产研模式变革及研究方法升级

三 零售发展与研究新趋势

Chapter 03

产研模式变革及研究方法升级

产品持续地创新、迭代，是零售产品生产商们的常态化操作。但目前在产品研发方面，普遍面临着内外两方面的压力和挑战：

外部：期望创新送代越来越快随着新科技、新材料等的不断涌现，消费潮流变化的速度不断提升，消费者们对于新产品的需求节奏也不断加快，使得企业在产品创新迭代方面的压力不断提升。

内部：寻找创新方向越来越难已能够意识得到、并可以表达出来的需求一一往往已经被较充分地满足了。这种情况下，产品创新突破方向的寻找和机会挖掘的难度也日趋加大。

上述内外部的压力和挑战，使得对在产品研发过程中用户研究的要求也产生了对应提升一一一方面，对从研究到结果产出的速度要求越来越快；另一方面，对消费者需求下钻的深度要求越来越高。而这两个方面，对于传统研究模式来说，是有些矛盾的一一如果要深度下钻需求，就需要相应更长的研究周期；反之，如果要求敏捷化的结果，往往在研究深度上就会受到限制。在这种情况下，研究模式的转变也就顺理成章了。并且，科技能力的提升和互联网影响力的扩大，也为研究模式的转变提供了技术支撑。

当前研究模式的新趋势主要涉及三大方面，这三方面的变化源于产品研发相关研究，但在实际的应用中，已经扩大到更广泛的领域，如营销传播、运营转化等方面的研究。

1.1 指导思想：形成产研与实销一体化的高效互动变现模式

传统配合产品研发的研究模式，往往是用户调研在前端，产品设计团队需等到企业需求方明确方向之后再与其做沟通，开展产品创新的节奏相对靠后。在新的互动变现模式下，在研究初期需求方即

可邀请设计规划研发方介入，并贯穿调研过程之中，一边研究一边迭代创新思路，等研究完成时新的产品架构和方案也会一并形成，大大节约了时间，拉近了产研变现的距离的同时，也大幅提升了研究的针对性和产出内容的实用性（下图展现的就是传统模式和新模式下，调研的角色对比）。

图24·传统模式和新模式下调研的角色对比

传统模式下用户调研企业研究消化与产品设计团队沟通开展产品创新新模式下研发设计创新设计思路选代产品框架方案完成调研贯穿始终，对产品结果持续矫正（来源倍市得）在这方面，众言科技曾经与头部的商业地产公司合作，在投产新楼盘之前，对目标人群的户型、家具和家居偏好进行了一系列的研究。在研究启动之初，该公司不仅请自身的户型设计师，同时也邀请了与他们有长期合作关系的家具、家电和家装供应商共同参与了调研的过程，使得他们对于目标人群的需求形成更直观的了解。并且，随着调研的深入，各方设计师会根据被访者的反馈，及时形成配套的户型、家具、家电和家装设计，返回到目标人群中，获得规模化的反馈和针对性的下钻，从而使得设计的针对性和完善性不断提升。而等到系列调研结束的时候，一套相对成熟、完整的设计方案就已经形成了。

图25·高效互动变现模式下研究-设计-实施侧的联动模式

定性，入户走访定性/定量，现场拦截或事后追访用户忠诚挖掘家具、家电等品牌倾向与品牌特色认知样板间体验

设计概念测试特色井与客户方特色融含最大化体现供应商的品牌需求转变为设计概念设计概念整合、完善、形成完整的套间设计设计侧客户自身的户型设计师设计人员旁听，期间有新的家具家电等的供应商设计师想法可及时了解被访者反馈按照居住面积设计内部空间及相应的家具、家电、家装套餐细节完善实施侧搭建样板间付诸实施客户自身为主，结合供应离方案（来源倍市得）

1.2 研究内容：形成基于场景的人货场需求钻取

零售产品目前的发展方向存在“通用性”和“细分化”两种趋势。这两种趋势在同一品类上往往出现交叉重叠。一方面，消费者的一些主流需求，在多种产品上由“通用性”功能来满足；另一方面，这些主流需求在不同场景下侧重点有所差异，形成了产品细分品类上的差异。

以小家电产品为例，若寻求“榨汁”这项功能，包括豆浆机、破壁机、果汁机、原汁机、料理机等多类产品，都能够在不同程度上满足。但在不同场景下，对“榨汁”需求的不同侧重，给产品细分带来机会。比如，在休闲场景下，消费者更愿意享受果汁的纯正和细腻，此时原汁机的吸引力就可能会更高；而在营养早餐场景下，消费者则更关注多种营养品的融合，此时，能够同时处理多种食材的料理机就可能会更受欢迎了。基于此，目前针对产品的研究，会围绕场景做更多维度的需求钻取。这样做的好处是，能够通过推出不同细类产品，充分满足特定场景的需求。与此同时，场景的差异化还可以和细分人群的差异化进行对接，使得在面向不同群体时，能够更有针对性地进行不同产品或者产品组合的推广，落地性更强。

图26·基于场景的人货场内容钻取示意

细分人群+场景化，了解细分群体的典型应用场景了解他们在典型场景下的典需求、痛点和期待，成为产品创新的需求驱动产品细类+场景化，了解细类产品的差异化特色更好地布局互相助力的多元化产品矩阵，避免互相蚕食场景化场景与场景之间的需求对比，识别通用性需求在夯实品类产品的基础共性之后，再形成差异化（来源倍市得）

1.3 研究应用：形成基于互联网的敏捷化整合研究模式

产品迭代速度的提升，也要求对应的研究效率提高。而如果仍然采取传统的调研模式，这种效率的提高往往伴随的是研究人员加班时间延长，这显然不是一种可持续的效率提升方式。在互联网技术的加持下，能快速产出结果的敏捷化、整合式的研究应用就成为可能。与传统研究相比，这种研究应用模式主要有两大特征：

「倍市得调研对象社群化、私域化，让应答速度敏捷化目前，基于各类会员库、体验营（倍市得体验官俱乐部 CXClub）、达人群等“私域平台”的研究项目日趋增加。主要是因为私域平台的人员标签更清晰、更精准，应答更迅速、高效，获取答案后还可以下钻等优势。

图27·当前应用较多的调研社群举例

品牌会员平台体验营（倍市得 cxclub）达人平台还可以作为一种加强会员互动、强化会员-品牌由对品牌/产品感兴趣的体验官构成。除了研究基于一些生活分享类平台形成的意见领袖库。

联系的运营管理手段外，也是一种扩散、传播品牌/产品使用体验的在其中进行测试可以从产品的使用-传播形成平台“自闭环”，使检验效果更好反映真实情况（来源倍市得）以体验营为例，如能长期在此类平台上开展研究，不仅能够快速获取结果，还能够对体验营内用户的需求变化趋势有所了解，既避免了单次专项研究难以持续追踪的短板，也解决了一般的系统化长期监测只能使用短问卷、难以进行需求下钻的痛点。

图28·系统化社群研究的优势VS传统专项和常规系统化持续监测

体验营平台研究效率高扬长样本精准度高能够一次性获得更多有效数据/信息更快、更准、更超值均为本品用户，特别是能与用户行为关联回收周期长，持续追踪难避短避短问卷短，信息量不足每波次收集的样本都是不同的敏捷反应，持续追踪难以进行问题的充分下钻与了解（来源倍市得）定性定量整合化，让调研过程敏捷化在线规模化访谈平台，整合了在线访谈和实时问卷应答的定性+定量工具。可以通过1（主持人）VS100+（被访者）的方式快速回收信息，更可以针对特定被访者的答案进行持续下钻，兼顾了定量的全面性和定性的深度。互联网技术的赋能，使得从设计、实施到输出，全流程敏捷化、易用化。

图29·互联网技术赋能下，定性定量整合、全流程敏捷化的过程示意

设计端实施端轻松易行的访谈大纲+问卷设计主持人，被访者、观察者多元界面数据、信息的快速梳理、呈现1.专业化的访谈大纲设计1.一名主持人可同时与100+被访者开组，超值1.数据实时呈现，有利于即时下钻追问2.智能程序支持多种题型和索材展示高效2.大语音模型的引入，让访谈信息能够得到更3.实现开组过程中的灵活追问2.被访者面对主持人1VS.1，不受 KOL 影响结构化的梳理3.观察者可以灵活补充问题，实时观测结果（来源倍市得）

社群化调研平台+不同工具/平台组合应用，就形成了场景化的敏捷方案。以产研场景为例：在需求挖掘阶段，社群化平台结合定性定量整合化的研究模式，可以快速获取目标人群需求，并从中寻找产品创新的机会和方向。在产品研发阶段，可以结合各种针对产品概念、产品原型、产品包装等的研究模型，进行快速调研，获取产品研发过程中所需的各类测试数据。在产品上市阶段，可以通过针对产品体验、产品营销等主题进行研究，快速了解目标用户的反馈，为产品升级及相关营销活动提供依据。

图30·以产品研发全流程为例，围绕社群化研究平台的敏捷化、整合化调研应用

社群化研究平台+模型产品设计研发阶段上市准备阶段1.概念测试系列模型，快速评估服务、活动概念优劣2.广告系列测试模型，帮助提升上市传播成功率社群化研究平台+定性定量整合研究社群化研究平台+体验&营销问卷1.快速挖掘顾客需求，并通过实时问卷测1.对产品进行体验测试；对相关营销活试对需求的强度、价值感等进行测试。产品研发动进行效果评估2.从中定位出更具商业价值的需求和机2.快速定位问题、寻找改进方案

社群化研究平台+产品创新场景下的敏捷化解决方案（来源倍市得）

体验重要性提升及大语言模型赋能外部环境震荡，不可避免地对国内市场的经济增长产生压力。前文众言科技的最新调研结果也显示，消费者对于未来消费投入持谨慎态度。在这种情况下，好的消费/使用体验能为企业赢得更多客户资源，这已然成为共识。根据 Fortune 的研究数据，预计到2026 年，全球客户体验管理（CEM）市场规模将达到239.1 亿美元，预测期内的年均复合增长率为18.5%。中国市场，根据 IDC、QYResearch、TouchPoint 等机构的测算，2022 年国内 CEM 市场的规模已达118 亿元。由此可见，客户体验的重要性不仅在中国市场乃至在全球市场都达成了共识。

但与此同时，企业在获取真实的客户体验时，仍面临诸多痛点。比较突出的问题包括：

客户体验问卷本身也是对答题者的一种体验“打扰”，因此在体验反馈获取的过程中，就有出现应答率低、问卷长度受限等，导致体验问题发现不了等尴尬。

客户体验问卷在投放过程中，会受到各种各样的影响，例如发放人员的人情压力，或者答题者自己也不知道品牌方还有哪些可改进的。这些影响的结果，就有可能出现一方面消费者给自己消费的品牌打满分，另一方面却转身就购买了其他品牌的情况出现。而有时候，“哪里不满意”也不一定能够从消费者那里直接问出来一一他们也许并没觉得 A 品牌的体验有什么不好，就是觉得 B 品牌更好一些。

和研究者（调研咨询机构）们需要共同面对的挑战。而随着大语言模型的应用普及，使得对消费者体验“心声”的获取有了另外的、更“自然”的途径。大语言模型相较于传统的小语言模型，在对自然语言进行处理时，有着无需训练、上手即用的优势。

Chapter03 零售发展与研究新趋势

图31·大语言模型的优势VS传统小语言模型

传统小语言模型 NLP 建模大语言模型 NLP 建模√无需人工标注训练数据 X 需要大量人工标注数据训练模型 X 训练部署时间长√三步设置即可使用 X 维护大量关键词 V 通过 LLM 语义识别，无需关键词 X 话题调整需重新训练模型 V 话题可随时调整（来源倍市得）有了如此好用的工具，就能够对非结构化的自然语言数据进行分析。这些非结构化的消费者心声主要来自三大渠道：

a.私域问卷及客服渠道推荐/不推荐、为什么满意/不满意等、费力细节等答案。还可以将语音等数据转为文本形态后进行分析。

b.公域交易舆情数据主要来源于电商平台的商品评价，一般是文本信息。颗粒度可细分到国家、区域、门店、品牌、SKU 等。

C.公域社媒舆情度，但区域、门店、SKU 等颗粒度难以保证。

上述三大渠道的数据各有优势和局限，利用大语言模型可以将其汇集-识别-分析，最终转变为结构化的情感或话题趋势，使得分析结果具备更高的可实用性。特别是在大模型的赋能下，未经训练的单次分析、整体情感识别准确度即可达到90%左右的水平，这使得对自然语言的分析应用可以扩展到一次性的专项研究中，获取到的有效信息也远超几个词云图的呈现了。

图32·大语言模型在专项研究中的分析示意，以电商平台针对服装商品质量的点评为例

点评分类提及话题的情绪价值“商品质量相关子话题提及率-情绪指数矩阵图面料舒适度最受关注，正向评价也较多耐久性关注率高、但情绪指数偏低，应注意改进透气性能的正向评价多，但关注率不足，意味着价值感未充分体现好评者占比正面话题中性话题负面话题价值提升区透气性能·优势巩固区给予中评者的留言中负面话题率超过正面，意味做工精细·着中评本身已代表评价者有不满面料舒适度·合脚合身·中评者●尺码标准占比正面话题中性话题负面话题·接缝牢固●缝制工艺弹性伸缩性·差评者占比正面话题中性话题负面话题持续观察区耐久性·巫待改进区话题提及率（来源倍市得）当然，数字化 CEM 平台与大语言模型的结合，还能够通过多源数据的整合和对趋势性变化的观察呈现出更多的应用价值。

图33·CEM系统与大语言模型的结合示意：用户心声分析看板