不要盲目相信大數據結論, 有時候小數據更靠譜!

首先我先拋一個結論:在這個消費升級的時代,中國進行翻天覆地的快消品改革的年代,這個新物種爆炸的時代,消費者洞察將是接下來在品牌營銷市場工作當中非常有競爭力的方向。


說到消費者洞察,很多朋友立刻把大數據給搬出來了,說大數據報告是我最喜歡看的東西。也有朋友說,不管做什麼我都要先去找數據,用數據支撐我的決策。


這樣的朋友是非常理性的,我自己也喜歡參考一些數據,但是今天想給大家的提醒就是不要盲目相信大數據,以及盲目相信大數據的維度。什麼意思呢?大家都知道,所謂的大數據是不會說話的死數據,是根據以往經驗,根據以往簡單粗暴的維度統計到的數據總和。


大家都知道現在提煉大數據的方式、方法和維度是相對比較單一的,比如會從客單價、年齡、收入等部分提煉大數據,大數據還沒有真正的進入到軟性大數據的階段,比如用人工智慧觀察微表情、行為。大數據目前還不夠完善,我們目前所獲得的所有數據基本上都是非常粗暴的數據。


那麼這些大數據有沒有價值?當然有,不然的話怎麼會撐起那麼高估值的那些數據公司。這些大數據很多時候是對我們的商業決策、商業模式決策有著非常重要的作用。當我們看一個市場到底有多大,看這個市場里每一類人,對具體的商業模式決策是有幫助的。但是回到大家在品牌營銷具體執行層面,對於執行的預測幫助大不大,我只能說有幫助,但大家不要掉進大數據提供的維度里去。


舉個例子,大家都知道現在各種新零售崛起,如果還是去傳統超市的話,我們可能翻數據,告訴你現在還有什麼樣的人會去傳統超市購物,他們的月收入大概是什麼樣的,家庭結構是什麼樣的,這些人的年齡是什麼樣的,都是非常理性的數據。我們做方案、策劃、營銷決策的時候,肯定會參考這樣的數據推出關於傳統超市如何進行品牌營銷升級和轉型的建議。


但是大家知道嗎?這個時候你已經進到坑裡了,原因是你進入了大數據為你設定的思考維度,其實如果大家自己做洞察的話,會有這樣的發現。


因為我昨天約了朋友吃飯,經過了一家傳統超市。當我進入時,發現一個問題——超市裡購物的人多為女性。其次,這些女性有一個驚人的相似點——梳著馬尾辮。


這個發現讓我非常的驚訝,因為這個發現是純感性的,沒有任何的數據依據等理性參考依據,只是在那一瞬間我發現了那麼多女性購物,而且都梳著中規中矩的馬尾辮,穿著非常務實的衣服,選購著超市裡性價比高的產品。應該說從她們的外貌上看是非常會過日子的、操持家務的人,往往不施粉黛,表情也非常恬淡。大家在感性層面能夠總結出來的這些人的表現,比如說扎馬尾可能會是它們的共同屬性,這個屬性裡邊暴露很多生活習慣。


另外,比如有人問我們去推一個產品給那些更小資、更挑剔、更愛美的人群的話我們應該怎麼做方案。所以大家又去找數據,數據告訴你年收入在多少的人往往會去做什麼樣的事情。


但是還是那句話,大家又掉進了數據給你設計的陷阱。我們常說高凈值人群,也常說收入在5000元以上的人群。大家想一想,所有的這個維度都是簡單粗暴地把一個大眾畫像塞給你,但事實上我們要切分的是一小撮人群,那個人群才更精準。


比如像剛才提到的更小資、更挑剔的人群,與其說他們的收入在多少以上,不如去思考一下他們的共同的模型或者行為方式是什麼樣。這裡我也給大家拋一個感性的思考維度:你與其思考身邊年收入在20萬以上的人,不如去思考一下身邊的那些堅持做美甲的朋友,他們是否共性更大。所以這就是一個關於感性洞察和理性數據之間的博弈,有的人相信理性、相信大數據,有的人相信感性判斷、相信小數據,甚至相信對個體的判斷。


所以我個人是一個小數據論者,特別相信一句話,就是每個人都有他的不同,一小撮人有他們的共同點,但他們絕對跟大部分人都有不同,所以我們只有尊重人性的這些不同,找出真正的感性觀察在他們身上的烙印,才能精準地抓到這波人,洞察到他們的生活習慣、人性、人情,所以理性的數據有時給我們提供了宏觀判斷和市場梗概,但是大家在當下階段不要去盲目相信這些理性數據,更不要依據他去做很多具體執行層面和洞察層面的觀察,因為那樣往往給出來的是一份沒用的策劃!



你說:這是一個看臉和看財的時代,我說:這也是一個看個人品牌深度IP的時代。讓你的語言表達更有價值,讓你的人際交往更加高效,讓「向登付」教你如何系統化打造個人品牌深度IP。這裡不打雞血,不煲雞湯,不喊口號,從零開始,一步一步,一天一天,日積月累,水滴石穿。這裡沒有速成,更沒有秘訣,只有目前更實戰的方法和操作指南,如果你願意花時間每天來收聽和練習,恭喜你來對地方了,歡迎您前來,讓我們一起學習,共同進步,打造真正屬於你自己的「個人品牌深度IP」,祝願您早日成功!成為牛x的個人品牌深度IP!我是"向登付",打造個人品牌深度IP發起人!

推薦閱讀:

羅振宇:「超級用戶」在互聯網時代起到了哪些作用?
課程篇(16):產品運營-數據運營
用Python讀紅樓夢之——二、詞雲美化
我是如何從數據分析到用戶研究再到產品經理的
今天,我們聊聊如何找資料

TAG:互聯網數據分析 | 大數據 | 大數據分析 |