追蹤三部曲之三:數字化時代的品牌追蹤調研方法有哪些變化?

品牌追蹤研究需要回答的四個商業問題是: 評估、診斷、優化、增長。 在研究設計階段,品創強調以用戶體驗地圖為核心,再來梳理品牌的功能利益、

追蹤三部曲之三:數字化時代的品牌追蹤調研方法有哪些變化?

發布日期:2019年10月23日    作者:張弛

品牌追蹤研究需要回答的四個商業問題是:評估、診斷、優化、增長。

 
在研究設計階段,品創強調以用戶體驗地圖為核心,再來梳理品牌的功能利益、情感利益,進而建立品牌評價指標體系。這種以用戶為中心、整合了品牌體驗和品牌評價兩套體系的結構化研究方法,即是為完整回答這四個商業問題而誕生,而不僅僅停留在品牌表現的評估層面。
 
同樣,數據采集、分析乃至研究成果的落地應用都應該圍繞如何回答這四個商業問題來進行,加之數字化時代下的種種新變化,都對研究方法提出了新的挑戰。
 
 

1

 

大數據如何運用于品牌追蹤研究?

大小數據結合

 

傳統的品牌追蹤研究主要依賴小數據——消費者調研從設計方案到抽樣調研到采集數據乃至分析結果需要幾周到乃至數月的時間,過程漫長而曲折,這對于當今的快節奏市場來說,越來越成為品牌修復迭代的障礙。而且由于抽樣數量有限,難免會遺漏一些細分市場用戶的真實聲音。

 

與此同時,大數據浪潮毫無疑問正在席卷各個行業。大數據改變了人們的消費行為習慣,越來越多人在習慣在購買產品前到互聯網上檢索相關產品信息和品牌評價,網購的比例也越來越高,使用產品后再到平臺上發布體驗評價。通過將人的行為轉化成為無數個可以量化的數據節點,消費者被分門別類貼上各種標簽,品牌利用這種“數據畫像”找到自己的目標受眾并進行精準營銷。

大數據的廣度是前所未有的,借助大數據,我們可以捕捉到成千上萬條的用戶評論、品牌評價或者轉發。這些即時、海量、真實的用戶數據為品牌追蹤研究提供了新方向。

 

為了獲得全面而精準的品牌追蹤數據(包括品牌市場表現,品牌健康度指標,品牌形象評價),我們在傳統的定量問卷+定性訪談基礎上,結合了大數據這一有利工具。

 

大數據適合判斷品牌在一個特定時段的滲量:

品牌的營銷活動效果反饋

品牌的產品體驗評價

品牌的負面新聞影響

 

那么,大數據能否替代小數據呢?

 

答案是否定的。大數據雖然廣,但是缺少深度,呈現的結果是非結構化、缺少因果關系的。因此,大數據需要與有前瞻性和深度的小數據相結合。

以我們正在做的某信用卡品牌追蹤項目為例,該項目包括兩部分:

品牌追蹤:以年度為單位的小數據的全面深入的定性+定量研究

②聲譽監測:以季度為單位的大數據傾聽

 

這兩部分,有些客戶會選擇把它切割成兩個項目獨立來做。比較好的做法是兩者整合在一起,特別是由策略型研究伙伴來進行整合。

 

大小數據密不可分,我相信未來大小數據結合的場景會越來越多。

 

2

 
定性調研扮演何種角色?
場景化的用戶體驗地圖是核心
 

傳統的品牌研究中,定性輸出的是品類和用戶的使用行為習慣。

 

而在品創以用戶體驗地圖為核心的品牌指標體系研究中,定性的輸出是非常明確的:

  用戶畫像:該品類市場有幾類用戶,而該品牌用戶是以哪類用戶為主

  體驗地圖:針對目標用戶,歸納出品類使用場景、品類接觸點、品牌接觸點、接觸點體驗等,并比較不同品牌的接觸點及體驗上的差異。

 

往往各品牌的體驗差異是非常明顯的,因此定性在品牌研究中正扮演越來越重要的角色。

 

定性調研方式也正發生變化,傳統的品牌研究以6-8人的座談會為主,重心在品牌形象、品牌擬人等方面,但是120分鐘的座談會中,每個被訪者發言的時間累積只有12分鐘,要在很短的時間內將品牌與用戶的關系描述清楚是不現實的。因此品創在品牌追蹤座談會后會選擇個別典型用戶進行一對一的60分鐘深訪,從而獲得連貫且有深度的品牌體驗評價,這樣也進一步完善了用戶體驗地圖。

 

3

定量調研需要注意哪些問題?

合理把握樣本框的選擇和抽樣規則

 

任何研究首先必須要有明確的研究對象,然后才能根據研究對象收集資料。本次品牌研究項目的調研對象是現有用戶還是潛在用戶?關注新用戶還是存量用戶?這些都需要有明確定義,否則會對樣本抽樣和結論推斷帶來麻煩。
 
品牌研究的研究對象總體是非常龐大的,因此需要從總體中抽取部分具有代表性的個體作為樣本去推斷總體,這就是抽樣。為了避免抽樣偏差,抽樣要盡可能做到隨機化,也就是說總體中的每個個體的入選機會均等。
 
理論總體往往不是實在的、可操作的,而調研總體需要是實在的、具體的、可操作的名單。樣本框的選擇可以有不同的層次,如先抽取不同的品牌用戶,再從品牌用戶中抽取對應產品的個體用戶。
在實際執行項目時,客戶可能會提出針對品牌用戶可以利用自己的平臺做端內推送,競品用戶用端外推送。聽起來好像沒問題而且可以節省費用和簡化操作流程,但是采用兩個平行的樣本框,很大可能會導致樣本偏差,所以品牌追蹤樣本框我們建議采用穩定且海量的第三方平臺,京東調研、騰訊問卷等平臺、管理嚴格的Panel等都在我們考慮的范圍內。
 
追蹤研究樣本數量不能過小,否則不利于統計分析。在某些品牌研究項目中,客戶可能需要了解特定細分類型用戶的品牌評價,但是完全隨機抽樣的情況下可能該類型用戶無法達到最小樣本量。我們在做某信用卡品牌追蹤項目中,采用了隨機樣本+追加樣本的方式。為了達到統計標準,針對白金卡用戶我們追加了一部分樣本,但是需要注意:追加樣本不納入市場表現KPI的樣本量中,避免數據失真。
 
隨著技術逐漸成熟,未來的樣本追加可以采用精準抽樣的方法來做,例如針對特定品牌特定產品用戶進行追加,這是大數據帶來的另一個調研方法上的變革。
 

4

 

如何進行數據分析并提出建議?

選取合適的分析模型,定性快速驗證

 

在獲得市場表現數據后,我們需要進行品牌診斷:
 
找波動:與往期對比,數據波動主要體現在哪些人群上?這些人群的消費行為習慣以及背后的需求是什么?品牌端近期的哪些產品或營銷活動滿足了目標人群的需求進而影響了他們的消費習慣?
 
差距分析:首先將用戶按照品牌健康度評價高、中、低進行細分,然后對品牌健康度評價高和低的兩類用戶進行差異對比分析,評分差距最大的指標即是品牌的機會點。差距分析采用的數據模型可能是獎懲分析、相關分析或路徑分析,同樣這是需要不斷嘗試的過程,綜合比較后選擇最合適的數據模型產出相應結論。
 
如何找到品牌KPI波動的原因,一直是品牌追蹤的老大難問題。品創在近期的實踐中,在數據采集的同步過程中,采用了前半程數據識別波動+后半程問卷增加特定追問的創新方法,雖然極大地增加了研究和數據團隊工作量,但是有效回答了波動的可能原因,在樣本量足夠大(通常總樣本要大于1000)、數據采集時間足夠長(例如大于一周)的情況下,是識別波動原因的最有效方法。
 
 
品牌追蹤研究對研究人員的專業素養提出了較高要求:一要深入理解客戶的商業問題,不同的品類、不同的品牌所面臨的商業問題是不一樣的;第二不同的項目中需要運用的指標體系、研究方法乃至數據解讀都是需要不斷嘗試和綜合衡量分析后進行確定的;第三在項目執行全流程中,需要與客戶保持及時、順暢的雙向溝通反饋。
 
數字化時代的品牌追蹤研究有了新變化,研究人員的智庫和技能點也需要不斷刷新點亮,而這也正是我們熱愛研究的原因,“茍日新,日日新,又日新。”古人誠不我欺也。
 
内蒙古11选5最大遗漏