京公网安备 11010802034615号
经营许可证编号:京B2-20210330
如何利用大数据思维来进行用户调研
传统的产品调研,通常需要先行选定用户样本,之后耗费大量人力物力采用不同的调研方法,进行用户调研。如果把大数据应用到用户调研当中,凭借着海量的历史数据样本,对于调研问题,可以借助大数据进行预分析处理,之后再进行人工选择性介入处理,不仅可以提高用户调研的效率,以最快的速度响应用户需求,而且可以极大的降低用户调研的成本。基于此,本文试图利用大数据思维,来解读大数据时代下用户调研的新变化。
说明:本文提供的仅仅是大数据时代下,用户调研的思路。如果有具体的用户调研需求,欢迎向笔者提出,笔者将在下篇推文中,进行具体案例的探讨。
大数据作为一种生产资料,正在越来越深入的影响着人类社会。现在,大数据在电商领域,通过根据相似消费者的商品偏好,向顾客推荐更符合其个人喜好的商品,这一推荐方式不仅仅省去了消费者寻找商品的时间,更是提高了电商平台的收入。
同理,在音乐、电视剧、电影,广告投放、用户调研等领域,大数据的可用武之地也越来越广。那么,大数据时代给用户调研方式带来了哪些改变呢?
大数据被广泛应用以前,传统的用户调研方式,通常需要经过界定调研问题、制定调研计划、综合调研方法、设计调研问卷、总结调研结果这5个步骤。
但是,大数据被广泛应用以后,凭借着海量的历史数据样本,对于调研问题,可以借助多种公开的大数据工具进行预分析处理,之后再进行人工选择性介入处理,将二者进行比对,进行多轮TEST,帮助产品人员发现问题的真相。
一、设置出优秀的调研问题,调研便成功了一半
设置调研问题,处于整个调研的第一个环节,其重要性自然不言而喻。比如某些产品经理可能会提出“用户为什么不接受视频付费”,或者“是否有足够的用户愿意支付15元/月来观看正版高清视频,如果是更低或者更高的价格呢?”前一个调研问题过于宽泛,而后一个调研问题却又界定的过于单一。
如果将调研问题界定为:
当然,并非所有调研的调研内容都能如此具体明了:
有些属于探索性研究,这类调研的目的在于找出问题的真相,提出可能的答案,或新的创意;
有些属于描述性研究,这类调研重在描述项目内容的某些数量特征;
还有一些是因果性研究,这种调研的目的是检测现象之间是否存在因果关系。
二、根据调研问题,进行大数据预分析处理大数据的魅力在于采集的不是样本数据,而是全部数据。例如滴滴推出滴滴外卖服务、美团推出美团打车业务,得益于现代社交网络的发达程度,滴滴和美团几乎可以对微博、微信等社交媒体上的对于新推出服务的议论进行统计分析,从而提供更好的服务。
例如,可以通过百度指数了解网友对于此项服务的搜索行为,同时进行跟踪分析:
当然并不是所有的网友都会使用百度搜索,他们也有可能使用360搜索,这时就要借助360指数:
又或者用户采取其他方式来表达情绪和想法,比如社交媒体微博、微信,可能就会用到微博指数,第三方舆情监测和口碑分析工具,借助新浪微舆情进行口碑分析和文本挖掘:
说明:以上的大数据工具,仅列举了常用的3种。在实际操作中,大数据工具的选择,还需要根据用户具体的调研问题来确定。
三、人工介入,对调研问题进行针对性处理
可以根据大数据分析结果,人工介入到调研问题上来,进行有针对性的调研处理,这时候可以采用传统的调研方法。但是与以往不同的是,在采用这些调研方法时,不需再耗费大量成本进行种种调研。选择人工介入的目的,是为了更真实的感受调研过程,参与调研问题的处理上来。
传统的调研方法,通常有以下4种方式:
1.观察法
这种方法是采取不引人注目的方式,来观察消费者使用产品的情形,以收集最新数据资料。某些战略咨询公司在做调研时,十分信奉观察法。
下面是国内知名的营销咨询公司,华与华在《超级符号就是超级创意》里关于这一方法运用的片段,了解一下:
“比如你在超市里观察牙膏的消费,观察走到牙膏货架前的人,你会看到这样的一个过程:一个顾客推着购物车走过来,一边走一边浏览货架上的牙膏;停下来,注目于一盒牙膏片刻,继续往前走;停下来,拿起一盒牙膏,看后放下;又拿起一盒看看,再翻过来,仔细看包装,背后的文案放回货架;往前走两步,掉头回到最开始注目的那盒牙膏,仔细看看,包装背后的文案,放回货架;快步走回,第四步看的那盒牙膏仍进购物车里,选择结束。”
“不,没结束,他可能过一会儿会折回来,把刚才放进购物车里的牙膏放回货架,换成第二步注目的那盒,也可能两盒都要。这样你就观察到他买牙膏的整个过程,竟然有七个动作。”
2.焦点小组访谈法
这是一种基于人口统计特征、心理统计特征和其他因素的考虑,仔细的招募六到十个人,然后将他们召集在一起,在规定时间内与这些参与者进行讨论的一种调研方式,参与者通常可以得到一些报酬。
调研人员通常坐在座谈是隔壁的,装有单面镜的房间内,对座谈会的讨论过程进行观察。必须要注意的是:实时焦点小组访谈时,必须让参与者尽可能的感受到气氛轻松,力求让他们说真话。
3.行为资料分析法
用户在使用产品时所产生的种种行为都可以用来观察用户的心理,调研人员通过分析这些数据,可以了解用户的许多情况。
用户的浏览时长和浏览内容可以反映用户的实际偏好,它比用户口头提供给调研人员的一些陈述更为可靠。
4.实验法
通过排除所有可能影响观测结果的因素,来获得现象间真正的因果关系。
比如视频网站,向用户提供高清视频服务,第一季度只收费25元每月,第二季度收费15元每月。如果两次不同价格的收费,使用该服务的用户没有差异,那么视频网站就得不出如下结论:较高的服务费用会显著影响用户观看收费视频的意愿。
四、调研方法确定以后,就可以着手调研问卷的设计了
设置调查问卷,是为了收集一手资料。不过,由于问卷中问句的格式、次序和问句的顺序都影响问卷的填答效果,所以对问卷中的问句进行测试和调整是非常必要的。
问卷设计的注意事项:
五、总结调研结果
将大数据统计预分析得到的结果,同产品调研人员实际调研得出的结果,进行比对,从而将数据和信息转换成发现和建议。
最后,大功告成,根据市场调研所得的结果,就可以制定具体的营销决策。
说明:由于在这个过程中,运用传统调研方式,无需耗费大量人力物力,对于可疑结果,可以通过控制变量的方式,进行多轮TEST,帮助产品人员真正发现调研问题的真相。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
数据分析师的日常,常始于一堆“毫无章法”的数据点:电商后台导出的零散订单记录、APP埋点收集的无序用户行为日志、传感器实时 ...
2025-11-28在MySQL数据库运维中,“query end”是查询执行生命周期的收尾阶段,理论上耗时极短——主要完成结果集封装、资源释放、事务状态 ...
2025-11-28在CDA(Certified Data Analyst)数据分析师的工具包中,透视分析方法是处理表结构数据的“瑞士军刀”——无需复杂代码,仅通过 ...
2025-11-28在统计分析中,数据的分布形态是决定“用什么方法分析、信什么结果”的底层逻辑——它如同数据的“性格”,直接影响着描述统计的 ...
2025-11-27在电商订单查询、用户信息导出等业务场景中,技术人员常面临一个选择:是一次性查询500条数据,还是分5次每次查询100条?这个问 ...
2025-11-27对数据分析从业者和学生而言,表结构数据是最基础也最核心的分析载体——CRM系统的用户表、门店的销售明细表、仓库的库存表,都 ...
2025-11-27在业务数据可视化中,热力图(Heat Map)是传递“数据密度与分布特征”的核心工具——它通过颜色深浅直观呈现数据值的高低,让“ ...
2025-11-26在企业数字化转型中,业务数据分析师是连接数据与决策的核心纽带。但“数据分析师”并非单一角色,从初级到高级,其职责边界、能 ...
2025-11-26表格结构数据以“行存样本、列储属性”的规范形态,成为CDA数据分析师最核心的工作载体。从零售门店的销售明细表到电商平台的用 ...
2025-11-26在pandas数据处理工作流中,“列标签”(Column Labels)是连接数据与操作的核心桥梁——它不仅是DataFrame数据结构的“索引标识 ...
2025-11-25Anaconda作为数据科学领域的“瑞士军刀”,集成了Python解释器、conda包管理工具及海量科学计算库,是科研人员、开发者的必备工 ...
2025-11-25在CDA(Certified Data Analyst)数据分析师的日常工作中,表格结构数据是最常接触的“数据形态”——从CRM系统导出的用户信息表 ...
2025-11-25在大数据营销从“粗放投放”向“精准运营”转型的过程中,企业常面临“数据维度繁杂,核心影响因素模糊”的困境——动辄上百个用 ...
2025-11-24当流量红利逐渐消退,“精准触达、高效转化、长效留存”成为企业营销的核心命题。大数据技术的突破,让营销从“广撒网”的粗放模 ...
2025-11-24在商业数据分析的全链路中,报告呈现是CDA(Certified Data Analyst)数据分析师传递价值的“最后一公里”,也是最容易被忽视的 ...
2025-11-24在数据可视化实践中,数据系列与数据标签的混淆是导致图表失效的高频问题——将数据标签的样式调整等同于数据系列的维度优化,或 ...
2025-11-21在数据可视化领域,“静态报表无法展现数据的时间变化与维度关联”是长期痛点——当业务人员需要分析“不同年份的区域销售趋势” ...
2025-11-21在企业战略决策的场景中,“PESTEL分析”“波特五力模型”等经典方法常被提及,但很多时候却陷入“定性描述多、数据支撑少”的困 ...
2025-11-21在企业数字化转型过程中,“业务模型”与“数据模型”常被同时提及,却也频繁被混淆——业务团队口中的“用户增长模型”聚焦“如 ...
2025-11-20在游戏行业“高获客成本、低留存率”的痛点下,“提前预测用户流失并精准召回”成为运营核心命题。而用户流失并非突发行为——从 ...
2025-11-20