③负面新闻对品牌的影响

那么，大数据能否取代小数据呢？

答案是否定的。 大数据虽然广泛，但缺乏深度，呈现的结果非结构化且缺乏因果关系。 因此，大数据需要与前瞻性、深入的小数据相结合。

以我们正在进行的信用卡品牌追踪项目为例。 该项目包括两部分：

① 品牌追踪：每年进行全面深入的小数据定性+定量研究

② 声誉监测：每季度大数据监听

对于这两部分，有的客户会选择把它分成两个项目，独立做。 更好的方法是将两者结合起来，特别是通过战略研究合作伙伴。

大数据和小数据是密不可分的。 相信未来大小数据结合的场景会越来越多。

定性研究发挥什么作用？

基于场景的用户体验图是核心

传统的品牌研究中，定性的输出是品类和用户行为习惯。

在品创以用户体验图为核心的品牌指标体系研究中，定性输出非常清晰：

①用户画像：该品类市场有几类用户，哪类用户是该品牌的主要用户？

②体验图谱：针对目标用户，总结品类使用场景、品类接触点、品牌接触点、接触点体验等，并比较不同品牌的接触点和体验差异。

品牌之间的体验差异往往非常明显，因此定性在品牌研究中发挥着越来越重要的作用。

定性研究方法也在发生变化。 传统的品牌研究主要以6-8人的座谈会为主，关注品牌形象、品牌拟人化等。然而，在120分钟的座谈会上，每个受访者的发言时间都是累积的。 只有12分钟，想要在短时间内清晰描述品牌与用户的关系是不现实的。 因此，在品牌追踪研讨会结束后，品创将选取个别典型用户进行一对一的60分钟深度访谈，以获得连贯、深入的品牌体验评价，这也进一步完善了用户体验图谱。

定量研究应注意哪些问题？

合理把握样本架的选择和抽样规则

任何研究首先必须有明确的研究对象，然后才能根据研究对象收集数据。 该品牌研究项目的调查对象是现有用户还是潜在用户？ 关注新用户还是现有用户？ 这些都需要明确界定，否则会给样本采样和结论推断带来麻烦。

品牌研究的研究对象群体非常庞大，因此需要从群体中选择一些有代表性的个体作为样本来推断群体。 这就是抽样。 为了避免抽样偏差，抽样应尽可能随机，这意味着总体中的每个个体都有平等的被选中的机会。

理论概括往往不真实、可操作，而研究概括则需要真实、具体、可操作的罗列。 样本框的选择可以是不同层次的，比如先提取不同的品牌用户，然后从品牌用户中提取相应产品的个体用户。

在实际执行项目时，客户可能会建议品牌用户可以使用自己的平台进行端内推送大数据能否替代小数据呢？答案是否定的？，而竞品用户可以使用端外推送。 听起来好像没有什么问题，而且可以节省成本，简化操作流程。 然而，使用两个平行的样本帧很可能会导致样本偏差。 因此，我们建议使用稳定且海量的第三方平台进行品牌追踪样框。 京东调研、腾讯问卷等平台以及严格管理的Panel都在我们的考虑范围之内。

后续研究的样本量不能太小，否则不利于统计分析。 在一些品牌研究项目中，客户可能需要了解特定细分类型用户的品牌评价东莞跟踪调查公司，但在完全随机抽样的情况下，该类型用户可能达不到最小样本量。 在某信用卡品牌追踪项目中，我们采用了随机样本+附加样本的方法。 为了满足统计标准，我们为白金卡用户增加了一些额外样本，但请注意：额外样本不计入市场绩效KPI样本量，以避免数据失真。

随着技术的逐渐成熟，未来的样本添加可以通过精确的采样方法来完成，例如添加特定品牌和产品的用户。 这是大数据带来的研究方法的又一变革。

如何进行数据分析并提出建议？

选择合适的分析模型并快速定性验证

获得市场表现数据后，我们需要进行品牌诊断：

①寻找波动：与前期相比，哪些人群主要受到数据波动的影响？ 这些人的消费习惯和需求是什么？ 品牌方近期有哪些产品或营销活动满足了目标群体的需求，从而影响了他们的消费习惯？