老中医从上上篇就“产品定义”的话题总算开了个头，这篇我们继续，老中医带大家撩一撩产品定义中测量和驾驭分歧的问题。如今已经不再是一个讲和谐的世界，全球都是一个鸟样。善于放口炮的川普，同样逗逼的伦敦市长，他们的市场显然比追求四平八稳的老牌政客更有潜力。说到这里不由得让我想起“求同存异”这个老词来了，不过今天老中医不想聊外交，也不想谈和谐，还是撩一撩市场研究这个本中医能够控制得了的话题。否则老中医的好不容易建立起的好公民积分又要被清零了。
这个话题同样与求同存异有关，既然需要存异，就意味着分歧的存在。在市场研究中，分歧程度是一个很容易被大家忽略的问题，但是如果善加利用，分歧本身就意味着机会。
首先，什么是分歧？
所谓分歧就是不同的人，对同一个客观事实认知的不同。比如大家都去听同一段郭德纲的相声，有的人会笑得肚子疼，有的人可能只会大眼瞪小眼，认为前者的HaHa point太低。为什么会有这样的差异？前者可能与郭德纲相声的文化匹配度更高，所有梗一听便懂，后者可能是周立波或者姜昆，听懂了也忍着；或者后者是一个生活在两广地区，只习惯于粤语幽默的人；再或者干脆他就是一个老外，连中文都听不懂。所以这里认知能力、价值取向以及审美偏好的差异，都会带来不同人对同一客观事实的不同反馈，也就是所谓分歧。
在汽车市场研究中，分歧同样是无处不在的。严格意义上，有几个人就应该有几种不同的反馈。只不过在研究过程中，我们为了分析方便，强制规定了反馈数据的格式，导致答案变成有限集而已。
分歧背后的含义以及分歧的价值
若要驾驭和利用分歧，还是需要首先了解分歧产生的原因。正如前面所说，不同用户在认知能力、价值取向以及审美偏好等方面都存在差异，因此他们看到同一个东西的反馈自然也会不同。这意味着分歧的产生是因为每个人心目中的价值尺度是不同的，每个人都有各自的评价事务的标准，即便大家看到的是完全相同的东西，但不同人给出的价值是不同的。
分歧意味着什么？意味着事物原本的客观状态或许并不重要，或者我们甚至不知道该如何描述这个客观状态才算准确。尤其是那些感性的部分，不可量化的部分，以及与价值认知有关的，甚至可以用钱去量化的部分。
比如产品的感知品质（PQ），总有一部分用户非常在乎这种价值，并且愿意为其支付高额费用。也有另一部分用户根本不懂得理解这部分内容，自然也不会为你费劲心思做出来的高品质去买单。记得前些年有很多版本的故事说山西煤老板开着卡宴或者宾利去拉煤，他们之所以买这些豪华车是因为钱多烧的，但他们如此暴殄天物是因为他们根本不懂得欣赏。所以一旦他们没钱了，或者他们的消费能力正常了，他们就会远离这些苛求细节品质的东西，更适合他们的也许正是丰田的兰德酷路泽。
既然分歧是由人的差异造成的，要理解分歧就必须首先细分人群，这也是市场细分的逻辑基础。所谓市场细分无非就是沿着能够产生分歧的那些条件，给人群做分类。之后再定义哪类人群是自己最为核心的目标用户。只不过在细分人群的过程中，由于可以应用的维度很多，不同人的洞察角度和操作方法有很大差异而已。当然细分方式的不同往往会导致市场机会捕捉能力的巨大差异。
而然即便进行了人群细分，也仅仅是从整体风格上消除了部分分歧，并不能在每个指标的认知上都可以消除大家的认知差异。举个栗子：90后可能共同喜欢造型张扬的轿跑概念，这是他们相对70后群体对造型风格的偏好差异。但是90后内部，对于汽车座椅使用硬一点的坐垫还是软一点的坐垫，就很难有共识了。
此外，要彻底理解上面这些东西，需要我们重新建立一套动态的价值体系：在这个体系中，没有所谓客观是什么，因为不同用户心目中的价值准则是动态的。因此所有判断的优劣都是相对于某个特定个体或特定群体才有价值的。这种相对价值体系是习惯了经典价值理论的国内分析人员最不适应的部分，因为我们已经习惯于接受那套价格随着价值而波动，不能长期偏离价值的理论。
分歧对应的价值是什么？
认知分歧的第一个价值就是你不会再试图满足所有人的需求了，而是要找准你的目标用户群。这是很浅显的道理，本公众号拒绝讨论傻问题，此处跳过。
第二个价值就是你可以依靠目标受众的认知特征，去优化成本结构，调整技术目标，用最少的成本，带给目标受众认为的最大的满足感。举一个栗子，几乎所有工程师都知道阿尔坎特拉是一种高档内饰面料。但当我们发现中低端市场对此并不感冒，甚至认为这个东西还不如二层皮的时候。你还会继续使用这种东西吗？使用就意味着费力不讨好，索性你还不如投其所好，给他们一个二层皮，多打一些透气孔呢。所以针对每类用户群，你需要构建一个认知和成本的对应矩阵，以此作出最恰当的选择，而不是工程师认为最好的选择。这就是相对价值体系构建的意义。
第三个价值，就要通过对分歧的测量，找到不同指标之间分歧水平的差别，然后利用这种差别优化产品开发目标：寻找最能激起更多人共鸣的指标加大投入力度。这部分稍后详表。
如何测量分歧
理解了分歧背后的原因，并且意识到分歧可能产生的价值，接下来一项重要的工作就是测量分歧。
在统计学上常常以方差或标准差表征分歧程度。同样，要在汽车市场研究中测量分歧程度，方差是一个最常应用的概念。比如我们让同样一组被访者给各个产品的不同指标进行打分，然后分别统计这些得分的方差，就可以得到每部车、每个指标的分歧水平了。这种做法最简单，却未必准确。首先打分的点太多了，人的思维会很疲惫，最终数据质量会下降。其次，不同被访者打分的坐标系未必相同，所以在统计方差之前最好有一个转化坐标系的工作。
顺便回答前一篇关于Car Clinic文章的问题，有人问我该如何优化调研，这里给大家一种新的问卷结构，用来大幅优化逐点打分法。这个问卷只要求被访者在一个大面上进行打分，然后其他的点只是选择他认为的优点和不足。这就相当于我们评价一个人颜值如何，我们可以给出一个总分，但我们很难针对鼻子、眼睛、眉毛单独去打分一样。但我们可以给出另外一个答案，就是这个人眼睛好看还是鼻子好看，以及哪里不好看。这才是正常人判断一个审美问题的正确思考逻辑。优化后的问卷示例如下：
在Car Clinic中，经过这样的修改，问卷数据的可重现率会被提升到95%以上（同一个人，两次回答同一份问卷，数据能够重现的比例），而之前逐点打分那种方式只有60%多。与此同时，问卷可容纳问题的点数可以增加50%以上，每个车的评价点可以上升到80~90个，问卷执行时间由60~70分钟（产品评价部分）缩短至45分钟。
当然，今天我要说的不是这个问题，而是在这种数据结构下，我们可以获得用户对指标分歧度的测量。因为同样一个产品点，总会有人认为好，也会有人认为不好。于是好与不好的差值就会构成分析。另外更为重要的是，在这个数据结构中还潜藏着关注度这个关键信息。因为无论这个点被用户认为是优点还是缺点，只要用户讨论了，就意味着他被用户关注到了，与此同时还有很多点由于表现平平，不没有被用户注意到，这就等于关注度很低。其实这种数据结构下，每个产品，每个案例各指标的关注度、分歧度和满意度都是不同的，这也完全符合感性认知指标的基本特征。
下图呈现了这种分析结果：横轴是样本总体中，每个点被用户提及的比例（关注度），纵轴是亮点比例与缺点比例的差值（满意度），每个点斜率的绝对值代表分歧度。这样所产品点都可以被准确地划分为四个区间。
如何驾驭分歧？哪些环节可以善用分歧？
驾驭分歧，把他应用到产品定义过程当中，第一个可以做的就是针对所有指标，对比目标用户群在这些指标上的关注度和分歧度水平。以此我们可以把所有指标在直角坐标系下平铺，如下图所示，图中纵坐标是分歧度的倒数，用来表征大家对同一问题看法的共识水平。该图的核心思想是，产品开发重点应当指向那些大家普遍有共识的，又非常看重的指标上，而不是去做众口难调的事情。
我曾用这个矩阵测量过很多产品，包括下面大家看到的速腾与轩逸的对比：
首先是轩逸，由于他们对消费者的审美拿捏比较到位，几乎所有的产品指标都在一四两个象限当中，他们没有浪费什么成本。
在工程师眼中，速腾绝对是A级车当中最好的一款，几乎所有技术细节都是同级别中成本最高的。但速腾仍有30%多的指标落在了第二象限，虽然速腾没有任何一个点在三四象限。这说明速腾在很多点上技术复杂度和成本上去了，但用户并不买账。
如果我们能够用这个图对产品的设计作出一些修正，也许大家都能更巧妙地使用成本。好了，不小心又写多了，还有很多话题，以后的文中慢慢分享。
关注So.Car官方公众号
掌握So.Car最新观点动向
