抓住核心需求的發展趨勢
這一部分的分析目的有兩點：第一，需要分析這個目標用戶羣的需求會發生什麼樣的變化；第二，有哪些外部因素可能會導致這些需求發生變化。這一環節需要蒐集的信息主要是：
①行業內外，包括投資機構和消費者研究機構等對該領域發展趨勢的預測，可以將這些預測按照條目整理和歸類。
②社會整體的趨勢性報告，包括技術、經濟、生活、消費、文化等方面的內容，根據領域的具體內容來確定。
③領域內一些細分環節超常規增長或者衰退的情況。
你應該做的分析
①分析發展趨勢的成因，哪些因素導致這種趨勢的發展，這些因素是否能夠持續？例如，隨着人們收入水平的提高，媽媽們是否會考慮選擇更專業化的月子會所，來替代掉傳統的月嫂在家照顧月子的模式。
②根據社會整體的趨勢報告，分析哪些趨勢有可能會導致領域內需求發生改變。這些突變是否會導致各個分支的增長速度有差異？這些改變會讓哪些環節的核心資源減值，或者讓哪些資源增值。例如：隨着全面二胎的政策發佈，生第二胎的媽媽會越來越多，針對二胎媽媽，坐月子的需求是否會有什麼改變？
③預測需求的拐點是否會到來。用戶的某種需求是否得到了充分滿足，是否“反需求”已經產生。所謂“反需求”是指一種需求發展到極致後，用戶會產生一種對需求的逆反需要的情況，這體現出一種需求的螺旋形上升的情況。例如，隨着“綜合購物平臺”的發展，當這種需求已經得到了充分的滿足，“反需求”——要求一種專業的“垂直購物平臺”的需求開始有所發展。在月子期媽媽這個細分人羣中，所謂反需求有可能就是當坐月子的需求得到比較充分滿足的時候，新的健康觀念可能就會形成，從而徹底改變中國人坐月子的習慣。
大規模信息分析
有時候，在進行案頭分析的時候，你會獲得很多的數據，來自於各個論壇，博客，朋友圈，這些數據並沒有經過系統的整理，只是簡單地放在了一起，在論壇中，很多能夠反映用戶痛點的內容分散地存在於吐槽的帖子中，其中有些問題被一再地重複，沒有經過整理。
這時候問題並不是在於缺乏信息，而是在於信息太多了。你知道有用的信息就在這裏面，但是你卻沒有辦法從中把有用的信息提取出來。
在案頭研究階段，大規模的信息分析有時候是一個有利的武器，因爲當信息過多的時候，如果不通過計算機處理，那每個人只能看到信息中的一部分內容，沒辦法把所有的信息都彙總在一起，呈現出信息的全局。大規模信息分析能夠幫助需求研究者轉變視野，實現對案頭研究資料的鳥瞰，從更高的角度去理解案頭資料。我有一個師弟，當年的畢業論文是研究國家政策對創新的態度，他的其中一個研究方法就是蒐集了歷年國家政策文件，統計每一年文件中“創新”兩個字的出現次數，並通過圖表表現出這種頻次變化，從而展現出了一種新的觀察問題的維度。
你可能會覺得，大規模信息分析需要採用大數據分析技術。如果你有一個強大的技術合作團隊，的確可以使用一些大數據分析技術，但是在絕大多數情況下，需求洞察其實並不需要特別強大的技術能力。
如果一點技術能力也沒有，的確很難處理這些信息，但對計算機來說，這點信息並不算什麼，對人腦來說，除非你有一些簡化法則，否則這些信息足以讓你頭昏腦漲。爲了處理這些信息，你可能需要學一些簡單的腳本語言，掌握一些基本的分析方法。
學習腳本語言，例如Python，主要目的是爲了能夠幫助編寫一些爬蟲程序，通過網絡定向爬取一些信息，然後運用這些信息進行進一步的深入分析。你不需要有特別高深的理論和實踐水平，只要你知道一些基本的方法，網上其實有大量的教程和源代碼示例，你只需要拿來稍作修改，基本上就能滿足需求。
關於分析方法，如果你或者你的公司專門是從事爲企業提供基於數據分析的服務，爲了提高數據分析的價值，你可能需要用到很高深的人工智能、機器學習等等，可能需要掌握複雜的數學知識，但在研究用戶的痛點過程中，則沒有這麼苛刻，不需要你具備編制出類似於Google開發的阿爾法狗這種能夠與世界冠軍下圍棋的分析程序。數學基礎好的確對分析很有幫助，但是並不是絕對的。事實上在作者實際工作中，分析方法主要還是使用中學數學所講授的那些內容爲主，比如多維交叉分析、漏斗分析或者留存率分析，這些分析方法中學生就能理解。分析中有時候也會用一些大學時學的數學，不過用得比較少，基本上是一些數理統計方面的內容。
大規模數據分析的難點並不在於技術的實現，無論IT技術還是分析技術，這種分析方法的難點在於方案的構思：
首先，你需要建立一個信息分析的框架模型，根據模型幫助你洞察用戶需求。
其次，你需要知道爲了能夠運行這個信息分析模型，你需要找到哪些數據。
第三，你需要知道如何找到這些數據，並能夠按照要求整理好這些數據。
我曾經做過一個項目是評價各個App的市場需求，其核心就是想知道在某段時間內用戶對哪些App比較喜歡，哪些App會有爆發式需求的可能。
大家都會考慮採用應用市場的下載排名來進行分析，不過由於各個應用市場都有推廣及刷榜的影響，可信度都會打折扣。所以，我設計了一套簡單的模型，對各大應用市場的數據進行加權處理，降低刷榜的影響——萬一有哪個App在所有應用市場都刷榜呢，不過首先我覺得一般的App沒有這麼大的手筆，另外如果這個App真的這麼刷榜，的確說明這個App可能有爆發的潛質，用錢堆出來的爆發的潛質。
除了應用市場的數據加權，我還把App的名稱作爲關鍵詞，引入到友盟、微博指數、百度指數進行分析，體現App在媒體公關等軟推廣上的營銷推廣價值。
最後，爲了獲得以上數據，我請了一個朋友。他花了一天時間幫我開發了一個爬蟲程序，每週都能夠從各大平臺按照要求把我所需要的數據從平臺上爬取下來，並進行整理。這種自動化的方案讓整個項目的工作量成倍減少，從而使我有更多的精力聚焦在分析上，而不是聚焦在數據蒐集和整理上。
案頭研究勿迷信
案頭資料不能替代你自己直觀的理解和認識，一般來說，案頭研究只是用戶洞察的第一步，其主要作用是：
①迅速學習，瞭解現狀，初步建立自己對該需求的整體知識框架。
②明確下一步需要發現和探索的方向和要點。通過案頭研究，有可能會發現一些新的機會點，比如找到新的細分市場、獲得新的潛在需求，明確下一步的研究方向。
“紙上得來終覺淺，絕知此事要躬行。”案頭研究有價值，但也不能過於迷信案頭研究的作用。不能把案頭研究得出的結論當做最終結論，畢竟沒有經過真實用戶的檢驗。案頭研究的結論應該作爲下一步驗證痛點的基本假設。
完成案頭研究後，現在你已經掌握了一定的行業背景，用戶情況，並且有了一些初步的機會假設，這時候你一定迫不及待地想找到用戶，去進一步探索需求。不過你還要稍微有點耐心，因爲你還需要完成進入現場的準備工作。
明天開始更新第五章-找到用戶，做好準備。你準備好了麼