
大数据还是未来 “小数据” 会让你大开眼界
如今最重要的潮流是什么?如果你问任何一位 CMO,你得到的答案可能是 “移动” 或者 “社交媒体”。大部分情况下,人们给出的第一个答案是 “大数据”。但是,如果你问著名的品牌专家兼畅销作者 MartinLindstrom 这个问题,你会得到不同的答案:小数据。
Lindstrom 一直喜欢别出心裁,他的新书《小数据:揭示大趋势的小线索》一书就是很好的例证。
Lindstrom 所提出的 “小数据” 很简单,至少在概念上很简单。作为一名营销人员,你应该将时间花在研究真实环境中的真实的人。通过仔细观察,可以形成强有力的营销洞察。
这种方法是大数据的以人为本的替代方案。在每一种场景下,人们通过收集信息获得行为、兴趣等洞察。但是 Lindstrom 的方法依赖对小样本的敏锐观察和应用的直觉。
Lindstrom12 岁的时候开始玩乐高玩具。这位崭露头角的企业家用塑料块在他的后院中创造了一个精致的迷你主题公园。最初,乐高的律师威胁他侵犯了商标权,要起诉他。幸运的是,他们处理了这件事,Lindstrom 被任命为一名顾问。自此他开始为乐高公司做咨询。
由于利用小的积木块来创建结构需要耐心,乐高的解决方案是引进大的积木块,这样可以轻松地创建结构。他们的用户可以在几分钟内创建一座城堡,而以往需要耗费好几个小时。
Lindstrom 在最近的交谈中说,这种策略失败了,乐高的销售额还在不断下滑。
在这种艰难的时期,“小数据” 概念出现了。乐高的研究员团队为了更好的了解用户,拜访了德国一位 11 岁小男孩的家。他们问小男孩在他的屋里他最自豪的是什么?
Lindstrom 说:“小男孩想了一小会,指向了鞋架上穿坏了的溜冰鞋。他说:‘这是我最骄傲的,这双鞋可以证明我是这个镇子里最好的溜冰者。当我溜冰的时候,我可以滑出弧度。’ ”
这个团队意识到即使现在的孩子想要什么就能有什么,他们还是愿意把大量的时间用在自己感兴趣的事情上,如果他们自己做主的话。
乐高团队根据这一发现修改了他们的策略。他们开始使用更小的积木块。他们决定让孩子掌握主动权。Lindstrom 解释道:“不仅讲故事,同时还要制作乐高电影。”
如今,乐高广泛推广的产品和声誉让他们成为世界顶尖级的玩具制造商。
来自冰箱贴的提示
Lindstrom 提及的关于小数据的示例涉及不同文化环境中冰箱贴的摆放情况。
Lindstrom 花了大量的时间到用户的家中拜访,他注意到很多小细节。其中一个细节问题是冰箱贴。冰箱贴一般用作备忘录和回忆。他注意到在沙特阿拉伯常常放在冰箱的最高处,小孩子们碰不到。相反,在访问西伯利亚时,他发现冰箱贴放得很低。
由于 Lindstrom 访问的沙特阿拉伯家庭比西伯利亚家庭买的玩具多,他认为冰箱贴放得靠下是把冰箱贴也当作了儿童的玩具。这种研究的结果是创办了一家新的俄罗斯玩具公司。
“在场” 的重要性
Lindstrom 一年内 300 天都在全世界旅游,并且拜访别人的家庭。这是人们少有的生活方式,或者想要的生活方式。当别人问他在进行非全球性的市场营销时,是否可以使用小数据时,他这样回答:
“当然可以使用。当我们在等别人时,如果这个人迟到了,你做的第一件事情是什么?你会拿起你的手机,然后做点事情,什么事情都行,伪装成你并不是一个 loser,是吗?因为我们会在几秒的时间内感到无聊,但不会几个小时都很无聊,因此我们也就不再无聊了。”
但是又一个问题出现了。当你不无聊时,你是没有创意的。创意来自于你处于一种无聊的状态,因为在这种无聊的状态下你才会去编故事。但是这也使得你善于观察,有一种 “在场感”。如果你没有注意到发生在你身边的事情,那么你会缺少 “在场感”。
你需要做的第一件事情是你应该“在场”
Lindstrom 强调他自己承诺的在场是不再使用手机。他将其称为 “一个非常、非常艰难的排毒过程。”
你可能还没有准备好放下你的手机。但是找时间阅读一下 Lindstrom 的图书吧。《小数据》在市场营销中引入 “人性” 的概念。Martin Lindstrom 会把你培养成善于观察人类和趋势的人,帮你获得通过数据分析无法得到的见解。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 用户数据散落在注册系统、APP 日志、客服记录中,订单数据分散 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15在机器学习入门领域,“鸢尾花数据集(Iris Dataset)” 是理解 “特征值” 与 “目标值” 的最佳案例 —— 它结构清晰、维度适 ...
2025-10-15在数据驱动的业务场景中,零散的指标(如 “GMV”“复购率”)就像 “散落的零件”,无法支撑系统性决策;而科学的指标体系,则 ...
2025-10-15在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14