有一種能力，將拉開你和90%的人的距離

今早醒來聽了《痛點：挖掘小數據滿足用戶需求》這本書核心內容的音頻版，關於如何滿足用戶需求，這在互聯網公司幾乎是每天都在且必須思考的問題。換了工作之後，我有一年多的時間沒有接觸到互聯網，一來是擔心認知和思考跟不上互聯網變化的速度，二來是這本書給我一些啟發，遂寫下讀書筆記。

【作者】 馬丁?林斯特龍

品牌營銷專家、迪士尼、百事可樂、雀巢、紅牛等企業的品牌顧問

你和競爭對手的差別，或許就在於對方更懂得通過挖掘小數據背後的秘密，更快更好地滿足用戶需求。

在說「小數據」之前，先聊聊「大數據」。

1、什麼是大數據

「大數據」並不是很大或很多數據，而是關於某個現象的所有數據。雲計算出現之後「大數據」才凸顯其真正價值。如果說「大數據」是一輛輛「汽車」，「雲計算」便是支撐起這些「汽車」運行的「高速公路」；

它給企業運營、政府管理和媒體傳播科學化提供參考；

「大數據」的分析著重在了解「什麼」而不是「為什麼」；

2、哪些公司擁有這些海量數據？

國內的BAT互聯網巨頭、華為、小米等，國外的Google、IBM、Microsoft等，還有管理諮詢公司等等；

最早應用大數據是世界著名的管理諮詢公司麥肯錫公司；

3、大數據的價值

【社會學研究】大學 / 科研機構 / 互聯網公司，比如通過大數據觀察城市人口遷徙，得出每座城市的年輕指數；

【公共安全領域】人流密度的實時監測，利用大數據預測犯罪的發生，規避欺詐行為；

【城市規劃】城市公共空間的實時數據監測，比如我們手機上地圖導航APP的交通路線規劃，躲避擁堵；

【企業發展】

對大量消費者提供產品或服務的企業（To C）：利用大數據進行精準活動營、推薦、廣告投放；

小而美模式的中小微企業：利用大數據進行服務轉型升級；

傳統企業：在互聯網公司的壓力下，需要與時俱進地利用大數據的價值；

4、大數據的局限性

大數據給出了結論，但給不出解釋。人們可以通過大數據發現某種現象，可現象背後的原因卻是盲點。這個「為什麼」往往是產品改進的關鍵，而想要找到答案，還得從這些用戶群體入手，需要面對面交流，觀察用戶真正的生活場景和使用場景，比如他們的擔憂、開心、困惑與不爽等，這是目前大數據讀不出來的。數據再大也是死的，只有人能激活它。

其實，大數據告訴我們的，是未來會發生什麼。而想知道背後的原因，便需要從產生這些現象的一個個個體中去探尋。這便是小數據。

當大數據日漸成為分析用戶需求的依賴時，作者林斯特龍卻認為，當營銷涉及到人的習慣時，大數據通常並不準確，反而是能體現人的信仰、興趣、習慣、情緒等內容的信息更具說服力。人與人之間存在某些共性，這些數據僅需要通過對極少數的人進行觀察，就能憑其得出結論，進而影響營銷策略。這些便是作者所說的小數據。

1、什麼是小數據？

能呈現我們真實內在的個人化信息，本質是指出人們沒有被滿足的慾望並對此進行補償；

不一定是數字，但比數字更能反應個體的體征；

可通過對人的細節觀察得到；

樣本小，可能只需要搜集幾個人的信息就足夠；

2、為什麼小數據能揭示大趨勢？

有溫度的數據，注重情感和心態；

能暴露用戶潛在的慾望，滿足他們未被滿足的需求；

潛在的慾望暗示人的真實自我，容易觸發消費需求；

任何一個問題都可以讓我們無限的探究下去，從而幫我們形成長期的、一貫的思考路徑。

3、小數據改變營銷的關鍵步驟：7C法

【Collection搜集】搜集和目標用戶有關的習慣、興趣、感受等信息，了解當地情況；如何搜集？尋找當地觀察者：理髮師、計程車司機（最好不是本地人）、酒保、社交網站上的活躍群體等掌握很多當地信息且能客觀看待社會的人。

【Clues線索】尋找能呈現用戶真實自我的細節；人通常由兩個自我構成，第一個是理想化的自我，就是我們希望別人看到的樣子，比如微信朋友圈裡曬出來的內容。另一個是真實自我，與我們的慾望有關。而顯示真實自我的線索，通常都隱藏在比較隱私的地方，比如說冰箱、衣櫥，手機里音樂的播放列表等，喜歡哪些衣服、什麼東西最重要，又是什麼東西最容易讓他們擔心？

【Connection 連接】尋找到用戶大致的情感缺口是什麼；人是群居動物，骨子裡需要的歸屬感、安全感、存在感等等。

【Correlation 關聯】去發現用戶的情感缺口（收穫感、成就感）第一次出現，是在什麼時候，是什麼原因引起的；

【Causality 因果】確認小數據促使用戶產生了什麼樣的情感；

【Compensation 補償】從用戶的情感中，發現他們沒有被滿足的慾望，對此進行補償；在購買者的心裡住著一個沒長大的自己。案例：某掃地機器人品牌，發現用戶更注重陪伴而不是清潔，人性特徵（讓機器人說話）。

【Concept 觀念】用創意設計出可以操辦的補償辦法，來滿足用戶的慾望，製造驚喜感；

4、由此衍生出

【人與人面對面交流的重要性】可通過微表情、情緒反應和肢體語言等訊息，直接、快速搜集到對方的真實反饋，由此幫助你做出相關結論和決策；

對於重要的事情，能當面談的或電話聊的，盡量不發簡訊，你需要第一時間把握對方的情緒反應，做出進一步的判斷，進而讓談話更加高效有利。

【了解人性】要賺哪些人的錢，就要去研究這些群體；

【情商】需要考慮哪些數據維度，才能讓產品更符合用戶心意？

考驗的正是數據挖掘師的「情商」。比如現在很多網站、購物平台和聽歌APP，都會有「猜你喜歡」的智能推薦功能，而有些軟體自動推薦的陌生歌曲往往符合你的音樂品味，有些則不然。準確率的背後其實沒那麼簡單，不同數據師根據用戶標籤（比如：年齡）設計不同的演算法，效果也不盡相同。