消費產(chǎn)品很少保持在靜止狀態(tài),；它們會根據(jù)消費者的需求不斷變化。

以電動剃須刀為例,，大約在一個世紀前,，首批問世機型中的電動剃須刀Vibro-Shave進入了美國市場。這種以男女通用為營銷訴求的剃須刀有一個能夠?qū)⒌镀笥乙苿拥恼饎邮直?。同時,，使用者還可以將剃須刀的刀頭部分替換成按摩頭，來“撫平”皺紋,。

不用說,，剃須刀經(jīng)過這些年已經(jīng)改變。

那么，產(chǎn)品開發(fā)通常是如何發(fā)生的,？長久以來,，公司依賴市場調(diào)查來確定顧客如何使用公司的產(chǎn)品，以及顧客是否有潛在需求可以通過新功能或創(chuàng)新來得到滿足,。傳統(tǒng)上,，許多這類調(diào)查以訪問顧客或焦點小組的方式進行，顧客分享自己如何使用產(chǎn)品,，喜歡產(chǎn)品的哪些地方,，不喜歡哪些地方。然后公司把這些反饋集中起來,，確定顧客需求是否得到了滿足,，并根據(jù)這些反饋采取下一步的行動。

然而訪談和焦點小組不僅成本昂貴,，而且可能需要耗費大量的時間,，凱洛格學院的一位營銷學助理教授阿爾喬姆·季莫申科表示。他說：“讓新剃須刀比你的競爭對手早半年上市會讓你占有優(yōu)勢,?！?/p>

于是，阿爾喬姆·季莫申科和他在麻省理工學院斯隆管理學院的同事約翰·豪澤希望知道從現(xiàn)有的顧客反饋收集到類似的顧客需求洞見的可能性,，這些反饋包括來自亞馬遜網(wǎng)站上的評論或社交媒體上的數(shù)據(jù)等用戶生成內(nèi)容,。

他們提出了兩個具體問題：第一，專業(yè)市場研究分析人員能否從這些顧客評論中提煉出有用信息,？第二,，機器學習算法能否讓他們更有效地完成這項工作？

挖掘產(chǎn)品評論

針對第一個問題,，研究人員與一家名為Applied Marketing Science, Inc.（以下簡稱AMS）的公司合作,。這家公司在市場調(diào)查和顧客需求發(fā)掘方面擁有20多年的經(jīng)驗，最近剛為客戶進行過一項關(guān)于口腔護理產(chǎn)品的顧客需求訪談調(diào)查,。

季莫申科解釋說：“從公司和研究觀點來說都很方便,。”因為牙刷是相當標準的產(chǎn)品類別,，而且是有著眾多亞馬遜評論的商品,。此外，AMS公司對研究人員提出的問題感到很有興趣,，迫不及待地想要攜手合作,。

說到口腔護理產(chǎn)品，許多顧客報告的需求相當直截了當：產(chǎn)品需要保持牙齒潔白,，保持牙齦健康,，而且不會破壞以前的補牙或假牙,。但其他顧客則可能提到不容易預料的需求，例如想知道在進行口腔常規(guī)護理時各個部位需要的護理時間,。這可能會帶來產(chǎn)品創(chuàng)意,，例如在固定時間間隔發(fā)出提示音、或是幾分鐘后自動關(guān)機的牙刷,。

AMS公司進行的這些體驗訪談揭示出顧客對于口腔保健產(chǎn)品的86項不同需求,，這個數(shù)目對此產(chǎn)品類別而言很正常。分析這些顧客需求的目的在于找出隱藏的關(guān)鍵問題,，即非常重要但現(xiàn)有產(chǎn)品未能充分滿足的需求,。

為了確定營銷人員能否從用戶生成的網(wǎng)上評論中收集到與從訪談及焦點小組中收集到的相同顧客需求信息以及潛在的隱藏關(guān)鍵問題，研究人員從亞馬遜的網(wǎng)站上隨機選出了一些有關(guān)口腔護理產(chǎn)品的評論,，并將其提供給AMS公司的分析師,。這些分析師不是之前收集或分析顧客訪談的那些人，但接受過類似的培訓,。每一則評論均完整地呈現(xiàn)給分析師,，這些評論總計有12,000句，相當于分析師審閱20至25份標準體驗訪談內(nèi)容文本所需要的時間,。

在開始進行研究之前,，季莫申科和豪澤認為亞馬遜網(wǎng)站上的評論可能會比傳統(tǒng)的顧客訪談有更大的優(yōu)勢。例如,，它們或許能夠接觸到無法參加焦點小組的顧客群,。

季莫申科說：“可以想象，如果一家公司位于波士頓,，那么最有可能訪問到的是波士頓人,，而其他地區(qū)的人可能會有不同的產(chǎn)品體驗和使用模式,?！?/span>

另一個可能的優(yōu)勢是顧客往往在用過產(chǎn)品后立即上網(wǎng)寫評論，而焦點小組的參加者可能是在用過產(chǎn)品一,、兩個月后才接受訪問,，這時早已忘記他們使用體驗的關(guān)鍵部分。

不過,，研究人員也懷疑網(wǎng)上評論可能有一個重大缺點,。具體而言，“許多研究顯示網(wǎng)上評論傾向于極正面或極負面,，因此我們可能會遺漏掉一些通常以更加中性的語言表達出來的顧客需求,。

例如，“牙刷確實能夠清潔牙齒”這個事實是一項重要但不會讓人感到興奮的用途,，顧客或許在評論時根本不會提起,。這是一個大問題,，因為清楚地說出所有的顧客需求才能夠幫助產(chǎn)品管理團隊找出新產(chǎn)品的開發(fā)機會，即便有些顧客需求在事后看來平凡無奇,。

那么,，研究人員有哪些發(fā)現(xiàn)？首先,，在訪談和焦點小組中確定的顧客需求幾乎可以全部（97%）在亞馬遜網(wǎng)站上的評論中找到,。

“這立即證明，至少對于某些類別,，我們能夠完全不需要進行訪談和焦點小組,，而那些正是客戶需求市場調(diào)查中最耗時的部分?！奔灸昕普f道,。

第二個發(fā)現(xiàn)是亞馬遜網(wǎng)站上的評論包含了8項額外的顧客需求（接近總數(shù)量的10%），這些需求并未在訪談中提及,。這些需求和顧客在訪談中提到的需求在實質(zhì)上并無差異,，它們對顧客來說似乎同等重要，對未來的產(chǎn)品開發(fā)也很有用,。這表明,，分析用戶生成的評論可能對客戶需求提供了更深入詳盡的洞見。

季莫申科推斷,，如果以前進行了更多次訪談和焦點小組,，這些額外需求最后也會顯現(xiàn)出來?！叭欢黾右槐兜脑L談次數(shù),，在時間和金錢上都會比增加一倍的網(wǎng)上內(nèi)容審查昂貴的多?！?/span>

幫助人類的機器

接下來,，研究人員嘗試了解是否能夠用機器學習來提升人類分析師的效率。具體來說,，他們建立了一個算法對評論進行“預篩選”,，濾除那些幫助不大的評論，以便分析師能夠更有效地運用時間,。