用数据说话和用事实说话是两个不同的概念，用事实说话和用全部事实说话也是两码事。在实际市场洞察中，所有数据都是被人为定义的，基于某种标准量纲或统计标准的量化指标。因此数据的客观性仅仅体现在统计标准之上，而非事实之上，更不是事实的全部之上。所以，当我们要求市场分析人员用数据说话的时候，我们关注到的未必是市场本来的面目。如果决策者在不了解统计标准本身的基础上就盲目使用这些数据，洞察本身不仅不再可靠，基于洞察产生的行动也必然潜藏风险。但是，用数据说话又是我们多年来奉为真理的行动纲领，或者至少是某种政治正确。

举一个例子，在如今我们研究汽车产品创新问题的过程中，“场景”终于成为了大家行动的共识。但为了继续用数据说话，我们就必须对场景做各种量化。于是可能就有如下一种对场景的描述场景：我们调研了10,000个用户，其中8,500人有固定的上下班路线，并且工作日基本都要自驾上下班。在这8,500人当中，上下班半径超过20公里的有4,000人，他们当中60%会涉及高架路和开放式道路相结合的路段。对于上下班半径超过20公里的人而言，上下班平均单程通勤时间超过30分钟的有2,500人，超过60分钟的有1,000人。超过30分钟的人当中有900人每天在车上吃早餐，他们吃完早餐后有500人抱怨垃圾没地方放……

看上去这是一个事实清楚、数据完整、逻辑严密的量化场景描述。至少在大多数习惯于用数据说话的人眼中是这样的。但是，我们如何将这样的一个场景洞察（统计）应用到产品定义和开发当中呢？不急，我们还可以对比其他场景。比如还是上述10,000个研究样本当中，有1,500人周末经常和全家人一起开车去周边景区。显然，上下班场景的覆盖度85%，使用频率每周5次左右。周末自驾游场景的覆盖度15%，使用频率每个月1次左右……从指标上这个结论很确定，但这又说明什么？我们不能把一款车的资源分配按照这个频率简单对应吧？再如，还是上述10,000个研究样本中，有2人出过严重车祸，经历过气囊弹出的状况。那么这万分之二的覆盖度又是什么含义呢？

显然，单纯依靠覆盖度和使用频率这样的指标不足以描述场景，更加不足以指导车辆开发的资源分配问题。于是就有人想到了增加维度的解决方案。比如我们可以询问用户对所有罗列出场景的关注度，或者这些使用场景对于用户买车决策的影响程度等等指标。当然，在市场调研的操作中，确实可以这样实施，也必然会有一组可以返回到统计报表当中的数据，而且这些数据是非常结构化的，如果展示出来也肯定可以符合大部分人眼中“事实清楚、数据完整和逻辑严密”这种评价标准的。但你真的认为这就是事实吗？这能应用在市场预测或者产品定义需要符合的用户生活方式、用车方式和选车标准预测当中吗？

在变革周期，当整体性的参照系消失，或者至少是变得模糊，用户的认知标准和认知能力也都在快速变化的时候，前面我们举例的那种经典的，带有浓厚刻板色彩的市场认知逻辑就必须改变。那么什么样的认知逻辑更有可能帮助我们对市场做出更加深刻的洞察呢？矛盾论才是我们在动态的、快速迭代的市场中找到出路的最佳答案。

还是关于场景库的案例，我们要比较的并不是每个场景的绝对量化关系，场景库背后是人们生活方式和用车方式的变化。因此我们要寻找的是每个场景自身的演化方向、可能出现的新场景以及在各种场景上用户需要面对的各种问题。场景之间简单的频次对比或者重要性对比并没有实质意义，有意义的是不同场景下用户意图的相似性和差异性，用户使用当前可以找到的解决方案（现有产品）面临的主要矛盾以及矛盾的主要方面。如果叠加对未来生活方式、用车方式的变化，用户使用现有解决方案面临的主要矛盾以及矛盾的主要方面……在上述洞察当中，我们要关注的是问题本身，而不是对问题的量化抽象，更加不是对量化抽象的简单量化统计对比。

用矛盾论的视角看问题，我们需要的就不再是把事实和结论隔离开的，静态的“形而上”。因为只有当我们把全部，至少是主要精力放在问题本身，我们才能设身处地地理解矛盾，定义主要矛盾和矛盾的主要方面。进而才能更加准确地寻找解决矛盾的答案。

返回第一电动网首页 >