移动互联网时代,消费者如何进行购物决策?

引言

移动互联网时代,随着智能手机等移动终端的普及,随时随地获取信息变得更加容易。这让我们习惯于获得足够的信息来指导行动,尤其是在购物的时候。Google对此做了一番研究,提出了新的消费者决策模型,以便更好的理解我们如何使用信息。Google把这个模型称之为:ZMOT,即零关键时刻模型(Zero Moment Of Truth model)。在本文中,灿辉将和大家一起来探索ZMOT背后的原理,然后利用这个模型来探讨搜索引擎如何帮助消费者进行购物决策。

先说说什么是MOT( Moment Of Truth 关键时刻)

一切源自9年前,2005年9月,宝洁(P&G)内部在研究一个问题:在消费者购物决策过程中,“决胜点”应该是何时?
宝洁发现有两个关键时刻:FMOT(First Moment of Truth)和SMOT(Second Moment Of Truth),如下图:


传统消费者决策过程
传统消费者决策过程

刺激(Stimulus)

刺激就是驱动消费者考虑进行购买的现象,包括不限于电视广告、海报、在线广告、促销活动等等。例如上图中的数码相机广告。

第一关键时刻(FMOT)


消费者在货架前,面对一大堆洗发水,脑子里决定买哪个的那37秒。这个关键的37秒,宝洁称之为:“First Moment of Truth”,简称为“FMOT”,灿辉暂译作“第一关键时刻”。例如这个故事中的球迷在数码相机展示柜前的时刻。

第二关键时刻(SMOT)

第二关键时刻(Second Moment Of Truth,SMOT)是用户体验的最后环节。一个品牌是成功地履行了它的承诺还是令人感到失望,这永远是最重要的一点。在第二关键时刻,如果消费者得到了愉快的购物体验,那么他也许会成为一个品牌的粉丝并关注他们的微博,他还可能会同朋友在线上或线下分享他的消费成果,甚至抽空写下评论,分享给他的朋友。

第零关键时刻(ZMOT)

到了移动互联网时代,有了新的变化。想想你的生活,是不是曾有类似的情景发生:

  • 正要去上班的白领,在地铁上用手机搜寻晚上与好友聚餐的餐厅
  • 妈妈用笔记本电脑搜寻晚餐食谱,顺便找找哪个市场的食材最便宜
  • 咖啡厅的学生,拿着笔记本电脑,激烈的讨论着各品牌数码相机的优缺点。
  • 带着狗的情侣坐在公园长椅上,用iPad寻找附近的宠物店

这些情景都有一个共同点:
消费者在尚未造访商品/服务之前,就已经开始尝试体验,寻找信息,做出决策。

这些行为就是ZMOT(Zero Moment Of Truth),从FMOT的“first”变成ZMOT的“zero”,从“第1”变成“第0”。FMOT注重最后陈列架上和其他竞品PK,而ZMOT更早一步,在搜寻的阶段就PK。宝洁认为重点在他们抵达陈列架的3~7秒,但Google认为,在消费者姗姗抵达的时候,其实早就已经作出决定了!

在ZMOT的过程中,上面故事将变成这样:


ZMOT消费者决策过程
ZMOT消费者决策过程

在第零关键时刻(ZMOT),搜索引擎可以做些什么呢?

明确产品定位:一站式整合信息,方便用户决策

据调查,自2010年以来,在购物之前消费者的咨询来源数量迅猛增长,仅在2011年就从5.3增长至10.4。这些来源包括电视广告、平面媒体、亲朋好友、微博、微信朋友圈、网站、博客评论等等。来源这么多,要是能在一个地方看到所有这些信息那该多方便。搜索引擎应该聚焦在ZMOT时刻,一站式整合决策所需信息,方便用户决策。


搜索引擎和ZMOT
搜索引擎和ZMOT

构建购物知识图谱,解决买什么的问题

有人说:Google最大的竞争对手是Amazon,灿辉深以为然,因为Amazon有着世界上最大最丰富的产品结构化数据库。搜索引擎需要在现有的基于关键字组织内容的基础上更进一步,要对互联网上的产品、品牌、专家评测、用户评论等内容进行深度结构化,基于实体而不是关键词组织内容,这将极大的方便用户找到想要的商品和服务。

打通线上线下,线上决策、线下消费

线上决策是因为线上可以提供给用户更多相关信息,让用户更好的决策。扫码比价就是一个非常典型的例子,货架前用户看到的跟商品相关的信息非常有限,买之前可以先扫码,看看线上的价格、附近其他商场的价格,然后再决定是否购买。目前大多数扫码功能只局限于比价,随着产品数据的积累,后续肯定还可以看到用户评论,专家评测,品牌介绍等内容。线上决策,线下消费,搜索引擎尤其是移动搜索引擎大有可为。

促进用户写评论、分享评论,积累用户兴趣数据,完成数据闭环

用户评论不再是类似豆瓣这样的UGC社区的专利,搜索引擎有了知识图谱的实体节点作为基础,应该鼓励用户参与实体节点的评论,并把评论分享给朋友。百度一直希望在电商领域建立交易闭环,灿辉有不同看法:对搜索引擎交易闭环不是关键,关键在于数据闭环,也即”搜集信息->做出决策->消费体验->评价反馈“整个消费决策过程始于搜索引擎,最终还可以在搜索引擎上结束。因为数据闭环可以帮助搜索引擎根据用户反馈的数据纠正错误,让下一次的搜索体验更好。

灿辉说搜索

灿辉说搜索
灿辉说搜索

搜索产品经理,极客一枚,只做搜索。请关注微博/微信公众号:@灿辉说搜索
发布和转载请保留上述作者信息并注明出处。

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 202,723评论 5 476
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 85,080评论 2 379
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 149,604评论 0 335
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,440评论 1 273
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,431评论 5 364
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,499评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,893评论 3 395
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,541评论 0 256
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,751评论 1 296
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,547评论 2 319
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,619评论 1 329
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,320评论 4 318
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,890评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,896评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,137评论 1 259
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 42,796评论 2 349
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,335评论 2 342

推荐阅读更多精彩内容