2016如何因应消费者非传统典型的趋势

　　美国总统大选就是目前一个最「非典型」趋势的案例。他不是靠传统的「让大家喜欢他」来赢得选票，他靠的是让大家「不喜欢希拉蕊」来取胜。不但跌破各专家眼镜，也让各民意调查与媒体大糗！

这种对号称[主流]体制或[主流]价值的反扑，也出现在消费市场。君不见大品牌不再是销售的保证，甚至为什麽「网红(网路红人)」素人拍摄的影片，收看人口可以超过许多电视频道。然而我们很清楚，企业广告主的预算是跟着观众眼球而移动的，这也造成媒体生态这几年的巨变。这一股对传统主流的反扑，说它撼动了产业结构一点也不为过。

　　另一个「非典型」的趋势，就是群众或消费者的意向愈来愈难掌握，政治环境和商业环境都是如此。「不愿真正表态」的受访者比例之高，已经超出传统分析方法可以控制的范围。传统的消费者行为调查与喜好性调查，用传统的单变量分析，已不能有效地进行消费者区隔，人口统计变数已不再有效！

民调或消费者调查不准的原因通常有三：
第一，是样本已偏离母体，例如年轻人已不用市话或不去大卖场，或者上班时间上班族本来就不会在卖场，因此样本的人口比例本身失真。
其次，是调查标的差距在抽样误差范围（±3.5%）内，这个通常可以结论是五五波，但仍要检查是否有系统性盲点。
第三、消费者不愿清楚表态，例如我说我注重健康，但选择比较好吃的而非比较健康的。

传统调查模式不管用，那要怎麽办？

　　由于消费者喜好一个产品与否且持续购买，不再只是简单地去哪买(通路)、简单的性价比(产品功能 & 价格)或引发冲动(促销)等传统4P的组合而已了，单线式的因果关係不易存在，甚至许多文化因素、价值观因素、同侪因素、时事因素、情境因素等都进入消费者决策系统中，显示许多与概念有关的[无形]因素进入消费者脑海中，当然目前已有专家认为所以要引入大数据分析，但是各家要的大数据分析并不相同，如何进入这个领域更是让一般製造业与服务业企业感觉遥不可及或门槛太高的认知。

因应这些现况，我们同样提出2个简单的建议，虽然他们目前不是原本的传统工具或所谓的典型作法：

　　我们第一个建议是在进入产品开发前先进行产品概念调查，可以利用照片/影片传递产品概念各个元素(包括上述的无形因素)透过网路来调查消费者对这些元素的反应，以收集/理解目标族群对各种无形因素的看法，以便确认预备投入的产品概念符合目标族群的各项价值观或隐性的认知，再用这样筛选出来的概念元素组合去设计产品雏型做为开发方向，事先了解目标族群的隐性反应，避免走研发的冤枉路。

另外一个建议发觉隐性因素的工具是多变量统计分析，所谓的多变量指的是不再以各个可控或可量测因素(统计中的X)去推论一个想要知道的结果(统计中的Y)，这是传统的单变量思维，而是将很多个因素(X)与很多个结果(Y)放在一起观察，利用空间组合的方式来看这些关係(如多变量分析中的PCA)，甚至用新的空间组合模组来进行结果预测(如多变量分析中的PLS)，这样可以观察出很多原本我们看不到的隐性因子。而且所大数据就是要进行分析，多变量统计分析就会是大数据分析最好用的工具，因为大数据的数据，你往往不知道那些是因素那些是结果，消费者买这个产品未必一定是结果，他要买给公益团体可能才是结果。

　　如果我们都开始认知原本的典型的确已变化，那我们就必须採取非典型的因应之道了，您同意吗？