解读数据？解读“人”！

一提到“数据”，可能经常会想到“数字”、“图表”、“模型”、“方程”等容易让人怯步的词语。其实“数据”的真正意义，是躲在背后的那些“人”。

在营销学中，市场的根本在于需求，需求由人而生。因此，我们不应该就数字而数字，就算法而算法，应该自始自终关注“人”，市场研究则更是如此。

有人也许会说，“人”可不好说，有时说谎，有时偏私，真真假假。但，不是有种更简单的想法吗?我们自己本身就是“人”。作为市场研究者，大可不必将自己完完全全剥离在“人”这个概念以外，顶着看似客观的立场，作困兽之斗。

这个时候，也许有人会质疑，如果加入更多自己的想法，你的研究还客观吗?

没错，作为市场研究者，必须客观地看待事实，呈现事实。但事实是什么，如果总把自己孤立在另一边，恐怕这个所谓的事实，也不过是披着云雾的谜团。

在这里，我必须强调，事实的重要性，正是为了看清事实，我们必须“有方法”地在某些情况下，将自己看成是同一边的“人”，某些情况下，将自己独立为另一边的旁观者。

这个“方法”，正是这篇文章试图总结的东西。

1. 在用户没有表达任何观点，或，还不清楚用户的观点之前，不要有任何想法。

我们不妨恶俗地将自己比喻成“蛔虫”，主人都还没有想法，就算你是肚子里的蛔虫，也不可能会知道些什么。

所以，我们需要开放式问卷，引诱我们的主人试着讲他们的想法，哪怕只是一点点。这就是所谓的定性阶段。

2. 拿着用户的文字反馈，尝试读懂这个“人”，而不是这些“字”。

当问卷回收了，我们“看到”主人们用“文字”写下来的话。这就有两个问题：

一是，开放式问卷数量很多，意味着主人很多，口味各不相同;

二是，文字的运用可能基于主人们的不同背景或个性有所不同(巴斯光联)

“试过如果好的话，可以回头光顾哦!”

她稍微用力眨了一下眼睛，扬起了嘴角“呵呵，好，我们先试试~~~”。说到这里，你懂的了。

(巴斯光联)

4. 与其单独看每个数字，不如串起来读下去，完整地读出一个“人”。

从开放式问卷的广度，到与用户对话的深度，我们一直在拼凑和补充材料，“代入”除了帮我们读懂“人”以外，也帮我们描绘了可能存在的问题，可以通俗地理解为“准备上桌的菜”。这个菜到底能上不能上，材料是不是最终做出这个菜，还得继续“小心求证”。

来到定量问卷阶段，将你的材料组织好，送到用户面前，让他们决定，他们想要什么。用户反馈回来之后，我们进入数据清洗、分析、解读阶段。

这里说一下“解读”。

送到我们面前的是一堆数字，一堆图表，我们任务不是告诉大家这个数字是多少，而是数字代表什么。

第一件要做的事是，将自己每种假设的相关数字聚集起来，考察它们是否可以串成链条(俗称“证据链”)，如果可以，很好，假设成立。如果不可以，研究一下，假设的漏洞在哪里，也许会发现一个新的结论。

第二件事是，将用户视角下的诸如行为路径、态度轨迹、需求满足过程等链条相关的数字串联起来，看看是否能完整描绘出“人”的形象。如果可以，很好，又一个结论浮现了，如果不可以，检查一下矛盾或缺漏点在哪里，也许会发现用户分类方法不对，另外一个细分维度可能更有效。

举个简单的例子，你有用户对皮肤的元素、颜色、风格、主题的偏好，串联起来，加上一个合适的细分维度对比分析，会发现年龄不同的用户，社会沉浸经历不同，总体风格偏好也存在差异。再类推延伸一下，会发现社会沉浸经历可能会投射在更多其他领域的偏好上。

有人可能会问，这里好像没看见“代入”。其实，在你做的两件事里面，就已经有“代入”。组织证据链、剖绘形象人这两件工作，需要很好地读懂选项占比以及填选项的人，才能做好。

注：文章来自站长之家专栏用户卢松松博客，如需转载请注明出处。