大家現在言必稱大資料，但拿出來展示的不過是一個個網站的單平臺資料。我的一個總體感覺就是，網際網路大資料，看上去很美，但實際上更像一個野蠻生長的江湖，一個個遙不可及的孤島。尼爾森眼中的大資料並不是單平臺上的一些瀏覽和使用者資料，而是要體現所有消費者在所有平臺上的全量資料。大資料的成功應用取決於幾個必要條件，第一要共享共贏，資料實現共享，才能發揮它的最大效益。第二，大資料的應用必須要有科學的建模。第三，必須要有豐富的消費者洞察的經驗和能力，才能做到把這些大資料為其所用。
基於尼爾森的跨平臺大資料，我們把整個中國的全部人口分成了28個細分人群。這當中我們發現有六類使用者會是在新能源車和智慧汽車上成為第一個吃螃蟹的人。他們雖然處在不同的生活階段，有的單身，有的成家，有的事業有成，收入層次也不一樣，但卻對新技術、新風格和新形象有著強烈的共性追求。這種特點，只有運用海量資料細分的和畫像才能發現。想知道他們在哪兒嗎，運用地理位置資料庫和人群匹配技術，不但可以發現他們集中在哪些城市，而且可以在地圖上進行定位。例如，要找中年以上的金領格調型和管理精英型嗎，來北京吧，這裡最多；而在廣州和成都，更為年輕的白領中堅與體面理性族的比例卻更高。
電動汽車市場的空白機會在哪裡？我覺得在當前銷量主力的A00和A0級車之外，補貼前零售價格15萬到20萬元的A級車，在B級轎車的25萬到30萬元的中高階市場，還有高階的50萬到60萬元的市場，還是有很大的空白的機會，未來的新品開發要充分關注一下這三個細分市場。在Uber，有一條不成文的“十倍法則”，你做的事要比別人好十倍；如果只比別人好一點兒，就不要浪費生命去做。在尼爾森，也有一個”突破性創新“法則，那就是符合“相關、持久和獨特”三個特性，只要在消費者眼中滿足這三個特性，一款新品就能在市場上脫穎而出。“相關”，就是要找到適合消費者購買力的價位和他們出行需求的車身形式；“持久”，就是能夠不斷地去迭代車身設計，快速迭代車上的智慧互動系統，常用常新；“獨特”，就是讓自己的設計有排他性、獨特性。
創新在產品發展的各個階段都有可能失敗。尼爾森在全球曾經幫助各個企業測試和評估了210,000個新開發的產品概念，而追蹤他們的上市表現，發現只有2%的產品獲得了長久的成功。我認為，成功的創新一定要從消費者的購買動機和他的用車場景出發。我們曾經為一款車載導航系統做過測試，通過電商網站流量資料的分析，發現消費者真正關心的是它的電子地圖精準度、實時路況更新和價格，而不是廠家自以為很棒的語音與行車記錄功能。
大資料能不能幫我們在設計上也做一些未來感的新車？用AlphaGo式的機器學習技術來做並不難。如果有9種外觀設計，13種儀表盤的設計，30種的座椅佈置加上前大燈，那就是10萬種以上的設計組合。親，你要找多少人，用多少雙眼睛才能從裡面挑出我們大家都喜歡的TOP3的造型？而運用大資料篩選和機器學習的方法，消費者在網路上就像玩電腦遊戲一樣，只需對不同設計元素的隨機組合一對一的點選選擇，可以讓在短短几個小時之內，把十幾萬種、幾十萬種的造型的可能性，篩選聚焦成就是三個最優概念。這種智慧設計優化器的軟體和方法，可不是科學幻想哦，尼爾森已經用它為幾百個品牌提供了新品設計，讓消費者不動聲色地告訴你什麼是他腦海中的“前衛”、“夢幻”與“極致”。
