亨利福特有句流传很广的话，“如果我提前问人们想要什么，他们肯定会说更快的马”。这句话后来被包括乔布斯在内的许多人引用，来论证用户很多时候并不真的知道自己想要什么，而只有当你把一个全新的产品做出来过后，他们才发现“这是我想要的东西”。 

某种程度上说，生活在马车时代的人的确不会贸然提出对汽车的需求，就像功能机时代的用户不会想到智能手机一样。但对新产品的具体形式缺乏想象，其实并不说明用户不了解自己的具体需求。比如“更快的马”这个描述显然包括了人们对于更便捷迅速的交通工具的想象和希望，尽管“马”本身是跟后来的汽车在具体形式上是错位的。 

在《新立场》看来，这个案例恰恰说明了从不那么直接地描述信息中准确进行消费者洞察的重要性：“马”不是真实需求，“更快”才是。

实际对于今天的企业而言，这项能力正在变得越来越重要。因为随着互联网在C端的全面普及，每个人都可以在各个网络社区发表自身对某项产品的看法，交流不同的使用体验。这些评论和互动构成了用户需求的富矿，而对这座富矿的有效发掘则是企业实现产品“敏捷开发”的基础。 

如今在实践中，产品的设计和研发等团队在网络社区主动收集用户反馈已经较为普遍。如果你碰巧是个KOL，那么一般你的帖子在小红书或者微博出现不久，就会有企业官方的人员跟你对接。有时候是因为员工正好看到了这个帖子，有时候则是有人@了官方或者发了消息。 

然而一个客观情况是，由于各类综合或者垂直领域的平台层出不穷，这种依靠主动搜索或者被动响应来发现用户需求的方式很难做到全面、客观、及时和高效。在相关技术条件已然成熟的前提下，基于主流平台UGC内容的用户洞察迫切需要从“劳动密集型”向“智能密集型”转变，这方面像久谦中台近期推出的一款用户调研工具或将引领行业趋势。 

01、用研的新课题

在一个充分竞争的商业环境里，把生意做好的本质在于如何更好地满足用户需求。这个过程大概可以分成两个步骤，一是识别用户的需求是什么，二是按照用户的偏好去设计或者改善产品和服务。其中相对困难的是步骤一，因为一旦你对用户需求了解的足够清晰，把产品做出来更偏向于是一个按图索骥的过程。 

最近的一个典型案例是理想汽车。凭借“被普遍视为落后技术的增程路线”，以及看起来毫无硬性门槛的“冰箱彩电大沙发”，理想在过去两个月销量连续突破4万辆，已经在30万元以上豪华SUV市场击败了BBA。理想的成功毫无疑问是李想作为产品经理的成功，是“二胎奶爸”的用户视角击败了技术党的参数视角。 

原理上，用户研究是收集信息并从这些信息中抽象出商业洞察的过程。因此，信息的有效性和丰富程度，以及结合企业实际对这些信息的理解能力构成了用户研究的要素。

传统的用户研究一般是通过访谈、调研等方式获得信息，这种情况下信息的质量高度受制于调查人员的个人能力，如果选择的样本群体并不具有代表性，最后反而会得出误导性的结论，对业务发展造成损坏。同时，由于整个信息采集过程较为繁琐耗费大量人力，很难在调查的广度和成本之间取得平衡。 

互联网的出现在一定程度上解决了这个问题，因为很多用户会主动在各个平台上分享对产品的看法和使用体验。这个自发的过程所带来的信息天然就比问卷或者采访这些方式更有代表性，更能反映产品实际的使用痛点。在今天互联网已经深入所有人日常生活的情况下，这已经成为所有品牌用户研究不可不察的阵地。 

对于企业来讲，用户一般在平台上发表的讨论越多，越有助于传递出丰富和有价值的信息。但由此带来的一个新问题是：信息过载。而且越是大的品牌，产品受众越广，这个问题就越严重。移动互联网时代各家都有独立的APP，去每个平台依次搜索关键词，然后浏览所有相关的帖子及帖子下方的评论，还要进一步分析这些讨论是正面的或是负面的，这显然超出了“人力”所能及的范畴。 

现实的挑战是，大量的信息就在那里，只不过以碎片化的形式散落在各个割裂的网络空间，关键是如何通过有效率的方式发挥它们的价值。这需要技术上的彻底革新。

02、“挖矿”得用算法

一个可行的替代方案是算法。 

过去使用算法来处理用户评论的最大困难在于，所有这些评论都是非结构化的文本，里面还经常包括用户在使用自然语言时引入的各种“噪声”。如今随着自然语言处理（NLP）方面技术取得突破，对非结构化文本的处理已经走向成熟。 

现在的算法系统能很好完成对文本数据的量化处理，不只是说基本的关键词提取，还包括对文本情感倾向的识别。所以在这样一套技术底座的支撑下，从文本信息的搜集，到对收集到的信息做语义分析和情感分析，再到生成基于数据的消费者洞察，都可以完全通过自动化的方式来完成。

我们在文章开头曾把互联网社区中海量的评论和互动比作蕴含用户需求的“富矿”，算法就是开采这类“富矿”的技术跃进。而在某种程度上，这里谈到的技术跃进也的确跟最近一轮能源行业发生的页岩油气革命有很强的相似性。 

在很早以前，人们就已经知道了页岩油气的储量极其丰富，分别占到了世界可开采天然气总储量的32%和石油储量的20%。只不过由于资源的存在形式特殊，一直以来都没有办法开采利用。但凭借在水力压裂和水平井方面的技术突破， 近来在一些国家页岩油气成为了主导的能源供给。 

类似的，一个可靠的判断是未来品牌对主流平台的监测和分析，也将全面从“人力挖掘”向“算法挖掘”转变。对于用户研究这个领域来说，这或将构成行业运作范式的转折点。

不过目前对社交媒体和电商等平台上UGC内容做持续监测和分析，继而改善用户调研的质量，在国内仍是新兴趋势，大概还处于技术采纳生命周期理论说的早期采用者阶段。相对来说，国外在这方面的步子要快一些，像“Brandwatch”和“Sprout Social”等工具都已经较为成熟了。 

国内的话，近期久谦中台也推出了类似的用户调研工具，覆盖了包括社交媒体、传统电商、兴趣电商等各类主流平台。《新立场》实际试用了一下久谦中台提供的这款用户研究工具，效果还不错。 

这个工具会在线实时抓取典型文章和评论，快速进行结构化自动分析及观点总结。每条观点都可以迅速回溯定位原文，除了能帮助企业更好地理解用户，也可以用于快速公关响应。每条观点对应的关键词特征，以及正负情感倾向也都会通过数据清晰呈现。 

比如对于上面提到的理想汽车，在用研工具里做搜索就能发现，通常印象中新能源汽车比较重要的“能源 & 续航”和“动力加速”其实它没有做得很突出，“质量品控”和“专利技术”方面也可能因为是造车新势力的原因缺乏积累。而理想实际做得最好的几个地方，分别是“外观 & 设计”、“渠道 & 服务”、“车机配置”、“空间”等方面，恰恰是这些长处击中了中产奶爸的痛点。 

如果想要进一步了解消费者在某个纬度的产品偏好，我们还可以对特定纬度生成观点总结。比如，在“内饰 & 空间”这个纬度，消费者明显对理想的大空间和座椅功能比较满意，但对于真皮材质的用料、音响的质量就有些不满了。这些经过算法分析后生成的具体反馈，在后续产品更新的时候会起到很好的参考作用。 

03、写在最后

消费互联网前所未有地拉近了品牌跟用户的距离，这会给企业带来分层效应。善于从这个渠道获取用户反馈并做出调整的企业，会因为更敏捷更贴近用户需求而获得竞争优势，并且逐渐甩开那些意识迟钝动作缓慢的对手。 

从这个角度说，用算法替代人工对主流平台UGC内容做持续监测和分析，来彻底改造用户调研的流程范式不是可选项，而是必选项。 

不过这也没啥可令人惊讶的，因为历史上每次技术变革都会上演同样的剧本。 

*题图及文中配图来源于网络。