大數據時代傳統市場研究的價值

大數據帶來的數據化浪潮已經觸動市場研究的每一個人。Joan Lewis，寶潔全球客戶和市場知識官, 2011年ARF的演講中呼吁要讓社會化媒體的大數據應用于市場研究。她講到了以下幾點：

數據的豐富性和自主性，社會化媒體數據包含了消費者的購買習慣，用戶需求，品牌偏好等，且都是消費者自愿表述的對產品滿意度和質量問題的想法，充滿了情感因素，我們無需費盡心思的引導消費者參與調查問卷

減少研究的“未知”視角，市場問卷調查有其固有的局限性，那就是你必須明確你的問題是什么。問卷設計者本身有未知的方面，所以在設計問題時會忽略自己的“未知”，但這些“未知”很有可能就是消費者所需要的方面

數據的實時化的特征，不同于以往的發放回收市場調研報告再解決消費者問題，如今可以使營銷人員快速發起營銷活動，第一時間測試營銷新方法，同時可以第一時間確認理解和追蹤消費者的反饋

數據的低投入特征，傳統的市場調研方式費工費時，結合社會化媒體的市場調研則是低投入高回報的產業。使用正確的調研產品和方法便可以對消費者群體的用戶習慣和反饋進行透徹分析。運用社會化媒體監測軟件幫助企業在線傾聽消費者意見，評估獲取其見解。

市場研究的使命是揭示消費者視角，為企業提供有價值的洞察和支持企業做出有意義的決策。從這個意義上來說，每一個市場研究人員都應該為社會化媒體平臺和數據歡呼，因為它擬補了問卷數據一些方面的不足。（你是不是經常會發現，當我們從事另一個領域的工作時，才會意識到原來工作方法的不足和優點。）另一方面，針對社會化媒體數據分析的新興公司確實對傳統的市場研究公司形成競爭和挑戰。

競爭的最大壓力是傳統的市場研究還沒有適應社會化媒體大數據時代的研究體系。正如Joe Tripodi (可口可樂營銷副總裁)在《哈佛商業評論》（2011年4月）上指出的，“在印象時代，通過問卷詢問方式獲取的知名度，使用率，認知度等衡量品牌健康的指標體系，在消費者表達的時代就未必適用。因此，從品牌建設效果衡量的角度，也需要一套適應消費者表達時代的指標體系?！蓖瑫r，盡管對大數據的整合與分析才剛剛起步，但已經有了一系列令人耳目一新的發現和應用。無數的案例和論著都指出，大數據的整合和分析，其前景和應用不可限量。

傳統的市場研究的價值在哪里？或者說，其應該堅守什么才更有價值？

堅持深度 ，堅持基于人類本性的研究框架（陳富國，MetaThink的CEO，2012在CMRA會議上的演講）。人的行為和態度歸根結底是人的本性來決定的，堅持對人類本性的研究才能更好的幫助我們深度理解人類行為模式，以及動察人類行為的變遷。加強對生活本質、生活價值和生命認知的理解，加強對于“意義、“需要”、“體驗”和“情感”等等人類內部語言和圖式的挖掘。機器不但缺乏“體驗”和“情感”，而且缺乏對“意義”和“需要”的理解。由于人類本身具有的抽象思維和語言文本分析能力，正能達到我們在此一領域所需要的深度。

堅持廣度， 堅持人與自然，人與社會的研究廣度。人類的行為模式是在與自然環境和社會環境的互動中演進的，演進的過程復雜而又有趣。加強對于“個人與群體”，“群體與群體”等等社會群體內部形式和意義的挖掘?；ヂ摼W已經深刻地改變了人類的群體構成方式（Hayes 2010），而對其意義的思考和挖掘才剛剛起步。

堅持實驗設計，實驗設計的本質是“控制”。在半人工的環境里我們控制一些因素來測試這些因素的影響和結果，這種研究常被用來探究營銷和產品元素的影響。這種方法直接，且非常有效果。例如基于實驗設計的聯合分析，具有堅實的科學依據，它主要以實驗設計科學和數學心理學為基礎。到目前為止，聯合分析已經發展成為一種含有多種方法的體系，并改變了許多企業的新產品開發過程和市場戰略。許多出色的產品，比如麥斯威爾咖啡，拍寶面醬，Courtyard酒店等等，都是聯合分析的產出。除此之外，聯合分析方法在統計學上的嚴謹性和靈活性也受到其它領域從業人員和學者的關注，并被大量應用于交通研究、政府政策、醫學、經濟學以及政治科學等領域。

堅持模型化，模型，簡單的說，就是一種事物之間聯系和運作的方式。開發模型（探索事物之間的聯系和運作方式）是一個非常艱苦的過程，但一旦模型成立，卻能極大的簡化人們的思維和決策過程。營銷人員在繁雜的運作中，需要找到營銷元素之間的關聯，市場研究要堅持能立足于這一點。

堅持發展測量工具，市場研究本質就是測量，但測量需要測量工具和方法。營銷在目前有許多相對抽象的概念，沒有對這些概念以及概念之間關系的測量，就沒有營銷大的發展，比如品牌資產，購買意向等等。

堅持這些原則和方法并不排斥社會化媒體和大數據。恰恰相反，社會化媒體為我們提供了觀察和理解消費者互聯網生活的平臺，畢竟互聯網已經成為年輕消費者生活的一個重要組成部分。大數據的分析可能會把許多以前看似不相關的變量聯系起來，這種聯系會為我們更好的洞察消費者提供線索和引領，也會為我們開發數理模型提供更多的變量和思路。