京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据时代挖掘小数据的重要性
在互联网迅猛发展的今天,大数据连接了千百万的数据点,很多人像信仰宗教一样信仰大数据。但在大数据时代,挖掘小数据也很重要,甚至更加重要。
最近有本新书,名叫《痛点:挖掘小数据满足用户需求》。这本书里说,这本书的作者是世界著名品牌营销专家马丁·林斯特龙,他曾是迪士尼、百事可乐、雀巢等著名企业的品牌顾问。马丁认为,身处大数据时代,我们要注意两个问题。
第一个问题是,大数据不会激发深刻的见解。他认为,创意通常来自把一两个不相融的物体结合起来。但是,大数据库过于狭隘,无法促成对比分析,很难带来突破性的结论。
第二个问题是,大数据重分析,轻情感,数据很难捕捉我们最看重的情感品质,比如友好、可爱。所以虽然大数据能够帮助品牌做决策,但却没办法让人们喜欢你的品牌,也就是没办法提升品牌的受欢迎度。
而且,技术的出现让我们拥有了两种人格,网络的和现实的。这两种人格几乎没有相似之处。在社交媒体上,我们并不是真实的自己。所以,当人们按照生活中的习惯行动的时候,来自网络的大数据分析通常不会很准确。
基于这两个思考,马丁·林斯特龙就提出,在大数据之外,更重要的是对真实生活场景进行观察和分析,也就是寻找小数据,只有这样才能找到用户最真实的需求。挖掘小数据,就是从手势、习惯、装饰、密码等等生活细节中,发现人们的欲望和需要。只有满足这些需要,也就是痛点,才能掌握无限的商机。换句话说,大数据与小数据的结合,才是21世纪实现营销成功的关键因素。
书中举例说,作者曾经受到委托,在沙特阿拉伯设计一个购物中心。他像往常那样在当地进行了详细的调研,发现沙特墙上的涂鸦都有一个主题,那就是水。他还发现,沙特的儿童书里面很少有和沙漠有关的内容,而是以绿洲、溪水为主。而沙特孩子五分之四的玩具是消防车、救护车和警务车,这个比例在全球来说非常高。马丁在咨询了心理学家以后,觉得这些现象都来自于沙特人对火的强烈恐惧,尤其是女性。所以在设计商场的时候,马丁和设计团队设计了几条大水渠穿过商场,还增加了鸟叫声,将商场变成了充满水形象的世界。这个设计最终取得了非常好的效果,就是因为契合了大家的心理需求。
那么,到底该如何挖掘小数据、捕捉需求呢?书里介绍了7个步骤。
第一,搜集资料。想了解某一地区人们的习惯,当地的调研必不可少。可以找几类人获得信息。一个是文化观察者,比如初到此地的新人,问他们的印象。或者当地最基层的人,比如理发师、酒保、邮递员,他们不光会告诉你事情的详情,还会告诉你他们亲朋好友的情况。我们要尽可能从更多的信源中,获得不同的观点。
第二,寻找线索。人有两个自我,一个理想的自我,一个真实的自我,而需求往往就是存在两者的差异之间。调查的时候,理想的自我可以从客厅、背包等显露在外面的地方来看,而真实的自我可以从比较隐私的地方去找,比如冰箱、衣橱等等。
第三,连接线索。问问自己:线索有什么相似的地方?这些线索偏向某个方向吗?如果最初有假设,打算开始验证吗?
第四,关联。寻找顾客行为上的转变,作者称为切入点,从中可以看到一些隐藏的信息。可以表现切入点的事件包括,结交新朋友、得到或失去伴侣、送孩子上大学,以及所有人生中的里程碑或者职业转换。
第五,因果关系。这一步要开始小数据挖掘了,找出因果关系,想想顾客的感情由什么激发?他们需要什么?要站在顾客的角度看问题。
第六,补偿。验证完因果关系,就该提取欲望了。要思考,人们还有什么欲望没被满足?满足欲望的最佳方式是什么?
第七,观念。想想已经发现的欲望,要用什么创意才能满足。作者提醒,创意不太可能在压力下产生,往往是不经意间到来,所以要给自己留有足够的空间。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在分类变量关联分析中(如 “吸烟与肺癌的关系”“性别与疾病发病率的关联”),卡方检验 P 值与 OR 值(比值比,Odds Ratio)是 ...
2025-11-05CDA 数据分析师的核心价值,不在于复杂的模型公式,而在于将数据转化为可落地的商业行动。脱离业务场景的分析只是 “纸上谈兵” ...
2025-11-05教材入口:https://edu.cda.cn/goods/show/3151 “纲举目张,执本末从。” 若想在数据分析领域有所收获,一套合适的学习教材至 ...
2025-11-05教材入口:https://edu.cda.cn/goods/show/3151 “纲举目张,执本末从。” 若想在数据分析领域有所收获,一套合适的学习教材至 ...
2025-11-04【2025最新版】CDA考试教材:CDA教材一级:商业数据分析(2025)__商业数据分析_cda教材_考试教材 (cdaglobal.com) ...
2025-11-04在数字化时代,数据挖掘不再是实验室里的技术探索,而是驱动商业决策的核心能力 —— 它能从海量数据中挖掘出 “降低成本、提升 ...
2025-11-04在 DDPM(Denoising Diffusion Probabilistic Models)训练过程中,开发者最常困惑的问题莫过于:“我的模型 loss 降到多少才算 ...
2025-11-04在 CDA(Certified Data Analyst)数据分析师的工作中,“无监督样本分组” 是高频需求 —— 例如 “将用户按行为特征分为高价值 ...
2025-11-04当沃尔玛数据分析师首次发现 “啤酒与尿布” 的高频共现规律时,他们揭开了数据挖掘最迷人的面纱 —— 那些隐藏在消费行为背后 ...
2025-11-03这个问题精准切中了配对样本统计检验的核心差异点,理解二者区别是避免统计方法误用的关键。核心结论是:stats.ttest_rel(配对 ...
2025-11-03在 CDA(Certified Data Analyst)数据分析师的工作中,“高维数据的潜在规律挖掘” 是进阶需求 —— 例如用户行为包含 “浏览次 ...
2025-11-03在 MySQL 数据查询中,“按顺序计数” 是高频需求 —— 例如 “统计近 7 天每日订单量”“按用户 ID 顺序展示消费记录”“按产品 ...
2025-10-31在数据分析中,“累计百分比” 是衡量 “部分与整体关系” 的核心指标 —— 它通过 “逐步累加的占比”,直观呈现数据的分布特征 ...
2025-10-31在 CDA(Certified Data Analyst)数据分析师的工作中,“二分类预测” 是高频需求 —— 例如 “预测用户是否会流失”“判断客户 ...
2025-10-31在 MySQL 实际应用中,“频繁写入同一表” 是常见场景 —— 如实时日志存储(用户操作日志、系统运行日志)、高频交易记录(支付 ...
2025-10-30为帮助教育工作者、研究者科学分析 “班级规模” 与 “平均成绩” 的关联关系,我将从相关系数的核心定义与类型切入,详解 “数 ...
2025-10-30对 CDA(Certified Data Analyst)数据分析师而言,“相关系数” 不是简单的数字计算,而是 “从业务问题出发,量化变量间关联强 ...
2025-10-30在构建前向神经网络(Feedforward Neural Network,简称 FNN)时,“隐藏层数目设多少?每个隐藏层该放多少个神经元?” 是每个 ...
2025-10-29这个问题切中了 Excel 用户的常见困惑 —— 将 “数据可视化工具” 与 “数据挖掘算法” 的功能边界混淆。核心结论是:Excel 透 ...
2025-10-29在 CDA(Certified Data Analyst)数据分析师的工作中,“多组数据差异验证” 是高频需求 —— 例如 “3 家门店的销售额是否有显 ...
2025-10-29