市场调研过程中两类数据不要认为是真的

2024-01-29 08:32

本文主要是介绍市场调研过程中两类数据不要认为是真的,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

1、询问用户未来的购买行为
询问用户未来的行为本身就是不靠谱了,用户未来会不会做什么事情,本身就是一个不确定性的事情,这对于用户自身来说就是一个未知数,所以用户的回答本身的真实性不高。
尤其是问用户未来是否会购买这种事情,相信绝大多数用户都会说会考虑,为什么会这么说呢?一方面是出于礼貌的”不拒绝“——避免让你感到尴尬,另一方面也是为了能够堵住你的话——如果说”不会考虑“,你一定会继续问”为什么不考虑呢?”,可是对于用户来说,他们真的不知道“为什么”,所以为了避免后续不停的解释,他们会说“我会考虑一下”。然而,他们只是说说而已。
所以如果你询问用户是否会购买,然后用会购买的用户/总用户,得出购买率,最后希望用这个购买率去进行投资和营销,我只能祝你好运了。
如何使用”是否购买的问题“
首先,你要观察用户回答这个问题的态度,他们的情绪是否是非常强烈的需要,如果情绪特别激动,那么你的产品还是有需求的。
其次,你要把用户的回答打一个折扣,用户说”可能会“这意味着一定不会,用户说一定会可能有30%的机会;你不断为用户制造障碍,用户还是说”会“,这部分用户可能又50%的机会;只有现场就掏出钱来的用户,才有80%的概率会。
所以,如果你真的只是询问用户是否会购买,请把你的购买率打一个2折,这还是在你的产品没有出现重大瑕疵的结果。
2、询问用户的隐私或统计数据
“你个人的年收入是多少?”,这是用户的隐私数据
“你平均一个月花了多少钱”,这是用户的统计数据
询问这种问题,最大的问题就是,对于隐私数据,用户不愿意回答,对于统计数据,用户回答不了。
如果你一年收入100万,在调查中你会说出实情吗?显然不会,你可能会大幅度调低你的收入,因为你不想让别人知道你真实的收入情况。反过来,如果你最近一年在创业,一点收入都没有,你也不会说出实情,你多少会说一点收入,避免让人知道你最近的窘迫。
至于平均一个月花多少,这需要你知道最近几个月每个月花了多少钱,而且还需要算一个平均数,有些时候,连你自己都觉得算出来的平均数不太对,因此这种问题往往都是“大概齐”。
如何使用这些“隐私数据”或者“统计数据”
数据不是真的,但是并不是意味着没有用。比如用户收入信息,你按照高低收入分类,其实也基本上能够分出高收入群和低收入群。在回答收入问题的时候,低收入用户虽然说的高一点,但是可能会2000-3000,高收入的可能是20000变成10000,但是总体来说其实这种区分是有的。如果你的分群的颗粒度能够粗一些,还是能够区分出来的。
我记得在一次调研中,分类四个细分用户群中,A群收入大概在1600,B群收入大概在1400,C群收入大概在1100,D群收入大概在1000,看上去似乎收入差距不大,但是事实已经展现出高收入、低收入的特征。
以收入为例,我个人的经验是如果按照一个非收入相关的维度划分出几个群,如果群与群之间的收入差异能够达到10-20%,这已经意味着这两个群的目标用户的收入有着显著的差异。
市场调研过程中,你可以不信任这些具体的数值,但是不要不相信对比的差异和相对的趋势变化。

这篇关于市场调研过程中两类数据不要认为是真的的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/656330

相关文章

SQL Server修改数据库名及物理数据文件名操作步骤

《SQLServer修改数据库名及物理数据文件名操作步骤》在SQLServer中重命名数据库是一个常见的操作,但需要确保用户具有足够的权限来执行此操作,:本文主要介绍SQLServer修改数据... 目录一、背景介绍二、操作步骤2.1 设置为单用户模式(断开连接)2.2 修改数据库名称2.3 查找逻辑文件名

canal实现mysql数据同步的详细过程

《canal实现mysql数据同步的详细过程》:本文主要介绍canal实现mysql数据同步的详细过程,本文通过实例图文相结合给大家介绍的非常详细,对大家的学习或工作具有一定的参考借鉴价值,需要的... 目录1、canal下载2、mysql同步用户创建和授权3、canal admin安装和启动4、canal

MySQL存储过程之循环遍历查询的结果集详解

《MySQL存储过程之循环遍历查询的结果集详解》:本文主要介绍MySQL存储过程之循环遍历查询的结果集,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录前言1. 表结构2. 存储过程3. 关于存储过程的SQL补充总结前言近来碰到这样一个问题:在生产上导入的数据发现

SpringBoot集成LiteFlow实现轻量级工作流引擎的详细过程

《SpringBoot集成LiteFlow实现轻量级工作流引擎的详细过程》LiteFlow是一款专注于逻辑驱动流程编排的轻量级框架,它以组件化方式快速构建和执行业务流程,有效解耦复杂业务逻辑,下面给大... 目录一、基础概念1.1 组件(Component)1.2 规则(Rule)1.3 上下文(Conte

使用SpringBoot整合Sharding Sphere实现数据脱敏的示例

《使用SpringBoot整合ShardingSphere实现数据脱敏的示例》ApacheShardingSphere数据脱敏模块,通过SQL拦截与改写实现敏感信息加密存储,解决手动处理繁琐及系统改... 目录痛点一:痛点二:脱敏配置Quick Start——Spring 显示配置:1.引入依赖2.创建脱敏

Spring Boot 整合 Apache Flink 的详细过程

《SpringBoot整合ApacheFlink的详细过程》ApacheFlink是一个高性能的分布式流处理框架,而SpringBoot提供了快速构建企业级应用的能力,下面给大家介绍Spri... 目录Spring Boot 整合 Apache Flink 教程一、背景与目标二、环境准备三、创建项目 & 添

详解如何使用Python构建从数据到文档的自动化工作流

《详解如何使用Python构建从数据到文档的自动化工作流》这篇文章将通过真实工作场景拆解,为大家展示如何用Python构建自动化工作流,让工具代替人力完成这些数字苦力活,感兴趣的小伙伴可以跟随小编一起... 目录一、Excel处理:从数据搬运工到智能分析师二、PDF处理:文档工厂的智能生产线三、邮件自动化:

Python数据分析与可视化的全面指南(从数据清洗到图表呈现)

《Python数据分析与可视化的全面指南(从数据清洗到图表呈现)》Python是数据分析与可视化领域中最受欢迎的编程语言之一,凭借其丰富的库和工具,Python能够帮助我们快速处理、分析数据并生成高质... 目录一、数据采集与初步探索二、数据清洗的七种武器1. 缺失值处理策略2. 异常值检测与修正3. 数据

pandas实现数据concat拼接的示例代码

《pandas实现数据concat拼接的示例代码》pandas.concat用于合并DataFrame或Series,本文主要介绍了pandas实现数据concat拼接的示例代码,具有一定的参考价值,... 目录语法示例:使用pandas.concat合并数据默认的concat:参数axis=0,join=

pytest+allure环境搭建+自动化实践过程

《pytest+allure环境搭建+自动化实践过程》:本文主要介绍pytest+allure环境搭建+自动化实践过程,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐... 目录一、pytest下载安装1.1、安装pytest1.2、检测是否安装成功二、allure下载安装2.