MathArt | 数据驱动用户洞察

传统调研加画像的洞察不是真正的洞察，本质上，仍然是传统研究的简单升级，换汤不换药。

文 | 董事长兼CEO 张椿琳

脱离客户真实诉求的市场营销研究是“伪命题”。消费形态的本质都扎根于消费者生活中。现如今，除了工作、家庭之外，汽车已逐渐成为消费者第三大日常生活场景，人们与车的关系更加紧密。

基于此，客户对于车的理解，已经与以往发生了本质的变化，车企在车辆设计和营销策略制定的时候，更需要从客户用车的丰富繁杂的甚至是琐碎的场景出发，而这对研究能力提出了前所未有的挑战。

传统调查研究很难捕捉如此细分、庞杂、动态的消费者行为和趋势，这无疑给车辆设计和营销策略制定带来了不小的挑战。

在卖方市场向买方市场转变的时候，消费者开始变得挑剔，决策周期更长，决策的不确定性不断增强，消费者细分更加的具体，单纯看区域差异就足以让研究者头疼。

比如一线城市和五线城市的差异巨大，一线城市不同职业群体的差异巨大，同样的人群随着社会热点的出现，其相应的用车需求也会产生巨大的差异，首购车用户与再购车用户的需求差异同样巨大。

之前的研究是研究群体的共性，现在的研究不但要看趋势和共性，更重要的是要抓住细节和差异，洞察和挖掘所需的海量数据，做深入下钻的研究，这对技术、数据、能力都是前所未有的挑战。

回到现实来看，车企本身做用户洞察基本上是产品研发部门和市场部门以调研的方式开展的，多年来随着大数据的普及，不少车企的洞察聚焦于用户画像，但整体层次相对较浅。

我们发现车企对于车主和潜客的洞察还是在刻画整体层面的画像（偏粗放），最多行程分类，而基于分类的用户洞察结果也过于笼统，滞后，周期性长，不尽如人意，人群城市分布往往集中在一、二线城市，三、四线城市客户难以触及。

分析结果的脸谱同质化倾向严重，似乎同一个细分市场的人群都是集中的年龄段、类似的职业、相似的APP行为和线下活动习惯，消费观和消费习惯也是惊人的相似，这样的结果往往让市场营销工作无从下手。

传统调研加画像的洞察不是真正的洞察。这些洞察在本质上，仍然是传统研究的简单升级，换汤不换药，具体看，有几个天然的弱势：

一、研究结果的导向性明显。车企在进行用户洞察前，需要先假设，用假设圈定目标人群，再设计调研问卷或访谈课题，再由研究员进行专项研究，进行问题发现与研究。换句话说，不少洞察调研一开始就已经是一个假设问题，洞察的过程就是逐步验证假设正确与否的过程，假设以外的内容没有办法在研究中补充进去。

二、周期长，成本高。在验证假设的过程中，前期的课题选择需要进行精细的设计，否则，一旦假设错误，一切将重头开始。同时，传统调研为保障效果，前期需要积累足够的样本，调查问卷、座谈会、深度访谈等调查形式需要投入极大的人力物力成本。比如以某一个车型配置是否能打动客户这样的研究课题，研究费用不少于30万元，且需要一个月的时间才能出结果，这显然无法支持现在动态变化的产品需求搜集和产品研发工作。

三、数据静态。一方面，传统调研一般产出咨询报告，调研人员的信息、访谈结果未录入系统或者录入系统也是文本信息或者报表，不利于追溯和动态观察，某种程度上说，是数据资产的浪费。而不少大数据用户画像的研究也是输出报告为主，花了不少钱，获得了几份报告，无法形成趋势性的对比。

然而，车企对于洞察的需求却只增不减，数策在服务客户的过程中，已经非常明确地获得客户在以下方面对洞察的需求：

产品PRD：产品本身，配置细节，定价等；

竞争态势：细分市场，交叉的细分市场研究等；

区域化营销主题：从城市到县城到乡镇的研究，支持属地化打法；

目标人群圈定：反向圈定人群，而不是假设人群去做定量验证；

实时的车辆上市监测：产销配比接受度，市场表现，营销策略及时调整等；

销售与服务改善，客户体验洞察。

以上需求的共同特点就是：及时化，区域化，定制化，既要整体研究，又要细节探究。

有没有一种洞察方法，能及时、精细、准确、快速完成用户洞察，并且长期地形成数据资产的沉淀？

随着技术的成熟， 车企开始通过“互联网大数据+文本分析+在线社区”组合洞察平台的建设，通过文本分析模型，借助海量动态大数据，像雷达一样挖掘用户潜在需求，实时地呈现需求变化，一旦需求产生，即可对接自建社区快，迅速圈定人群并进一步验证，深入洞察。这种方式便能满足及时性与深入性的统一，而且投入产出非常合理。

大小数据结合，平台化实时，服务于多个业务需求，一次投入，多方长时间受益，这种方式越来越得到车企的认可。

现有汽车销量逐渐下滑的这几年内，深入且精准的营销是永恒不变的主题，用户洞察已经不是“可做可不做”的选择了，而是一定要做，而且要做得更快更好。将网络大数据配合汽车行业知识库训练的文本分析模型，结合平台化、定制化、深入的在线客户研究社区，才能将洞察常态化、动态化，并且，以更少的投入，做到更持久灵活的产出。

微信扫一扫
关注该公众号