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

浅析Spring Security认证过程

类图 为了方便理解Spring Security认证流程,特意画了如下的类图,包含相关的核心认证类 概述 核心验证器 AuthenticationManager 该对象提供了认证方法的入口,接收一个Authentiaton对象作为参数; public interface AuthenticationManager {Authentication authenticate(Authenti

大模型研发全揭秘:客服工单数据标注的完整攻略

在人工智能(AI)领域,数据标注是模型训练过程中至关重要的一步。无论你是新手还是有经验的从业者,掌握数据标注的技术细节和常见问题的解决方案都能为你的AI项目增添不少价值。在电信运营商的客服系统中,工单数据是客户问题和解决方案的重要记录。通过对这些工单数据进行有效标注,不仅能够帮助提升客服自动化系统的智能化水平,还能优化客户服务流程,提高客户满意度。本文将详细介绍如何在电信运营商客服工单的背景下进行

基于MySQL Binlog的Elasticsearch数据同步实践

一、为什么要做 随着马蜂窝的逐渐发展,我们的业务数据越来越多,单纯使用 MySQL 已经不能满足我们的数据查询需求,例如对于商品、订单等数据的多维度检索。 使用 Elasticsearch 存储业务数据可以很好的解决我们业务中的搜索需求。而数据进行异构存储后,随之而来的就是数据同步的问题。 二、现有方法及问题 对于数据同步,我们目前的解决方案是建立数据中间表。把需要检索的业务数据,统一放到一张M

关于数据埋点,你需要了解这些基本知识

产品汪每天都在和数据打交道,你知道数据来自哪里吗? 移动app端内的用户行为数据大多来自埋点,了解一些埋点知识,能和数据分析师、技术侃大山,参与到前期的数据采集,更重要是让最终的埋点数据能为我所用,否则可怜巴巴等上几个月是常有的事。   埋点类型 根据埋点方式,可以区分为: 手动埋点半自动埋点全自动埋点 秉承“任何事物都有两面性”的道理:自动程度高的,能解决通用统计,便于统一化管理,但个性化定

使用SecondaryNameNode恢复NameNode的数据

1)需求: NameNode进程挂了并且存储的数据也丢失了,如何恢复NameNode 此种方式恢复的数据可能存在小部分数据的丢失。 2)故障模拟 (1)kill -9 NameNode进程 [lytfly@hadoop102 current]$ kill -9 19886 (2)删除NameNode存储的数据(/opt/module/hadoop-3.1.4/data/tmp/dfs/na

异构存储(冷热数据分离)

异构存储主要解决不同的数据,存储在不同类型的硬盘中,达到最佳性能的问题。 异构存储Shell操作 (1)查看当前有哪些存储策略可以用 [lytfly@hadoop102 hadoop-3.1.4]$ hdfs storagepolicies -listPolicies (2)为指定路径(数据存储目录)设置指定的存储策略 hdfs storagepolicies -setStoragePo

Hadoop集群数据均衡之磁盘间数据均衡

生产环境,由于硬盘空间不足,往往需要增加一块硬盘。刚加载的硬盘没有数据时,可以执行磁盘数据均衡命令。(Hadoop3.x新特性) plan后面带的节点的名字必须是已经存在的,并且是需要均衡的节点。 如果节点不存在,会报如下错误: 如果节点只有一个硬盘的话,不会创建均衡计划: (1)生成均衡计划 hdfs diskbalancer -plan hadoop102 (2)执行均衡计划 hd

作业提交过程之HDFSMapReduce

作业提交全过程详解 (1)作业提交 第1步:Client调用job.waitForCompletion方法,向整个集群提交MapReduce作业。 第2步:Client向RM申请一个作业id。 第3步:RM给Client返回该job资源的提交路径和作业id。 第4步:Client提交jar包、切片信息和配置文件到指定的资源提交路径。 第5步:Client提交完资源后,向RM申请运行MrAp

【Prometheus】PromQL向量匹配实现不同标签的向量数据进行运算

✨✨ 欢迎大家来到景天科技苑✨✨ 🎈🎈 养成好习惯,先赞后看哦~🎈🎈 🏆 作者简介:景天科技苑 🏆《头衔》:大厂架构师,华为云开发者社区专家博主,阿里云开发者社区专家博主,CSDN全栈领域优质创作者,掘金优秀博主,51CTO博客专家等。 🏆《博客》:Python全栈,前后端开发,小程序开发,人工智能,js逆向,App逆向,网络系统安全,数据分析,Django,fastapi

【机器学习】高斯过程的基本概念和应用领域以及在python中的实例

引言 高斯过程(Gaussian Process,简称GP)是一种概率模型,用于描述一组随机变量的联合概率分布,其中任何一个有限维度的子集都具有高斯分布 文章目录 引言一、高斯过程1.1 基本定义1.1.1 随机过程1.1.2 高斯分布 1.2 高斯过程的特性1.2.1 联合高斯性1.2.2 均值函数1.2.3 协方差函数(或核函数) 1.3 核函数1.4 高斯过程回归(Gauss