亨利·福特有一句名言：“如果我提前问人们他们想要什么，他们肯定会说更快的马”。 这句话后来被包括史蒂夫·乔布斯在内的许多人引用，认为用户往往并不真正知道他们想要什么，只有当你制作一个全新的产品时，他们才会意识到“这就是我想要的”。
在某种程度上，确实，生活在马车时代的人们不会急于要车，就像功能手机时代的用户不会想到智能手机一样。 但是，对新产品的具体形式缺乏想象，并不意味着用户不了解自己的具体需求。 例如，对“快马”的描述，显然包含了人们对更方便快捷的交通工具的想象和希望，尽管“马”本身与后来的汽车的具体形态脱节。
在New Position看来，这个案例说明了从不太直接的信息描述中准确洞察消费者的重要性：“马”不是真正的需求，“更快”才是。
事实上，这种能力对于当今的企业来说变得越来越重要。 因为随着互联网在C端的全面普及，每个人都可以在各种网络社区中表达自己对某款产品的看法，交流不同的用户体验。 这些评论和互动形成了用户需求的富矿，而有效利用这一富矿是企业实现产品“敏捷开发”的基础。
如今，在实践中，产品设计和研发团队在网络社区中主动收集用户反馈的情况更为普遍。 如果你碰巧是KOL，那么你的帖子出现在小红书或微博上后不久，就会有公司的官方人员与你联系。 有时是因为员工碰巧看到了帖子，有时是因为有人@官方或发送了消息。
然而，客观情况是，由于各种综合性或垂直平台的出现，这种依靠主动搜索或被动响应的方式发现用户需求，很难做到全面、客观、及时、高效。 在相关技术条件已经成熟的前提下，主流平台基于UGC内容的用户洞察亟需从“劳动密集型”向“智能密集型”转变，对此，久谦中泰近期推出的一款用户研究工具或将引领行业潮流。
01. 研究开发新课题
在充分竞争的商业环境中，做好工作的本质在于如何更好地满足用户的需求。 这个过程大致可以分为两个步骤，一个是确定用户的需求是什么，另一个是根据用户的喜好设计或改进产品和服务。 比较困难的一步是第一步，因为一旦你对用户的需求有了足够清晰的了解，制作产品就更像是一个跟着地图走的过程。
最近的一个例子是理想汽车。 凭借“增程路线，被普遍认为是落后技术”，以及看似没有硬性门槛的“冰箱彩电沙发”，近两个月理想销量突破4万台，在30多万元的豪华SUV市场中击败了华晨宝马。 理想的成功无疑是李湘作为产品经理的成功，而打败技术方参数视角的，是“二孩爸”的用户视角。
原则上，用户研究是收集信息并从该信息中抽象出业务见解的过程。 因此，信息的有效性和丰富性，以及结合企业实际情况理解信息的能力，构成了用户研究的要素。
传统的用户研究一般通过访谈、调查等方式获取信息，在这种情况下，信息的质量受到调查者个人能力的高度限制，如果选择的样本群体不具有代表性，最终会得出误导性的结论，损害业务发展。 同时，由于信息收集过程繁琐且劳动密集，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，因为许多用户会主动在各种平台上分享他们的观点和经验。 这种自发过程产生的信息自然比问卷或访谈更具代表性，更能反映产品的实际痛点。 在互联网已经渗透到每个人日常生活的今天，这已经成为所有品牌用户不可缺少的观察岗位。
对于企业来说，用户在平台上发布的讨论越多，就越有助于传达丰富而有价值的信息。 但这带来了一个新问题：信息过载。 而品牌越大，产品受众越广，问题越严重。 在移动互联网时代，每个公司都有自己的APP，依次去每个平台搜索关键词，然后浏览帖子下方所有相关的帖子和评论，进一步分析这些讨论是正面的还是负面的，这显然超出了“人力”的范围。
真正的挑战在于，信息很多，但以碎片化的形式分散在各种碎片化的网络空间中，关键是如何高效发挥其价值。 这需要进行全面的技术改革。
02.“挖矿”要用算法
一个可行的替代方案是算法。
过去使用算法处理用户评论的最大困难是，它们都是非结构化文本，通常包括用户在使用自然语言时引入的各种“噪音”。 如今，随着自然语言处理（NLP）的突破，非结构化文本的处理已经成熟。
目前的算法系统可以很好地完成文本数据的量化处理，不仅能进行基本的关键词提取，还能识别文本的情感倾向。 因此，在这样一套技术基础的支持下，从文本信息的采集，到采集到的信息的语义分析和情感分析，再到基于数据的消费者洞察的生成，都可以通过自动化完全完成。
在本文的开头，我们把互联网社区中大量的评论和互动比作用户需求的“富矿”，而算法是挖掘这一“富矿”的技术飞跃。 在某种程度上，我们在这里谈论的技术飞跃与能源领域最近的页岩油气革命非常相似。
众所周知，页岩油气储量极为丰富，占世界天然气总可采储量的32%，占世界石油储量的20%。 只是由于资源存在的特殊形式，一直没有办法去开发利用它们。 然而，由于水力压裂和水平井的技术突破，页岩油气最近已成为一些国家的主要能源供应。
同样，一个可靠的判断是，未来品牌对主流平台的监控分析也将从“人力挖掘”全面转变为“算法挖掘”。 对于用户研究领域来说，这可能是行业运作范式的转折点。
然而，目前，对社交网络、电子商务等平台上的UGC内容进行持续监测和分析，进而提高用户研究质量，在国内仍是新兴趋势，技术采用生命周期理论可能仍处于早期采用阶段。 相对而言，国外在这方面的动作较快，“品牌观察”和“萌芽社交”等工具已经比较成熟。
在中国，久谦中泰最近推出了类似的用户研究工具，覆盖了包括社交**、传统电商、兴趣电商在内的各种主流平台。 “新位”其实试用了九谦中泰提供的这款用户调研工具，效果还不错。
该工具将实时抓取典型文章和评论，并快速进行结构化的自动分析和意见总结。 每个想法都可以快速追溯到原文，这不仅可以帮助企业更好地了解用户，还可以用于快速的公关响应。 每个想法对应的关键词特征，以及正面和负面的情绪倾向，也通过数据清晰地呈现出来。
比如上面提到的理想汽车，可以发现，在新能源汽车的印象中比较重要的“能量&电池寿命”和“动力加速”其实并不是很突出，“质量控制”和“专利技术”也可能因为汽车制造中的新生力量而缺乏积累。 而做理想最好的地方是“外观&设计”、“渠道&服务”、“车机配置”、“空间”等方面，恰恰是这些优势，击中了中产阶级爸爸的痛点。
如果我们想更多地了解特定纬度的消费者产品偏好，我们还可以生成特定纬度的意见摘要。 例如，在“内饰和空间”的纬度上，消费者显然对理想的大空间和座椅功能感到满意，但对皮革使用的材料和音响的质量却有些不满意。 这些经过算法分析后产生的具体反馈，在后续的产品更新中将起到很好的参考作用。
03.写在最后
消费互联网让品牌比以往任何时候都更贴近用户，这将给企业带来分层效应。 善于捕捉用户反馈并从这一渠道进行调整的公司，将通过更加敏捷和贴近用户需求来获得竞争优势，并将逐渐远离那些迟钝和行动迟缓的公司。
从这个角度来看，用算法代替主流平台上对UGC内容的人工持续监测分析，彻底改变用户研究的过程范式，不是可有可无的，而是必要的。
但这并不奇怪，因为历史上的每一次技术变革都上演了同样的剧本。
标题图片和文中随附的图片**均在互联网上。