浅谈【知觉图】

通过对定性数据的归纳整理,得出结论,针对产品不同属性的差异化,寻找竞争较少的蓝海市场

(知觉图样式)

知觉图又叫做认知图、感觉图谱,俗称“维度图”,对于产品来说,可以利用知觉图来对竞品的多个维度上进行整体认知,对自己正在做的产品进行多维度的市调,通过知觉图的思维利用,可以分析、比较用户对产品各个维度的看法,以此来收取数据,为下一步的迭代和发展方向做定向准备

知觉图是一个定量数据分析的工具,我们可以通过打分、评估问卷收集特定目标群体对事物进行多维度的观察,重点可以分析出产品和各个属性之间的关系,并且可以通过知觉图的展示来进行定性细分。

分类

二维和多维

二维就是我们平时所能看到的X/Y两个轴的方向,来看各项特性的比较;多维是从多个维度来看各项特性的比较,为了落地更方便些,我们全部视为多维来看

两点注意

  • 线条靠着越近,代表他们的相关性越强
  • 线条长度越长,代表这个所在市场越有细分的可能性

我们可以拿来思考的点,就是说我们可以找出相对较长的线条,然后去思考有没有可能进行某种细分,而某种细分如果我们没有思路的话,是不是可以参考周边举例长线较近的线条维度来进行思考?

比如我们看到上图中左上角的板块,当舒适度很高、但运动性能不是很强的线条比较高的时候,有没有可能做一种提高运动型并保证舒适度的市场?或者在运动性能做一个细分?如果放在场景里面我们有没有可能根据不同的场景提高运动性能?比如超车、越野、拐弯等不同场景中,有一种特别适应场景的高速满足,是不是也是一个市场卖点的切入口?

应用

我们对知觉图大概有个了解,那么这个应用的场景是什么?

  • 定位下一步怎么走,明确方向,脑洞讨论
  • 找出我们产品和竞品中的差异性,并深入研究

定位下一步

刚我们有说过,当我们把维度看成一条线的话,那么线条越长代表这个维度就越有可能做细分市场,如果做细分市场,我们做哪部分?如何做?——当然是结合我们的优势了

比如,我们做了100份市调,发现现代人喜欢喝度数较低、性价比较高、颜色较重的啤酒,这是结论;然后我们发现自己没有太多优势,最好的优势就是我们身边全是白领精英,那么我们会有什么细分市场的可能性?我们假设,白领精英喝啤酒的场景大概是什么?他们喝啤酒的心态是什么?满足社会关系?满足品质追求?亦或是什么?我们去借助我们自身的优势,结合场景化消费的心理,是不是有可能打造出一个新的品牌?然后通过我们的优势创造一个群体的消费蓝海?

当然这些只是提供一个可延伸思考的场景假设,如果您愿意的话,可以假设、论证一些之前的想法,我们交流一下也是极好的

找出竞争差异

作为产品来说,市调和竞品是我们的基本功,当然具体竞品如何做,前面写过一篇糊弄鬼的竞品分析,感兴趣的可以回头看下。现在我们翻回头来说知觉图针对市调和竞品的价值在哪儿:

通过知觉图思维,我们可以从用户群体、竞争对手、比较类目这几个维度来进行思考

用户群体:其实,我们在做竞品的时候,很容易陷入一个误区,就是我们会把注意力更多的放在竞品的亮点、或者更好的体验度的功能上,而忽略了用户群体的属性,用户群体的属性时可以细分的,比如我们通过APP商城去看一些竞品的用户评价,去统计用户在评价里面的吐槽和反馈点,然后拿来对比自己的产品,是否有这样的问题,这样的问题是否在我们的用户群体有同样的反馈,如果没有是否细分发生了变异?总结一下,然后——做就是了

反过来想想哈,有时候用户的一个槽点如果深入分析一下的话,会不会延伸出新的需求,这个思考下还是很有意思的

竞争对手:我们拿表现层的功能模块来做例子,比如我们的研究了10家竞品,发现这几家竞品的相同功能有X个,异样功能有Y个,然后X个功能中,流程分类又包含Z种;那么这时候就有意思了,我们把这些通过知觉图画出来,去看看,哪些属性是线条比较长的(强属性)、哪些是比较短的(Y功能),在长线条中,我们是否能够将差异化的流程和表现层汇总起来做一个问卷,然后找出最优的方案,做成适合自己产品的体系的业务流?

一些思考性的延伸和天马行空,其实无论使用什么样的工具或者是视图,最终肯定是以目标为导向,看看我们需要什么,围绕着我们自己的需求,去做一份合理的有价值的产出报告并且引导产品的发展和迭代才是最重要的!

感觉有用点个赞,感觉无用留个言——我也做个小小市调

原文发布于微信公众号 - Miguel三先生(Miguel-sxs)

原文发表时间:2018-05-17

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏WOLFRAM

基于计算机技术的数学教学方法:CBM教学理论

931
来自专栏人工智能快报

新算法利用深度学习赋予无人机导航功能

瑞士苏黎世大学(University of Zurich,UZH)研发出了一种DroNet算法,使无人机能够沿着城市街道或在建筑物内飞行,该算法还需要通过骑行者...

3347
来自专栏ATYUN订阅号

波士顿深度学习峰会上的AI算法偏差和伦理讨论

今天在波士顿举办的深度学习峰会上,一群伦理学家和工程师讨论了人工智能面临的一些最大挑战:算法偏差,人工智能伦理以及是否应该广泛提供创建人工智能的工具。

963
来自专栏大数据文摘

职场 | 还在狂攒MOOC证书?用它们做简历C位可能是个错误!

失败的面试各有各的因果,但还是有一些共性问题可以让求职者以此为鉴,有些问题看上去不是那么致命,但是随着数据科学行业落地的日渐成熟,面试官对真正优秀数据科学家的甄...

1020
来自专栏程序员互动联盟

程序员都是学了软件工程专业才去编程序的吗?有没有不学软件工程专业就去的编程的?

不是所有的程序员都是学会了软件工程才去编程的,即使是计算机专业的也不一定学过软件工程,毕竟只是计算机的里面的分类就很多,更不要说是非计算机专业,不可能只有软件工...

2857
来自专栏云时之间

本科生,如何开始科研

这篇文章是Nemo老师发布在自己的专栏里的,自己转载过来以后自己多看看,个人认为对于有志于出国留学或者在国内读研的同学来说,在本科阶段积累一些科研经验是十分重要...

1403
来自专栏人工智能头条

人工智能科学与艺术的鉴赏创作 | CCAI 演讲实录

1362
来自专栏新智元

Nature机器学习子刊被指开历史倒车,Jeff Dean等数百名学者联名抵制

1595
来自专栏人工智能头条

专访张俊林:十年程序员的感悟与算法之路

1313
来自专栏TEG云端专业号的专栏

腾讯征战CWMT2018获英汉翻译和总成绩第一

2244

扫码关注云+社区