刚刚过去的 5 月 2 日是“国际市场研究节 International Market Research Day”，在这个研究者自己的节日里，我们再次思考我们所做事情的本质和未来。
在吉姆.柯林斯的《基业长青》这本书里面，提到了报时人和造钟者两类企业家。所谓报时人可以从做对的事到把事做对，都严重依赖其个人能力、意志，而不是依靠制度与文化。而造钟者则致力于构建一个可以持续运转的体系，能够不断高效产出。对于一个企业如是，企业中的某个职能亦如是。
市场洞察是一个非常典型的“报时”型业务。甲方内部提出具体的业务需求，洞察团队通过内部或者外部能力解答业务问题。由于业务不断发展变化，需要回答的洞察问题也在不断更新，而洞察团队所解决的问题随之而变化。即使到某个具体的业务需求，洞察团队也总是需要不停地解答新问题。
这种“打一枪换一个地方”的打法产出效率会比较低，解决问题的时间长、成本高。是否可能用“造钟”的思路打造解决至少一部分业务问题的“机器”，让洞察更加主动，在企业内发挥更大的作用？在十多年的甲方和云思工作中，我自己看到了很多业内的探索和实践，云思团队与客户也做了大量的尝试，促进消费者洞察的体系化建设。云思提出一个“I-C-D-A”框架，试图通过计算机和分析技术，企业洞察业务场景理解，建立一套行之有效的洞察数字化路径。
01信息化 Informatization
对于一定规模的企业，他们已经累积了大量的数据、信息和报告，而且源源不断地产生新的信息。应用数字和数据技术，包括数据库技术、搜索技术（比如应用 Elastic Search）、视频和图像识别技术、自然语言处理、推荐算法等，可以将海量的非结构化历史数据进行存储、检索和分析。
在欧洲和美国，在这方面已经有非常成功的案例。有几家公司专注于帮助大型企业进行洞察数据和信息的管理，这些公司的技术可以让很多一次性的研究成果沉淀成为企业的洞察资产；采购了这些解决方案的公司，在启动一个新项目之前都会到数据库中进行检索，很多时候可以从历史研究中找到答案或者启发。
这个思路不仅仅可以应用于市场研究。一家德国企业中国公司的工程师团队有一个非常好的习惯，与客户接触并了解到需求或者解决了一些技术问题之后，工程师会做非常详细的记录。之前的这些文档分散在每个工程师自己的电脑里面。后来这家公司的数据团队做了一个应用，让这些工程师将记录文档上传到一个系统中，大家可以检索到其他同事记录的各种需求和业务问题，让分散的知识形成机构的智慧。
云思也在进行洞察知识信息化的探索。云思的“洞察星球”将行业报告进行整合，文字自动识别，并建立数据库，用户可以进行全文检索，并获得基于算法的相似报告推荐。这一系统已经关联到多家大型企业的知识系统。
在这一步需要注意，需要放到这个信息池中的数据是需要经过清洗和抽取过的知识，而非原始数据。比如，可以把客服过程中的对话进行抽取后，将获得的客户需求信息放到这个知识池，而不是把海量客服对话信息直接放进去。也就是说，这个系统可以关联大量的独立系统，将分散的知识汇总起来，但汇集的是经过抽象的知识，而非原始信息。
02分类 Classification
将不同类型的非结构化数据放到一起，由于各个数据源的定义不一致、信息缺失等原因，只是可以方便检索到历史信息，无法智能的辅助决策。要让企业洞察的投资发挥更加的价值，仅仅“事后”管理是不够的，还必须在洞察行动前有良好的规划。
我们认为需要将洞察工作分类，并且采取有针对性的措施。建议将企业内的洞察需求从两个维度进行划分，一个维度是需求频率，一个维度是业务重要性。对于高频高业务冲击的洞察工作（A 类），值得投入资源建立体系化的解决问题方法；对于低频高重要性的工作（B 类），往往是战略性的业务需求，节省下来的预算和时间应该向这类工作倾斜；对于高频低业务冲击的工作（C 类），需要评估投入产出比，如果建立体系化的成本高于产出，则可以保持原状；而对于低频低重要的内容（D 类），则建议通过一些简单的方法解决掉，或者赋能业务团队自己找到答案，尽可能减少在此类工作上的投入。
03数字化 Digitization
将各类信息“一股脑”地放到一个数据池里面是信息化是不够的。在信息化之后还需要尝试进行数字化，将有用的信息提取出来、不断地向其中基于业务需求注入新的数据并加以应用。经过数字化过程才会让数据创造价值。我们认为需要针对 A 类和非 A（即B、C、D）类洞察采取两种不同的数字化策略。
A类策略：基于主题的模型设计、数据采集、建立数据库和业务算法，并应用于业务A类是高频洞察需求，应该将这类业务进行抽象，设计出标准的业务模型，并降低单个项目成本，增加项目数量，形成大规模的数据库。这样做的目的是形成足够数量的结构化数据，以便在大规模数据集基础上进行可靠的应用开发，比如预测、辅助决策或者生产。
以创意洞察为例。创意研究是典型的 A 类洞察业务，对于to C 的品牌来讲，在数字化环境下仍旧需要投入大量的品牌沟通预算以建立长期的消费者心智影响，而沟通内容的质量会极大的影响沟通效果，因此很多大型企业仍旧会对重要的品牌沟通内容进行测试分析，试图寻找复杂媒体环境下驱动提升 ROI 的因素，并对内容进行优化。
业务团队对创意的分析需求经常会非常个性化。今天的问题可能是某类视频广告中品牌 logo 是否越早出现越好，明天则会是需要分析这类视频广告中明星是否能够起到品牌提升的作用。如果 case by case 的去解决，每次的研究成本都不低，也需要比较长的时间。经常出现的情况是要么来不及做、没有预算做，或者费劲做完了也不一定来得及在业务上起到作用。
是否有可能从底层解决这类问题？云思的思路是对大量的创意进行标准化的测试，并形成了一套标签体系（micro-tag）对创意进行解构，形成具备一定规模的数据库。云思应用一套叫做“创意大脑 CreativeNow”解决方案来尝试解决这个问题。具体来讲，创意大脑完成以下几个目标：
- What – 是什么：通过累积并打上微标签的创意数据库，我们可以知道品牌和竞品的创意策略差异、不同时间的创意风格趋势、其他行业的表现和叙事风格、国外和国内创意异同、基于大量创意进行内容独特性评分等。这些信息能够显著激发品牌、创意团队以及创意代理的灵感；
- Why – 为什么：基于创意测试数据库（可结合企业历史项目结果），能够知道什么样的创意元素、叙事风格、拍摄手段对于提升品牌好感或购买意愿是更加有效的。这些知识能够让沟通团队达成基于消费者和市场的共识，避免不必要的争论，少走弯路；
- So what – 预测未来：对于新的创意内容，基于创意大脑将可以进行市场表现的预测，将媒介预算投资到创意表现最好的内容上，从而提升营销投入产出；
- How – 内容优化：通过微标签、历史效果数据以及机器学习算法，将可以指导已有创意的优化和新创意内容的生产，比如自动化脚本生成。
当遇到一个新的业务问题，基于创意大脑，不需要进行新的测试分析，而只需要结合相应的“微标签 micro-tag”和数据库中数据进行分析即可。如果业务问题是一个全新的维度，则通过AI或者人工创建相应的微标签后可以解决问题。
这一思路不仅可以用来进行品牌广告的创意发展，同样也可以用于社交营销内容、效果广告、产品概念、包装等在企业内部高频且重要的业务场景。多年的研究实践表明，基于消费者的分析能够优化营销投入。云思与客户的研究表明，云思的前测数据对创意的市场表现有大约 70%的预测准确性。在数字化时代，一些底层的逻辑是保持不变的，我们要做的是通过新的思路将这一过程体系化、数字化，让数据和分析在新环境下发挥价值。
非A类策略：应用知识图谱技术建立通用的知识认知和分析能力对于非A类洞察需求，比较难建立大规模的结构化数据库；不过在信息化的基础上，知识图谱技术是一种非常好地发现知识的技术。基于对企业业务的理解，可以定义出来“实体”和“关系”，知识图谱技术可以基于这些定义对信息进行自动识别，并在此基础上发展出来深度检索、自动问答等决策辅助能力。
04应用 Application
在信息化以及一些洞察场景数字化的基础上，通过技术、运营等各种手段推动洞察的应用，发挥业务价值。很多洞察的产出面临着业务团队不知道、不会用的挑战，往往只停留在洞察团队内部。云思认为，洞察的交付形式应该更加友好，并建立起来业务和洞察团队的高频使用场景。使用频率是应用发挥价值的非常关键的指标，频率越高，用户越容易养成习惯，应用创造价值的可能性越大。
云思对于提升洞察应用频率的策略是“高频带低频”以及“低频组合”。所谓高频带低频，是创造高频的应用场景，用户在高频应用过程中有机会了解和使用低频（往往也更复杂）的洞察应用。低频组合，则是将多个低频应用放到同一个数字化平台上，在用户使用过程中交叉推荐。
为了践行上述的理念，云思推出了“洞察星球InsightOS”平台（www.insightos.net）。这一平台与营销者之间建立了高频互动的机会，用户可以在这里订阅感兴趣的商业资讯、全文检索报告、查询数据和营销机构和工具。同时，这个平台也是进入到深入洞察应用的入口，用户只需要登录一次，就能够访问洞察数据库，使用洞察工具。我们认为洞察星球这一平台性的工具会成为洞察数字化的基础设施，极大地促进洞察落地。
在人口和流量红利逐渐消失的时代，对用户的洞察能力和数据驱动的能力是一家公司长期健康发展必备的“内生力量”，这种力量将在不确定年代指引企业保持正确的方向，不断向前。而作为洞察服务的提供者，在“报时”的同时，可以花一些精力和资源在“造钟”上，让数字化将洞察武装起来，赶上甚至引领企业的发展步伐。
-END-
人物介绍：
宗瑞兴
欧洲市场研究和民意调查协会（ESOMAR）会员
中国信息协会市场研究分会（CMRA）常务理事
宗瑞兴曾担任北京交通大学经济管理学院讲师，华通明略（MillwardBrown ACSR）客户总监，新浪商业和市场分析执行总监，2014年创立云思科技。他拥有21年数据分析和市场研究经验，曾服务于多家全球及中国头部企业，行业覆盖互联网、快消、3C、汽车等，帮助其进行品牌测量和发展，广告发展和产品创新。
关于云思
云思（CloudXink）是一家研究与技术能力兼备的创新型研究公司。
在云思聚集了一群来自于不同领域的专家，他们精通消费者研究方法、社会科学理论、互联网技术和数据技术。致力于将专业的研究和技术创新结合，专注于品牌和沟通洞察，让营销更加高效、更加智能。
云思的愿景是通过在专注的领域不断学习和发展，让云思的成员、云思这个组织以及其服务的客户不断成长和成功。
