
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
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在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11在机器学习建模流程中,“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中,未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储,CDA(Certified D ...
2025-10-11在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10在科研攻关、工业优化、产品开发中,正交试验(Orthogonal Experiment)因 “用少量试验覆盖多因素多水平组合” 的高效性,成为 ...
2025-10-10在企业数据量从 “GB 级” 迈向 “PB 级” 的过程中,“数据混乱” 的痛点逐渐从 “隐性问题” 变为 “显性瓶颈”:各部门数据口 ...
2025-10-10在深度学习中,“模型如何从错误中学习” 是最关键的问题 —— 而损失函数与反向传播正是回答这一问题的核心技术:损失函数负责 ...
2025-10-09本文将从 “检验本质” 切入,拆解两种方法的核心适用条件、场景边界与实战选择逻辑,结合医学、工业、教育领域的案例,让你明确 ...
2025-10-09在 CDA 数据分析师的日常工作中,常会遇到这样的困惑:某电商平台 11 月 GMV 同比增长 20%,但究竟是 “长期趋势自然增长”,还 ...
2025-10-09Pandas 选取特定值所在行:6 类核心方法与实战指南 在使用 pandas 处理结构化数据时,“选取特定值所在的行” 是最高频的操作之 ...
2025-09-30球面卷积神经网络(SCNN) 为解决这一痛点,球面卷积神经网络(Spherical Convolutional Neural Network, SCNN) 应运而生。它通 ...
2025-09-30在企业日常运营中,“未来会怎样” 是决策者最关心的问题 —— 电商平台想知道 “下月销量能否达标”,金融机构想预判 “下周股 ...
2025-09-30Excel 能做聚类分析吗?基础方法、进阶技巧与场景边界 在数据分析领域,聚类分析是 “无监督学习” 的核心技术 —— 无需预设分 ...
2025-09-29XGBoost 决策树:原理、优化与工业级实战指南 在机器学习领域,决策树因 “可解释性强、处理非线性关系能力突出” 成为基础模型 ...
2025-09-29