超越市场调研的解析.doc

1、超越市场调研的解析假定你是一个新型厨具的制造商，你想知道顾客对你的产品的看法，那么，理想的做法是对顾客做一次调查，从量化的角度有效地了解顾客。对调查问题的回答将是数字化的，而且选取调查人数的样本大小将足以归纳得出结论。通过对数百名顾客的调查，你将保证可以得到一份有效的统计报告。 定量分析最好是让顾客对厨具的不同性能按照重要程度从 1 到 10 打分，10 分为最重要。调查结果可能是：烹饪速度，8.2；烹饪出的食物品质，7.1；清洁的容易程度，6.5；占据厨房空间：4.8。 你甚至还可以研究分析上述这些性能参数和价格敏感性之间的相关性。你也许会发现价格敏感性会随着烹饪速度重要性的上升而下降。不管

2、怎样，调查的最后结果会为决策提供支持。你的厨具可能会变成“快速烹饪厨具”，并且进行相应的市场营销。 这个假设的情景中隐含了市场调研的传统思维。它的特征是：信息是最基本的，量化信息尤其受到青睐，调查样本的容量越大，越有利于归纳出结论。 用市场调研的方法来了解顾客，本质上并没有什么错误。量化是很有效的，数据越多，样本容量越大，结果就越理想。但问题是，市场调研的观念不足于全面地了解顾客。 传统思维掉进了这样一个陷阱：简单地假定随着可获得信息数量的增加，对顾客的理解程度就提高；从越多的人那里得到越多的信息，市场调研的效果就越好，对顾客的理解就越好。 很不幸，这种囿于数据、特别是样本容量的做法是错误的。

3、对顾客的理解不只是一些数据，而首先是一种解析（explanation）。要理解某件事情，就是要解析这件事是怎样发生的，其中一部分工作是要预测将来会发生什么。但解析不仅仅是预测，而是要解释和说明将来事情为什么会发生和怎样发生，比如，在前面提到的新厨具的案例中，你所寻找的就是解析顾客为什么使用和怎样使用新厨具。 解析不从数据而来 在寻找解析的过程中，重要的是认识到解析永远不会存在于数据中。解析总是和数据相分离。看了下面这个案例，你就理解这一点了。 假设你从事食品服务行业，你对特定的人群做了市场调查，发现调查人群中 85%的消费者在被调查的一周内至少有 4 次吃鸡肉。你的调查人数虽多达 400 人，

4、但在统计学上并不具有代表性。于是你再做一次调查，选定 2,000 人做样本，并得到同样的结果。这样，你就得出结论：你的调查在定量上是精确的，在统计上是有效的，这些消费者都吃鸡！ 这个案例看起来就像你可能希望的那样，理解顾客很简单。的确，从市场调研的角度看事情就这么简单。问题是：解析在哪里？你可以预测这些消费者会继续吃鸡（因此，你应该在菜单上增加更多的鸡肉），但是，这只是预测，而不是解析。你可以说解析就是简单的推断：如果现在有这么多人吃鸡，那么将来很可能有很多人吃鸡。但是你怎么知道你可以按这个方式来推断呢？ 样本统计有助于把调查样本数据的规律，推广到数目更大的本该调查却没有调查的总体上。但是统计

5、学对于通过数据推断做出预测的难题无能为力。调查结果可以表明人们在吃鸡或者说他们（被调查人）在吃鸡，但是不能由此推断这种行为会持续到将来，虽然这种推断有时也有效，但也不过是调查人员的信心使然，不是逻辑思维的结果。 从另一角度看这个问题，其它的解释也是可能的。也许你调查的顾客是因为关注自己的体重而选择吃鸡肉来减肥，或者他们为了省钱而吃鸡肉。沿着任何一个方向进行解析，你就可以预测，当顾客已经完成目标或者对自己的目标厌倦了之后，就不再吃鸡肉了。 因此，你的数据人们吃很多鸡肉可以导致以下两种预测结果：人们将来会继续吃鸡肉或者会停止吃鸡肉。同样的数据可以适用于这两种相反的预测结果。所以，预测只依赖于解析，

6、而不是数据。 那么，解析来自哪里？从逻辑上讲，解析不可能来自数据，因为解析不是开始于数据。但如果不来源于数据，那又从哪里来呢？解析来自于创造力。解析是洞察消费者行为的创造性行为。这种创造力可能是由数据激发的，即通过观察和分析数据的关系模式把握事态；或者来自其它的创造性冲动，包括经验和直觉。 当一个解析降临你的时候，别管它从哪里来，解析本身是最根本的。你要把解析放在第一位，把数据放在第二位。 数据可以评价解析 如果你脑海中有了一个解析，数据可以在理解顾客的过程中发挥重要作用。数据的作用是使你对你做出的解析更加自信，或者让你放弃它，再寻找一个更好的解析。数据是对解析做出评价的最有力的工具。假定你是

7、一个新型厨具的制造商，你想知道顾客对你的产品的看法，那么，理想的做法是对顾客做一次调查，从量化的角度有效地了解顾客。对调查问题的回答将是数字化的，而且选取调查人数的样本大小将足以归纳得出结论。通过对数百名顾客的调查，你将保证可以得到一份有效的统计报告。 定量分析最好是让顾客对厨具的不同性能按照重要程度从 1 到 10 打分，10 分为最重要。调查结果可能是：烹饪速度，8.2；烹饪出的食物品质，7.1；清洁的容易程度，6.5；占据厨房空间：4.8。 你甚至还可以研究分析上述这些性能参数和价格敏感性之间的相关性。你也许会发现价格敏感性会随着烹饪速度重要性的上升而下降。不管怎样，调查的最后结果会为决

8、策提供支持。你的厨具可能会变成“快速烹饪厨具”，并且进行相应的市场营销。 这个假设的情景中隐含了市场调研的传统思维。它的特征是：信息是最基本的，量化信息尤其受到青睐，调查样本的容量越大，越有利于归纳出结论。 用市场调研的方法来了解顾客，本质上并没有什么错误。量化是很有效的，数据越多，样本容量越大，结果就越理想。但问题是，市场调研的观念不足于全面地了解顾客。 传统思维掉进了这样一个陷阱：简单地假定随着可获得信息数量的增加，对顾客的理解程度就提高；从越多的人那里得到越多的信息，市场调研的效果就越好，对顾客的理解就越好。 很不幸，这种囿于数据、特别是样本容量的做法是错误的。对顾客的理解不只是一些数据

9、，而首先是一种解析（explanation）。要理解某件事情，就是要解析这件事是怎样发生的，其中一部分工作是要预测将来会发生什么。但解析不仅仅是预测，而是要解释和说明将来事情为什么会发生和怎样发生，比如，在前面提到的新厨具的案例中，你所寻找的就是解析顾客为什么使用和怎样使用新厨具。 解析不从数据而来 在寻找解析的过程中，重要的是认识到解析永远不会存在于数据中。解析总是和数据相分离。看了下面这个案例，你就理解这一点了。 假设你从事食品服务行业，你对特定的人群做了市场调查，发现调查人群中 85%的消费者在被调查的一周内至少有 4 次吃鸡肉。你的调查人数虽多达 400 人，但在统计学上并不具有代表性

10、。于是你再做一次调查，选定 2,000 人做样本，并得到同样的结果。这样，你就得出结论：你的调查在定量上是精确的，在统计上是有效的，这些消费者都吃鸡！ 这个案例看起来就像你可能希望的那样，理解顾客很简单。的确，从市场调研的角度看事情就这么简单。问题是：解析在哪里？你可以预测这些消费者会继续吃鸡（因此，你应该在菜单上增加更多的鸡肉），但是，这只是预测，而不是解析。你可以说解析就是简单的推断：如果现在有这么多人吃鸡，那么将来很可能有很多人吃鸡。但是你怎么知道你可以按这个方式来推断呢？ 样本统计有助于把调查样本数据的规律，推广到数目更大的本该调查却没有调查的总体上。但是统计学对于通过数据推断做出预测

11、的难题无能为力。调查结果可以表明人们在吃鸡或者说他们（被调查人）在吃鸡，但是不能由此推断这种行为会持续到将来，虽然这种推断有时也有效，但也不过是调查人员的信心使然，不是逻辑思维的结果。 从另一角度看这个问题，其它的解释也是可能的。也许你调查的顾客是因为关注自己的体重而选择吃鸡肉来减肥，或者他们为了省钱而吃鸡肉。沿着任何一个方向进行解析，你就可以预测，当顾客已经完成目标或者对自己的目标厌倦了之后，就不再吃鸡肉了。 因此，你的数据人们吃很多鸡肉可以导致以下两种预测结果：人们将来会继续吃鸡肉或者会停止吃鸡肉。同样的数据可以适用于这两种相反的预测结果。所以，预测只依赖于解析，而不是数据。 那么，解析来自哪里？从逻辑上讲，解析不可能来自数据，因为解析不是开始于数据。但如果不来源于数据，那又从哪里来呢？解析来自于创造力。解析是洞察消费者行为的创造性行为。这种创造力可能是由数据激发的，即通过观察和分析数据的关系模式把握事态；或者来自其它的创造性冲动，包括经验和直觉。 当一个解析降临你的时候，别管它从哪里来，解析本身是最根本的。你要把解析放在第一位，把数据放在第二位。 数据可以评价解析 如果你脑海中有了一个解析，数据可以在理解顾客的过程中发挥重要作用。数据的作用是使你对你做出的解析更加自信，或者让你放弃它，再寻找一个更好的解析。数据是对解析做出评价的最有力的工具。