大數據的未來不是數值,而是提出更深層次的問題并找出消費者做決策的原因。

今天,客戶經常問關于大數據的未來,下一步是什么,我們如何利用數據在更深的層面提取有意義的消費者信息來超越我們現在的程度?最標準的答案是從比以往更 多的設備上實時獲取數據和分析的能力。的確, 通過家庭，穿著，汽車我們可以收集海量的數據，但是這僅僅只是目前方法的延伸。

數字vs情緒

現在大部分的數據收集都是數值或二進制。數據告訴我們如果有人進入到一個網站,瀏覽到什么程度 ,多長時間,關注點在哪,但數據沒有告訴我們為什么。我相信大數據的未來,大數據2.0——不是關于二進制和數值,而是提出更深層次的問題。大數據2.0 應該不僅是關注于在哪和什么,而且也關注回答為什么。大數據2.0應該關注于更好的理解消費者的情緒狀態和決策邏輯,從而提供更深入的理解消費者的選擇。 如果我們關注于原因,而不是多久,我們可以在消費者和品牌之間創建更有意義、更高質量的聯系。換句話說,雖然數據是一個偉大的性能指標,但是只關注他們就 意味著品牌會錯失一部分人性因素。

以亞馬遜數據為例。亞馬遜擁有海量的數值指標。其數據可以告訴我們銷售數量，客戶參與度和客戶滿意度。這些都是偉大的指標,但他們仍然非常簡單,并且只是一小部分。

假設我們是一家消費品公司,我們想引入一個新的尿布產品進入市場。我們決定看看亞馬遜為了更好地理解哪些產品是市場領袖(銷售排名和銷售數量),消費者喜 歡產品本身的程度(評論)。如果我們在所有尿布產品中分析這些指標,我們有一個大數據1.0圖片，告訴我們到底是誰賣的最多，消費者最喜歡的是什么。然而 在大數據2.0中這是不夠的,大數據2.0需要知道原因:為什么這個產品賣的最多?為什么它有5星評價?

解決方案

對我們來說, 開始創建大數據2.0最容易的方法是每天收集非結構化數據。這可以是評論、客戶反饋電子郵件、社區論壇,甚至是自己的CRM系統。著眼于這個數據最簡單的方法是通過文本分析。

文本分析是一個相當簡單的過程:

1、收集:收集要分析的原始數據;

2、轉換和預處理:轉換數據的格式,讓它更容易閱讀;

3、改進:通過添加額外的數據點優化數據;

4、加工:進行具體分析和數據分類;

5、頻數分析:評估結果并轉化成數值指標;

6、獲取:實際提取信息。

這是一個使用上述方法的真實應用。我們試圖了解尿布市場。假設我們已經收集了所有尿布的評論以及它們的定性指標。這意味著我們知道什么最好賣,什么排名最 好/最差。為了在下一層里采用這些,我們將開始從評論中提取詞匯和短語。這會告訴我們一些重復出現的信息及評論的頻數分析。實際上執行這個分析通過評估成 千上萬的評論并且發現四個可行的見解。沒有文本分析,我們不會得到這些。

1、為什么銷售得那么好

當看著最暢銷產品的評論,發現在大多數有用的評論中提到最多的關鍵詞是“價格”“特點”和“價值”。這告訴我們,除了產品的定價，人們不買它也因為它的質量和功能特點。所以當我們推出我們的產品,我們會注意價格/價值導向,而不僅僅是功能特點。

2、為什么人們不喜歡它

這是一個很有啟迪作用的問題。最多負面評論的品牌有極高頻率的關鍵詞“膠帶”,“粘貼”,“保持關閉,”和“打開”。在一些讀取后,消費者在尿布的通常關 鍵性特征如“吸收性”，“泄漏”，或“柔軟”,上沒有問題，但實際上對尿布一面的膠帶,和它保持打開狀態上有問題。大量的負面評論提到這些問題讓我們相 信,這是一個特性，品牌不注意但消費者關心。因此,我們建議采取測試廣告,解決這一問題。

3、智能過濾

這里有一個有趣的問題,很多負面評論并不是關于實際的產品,而是關于物流、庫存和包裝的問題。通過標記和刪除這些設置,可以在純粹的產品層面做出評價為了 相關產品的關注點。如果我們在亞馬遜展示我們的尿布,我們建議在頁面顯著位置上增加物流和庫存水平保證——這是一個競爭優勢,直接消除消費者的擔憂。

4、他們想要什么

從研發的角度來看,這是一個黃金觀點。通過評估審查一些關鍵詞像“我希望”,“希望”或“他們應該”，我們能夠發覺消費者的共同特點當他們尋找尿布的時 候。這些都是偉大的見解,解決消費者不斷變化的需要。我們可以將這些產品特性提供給研發團隊以及廣告文案。

正如你所看到的, 僅僅只是在亞馬遜分析尿布的種類,大數據2.0的分析就超過了二進制性能指標。我們可以看到人群的最愛，但還不知道購買背后的“為什么”, 直到運用了文本分析才了解正面或負面評論。有無數的消費者信息可以從文本挖掘,非結構化數據帶給我們消費者的聲音,動機,和購買行為的深層理解。

開始著眼于現有的數據,導出CRM,檢查評論，網站或在主題論壇提到的產品,甚至是銷售部門的電子郵件收件箱。這是大數據2.0的時代。