跳到正文
9月24日周四
  1. Behavioural Insights Team68

    哈萨克斯坦行为洞察试点:低成本店内助推使国产奶酪销量提升20%,揭示可见性而非偏好是购买障碍

    在哈萨克斯坦首都阿斯塔纳的超市中,通过货架贴纸、横幅、分隔板和音频提示等低成本店内助推手段,国产奶酪的购买量相比对照组提升了约20%。这一由新成立的行为洞察单位在国家分析中心(NAC)与BIT支持下开展的试点表明,消费者并非不喜欢本地产品,而是在购买时无法识别其产地;解决“可见性”问题比改变“偏好”更能有效促进本土消费。 研究初期,焦点小组认为质量和价格是主要障碍,但盲测显示本地奶酪在口味和质量上与邻国产品相当,且近800人的调查显示对“哈萨克斯坦制造”持负面态度的比例不足2%。关键发现是仅约32%的消费者知道所购奶酪的原产地。因此,干预重点从纠正认知偏差转向提高信息透明度。团队在Magnum连锁超市的四家实验店部署了上述视觉和听觉助推器,并与四家对照店进行了为期四周的比较。尽管采用非随机分配准实验设计,但在控制前期销量、客流量和货架空间后,结果具有统计显著性。 除销售数据外,针对360名购物者的店内调查提供了补充证据:注意到助推措施的消费者表示,购买本地奶酪的主要动机是支持国内生产者,说明干预不仅提高了识别度,还激发了情感共鸣。哈萨克斯坦政府已开始将该方案推广至其他地区。这一案例展示了行为科学如何将假设转化为可行动的政策证据,并证明了新建立的行为科学单位在一年内即可独立完成从概念到实证评估的全过程。 该试点还体现了能力建设的价值。BIT通过TESTS方法论(目标、探索、解决方案、试验、扩展)指导NAC团队在实际项目中学习,而非抽象培训。这种“做中学”模式帮助团队克服了不确定性,最终不仅实现了单一产品的销量增长,还为后续大规模培训和政策制定奠定了基础。对于体验从业者而言,这提示我们在面对用户声称的“偏好”障碍时,应深入探究情境中的信息获取难度,有时简单的可见性优化比复杂的态度改变更有效。

    推荐理由:盲测与调查揭示购买障碍在于识别而非偏好,低成本助推措施在提升国产商品销量上取得了显著的实证效果。

9月23日周三
  1. Maze58

    Maze发布市场研究趋势报告:角色融合加速但AI治理滞后

    Maze发布《State of Market Research Report》,指出市场研究与用户研究界限日益模糊,研究人员过去两年平均承担了4.5项额外职责。数据显示70%的受访者面临研究需求增长,但仅27%获得预算或人员支持;84%认为AI提升了产能,但只有17%实现了全流程整合且具备明确所有权。报告提出“学习系统”概念,强调在问题定义初期介入以扩大战略影响力。

9月10日周四
8月19日周三
  1. Forsta62

    Forsta发布2026年研究:消费者拥抱AI但缺乏对品牌使用的信任

    Forsta最新研究显示,尽管58%的消费者因AI推荐购物,但仅22%信任零售商负责任地使用AI。报告指出,消费者对AI的个人接受度远高于对品牌部署AI的信任,主要担忧在于数据隐私、决策透明度及问责机制。研究强调,建立AI信任需满足透明性、价值交换和控制权三个条件,且不同代际(如Z世代与婴儿潮一代)在数据分享意愿和AI依赖度上存在显著差异。

    推荐理由:Forsta多项调研数据揭示了消费者个人使用AI的便利性与对品牌使用AI的信任赤字之间的具体差距及成因。

7月23日周四
  1. Designit45

    Designit 调研显示 2030 世界杯球迷体验需超越赛场

    Designit 最新调研指出,2030 年 FIFA 世界杯提升现场球迷体验的最大机会在于打造个性化、包容且互联的场外旅程。40% 受访者认为个性化体验是关键,仅 13% 看重沉浸式赛场体验。专家强调应关注赛前赛后及交通等“灰色地带”,通过整合数字与实体服务建立连贯体验以赢得球迷忠诚。

7月17日周五
5月8日周五
  1. 益普索中国 Ipsos China65

    益普索发布2025中国品牌全球信任指数:发达市场净信任度首转正值

    益普索发布《2025中国品牌全球信任指数(GTI)》,显示中国品牌在发达市场的净信任度六年来首次摆脱负值区间,达到32%的全球净信任度。报告指出中国十年来首次被视为比美国更具积极影响的力量,且名创优品、比亚迪等品牌因知名度提升排名跃升。研究发现海外消费者对品牌的信任评价标准趋于全面,新增“沟通诚实开放”等因素,而体育赛事赞助和电商推广相比明星代言具有更高的信任安全度。

    推荐理由:益普索覆盖20个市场、1.6万样本的调查显示,中国品牌在发达市场的净信任度首次转正,信任驱动因素也在变化,可为出海策略提供数据参考。

4月30日周四
  1. The Decision Lab65

    合成焦点小组:AI模拟消费者的适用边界与伦理风险

    AI合成的焦点小组(SFG)并非真实消费者研究的替代品,而是作为前期概念压力测试和大规模变量筛选的辅助工具。尽管斯坦福大学与Google DeepMind的研究显示,经过深度访谈训练的AI代理在回答关于自身的问题时与真人的一致性约为85%,但这种高准确率依赖于对每位受试者进行两小时的一对一访谈,这意味着构建可靠合成样本的成本并未显著降低,且存在系统性偏差风险。 SFG的核心局限在于其无法捕捉个体独特的生活经验和非理性偏好。例如,《泰晤士报》播客发现,AI模拟听众倾向于建议增加AI功能,而真实听众则对此持怀疑态度;AI也无法理解如“产品名称让人联想到某部喜爱电影”这类源于个人记忆的隐性关联。此外,合成用户往往通过泛化模型知识填补数据空白,这可能导致刻板印象的固化而非真正的多样性包容。一项针对印度用户的研究表明,AI辅助写作倾向于使用西方化的通用描述(如“丰富的香料”),而人类写作则能保留具体的感官细节(如“豆蔻的气味”),这种差异揭示了合成数据在文化细微差别上的缺失。 伦理层面,SFG涉及隐私授权困境。若企业建立可租赁的合成主体库,原始受访者实际上是在无限期地向陌生人许可其心理画像,而现有数据保护框架尚未涵盖此类用途。同时,全球市场研究人员可能反复测试同一批有限的合成人群,导致研究视角的同质化。 从业者应将SFG定位为“高级草稿工具”,用于在投入昂贵资源前快速排除明显缺陷或处理海量选项(如包装变体评估)。然而,Merton提出的焦点小组核心价值——即群体互动产生的生成性洞察——是AI无法复制的。合成主体可以协助准备问题,但不能代替人与人的对话。因此,最佳实践是将SFG置于真实研究之前,利用其低成本和高吞吐量特性优化问卷设计,随后仍需通过传统焦点小组获取那些源于真实生活、不可简化的深层洞察。

    推荐理由:结合斯坦福研究与实际案例,剖析了AI模拟消费者在成本优势背后的系统性偏差与伦理风险,明确了其作为辅助工具而非替代方案的适用边界。

6月26日周四