京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据与口碑营销背后的科学奥秘
为什么有些公司、产品、服务得到的口头宣传就要比别的多?是运气吗?不,这里面是有科学的。社交网络大师总给我们灌输一个道理,乏味的产品或创意是不会有人讨论的。因此你可能会认为更有趣的 产品和品牌被讨论得越多。新颖的东西相对于平凡的被提起得更多。
初创企业的生死存亡取决于口碑。无论是新网站、革命性的招聘服务,还是 B2B,消费者意识一开始都是很低的。没人意识到你的存在,所以你必须有人帮你宣传。但是大多数的初创企业都没有很高的广告预算。它们必须有机地发展壮大:让现有的客户或粉丝帮招揽新的—一次一个就行。
那么为什么有的公司、产品和创意会比别的被讨论得更多?大家往往认为口碑营销之难就好比拿瓶子去捕捉闪电。得有运气。市场必须恰到好处。或者你需要 3、4 种难以形容的品质组合通过某些无法解释的手段来创造出魔法来。
这是一个很棒的理论。除了有一点完全错了。
口口相传背后是有科学奥秘的。为什么有人讨论某些东西比别的多?这既非随机亦非运气。正如行为经济学家研究过为什么大家会做出特定的选择,或者统计学家从 “大数据” 剖析出人类行为那样,研究人员一直在努力分析我们决定讨论或分析什么背后的人类行为。
比方说,在最近的一次调查中,我和同事研究了几乎 10000 种产品和品牌的口碑数据,大至可口可乐、沃尔玛等巨头,小至各种初创企业,不一而足。范围涵括了从技术公司到服务,从 B2B 到消费型袋装货物等一切东西。我们还在另外一个项目中分析了几乎7000 种在线内容的病毒传播力。这里面既有政治性的,也有国际新闻,也包括有趣的内容、体育、时尚等。
但是这些研究并不仅仅关注于记录哪个产品被谈论得最多,或者哪种类型的在线内容获得了病毒式传播。而是要去理解这些结果背后的动机:促使某件事情 / 东西被讨论得更多或获得病毒式传播的底层人类行为;不同的情绪(悲伤与愤怒)是如何决定大家要分享什么的;网上与线下沟通是否会影响到大家对品牌的讨论内容?如何影响?讨论的心理学;社会传递的科学等。
就拿促因(Triggers)来说吧。迪斯尼要比 Cheerios(麦圈品牌)更有趣。这的确是一项吸引人的情感体验。但是问题在于大家并没有被触发到会频繁地想到它。当然在逛了迪斯尼的某个主题公园之后大家会谈很多迪斯尼的东西,但是除非随后几周或几个月内被提醒要想一下那方面的体验,否则他们是不会不断提起迪斯尼的。
Cheerios 是没有那么有趣,但是大家每天都要吃早餐,1年365 天都得吃。哪怕他们不买 Cheerios,每周推着购物车在谷类购物通道经过时还是要看到它的。这让 Cheerios 更容易被第一时间想起,增加了它被提到的几率。某个产品或主意也许的确非常有趣,但是如果大家没有受到触发去想起它,它就永远也不会被提及。心中想起(Top-of-mind)意味着话在嘴边(tip-of-tongue)。
促因只是我和同事在研究中发现的口口相传的关键驱动力之一。我在研究中再三地发现有 6 个相同的原则促使大家讨论和分享东西。这 6 大原则可以简称为 STEPPS:社交货币(Social Currency),促因(Triggers),情绪(Emotion),公共(Public),实际价值(Practical Value)以及故事(Stories)。
社交货币(Social Currency)。跟我们开的车穿的衣服一样,我们说的东西影响到别人如何看我们。所以某样东西越能让某人看起来不错,就越能被传递下去。
促因(Triggers)。如果一样东西总在第一时间被想起,就会被经常提及。正如花生酱令我们想起果冻一样,我们被触发想起某样产品或想法的次数越多,我们讨论它的次数就会越多。
情绪(Emotion)。我们在意的时候就会分享。无论是积极的(兴奋或幽默)或者是消极的(生气或焦虑),高唤醒情绪促使我们分享。
公共(Public)。人倾向于模仿他人。但正如老话 “有样学样” 说得那样,越容易看到某人在做什么,就越容易模仿。公共可观察性会推动模仿(如 iPod 的白色耳机)。
实际价值(Practical Value)。大家不仅仅是想要好看,也希望能帮到别人。因此越有用的东西被分享就越多。比方说融资的 10 种方式或者 5 大谈判技巧这样的文章肯定吸睛。
故事(Stories)。没人希望被看成是活广告,但是如果某样东西是更宽泛的故事中的一部分的话他们会愿意谈到它的。所以要编一个 “特洛伊木马” 式的故事,从中去传递你的品牌信息。
这 6 个原则构成了赢得更多口碑的方程式。这是制作有感染力内容并让更多人讨论产品或主意的配方。
按照这个公式做就能保证赢得病毒式传播吗?不能。但是它可以提高平均成功率。没人每次都能击出全垒打,但是理解制造轰动的科学之后,我们可以通过击出更多的一垒安打、二垒安打乃至于全垒打来提高成功率。
口碑传播也是如此。理解了为什么会大家议论和分享背后的科学之后,企业组织就能够让自己的产品和想法赢得更好的口碑,并帮助这些产品和想法一路流行起来。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在 MySQL 实际应用中,“频繁写入同一表” 是常见场景 —— 如实时日志存储(用户操作日志、系统运行日志)、高频交易记录(支付 ...
2025-10-30为帮助教育工作者、研究者科学分析 “班级规模” 与 “平均成绩” 的关联关系,我将从相关系数的核心定义与类型切入,详解 “数 ...
2025-10-30对 CDA(Certified Data Analyst)数据分析师而言,“相关系数” 不是简单的数字计算,而是 “从业务问题出发,量化变量间关联强 ...
2025-10-30在构建前向神经网络(Feedforward Neural Network,简称 FNN)时,“隐藏层数目设多少?每个隐藏层该放多少个神经元?” 是每个 ...
2025-10-29这个问题切中了 Excel 用户的常见困惑 —— 将 “数据可视化工具” 与 “数据挖掘算法” 的功能边界混淆。核心结论是:Excel 透 ...
2025-10-29在 CDA(Certified Data Analyst)数据分析师的工作中,“多组数据差异验证” 是高频需求 —— 例如 “3 家门店的销售额是否有显 ...
2025-10-29在数据分析中,“正态分布” 是许多统计方法(如 t 检验、方差分析、线性回归)的核心假设 —— 数据符合正态分布时,统计检验的 ...
2025-10-28箱线图(Box Plot)作为展示数据分布的核心统计图表,能直观呈现数据的中位数、四分位数、离散程度与异常值,是质量控制、实验分 ...
2025-10-28在 CDA(Certified Data Analyst)数据分析师的工作中,“分类变量关联分析” 是高频需求 —— 例如 “用户性别是否影响支付方式 ...
2025-10-28在数据可视化领域,单一图表往往难以承载多维度信息 —— 力导向图擅长展现节点间的关联结构与空间分布,却无法直观呈现 “流量 ...
2025-10-27这个问题问到了 Tableau 中两个核心行级函数的经典组合,理解它能帮你快速实现 “相对位置占比” 的分析需求。“index ()/size ( ...
2025-10-27对 CDA(Certified Data Analyst)数据分析师而言,“假设检验” 绝非 “套用统计公式的机械操作”,而是 “将模糊的业务猜想转 ...
2025-10-27在数字化运营中,“凭感觉做决策” 早已成为过去式 —— 运营指标作为业务增长的 “晴雨表” 与 “导航仪”,直接决定了运营动作 ...
2025-10-24在卷积神经网络(CNN)的训练中,“卷积层(Conv)后是否添加归一化(如 BN、LN)和激活函数(如 ReLU、GELU)” 是每个开发者都 ...
2025-10-24在数据决策链条中,“统计分析” 是挖掘数据规律的核心,“可视化” 是呈现规律的桥梁 ——CDA(Certified Data Analyst)数据分 ...
2025-10-24在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22