访者能否接受自主品牌的汽车，我们发现如果是一对一的访问，被访者接受度往往高于焦点小组二三十个百分点。 弱弱地问一句，这是为什么呢？ 反复思量，最终我们发现被访者爱面子的心态最终导致这种误差：如果一对一的访谈，被访者往往认为不接受自主品牌是不给访问员面子。而到了几个被访者坐在一起唠嗑时，如果谁说接受自主品牌又会担心被别人认为自己很没有要求或者很屌丝，所以他们在一对一时接受自主品牌，而到了焦点小组中又倾向于标榜自己厌恶自主品牌的廉价感。 第二个可能产生误差的原因是每道问题其实都是带有情感色彩的，虽然相同的含义，但换一种问法通常会得到完全不同的答案，提问本身就会产生偏差。 还是以能否接受自主品牌为例，如果我们的问题是您是否会考虑自主品牌，反馈回来的数据往往能让自主品牌的客户安心很多。但是如果我们把问题换成了您是否不考虑自主品牌，那么反馈回来的数据如果在稍微高端一点的市场，这个结果大多都会很难看。因为第二个问题似乎有一种强烈的暗示在里面。 第三，如果调研想要了解用户需求，很遗憾，只要没有足够的约束条件，用户想要得到的总会比自己实际购买的多得多。比如以前很多客户让我们帮他们调查一下客户需要哪些车载装备，最终我们基于调研结果获得的装备清单都是又大又全的，最典型的就是自主A SUV市场中的四驱需求。几乎历次调研都有40~60%的用户表示自己需要四驱，但这个细分市场实际的销量中，搭载四驱的车型仅占实际出货量的1%！ 其实上面这些问题有很多在行为经济学当中都被大家研究过，但行为经济学毕竟是一种实验科学，至今很难总结出太多可以依赖的规律，必然这些问题，当然还有大量我难以穷举的问题会干扰调研结论，我们也很难避免这些偏差的发生。 非常不幸，市场调研产生偏差，或者最终获得的数据当中噪音与信号参杂似乎是无法避免的局面，那么我们就只能提升自己决策的抗干扰能力了。也就是说，我们需要依赖自己的判断区分哪些是噪音，哪些是信号。 更加遗憾地告诉你，培养区分噪音与信号的能力，几乎没有好的途径，只能依赖经验和决策者的智慧。如此看来前面写的都是废话，因为经验不是一年两年可以积累完成的，而智慧是TMD天生的，你这不是玩我呢吗？ 既然调研被说得如此糟糕，为什么还被大家捧为决策流程上的必选动作呢？因为他是过去所有可选方案中的最优解，也就是不这样还能咋滴？ 于是我们还是坐下来说点有用的吧。怎么才能让调研变得准确。 首先，准确的调研需要看到高清无码的内容，而不是骑兵片（哦，不小心暴露了，应该是有码片）。如果要做到这一点，我们需要尽可能多地获得样本，而不再是小范围抽样，最好是全样本普查。 其次，我们需要看到的都是真相，至少要规避由于问题设计或者语境因素对数据造成的影响。观察真相最好的办法是了解用户的行为数据，最好是看用户怎么做、怎么说，而不是依赖问用户一连串的问题。因为只要是询问，就会产生偏差。 最后，我们要有足够的理解能力或数据处理能力来支撑关键信号的提取。 写了三条，基本上把大数据的优势全都抛出来了。因为无论是样本量优势、行为数据呈现，还是当下大数据的计算处理方式，都更加符合有效市场调研的需求。 但是，怎么这么多但是……别高兴的太早了。我只能说当下的大数据还只是把这张饼画出来了而已。 首先目前大数据存储于多个独立的平台之中，打通、整合这些数据亦然非常困难。于是目前的大数据服务提供者只能做到各有千秋，但谁也无法提供一个全套服务。 其次，当下的大数据模型还只是刚刚服务于市场，我们积累的经验还不足够充分，很多不可预知的错误随时都会发生，这里仍然需要足够经验丰富的人进行方向把控。 第三，大多数大数据的技术团队仍然与数据需求者脱节，也就是研发人员自嗨，需求人员只能看热闹。而真正有价值的模型必须是一个跨界团队共同完成的。 当然还有第四、第五，总之大数据距离成熟还有很长的路要走。 最后，还是要说句正能量一点的结论，大数据毕竟画了一张很大的饼，而且从目前看这张饼确实可以用来充饥，有了这么一个美好的未来，剩下的就只是时间和机遇问题了。对于数据需求方而言，越早接触自然就越有机会分享未来的数据红利。 来源： 汽车数据工场 |
|
|
