亨利·福特有一句名言：“如果我提前問人們他們想要什麼，他們肯定會說更快的馬”。 這句話後來被包括史蒂夫·賈伯斯在內的許多人引用，認為使用者往往並不真正知道他們想要什麼，只有當你製作乙個全新的產品時，他們才會意識到“這就是我想要的”。
在某種程度上，確實，生活在馬車時代的人們不會急於要車，就像功能手機時代的使用者不會想到智慧型手機一樣。 但是，對新產品的具體形式缺乏想象，並不意味著使用者不了解自己的具體需求。 例如，對“快馬”的描述，顯然包含了人們對更方便快捷的交通工具的想象和希望，儘管“馬”本身與後來的汽車的具體形態脫節。
在New Position看來，這個案例說明了從不太直接的資訊描述中準確洞察消費者的重要性：“馬”不是真正的需求，“更快”才是。
事實上，這種能力對於當今的企業來說變得越來越重要。 因為隨著網際網絡在C端的全面普及，每個人都可以在各種網路社群中表達自己對某款產品的看法，交流不同的使用者體驗。 這些評論和互動形成了使用者需求的富礦，而有效利用這一富礦是企業實現產品“敏捷開發”的基礎。
如今，在實踐中，產品設計和研發團隊在網路社群中主動收集使用者反饋的情況更為普遍。 如果你碰巧是KOL，那麼你的帖子出現在小紅書或微博上後不久，就會有公司的官方人員與你聯絡。 有時是因為員工碰巧看到了帖子，有時是因為有人@官方或傳送了訊息。
然而，客觀情況是，由於各種綜合性或垂直平台的出現，這種依靠主動搜尋或被動響應的方式發現使用者需求，很難做到全面、客觀、及時、高效。 在相關技術條件已經成熟的前提下，主流平台基於UGC內容的使用者洞察亟需從“勞動密集型”向“智慧型密集型”轉變，對此，久謙中泰近期推出的一款使用者研究工具或將引領行業潮流。
01. 研究開發新課題
在充分競爭的商業環境中，做好工作的本質在於如何更好地滿足使用者的需求。 這個過程大致可以分為兩個步驟，乙個是確定使用者的需求是什麼，另乙個是根據使用者的喜好設計或改進產品和服務。 比較困難的一步是第一步，因為一旦你對使用者的需求有了足夠清晰的了解，製作產品就更像是乙個跟著地圖走的過程。
最近的乙個例子是理想汽車。 憑藉“增程路線，被普遍認為是落後技術”，以及看似沒有硬性門檻的“冰箱彩電沙發”，近兩個月理想銷量突破4萬台，在30多萬元的豪華SUV市場中擊敗了華晨寶馬。 理想的成功無疑是李湘作為產品經理的成功，而打敗技術方引數視角的，是“二孩爸”的使用者視角。
原則上，使用者研究是收集資訊並從該資訊中抽象出業務見解的過程。 因此，資訊的有效性和豐富性，以及結合企業實際情況理解資訊的能力，構成了使用者研究的要素。
傳統的使用者研究一般通過訪談、調查等方式獲取資訊，在這種情況下，資訊的質量受到調查者個人能力的高度限制，如果選擇的樣本群體不具有代表性，最終會得出誤導性的結論，損害業務發展。 同時，由於資訊收集過程繁瑣且勞動密集，很難在調查的廣度和成本之間取得平衡。
網際網絡的出現在一定程度上解決了這個問題，因為許多使用者會主動在各種平台上分享他們的觀點和經驗。 這種自發過程產生的資訊自然比問卷或訪談更具代表性，更能反映產品的實際痛點。 在網際網絡已經滲透到每個人日常生活的今天，這已經成為所有品牌使用者不可缺少的觀察崗位。
對於企業來說，使用者在平台上發布的討論越多，就越有助於傳達豐富而有價值的資訊。 但這帶來了乙個新問題：資訊過載。 而品牌越大，產品受眾越廣，問題越嚴重。 在移動網際網絡時代，每個公司都有自己的APP，依次去每個平台搜尋關鍵詞，然後瀏覽帖子下方所有相關的帖子和評論，進一步分析這些討論是正面的還是負面的，這顯然超出了“人力”的範圍。
真正的挑戰在於，資訊很多，但以碎片化的形式分散在各種碎片化的網路空間中，關鍵是如何高效發揮其價值。 這需要進行全面的技術改革。
02.“挖礦”要用演算法
乙個可行的替代方案是演算法。
過去使用演算法處理使用者評論的最大困難是，它們都是非結構化文字，通常包括使用者在使用自然語言時引入的各種“噪音”。 如今，隨著自然語言處理（NLP）的突破，非結構化文字的處理已經成熟。
目前的演算法系統可以很好地完成文字資料的量化處理，不僅能進行基本的關鍵詞提取，還能識別文字的情感傾向。 因此，在這樣一套技術基礎的支援下，從文字資訊的採集，到採集到的資訊的語義分析和情感分析，再到基於資料的消費者洞察的生成，都可以通過自動化完全完成。
在本文的開頭，我們把網際網絡社群中大量的評論和互動比作使用者需求的“富礦”，而演算法是挖掘這一“富礦”的技術飛躍。 在某種程度上，我們在這裡談論的技術飛躍與能源領域最近的頁岩油氣革命非常相似。
眾所周知，頁岩油氣儲量極為豐富，佔世界天然氣總可採儲量的32%，佔世界石油儲量的20%。 只是由於資源存在的特殊形式，一直沒有辦法去開發利用它們。 然而，由於水力壓裂和水平井的技術突破，頁岩油氣最近已成為一些國家的主要能源供應。
同樣，乙個可靠的判斷是，未來品牌對主流平台的監控分析也將從“人力挖掘”全面轉變為“演算法挖掘”。 對於使用者研究領域來說，這可能是行業運作正規化的轉折點。
然而，目前，對社交網路、電子商務等平台上的UGC內容進行持續監測和分析，進而提高使用者研究質量，在國內仍是新興趨勢，技術採用生命週期理論可能仍處於早期採用階段。 相對而言，國外在這方面的動作較快，“品牌觀察”和“萌芽社交”等工具已經比較成熟。
在中國，久謙中泰最近推出了類似的使用者研究工具，覆蓋了包括社交**、傳統電商、興趣電商在內的各種主流平台。 “新位”其實試用了九謙中泰提供的這款使用者調研工具，效果還不錯。
該工具將實時抓取典型文章和評論，並快速進行結構化的自動分析和意見總結。 每個想法都可以快速追溯到原文，這不僅可以幫助企業更好地了解使用者，還可以用於快速的公關響應。 每個想法對應的關鍵詞特徵，以及正面和負面的情緒傾向，也通過資料清晰地呈現出來。
比如上面提到的理想汽車，可以發現，在新能源汽車的印象中比較重要的“能量&電池壽命”和“動力加速”其實並不是很突出，“質量控制”和“專利技術”也可能因為汽車製造中的新生力量而缺乏積累。 而做理想最好的地方是“外觀&設計”、“渠道&服務”、“車機配置”、“空間”等方面，恰恰是這些優勢，擊中了中產階級爸爸的痛點。
如果我們想更多地了解特定緯度的消費者產品偏好，我們還可以生成特定緯度的意見摘要。 例如，在“內飾和空間”的緯度上，消費者顯然對理想的大空間和座椅功能感到滿意，但對皮革使用的材料和音響的質量卻有些不滿意。 這些經過演算法分析後產生的具體反饋，在後續的產品更新中將起到很好的參考作用。
03.寫在最後
消費網際網絡讓品牌比以往任何時候都更貼近使用者，這將給企業帶來分層效應。 善於捕捉使用者反饋並從這一渠道進行調整的公司，將通過更加敏捷和貼近使用者需求來獲得競爭優勢，並將逐漸遠離那些遲鈍和行動遲緩的公司。
從這個角度來看，用演算法代替主流平台上對UGC內容的人工持續監測分析，徹底改變使用者研究的過程正規化，不是可有可無的，而是必要的。
但這並不奇怪，因為歷史上的每一次技術變革都上演了同樣的劇本。
標題圖片和文中隨附的圖片**均在網際網絡上。