年薪100万的数据分析狮与年薪10万数据分析猿，一字之差岂止是差！

年薪100万的数据分析狮与年薪10万数据分析猿，一字之差岂止是差！
【水伯】原创

数据化思维方式，其实就是运用数据的手段去了解现象背后的规律到底是什么。好的数据分析能够帮助使用者导出有直接因果关系的营销决策；数据分析师的使命有两个：

第一是帮助品牌做出决策判断，也就是精准地定位决策；
第二是提高效率，对于品牌来说钱永远是有限的，怎样才能更高效？

一、数据背后的故事：用数据说话、凭洞察取胜

在感情中，为什么男女朋友之间明明相爱，但是还会有矛盾，是因为“我并不真正知道你到底是怎么想的，需要什么？”在营销领域也是同理，经常生产商认为好的产品卖点，消费者根本不买账，我们如果不能知道消费者视角的话，就会自说自话，毫无沟通效率可言。

1、用数据说话
举个例子，一个在B端做得很成熟的空气净化器品牌想迅速在C端市场打响知名度。目前他们已经生产出了针对普通消费者的空气净化器；我问品牌方，这个产品上市之后竞争对手应该是谁？品牌方负责人回答说：我们没有竞争对手。

他为什么会这样说？因为他们的主推产品是一款专门除甲醛的净化器。他认为，除甲醛这件事情国内没有什么品牌做得比它好，甚至，国内都没有什么品牌在做这样的产品。大家生产的净化器都不是主要除甲醛的，是除PM2.5的，他就觉得这是一个蓝海，国内没有什么人做，自家品牌的技术又这么好，理所当然是没有竞品。

我问了他一个问题：国内用户真正遇到需要除甲醛问题的时候（买新房或者买新车时），他们是用什么手段解决的？答案是用绿萝、菠萝，开窗，或者用茶叶沫、咖啡沫。因此，深思这个问题他不但不应该开心，反而应该伤心，因为假设这个市场是非常成熟的，大家如果已经知道除甲醛用这些简易的方法没有用，就应该花几千块钱买净化器。

品牌如果要胜出，只需要告诉消费者“我的东西物美价廉或者我的效果更好”，大家就会更愿意买。但是现在市场不成熟，需要去说服消费者：不要再花三十块钱买一个绿萝了，应该花三千块钱买我的净化器，这个的教育成本要难得多。

通过这个例子跟大家分享一下竞品的含义：竞品其实并不只是竞争对手、同行，而是我跟谁争抢用户，谁就是我的竞品，它甚至不一定跟我是同一个品类的。比如绿萝，所以站在用户的视角在看待这个问题，就会发现答案跟品牌方想的完全不一样。

一个品牌的产品或者是一个营销行为虽然是具体的，但是不同的视角看待同样的东西得出来的答案可完全不一样。说得极端一点，品牌认为“我给你的是好的东西”，但是消费者根本看不到，这就是品牌视角和消费者视角的区别，这也是为什么我们一定要去看消费者视角的原因。

刚才那个案例，品牌方说：“这个产品其中一个核心卖点是我们的净化器长得特别好看，我们找了最优秀的设计师来设计外观，而且还得奖了，你们在推广的时候一定要大力推。”

我们拿到这个需求之后回来做了一个抽样调研，大概抽1500份的样本，准备了20多个问题来问那些在一个月之内刚刚买过净化器或者在即将到来的一个月即将买净化器的人，了解他们的购买抉择。中间有一道题问“你在做净化器的购买决策时，以下选项你认为最重要的三项是什么？”结论是外形美观这件事的排序是倒数第三，也就是说，甲方觉得非常重要，但是消费者并不这样认为。

经常有人会抱怨，“你们天天说大数据很棒很厉害，但数据真的是不是那么厉害？是不是数据说的都对？”不是的，因为术语是死的，用数据的人才是关键。同样的数据，不同的分析师可能分析出来的结果完全不一样。

2、凭洞察取胜

心理学上很著名的一组图叫“青蛙与骏马”，同样的一个图只要转换视角90度，你会发现一个是青蛙，一个是骏马，完全不一样的东西。

这个是我希望今天给大家分享的第一个方法，非常的简单；如果左边这个圈是品牌想要表达的，右边这个圈是用户想要的，我们去探寻人群画像的目的是为了找到中间的那个交集。我希望找到既是你想要的，这也是我们可以双赢的一个前提。

我们为什么要做人群画像的第二个原因，是现在的营销环境特别复杂。

这是我们很熟悉的“用户之旅”的样子，用户是一步一步从知道品牌，到产生兴趣，到开始形成购买的愿望，于是去调查研究，到购买，到分享甚至是重复购买。

但是现在，由于很多IP类KOL的存在，比如咪蒙，或者是一些流量型明星的关系，有的时候“用户之旅”是长这个样子的：

你不知道中间的那些步骤哪里去了，购买决策在瞬间完成了。也就是说，现在的“用户之旅”更加个性化，我们不能按照以前的经验来想当然的为品牌制定用户之旅，我们需要站在用户的角度，每一次有需要的时候，都重新还原“用户之旅”。

我们要数据化思维的原因，是因为我们在做重要的商业决策、营销决策的过程中，人群画像是权重非常高的一件事；我们为品牌定位商业企图心的时候，是通过五个角度来综合分析问题，这五个角度分别是：品牌、品类、竞品、目标消费者和触达渠道。

 品牌，我需要先去梳理品牌自身的资产，我要知道我是谁，我有什么样的背景，我有什么的技术是别人没有的，我有什么差异化的特点，我现有的用户是什么样的。

 品类，要把品牌放在整个行业的环境里，去看这个行业现在有多少人、市场容量有多少，政策对这个行业的支持怎么样，它现在的趋势发展如何，行业里面主要构成是谁。

 竞品，看我的竞争对手是谁，未来跟谁争抢用户。我们有什么不同，差异在哪里，我的优势是什么。

 目标消费人群，品牌面对的目标消费人群是谁？我的品牌之所以存在，成为现在的品牌，我通过历史的哪些行为聚集了现在的用户，这些用户是谁？他们是怎么来的？我怎么样更好的黏住他？还有哪些人是我应该下一步努力赢得的？

 触达渠道，去哪里找到这些人。

二、年薪10万数据分析猿

1、第一个误区：有些人钱也花了，人群画像也编了一个，却毫无用处

这件事情是怎么发生的？有的时候会遇到这样的客户，问他的产品目标人群是谁？他会非常自信地跟你讲，“我的产品适合全人类。”

这是第一个误区，很多人认为我的目标人群越多越好。恰恰相反，为什么呢？因为我们所有的品牌就算是BAT，营销费用肯定是有限的，如果面对的人群是全人类的话，这点钱在现在整个信息爆炸的年代，就如同在大海里边撒了一把胡椒面，听不到什么声响。

今天我们面对的不是过少的选择，而是过多的选择，所以对于每个用户来说，他在选择品牌的时候是不是只愿意购买功能？不是，他经常不是为了购买功能，他在购买功能的同时还要买的是情感的共鸣、身份的认同，有的时候甚至还跟价值观有关。比如，明明用的皮子都是同一头牛身上的皮子，为什么爱马仕包包就能卖五十万，淘宝的小店只能卖500块，为什么？大家为什么还要花这么多钱去买奢侈品，买的到底是什么？其实买的是背后身份的认同，我要展示我是谁，我买的东西不单纯买这个功能，我还为了显示这是我的东西，所以“我”在这个事情中显得非常重要。

如果你的产品适合全人类，那么所有人都会觉得这个产品不是那么适合我的。我要去说服他，我的产品到底应该怎么阐述让他觉得“你懂我”？其实答案很明显，只有给到创意人员更加具像的方向；当你的画像越窄的时候，你会发现你的话术更加的有针对性，他会觉得你是给我做的，而不是给所有人做。当你的人群越窄，渠道就越窄，所以你有限的营销费用像鱼饵撒在鱼缸里，可以反复地撒。

2、第二个误区：有些人花了不少钱，但画像做得很不好，找不到方向？

你会发现这些人其实并没有慎重思考就开始花钱了，可以说他们是为了数据而数据的。像这样的情况我们用另外一条逻辑来看，做得不好的画像基本上分成三种：
第一个类型叫拍脑门型
“我觉得画像有用，我特别了解我的产品，所以我就告诉你，我是这个品牌的CEO，我还能不知道我的用户是谁吗？我的用户就是一线城市二十多岁的男性。”我们经常看到这样的话。

现有用户是不是等于目标用户？很多品牌方会认为足够了解自己的用户，虽然简单粗暴的一句话就把这些人定了位，其实数据分析猿不可能通过几个标签就能够了解这群人是什么样子。

第二个类型事无巨细型

这些品牌不管具不具有大数据能力，它至少拥有真实的用户的行为数据，比如滴滴打车、新浪微博、百度，它能够记录下很多真实的行为数据，这些数据非常有用。

百度就可以还原出人群280多个标签，很多品牌觉得这个太酷了，所以花几十万去买一个很多维度的所谓的人群画像，这个画像有的时候甚至上百页。这些数据很棒，但用起来问题很容易出在哪儿呢？这些数据公司提供的数据基本上全部都是行为数据，所谓的行为数据是指“我所有可以被记录下来行为轨迹的数据。”比如我在微博上关注了谁，我说了什么样的话，我什么样的时间说什么样的话，我在百度上搜了什么，我打开网页看了什么，我滴滴打车花了多少钱，我每个月在网上购物是什么，所有的这些行为数据都可以被记录。

想一想这些大量的可以提供数据的公司，能够提供的是不是关键数据？我当然也可以通过行为数据背后能看到一些元数据，什么叫元数据？就是定义数据的数据。元数据它的属性是不变化或者很缓慢地变化，比如我的性别基本上不会变化，我的长驻城市不会变化，我的年龄每年只长一岁，所有这些数据构成了我是我，定义数据的数据这叫元数据。这些数据公司能够提供的大量的行为数据和元数据，这当然很有用，但是我想说的是，同样的行为有可能背后造成的原因完全不一样。

行为数据是不是重要？它是很重要，但是我们不能只是根据行为数据来得出答案，更重要的其实是背后的态度数据，我为什么会需要这个东西？我希望解决什么问题？我在买的时候有什么阻力阻止我买？我有什么担心或不满？这些态度数据才是能够帮助品牌方导出营销决策最重要的事，对于数据分析猿来说做人群画像中最难也最重要的、需要还原的部分，就是态度数据的部分。

三、年薪100万的数据分析狮

1、态度数据：还原消费者之为“人”，还原营销之为“生活”

常用的消费者洞察维度，如下左图：目的、动机、态度、选择、评价、购物、行为、决策过程……这些耳熟能详专业词的背后是大量的理论、模型、消费者样本、数据、分析，不管有多少，多么专业，就是那样冷冰冰的存在。
而作为人的个体，他们喜欢什么、喜欢这个还喜欢什么、不喜欢什么、想什么、关注什么、和谁在一起、在哪儿、去哪、何时去、看什么、做什么……，本来是那样的生动和丰富；将消费者当人看，这样的数据才有温度，源自关心和爱心，而非洞察。

然而对于营销而言，大数据的价值不仅仅是大，而是与消费者“人”与“生活”的关联；买了某种饰品的用户，还买了什么，可以推知饰品真正的使用者和用途，明确品牌定位；喜欢什么，还喜欢什么，可以推知真正的家庭状况和偏好，以探索用户需求；买了奶粉的妈妈，一年前如何开始关注、查询和判断，又在哪里、何时发生，以了解其购买前的态度；哪个产品在哪个城市哪个小区受欢迎？在电脑、pad还是手机屏？……当这许多的数据被关联和整合后，与此关联的一切被还原了，真正还原营销之为“生活”。

2、3C九宫格模型

数据化思维的正确方式应该是怎样的？在这里给大家分享一个人群画像经典工具“3C九宫格”。这个叫3C九宫格模型，纵坐标：元数据、行为数据和态度数据，横坐标是3C，即品牌、品类和竞品。

先说评估标准。评估标准很重要，那到底应该用什么样的标准去判断获得的画像有没有用？百度在两年前就可以有280多个纬度的行为数据可以给到你，但是这280个纬度是不是要都买？肯定不需要都买。好的人群画像标准是什么？画像是为了解决问题，好的人群画像因解决的问题不同不会是一个固定的模型，所有的画像都不会长一个样子；所以你虽然不能精确定义这群人是什么样子的，但可以告诉我针对这群人，结合自身的品牌诉求，我应该做什么样的事情？也就是说，能不能帮我导出有直接因果关系的营销决策，这是最重要的一件事情；人群画像应该是目的，而是过程：
从业务场景出发或者产品出发，寻找目标客户；

为用户设计产品或开展营销活动；

首先根据现有品牌现有产品、用户数据出发，寻找目标客户；

现有用户元数据、行为数据和态度数据，这些数据有很多我怎么挑？根据我的商业目标或者最需要解决的商业问题，这样的方向来挑，为了解决这个商业目标我应该去找哪些数据？当我们带着具体的商业问题来做画像的时候，应该选择哪些数据？

拿某一个专车APP做人群分析为例；几年前，滴滴和快的都没有合并，整个的专车市场刚刚开始起步，这个品牌的问题就是，“我针对这样的蓝海市场但我的钱有限，我应该先去争抢滴滴打车背后的出租车用户，还是其它专车品牌背后的用户？”大家第一反应是我应该去争抢出租车用户，因为出租车用户人多，整个专车市场的盘子还非常小。

但是做了数据分析之后发现，这个品牌当时在专车市场的市场占比也非常低，不到10%，而专车其实跟出租车相比最厉害的地方痛点是服务好，当时这个品牌的服务质量确实是非常的不错，而且用过的人会对这种好的服务有更加具体的描述，能说的出来好是什么。

当营销费用有限的时候，这个品牌其实不应该去抢滴滴的用户，因为教育一个没使用过专车服务的人多装一个app并且花更多的钱打车会让你绝望。但教育一个已经用过其它专车服务的人换一个专车app要相对容易得多，而且本身在专车市场，这个品牌的份额也有很大努力的空间。因此目标用户应该是其他专车软件品牌背后的用户。

第二步从业务场景出发，根据品类人群的元数据、行为数据和态度数据，发现机会点；

举个例子，比如我们想一下凉茶当时进军北方市场的情况。凉茶在北方没有什么人喝，都是南方人喝。当时王老吉凉茶在进军北方市场的时候，你会发现它的品牌的北方市场的现有人群是没有的，它的竞品背后的人群也没有，为什么？

因为它不知道它应该跟谁竞争，到底应该说服这些人去放下他们手中的碳酸饮料凉茶，还是放下啤酒喝凉茶？王老吉是不知道的。用户也不知道，因为北方用户当时都没有喝到王老吉的凉茶呢。那么研究这个问题的时，我需要从业务场景出发，找的是品类人群数据，也就是说我要知道在北方市场大家喝饮料的习惯是什么？大家会在什么样的应用场景喝？主流的饮料是哪些？他们在喝这些饮料的时候内心满不满意？

他们觉得有什么不满的地方？从而发现目标客户，确定竞品是谁，根据定位品类背后的原数据、行为数据和态度数据，从中找到我的机会点；

最后一步就是针对竞品，为目标用户设计产品或开展营销活动

 我要跟谁争抢用户？

 我要知道我的竞品用户的人群，他们的行为共性是什么？

 他们有什么不满的？他们有什么特别满意的？

 跟我相比我能不能去解决他们哪些不满意的点？

从而针对竞品背后的原数据、行为数据和态度数据，为目标用户设计产品或开展营销活动。

这是人群画像3C九宫格，别看这个模型很简单，但是把它用好是非常难的；这个背后需要的数据，既需要我们用到一些平台或机构提供的用户数据，也需要我们传统的调研的方式，定量定性调研等等的方式来去还原背后的态度数据。

最后想说人群画像很重要，但是更重要的是背后的数据化思维方式；在目前这个时代，数据化思维已经成为每一个营销人都应该必备的素质。

-End