这次分享一下我关于市场分析的想法，首先做个定义吧，我这里定义的市场分析里包括：研究内容包括市场生态系统研究、用户研究等等，研究方法涉及定量分析、定性分析和混合分析。
市场分析这件事是穿插在产品周期的各个阶段中，做战略规划、产品设计、产品运营的过程中都需要有市场分析，如下图：
可以看到，在每个阶段我们使用的研究方法都不太相同，但是目的只有一个，就是搞清楚我们应该做什么，不应该做什么。
1. 制定产品方向阶段：
先讲个真实的故事：我的朋友果果是一家新创公司的产品经理，公司面向母婴市场提供服务，现在正计划启动电子商务产品的开发，在开发前需要果果提供一个产品方向的计划书，老板对产品方向的唯一指示就是该产品面向最终用户，提供产品销售服务。知道这些情况后，我的第一反应就是想，不就是一个B2C的产品吗，参考现在现成的B2C产品路子不就行了，还用做什么产品方向的分析呢？其实仔细考虑考虑就会发现，问题不这么简单。我简单的将这个过程分成以下几个阶段：
1.1 确定用户群：
母婴市场的用户虽然已经是一个很细分的用户群体，但仍然可以细分，比如按照用户的消费水平可以将用户分为高中低端；按照用户的实际需要可以分为婴儿用品、产后恢复用品等市场领域… …因此在制定产品方向的第一个阶段，就是对用户进行细分；
针对用户群的研究，我对果果的建议就是先进行定量的数据收集，这是第一步的工作。所谓“定量的数据收集”就是在网上查找现成的关于母婴类用户的统计数据，比如这些用户的年龄分布、消费水平分布、学历分布、消费倾向分布等等，如果苦于找不到类似的数据，可以在网上通过发放调查问卷的形式获得这些数据，进而对用户群有个初步的认识，定义出都有哪些用户群；
收集这些定量的数据，是为了进一步了解用户需求所做的准备，我们第二步的工作就是针对细分的用户群做定性的分析，我们会将不同用户群的用户请来做用户访谈（一个用户群请5个用户访谈就足够了），如果为了节省时间可以做焦点小组访谈（一个焦点小组最好不超过10个人），第二步的目的是真实的了解这些用户所知所想，了解他们购买的产品品类都是什么，更愿意在哪些产品上花钱，平时在购买这些产品时的困惑是什么？第二步的产出会很有趣，有可能会发现一个新的用户群分类方式，或者是碰撞出一个新的产品形态的构想。
最终，我们会确定我们到底应该针对哪些用户群提供服务，或者我们主要面向的用户群是谁，这是一个产品的根本。
1.2 了解“产品生态系统”：
在确定了用户群后，我们就需要对整个“产品生态系统”有个全面的了解，主要应该回答两个问题：一是我们的竞争对手情况、二是我们所针对的市场规模情况。针对这个例子，我们的竞争对手不仅仅包括红孩子这样的母婴B2C，还包括淘宝，甚至是线下的母婴用品专营店。对于市场规模来说，不但要了解现有规模，还要清楚未来发展怎样。
这个方面的调研依然是定量分析先行，定性分析辅助。比如拿竞争对手分析来说，定量分析就是分析出在母婴类需求的购买中，在类似红孩子这样的母婴B2C购买量，和淘宝购买量的比例，如果能做的细致点，最好还有线下购买量的比例分布。有了定量的结论，再找来用户了解一下他们对这几种产品形式的认可度，以及他们如果在环境允许的情况下，更希望以怎样的方式进行购买，当然如果你找到了一个想象力丰富，且很愿意给你建议的用户，可能她会帮你想出一个非常有创意的点子~~
1.3 确定产品方向：
经过以上这一系列的工作，时间可能已经过去了两个月，现在终于要确定产品方向了！在实际情况里，愿意给你两个月来做上面说到的这些事情，是不太可能的，不过我以为，在产品方向确定的调研里压缩时间，并不是明智的做法，一个好的产品方向对于一个成功的产品，其重要性怎么形容都不过分。当然也不排除一些产品感觉非常好的产品经理，能够在不接触任何数据和用户的情况下给出一个优秀的产品策划书，但这必须取决于这位产品经理本身就是目标用户的一员，有多年的用户体验，比如史玉柱对于网络游戏，张剑福对于低端人群的SNS产品设计，俞军对于搜索引擎。
好了，回来说产品方向的确定，其实经过上面的研究后，正常情况下你已经对自己的产品形态有了清晰的想法，但是此时一定要问自己两个问题，有没有更适合我们用户的产品形态？如何在竞争对手中寻找差异？说白了，这就是一个创新的过程，在这个过程中我认为应该关注到两方面的内容：
A. 现有客户VS尚未赢得的客户VS非客户：
虽然我们已经定义了用户群的各种特性，但是相信这个用户群里依然有些人不上网买东西，或者习惯于在某个网站比如淘宝里买东西，这时候就需要你的判断力了，在这里举一个抓住“非客户”赢得市场的例子，印度塔塔公司的Nano汽车，面向的就是那些从来没有拥有过汽车的用户，塔塔将Nano的价格降到最低，赢得了这个市场获得了一片蓝海；
B. 渐进式创新VS突破性创新：
渐进式创新的含义就是对现有产品形式的调优；突破性创新的含义是重新定义产品形式。针对果果的产品，我想起前一段时间看到的一个产品形式，像杂志一样订购男袜，这种模式就是对传统的电子商务的一种服务形式的突破性创新，希望果果有勇气用到自己的产品上去。
1.4 定量分析的注意要点：
最后，简单说说对于定量分析来说的几个注意的地方。
大规模的调查问卷是定量分析的普遍手段，在问卷调查中有几点需要注意，一是有效样本数量一般来说要在350份以上才能给出一个比较客观有意义的结论；二是设计关于用户体验的问题的时候，是无法做到精确的，举个例子，比如你问用户“你认为使用xx功能你的体验是a很差、b较差、c一般、d较好、e很好”的时候，你回收了1000份问卷，算了个平均数，发现用户体验平均都在“一般”和“较好”之间，于是你说，这个功能的体验尚可，这个结论是不正确的，因为用户对于这几种体验的自我定义不同，这几种体验之间的差距也不同，可能用户认为较好和好之间差距很大，而一般和较好是一个意思，所以这样的结论只能作为参考不能作为最终的断定。
除了大规模的调查问卷外，对于一个复杂系统的人工评价也是得到定量结论的一种方式，例如搜索引擎相关性的评估，根据钥匙以前的经验，经常要求有2000个Case以上的有效评价才能得到一个客观有意义的结论。
2. 确定产品设计阶段：
这个阶段偏向定性分析，定性分析本身的文章和讨论很多，钥匙就不班门弄斧了，总的来说分析方法有这么几种：用户访谈、焦点小组、现场调查、调查问卷（小范围调研）、可用性测试（有原型的前提下）、卡片分拣等等，我想说的是这些研究方法对应的研究目的是不一样的，搞清楚各种研究方法的研究目的，比了解研究方法本身更具有价值。
2.1 目的1：我想知道用户怎么想要什么
用户访谈和焦点小组能帮你搞清楚用户想要什么，在访谈的时候需要你对用户需要不停的挖掘，比如你问用户为什么使用牙膏？用户说我想我的牙齿洁白，你继续问为什么想要牙齿洁白？… 最终发现用户对于自己形象的追求是使用牙膏的一个原因。
2.2 目的2：我想知道用户对我们提供的功能的使用感受？
可用性测试能帮助你了解用户使用特定功能的感受，通过给用户布置任务，和观察用户使用，最终向用户咨询这个过程，你会清楚的了解到你在功能交互层面应该提供怎样的支持，才能让用户体验更好。
2.2 目的3：我想知道用户未表达出来的需求（了解潜在需求）？
现场调查是了解用户未表达出来的需求的最好方法，通过与用户一同生活，跟随用户一起上网，安静的观察，可能会让你分析出，用户的潜在需求是什么。
3. 产品运营调优：
这个阶段回归到了定量分析，我所见过优秀的产品经理，基本上有一个共同点，那就是极度关注数据！产品上线运营后，用户访问日志会激增，这时可以从这上面挖掘出非常多的内容，在这个方面的基础就不说了，介绍几个我经历过的故事，希望大家能得到一些启发：
3.1 找到合理的指标：
钥匙在搜索引擎方面的工作时间比较长，对于搜索引擎来说最核心的指标就是“相关性”，所谓相关性就是用户查询词与搜索引擎给出的搜索结果之间关联程度的好坏。最初评价相关性的方法很简单，搜索引擎公司会组织一个评估团队，这个团队的任务就是收集用户的查询词，并将这些查询词与某条搜索结果匹配，通过人工制定的标准进行打分，一般都会是1~5几个分值，然后汇总、平均得到一个“相关性”好坏的评价指标，这样的工作费时费力，且成本极高，有没有更好的方法呢？
答案是肯定的，其实我们可以引入用户在搜索结果中的点击量来进行评价，我们假定用户点击最多的结果是用户最需要的好结果，这样问题就简单了，我们只要从点击日志里看搜索结果点击量是不是集中在最靠前的结果里，就能判断出针对某个查询效果的好坏。这个新的指标帮助我们更快，更低成本的获得相关性的评价。
这样的指标其实一直伴随在我们身边，只是我们以前没法想到而已，其实对于搜索引擎CTR的这个指标，在很多年前关于搜索引擎效果研究的论文中就已经被提出了，因此想找到合理的指标，需要产品经理广泛的了解关于当前产品的知识，包括一些那些处于研究前沿的论文，甚至是竞争对手的情报。
3.2 以指标为导向的改进：
钥匙所在的公司有一次做市场推广的时候发现，如果用户从推广渠道中最终进入我们产品的内容消费页面，这样的用户的回头率会远远大于没有进入内容消费页面的用户回头率，于是一个同事就提出，我们推广的时候取消中间的信息目录页面，直接给用户内容消费页面，这样的决定在一开始是受到很多人抵制的，但是最终实现后却发现效果好的不得了，用户回头率立刻提升了10个百分点不止。
3.3 针对实际情况的指标判断：
我的一位同事曾经负责过一个图片产品，经过她的仔细研究发现对于美女类的图片点击率远远高于风景等正常图片的点击，结合当前的过滤规则，她同时发现，现在我们的过滤机制过滤了大量不应该过滤的美女图片，于是她只是简单的取消了一些不那么过分的过滤规则，他的产品流量就有了大幅度的流量增长。
其实现实问题会比我这里说到的更加复杂，对于数据指标的应用才是考验产品经理能力的最重要的部分。
3.4 “精确度/召回率”一切性能优化的基础：
其实深入一些系统中去，会发现“精确度/召回率”这两个指标几乎无处不在，甚至可以说是评价一切又信息过滤、筛选系统的最核心指标，用好这两个指标改进你产品的核心性能，是最基础的能力。
4. 总结：
其实定量分析和定性分析这种称呼不太好，像台湾那边把他们称作“质的分析”和“量的分析”会比较容易理解一点。现在来说，在研究方法上，大家已经逐渐趋向于“混合分析”就是将定性和定量结合起来，吸取两者的优势来共同分析一个事物。
互联网上面的市场分析其实只是研究分析的一个分支，如果大家有兴趣推荐大家多看看这方面的资料，尤其是心理学的一些定性分析实验，非常有趣，在其他学科很难看到。
最后，钥匙的水平有限，说的不对的地方希望大家多多指教。
