高级统计方法在市场研究中的应用手册

null高级统计方法在市场研究中的应用手册高级统计方法在市场研究中的应用手册总目录- * -总目录因子分析（Factor analysis） 聚类分析（Cluster analysis） 对应分析（Correspondence analysis） 联合分析（Conjoint analysis） 多元回归分析（ Multiple Linear regressions analysis ） 逻辑回归分析（Logistic analysis） 判别分析（Discriminate analysis）目录- * -目录因子分析（Factor analysis） 因子分析的关键点 因子分析应用的领域和解决的典型问题 问卷设计形式 案例演示 聚类分析（Cluster analysis） 对应分析（Correspondence analysis） 联合分析（Conjoint analysis） 多元回归分析（ Multiple Linear regressions analysis ） 逻辑回归分析（Logistic analysis） 判别分析（Discriminate analysis）因子分析的关键点- * -因子分析的关键点因子分析是什么 因子分析是将多个实测变量转换为少数几个不相关的综合指标（因子）的多元统计方法因子分析能做什么 浓缩和提炼数据，以较少的几个因子反映原资料的大部分信息 寻求数据的基本结构，从原始数据中提取的几个因子分别从不同侧面反映某个事物 因子分析的关键点- * -因子分析的关键点因子分析在市场研究领域应用的意义 在市场研究中往往会选择多个变量来描述某个事物，如果直接对观测变量进行分析就会增加问题分析的复杂性，而且分析结果的经济意义往往也难以解释 利用因子分析方法从若干观测变量中提取几个因子，再对提取的因子做进一步的分析可以使结果更加清晰，也更易于解释应用领域和解决的典型问题- * -应用领域和解决的典型问题 因子分析在市场研究领域应用的越来越广泛。作为一种比较高级的统计分析技术，因子分析的结果不但可以直接揭示某些隐含的信息，还可以为其他很多分析提供支持 因子分析＋聚类分析 市场细分 通过对提取的因子做聚类分析将受访者分成不同的人群 考察不同人群在人口、社会、经济学等方面的特征，为客户提供细分市场潜在用户的全方位信息，为客户在目标市场大展鸿图指明方向 市场细分能够帮助客户寻找并描述自己的目标市场。由于目标市场与普通市场相比有更多的收益潜力，因此市场细分的研究意义重大应用领域和解决的典型问题- * -应用领域和解决的典型问题 因子分析＋回归分析 满意度研究 满意度研究需要设计变量数目众多、层次分明的满意度指标体系，为了使满意度研究问卷设计的合理、更科学，必须在满意度研究的预调查阶段对指标设置的合理性进行检验 进行因子分析可以发现哪些指标是可以从指标体系中剔除的，也可以考察指标的设置是否满足了设计初衷（即指标的分类是否合理） 根据因子分析的结果可以提取一些关键的指标进行竞争对手之间的比较，做到有的放矢 通过对提取的因子进行多元回归分析能够在调查之初发现满意度研究的哪个环节是需要关注的重点 应用领域和解决的典型问题- * -应用领域和解决的典型问题 因子分析＋知觉图 品牌研究 因子分析可以从研究品牌形象的诸多软性和硬性的特性中浓缩和提炼的出少数几个综合因素，使得品牌形象更加鲜明、独树一帜 因子分析的结果可以用定位图的方式呈现 在品牌形象研究方面，定性研究的方法应用的比较早也相对成熟，但是随着统计学的发展同时也为了适应市场研究领域不断提出的更新要求，定量研究的方法越来越多的应用在了品牌研究方面 应用领域和解决的典型问题- * -应用领域和解决的典型问题 因子分析＋相关性 忠诚度研究 因子分析可以从满意度研究的诸多因素中浓缩和提炼出几个互不相关的综合指标，它们反映了满意度研究不同侧面的内容，同时也涵盖了原有指标的大部分信息 把提取的因子和忠诚度的有关指标进行相关性的研究，我们可以发现那些有助于提高用户忠诚度的关键所在，从而使客户的工作更具有目标性 “继续使用、增加使用、推荐使用”是体现用户忠诚度的三个由低到高的层次，不同层次的忠诚 表 关于同志近三年现实表现材料材料类招标技术评分表图表与交易pdf视力表打印pdf用图表说话 pdf 现会给企业增加不同程度的收益，因此忠诚度研究日益成为客户关注的问题之一；从而发现究竟是哪些因素影响了用户对某种产品或服务的忠诚度，成了市场研究领域的又一个目标问卷设计形式- * -问卷设计形式因子分析要求变量为等距变量 影响购买某种药品的因素案例演示- * -案例演示阅读提示：所演示的案例以上页的问题为基础 通过因子分析可以把原始变量浓缩为5个因子因子1：广告和促销的影响 因子2：周围人和朋友的影响 因子3：疾病自身 因子4：医生的影响 因子5：报销手段的影响案例演示- * -案例演示通过因子分析还可以进行地区间的比较，如左图 从图中可以看出，广告和促销、医生及报销手段对上海人的影响明显高于对北京人的影响 相应的，周围人和朋友及疾病自身的情况对北京人的影响又明显高于对上海人的影响因子1：广告和促销的影响 因子2：周围人和朋友的影响 因子3：疾病自身 因子4：医生的影响 因子5：报销手段的影响目录- * -目录因子分析（Factor analysis） 聚类分析（Cluster analysis） 聚类分析的关键点 名词解释 聚类分析应用的领域和解决的典型问题 问卷设计形式及案例演示 对应分析（Correspondence analysis） 联合分析（Conjoint analysis） 多元回归分析（ Multiple Linear regressions analysis ） 逻辑回归分析（Logistic analysis） 判别分析（Discriminate analysis）聚类分析的关键点- * -聚类分析的关键点 无论是在自然科学领域还是市场研究领域，聚类分析的关键点通俗的讲就是“物以类聚”、“相似相融”。聚类分析能够把性质相似的属性或事物凝聚在一起，而与性质差异较大的属性或事物“保持距离”物以类聚相似相融名词解释- * -名词解释聚类分析是根据事物彼此不同的属性进行辨认，将具有相似性的事物聚为一类，使得同一类的事物具有高度的相似性，不同类的事物之间具有很大的差异性 聚类分析根据分类对象的不同分为：样本聚类和变量聚类 样本聚类：对Case进行聚类 变量聚类：对Variable进行聚类样本聚类变量聚类样本聚类的应用领域- * -样本聚类的应用领域样本聚类市场细分在市场研究领域，样本聚类分析主要应用的方面是帮助我们寻找目标消费群体，划分出产品的细分市场 通过样本聚类可以描述出各细分市场的人群特征，有针对性的对细分市场的购买者行为进行研究，以便于客户有针对性的对目标消费群体施加影响，合理地开展工作 可以帮助客户刻画市场空白点和机会点，从而选择产品试销市场，制定竞争策略样本聚类的应用领域- * -样本聚类的应用领域 根据不同需要划分同类产品案例 将威士忌酒进行分类的一种比较传统的方式是按照威士忌酒的产地划分。但是知道了酒的产地却并不能知道她的味道，同一产地的酒往往有不同的味道 聚类分析解决了这个问题，它将不同产地的威士忌酒按照不同的品味进行了分类：如果你是个品酒的新手，聚类分析的结果可以告诉你哪些酒的味道是相似的，如果你是威士忌酒的收藏者，聚类分析的结果可以帮助你扩大收集相同或不同味道的酒变量聚类- * -变量聚类 Q14 -----+-+ Q17 -----+ +---------+ Q16 -------+ +---+ Q18 ---------+-----+ I I Q19 ---------+ +-+ +---------------+ Q20 ---------------+ I I Q15 ---------------------+ I Q27 -----+-+ +----------- Q28 -----+ +-----------+ I Q26 -------+ +-----+ I Q24 -----------+-------+ I I Q25 -----------+ +-----------+ Q29 ---------+-----------+ I Q30 ---------+ +---+ Q22 ---------+---+ I Q23 ---------+ +-------+ Q21 -------------+变量聚类树形图 变量聚类与因子分析的不同之处在于：变量聚类中可以很清楚的看出某个变量与其他哪些变量的相似性比较大，与哪些变量凝聚成了一类变量聚类的应用领域- * -变量聚类的应用领域变量聚类满意度研究在满意度研究中，变量聚类可以帮助研究员划分基础指标的类别，明确每一个被考察的商业 流程 快递问题件怎么处理流程河南自建厂房流程下载关于规范招聘需求审批流程制作流程表下载邮件下载流程设计 是由哪些基础指标组成的 结合多元回归分析还可以判断所分的类别是否合理 通过变量聚类也可以在满意度研究的预调查阶段检验基础指标的设置是否合理，从而保障满意度研究整体的有效性和准确性变量聚类的应用领域- * -变量聚类的应用领域变量聚类竞争对手研究运用聚类分析对市场进行细分，可以了解各品牌在不同细分市场彼此之间的关系 如右图，10个品牌按照一定的原则被分组，从分组的情况中我们可以发现品牌之间关系的远近，它在一定程度上代表了品牌之间的竞争关系问卷设计形式- * -问卷设计形式参与聚类分析的变量必须是数值型变量，而且至少有一个 北京申办2008年奥运会民意测验　案例演示- * -案例演示阅读提示：所演示的案例以上页的问题为基础 首选应用因子分析从12个测试点中提取了几个因子，如经济意识、民族意识等 我们利用提取出的因子将市民用聚类分析的方法分离出两类人群，并进一步分别研究这两类人对申奥的态度两 类 人 的 特 点 绝对支持者男性比较多 平时非常关心体育新闻 经常参加体育活动 非常喜欢看奥运会比赛相对顾虑者女性比较多 平时不太关心体育新闻 不参加体育活动者较多 比较喜欢看奥运会比赛目录- * -目录因子分析（Factor analysis） 聚类分析（Cluster analysis） 对应分析（Correspondence analysis） 对应分析的关键点 对应分析应用的领域和解决的典型问题 对应分析的优势和不足 问卷设计形式及案例演示 联合分析（Conjoint analysis） 多元回归分析（ Multiple Linear regressions analysis ） 逻辑回归分析（Logistic analysis） 判别分析（Discriminate analysis）对应分析的关键点- * -对应分析的关键点Correspondence相当符合一致对应分析（Correspondence Analysis）是一种用来研究变量与变量之间联系紧密程度的研究技术 对应分析的结果通常以知觉图（Mapping图）的方式展示，生动而清晰 应用领域和解决的典型问题- * -应用领域和解决的典型问题品牌研究是对应分析应用的最为广泛的一个市场研究领域 对应分析将品牌和与品牌相关的若干属性和特征同时考察并在一张知觉图中同时体现，不但可以发现品牌之间在不同属性方面的差异，也可以明确竞争品牌的优劣势 可以帮助客户及时调整营销策略，从而使产品品牌在消费者中树立起正确的形象 品牌研究应用领域和解决的典型问题- * -应用领域和解决的典型问题对应分析能够帮助客户了解消费者对于其产品及同类产品在消费者心目中是如何定位的（产品定位包括产品形象、功能、特点等） 对应分析还可以帮助客户了解消费者对其产品的定位与预期定位是否有差距，有多大的差距 市场细分与定位研究应用领域和解决的典型问题- * -应用领域和解决的典型问题对应分析可以为客户提供不同细分市场的产品促销方式，帮助客户发现在细分市场最行之有效的产品推广 方案 气瓶 现场处置方案 .pdf气瓶 现场处置方案 .doc见习基地管理方案.doc关于群访事件的化解方案建筑工地扬尘治理专项方案下载 对应分析还可以进行跟踪研究，检验广告或市场推广活动的效果：通过对比广告或市场推广活动前后消费者对产品的不同认知图，帮助客户了解广告或市场推广活动是否成功的向消费者传达了需要传达的信息 产品促销与跟踪研究对应分析优势和不足- * -对应分析优势和不足优势对应分析技术 用图形化的方式表现出不同产品与各种特点或功能之间的关系 通过产品与特点或功能之间距离的远近来衡量消费者对不同产品的定位传统测试方法 通过交叉表简单的描述各种产品在一种特点或功能上的差异，却不能形象化地综合考察各种产品在不同特点或功能上的差异VS不足 对应分析只能通过分析知觉图上两点之间位置的远近来判断品牌、产品及属性之间的差异，这样的测试结果无法进行统计学的检验，也就是说知觉图上两点之间位置的“远离”或“靠近”只能是相对的判断，而不能从统计学的角度进行远近的绝对判断问卷设计形式- * -问卷设计形式对应分析对问题的题目设计要求比较宽松，任何两个能够采用频次进行交叉分析的变量都可以使用对应分析的方法案例演示- * -案例演示阅读提示：所演示的案例以上页的问题为基础品牌－功能位图目录- * -目录因子分析（Factor analysis） 聚类分析（Cluster analysis） 对应分析（Correspondence analysis） 联合分析（Conjoint analysis） 什么是联合分析 应用的领域和解决的典型问题 联合分析的优势 联合分析的调研步骤 问卷设计形式 多元回归分析（ Multiple Linear regressions analysis ） 逻辑回归分析（Logistic analysis） 判别分析（Discriminate analysis）什么是联合分析- * -什么是联合分析产品具有哪些特性最能赢得消费者的满意 要解决这类问题，传统的市场研究方法往往只能作定性研究，而难以作出定量的回答 联合分析（conjoint analysis）就是针对这些需要而产生的一种定量的市场分析方法 联合分析是根据产品具有的某些特征，对现实产品进行模拟，让消费者根据自己的喜好对这些虚拟产品进行 评价 LEC评价法下载LEC评价法下载评价量规免费下载学院评价表文档下载学院评价表文档下载 ，从而可以了解消费者对产品各特征的重视程度，并利用这些信息开发出具有竞争力的产品应用领域和解决的典型问题- * -应用领域和解决的典型问题这些虚拟产品并不是真正要投入生产的产品，联合分析可以再从这些虚拟产品中剥离出每个属性，通过对每个属性的不同水平的分析帮助客户发现最受消费者欢迎的新产品组合 通过联合分析还可以检验产品改进的效果：改进后的产品是否真的比改进前的好；顾客能否区分改进后的产品与改进前的产品之间的区别 新产品的开发联合分析可以根据产品需要考察的不同属性和属性的水平正交设计出一些虚拟产品，从而得到消费者端对于这些虚拟产品的喜好程度应用领域和解决的典型问题- * -应用领域和解决的典型问题发现现有产品的缺点 评价其他产品配方 发现产品对各个细分市场的吸引力 评价商业前景 获得营销 计划 项目进度计划表范例计划下载计划下载计划下载课程教学计划下载 其他元素的创意 产品测试和竞争分析产品测试的目的联合分析的效果如何使产品的属性特征最优化从而更吸引顾客 如何识别竞争产品的优势和弱势，来确定产品在目标市场中的位置 与竞争对手相比，产品在哪些特性上更加吸引顾客目前就产品属性而言，是否吸引顾客；是否在某些属性上还可以改进应用领域和解决的典型问题- * -应用领域和解决的典型问题联合分析的迷人之处在于她可以对产品的前景进行预测 联合分析不但可以模拟出目前市场上各种产品的份额，还可以模拟出新产品进入市场后各产品的份额变化情况， 判断出对新产品而言的竞争产品是哪些，而同类细分市场上的“龙头”产品又是哪些，新产品和它们的差距在哪里，如何改善产品的属性才能争取到更多的市场份额市场预测与决策联合分析的优势- * -联合分析的优势目标传统方法联合分析单个询问消费者 “价格”、“品牌”、“功能”有多重要，我们得到的回答通常是每一个因素都“非常重要”，从而难以判断，到底哪一个因素更重要通常直接询问消费者，得到的产品组合往往是“价格越低越好，性能越高越好”这种非现实可操作的结果在模拟真实购买的情况下，消费者的回答权衡了各个方面因素，从而避免了“质优价低”的超现实产品的出现将需要考察的属性特征分散在每一个虚拟的产品中，通过分析消费者对虚拟产品的喜好剥离出每一个属性在消费者端的重要性由所有被考察的产品属性组合而成的产品组合的数目往往非常大，选哪个不选哪个进行测试很难人为判断通过正交设计选中一小部分给受访者，即符合统计学意义又降低了研究费用，减少了受访者的混乱和疲劳联合分析的调研步骤- * -联合分析的调研步骤确定特征及其水平模拟组合产品的生成数据收集数据分析预测与建议联合分析首先要对产品或服务的特征进行识别，这些特征与特征水平必须是显著影响消费者购买的因素联合分析将产品的所有特征与特征水平通盘考虑，并采用正交设计的方法将这些特征与特征水平进行组合，生成一系列虚拟产品请受访者对虚拟产品进行评价，通过打分、排序等方法调查受访者对虚拟产品的喜好、购买的可能性等从收集的信息中分离出消费者对每一特征以及特征水平的偏好值，这些偏好值也就是该特征的“效用”利用效用值来预测消费者将如何在不同产品中进行选择，从而决定应该采取的措施问卷设计形式- * -问卷设计形式问卷卡片设计 联合分析调研的实施过程相对独立，因此她的问卷设计也与普通的问卷不一样：一般是一些含有需要测试产品属性及其水平的卡片，每一张卡片就是一个产品组合 这些卡片都是通过正交设计得到的卡片 # 1 价格：7-8万 品牌：东风 每驾驶多少公里需大修一次：低于20万公里 每百公里的耗油量：11-12升 载重量：2.5吨以上 保修公里数：3.5-5万公里 左面的卡片是一张平板轻型卡车的产品测试卡，包括价格、品牌、载重量等6个产品属性问卷设计形式- * -问卷设计形式问卷题目设计 Q1.下面是25种不同价格、品牌、大修公里数、油耗、载重和保修期的模拟平板轻型卡车组合，请为这些产品组合打分，最差组合为1分，最优组合为25分。请避免任何两种产品组合有相同的分数案例演示- * -案例演示从左图可以看出，品牌对购买决策的影响是最重要的 价格也是影响购买决策的一个重要因素 在六个影响因素中，保修期的重要性最低 阅读提示：所演示的案例以上页的问题为基础属性的相对重要程度目录- * -目录因子分析（Factor analysis） 聚类分析（Cluster analysis） 对应分析（Correspondence analysis） 联合分析（Conjoint analysis） 多元回归分析（Multiple Linear regressions analysis） 什么是回归分析 应用领域和解决的典型问题 问卷设计形式 案例演示 逻辑回归分析（Logistic analysis） 判别分析（Discriminate analysis）什么是回归分析- * -什么是回归分析在研究事物之间关联程度的时候我们发现有一些事物之间是完全的决定与被决定的关系，比如圆的面积和圆的半径之间的关系：S=ΠR2，这种关系被称为函数关系 现实世界中还有很多情况是两事物之间有着密切的联系，但它们的密切程度并没有到由一个完全确定另一个的程度。我们把这种变量间具有密切关系而又不能用函数关系精确表达的关系称为变量间的统计关系或相关关系（如左图销售额与广告支出） 回归分析就是统计学中专门研究这种关系的方法之一回归分析的分类- * -回归分析的分类按照自变量个数： 按照回归方程是否为线性： 按照回归方程变量的属性： 这部分内容主要介绍“多元回归分析”一元回归分析多元回归分析线性回归分析非线性回归分析普通回归分析虚拟变量回归分析应用领域和解决的典型问题- * -应用领域和解决的典型问题应用回归分析进行预测就是要借助回归分析可以体现自变量与因变量之间的因果关系，通过分析与预测对象有联系的现象的变动趋势，推算预测对象未来的数量状态 将回归分析与相关行业背景相结合建立的计量经济预测模型能够更有效的对客户关心的细分市场进行模拟和预测，用数理统计学和浓厚的专业知识共同为客户搭建前景蓝图预测应用领域和解决的典型问题- * -应用领域和解决的典型问题为了使我们的研究结果对客户的工作改进有更好的效果，满意度模型的设计充分考虑了客户的商业流程，因此回归分析在满意度研究方面的应用也就达到了以下几个目标：满意度研究 回归分析解决的问题 帮助客户达到的目标反映商业流程各个环节的相对重要性 每个环节的满意度提高一个单位，总体满意度怎样变化 能够为客户指出工作重点所在 帮助客户发现提高顾客满意度最有效的途径问卷设计形式- * -问卷设计形式经济预测 建立预测模型并进行市场预测是市场研究领域中一个相对独立的部分，因此预测模型没有一个固定的问卷设计模式 大量的历史数据的收集和丰富的相关专业知识的积累都是预测成功的有力保障 满意度研究 问卷的指标体系设置要求与相关行业的商业流程保持一致 为了进行回归分析，问卷中要有不同的问题分别针对满意度研究的每一个级别进行提问 具体形式见下页问卷设计形式- * -问卷设计形式请用1至10分打分，10分表示非常满意，1分表示非常不满意 案例演示- * -案例演示阅读提示：所演示的案例以上页的问题为基础回归方程：QA＝0.316×Q1＋0.429×Q2＋0.132×Q3＋0.138×Q4 从回归方程不难看出，销售服务和售前宣传对总体满意度的影响比较大目录- * -目录因子分析（Factor analysis） 聚类分析（Cluster analysis） 对应分析（Correspondence analysis） 联合分析（Conjoint analysis） 多元回归分析（Multiple Linear regressions analysis） 逻辑回归分析（Logistic analysis） 什么是Logistic回归 应用领域和解决的典型问题 问卷设计形式 判别分析（Discriminate analysis）什么是Logistic回归- * -什么是Logistic回归Logistic回归实质上也是多元回归分析的一种，用于研究某一个事件发生的概率与自变量之间关系的一种回归分析方法 Logistic回归的特别之处就在于她的因变量是一个“二分类”的，即因变量是（1，0）的形式1，0 是，否 购买，不购买 转网，不转网 ……自变量怎样的关系Logistic回归解决的问题应用领域和解决的典型问题- * -应用领域和解决的典型问题选取与消费者购买行为相关的因素作为自变量对消费者的购买意愿进行分析，Logistic回归分析可以告诉我们当相关因素变化时 消费者的购买意愿是否会有变化 变化的可能性又有多大 哪些方面是影响消费者购买决策的主要因素 在进行新产品推广的时候，Logistic回归还能够帮助客户分清主次，完善产品 产品哪些方面的改进最能够吸引消费者 产品哪些方面在消费者端的感受非常微弱购买行为研究应用领域和解决的典型问题- * -应用领域和解决的典型问题对于那些不满意的，决策意识漂移不定的消费者，怎样改善目前的产品状态或服务水平能够迎合他们的需要，从而争取到更多的满意顾客 Logistic回归可以告诉客户哪些途径的改善最有效果，能够最大可能的挽回消费者的心满意度研究问卷设计形式- * -问卷设计形式Logistic回归的因变量一定要是一个“二分类”的变量，因此在设计问卷的时候需要设计一个选项为（1，0）的题目 Logistic回归要求自变量是等距变量，但是变量的选项不宜过多，一般在5个以内 目录- * -目录因子分析（Factor analysis） 聚类分析（Cluster analysis） 对应分析（Correspondence analysis） 联合分析（Conjoint analysis） 多元回归分析（Multiple Linear regressions analysis） 逻辑回归分析（Logistic analysis） 判别分析（Discriminate analysis） 什么是判别分析 应用领域和解决的典型问题 问卷设计形式什么是判别分析- * -什么是判别分析所谓判别分析（discriminant analysis），就是在已知分类情况的条件下，利用一个判别标准将新样本划分到某个已知类中的统计技术 应用领域和解决的典型问题- * -应用领域和解决的典型问题 应用判别分析可以通过已经掌握的数据资料对不同消费行为的人群建立分类标准，以便对不同背景的潜在消费者进行归类，了解哪些背景的人群更有可能成为现实消费者 市场细分－寻找主导消费群问卷设计形式- * -问卷设计形式判别分析是用于分析因变量为分类变量、自变量为等距变量数据的一种统计分析模型，因此在设计问卷的时候应该有一个选项为分类变量的题目，如不同的购买行为等 在进行判别分析前也可以通过聚类分析将被访者进行细分，所以选项为分类变量的题目也不是一定设计在问卷中