結(jié)合分析在產(chǎn)品概念測(cè)試中的應(yīng)用

結(jié)合分析在產(chǎn)品概念測(cè)試中的應(yīng)用 在新產(chǎn)品開(kāi)發(fā)或?qū)ΜF(xiàn)有產(chǎn)品進(jìn)行改進(jìn)過(guò)程中，經(jīng)常會(huì)有多個(gè)產(chǎn)品概念方案可供選擇，但目標(biāo)市場(chǎng)的消費(fèi)者對(duì)這些方案是否認(rèn)可？他們對(duì)各種方案的偏好程度如何？消費(fèi)者更重視產(chǎn)品 /服務(wù)的那些屬性？他們更喜愛(ài)產(chǎn)品各屬性的那種表現(xiàn)水平？通過(guò)對(duì)目標(biāo)消費(fèi)者進(jìn)行產(chǎn)品概念測(cè)試，決策者將能對(duì)各個(gè)產(chǎn)品概念方案的優(yōu)劣進(jìn)行評(píng)價(jià)，并根據(jù)消費(fèi)者對(duì)產(chǎn)品或服務(wù)各種屬性及其各屬性水平的偏好對(duì)產(chǎn)品概念方案進(jìn)行優(yōu)化，從而降低新產(chǎn)品開(kāi)發(fā)失敗的風(fēng)險(xiǎn)。 結(jié)合分析（ conjoint analysis）是一種有效的市場(chǎng)研究技術(shù)， 近年來(lái)廣泛應(yīng)用于消費(fèi)品、工業(yè)產(chǎn)品和商業(yè)服務(wù)等相關(guān)領(lǐng)域的市場(chǎng)研究中，尤其是在新產(chǎn)品開(kāi)發(fā)、市場(chǎng)占有率分析、競(jìng)爭(zhēng)分析、市場(chǎng)細(xì)分和價(jià)格策略等方面，結(jié)合分析在我國(guó)也越來(lái)越受到市場(chǎng)研究公司和企業(yè)的重視，本文試圖通過(guò)對(duì)一個(gè)新產(chǎn)品開(kāi)發(fā)案例的分析，來(lái)闡述結(jié)合分析在產(chǎn)品概念測(cè)試中的應(yīng)用。 一、結(jié)合分析的基本概念 結(jié)合分析適用于測(cè)量消費(fèi)者的心理判斷，如理解（ perceptions）和偏好（ preferences），在結(jié)合分析中，產(chǎn)品 /服務(wù)被描述為“輪廓”（ profiles），每一個(gè)輪廓是由能描述產(chǎn)品 /服務(wù)重要特征的屬性 （ attributes）以及賦予每一個(gè)屬性的不同水平的組合構(gòu)成的，結(jié)合分析的一個(gè)重要的基本假定是：消費(fèi)者是根據(jù)構(gòu)成產(chǎn)品 /服務(wù)的多個(gè)屬性來(lái)進(jìn)行理解和做偏好判斷；在消費(fèi)者對(duì)輪廓的評(píng)價(jià)結(jié)果的基礎(chǔ)上，經(jīng)過(guò)分解的方法去估計(jì)其偏好結(jié)構(gòu) ,從而推算出消費(fèi)者對(duì)該輪廓的多個(gè)屬性及各屬性水平的偏好得分（ preference scores），在結(jié)合分析中用分值或效用來(lái)描述。 結(jié)合分析應(yīng)用于產(chǎn)品概念測(cè)試，能夠定量測(cè)量消費(fèi)者對(duì)產(chǎn)品 /服務(wù)的某個(gè)屬性和某個(gè)屬性水平的偏好或效用，可以用來(lái)尋找消費(fèi)可接受的某種產(chǎn)品 /服務(wù)的最佳屬性及屬性水 平組合，這種組合最初可能并沒(méi)有被消費(fèi)緒所評(píng)價(jià)。為了達(dá)到這樣的目的，首先要估計(jì)不同屬性水平的效用或分值，進(jìn)一步計(jì)算出屬性的相對(duì)重要性（ attributes relative importance）和輪廓效用 (profile utility)，以便定量化地測(cè)量消費(fèi)者的偏好。 二、結(jié)合分析的主要步驟 1.確定產(chǎn)品或服務(wù)的屬性與屬性水平 結(jié)合分析首先要對(duì)產(chǎn)品或服務(wù)的屬性和屬性水平進(jìn)行識(shí)別，所確定產(chǎn)品或服務(wù)的屬性和屬性水平必須是顯著影響消費(fèi)者購(gòu)買的因素。一個(gè)典型的結(jié)合分析包含 6 7 個(gè)顯著因素。確定了產(chǎn) 品屬性之后，還應(yīng)該確定這些屬性恰當(dāng)?shù)乃剑缛萘渴?MP3 產(chǎn)品的一個(gè)屬性，目前市場(chǎng)上的 MP3 的容量類型主要有： 64M、128M 和 256M 等，這些是容量屬性的主要屬性水平。屬性與屬性水平的個(gè)數(shù)將決定分析過(guò)程中要進(jìn)行估計(jì)的參數(shù)的個(gè)數(shù) 2.產(chǎn)品模擬 結(jié)合分析將產(chǎn)品的所有屬性與屬性水平通盤考慮，并采用正交設(shè)計(jì)的方法將這些屬性與屬性水平進(jìn)行組合，生成一系列模擬產(chǎn)品。在實(shí)際應(yīng)用中，通常每一種模擬產(chǎn)品被分別描述在一卡片上。結(jié)合分析的產(chǎn)品模擬主要有兩大類方法：配對(duì)法（ pair wise）和全輪廓法（ full-profile）。 配對(duì)法也叫兩項(xiàng)法（或雙因子評(píng)價(jià)法， two-factors evaluations），被調(diào)查者每次評(píng)價(jià)兩個(gè)屬性，直至所有的屬性對(duì)都被評(píng)價(jià)完畢為止。以 MP3 產(chǎn)品為例，容量和價(jià)格屬性各有三個(gè)屬性水平，則要評(píng)價(jià)的所有組合為 33 9 個(gè)，消費(fèi)者就要按他們自己的喜好程度在每種組合中對(duì)相應(yīng)的模擬出來(lái)的組合從 1（表示最不喜歡）至 9（或 7，表示最喜歡）打分與排序 ,直到全部填寫完畢。 全輪廓法也叫多項(xiàng)法（或多因子評(píng)價(jià)法， multiple-factor evaluations）。由全部屬性的某個(gè)水平 構(gòu)成的一個(gè)組合叫做一個(gè)輪廓（ profile）。每個(gè)輪廓分別用一張卡片表示，如下列 MP3 的一個(gè)組合產(chǎn)品：容量：128M；音質(zhì)：好；價(jià)格： 1000 元；外形：時(shí)尚。 其實(shí)，并不需要對(duì)所有組合產(chǎn)品進(jìn)行評(píng)價(jià)，且在屬性水平較多時(shí)實(shí)施難度也較大。在配對(duì)法中，通常用循環(huán)設(shè)計(jì)來(lái)減少組合數(shù)。在全輪廓法中，則采用正交設(shè)計(jì)等方法，以減少組合數(shù)，又能反映主效應(yīng)。 3.數(shù)據(jù)收集： 請(qǐng)受訪者對(duì)模擬產(chǎn)品進(jìn)行評(píng)價(jià)，通過(guò)打分、排序等方法調(diào)查受訪者對(duì)模擬產(chǎn)品的喜好、購(gòu)買的可能性等。 排序法是要對(duì)產(chǎn)品模擬組合中的所有屬性水 平作相對(duì)的評(píng)價(jià)，要求對(duì)每個(gè)組合給一個(gè)不同的等級(jí)。對(duì)于配對(duì)法，由消費(fèi)者對(duì)每?jī)蓪傩越M合的所有產(chǎn)品模擬按自己的意愿進(jìn)行評(píng)價(jià)，對(duì)全輪廓法需要對(duì)所有產(chǎn)品模擬組合排序。從排序中可準(zhǔn)確地反應(yīng)出市場(chǎng)中消費(fèi)者的行為。 對(duì)于打分形式，是要對(duì)每一個(gè)產(chǎn)品模擬獨(dú)立地評(píng)分，判斷可獨(dú)立進(jìn)行。采用此方法的人認(rèn)為此方法對(duì)消費(fèi)者來(lái)說(shuō)比排序更為便利，分析時(shí)也容易得多?？偟恼f(shuō)來(lái)，排序和打分形式均可，但近年來(lái)人們對(duì)打分形式應(yīng)用得更為評(píng)分法變得更為普遍。 4.計(jì)算屬性的效用： 從收集的信息中分離出消費(fèi)者對(duì)每一屬性以及屬性水平的偏好值 ，這些偏好值也就是該屬性的“效用”。計(jì)算屬性的模型和方法有多種，一般地，人們主要用一般最小二乘法回歸（ OLS）模型、多元方差分析（ MONANOVA）模型、 LOGIT 回歸模型等方法。有研究表明 OLS 回歸估計(jì)效用值同其它模型的估計(jì)一樣有效，也是最容易理解的方法。因此用 OLS 回歸的結(jié)合分析研究更多，也更普遍。例如： SPSS 的 Categories模塊結(jié)合分析就是用 OLS 回歸估計(jì)的，而且它能處理排序和評(píng)分兩種數(shù)據(jù)。 5.結(jié)果解釋與應(yīng)用 結(jié)合分析的結(jié)果可以在消費(fèi)者個(gè)體層次上進(jìn)行解釋，也就是對(duì)每一個(gè)消費(fèi)者的偏 好計(jì)算不同屬性水平的效用值和屬性的相對(duì)重要性，并且分析個(gè)體對(duì)產(chǎn)品 /服務(wù)的不同組合的偏好反應(yīng)；也可以對(duì)結(jié)合分析在消費(fèi)者群體層次上進(jìn)行解釋，首先按照某種屬性將消費(fèi)者進(jìn)行分類，例如認(rèn)為價(jià)格屬性最重要的或者效用值相似的消費(fèi)者歸成一類（集合），然后再分析整個(gè)群體或不同類之間的偏好反應(yīng)，研究人員應(yīng)根據(jù)不同的研究目的來(lái)確定進(jìn)行分析的層次。 三、結(jié)合分析的軟件化過(guò)程 結(jié)合分析采用了一系列的現(xiàn)代數(shù)理統(tǒng)計(jì)方法，如正交設(shè)計(jì)、回歸分析等，這些方法的計(jì)算量巨大，只有通過(guò)電腦才能實(shí)現(xiàn)。因此實(shí)際的市場(chǎng)研究中，必須有專門的軟件來(lái) 實(shí)現(xiàn)從模擬產(chǎn)品設(shè)計(jì)到估計(jì)效用模型、預(yù)測(cè)等一系列過(guò)程。一些常用的統(tǒng)計(jì)軟件如 SPSS、 SAS 和 BMDP 中包含有結(jié)合分析的基本模型，此外還有一些結(jié)合分析用的專門程序。 MONANOVA（ Monotone Analysis of Variance）用于分析排序法得到的全輪廓數(shù)據(jù)。 TRADEOFF 用于分析配對(duì)法，要求數(shù)據(jù)也是排序法得到的。此外常用的還有 LINMAP， ACA（ Adaptive Conjoint Analysis）， CONJOINT DESIGNER， CONJOINT ANALYZER， CONJOINT LINMAP，SIMGRAF 和 BRIDERPOSSE（ Product Optimization and Selected Segmentation Evaluation）是采用混合型結(jié)合分析和實(shí)驗(yàn)設(shè)計(jì)法來(lái)優(yōu)化產(chǎn)品的一般系統(tǒng)。下面詳細(xì)對(duì)目前國(guó)內(nèi)較為流行的用于結(jié)合分析的軟件 SPSS做簡(jiǎn)要介紹。 SPSS（ Statistical Package for Social Science）軟件包有一個(gè)分類數(shù)據(jù)處理分析的模塊，叫 Categories，其中第一部分就是結(jié)合分析。它由三個(gè)單獨(dú)的過(guò)程組成： ORTHOPLAN， PLANCARDS 和 CONJOINT。采用的是全輪廓法，即消費(fèi)者要對(duì)由所有屬性的某個(gè)水平定義的各種產(chǎn)品輪廓作評(píng)價(jià)（排序或評(píng)分）。這種方法的主要優(yōu)點(diǎn)是比較實(shí)際，缺點(diǎn)是要評(píng)價(jià)的方案數(shù)目可能太多。在 Categories 中，采用了部分因子設(shè)計(jì)（ fractional factorial design），即只取可供選擇的方案中的一部分來(lái)進(jìn)行評(píng)價(jià)。正交表法是其中的一種部分因子設(shè)計(jì)。 ORTHOPLAN 過(guò)程生成一個(gè)部分因子計(jì)劃，用于估計(jì)主效應(yīng)，交互作用在此是忽略不考慮的。PLANCARD 過(guò)程幫助用戶生成實(shí)施用的“卡 片”，以供消費(fèi)者對(duì)各個(gè)“卡片”（即各個(gè)輪廓）作排序時(shí)用。CONJOINT 過(guò)程采用一般最小二乘（ OLS）估計(jì)法作結(jié)合分析，其研制者認(rèn)為 OLS 法在進(jìn)行結(jié)合分析時(shí)和其它方法同樣有效，而且 OLS 法還比較簡(jiǎn)單、易于解釋。它允許使用三種方法來(lái)收集數(shù)據(jù)：評(píng)分、排序或分類。此外，還允許有四種類型的因子：離散的（ discrete），線性的（ linear），理想的（ ideal）和反理想的（ ant ideal）。 四、結(jié)合分析的一個(gè)實(shí)例 以下用一個(gè) MP3 產(chǎn)品的例子來(lái)說(shuō)明結(jié)合分析的在產(chǎn)品測(cè)試在的應(yīng)用，并介紹使用 SPSS 進(jìn) 行結(jié)合分析的程序及步驟。假定某公司打算在市場(chǎng)上推出一款新型的 MP3 產(chǎn)品，首先要了解消費(fèi)者對(duì) MP3 產(chǎn)品的喜好，消費(fèi)者更重視 MP3 產(chǎn)品的那些屬性或特征，他們對(duì)這些屬性或特征又有什么特別的偏好，為了設(shè)計(jì)出受消費(fèi)者歡迎的 MP3，該公司需要開(kāi)展一次市場(chǎng)調(diào)研，對(duì)各種配置的 MP3 產(chǎn)品進(jìn)行測(cè)試。 1.確定產(chǎn)品或服務(wù)的屬性與屬性水平 通過(guò)查閱有關(guān)廣告、收集二手資料和走訪 MP3 的零售商確定：容量、音質(zhì)、價(jià)格、外形、品牌、功能、產(chǎn)地、電池使用時(shí)間、線控、屏顯等 10 產(chǎn)品特征是 MP3 的潛在的重要屬性，隨機(jī)抽取若干消費(fèi)者對(duì) 這 10個(gè)屬性的重要度進(jìn)行前期預(yù)調(diào)查（采用目前市場(chǎng)調(diào)查中常用的對(duì)單個(gè)屬性的重要度分別打分，按分?jǐn)?shù)的平均值排序），從而確定對(duì)容量、音質(zhì)、外形和價(jià)格這 4 個(gè)屬性進(jìn)行結(jié)合分析，這 4 個(gè)屬性及其屬性水平如下表所示： 屬性 容量 音質(zhì) 外形 價(jià)格 屬性水平 64M 128M 256M 好 一般 差 時(shí)尚 一般 傳統(tǒng) 1000 元 1500 元 2000 元 2、產(chǎn)品模擬 利用上述屬性與屬性水平可以組合起 81 種模擬產(chǎn)品（ 3333）。如果受訪者對(duì)所有 81 種模擬產(chǎn)品進(jìn)行一一評(píng)價(jià)，那將是十分麻煩的。結(jié)合分析采用數(shù)理 統(tǒng)計(jì)中的正交設(shè)計(jì)來(lái)減少模擬產(chǎn)品數(shù)量。在本例中，通過(guò) SPSS 進(jìn)行正交設(shè)計(jì)，所需要測(cè)試的模擬產(chǎn)品可以減少到 9 種。以下是使用 SPSS 進(jìn)行正交設(shè)計(jì)的程序及得出的一個(gè)正交設(shè)計(jì)方案： *正交設(shè)計(jì) . ORTHOPLAN /FACTORS=price 價(jià)格 ( 1 1000 元 2 1500 元 3 2000 元 ) capacity 容量 ( 1 64M 2 128M 3 256M) tonality 音質(zhì) ( 1 差 2 一般 3 好 ) fashion 外形 ( 1 守舊 2 一般 3 時(shí)尚 ) /OUTFILE=D:tempmp3plan.sav. 以上程序在 SPSS 中也可通過(guò)窗口實(shí)現(xiàn)，執(zhí)行該 SPSS 程序，得出正交設(shè)計(jì)的結(jié)果，如下表： MP3 產(chǎn)品 價(jià)格 容量 音質(zhì) 外形 A 2000 128M 好 守舊 B 2000 256M 差 一般 C 1500 64M 好 一般 D 1500 256M 一般 守舊 E 1500 128M 差 時(shí)尚 F 1000 256M 好 時(shí)尚 G 1000 64M 差 守舊 H 2000 64M 一般 時(shí)尚 I 1000 128M 一般 一般 3、通過(guò)調(diào)查收集數(shù)據(jù)： 對(duì)于上面正交設(shè)計(jì)產(chǎn)生的 9 個(gè)種模擬產(chǎn)品，被調(diào)查者需要對(duì)每一個(gè)模擬產(chǎn)品的偏好進(jìn)行評(píng)價(jià)，在實(shí)際調(diào)查過(guò)程中是將每個(gè)模擬產(chǎn)品的屬性特征打印在一張卡片上，使用 SPSS 語(yǔ)句可以一次性生成所有模擬產(chǎn)品的卡片，提高了制作卡片的效率。下面是生成模擬產(chǎn)品卡片的 SPSS 程序。 *生成模擬產(chǎn)品的卡片 . GET FILE=D:tempmp3plan.sav. PLANCARDS /FACTOR=price capacity tonality fashion /FORMAT card /PAGINATE /OUTFILE=d:tempcards.txt. 執(zhí)行上述程序輸出所有模擬產(chǎn)品的卡片，以下只例出模擬產(chǎn)品 ABCD 的卡片輸出結(jié)果 模擬產(chǎn)品 A 模擬產(chǎn)品 B 模擬產(chǎn)品 C 模擬產(chǎn)品 D 價(jià)格 2000 元 容量 128M 音質(zhì) 好 外形 守舊 價(jià)格 2000 元 容量 256M 音質(zhì) 差 外形 一般 價(jià)格 1500 元 容量 64M 音質(zhì) 好 外形 一般 價(jià)格 1500 元 容量 256M 音質(zhì) 一般 外形 守舊 在調(diào)查問(wèn)卷中可設(shè)置相關(guān)的問(wèn)題進(jìn)行數(shù)據(jù)收集， 下面是一個(gè)問(wèn)題的例子。 出示模擬產(chǎn)品 A 的卡片請(qǐng)問(wèn)您有多大可能會(huì)購(gòu)買具有以下產(chǎn)品特征的 MP3？ (請(qǐng)以 1-9 為評(píng)分標(biāo)準(zhǔn) :“一定會(huì)” 9 分 ； “一定不會(huì)” 1 分 ) 【單選】 一定不會(huì) 一定會(huì) 購(gòu)買可能性 1 2 3 4 5 6 7 8 9 假定通過(guò)調(diào)查得到某個(gè)消費(fèi)者對(duì) 9 種模擬產(chǎn)品的評(píng)價(jià)，數(shù)據(jù)如下： 模擬產(chǎn)品的編號(hào) A B C D E F G H I 購(gòu)買的可能性 5 1 3 4 3 9 1 4 8 4 計(jì)算屬性的效用： 計(jì)算特征的效用是結(jié)合分析的關(guān)鍵步驟。其基本模型是： (1) 其中： U(x)=所有屬性的總效用； ki =屬性 i 的水平數(shù)目； m=屬性個(gè)數(shù)； ij屬性 i 的第 j 個(gè)水平的分值貢獻(xiàn)或效用； Xij 1 如果第 i 個(gè)屬性的第 j 個(gè)水平出現(xiàn)； 0 其它情形。 由效用函數(shù)可以產(chǎn)生一個(gè)衡量每一屬性重要程度的指標(biāo)：相對(duì)重要程度 Wi (2) 其中 Ci 為屬性 i 的效用變動(dòng)范圍， Ci = Max(X ij) - Min(X ij)，對(duì)每個(gè) I （ 3） 各屬性的相對(duì)重要性之和為百分之百。實(shí)際應(yīng)用中，模型的估計(jì)幾乎完全計(jì)依賴于計(jì)算機(jī)軟件。對(duì)于本例數(shù)據(jù)，我們采用 SPSS 中的 Conjoint 過(guò)程進(jìn)行分析，其分析程序如下： *輸入收集的數(shù)據(jù) . DATA LIST FREE / ID score1 to score9. BEGIN DATA 1 5 1 3 4 3 9 1 4 8 END DATA. SAVE OUTFILE=d:tempmp3data.sav. *進(jìn)行結(jié)合分析 . CONJOINT PLAN=d:tempmp3plan.sav /DATA=d:tempmp3data.sav /FACTORS=price capacity tonality fashion /SUBJECT=id /SCORE=score1 to score9 /PLOT=all /UTIL=d:tempmp3result.sav. 5結(jié)果解釋與應(yīng)用 執(zhí)行前面的 SPSS 結(jié)合分析的程序，輸出如下結(jié)果： SUBFILE SUMMARY Averaged Importance Utility Factor PRICE 價(jià)格 23.53 1.7778 1000 元 -.8889 500 元 -.8889 2000 元 CAPACITY 容量 23.53 -1.5556 64M 1.1111 128M .4444 256M TONALITY 音質(zhì) 35.29 -2.5556 差 1.1111 一般 1.4444 好 FASHION 外形 17.65 -.8889 守舊 -.2222 一般 1.1111 時(shí)尚 4.2222 CONSTANT Pearsons R = 1.000 Significance = . Kendalls tau = 1.000 Significance = .0002 上表中：相對(duì)重要程度欄表示該 MP3 各種產(chǎn)品屬性在消費(fèi)者購(gòu)買選擇中的重視程度。可見(jiàn)，對(duì)該消費(fèi)者而言， MP3 的音質(zhì)是消費(fèi)者最關(guān)心的，相對(duì)重要程度為 35.29，其次 MP3 價(jià)格和容量也比較重要，這兩個(gè)屬性的重要程度都是 23.53%，相對(duì)于其它屬性而言，該消費(fèi)者對(duì) MP3 的外形并不十分重視，其重要程度是 17.65%。 屬性水平的效用欄表示該屬性水平對(duì)于該消費(fèi)者而言的效用。效用越高，則表示