大数据时代市场调查的技术特点是对个体的“追踪定位”,由传统的问卷、访谈、投射和实验等逐渐过渡到新的调研技术——Cookie跟踪或App追踪。
文/蔡立媛 李柱
关键词:熵市场调查 大数据 追踪 筛选 外部性
熵是指信息的无序性。负熵是指有序的信息,系统从无序向有序转化。市场调查的过程是熵减(即负熵)过程。信息传播系统也是熵减过程。根据申农的解释,信息熵所反映的系统运动过程和方向是由无序、不确定性(高熵值)向有序、确定性(低熵值)方向发展的。调查使信息的不确定性减弱了,确定性增加了,系统的无序性降低了,有序性增加了。
大数据时代市场调查的样本和调查方式都发生了变革,主要是普查而不是抽样调查,调查有三类方式:
一是T——追踪定位(Track),市场调查逐渐采用新的调研技术——追踪定位,在PC终端主要通过Cookie进行追踪与定位;在移动终端主要通过App进行追踪定位;再通过相关激励把移动终端和PC终端关联起来,如鼓励用户将资料通过电脑传输到手机,关联用户的移动终端和PC终端。追踪和获取更完整、更全面的消费者个性信息。
二是S——筛选(Screening)。一些信息则通过消费者个体的主动暴露进行筛选。在微信朋友圈里或者手机QQ中设计相关内容或项目,使用户主动参与,但在参与项目或游戏的过程中必须输入一些个人信息或相关内容,这种隐性地获得用户个人信息或需求的过程就是筛选的过程。或是通过恰到好处的分享,简便的购买方式和流程,让用户享受到更多便利和报偿,从而乐于分享、勤于分享。筛选可以使企业获得更多数据。
三是E——外部性(Externalities)。外部性一般指一个人或一群人的行动和决策使另一个人或一群人受损或受益的情况,市场调查中的外部性主要指个体信息的分享给企业带来的溢出效应。
一、追踪定位
追踪定位可以实现精准营销,减少信息的无序和混乱程度,一对一的个性定制和推送使系统更有序,熵在减少,负熵在增加,优化信息结构,帮助企业和消费者做出最优决策。广告是企业用来沟通目标消费者和说服目标消费者的工具之一,向目标受众输出负熵(信息)的过程。目标受众通过负熵的输入,减少了对企业、商品或服务信息的不确定性,降低了认知系统中的熵和混乱程度。个体追踪与定位,有可能使每个消费者的信息呈现个体化、个性化、一一对应的状态,实际上就是信息熵的均匀和正态分布。这样的追踪和定位,使整个网络系统更加均衡、有序,信息的确定性提高了,价值也增加了。
传统的市场调查是对目标受众有针对性的调查,但因为调查时间、技术和费用的限制,通常只能利用问卷、访谈、投射、实验、观察等方式对部分人群进行调研,技术的有限和时空的限制使调查可能只获得片面数据。而大数据的技术特点是对个体的“追踪定位”,市场调查技术由传统的问卷、访谈、投射和实验等逐渐过渡到新的调研技术——Cookie跟踪或App追踪。在PC终端主要通过Cookie进行追踪定位;在移动终端主要通过App进行追踪定位。
Cookie是指某些网站为了辨别和跟踪用户而储存在用户本地终端上的数据(通常经过加密)。当个体在浏览网站的时候,Cookie会将个体在网站上所输入的文字或是部分文字内容都记录下来。当下次再访问同一个网站时,Web服务器就会依据Cookie里的内容来判断使用者。所以,Cookie最基本的功能就是通过用户登录来识别用户身份,发送出特定的网页内容和相关信息给用户。为用户提供定制信息和个性化服务。即网站可以利用其跟踪统计用户什么时间访问,访问了哪些页面,在每个网页的停留时间,相关的输入内容和相关的链接等访问该网站的习惯。最广泛地记录用户登录信息和用户搜索信息等。
手机等移动终端主要通过App进行定位与追踪。用户手机安装App以后,企业就可持续与用户保持联系,进一步获取用户的私人信息、使用习惯、使用内容、消费习惯及使用规律、单位使用时间等信息。随着移动智能终端的广泛应用,移动终端正向多模化、定制化、平台开放化的方向发展,而移动终端营销(App)可整合LBS、QR、AR等新技术,带给用户前所未有的、随时随地的用户体验,从而帮助App实现裂变式增长,提高用户规模和用户使用频率。另一方面,通过新技术以及数据分析、数据定位和用户的信息分享,App可以不断优化自身,进一步精准定位企业目标用户,实现低成本快速增长。
App将成为企业与消费者之间的信息媒介,企业可以将产品、服务的相关信息传送给消费者,而消费者也可以将自己的个性信息传输给企业。这种一一对应的关系实现了信息的有序性和稳定性,整个系统变得更加有序和稳定。
二、筛选
筛选是指无信息的一方采取引起有信息的一方披露私人信息的行动。营销者引起消费者信息披露的主要筛选方式是消费者主动进行信息分享。那么如何激励消费者主动分享信息,从而帮助营销者进行筛选就显得尤其重要。
网络媒体相对于传统媒体的最大优势,在于信息的共享性与用户的参与性。大数据时代,新的市场调查方式必然要使用到网络媒体。除了使用Cookie和App进行追踪和定位外,还有一些数据的获得,是通过消费者个体的主动暴露进行筛选的。即通过多屏技术把用户和PC、手机三者关联起来,将不同场景和场域中的消费者联系在一起,勾勒出完整的消费者个性图谱,如用户私人信息——QQ号、微信号、微博账号、手机号等,以及用户个性爱好社交圈、购买习惯、频率等。通过消费者自己主动暴露完成筛选,获得完整的消费者社交媒体和私人信息。如消费者参加轻众筹,必须输入自己的手机号。
通过用户主动暴露的信息体现用户的兴趣和需求,再根据其兴趣和需求进行信息或商品的推荐。通过用户分享企业信息,使企业做更广泛的宣传和获取关于消费者社交圈的更多数据。而个体所有的分享内容,都是在一定的激励机制下产生的。
个体通过比较成本与利益产生被激励行为。如果分享信息的成本大于利益,那么个体就不分享信息;如果分享个人信息的利益大于成本,那么个体一般选择分享信息;如果分享个人信息的利益等于成本,那么个体一般也不会选择分享信息。也就是说,个体一般只有在分享信息对个人产生的利益大于成本的情况下,才会选择分享。
理性的人会通过比较成本与利益做出决策,所以,会对激励机制做出反应。营销者或其他人员对消费者适度的激励,可以使消费者主动分享自己的个体信息,换言之,主动将自己的个性调查结果呈现给营销者。个体在网络中分享个人信息的成本包括经济成本、时间成本、危机成本。经济成本指在自媒体或社交媒体或网络社区中发布信息的费用,一般来说,网络中发布信息的经济成本为零或极低;时间成本指在网络中分享个人信息所花费的时间,时间成本依照个体发布内容的长度和时间而变;危机成本指个体在网络中发布信息所带来的对个人隐私的威胁,如果发布的信息过于私密,会对个体或他人的人身安全、财产安全造成一定的影响。由此可见,消费者在网络中分享个人信息或个体消费信息的经济成本较低,时间成本较低,危机成本相对较高,但大部分消费者并未意识到在网络中发布和分享信息的危机成本。所以,就目前而言,消费者在网络中分享和发布个人信息或相关信息的总体成本是较低的。此时,营销者如果对消费者分享信息给予利益回报,就能对此分享行为产生激励。激励可包括精神激励与物质激励。精神激励如使消费者分享信息后获得情绪上的释放和精神上的满足,物质激励指消费者分享信息后给其带来财物上的回报。
另外,还有一些游戏内容所引起的设置与筛选。比如,心理测试需输入消费者姓名和相关私人信息,最后的测试结果并无科学性,纯属娱乐,但在此过程中,消费者所输入的姓名、生日及相关私人信息却被存储。成为数据的一部分。微信及网页上许多娱乐内容的测试,如“测测你的前世”“测测你的姻缘”等都需输入个体消费者的私人信息或社交信息,消费者参与此类游戏的经济成本低,时间成本低,危机成本不高,但能够获得精神激励——娱乐或社交(如通过朋友圈的分享形成话题)。这些筛选都可作为大数据信息的追踪和大数据时代新的市场调查方式。
三、外部性
外部性是指一个人在无报酬的情况下,其行为对旁观者福利或利益的影响。当一个人从事一种增加旁观者福利,而对这种福利不付报酬时,就产生了正外部性,反之,则产生了负外部性。营销者没有主动激励个体,个体在其他因素的激励下,也有意或无意地暴露了自己的信息,这时,这种暴露就体现了一种外部性,而获益者之一就是营销人员,这是一种正外部性。例如,分享信息可以获得网友点赞、扩大知名度、引人关注、发泄情绪等结果,那么个体就在没有营销者激励的情况下,产生了一种自我激励或外部性的激励,在此激励下,同样主动分享信息。此行为对于营销者而言,产生了正外部性。
大数据时代,一切都回归到用户原点。网络的定位便是用户的连接器与追踪器。连接人与人,连接人与物,连接人与内容,同时追踪人、追踪人的消费、追踪人的内容消费。消费者在自己的活动中对旁观者产生了一种有利影响或不利影响,这种有利影响带来的利益(或者说收益)或不利影响带来的损失(或者说成本),有时都不是生产者或消费者本人所获得或承担的,而是一种经济力量对另一种经济力量“非市场性”的外部效应、溢出效应。也就是说,个体在非营销者激励的情况下主动暴露自己的信息,使某些营销者在没有任何成本的情况下获得了收益,是对某些采取激励机制获得消费者信息的营销者的不公平,也是对直接购买消费者数据的营销公司的不公平。使部分营销者获得额外的收益或使部分营销者零成本获益,这种外部性扭曲了另一些营销主体成本与收益的关系,造成了一定程度上激励机制的市场失灵,也扭曲了某些主体成本与收益的关系,不利于整个社会的效率、效益和整体的资源优化配置。
从长远的角度和整个网络系统优化资源配置的角度,外部性不利于市场的激励,因为没有付出的人获得了收益,这就刺激和打击了付出成本的营销者的积极性,也抢占了他们的一部分市场。但这也说明,市场对某些人的正外部性是建立在对另一些人的负外部性的基础上的。
总之,大数据时代,此三种市场调查的方法使个体与个体调查信息一一对应,进而为网络化的分散布局带来了效率,极大地降低了物理成本,提高了调查的准确性和科学性。■
主要参考文献
[1] 鲍际刚.信息熵经济学[M].经济科学出版社,2013.
[2] 张伟博.熵——另一个角度解读新媒体广告的未来[J].文化与传播,2013.
作者单位 江西师范大学传播学院
|