大数据和用户行为观察

本文将解释为什么大数据的特性与其他调查方法组合运用才能为企业带来精准营销服务，从而深入挖掘潜在的商业价值。近几年掀起了一股大数据浪潮，大数据分析也正在从根本上改变着一些不同的领域。但是大数据并非万能钥匙，如果没有明确要利用大数据解决什么问题，就开始盲目推崇，最终也只是无端浪费时间和精力。通过大数据与用户行为观察并用，能够为企业提供精准高效的营销之道。

近几年在服务开发、改善等方面应用大数据正成为流行趋势，引发了很多不同领域对大数据的研究兴趣，好像进入了全民大数据的时代。但同时也有很多人并不知道该如何使用大数据以达到想要的结果。

大数据运用本身已经具有很多的可能性。如果能够将大数据与用户行为观察等其他调查方法结合，可以达成更大的成果。本期推送将解释为什么大数据的特性与其他调查方法组合运用才能为企业带来精准营销服务，从而深入挖掘潜在的商业价值。

大数据的流行

“大数据”这个词早已经彻底渗透入商业场景，但实际上它的市场规模仍然在不断扩张。根据IDC,Japan（国际数据公司日本分公司）的调查，2014年日本国内的大数据软件市场额达到110亿9100万日元，相比前年增长了39.3%。预测今后5年也将以年增长率33.5%的速度持续急速的成长。

这个现象的背后是大数据使用技术的进步。由于探测器和相机的精准度上升，能够把以前无法捕捉的东西（如将人的动作）作为数据收集。在数据分析阶段，通过历史数据的规律推测未来趋势的分析预测技术、自动将数据嵌入合适的分析模式的技术也正在开发中。这样，大数据逐渐从只有数据科学家才能看懂的内容，变成连普通员工也能够便捷地操作使用的东西，其所需要的专业技能明显降低。

由于大数据门槛的降低，很多企业在没有思考好使用方法的情况下就开始盲目跟风使用。甚至有“有了大数据就不需要人了”这种过高评价。为了让各位正确地理解大数据的优势和局限，我们首先对大数据的特点进行介绍。

大数据的本质是什么

在著作《大数据的真相》中，列举了3个大数据的本质的特性。

1.使用所有的数据

运用用户行为观察等大数据出现前的分析方法，通常是将调查对象范围缩小至几个人。这是因为，整理所有目标用户的数据实在太费时间，所以采取了从总用户群中，争取不产生偏差地抽取一部分作为调查对象，并仅仅根据那几个人的数据进行分析。

而使用大数据技术，能够通过发达的数据抽选和分析技术，完全可以做到对所有的数据进行分析，以提高数据的正确性。

2.不拘泥于单个数据的精确度

如果我们连续扔骰子，偶尔会连续好几次都扔出同样的数字。但是如果无限增加扔骰子的次数，每个数字出现的概率都将越来越接近六分之一。同样的，在大数据领域，通过观察数量庞大的数据，更容易提高整体而言的数据的精准度。因此，可以不拘泥于个别数据的精确度，而迅速地进阶到数据分析的步骤。（不过这种情况当然不包括人为的篡改等由于外部因素扭曲了数据的情况）

3.不过分强调因果关系

企业在考虑服务方针时，会综合考虑现状、问题、改善措施、实施后果等要素之间的相互关系，在此基础上建立假设。但是大数据能够通过观察海量的数据，发现人所注意不到的相互关联。

让我们看一下沃尔玛的例子。2004年，沃尔玛通过分析销售数据，发现飓风临近时，一种叫做Strawberry Pop-Tarts的点心的销售额是平时的7倍。因此，在下一次飓风来临时，沃尔玛大量采购Pop-Tarts，并且一售而空。

（图1.Strawberry Pop-Tarts，草莓馅饼）

这个例子可以看出：飓风和Pop-Tarts之间的因果关系，在进行大数据分析前，并没有被重视。如果沃尔玛只是依赖员工基于经验提出的假设，而没有进行大数据分析，恐怕没有一个人会意识到两者之间的关系。那么沃尔玛也很可能会错失Pop-Tarts的商机。

用户观察等方法

由于没有时间观察分析庞大的数据量中所有的数据，我们需要不带偏差地随机抽取一定数量的用户，仅仅根据他们的数据分析推测整体用户。筛选出没有偏差的数据需要一定的知识和思考。不仅如此，抽样调查对解读数据并建立假设的技能要求也很高。

大数据的优势

大数据能够帮助我们方便有效地分析庞大数据中的所有内容，因此可以不浪费任何信息地进行全面分析，也可以抑制数据的偏差。同时，因为大数据能够直观呈现出想得到的结果和产生结果的因素之间的关联性，所以基本不需要相关分析人员进行数据的进一步分析。

大数据的局限性

无可否认由于大数据的普及，我们确实能够进行高效率的服务开发。但是，这并不代表我们可以完全依赖大数据。我们能够通过大数据得知的，只是数据间的关联性，还有很多信息我们仅仅依靠大数据并不能获得。

1.大数据并不会告诉我们应该做什么

使用大数据的前提是，我们要决定应该分析什么样的数据。如果我们没有对此进行充分思考就开始分析数据，很容易陷入困境：“虽然得出了结果，但是我们不知道这意味着什么”，白白浪费花在分析上的费用和时间。这就是所谓“在数据中迷失”的状态。为了避免这种情况发生，我们必须事先明确公司目前的问题是什么，分析什么数据才能获得问题的解决方法。

2.大数据不能分析没有历史数据的未知问题

在挑战本公司没有历史数据或者缺乏经验的问题时，很难采用大数据。例如：思考全新的服务或想了解和以前完全不同类型的用户。这些情况下，通过用户行为观察建立符合市场需求的假设能更有效地思考出服务开发的概念。

3.不知道具体的设计和设计的方法

就算通过大数据发现了目前为止一直没能发现的关联关系，如何利用它们进行服务设计又是一个新问题。在沃尔玛的Pop-Tarts的例子中，只要采取“增加店中Pop-Tarts的量”这种几乎不需要过多考量的简单方案就可以解决。但是在开发服务时，往往需要设计更复杂的内容，所以需要我们思考对于用户的使用便捷度等和数据没有直接关系的其他因素。例如之前提到过的亚马逊的Dash Botton等，通过深刻理解用户的需求才成功设计的服务也大有存在。

1.提出问题

无论企业倾向于使用什么手段，首先需要明确地提出问题。如果将这个怠慢，就会最终导致为了分析而分析。我们有必要思考：“在公司商业模型中，哪个部分出了问题？”、“解决它能给公司带来大的影响？”等一系列问题。

2.分析问题，导出结论

在这个阶段通常大数据分析的效率更高，但如前所述，有时候用户观察也可能更有价值。根据能容忍的数据正确性的波动幅度，有时候甚至会出现从有限数据推导结果性价比更高的情况。我们应该思考哪种方法更适合、更高效，而不仅仅拘泥于大数据。

3.将结果运用于设计

在这个阶段企业最需要关注的是用户使用服务是否方便，此时运用大数据相对困难。所以，为了提高设计质量，我们有必要创造原型进行用户测试。

利用大数据和行为观察的案例

将大数据和用户行为观察结合，可以产出比使用任何单方都好的解决方案。施乐公司在参与洛杉矶市停车系统“LA Express Park”项目时，将大数据与行为观察组合使用，取得了不错的效果，一起来看看他们是如何做到的吧。

1.大数据构建浮动停车费系统

由于停车场收费标准不合理，洛杉矶市的停车场布局十分混乱，不符合周边地区交通状况。收费标准较低的区域，车辆过度集中；收费标准太贵的区域几乎无车问津，导致交通堵塞的问题一直没有得到良好的解决。

于是施乐公司运用大数据进行分析和系统构造。通过各个停车场设置的探测器，施乐公司发现用户会自动绕开收费高或比较拥挤的停车场。于是施乐公司制作一套系统，使用户能够通过网站或App实时查阅停车场拥挤度和空车位。并且为了平衡需求，各个停车场以拥挤度为基础，采取动态的价格机制。采用这一系统后，使停车场车位管理更加规范、有序，停车场拥挤度平均下降了10%，整体收入也提高了2%。

2.行为观察改善设计与服务

在整个服务过程中，停车场的空车位会不断改变，所以空车位数在用户前往停车场的过程中也会发生改变。施乐公司通过用户观察发现，将空位状况用红、黄、绿三种颜色大致表示，更容易让用户直观地掌握停车场的拥挤程度。行为观察的有效运用，免去了投资实时通报空车位的系统的麻烦。

更进一步，即使在服务发布后，行为观察也起到了很好的作用。施乐公司在服务开始后的第二年再次进行了用户调查，发现有一定数量的用户并没有意识到停车费会实时改变。他们既不会事先用APP查资料，下车后也不会注意电子提示板的停车费而是直接前往停车费计时器。之所以如此，因为这些用户心中“在目的地附近停车”的思维定势很深。根据观察结果，施乐公司部署了一些新的、多样化的信息提示，这些信息提示会随着停车环境的变化自动更新。同时，制造了一个使用汽车GPS导航系统的原型，可发出语音指令，自动引导司机到距离其目的地最近的空车位停车，甚至还可以自动支付停车费。

大数据和用户行为观察相辅相成

开发对用户有益的服务，不仅需要观察数据的相互关系，还要从用户的视角思考存在的问题以满足他们的需求。这两者并不是非此即彼的关系，他们为服务开发提供不同的视角，相辅相成。我们应当同时考虑服务开发的不同阶段和需要的分析精准度，在此基础上灵活地选择使用大数据或用户行