從大數(shù)據(jù)到好猜想：關(guān)于大模型時代消費者的理解

大數(shù)據(jù) 大模型時代消費者理解

范凌的泛談 | 2025-08-05 23:40

【數(shù)據(jù)猿導(dǎo)讀】一位品牌客戶說：“我們想通過分析社交媒體數(shù)據(jù)，進(jìn)行新品研發(fā)、競品對比、銷售賣點提取。能不能爬取各個平臺的全量數(shù)據(jù)來分析？小紅書、抖音、微博、B站...越全越好。”

00. 一個常見的商業(yè)需求

一位品牌客戶說：“我們想通過分析社交媒體數(shù)據(jù)，進(jìn)行新品研發(fā)、競品對比、銷售賣點提取。能不能爬取各個平臺的全量數(shù)據(jù)來分析？小紅書、抖音、微博、B站...越全越好。”

確實，社交媒體是個數(shù)據(jù)寶藏。每天有數(shù)億用戶在上面分享他們的真實想法、使用體驗、購買決策。如果能把這些“全量數(shù)據(jù)”都抓取下來，進(jìn)行分析和歸因，似乎就能洞察一切。

但是，我想追問幾個問題：

爬取全量數(shù)據(jù)合法合規(guī)嗎？（大部分平臺明確禁止）
爬取全量數(shù)據(jù)要多少成本？（一個平臺就要數(shù)百萬）
爬取數(shù)據(jù)更新頻次是多少？（實時？每天？每周？）
如何清洗這些數(shù)據(jù)？（虛假內(nèi)容、水軍、廣告...）
最關(guān)鍵的：如何從噪音中提取信號，產(chǎn)生真正的商業(yè)洞察？（熱門≠真實，聲量≠影響力）

這個需求隱藏著一個追問：

我們追求正確的目標(biāo)的方法足夠正確嗎？

更讓人深思的是，就在這次會議的同一周，我了解到一個僅有40人的新消費品牌，沒有爬取任何“全量數(shù)據(jù)”，只是深度訪談了30個用戶，卻準(zhǔn)確預(yù)測了一個細(xì)分市場的爆發(fā)，半年內(nèi)做到了細(xì)分類目第一，區(qū)別在哪里？

01. 橙汁理論

用一個思想實驗來解釋這個悖論。想象兩個實驗室都在研究橙汁：

實驗室A

配備了最先進(jìn)的光譜儀和色譜儀。他們精確分析出：水分85.97%，蔗糖4.23%，果糖3.82%，葡萄糖1.95%，檸檬酸0.92%，維生素C 47.3mg/100ml...數(shù)據(jù)精確到小數(shù)點后兩位。

實驗室B

只有一個目標(biāo)：調(diào)配出讓你的味蕾產(chǎn)生“這就是鮮榨橙汁”反應(yīng)的飲料。他們不斷嘗試，不斷調(diào)整，直到10個品鑒師中有9個說：“這就是橙汁的味道。”

實驗室A得到“真實”（Real）——橙汁的客觀組成；

實驗室B得到“真相”（True）——橙汁的主觀體驗。

如果你是品牌方，想推出一款橙汁飲料，你會選擇哪個實驗室的方案？

“真實”告訴你邊界——什么是安全的、合法的、可行的。

“真相”告訴你方向——什么是用戶真正想要的、會為之買單的、能創(chuàng)造價值的。

在商業(yè)世界，我們經(jīng)常容易找到了“真實”，但不一定能找到“真相”。

我們知道用戶的每一個點擊（真實），卻不知道點擊背后的渴望（真相）；

我們測量了每一個轉(zhuǎn)化率（真實），卻不理解轉(zhuǎn)化背后的動機(jī)（真相）；

我們統(tǒng)計了每一個關(guān)鍵詞（真實），卻不明白詞語背后的情感（真相）。

02. 大數(shù)據(jù)的局限

回到開頭那個美妝品牌的故事。他們的數(shù)據(jù)分析無懈可擊：

“天然成分”提及量增長892%；

“敏感肌友好”互動率提升34%；

競品平均價格區(qū)間35-45美元；

目標(biāo)人群Instagram活躍時間晚8-10點。

基于這些“洞察”，他們推出了主打天然成分、敏感肌適用、定價39.99美元的產(chǎn)品線，并把營銷預(yù)算的70%投在了Instagram晚間時段。

但他們沒有理解的是：

當(dāng)25歲的Emma在說“我想要天然護(hù)膚品”時，她真正表達(dá)的是“我想要一個不那么復(fù)雜的生活”。她剛從大學(xué)畢業(yè)，面對職場壓力，懷念校園時代的簡單。“天然”對她來說，不是成分表上的植物提取物，而是一種“回歸簡單”的生活態(tài)度；

當(dāng)28歲的Jessica提到“敏感肌”時，她其實在說“我受夠了不斷試錯”。她的梳妝臺上有17瓶半用完的護(hù)膚品，每一瓶都代表著一次失望。“敏感肌友好”對她來說，不是低刺激配方，而是“這次不會再讓我失望”的承諾。

那個成功的新品牌做對了什么？

他們只深度訪談了30個用戶，每次2小時。創(chuàng)始人親自參與每一場訪談，不是問“你喜歡什么成分”，而是問“早上照鏡子時，你在想什么？”最后，他們的產(chǎn)品文案不是“98%天然成分”，而是“讓護(hù)膚回歸到只需要三步的簡單”。不是“敏感肌專用”，而是“我們測試了1000次，所以你不用再試錯”。

銷量差異的背后，是理解深度的差異，

是用“好數(shù)據(jù)”來實現(xiàn)對“大數(shù)據(jù)”的祛魅。

03. 歸納主義的困境

為什么真實的數(shù)據(jù)不一定代表真相？答案藏在一位英國量子物理學(xué)家的書里。大衛(wèi)·多伊奇在《無窮的開始》中講了一個發(fā)人深省的故事：

大數(shù)據(jù)_大模型時代_消費者理解-1

火雞每天早上9點被喂食。它們中的科學(xué)家收集了數(shù)據(jù)：

第1天：9點，食物出現(xiàn) ?

第2天：9點，食物出現(xiàn) ?

第3天：9點，食物出現(xiàn) ? ...

第364天：9點，食物出現(xiàn) ?

基于364個數(shù)據(jù)點，火雞的科學(xué)家得出結(jié)論：“每天9點必然有食物”。

它甚至可以計算出置信度：99.7%。

第365天是感恩節(jié)。

這就是歸納主義的致命缺陷：無論你有多少數(shù)據(jù)，都無法保證下一次會發(fā)生什么。

多伊奇指出，歸納主義錯誤有三個層次：

第一、邏輯層面：從特殊到一般的推理本身就是謬誤

想象你是Netflix的數(shù)據(jù)科學(xué)家：

觀察：用戶A看完《紙牌屋》后看了《絕命毒師》
觀察：用戶B看完《紙牌屋》后看了《絕命毒師》
觀察：用戶C、D、E...都是如此
結(jié)論：看完《紙牌屋》的人會看《絕命毒師》

但這個結(jié)論是怎么得出的？多伊奇提醒我們：在邏輯上，你永遠(yuǎn)無法從“所有觀察到的天鵝都是白的，推出所有天鵝都是白的”。因為你的觀察永遠(yuǎn)是有限的。

第二、實踐層面：相關(guān)性不等于因果性

即使相關(guān)性是真的，也不意味著你理解了原因：

數(shù)據(jù)顯示：冰淇淋銷量與溺水事故高度相關(guān)
歸納推理：冰淇淋導(dǎo)致溺水？
真實原因：夏天（你沒測量的變量）

在商業(yè)中，這種錯誤每天都在發(fā)生：

?使用深色界面的App用戶留存率更高 → 所以都改成深色模式？
?購買有機(jī)食品的人更長壽 → 所以賣有機(jī)食品能讓人長壽？
?周二的轉(zhuǎn)化率最高 → 所以把所有營銷預(yù)算投到周二？

第三、認(rèn)識論層面：知識不是從數(shù)據(jù)中“提取”出來的

這是多伊奇最深刻的洞察。他問了一個問題：如果知識來自歸納，那么第一個知識是從哪里來的？

答案揭示了一個驚人的真相：知識是被創(chuàng)造的，不是被發(fā)現(xiàn)的。

04. 科學(xué)進(jìn)步來自于猜想

多伊奇提出了一個革命性觀點：科學(xué)理論并不是“推演”而來的，它們就是一些猜想——大膽的推測。正如他所說：“發(fā)現(xiàn)一種新的解釋，本質(zhì)上是一種創(chuàng)造性的行為。要把天空中的光點解釋成白熱的、直徑數(shù)百萬千米的球體，必須先對這類球體有一個概念...這樣的想法不會自發(fā)產(chǎn)生，也無法根據(jù)任何事物機(jī)械推演而得：它們必須是猜出來的——隨后可以接受批評和檢驗。”

多伊奇用科學(xué)史上最偉大的發(fā)現(xiàn)來證明他的觀點：

愛因斯坦的相對論：不是因為他有更多實驗數(shù)據(jù)，而是他猜想：“如果光速是恒定的會怎樣？”這個猜想違反直覺，但解釋了所有已知現(xiàn)象，還預(yù)測了新現(xiàn)象。

達(dá)爾文的進(jìn)化論：不是因為他觀察了更多物種，而是他猜想：“如果生命通過自然選擇演化會怎樣？”這個猜想統(tǒng)一了生物學(xué)的所有觀察。

魏格納的板塊構(gòu)造理論：不是因為地質(zhì)學(xué)家收集了更多巖石樣本，而是魏格納猜想：“如果大陸在漂移會怎樣？”這個當(dāng)時被嘲笑的猜想，最終解釋了地震、火山、山脈的形成。

多伊奇認(rèn)為：

科學(xué)進(jìn)步的模式不是“觀察→歸納→理論”，

而是“問題→猜想→批判→更好的猜想”。

但是，不是所有猜想都有價值。多伊奇定義了“好猜想”的標(biāo)準(zhǔn)，我把它翻譯成商業(yè)語言：

1. 難以篡改（Hard to Vary）：

多伊奇用了一個精妙的例子，為什么科學(xué)理論比神話更好？古希臘神話解釋冬天：冥后珀耳塞福涅被劫持到冥界，大地女神得墨忒爾傷心，植物停止生長。科學(xué)解釋冬天：地球軸傾斜23.5度，導(dǎo)致不同季節(jié)接收太陽輻射量不同。

區(qū)別在哪？神話可以隨意修改（為什么是傷心不是憤怒？），但你不能隨意把23.5度改成30度——這個數(shù)字是被物理規(guī)律鎖定的。

商業(yè)中的應(yīng)用：

?壞猜想：“用戶不買是因為價格太高”——這個解釋太容易改了，價格低了還可以說“質(zhì)量感知不足”；
?好猜想：“千禧一代拒絕抗衰老產(chǎn)品是因為購買行為與自我認(rèn)知沖突”——這個解釋很難隨意修改，它指向特定的心理機(jī)制。

2. 可以檢驗（Testable）：

好的猜想必須冒著被證偽的風(fēng)險。如果一個理論怎么都是對的，那它什么都沒說。

商業(yè)中的應(yīng)用：

?壞猜想：“用戶想要更好的體驗”——怎么驗證？什么叫"更好"？
?好猜想：“職場女性購買護(hù)膚品是在購買‘掌控感’”——可以設(shè)計實驗驗證：強(qiáng)調(diào)“掌控”vs強(qiáng)調(diào)“呵護(hù)”的文案轉(zhuǎn)化率

3. 解釋深度（Explanatory Depth）：

多伊奇特別強(qiáng)調(diào)好的解釋不僅要說明“是什么”，更要解釋“為什么”。而且這個解釋應(yīng)該能統(tǒng)一看似無關(guān)的現(xiàn)象。

商業(yè)中的應(yīng)用：

?壞猜想：“用戶喜歡簡約設(shè)計”——只解釋了表象
?好猜想：“信息過載讓用戶將‘簡約’等同于‘可信賴’”——解釋了現(xiàn)象背后的心理機(jī)制，還能預(yù)測其他行為（比如為什么用戶也偏好精簡的產(chǎn)品線）

05. 大數(shù)據(jù)比好猜想易操作

如果好猜想這么重要，為什么大多數(shù)公司還是采用大數(shù)據(jù)的歸納主義呢？

首先，猜想需要勇氣，數(shù)據(jù)提供安全感：跟老板說“基于數(shù)據(jù)顯示...”永遠(yuǎn)比說“我的理論是...”更安全。即使失敗了，你也可以說“數(shù)據(jù)當(dāng)時確實是這樣”。

其次，猜想需要跨界的思維模型，理解“身份認(rèn)知沖突”需要心理學(xué)知識，理解“社會資本信號”需要社會學(xué)知識。但看懂“點擊率提升23%”只需要會看數(shù)據(jù)報表。

另外，猜想很難規(guī)?；?，數(shù)據(jù)可以自動化，一個優(yōu)秀的用戶研究員一年可能產(chǎn)生10個好猜想。一套數(shù)據(jù)系統(tǒng)一天可以產(chǎn)生10000個圖表。

在KPI驅(qū)動的組織里，你選哪個？最后，猜想的價值很難即時證明，“用戶購買奢侈品是在購買‘理想自我’”——這個洞察可能需要整個營銷戰(zhàn)役才能驗證。但最深層的原因是：我們沒有工具來增強(qiáng)猜想能力，所以我們用數(shù)據(jù)簡單歸納取代了猜想。

06. 大模型帶來的商業(yè)啟蒙

啟蒙運(yùn)動的核心是人類開始相信通過理性思考和科學(xué)方法，我們可以理解世界的運(yùn)作規(guī)律，而不僅僅依賴權(quán)威和傳統(tǒng)。在商業(yè)世界中，我們也可以從依賴數(shù)據(jù)權(quán)威轉(zhuǎn)向理性地理解用戶行為的深層機(jī)制。大語言模型，有機(jī)會讓“規(guī)?；牟孪?rdquo;成為可能，Atypica.AI就是我們的一個嘗試。

還記得橙汁的比喻嗎？傳統(tǒng)的社媒聆聽（Social Listening）就像采用“大數(shù)據(jù)”的方法分析橙汁的化學(xué)成分；而Atypica.AI采用了“大模型”的方法——它像是將橙汁提煉成濃縮粉，然后用語言模型作為“水”，重新還原成橙汁。

這杯“合成橙汁”雖然不是天然的（真實），但它努力模擬橙汁的完整體驗——不僅包括口感、色澤、營養(yǎng)特征（真相），更重要的是模擬了人們品嘗橙汁時的認(rèn)知過程和情感反應(yīng)。Atypica.AI通過構(gòu)建“真實人格智能體”（Real Person Agents），這些智能體保持一致的認(rèn)知模式、情感反應(yīng)和決策框架，能夠在85%的準(zhǔn)確率上模擬真實人類的行為決策。

為什么這種方法能夠產(chǎn)生好的猜想？當(dāng)Atypica.AI基于社媒數(shù)據(jù)或訪談?wù)Z料構(gòu)建消費者智能體時，它實際上是在回答一個核心問題：“什么樣的心理機(jī)制和認(rèn)知框架能夠產(chǎn)生這樣的表達(dá)和行為？”這不是歸納統(tǒng)計，而是解釋性理論的構(gòu)建過程——一種對人類決策機(jī)制的科學(xué)猜想。

傳統(tǒng)方法研究用戶就像研究橙汁的化學(xué)成分，即使掌握了所有標(biāo)簽，也難以完全重構(gòu)用戶的復(fù)雜性。而大模型方法通過“語言模型”來理解商業(yè)中的主觀因素，自動構(gòu)建人格畫像、進(jìn)行訪談、分析模式，揭示人類選擇背后的情感和認(rèn)知因素。這個過程的原理和效果可以參見《為什么AI可以模擬真實消費者》一文。

讓我們看看下面的案例：

案例一：一家食品公司想推出針對年輕白領(lǐng)的圣誕禮盒。

社媒數(shù)據(jù)顯示：

“精美包裝”提及率68%

“實用價值”關(guān)注度52%

“創(chuàng)意設(shè)計”互動率增長35%

Atypica.AI的發(fā)現(xiàn)：

有一群“創(chuàng)意禮物探索者”人格的消費者，他們不是在買禮物，而是在尋找“表達(dá)自己品味的載體”；

41%的用戶抱怨包裝過于復(fù)雜——不是因為難拆，而是“感覺像在炫技而不是送禮”；

關(guān)鍵洞察發(fā)現(xiàn)，迷你組合裝受歡迎，不是因為“嘗試多樣”，而是“降低送禮失敗的風(fēng)險”。

案例二：護(hù)膚品不是護(hù)膚品

某國際護(hù)膚品牌想了解為什么在中國市場表現(xiàn)不如預(yù)期。

社媒數(shù)據(jù)顯示：

價格偏高（提及3421次）

效果一般（提及2156次）

不適合亞洲膚質(zhì)（提及1832次）

Atypica.AI的發(fā)現(xiàn)：

中國消費者購買高端護(hù)膚品時，不是在購買產(chǎn)品，而是在購買一種“掌控感”；

“效果一般”的背后，是“看不到每天的微小進(jìn)步”的焦慮；

真正的競爭對手不是其他護(hù)膚品牌，而是醫(yī)美項目——“立竿見影”vs“日積月累”

基于這個洞察，品牌推出了“肌膚日記”APP，用AI技術(shù)追蹤每天的細(xì)微變化，銷量增長230%。

大模型之所以有機(jī)會解決歸納主義問題并形成好猜想，關(guān)鍵在于它有可能改變了認(rèn)知的基本方式。Atypica.AI不是在歸納數(shù)據(jù)模式，而是在科學(xué)的構(gòu)建用戶認(rèn)知的猜想。當(dāng)大模型基于“訪談”或“社媒數(shù)據(jù)”等語料構(gòu)建“消費者智能體”時，它實際上是在回答：“什么樣的機(jī)制能夠產(chǎn)生這樣的表達(dá)和行為？”這是解釋性理論的構(gòu)建過程，而非歸納推理。但是與科學(xué)探索不同，在原來的商業(yè)環(huán)境中往往需要在短時間內(nèi)得到結(jié)論，因此很難大規(guī)模進(jìn)行快速的創(chuàng)造性猜想。大模型建構(gòu)的消費者智能體恰好解決了這個問題：

多元思維模型：大模型可以同時調(diào)用多個思維模型框架（心理學(xué)、社會學(xué)、行為經(jīng)濟(jì)學(xué)等），生成關(guān)于用戶心理機(jī)制的多元假設(shè)，這相當(dāng)于擁有了一個跨學(xué)科的“猜想生成器”。
認(rèn)知一致性建模：大模型形成的消費者人設(shè)不是標(biāo)簽的簡單重組，而是通過智能體構(gòu)建一套具有內(nèi)在一致性的，并模擬人的認(rèn)知系統(tǒng)。
透明的驗證過程：多伊奇強(qiáng)調(diào)好解釋必須可檢驗。消費者智能體的獨特價值在于其思維過程是“透明”的——我們可以觀察它如何從價值觀推導(dǎo)出具體行為，驗證我們的心理機(jī)制理論是否成立。

大數(shù)據(jù)_大模型時代_消費者理解-2