半個世紀前，麥卡錫、明斯基等一衆科學家們提出了“人工智能”的理念；30 年前，約翰·蓋奇首次提出了類似“雲計算”的理念；10年前，“大數據”的概念應運而生；現在，由人工智能(AI)、大數據(Big Data)、雲計算(Cloud Computing)組成的ABC已經成為了衆口傳唱的科技熱點...

前端時間明星發微博吐槽攜程殺熟，引發網友熱論：同樣的出發地點和目的地，新老用戶的展現價格天差地别。

此前《科技日報》報道了一位網友的經曆：這位網友經常通過某旅行服務網站訂一個出差常住的酒店，價格長年在380元到400元左右，偶然一次他通過前台了解到該酒店淡季的價格實際在300元上下。他用朋友的賬号查詢後發現果然是300元，但用自己的賬号去查，還是380元。

這些所謂大數據殺熟的案例第一次讓我等平民近距離感受到大數據并不是束之高閣，它的實際存在能切實影響每個人的生活。

利用大數據來分析/洞察用戶，以此實現利潤最大化早已是互聯網的常态。Google、Facebook、微博、微信、今日頭條、百度的廣告甚至内容業務都是建立在用戶産生的數據之上。在這些科技大佬面前，每個人是無數标簽的集合：你喜歡看什麼、買什麼、有多大的消費能力……

覆巢之下，焉有完卵。在互聯網技術發展和叠代前所未有之快的今天，客戶不缺數據，可能數據多得不知道怎麼分析，數據→信息→結論/insight的需求不變，那麼市場研究在大數據浪潮下會受到什麼樣的沖擊，機遇與危機在何處

挑戰一 Define 媒體/廣告監測

關于媒體和廣告監測的挑戰之處在于在中國獲取信息的渠道太多了，中國網絡環境之複雜從下面的網絡廣告生态鍊圖譜上管中窺豹，可見一斑。

從廣告主到媒體，中間有媒體代理、創意代理、第三方廣告監測、DMP數據管理平台、廣告交易方平台、需方平台、供應方平台、移動廣告聯盟、市場研究公司……等機構扮演不同角色。作為研究員的我們也需要對其中涉及的一些概念熟稔于心，比如DSP/SSP/DMP是什麼意思...

挑戰二 Deploy 渠道檢測

從生産者到消費者，國内電商之繁榮錯雜也是絕無僅有：垂直性、綜合性、跨境...各種電商也讓數據源變得繁複。

當然大數據肯定不止列舉的“廣告 電商”這兩類，如果讓你将生活中充斥的各種數據進行分類，你會怎樣分？

可以按照以下三種分類方法：

01

POE

POE

Paid：付費的數據源，比如廣告、軟文、PR...

Owned：自己擁有的數據，比如官網、公衆号、店鋪...

Earned：額外賺取的，比如輿情、消費者自發的病毒營銷...

02

3S：搜索信息（不隻是搜索引擎）、社交媒體、電商

03

按載體來看，由左往右的進階恰也符合馬斯洛需求理論。

綜合以上考慮，數據挖掘這門科學是大數據、微時代下的新興産物：它結合了數據倉庫、統計學、數據可視化、機器化學習、數據可視化、雲計算等學科知識…

大數據的價值不在于“大”，而在于可以看到微觀信息。企業的數字營銷創新必須建立在對大數據的解構（結構性/非結構性）與深度理解的基礎上進行結構性存儲、科學性分類、靈活性共享，通過對真實用戶的“微”關系鍊和知識圖譜進行标簽化用戶、智能化建模、機器化學習，幫助營銷人員提供可視化分析、場景化應用，從而實現與用戶 “無時無刻、無所不在”的互動。

回到市場研究行業本身，我們一直強調客戶要insight這個需求不變，甚至延伸至預測性(predictive)和前瞻性(foresights)。因此我們必須與時并進，提升數據多元化和自動化能力，才能給企業提供更快更好的決策依據，完全依賴訪問數據獲取洞察的做法開始變得不足。

總結一下大數據影響下消費者洞察的新變化：

• 打通數據、打破信息孤島，講出一個完整的故事
• 加強（大數據和AI）技術支持
• 實時、自動化、可視化
• 加大對新的技術和調研平台的投入
• 靈活應用新的研究方法

說到這，其實從應對大數據和數字網絡對行業沖擊的角度講，傳統的研究公司在曆史數據的承接和可比性上有其曆史包袱，轉型的成本較大、動力不足；反而是新型公司沒有這種曆史包袱，也更有探索前沿技術的興緻與能力。

PowerCX風鈴系統認為态度性的研究和品牌形象、廣告偏好、用戶體驗等偏感知的課題需要與事實/行為性的結果結合分析，才能真正産生可執行的洞察解決方案，這就是我們一直在追求的大小數據結合的智能洞察。

,

更多精彩资讯请关注tft每日頭條，我们将持续为您更新最新资讯!

查看全部