
大数据时代挖掘小数据的重要性
在互联网迅猛发展的今天,大数据连接了千百万的数据点,很多人像信仰宗教一样信仰大数据。但在大数据时代,挖掘小数据也很重要,甚至更加重要。
最近有本新书,名叫《痛点:挖掘小数据满足用户需求》。这本书里说,这本书的作者是世界著名品牌营销专家马丁·林斯特龙,他曾是迪士尼、百事可乐、雀巢等著名企业的品牌顾问。马丁认为,身处大数据时代,我们要注意两个问题。
第一个问题是,大数据不会激发深刻的见解。他认为,创意通常来自把一两个不相融的物体结合起来。但是,大数据库过于狭隘,无法促成对比分析,很难带来突破性的结论。
第二个问题是,大数据重分析,轻情感,数据很难捕捉我们最看重的情感品质,比如友好、可爱。所以虽然大数据能够帮助品牌做决策,但却没办法让人们喜欢你的品牌,也就是没办法提升品牌的受欢迎度。
而且,技术的出现让我们拥有了两种人格,网络的和现实的。这两种人格几乎没有相似之处。在社交媒体上,我们并不是真实的自己。所以,当人们按照生活中的习惯行动的时候,来自网络的大数据分析通常不会很准确。
基于这两个思考,马丁·林斯特龙就提出,在大数据之外,更重要的是对真实生活场景进行观察和分析,也就是寻找小数据,只有这样才能找到用户最真实的需求。挖掘小数据,就是从手势、习惯、装饰、密码等等生活细节中,发现人们的欲望和需要。只有满足这些需要,也就是痛点,才能掌握无限的商机。换句话说,大数据与小数据的结合,才是21世纪实现营销成功的关键因素。
书中举例说,作者曾经受到委托,在沙特阿拉伯设计一个购物中心。他像往常那样在当地进行了详细的调研,发现沙特墙上的涂鸦都有一个主题,那就是水。他还发现,沙特的儿童书里面很少有和沙漠有关的内容,而是以绿洲、溪水为主。而沙特孩子五分之四的玩具是消防车、救护车和警务车,这个比例在全球来说非常高。马丁在咨询了心理学家以后,觉得这些现象都来自于沙特人对火的强烈恐惧,尤其是女性。所以在设计商场的时候,马丁和设计团队设计了几条大水渠穿过商场,还增加了鸟叫声,将商场变成了充满水形象的世界。这个设计最终取得了非常好的效果,就是因为契合了大家的心理需求。
那么,到底该如何挖掘小数据、捕捉需求呢?书里介绍了7个步骤。
第一,搜集资料。想了解某一地区人们的习惯,当地的调研必不可少。可以找几类人获得信息。一个是文化观察者,比如初到此地的新人,问他们的印象。或者当地最基层的人,比如理发师、酒保、邮递员,他们不光会告诉你事情的详情,还会告诉你他们亲朋好友的情况。我们要尽可能从更多的信源中,获得不同的观点。
第二,寻找线索。人有两个自我,一个理想的自我,一个真实的自我,而需求往往就是存在两者的差异之间。调查的时候,理想的自我可以从客厅、背包等显露在外面的地方来看,而真实的自我可以从比较隐私的地方去找,比如冰箱、衣橱等等。
第三,连接线索。问问自己:线索有什么相似的地方?这些线索偏向某个方向吗?如果最初有假设,打算开始验证吗?
第四,关联。寻找顾客行为上的转变,作者称为切入点,从中可以看到一些隐藏的信息。可以表现切入点的事件包括,结交新朋友、得到或失去伴侣、送孩子上大学,以及所有人生中的里程碑或者职业转换。
第五,因果关系。这一步要开始小数据挖掘了,找出因果关系,想想顾客的感情由什么激发?他们需要什么?要站在顾客的角度看问题。
第六,补偿。验证完因果关系,就该提取欲望了。要思考,人们还有什么欲望没被满足?满足欲望的最佳方式是什么?
第七,观念。想想已经发现的欲望,要用什么创意才能满足。作者提醒,创意不太可能在压力下产生,往往是不经意间到来,所以要给自己留有足够的空间。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
机器学习解决实际问题的核心关键:从业务到落地的全流程解析 在人工智能技术落地的浪潮中,机器学习作为核心工具,已广泛应用于 ...
2025-09-09SPSS 编码状态区域中 Unicode 的功能与价值解析 在 SPSS(Statistical Product and Service Solutions,统计产品与服务解决方案 ...
2025-09-09CDA 数据分析师:驾驭商业数据分析流程的核心力量 在商业决策从 “经验驱动” 向 “数据驱动” 转型的过程中,商业数据分析总体 ...
2025-09-09R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02CDA 数据分析师:助力企业破解数据需求与数据分析需求难题 在数字化浪潮席卷全球的当下,数据已成为企业核心战略资产。无论是市 ...
2025-09-02Power BI 度量值实战:基于每月收入与税金占比计算累计税金分摊金额 在企业财务分析中,税金分摊是成本核算与利润统计的核心环节 ...
2025-09-01巧用 ALTER TABLE rent ADD INDEX:租房系统数据库性能优化实践 在租房管理系统中,rent表是核心业务表之一,通常存储租赁订单信 ...
2025-09-01