大数据没用?!张小龙:我们很少看统计数据!

导读:关于大数据的应用案例我们已经推送过很多,但大数据不是万能的,因为大数据只是研究数据之间的相关性,解决不了因果性。相比之下,身段更灵活的“小数据”反而更善于看穿因果性。因果性就在于日常的小数据中的,在于人的情绪、人的选择、人的爱好、文化等综合因素之中。

今天我们就通过案例来看看张小龙等几位高手是如何玩转小数据的。

这个世界所发生的事实,正在深刻的呈现出我们所要探索的一切科学规律,通过一个小数据代表的事实,可以发现现实中的规律。

马丁•林斯特龙在他的畅销书《痛点:挖掘小数据满足用户需求》中,专门阐释了如何找到痛点。马丁•林斯特龙认为,一滴血里包含的数据,可以展示将近1000种不同的病毒。想要转变一个品牌或一家企业,不用研究几百万名顾客,只要研究10个人就够了。

马丁•林斯特龙是迪士尼、百事可乐、雀巢、红牛等多家著名企业的品牌顾问。2015年,在一项涵盖三万名营销人员的独立调研中,林斯特龙被誉为全球首席品牌营销专家。

▲营销大师马丁•林斯特龙

我们来看一下,林斯特龙指出的如何挖掘小数据的方式。

林斯特龙挖掘小数据的方式是实地探访,为了提供产品的价值点,在15年中他家访过77个国家的人,一年有300天在飞机上或宾馆里度过。

他会在征求主人的允许后,住进别人家里或出租屋里,跟他们一起听音乐,一起看电视,一起吃饭。在这些拜访中,经过主人允许,他会查看冰箱,打开抽屉和橱柜,寻觅书、杂志、音乐、电影和下载文件,查看皮夹钱包、网络搜索历史、脸书页面、推特记录、表情使用、Instagram(一款图片分享应用)账户和Snapchat(“阅后即焚”照片分享应用)账户。还会检查他们的微波炉、玻璃杯和塑料回收罐。

因为“小数据可能存在于微波炉、药盒或脸书相册里。它可能在以色列特拉维夫市浴室的牙刷架上,或者是巴西北部浴室墙上的一卷厕纸;它可能出现在走廊的鞋柜里,或者是组成个人电脑密码的无序字母和数字。”

他甚至去人们的垃圾桶里寻找没挤完的牙膏管、剥掉的糖纸和过期的优惠券。

在小数据洞察事实,发现用户需求或产品价值点的地方,林斯特龙推崇“7C框架”调查法。“7C框架”是指:搜集、线索、连接、关联、因果、补偿和理念。通过这个框架,可以从冰箱贴、陶瓷青蛙灯小数据中得到一条或几条结论,甚至将它们变成一个致胜理念的实践方法。

  1. 搜集:你的观点是如何反映在一栋房子里的?去到用户家里、工作场所或者有密切的接触,观察生活里的点点滴滴。
  2. 线索:你观察到的独特情感反应是什么?一切现象都不是无意义的,都是有理由的。每件东西的摆放都是有理由的,无论是墙上挂的艺术品,还是浴室柜里的内部情况,尤其是客厅。
  3. 连接:情绪行为能产生什么后果?一条线索可能是物质方面的,也可能是情感方面的。但是如果我们的方向没错,应答者的肢体语言通常会展现出不自在或完全的不安,这也表明你要有新发现了。
  4. 关联:这种行为或情绪第一次出现时,是什么时候?需要寻找顾客行为上的转变,也就是所谓的切入点。
  5. 因果:它能激发什么情感?小数据挖掘。一般来说,林斯特龙会在一张大公告板上贴满照片和发现,制作一个时间轴。这时候,公告板反映了所发现的情感基因和因果关系,把这些发现和照片放在一起可以找出共同特征。
  6. 补偿:还有什么欲望没被满足?验证完因果关系,就该提取最强烈的情绪本质,就是欲望。
  7. 观念:针对你发现的顾客欲望,能有什么“创意”补偿? 产品如何满足用户的情感。

这七个步骤,是从小数据中观察人性、人们生活中的情感、事实等,帮助发现隐藏的规律。

我们下面,看一些案例,看他们是如何通过小数据,来洞察新的认知的,找到产品的发力点。

01 微信通过小数据探索需求

张小龙有一次说,“近期有个同事找我聊,问我是如何通过统计数据来看用户的喜好,通过数据来做一些东西。结果我的回答是,其实我们很少看统计数据,也几乎没从统计数据里看到用户的喜好。根据统计数据来找需求和方向是挺难的。我们也不会去了解手机QQ的统计数据来指导微信的工作。

但是,应该如何去区分不同的人,比如男性女性或某个地方的人,去为他们提供针对性服务呢?

对此,张小龙的回答很抽象很专业,“你可以把所有用户看作是一个人,这个人是没有性别、年龄、区域、教育程度的属性,他就是一个对象,他包括了所有用户,他是所有用户共同需求的交集。”

这也是一种小数据的思维方式。为什么小数据方式,可以成为一种很关键的方法呢?

因为大数据只是研究数据之间的相关性,他解决不了因果性,因果性就在于日常的小数据中的,在于人的情绪、人的选择、人的爱好、文化等综合因素之中。小数据背后承载的是情感,消费的欲望,以及文化的因素,责任等因素。这些在大数据里面,是没有办法分析出来的。

宜家公司的拥有者和创始人英瓦尔·坎普拉德,经常会到宜家,坐在一台收款机前,做收银员的工作。问他为什么要这么做,他说:“因为这是最便宜,最有效的研究方式。我可以向每个买家询问他们选择和放弃某样产品的原因。”

这就是典型的小数据观察的方式,通过个例,找到问题所在。

02 利用小数据来洞察竞选

1936年,美国举行大选,是民主党人艾尔弗雷德兰登和时任总统富兰克林·罗斯福竞选。

当时有两家机构进行预测,一家就是《文学文摘》(The Literary Digest)杂志,从1916到1932年,该杂志连续五届准确地预测了美国总统大选的结果,因而受到人们的普遍信任和赞誉。一家是盖洛普,盖洛普(Gallup, George Horace)是美国数学家,抽样调查方法的创始人,他于1935年成立第一个“真正的”民意调查机构。

这次,《文学文摘》采取的是民意调查方法,把调查的范围拓展得非常广,认为数据集合越大,预测结果越准确,可见对其方法越来越执著。于是《文学文摘》计划寄出1000万份调查问卷,后来收到了240万份回执。统计的结果是艾尔弗雷德兰登和富兰克林·罗斯福的比率是55:41,罗斯福会败选。

而真实的结果是罗斯福以61:37的优势获得胜利。

而新民意调查的开创者乔治·盖洛普,仅仅通过一个3000人的问卷调查,就准确的预测到了结果,罗斯福将获胜。盖洛普的调查,是针对样本的精心挑选,科学地抽样,保证抽样的随机性,根据选民的分别特征,根据职业、年龄、肤色等在3000人的比重,再确定电话访问、邮件访问和街头调查等各种方式所在比例。

▲文学文摘预测1936年1000万份调查

1936年《文学文摘》错误预测选举结果公布之后,《文学文摘》声誉扫地,不仅再也没有做民意调查,而且几个月后就宣告倒闭。

而1948年以前,盖洛普民意测验采用的样本容量一般为5万。改进以后,一般采用1500人的样本。盖洛普民意测验建立了一整套的原则和程序,虽然是小数据,但是精确度依然是非常高。

年份

盖洛普的最后调查(预测总统选举获胜者所得选票%)

选举结果(得选票%)

盖洛普的偏差%

1996

克林顿52.0

50.1

1.9

1992

克林顿49.0

43.3

5.7

1988

布什56.0

53.9

2.1

1984

里根59.0

59.2

-0.2

1980

里根47.0

50.8

-3.8

1976

卡特48.0

51.1

-3.1

1972

尼克松62.0

60.7

1.3

1968

尼克松43.0

43.4

-0.4

1964

约翰逊64.0

61.1

2.9

1960

肯尼迪51.0

49.7

1.3

▲盖洛普民意测验准确性记录

而《文学文摘》采取的方法,并不是错误的,问题应该出在样本本身上面,例如240万个回执里面,可能支持民主党的人更愿意寄回回执,或者在样本选择上只选择了一个局部的特征。

当然《文学文摘》的数据可能会更加充分,如果在今天,以大数据的方式来进行,对这些调查的人的特征进行分析,再根据大数据的技术来做分类,做预测,可能会更加科学。

这个问题的实质不在于大数据,而在于数据挖掘和分析的处理方式的差异化。大数据也可以做出这些深入的分析,但是现实的情况是,大多数决策所需要的全数据几乎是很难获得的。人们利用大数据决策,经常会依然需要小数据的支撑。

03 如何利用“小数据”提升汽车的销量

林斯特龙曾经受一个中国汽车生产商委托,为其提高品牌销量并创建一个中国汽车的概念。

由于中国市场上,中国人都觉得中国的汽车不如欧美的品牌,销量比是1:3,那么如何帮助一个中国品牌的汽车打破这个困境?

面对这个问题,大部分设计师,有可能是根据一个专业设计理念来进行设计,他们的起源点来自自己的专业,而不是来自用户在生活中的事实反馈。

林斯特龙通过深入观察中国人的家庭生活,以及通过日常生活中的细节,来发现大数据看不到的规律,例如在调查中,他发现这些规律:

  1. 中国人刷牙的力道比西方人轻,但是速度比西方人快;
  2. 中国人更喜欢用肥皂洗澡;
  3. 中国人为了抵御雾霾会买各种物件遮住口鼻,但是却没有床罩;
  4. 中国人的吃饭速度特别快,都争当第一个吃完的人;
  5. 在博物馆中,游客们的平均行驶速度在全球是3英里/时,而中国人的速度大约是4-5英里/时;
  6. 相较于西方女性和孩子的购车发言权,中国买新车的客户大多数都是男性;
  7. 中国的家庭还会在车上放些吃的,开车或坐在后座上时会吃东西,这是少数中国人“不匆忙”的时刻。很多车上,会有家庭内部的一些元素,例如包括垃圾袋、小电冰箱以及小茶壶。

这些调查的结果,可以得出来一些共性的特征,就是: 直接、快速、当下、匆忙。所以,结合这些分析,整个团队设计了一种特殊的车内环境:

  1. 针对上车动作,团队设计了一种背景灯,在车门打开时亮起,关门暗下,有一种像进入录音棚听到的音响效果,放大男性的象征;因为大多数是男性买车,节奏快。
  2. 在车座上进行了抬升,给开车人一种掌控全局的感觉。
  3. 仪表盘类似于飞行驾驶台,让开车的人面对大量数据,感到更有男子气概和掌控感,并结合快速开关的车门和电动车窗。

经过这样设计之后,从销量上看,销量大幅提升。

因为这些小数据的观察,反应了生活中的情感、责任、权威、习惯、文化等各种因素,这些反应的是因果关系,而不是大数据的相关关系。找到因果关系,就可以从因上下手,找到解决方案。

04 挽救乐高的竟然是一双旧运动鞋

乐高是积木领域的领导厂商,从1981年开始,世界上第一款掌上游戏《大金刚》上市,乐高公司内部就产生了辩论,未来儿童都把时间花在游戏上,对组装玩具的未来而言,任天堂这样的游戏平台是不是乐高最大的竞争对手?这对乐高来说,未来是不是没有市场空间了。

为了应对这种情况,1990年开始,乐高从核心的积木产品,进行多元化拓展,例如主题公园、儿童服饰、视频游戏、图书杂志、电视节目和零售商场等。

随着电视,计算机等的快速发展,乐高公司又多元化以后,乐高的发展陷入了困境。2003年,销售额下降30%,2004年,销售额又下降了10%。

再随着电脑的超速发展,无论是常识,还是大数据,人们都很容易得出来的一个结论,信息时代的群体,他们没有时间和耐心玩乐高。

于是乐高找来了世界知名的营销大师马丁·林斯特龙,希望能够找出办法走出困境。

当下,大家都大谈大数据,但是马丁·林斯特龙认为,大数据连接了千百万的数据点,可以准确地产生相互关系。但是,当人类按照自己的习惯行动时,大数据分析通常不会十分准确。所以挖掘用户需求时,在大数据之外,更重要的是通过对一个小群体的亲身观察和小数据常识,捕捉到这个社会群体所体现出的文化欲望。满足这些用户需求,击中痛点,则意味着将掌握无限的商机。

2004年,林斯特龙开始负责乐高的整体品牌战略。由于积木是乐高的核心,所以还是不想放弃。2004年,他们到德国一个小城市,见到了一个11岁的男孩。

这个小孩是狂热的乐高迷,还是狂热的滑板爱好者。大家问他,最钟爱的东西是什么,他拿起他那双已经穿破了的阿迪达斯运动鞋,鞋跟磨平了,鞋帮也磨坏了。但这双鞋,是他的战利品,证明了他是这个城市最棒的滑板运动员。

同样他喜欢乐高,也喜欢滑板,他对滑板非常有成就感,这一点启发了乐高的高层。孩子们,他们需要的是存在感,是一种高超的技能,只要他们获得了这种感觉,他们就会热爱。

乐高通过此,决定重新回归积木这一核心。首先,出售了主题公园,把分散的逐步处理。为了重新燃起孩子的自豪感,它签下了《哈利·波特》《星球大战》和《巴布工程师》的品牌特许权。

最后,乐高削减了产品数量,增加了游戏的难度,提升产品的质量。他一步步的激发着孩子们克服困难的热情,让他们获得一种克服困难的体验和成就感,只有掌握更科学的分析方法,才能获得好成绩。

2014年,乐高重新回归,成为全球最大的玩具生产商。

小数据有时候是洞察力的来源,这个故事从一个小孩出发,找到热情、热爱的发力点,并为乐高的整个战略奠定了方向。

总结

通过这些案例的分析,我们可以看出,小数据可以体现人性,也可以体现出因果性,帮助找到问题的原因,从而可以为产品给出方向性的指引。

人们对自己的观点都会非常坚持,而这些观点不一定就是科学的,但只有现实中发生的具体事实,才能让他们知道自己确实犯了一些错误。

很多产品,都是人们依据自己的贪嗔痴来做出决定的,很大一部分都是因为自我的傲慢等原因,来做决策的。如果没有和用户打交道,没有听到用户的抱怨,没有听到用户的愤怒,人们的自我执著就会增长。

很多管理者和产品人很傲慢很自我,经常会陷入一些自我执著的陷阱,例如,为了证明自己是正确的、为了证明自己有经验、为了自己的岗位晋升,而做出很多产品决策,这些决策都是一厢情愿的,而且他们也听不进周围的意见。

在做产品过程中,要观察自己的微观动机,例如有些人对平台很执著,一心想打造一个运营平台,而实际上连种子用户的声音都没有听到过。有些人喜欢验证一个自己很看中的理念,为实践和证明这个理论,一直在实验。有些人可能因为不同观点所产生的情绪,然后导致情绪化决策。体现自己的技术很好,体现能力很强等等,这些都是执著。

这些都是影响产品的大忌,产品的最终评估,是以服务用户为标准的,如果管理者或产品人,以自我为中心,打造自己的产品,这样导致为了自己的自尊心而努力打造产品,而不是为了服务用户为中心。

关键是这种自我的执著,自我视角的坚持,也是非常隐蔽的,当局者几乎很难发现。解决办法就是通过事实的观察,发现问题所在,依据事实来纠正自己的我执视角或者错误的想法。

是的,就是现实中我们不太关注的事实,很有可能可以改变我们的执著。

关于作者:彭耀,象形科技联合创始人兼CTO,典型的产品型和技术型管理者。资深的大数据专家、人工智能专家和产品专家,有近20年的开发和产品经验。

本文摘编自《升维:争夺产品认知高地的战争》,经出版方授权发布。

延伸阅读《升维:争夺产品认知高地的战争》

转载请联系微信:togo-maruko

原文发布于微信公众号 - 大数据(hzdashuju)

原文发表时间:2018-05-11

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AI科技大本营的专栏

假期错过的...条AI新闻都在这里了

本期一周AI看点包括行业资讯、投融资、业界观点、技术前沿以及应用等方面。 行业 苹果悄然收购 Init.ai 公司,为 Siri 增加研发实力 Init.ai公...

3338
来自专栏机器之心

谷歌员工千人上书CEO皮查伊:抵制五角大楼AI项目Project Maven

机器之心整理 机器之心编辑部 作为拥有先进技术的科技巨头,谷歌这样的公司不免会与军事计划产生联系。在有侵犯隐私、违背伦理的风险下,是否应该接下巨额合同?最近,听...

3697
来自专栏AI研习社

LF 深度学习基金会成立,作为初创会员的腾讯贡献其首个开源项目「Angel」

AI 研习社消息,3 月 26 日的洛杉矶开放网络峰会上,Linux 基金会宣布 LF 深度学习基金会(LF Deep Learning)成立。据了解,该基金会...

945
来自专栏新智元

人工智能如何让数字人物变成好莱坞新星

【新智元导读】AI已经是好莱坞最重要的技术,机器可以担任脚本主管,进行电影编辑,甚至为模拟真人的数字角色或CG动画角色创造出真实的表演。这种技术会对好莱坞的产业...

2325
来自专栏大数据文摘

七宗罪:我们是如何错误预估人工智能的

1492
来自专栏大数据文摘

马斯克的“半机械人”还没出现,这位日本少年却已经可以让你变身“半机械人”了

1373
来自专栏老九学堂

【干货】大学生求职面试12个误区,千万不要再犯错

误区一 简历要精美漂亮? 很多人认为,简历就是面试者的形象,一定要精美漂亮。其实不然,如果你不是学设计的,就不用把简历搞得像彩色连环画,只要保证简历在交给面试...

2896
来自专栏大数据文摘

【御数之旅-1】去米国帝都,逛数据世界,约么?

2206
来自专栏PaddlePaddle

【AI资讯】深度学习的成果如何验证?

据悉,NVIDIA的研究人员已经创建了一个深度学习系统,可以通过观察人类的动作来教机器人。研究人员训练了Nvidia的TIAN X GPU供电的神经网络。神经网...

1158
来自专栏人工智能快报

五角大楼人工智能帮助情报分析人员识别恐怖事件

2017年12月22日,经过近八个月开发的算法正在帮助英特尔分析师利用战场上的无人机视频。 2017年12月初,在中东的一个秘密地点,计算机使用特殊算法帮助情报...

3705

扫码关注云+社区

领取腾讯云代金券