毫无疑问，这是个大数据的时代！
同样毫无疑问，每一种工具或方法都有它的局限，局限可能是方法本身的，也可能是人的，更可能是时代的。
在大数据的价值被充分认可的时代，很多人都在思考调研是否还有存在的意义。本文旨在通过工作实践中不断探索时的发现，讨论大数据时代小样本研究的意义。
以下所指小样本研究包括但是不限于各种传统的研究方式，不区分定性定量，比如样本量较大的问卷调研（样本量可以在300-10000+），也包括样本量较小的可用性测试（6-8人即可发现80%以上的问题），还包括样本量更小的专家访谈，用户访谈，入户家访等等。而大数据是指对海量的订单数据，浏览数据，用户数据的分析（至于样本量有多“海”就不用界定了）。
大数据分析的优势显而易见，处理的样本量更大，数据分析的效率更高，机器学习能给出的模型和算法更高级、更准确。这个时候还需要小样本研究吗？答案是肯定的，并且小样本研究这时候扮演的是“小奇兵”的角色。
01
抽样调查的意义毋容置疑，但大数据也做不到全量研究，小数据可以用科学合理的抽样来弥补缺陷。
互联网的时代，大家都在追求“快、大、全”。 但是偏偏大数据不可能获得每个用户的情况，去分析这个数据。也不可能知道他们在使用的过程中有没有遇到问题？那么怎么办呢？“抽样”此时就是有价值的。
之前有同行反馈，在分享结果或者讨论方案时，会有人提出：“我们的客户已经有几千万了，你这个调研就1000多人。能代表我们的用户吗？” 其实这完全不成问题，因为在科学的调研设计方案下，1000人已经是比较充足的样本量了。采用分层抽样和后期对样本数据进行加权，会让调研结果更具代表性：
-
假设平台的男女比例一致，总体样本为1000，那么男女各抽500
-
假设平台的国内用户和海外用户的占比是6:4，那么在国内频道下过单的抽取60%，在海外频道页面下过单的抽取40%
-
假设我们的市场份额在一二三四线的分别是4:3:2:1，那么我们分别在分属于一二三四线城市的15个城市抽取各100名用户，在统计样本数据时，可按照市场份额进行加权处理，但若只是看一二三四线城市之间的数据差别，则无需加权
互联网的调研投放中，通常没法做到完全随机抽样，采用分层抽样和加权处理，会令样本数据结果在推断总体时更准确。
02
大数据更多呈现的是现象，需要依赖专业分析人员透过现象看本质，这个过程不能脱离业务和产品完成。小数据是帮助数据分析师找到数据背后原因的利器。
分析数据通常有2个典型场景：没有问题时找规律；有问题时找原因。但是不管哪一个场景，单看数字是没有意义的。有了数据结果，还需要假设，验证，评估，给建议；或者是找到了原因，给落地的建议。因此，数据分析师一定是又了解业务，又会分析数据的高手，才能真正从数据里看出结论，不是在看数据说数据而已。那么，怎么样找到背后的原因？这时候，小数据就会显得很有用了。
任何研究和分析都离不开界定问题，形成假设。任何需求都要明确目前业务的问题是什么？大数据能告诉你，目前的状况怎么样？未来的趋势怎样？和去年同比如何？这几个大区的数据是否有差异？而小样本的访谈，定量的问卷调研，入户家访或者小规模的VIP客户的回访，则能告诉你这个地区的用户的产品使用的偏好是什么？销量下降的原因可能是因为产品出了什么问题？只有这2部分的数据结合在一起看，才能够更好更快地定位问题，确定解决方案。
通常来讲，AB实验的结果显著与否就代表了实验的成功与否，成就可以保留，败就打入冷宫。败了的真的是没有优化或者改进的希望吗？有没有人试图去了解这中间的问题是什么？有的时候失败的实验离成功可能只差一个小小的视觉细节，可能改下颜色，改下位置就可以。有的产品经理会觉得改个颜色也能实验显著很不可思议，颜色有很多种？体现品牌承诺的颜色（如携程蓝、橙）、提醒用户注意的颜色、告诉用户有温馨提示的绿色等等，这些都是有含义、与情感的颜色。这些细节既来自于设计师的专业素养和经验积累，也通常来自于我们对用户的关注和小样本数据给我们的启发。
03
海量数据的“大”，可以观察到“轨迹，路线或者趋势”，但是无法体现人的情感和内心。
数据层能展示很多信息，用户量，转化率，业绩，利润。有多少新用户，多少老用户，复购率是多少？但是数据背后的洞察仅仅基于数字是曲线是不够的，还需要更多人的行为背后的情绪、意愿和态度的信息。因为只有掌握了这些内容，才能在新产品开发、品牌传播、营销上提供更多的思路和创新。
以下这些内容，是捕捉用户内心想法的经常问的问题：
-
人们常常会问，新用户为什么选择了你？这次预订体验满意吗？旅行的途中他们除了疲惫，有充实或者幸福的感觉吗？他们是否在预订过程中遇到问题?出行中遇到需要售后服务时对我们客服的响应有意见吗？——动机、情绪、体验（访谈/VOC/投诉）
-
以后还会来吗？愿意推荐我们给朋友吗？——意愿、情绪（NPS）
-
他们下一次什么时候才会出行？希望我们什么时候给他推送比较好？准备去哪里？我想把他喜欢的内容推送给他可以吗？——习惯、意愿、期待、兴趣（访谈/调研）
-
如果他们不打算来了，为什么不再选择我们？去了哪个竞品？他在哪些方面比我强，产品/服务/品牌形象？——流失用户分析
综上，合理恰当地使用小样本研究的数据，和大数据分析结合起来使用，才能全面客观地掌握用户的情况，同时为产品落地提供参考和优化的依据。
1. 小数据有它的抽样优势，调研和小样本的访谈仍然是大数据分析时代里的不可忽视的手段。
2. 小数据应该成为大数据的补充，去探索大数据触及不到的领域。比如数据现状背后的趋势，原因，找到真正的规律，给出解决方案。
3. 除了通过数据来捕捉和描述用户的行为之外，用定性数据和用户案例都能更好地描绘用户的心理与情感，以便产品给出符合用户需求的优化方向。
本篇文章来源于微信公众号: TripDesign
