雷军、史玉柱都在推崇的用户画像方法,完全颠覆你的认知!

  品牌的目标用户画像,为何总做不好?也许,“大数据”该背这个锅!可大数据也委屈,因为许多与画像有关的工作,“臣妾做不到啊”!其实,低质量的画像背后,都有功力不够的营销人,他们常误解了新潮的“大数据”的价值力,也忽视了经典的“小数据”的重要性。而面向未来,在AI时代,可能掌握“大小数据”思维,习得“人机交互”能力,才是营销人的核心竞争力!
  正文

  “用户画像”,是炙手可热的品牌营销工具。

  品牌通过它,可以快速提炼目标用户标签,归纳用户主要共性,直观理解用户原型;让洞察用户需求,实施营销策略,变得更高效。

  业内公认,借助大数据工具,营销人可快速量产用户画像;但鲜有人知的另一面是,优质用户画像的产出率,也正“毁于”大数据工具!
  典型的标签式“用户画像”

  这怎么讲呢?“营销科普”前,先上“一坨”稍显晦涩,却很重要的结论,:

  大数据虽能制作出标签化的精细画像,真实还原用户的消费行为;但却难以准确地推导出用户背后的消费动机和态度,帮企业导出有直接因果关系的营销策略——而动机与行为间的“因果性”(不是大数据擅长的行为间的“相关性”),才是评价画像质量的核心,也是画像对品牌营销最重要的价值贡献。

  简言之,在提供用户画像最核心的“态度数据”方面,大数据工具,略显无能为力。

  为了不让你的画像“毁于”大数据,本文就用“现象->原因->解法”的逻辑,层层递进,针对这个话题做“营销科普”,并澄清重要知识:

  现象:大数据误导用户画像的案例

  原因:大数据难以收集关键态度数据

  解法:小数据+大数据=优质画像

  1

  大数据误导用户画像的案例

  上月底,当众宅男惊闻林志玲结婚的“噩耗”时,票圈一致发问:志玲不是颜控嘛?她应该嫁给美男言承旭,而不是这样的“野兽”啊!

  大数据的“行事逻辑”,很多时候就跟以上众宅男类似:颜控,就该找美男老公;什么行为,就该对应什么态度!——而这,恰恰是大数据误导用户画像制作的重要原因。

  我们来看一个近几年发生的经典案例

  2015年左右,国内某顶级营销公司服务了某一线口红品牌。在做目标用户画像时,该咨询公司发现,有5万名用户在一年之内买了10支以上该品牌的口红——这绝对的重度用户了。如果用“大数据”做用户画像的思路看,那品牌经理得赶紧去研究这群人的行为标签(生活行为、社交行为、消费行为等)和社会属性标签(年龄、性别、地域、职业、收入等),将这些标签拼接在一起,作为“目标用户”的共性,基于此进行渠道、促销、产品和价格的4P营销策略的定制,审批经费、落地执行。

  这个逻辑听起来好像没有问题,但其实问题很大。因为,5万人一年买10支以上的口红,其动机和原因一样吗?

  后来,通过定性调研了解到,这5万人并不是因为喜欢该品牌而购买,而是因为她们大多“刚毕业+没有钱+化妆刚需”,该品牌又是她们能买得起的最便宜的一线品牌——频繁购买的行为背后,并不是用户对品牌忠诚的态度。而更让这个品牌尴尬的是,虽然一直向香奈儿或Gucci对标,但现实却是,它在很多用户心中仍是“经济适用”化妆品的印象。

  如果这个品牌参考“大数据”事实而制定营销策略,那么很可能就错把“现有用户”当成了“目标用户”,错把用来建立品牌高端形象的营销经费,花在了巩固中档低价的品牌形象上了。

  所以,大数据给出的建议,有可能会误导该品牌用户画像,让品牌营销工作走错方向。

  通过这个案例,希望你有个初步印象:大数据做画像,慎入!

  2

  大数据难以收集关键态度数据

  实际上,一个完整的用户画像,应该包括三种用户相关数据,前两种是“显而易见”的现象数据,第三种是“深藏不露”的核心数据,它们共同构成了用户画像的“数据冰山”:

  l  元数据:

  也可称为“属性数据”,是可标识人群身份的数据,比如性别、年龄、学历、地域、婚姻状况等,其特点是“稳定而不易变(或变化缓慢)”

  l  行为数据:

  是特定人群可被记录到的行为轨迹数据,比如媒体接触行为、消费记录、收藏行为、停留时间等,其特点是“容易被识别、获取、跟踪和分析”

  l  态度数据:

  人群对特定现象和品牌的态度,比如消费动机、价值观、好感度等,其特点是“不易被识别、获取、跟踪和分析”——但它却与消费行为有更直接的因果关系,是营销策略制定时最该关注的部分。
  大数据很擅长采集显而易见的“元数据”和“行为数据”——比如本文开头的第一张图里的用户数据标签——但对“态度数据”却力不从心。当然,这不是大数据的错,而是用户本身的心理和社会特性决定了,行为数据和态度数据之间,没有必然的一致性。

  关于这种“没有必然的一致性”,至少有3个原因,我结合小例子分享一下。

  (1)现实门槛:能力不足,行为和态度不统一

  就像上面那个化妆品牌案例说的,许多初入职场的女孩子,拥有着“想使用高端口红”的态度,但经济实力的阻碍,让她们无法实施对应的行为。

  再比如,淘宝网红店“步履不停”,在2011年发布了一个被奉为文案界经典案例(如下图)的商品文案。它很好地刺痛和呈现了加班狗们“热爱旅游”的态度和“没法旅游”的行为之间的冲突——这是一批有向往,有能力,但就是没时间去玩的人;他们旅游行为数据不多,却是潜力巨大的旅游目标用户。

  (2)自我冲突:用户的“社会我”行为,不代表“私下我”的态度

  在呈现用户真实态度方面,大数据另一个尴尬的地方就是:能够被轻松记录到的行为轨迹,大多是用户面向社会时发生的,而用户真实的态度,得看他们私下是怎么行事的。

  世界著名品牌营销专家,马丁·林斯特龙就说过一个用户研究的经典法则:永远和顾客的另一个自我去交流。为什么呢?因为人通常展示给别人看的,都不是最真实的自我。前几年前网络很流行的“别人眼中vs自己眼中”系列,就很好地说明了人们私下我的“态度”,与社会我的“行为”之间的巨大差异。而互联网时代,各种技术的出现,使这种差异和冲突加剧,人们似乎开始分裂成“网上”和“网下”两种截然不同的人格,这增加了大数据采集人们态度信息的难度。

  (3)秘而不宣:没有行为,但有态度

  在真实生活里,我们的许多态度是深藏在脑海里的,并且越是“私密”,越是“不宣”,就好比是最青涩而深沉的暗恋一样。

  在用户研究领域,有一条高阶经验法则,展示了营销人对“秘而不宣”类现象的重视程度:

  想要获得高质量的营销洞察,不仅要关注用户说(做)了什么,更要关注用户没说(做)什么。

  拿我最近参与的一个用户访谈活动为例。访谈主题是“养生消费和行为习惯”,针对8090后人群。活动中,当受访者被问及“为什么你不愿向他人推荐你使用过的养生产品”时,大家的主要反馈主要是:

  “不知道适合我的产品是否也适合别人”;

  “担心他人不认同养生”;

  “效果不是很明显”。

  大家的答案还是比较可信的,但大多是停留在“功能”和“情感”层面,没有把更底层和更稳定的对养生的价值观和动机层面展示出来——而在项目前的“二手数据”市场调研阶段,我们发现推荐分享率低,是养生市场的一大特点,所以我们希望把背后秘而不宣的动机挖出来。

  后来,我私下关注了大部分受访者的微信,发现了一个“有趣而矛盾”的现象:

  大部分人不在票圈透露养生相关的个人状态;但网络数据却发现,痛经和脱发这类“社交谈资”大于“养生意义”的话题,以及相应的养生产品(姜枣茶、霸王洗发水等),被热议。于是,我们提出了“不愿意推荐养生产品”的底层动机假设:

  “正经养生”不符合年轻人对理想自我的形象定位;所以,他们不想在公开场合让别人知道他们在养生。

  这个假设,更贴近底层动机。当然,提出假设,总得加以验证吧?后来,在具有统计学意义的定量问卷阶段,我们特别测试了一下,发现“不想让别人知道我在养生”这个选项,是“不愿推荐养生产品”的用户(997个大样本下的逻辑分流,32人)的主要原因之一。那么,通过这样的“假设+验证”的流程后,我们就更清晰地知道了养生目标人群的产品推荐阻力;对应地,在品牌定位和营销策略中,就能有的放矢,影响用户。
  3

  小数据+大数据=优质画像

  上面说了大数据误导用户画像的案例,也介绍了大数据难以收集“态度数据”的三个原因。那么,在用户研究实操中,我们该如何做才能高效获取优质用户画像?

  答案是:小数据+大数据=优质画像

  (1)什么是“小数据”?

  “大数据”,就是上述“用户画像数据冰山”里的“元数据+行为数据”,是远距离间接采集的与消费者相关的网络二手数据;

  “小数据”,就是“冰山”里的态度数据,是近距离直接接触消费者或用户而接收到的真实内在与人群动机相关的一手数据,比如态度、价值观、喜好、情绪等。

  与大数据“真实、广泛、量大”的特点相而对应,小数据的特点是“准确、深入、量小”。

  有趣的是,基于“小数据”的用户画像工具(用户访谈、定量问卷、田野观察等),一直都是营销界最经典的用户研究方法论;只是互联网营销技术(Martech)的涌现,让一部分喜新厌旧的营销和媒体人抛弃了经典,并把“经典方法”更名为 “传统方法”。反倒是我们最熟知的一批企和营销大咖,一直对经典的“小数据”工具情有独钟。

  “华与华”咨询的董事长华杉,非常强调现场调研,去观察用户消费的整个过程。而在创业早期,小米的雷军和巨人的史玉柱,都是通过下基层,近距离与消费者沟通,去洞察消费者的需求,和获得产品的设计灵感的。

  另外,日本CCC集团(著名的茑屋书店的母公司)董事长增田宗昭,则是一位“现象级”的“小数据”拥趸。

  虽然茑屋拥有全日本60%以上人口的行为和元数据资料——可谓是“大数据富豪”了——但增田宗昭在日常工作中,仍然非常重视“小数据”的实地消费者研究观察——2017年,茑屋银座店开业后的一个月内,他每天都在店面里观察;随后,他总结出了该店的目标用户的五种特征,得出了“艺术需求如此之大”结论,继而给银座店“Art of Living/艺术人生”的营销定位。
  银座茑屋书店

  关于在大数据之外坚持传统调研方法的重要性,增田宗昭说:

  "

  我在店里徘徊的时间比我待在办公室的时间还要久… …所以负责我新城的秘书可能觉得很累”,“案件不发生在会议室里,而是发生在现场”,“只有去现场,站在顾客实际所在的地方,深入思考对这些人而言真正的价值是什么,才能产生有力量的策划。

  "

  (2)“大小搭配”:“很重要”+“多重要”

  众多大佬的实践推崇,足以为“经典”的小数据和工具正名;而在互联网时代大数据资源蓬勃发展的背景下,我们有充分地理由,把大数据和小数据工具优势整合,形成更好的画像制作方法论。

  小数据的本质,是定性的社会科学研究方法;它的优势是洞察方向准确而深入;但劣势是,难以量化,策略落地质量依赖操盘手的经验;

  大数据的本质,是定量的自然科学研究方法;它的优势是数据真实而量广;但劣势是,缺乏动机或态度数据提供数据清洗的定性方向。

  那么,经过结合,形成“小数据+大数据”的用户画像方法论,那实操效率就高了:

  先用“小数据”,定性找到“很重要”的方向和洞察:

  先通过传统的小数据方法,定性地找到团队认为“很重要”的洞察方向——通常是团队现有认知外的新认知,帮助找到洞察方向。

  有时候营销人会直接搞“大样本”问卷调查,但问卷结果却没什么令人惊喜的新发现,这可能是因为缺乏“小数据”操作,导致没能在问卷里提出优质的问题导致的。

  关于“小数据先行”的必要性,麦当劳的奶昔产品优化案例是很好的教材。为了提高奶昔销量,麦当劳最开始直接用“问卷调查”法,询问用户“要怎样改进奶昔,您才会买更多呢?再多点巧克力吗?”这类问题。

  但基于问卷答案进行了奶昔改良后,但销量并没增加。倒是后来转而运用“小数据”的观察法,发现40%的奶昔,都是早上被买走的;继而在“用户访谈”里发现,早上开车上班的用户,是奶昔的重度用户,他们希望奶昔具有很稠、量大、易放置等特点。

  你看,麦当劳最开始的问卷法,把“更好喝”等产品口味作为关注点,显然是错误的方向,是自嗨的闭门造车;而经过“小数据”,才能“开眼”,了解到用户的使用场景下的需求——一种适合开车上班喝的饮料——才是“很重要”的洞察方向。

  再用“大数据”,定量验证营销方向有“多重要”:

  通过定向的大数据信息(如大样本问卷,海量信息采集)补充,定量地描述洞察和方向有“多重要”。

  小数据工具是定性,是做假设;大数据工具是定量,是做验证。当然,这个过程不是一蹴而就,而可能是“定性+定量+定性”的多次迭代——即“科学归纳法”思维方式在用户画像实操中的运用。

  比如我参与的那个养生主题访谈活动,就是为了发现一些重要的而我们之前不知道但“很重要”的消费者动机、态度、独特行为等信息,让我们“开眼”,获得更多更深用户视角——比如,不愿推荐别人养生产品,是因为不想让别人知道我在养生;

  之后,我们基于访谈活动获得的认知,制作成定量问卷,通过答案,获得洞察和方向有“多重要”的信息,验证之前假设的方向是否正确——比如,我们发现,确实有不少人选择“不想让别人知道我在养生”。

  总之,小数据+大数据,定性+定量,假设+验证,这样的合体搭配,是相对科学而完备的,价值更大。

  尾声

  面向未来,迎接人机交互的营销时代

  到此,这篇“营销科普”文得做个小结了。其实我们只说了一件事:做用户画像,单纯用大数据工具,效果不好;聪明高效的做法是,选用“小数据+大数据”的方法论,把“态度、行为和元数据”一网打尽,产出高质量画像。

  顺带一说,很多人认为“数据营销”这个营销分支以大数据为核心竞争力。实际上,它的核心能力,是大小数据综合利用的能力,及对应的数据思维能力。

  延伸来说,在营销领域的“小数据+大数据”的组合,实际上在更广的时代背景下,反映了“人机交互”方法论的广阔未来。机器的精确和理性,加上人类的经验和直觉,才能更好地在不确定因素众多的社会系统里,联合产出更高效和更靠谱的决策。也许正是这样,《未来简史》作者尤瓦尔·赫拉利,国内AI界大佬李开复等,都认为高效“人机交互”协作,是面向未来的商业和个人的核心竞争力所在,是效率更高的生产生活方法。

  “大数据+小数据”,也许是未来营销的典型方法论;“人机交互”,则可能是未来营销的核心竞争力。那么,面向未来,你准备好了么?
    下一篇

作为一个老牌的 ACG 网站,B 站近几年因为各种鬼畜视频和网络热词频频出圈,如今的 B 站可以说打破了次元壁,内容越来越多,影响力也越来越大。