下载

1下载券

加入VIP
  • 专属下载特权
  • 现金文档折扣购买
  • VIP免费专区
  • 千万文档免费下载

上传资料

关闭

关闭

关闭

封号提示

内容

首页 市场研究中的多元统计分析方法

市场研究中的多元统计分析方法.ppt

市场研究中的多元统计分析方法

商者01
2010-02-19 0人阅读 举报 0 0 暂无简介

简介:本文档为《市场研究中的多元统计分析方法ppt》,可适用于市场营销领域

市场研究中的多元统计分析方法MultivariateAnalysisanintroduction上海市中消研市场研究有限公司数据统计部制作讨论议题讨论议题我们的研究工作是什么什么是多元统计分析(MVA)为什么我们需要它通常的分析技术MVA详细介绍及例子:相关分析(Correspondenceanalysis)回归多元回归分析(RegressionMultipleregression因子分析(Factoranalysis)聚类分析(Clusteranalysissegmentation)结论市场研究的工作是什么市场研究的工作是什么它只是?:问卷设计运作质量的控制制作图表撰写报告我们的工作是提供解决方案是解决市场问题是为我们的客户挣更多的money当我们进行分析时当我们进行分析时有简单性的一面例如:基本的分析(变量关联表)另外也有复杂性的一面大量附加的分析运用许多的分析技术然而我们需要看到“复杂性问题背后的简单表述”使复杂问题简单化为了达到这一目的你不得不研究复杂问题然后去提炼出使人容易明白的信息什么是多元统计分析什么是多元统计分析单一问题分析(univariateanalysis)例如频率分布通常作为数据的第一步的描述分析关联表(bivariateanalysis)总是作为主要的分析手段而被市场研究者反复使用把一个问题或变量与另一个关联交叉作表(例如对受访者背景变量:性别、年龄等)如果同时分析的变量超过二个就被称为多元统计分析为什么要做这种“附加值”的分析为什么要做这种“附加值”的分析我们不做MVA分析是因为…它使我们看起来很好我们喜欢它我们已经聘请了统计师、购买了统计软件而且得到公司财务部门的批准…我们不做MVA分析是因为…它会使数据对客户更有指导作用它能使你得到单变量分析无法达到的结果因此它可以使你更好的利用信息赚取更多的钞票我们通常使用的多元分析技术…我们通常使用的多元分析技术…相关性分析(BrandMapping)主成分分析因子分析多元回归聚类分析市场细分联合性分析平衡(Tradeoff)分析判别分析etcetcetc多元统计分析技术多元统计分析技术一个研究者可能不了解所有的分析技术细节但是他们应该能够正确地选择适当的方法使用多元技术你不必知道详细的数学公式但是你应当明白它的原理多元分析并不是魔术棒不需要我们开动脑筋就能解决问题它不会轻易告诉你答案如果问卷设计的很差多元分析就很难发挥作用相关性分析CorrespondenceAnalysis相关性分析CorrespondenceAnalysis结构结构什么是相关性分析?尝试通过练习了解它输入的类型设计录入的格式执行分析解释和表述分析的结果什么是相关性分析什么是相关性分析经常也称作BrandMapping或CORANMappingBrandMapping=CorrespondenceAnalysis(usually)相关性分析图一种非常有用的市场研究工具可以表述一个市场的侧面(市场细分品牌定位等)可以在维空间内同时表达多维的属性可以更好的理解品牌和属性之间的关系帮助客户市场决策者为实施市场战略而去发现市场的空隙和优化产品的定位(对于新品牌或新产品的开发延伸)发现市场上决定性的或显著的属性例如对于选择不同品牌的重要和有显著区别的属性什么是BrandMapping什么是BrandMappingWanLiMagicCleanMrMuscleLookBlueMoonGoldFishGFLWhiteCatClorox一个例子原始数据一个例子原始数据以下这张表显示不同家庭宠物的颜色可能制作的分析图可能制作的分析图可能制作的分析图可能制作的分析图现在我们用颜色和动物名称两个变量来做维的图表现在我们用颜色和动物名称两个变量来做维的图表努力来显示那些动物在颜色方面最相似那些区别最大?那些颜色更倾向那类动物那些动物和那些颜色有更强的相关性那些相关性很弱BROWNBLACKWHITEMIXEDBROWNBLACKWHITEMIXEDBROWNBLACKWHITEMIXED为了建立这种立体的图表你不得不为了建立这种立体的图表你不得不把那些与较多动物相关联的颜色放置在图的中央位置把那些与较多动物相关联的颜色放置在图的边缘位置如果一种颜色同时与超过二种以上的动物强相关这些动物将会在图中更接近非常简单这就是相关性分析所做的事非常简单这就是相关性分析所做的事以下这张表就是依据原始数据生成的以下这张表就是依据原始数据生成的以下这张表就是依据原始数据生成的以下这张表就是依据原始数据生成的相关性分析输入数据的类性相关性分析输入数据的类性百分比或原始数据都可以品牌的相关联的格子(通常形式)任何具有缺省存在的分数类型切记得分数是以样本的总数而不是以单个样本为基础的设计输入类型设计输入类型只研究数据并想到进行分析并不是一个好主意分析应该在问卷设计以前的表述决定研究目标阶段就开始考虑如果你乡做相关性分析表你通常打算使用(二分制)不在在的数据类型这些数据可以通过品牌与品牌或类别系列等形式收集ie设计输入类型设计输入类型通过系列的类别请看这个品牌的列表然后告诉我那一个符合下述的声明更便宜更容易更快品牌和品牌NowthinkingaboutMrMuscle,whichofthesestatementsdescribeMrMuscleNowthinkingaboutWhiteCat,whichofthesestatementsdescribeWhiteCatAnswerscanbeagreedisagreeratingsBetterforsmallerbrands,whenmoredetailedresponsesarenecessary复制定性研究的图表复制定性研究的图表有时定性研究可以得到一个关于品牌、细分市场和需求定位的图表如果我们已经有了这些结果我们就能在定量研究阶段尝试重复这一研究它需要我们仔细思考和再设计可能需要从定性研究人员那里得到帮助最理想是同一公司内部人员它会很有帮助(尤其对市场人员)如果map有相同的定位但是相同的定位并不意味着什么分析数据分析数据看下面的输出结果…是否有任何品牌或语句使MAP倾斜是否应该删除或增添品牌或许需要删除小的品牌这幅map是否有意义我们能解释它吗品牌与语句回出现在不该出现的地方吗检查原始数据什么原因可以通过删除或补充某些品牌和属性来产生Maps直到它变的较为明显可以让使用者更容易理解>需要执行者的判断最少点的限你需要至少个点去做一张map,更好当你看一张map时问你自己当你看一张map时问你自己它意味着什么?它对理解数据有什么附加的作用它对我们所知道的市场顾客的思考方式是否适合如果不是错在什么地方它是否帮助我更好地了解市场当你看一张map时问你自己当你看一张map时问你自己一张图表总是浓缩数据并使数据变的直观但是它也有局限性大量的数据本身蕴涵的信息将会丢失(例如仅是重要的信息被保留)。因此相关性分析图应当小的心运用和解释(例如我们不能依赖表面的定位图因为一些变量可能没有在MAP上表现出来)概念MAP(PerceptualMapping)的基本方法概念MAP(PerceptualMapping)的基本方法通过因子分析程式来运行一组数据减少大量的变量(如产品属性)到小规模的基础变量。这些变量是高度自相关的变量例如受访者的回答模式都非常相似通过因子提取来解释因子变量。高的得分意味着更加重要的变量已经被因子所包含回归分析Regression回归分析Regression回归分析是什么回归分析是什么线性回归(LinearRegression)画出因变量(dependentvariable)和自变量(independentvariable)之间的关系因变量=B*自变量常数项残差回归分析是什么回归分析是什么线性回归方程式:Y=CbxeY=产出(dependentvariableresponsevariable)X=输入变量(independentvariableregressor)c=常量(当x=时)b=斜率e=误差残差(errorresidual)多元回归象线性回归一样只不过有更多的独立变量多元回归象线性回归一样只不过有更多的独立变量Y=cbxbxbxe多元回归在市场研究中的运用多元回归在市场研究中的运用关键的驱动因素在上升的咖啡市场关键的驱动因素在上升的咖啡市场StylishFriendlinessClassyQualityofIngredientsRelaxingEaseofDrinkingComfortableSophisticatedCaffineContentModernPrideYoungOldBitternessStageofCareerSmoothnessKeyDriversMeanScorer=计算机公司的客户满意关系计算机公司的客户满意关系ValueBuyagainRecommendPriceCustomerFocusedOverallQualityProductPerformanceRetailOutletStartupserviceSpeedAddonServicesPromotionsPhoneCustServiceBilling***Topboxscores*Statisticallysignificant****EasytouseTechnicallyadvancedIMAGE*ModelavailabilityBetascore回归分析意味着什么回归分析意味着什么我们通常认为是独立变量在某些方面影响着非独立变量例如过度的吸烟会导致肺癌的发生在市场社会研究中它通常表现出是“先有鸡还是先有蛋的关系”:你喜欢某件产品是因为它很时髦还是你认为因为你喜欢它才觉得它她时髦你喜欢一个公司是因为它有好的服务?或者你认为这个公司的服务很好只因为你喜欢这家公司(或者公司其他方面的因素)回归分析意味着什么回归分析意味着什么考虑Beta得分将可能更有意义(通常是喜好的排序值)Beta值越大喜好的波动越大(影响也越大)这表示这些是非常重要的属性因为他们是和喜好一起变动的属性在市场研究中我们经常称它为可导出的重要性以此与规定的重要性相对比但是我们不能说一件事情导致另一件事情的发生但是我们不能说一件事情导致另一件事情的发生回归分析假设回归分析假设X,X,X独立的没有很强的相关性如果它们强相关我们称为多元共线性市场研究数据通常都有很强的内部相关性例如如果你喜欢一个品牌你也倾向于认为它时髦、耐用、所有场合都适用、对小孩和成年人都适合等等背景资料通常也是相关的例如年龄和收入、收入和教育程度等Multicollinearity对我们来说是一个大问题最后的想法最后的想法仔细观察数据作出一些散布图去看一看相关的形状执行相关分析去寻找Multicollinearity来帮助你解释数据记住我们假设显著的Betas是重要的但是他们只能与另一个我们无法测量的因子联系在一起例如:散布图会议与“少女吧”的关系散布图会议与“少女吧”的关系NightclubsGirlieBarsConferences得出的结论得出的结论我们可以回归出在不同城市举办会议的次数通过“少女吧”的数量然后得出在世界不同城市举办众多会议的原因但是我们可能忽略了其他显著的因素如:旅馆的方便性、承受能力、中心位置、娱乐设施的便利性等潜在的因素这些也可能与“少女吧”的收益有关系因子分析Factoranalysis因子分析Factoranalysis因子分析是什么因子分析是什么一种用来在众多变量中辨别、分析和归结出变量间的相互关系并用简单的变量(因子)来描述这种关系的数据分析方法因子分析…因子分析…一个例子:YIQ=XmathsEYIQ=XscienceEYIQ=XartEXmaths与Xscience高度相关一个基本的因子“科学能力”正是通过因子分析所得到的能够更好地表达这两个变量因子分析做什么因子分析做什么识别一组观察不到的尺度(因子)这些因子已经概括了原始的变量的大多数的信息估计这种关系并且通过变量与因子之间的变形等式来获得因子降低原始变量的维数为进一步的分析作准备为什么使用它为什么使用它去产生新的、更少的变量以便为后续的回归和其他分析做基础去识别概念或产品的基本感知和特性去制作perceptualmap去改善市场研究领域多元测量的结构与方法ATTRIBUTESCONTRIBUTINGTOPRODUCTATTITUDINALFACTORSIFactor:FactorloadingFactor:FactorloadingTotal(R)Cleanswellforheavydutycleaning(R)Iseffectiveinremovingtoughstains(R)Iseffectiveinremovingoilgrease(R)Keepssoilsandstainsfrombuildingup(R)Keepsgermsbacteriaaway(R)Disinfectskillsgerms(R)Longlastingcleaning(R)CleansthoroughlyTotal(R)Isnonirritatingsafetouse(R)Issafeforenvironment(R)Iseasytouse(R)Deodorizes(R)DoesnotleaveresidueCleansandkillsgermsSafeandeasytouseATTRIBUTESCONTRIBUTINGTOPRODUCTATTITUDINALFACTORSIIFactor:FactorloadingFactor:FactorloadingProtectsandgivesshinysurfaceBasicallyreliableandaffordableTotal(R)Isatrustworthybrand(R)Cleanswellforlightdutycleaning(R)GoodvalueformoneyTotal(R)Leavesaprotectivefinish(R)Leavesashine(R)Safetosurface(R)CleansandshineinonestepATTRIBUTESCONTRIBUTINGTOPRODUCTATTITUDINALFACTORSIIIFactor:FactorloadingFactor:FactorloadingWideusageNorinseTotal(R)Doesnotrequirerinsing(R)LeaveslonglastingshineTotal(R)Iseffectiveonavarietyofsurfaces(R)CleansingroovesandcornersATTRIBUTESCONTRIBUTINGTOPRODUCTATTITUDINALFACTORSIVFactor:FactorloadingFavorablefragranceTotal(R)Hasagoodfragrance得出结论得出结论我们能减少变量的数量:大批量的变量少量的基本特性我们可能会忽略了显著的因子尽管它们也是因子分析的结果数据的基础结构将会抽象出来但是…针对对购买的影响因素我们不能说一个因子比另一个因子更重要我们甚至更不能说那个因子直接导致购买行为并且…我们可以利用因子分析得出的结果进行其他的统计分析回归分析:寻找出关键的驱动因素聚类分析:把目标分类为某些特征更加相似的细分群体聚类分析ClusterAnalysis聚类分析ClusterAnalysis结构结构什么是聚类分析聚类分析做什么聚类分析怎样使用市场细分和定位计划聚类的概念聚类的概念把研究目标分割成为具有相同属性的小的群体VariableBVariableACorrespondencematrix聚类分析做什么聚类分析做什么把研究对象(人城市品牌等)分割成为更加同质的细分群体描述对象的整体结构或者各个簇之间的组织关系根据每个簇的描述资料进行该簇特征的定位决定判别群体之间区别的显著性水平(例如:总体的)评价一种判别簇类之间定性区别的方法(例如:根据背景、品牌使用、心理因素)聚类分析怎样使用聚类分析怎样使用去识别细分市场了解购买行为为市场测试确定相匹配的城市在市场结构分析中去识别竞争者减少数据以便进一步的分析个市场方面的概念个市场方面的概念大规模市场(Massmarketing):一种产品==>所有的受访者产品类别市场(Productvarietymarketing):个或更多的种类==>所有手访者*不知道谁、为什么、怎样*市场的努力分散目标市场(Targetmarketing):产品和营销的组合==>不同的细分市场细分的种类市场细分的种类Base:Descriptor:Approach:PredefinedDerivedQuantityconsumed(heavyvslight)PricesensitivityBrandloyaltyetcBenefitssoughtNeedsAttitudesetcDemographicsclassificationGeographicMediausageetcDemographicsclassificationGeographicMediausagePsychographicetcCrosstabClusteranalysis市场细分、目标市场和市场定位市场细分、目标市场和市场定位IdentifybasesforsegmentingthemarketDevelopprofileofresultingsegment(demographic,behavior,personality,etc)什么是市场细分Developmeasureofsegmentsattractiveness(size,growing,etc)Selectthetargetsegments选择哪个目标市场DeveloppositioningforeachsegmentDevelopmarketmixforeachtargetsegment(product,price,distribution,promotion,etc)怎样选择最后的总结Finalthoughts…最后的总结Finalthoughts…多元统计分析不能替代…多元统计分析不能替代…好的简报好的研究方案设计好的运作执行和质量控制你和你的研究小组清晰的思路你更好的理解正常人(非市场研究人员)如何思考和认识你所研究的市场但是多元统计分析是一种非常重要的研究方法你将回在工作中接触和使用它

用户评价(0)

关闭

新课改视野下建构高中语文教学实验成果报告(32KB)

抱歉,积分不足下载失败,请稍后再试!

提示

试读已结束,如需要继续阅读或者下载,敬请购买!

文档小程序码

使用微信“扫一扫”扫码寻找文档

1

打开微信

2

扫描小程序码

3

发布寻找信息

4

等待寻找结果

我知道了
评分:

/68

市场研究中的多元统计分析方法

VIP

在线
客服

免费
邮箱

爱问共享资料服务号

扫描关注领取更多福利