有关宠物医院的市场调研论文.docxVIP

有关宠物医院的市场调研论文 假定你是一个新型厨具的制造商，你想知道顾客对你的产品的看法，那么，理想的做法是对顾客做一次调查，从量化的角度有效地了解顾客。对调查 问题 的回答将是数字化的，而且选取调查人数的样本大小将足以归纳得出结论。通过对数百名顾客的调查，你将保证可以得到一份有效的 统计 报告。 定量 分析 最好是让顾客对厨具的不同性能按照重要程度从1到10打分，10分为最重要。调查结果可能是：烹饪速度，8.2;烹饪出的食物品质，7.1;清洁的容易程度，6.5;占据厨房空间：4.8. 你甚至还可以 研究 分析上述这些性能参数和价格敏感性之间的相关性。你也许会发现价格敏感性会随着烹饪速度重要性的上升而下降。不管怎样，调查的最后结果会为决策提供支持。你的厨具可能会变成“快速烹饪厨具”，并且进行相应的市场营销。 这个假设的情景中隐含了市场调研的传统思维。它的特征是：信息是最基本的，量化信息尤其受到青睐，调查样本的容量越大，越有利于归纳出结论。 用市场调研的 方法 来了解顾客，本质上并没有什么错误。量化是很有效的，数据越多，样本容量越大，结果就越理想。但问题是，市场调研的观念不足于全面地了解顾客。 传统思维掉进了这样一个陷阱：简单地假定随着可获得信息数量的增加，对顾客的理解程度就提高;从越多的人那里得到越多的信息，市场调研的效果就越好，对顾客的理解就越好。 很不幸，这种囿于数据、特别是样本容量的做法是错误的。对顾客的理解不只是一些数据，而首先是一种解析explanation。要理解某件事情，就是要解析这件事是怎样发生的，其中一部分工作是要预测将来会发生什么。但解析不仅仅是预测，而是要解释和说明将来事情为什么会发生和怎样发生，比如，在前面提到的新厨具的案例中，你所寻找的就是解析顾客为什么使用和怎样使用新厨具。 解析不从数据而来 在寻找解析的过程中，重要的是认识到解析永远不会存在于数据中。解析总是和数据相分离。下面这个案例，你就理解这一点了。 假设你从事食品服务行业，你对特定的人群做了市场调查，发现调查人群中85%的消费者在被调查的一周内至少有4次吃鸡肉。你的调查人数虽多达400人，但在统计学上并不具有代表性。于是你再做一次调查，选定2，000人做样本，并得到同样的结果。这样，你就得出结论：你的调查在定量上是精确的，在统计上是有效的，这些消费者都吃鸡! 这个案例看起来就像你可能希望的那样，理解顾客很简单。的确，从市场调研的角度看事情就这么简单。问题是：解析在哪里?你可以预测这些消费者会继续吃鸡因此，你应该在菜单上增加更多的鸡肉，但是，这只是预测，而不是解析。你可以说解析就是简单的推断：如果现在有这么多人吃鸡，那么将来很可能有很多人吃鸡。但是你怎么知道你可以按这个方式来推断呢? 样本统计有助于把调查样本数据的 规律 ，推广到数目更大的本该调查却没有调查的总体上。但是统计学对于通过数据推断做出预测的难题无能为力。调查结果可以表明人们在吃鸡——或者说他们被调查人在吃鸡，但是不能由此推断这种行为会持续到将来，虽然这种推断有时也有效，但也不过是调查人员的信心使然，不是逻辑思维的结果。 从另一角度看这个问题，其它的解释也是可能的。也许你调查的顾客是因为关注自己的体重而选择吃鸡肉来减肥，或者他们为了省钱而吃鸡肉。沿着任何一个方向进行解析，你就可以预测，当顾客已经完成目标或者对自己的目标厌倦了之后，就不再吃鸡肉了。 因此，你的数据——人们吃很多鸡肉——可以导致以下两种预测结果：人们将来会继续吃鸡肉或者会停止吃鸡肉。同样的数据可以适用于这两种相反的预测结果。所以，预测只依赖于解析，而不是数据。 那么，解析来自哪里?从逻辑上讲，解析不可能来自数据，因为解析不是开始于数据。但如果不来源于数据，那又从哪里来呢?解析来自于创造力。解析是洞察消费者行为的创造性行为。这种创造力可能是由数据激发的，即通过观察和分析数据的关系模式把握事态;或者来自其它的创造性冲动，包括经验和直觉。 当一个解析降临你的时候，别管它从哪里来，解析本身是最根本的。你要把解析放在第一位，把数据放在第二位。 数据可以评价解析 如果你脑海中有了一个解析，数据可以在理解顾客的过程中发挥重要作用。数据的作用是使你对你做出的解析更加自信，或者让你放弃它，再寻找一个更好的解析。数据是对解析做出评价的最有力的工具。 让我们回到新厨具的案例。首先，你需要重点关注解析。如果你有了数据，就会给为你找到解析提供灵感。在这个案例中，你可能想到这样一种解析：人们对速度的重视程度高于质量。人们在准备食物时越来越匆忙，所以愿意牺牲食物质量只求食物更快地摆到饭桌上。