|
我们在消费者研究中，已经很难凭借身份、职业、学历等群体性的标签去推断其消费行为了，一个高学历的个体跟低学历的个体在某一领域消费兴趣、消费行为的可能非常一致。 例如在潮牌的消费中，我们发现，基本各个职业、学历都会涉及，已经很难从这些“户籍标签”去推论了，反而兴趣、价值观等个体性标签更为关键。 譬如在潮鞋这一单一品类中，涉及到的购买群体从身份上是横跨中学生到企业家的，年龄上更是无法区分，唯一趋同的就是对“潮”追逐的兴趣和价值观这种个体性的标签。
如果说过往的分析和预测面对的是固态的行为模式，那么在新的时代背景下，个体性的行为模式则呈现出前所未有的“液态”，因为兴趣、爱好甚至是偏好是不稳定的，就像液体一般，因时间的不同、容器的不同随之变幻。
由于“液态化”的行为模式固有的流动性，对于行为需求的分析和预测，需要从“群体性”的分析转移到对于“个体性、私人性”的关照，间歇式的分析要转变为“实时监控”才能真正做到有效的需求分析和预测，并实现供给和需求的有效匹配。
但行为模式的流动性对于传统的研究方法，无疑提出了非常大的挑战，也由此造成了传统的消费者研究和分析方法的不适用，这也是在进入21世纪后，市场预测的准确率如此之低的原因。
对个体化行为的全景式关注
是数字化转型的核心驱动力之一
传统对于需求的分析和预测是建立在“群体分析”这一核心假设基础之上的，即个体行为特征可通过群体特征被假定和证实，因此“抽样”成为核心的样本选择方法，“年龄、职业、收入、阶层等”群体性标签构成核心的分析指标以及间隔性的对比分析等构成这一传统的核心体系。
在不连续性、流动性构成显著的时代和行为特征的背景下，“抽样”无疑等同于“片面”，“群体”无疑意味着“个体谬误”。 如果按照鲍曼的论断，新的时代背景的关键特性是“差异产生差异”，这就意味着差异是呈现指数级的变化的，如果依然按照“固态”的“群体性假设”去分析和预测这种流动性的变化，无疑是南辕北撤、开拓了供给和需求之间更大的鸿沟。
因此在数字化转型中，“大数据”对于“全样本” 的追求克服了这种片面，物联网技术背景下对于个体行为数据的“全景式”的采集、对于“兴趣、爱好等”个人化的标签体系的建构则回归到对于“私人化行为”的关注，正是顺应了流动性的时代变化。
对个体化行为的全景式关注，是数字化转型的核心驱动力之一，这种新的视角有助于解决供给—需求的匹配鸿沟，因此强调对于需求分析视角的这种转变或者“回归”，是构成数字化转型的社会时代要求。
数字化转型的核心是回归到对于个体的行为关注，构建新的“数据+算力+算法”的运作范式、形成新的“描述—诊断—预测决策”的服务机理，从而实现了消费端和供应端的高效协同、精准匹配这一形态，有效解决供给—需求的匹配，提高其效率，这是数字化转型的核心要义。
2019年政府工作报告也正式提出了“智能 +”战略： “深化大数据、人工智能等研发应用。 打造工业互联网平台，拓展‘智能 +’，为制造业转型升级赋能。 ”数字化的赋能上升到国家战略层面。
我们即将步入一个全面智能化的新经济时代： 全新的运行规律正在显现，数据的自由流动化解过往市场运营中的不确定性，资源配置优化的效率大大提高。
“数字化”被置于这一经济体中的核心驱动因素，因此数字化的转型站在这种时代趋势的判断下，是时代的“必然选项”。
来源: 微信公众号：RET睿意德 共2页 上一页 [1] [2] 关注公号：redshcom 关注更多: 数字化 |
