超越市場調研的解析

假定你是一個新型廚具的製造商，你想知道顧客對你的產品的看法，那麼，理想的做法是對顧客做一次調查，從量化的角度有效地瞭解顧客。對調查的回答將是數字化的，而且選取調查人數的樣本大小將足以歸納得出結論。通過對數百名顧客的調查，你將保證可以得到一份有效的統計報告。　　定量最好是讓顧客對廚具的不同效能按照重要程度從1到10打分，10分為最重要。調查結果可能是：烹飪速度，8.2；烹飪出的食物品質，7.1；清潔的容易程度，6.5；佔據廚房空間：4.8.　　你甚至還可以分析上述這些效能引數和價格敏感性之間的相關性。你也許會發現價格敏感性會隨著烹飪速度重要性的上升而下降。不管怎樣，調查的最後結果會為決策提供支援。你的廚具可能會變成“快速烹飪廚具”，並且進行相應的市場行銷。　　這個假設的情景中隱含了市場調研的傳統思維。它的特徵是：資訊是最基本的，量化資訊尤其受到青睞，調查樣本的容量越大，越有利於歸納出結論。　　用市場調研的來了解顧客，本質上並沒有什麼錯誤。量化是很有效的，資料越多，樣本容量越大，結果就越理想。但問題是，市場調研的觀念不足於全面地瞭解顧客。　　傳統思維掉進了這樣一個陷阱：簡單地假定隨著可獲得資訊數量的增加，對顧客的理解程度就提高；從越多的人那裡得到越多的資訊，市場調研的效果就越好，對顧客的理解就越好。　　很不幸，這種囿於資料、特別是樣本容量的做法是錯誤的。對顧客的理解不只是一些資料，而首先是一種解析（explanation）。要理解某件事情，就是要解析這件事是怎樣發生的，其中一部分工作是要預測將來會發生什麼。但解析不僅僅是預測，而是要解釋和說明將來事情為什麼會發生和怎樣發生，比如，在前面提到的新廚具的案例中，你所尋找的就是解析顧客為什麼使用和怎樣使用新廚具。　　解析不從資料而來　　在尋找解析的過程中，重要的是認識到解析永遠不會存在於資料中。解析總是和資料相分離。看了下面這個案例，你就理解這一點了。　　假設你從事食品服務行業，你對特定的人群做了市場調查，發現調查人群中85%的消費者在被調查的一週內至少有4次吃雞肉。你的調查人數雖多達400人，但在統計學上並不具有代表性。於是你再做一次調查，選定2，000人做樣本，並得到同樣的結果。這樣，你就得出結論：你的調查在定量上是精確的，在統計上是有效的，這些消費者都吃雞！　　這個案例看起來就像你可能希望的那樣，理解顧客很簡單。的確，從市場調研的角度看事情就這麼簡單。問題是：解析在哪裡？你可以預測這些消費者會繼續吃雞（因此，你應該在選單上增加更多的雞肉），但是，這只是預測，而不是解析。你可以說解析就是簡單的推斷：如果現在有這麼多人吃雞，那麼將來很可能有很多人吃雞。但是你怎麼知道你可以按這個方式來推斷呢？　　樣本統計有助於把調查樣本資料的，推廣到數目更大的本該調查卻沒有調查的總體上。但是統計學對於通過資料推斷做出預測的難題無能為力。調查結果可以表明人們在吃雞——或者說他們（被調查人）在吃雞，但是不能由此推斷這種行為會持續到將來，雖然這種推斷有時也有效，但也不過是調查人員的信心使然，不是邏輯思維的結果。　　從另一角度看這個問題，其它的解釋也是可能的。也許你調查的顧客是因為關注自己的體重而選擇吃雞肉來減肥，或者他們為了省錢而吃雞肉。沿著任何一個方向進行解析，你就可以預測，當顧客已經完成目標或者對自己的目標厭倦了之後，就不再吃雞肉了。　　因此，你的資料——人們吃很多雞肉——可以導致以下兩種預測結果：人們將來會繼續吃雞肉或者會停止吃雞肉。同樣的資料可以適用於這兩種相反的預測結果。所以，預測只依賴於解析，而不是資料。　　那麼，解析來自哪裡？從邏輯上講，解析不可能來自資料，因為解析不是開始於資料。但如果不來源於資料，那又從哪裡來呢？解析來自於創造力。解析是洞察消費者行為的創造性行為。這種創造力可能是由資料激發的，即通過觀察和分析資料的關係模式把握事態；或者來自其它的創造性衝動，包括經驗和直覺。　　當一個解析降臨你的時候，別管它從哪裡來，解析本身是最根本的。你要把解析放在第一位，把資料放在第二位。　　資料可以評價解析　　如果你腦海中有了一個解析，資料可以在理解顧客的過程中發揮重要作用。資料的作用是使你對你做出的解析更加自信，或者讓你放棄它，再尋找一個更好的解析。資料是對解析做出評價的最有力的工具。　　讓我們回到新廚具的案例。首先，你需要重點關注解析。如果你有了資料，就會給為你找到解析提供靈感。在這個案例中，你可能想到這樣一種解析：人們對速度的重視程度高於質量。人們在準備食物時越來越匆忙，所以願意犧牲食物質量只求食物更快地擺到飯桌上。　　然後你可以用資料來評價這個解析。首先，你手頭的消費者調查資料是否和該解析相吻合？結果表明吻合：從評分看，烹飪速度比食物質量更重要。這個發現讓你對該解析感到更加滿意。　　但是，儘管樣本容量大，調查結果本身也不應令你太自信。原因是，這個調查結果也會和其它許多看重烹飪速度的解析相一致。例如消費者可能認為，公司利用技術很容易就能提高速度，而質量卻更難提高。由此，解析就會圍繞消費者對技術可能性及其現實重要性的期望而展開。　　所有的解析都是不同的，它們按照兩類不同的`維度進行劃分。其中一類可以稱為“特殊—普遍”，特殊的解析只對特定的條件適用，也就是說，這種解析只適用於特定時間和空間內特定的人。很明顯，這種特性或多或少地存在。　　另外一種維度是“日常—”。日常的解析是從該解析所適用情景中的當事人的角度來闡述。這種解析可能是當事人對自身行為的一種解釋，或者是當事人不能明確地表達自己，你於是可以使用他所熟悉的語言替他表達出來。廚具案例的解析是通過人們自身的經驗表達出來的，所以就是日常的解析。案例中關於“滿意/犧牲”的解析，也許正是人們自己可能表達出來的。　　科學的解析和日常的解析相反，它不代表真實客戶的經驗。這種解析以自己的術語來表達，而這些術語是為了得出解析而發明。　　對任何一種資料，你需要在腦海中形成一種解析，它要麼得到資料的支援，要麼和資料相背離。在許多情況下，這種解析會是常識性的。實際上，“焦點小組會議”和“一對一訪談”得出的常識性解析經常和市場調查得到的資料相矛盾。　　在廚具案例中，“技術預期”的解析很容易被駁倒。比如，以下就是在10次“一對一訪談”中的典型回答：　　—“總是要花時間去準備食物。但是，我肯定將來所要做的只是給機器設定一個程式，就可以得到和媽媽做的一樣美味的肉餡餅了。”　　—“現在還沒有速食品之類的，我打賭肯定有人會想出簡單易行的辦法烹調出美食，不久就會有的。”　　只是10次訪談就給“技術預期”的解析——即目標顧客相信，提高食物烹飪質量在技術上的可能性要小於提高烹飪速度帶來了嚴峻的考驗。10次訪談是不是太少？100次或1，000次會不會更好呢？從樣本選擇的角度看，沒錯。　　但是，請記住更廣泛的，你必須突破市場調研的觀念。如果你的解析是人們對技術有特殊的信念，但是如果你看到應當對技術有特殊信念的一類人，並沒有在日常生活中表現出這種信念，那麼這就足以對你的解析提出挑戰。　　市場調查應該和數字聯絡在一起，而且需要更加量化。但是，如果你所處理的是一個常識性解析，它具有很強的排他性，而且以日常用語來表達，那麼利用“焦點小組會議”和“一對一訪談”得到的資料做出解析，要比利用市場調查得到的資料更容易。許多常識性解析和定性更匹配。而在市場調查測試中，這些資訊方法往往會顯得過於瑣碎而被忽略。　　你需要突破市場調研的視野，拓寬自己對顧客的理解。理解是一個動態的過程，而不是一堆靜止的資訊。綜上所述，理解是一件難事，你要試圖去解釋人們為什麼要那樣做事。解析任何事情都很難，而解析人的行為就更難了。解析熟人或是和你類似的人的行為就夠難的了，解析顧客的行為就更具有挑戰性。