京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据与口碑营销背后的科学奥秘
为什么有些公司、产品、服务得到的口头宣传就要比别的多?是运气吗?不,这里面是有科学的。社交网络大师总给我们灌输一个道理,乏味的产品或创意是不会有人讨论的。因此你可能会认为更有趣的 产品和品牌被讨论得越多。新颖的东西相对于平凡的被提起得更多。
初创企业的生死存亡取决于口碑。无论是新网站、革命性的招聘服务,还是 B2B,消费者意识一开始都是很低的。没人意识到你的存在,所以你必须有人帮你宣传。但是大多数的初创企业都没有很高的广告预算。它们必须有机地发展壮大:让现有的客户或粉丝帮招揽新的—一次一个就行。
那么为什么有的公司、产品和创意会比别的被讨论得更多?大家往往认为口碑营销之难就好比拿瓶子去捕捉闪电。得有运气。市场必须恰到好处。或者你需要 3、4 种难以形容的品质组合通过某些无法解释的手段来创造出魔法来。
这是一个很棒的理论。除了有一点完全错了。
口口相传背后是有科学奥秘的。为什么有人讨论某些东西比别的多?这既非随机亦非运气。正如行为经济学家研究过为什么大家会做出特定的选择,或者统计学家从 “大数据” 剖析出人类行为那样,研究人员一直在努力分析我们决定讨论或分析什么背后的人类行为。
比方说,在最近的一次调查中,我和同事研究了几乎 10000 种产品和品牌的口碑数据,大至可口可乐、沃尔玛等巨头,小至各种初创企业,不一而足。范围涵括了从技术公司到服务,从 B2B 到消费型袋装货物等一切东西。我们还在另外一个项目中分析了几乎7000 种在线内容的病毒传播力。这里面既有政治性的,也有国际新闻,也包括有趣的内容、体育、时尚等。
但是这些研究并不仅仅关注于记录哪个产品被谈论得最多,或者哪种类型的在线内容获得了病毒式传播。而是要去理解这些结果背后的动机:促使某件事情 / 东西被讨论得更多或获得病毒式传播的底层人类行为;不同的情绪(悲伤与愤怒)是如何决定大家要分享什么的;网上与线下沟通是否会影响到大家对品牌的讨论内容?如何影响?讨论的心理学;社会传递的科学等。
就拿促因(Triggers)来说吧。迪斯尼要比 Cheerios(麦圈品牌)更有趣。这的确是一项吸引人的情感体验。但是问题在于大家并没有被触发到会频繁地想到它。当然在逛了迪斯尼的某个主题公园之后大家会谈很多迪斯尼的东西,但是除非随后几周或几个月内被提醒要想一下那方面的体验,否则他们是不会不断提起迪斯尼的。
Cheerios 是没有那么有趣,但是大家每天都要吃早餐,1年365 天都得吃。哪怕他们不买 Cheerios,每周推着购物车在谷类购物通道经过时还是要看到它的。这让 Cheerios 更容易被第一时间想起,增加了它被提到的几率。某个产品或主意也许的确非常有趣,但是如果大家没有受到触发去想起它,它就永远也不会被提及。心中想起(Top-of-mind)意味着话在嘴边(tip-of-tongue)。
促因只是我和同事在研究中发现的口口相传的关键驱动力之一。我在研究中再三地发现有 6 个相同的原则促使大家讨论和分享东西。这 6 大原则可以简称为 STEPPS:社交货币(Social Currency),促因(Triggers),情绪(Emotion),公共(Public),实际价值(Practical Value)以及故事(Stories)。
社交货币(Social Currency)。跟我们开的车穿的衣服一样,我们说的东西影响到别人如何看我们。所以某样东西越能让某人看起来不错,就越能被传递下去。
促因(Triggers)。如果一样东西总在第一时间被想起,就会被经常提及。正如花生酱令我们想起果冻一样,我们被触发想起某样产品或想法的次数越多,我们讨论它的次数就会越多。
情绪(Emotion)。我们在意的时候就会分享。无论是积极的(兴奋或幽默)或者是消极的(生气或焦虑),高唤醒情绪促使我们分享。
公共(Public)。人倾向于模仿他人。但正如老话 “有样学样” 说得那样,越容易看到某人在做什么,就越容易模仿。公共可观察性会推动模仿(如 iPod 的白色耳机)。
实际价值(Practical Value)。大家不仅仅是想要好看,也希望能帮到别人。因此越有用的东西被分享就越多。比方说融资的 10 种方式或者 5 大谈判技巧这样的文章肯定吸睛。
故事(Stories)。没人希望被看成是活广告,但是如果某样东西是更宽泛的故事中的一部分的话他们会愿意谈到它的。所以要编一个 “特洛伊木马” 式的故事,从中去传递你的品牌信息。
这 6 个原则构成了赢得更多口碑的方程式。这是制作有感染力内容并让更多人讨论产品或主意的配方。
按照这个公式做就能保证赢得病毒式传播吗?不能。但是它可以提高平均成功率。没人每次都能击出全垒打,但是理解制造轰动的科学之后,我们可以通过击出更多的一垒安打、二垒安打乃至于全垒打来提高成功率。
口碑传播也是如此。理解了为什么会大家议论和分享背后的科学之后,企业组织就能够让自己的产品和想法赢得更好的口碑,并帮助这些产品和想法一路流行起来。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在大数据时代背景下,海量行业数据亟需通过专业化工具挖掘潜在价值,辅助企业业务决策、优化运营模式、规避经营风险。Python凭借 ...
2026-08-28SQL是数据分析领域最基础、最核心的工具,承担着取数、清洗、统计、分层、归因的全流程工作。不同于单纯的语法练习,实战化SQL数 ...
2026-08-28 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-08-28随着新零售模式的快速普及,零售行业从传统的“货品驱动”全面转向“用户驱动”。门店交易数据、线上消费记录、浏览轨迹、复购频 ...
2026-08-27在数据分析、爬虫采集、接口开发、数据归档等场景中,JSON与CSV是两种使用率最高的数据存储格式。JSON为键值对结构化格式,适配 ...
2026-08-27 很多数据分析师每天都在计算指标、制作报表,但当被问到“什么叫指标数据元”“指标数据标准包含哪些核心维度”“指标数据质 ...
2026-08-27在数据分析工作中,时间序列是最常见的数据类型之一,订单时间、日志时间、交易时段、统计周期等数据均离不开时间处理。原始数据 ...
2026-08-26在数据分析与数据预处理工作中,原始数据普遍存在录入错误、系统故障、偶然极值等问题,极易产生异常数据。异常数据会严重干扰数 ...
2026-08-26 很多数据分析师能熟练写SQL、做透视表,但当被问到“数据是从哪里来的?经过哪些加工才进入数据仓库?ETL具体做了什么?”时 ...
2026-08-26在数理统计与数据分析领域,多因素方差分析与线性回归模型是研究变量关系、因素影响、数据差异规律的两大核心工具。二者均属于经 ...
2026-08-25数据分析的核心价值不在于数据计算与图表制作,而在于清晰、精准、有逻辑地输出结论、支撑业务决策。日常数据分析报告普遍存在结 ...
2026-08-25 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-08-25平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-08-24 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-08-21在数据分析与数据可视化工作中,直方图是展示数据分布特征、离散程度、集中区间的核心图表,能够直观呈现数值数据的频次分布规律 ...
2026-08-20在数据分析领域有一句核心准则:垃圾数据进,垃圾数据出。数据清洗是数据分析、数据建模、数据可视化之前的必经前置工序,也是保 ...
2026-08-20 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-08-20在Python数据分析与数据清洗工作中,Pandas是最核心的数据处理库,DataFrame是结构化数据的标准存储格式。在实时数据采集、循环 ...
2026-08-19