市場研究中的多元統(tǒng)計(jì)分析方法詳解演示文稿

市場研究中的多元統(tǒng)計(jì)分析方法詳解演示文稿1當(dāng)前第1頁\共有66頁\編于星期四\23點(diǎn)（優(yōu)選）市場研究中的多元統(tǒng)計(jì)分析方法2當(dāng)前第2頁\共有66頁\編于星期四\23點(diǎn)市場研究的工作是什么?它只是？:問卷設(shè)計(jì)?運(yùn)作質(zhì)量的控制?制作圖表?撰寫報(bào)告?我們的工作是提供解決方案是解決市場問題是為我們的客戶掙更多的money特征

或我們所傳送的意識...TheBenefits3當(dāng)前第3頁\共有66頁\編于星期四\23點(diǎn)當(dāng)我們進(jìn)行分析時有簡單性的一面.....例如：基本的分析（變量關(guān)聯(lián)表）另外也有復(fù)雜性的一面....大量附加的分析

運(yùn)用許多的分析技術(shù)

然而我們需要看到“復(fù)雜性問題背后的簡單表述”使復(fù)雜問題簡單化為了達(dá)到這一目的，你不得不研究復(fù)雜問題然后去提煉出使人容易明白的信息4當(dāng)前第4頁\共有66頁\編于星期四\23點(diǎn)什么是多元統(tǒng)計(jì)分析?單一問題分析(univariateanalysis)例如頻率分布通常作為數(shù)據(jù)的第一步的描述分析關(guān)聯(lián)表(bivariateanalysis)總是作為主要的分析手段而被市場研究者反復(fù)使用把一個問題或變量與另一個關(guān)聯(lián)交叉作表(例如對受訪者背景變量：性別、年齡等)如果同時分析的變量超過二個就被稱為多元統(tǒng)計(jì)分析5當(dāng)前第5頁\共有66頁\編于星期四\23點(diǎn)為什么要做這種“附加值”的分析?我們不做MVA分析是因?yàn)椤刮覀兛雌饋砗芎梦覀兿矚g它

我們已經(jīng)聘請了統(tǒng)計(jì)師、購買了統(tǒng)計(jì)軟件而且得到公司財(cái)務(wù)部門的批準(zhǔn)…我們不做MVA分析是因?yàn)椤鼤箶?shù)據(jù)對客戶更有指導(dǎo)作用

它能使你得到單變量分析無法達(dá)到的結(jié)果因此，它可以使你更好的利用信息，賺取更多的鈔票6當(dāng)前第6頁\共有66頁\編于星期四\23點(diǎn)我們通常使用的多元分析技術(shù)…...相關(guān)性分析（BrandMapping）主成分分析因子分析多元回歸聚類分析/市場細(xì)分聯(lián)合性分析/

平衡（Tradeoff）分析判別分析etc.etc.etc.7當(dāng)前第7頁\共有66頁\編于星期四\23點(diǎn)多元統(tǒng)計(jì)分析技術(shù)一個研究者可能不了解所有的分析技術(shù)細(xì)節(jié)但是他們應(yīng)該能夠正確地選擇適當(dāng)?shù)姆椒ㄊ褂枚嘣夹g(shù)，你不必知道詳細(xì)的數(shù)學(xué)公式-但是你應(yīng)當(dāng)明白它的原理多元分析并不是魔術(shù)棒，不需要我們開動腦筋就能解決問題-它不會輕易告訴你答案如果問卷設(shè)計(jì)的很差，多元分析就很難發(fā)揮作用8當(dāng)前第8頁\共有66頁\編于星期四\23點(diǎn)相關(guān)性分析

CorrespondenceAnalysis9當(dāng)前第9頁\共有66頁\編于星期四\23點(diǎn)結(jié)構(gòu)什么是相關(guān)性分析？嘗試通過練習(xí)了解它輸入的類型設(shè)計(jì)錄入的格式執(zhí)行分析解釋和表述分析的結(jié)果10當(dāng)前第10頁\共有66頁\編于星期四\23點(diǎn)什么是相關(guān)性分析?經(jīng)常也稱作

BrandMapping或

CORANMappingBrandMapping=CorrespondenceAnalysis(usually)相關(guān)性分析圖一種非常有用的市場研究工具，可以表述一個市場的側(cè)面（市場細(xì)分，品牌定位等）可以在2維空間內(nèi)同時表達(dá)多維的屬性可以更好的理解品牌和屬性之間的關(guān)系

11當(dāng)前第11頁\共有66頁\編于星期四\23點(diǎn)幫助客戶/市場決策者為實(shí)施市場戰(zhàn)略而去發(fā)現(xiàn)市場的空隙和優(yōu)化產(chǎn)品的定位（對于新品牌或新產(chǎn)品的開發(fā)/延伸）發(fā)現(xiàn)市場上決定性的或顯著的屬性，例如對于選擇不同品牌的重要和有顯著區(qū)別的屬性12當(dāng)前第12頁\共有66頁\編于星期四\23點(diǎn)什么是BrandMapping?WanLiMagicCleanMr.MuscleLookCleanswellforheavydutycleaning*Iseffectiveinremovingoil/greaseCleansthoroughlyBlueMoonGoldFishGFLWhiteCatCloroxCleansandshinesinonestep*Hasagoodfragrance*DeodorizesIseasytouseCleanswellforlightdutycleaning*Isatrustworthybrand*Isnon-irritating/safetouseLeavesalong-lastingshine*Leavesashine*13當(dāng)前第13頁\共有66頁\編于星期四\23點(diǎn)一個例子-原始數(shù)據(jù)以下這張表顯示不同家庭寵物的顏色14當(dāng)前第14頁\共有66頁\編于星期四\23點(diǎn)可能制作的分析圖...15當(dāng)前第15頁\共有66頁\編于星期四\23點(diǎn)可能制作的分析圖...16當(dāng)前第16頁\共有66頁\編于星期四\23點(diǎn)現(xiàn)在我們用顏色和動物名稱兩個變量來做2-維的圖表努力來顯示..-那些動物在顏色方面最相似，那些區(qū)別最大？-那些顏色更傾向那類動物-那些動物和那些顏色有更強(qiáng)的相關(guān)性，那些相關(guān)性很弱17當(dāng)前第17頁\共有66頁\編于星期四\23點(diǎn)BROWNBLACKWHITEMIXED18當(dāng)前第18頁\共有66頁\編于星期四\23點(diǎn)BROWNBLACKWHITEMIXED19當(dāng)前第19頁\共有66頁\編于星期四\23點(diǎn)BROWNBLACKWHITEMIXED20當(dāng)前第20頁\共有66頁\編于星期四\23點(diǎn)為了建立這種立體的圖表你不得不...把那些與較多動物相關(guān)聯(lián)的顏色放置在圖的中央位置把那些與較多動物相關(guān)聯(lián)的顏色放置在圖的邊緣位置如果一種顏色同時與超過二種以上的動物強(qiáng)相關(guān)，這些動物將會在圖中更接近21當(dāng)前第21頁\共有66頁\編于星期四\23點(diǎn)非常簡單——這就是相關(guān)性分析

所做的事22當(dāng)前第22頁\共有66頁\編于星期四\23點(diǎn)以下這張表就是依據(jù)原始數(shù)據(jù)生成的...BlackBrownWhiteMixed/otherCatsDogsBirdsBunnies33%65.4%23當(dāng)前第23頁\共有66頁\編于星期四\23點(diǎn)以下這張表就是依據(jù)原始數(shù)據(jù)生成的...BlackBrownWhiteMixed/otherCatsDogsBirdsBunnies33%65.4%24當(dāng)前第24頁\共有66頁\編于星期四\23點(diǎn)相關(guān)性分析輸入數(shù)據(jù)的類性百分比或原始數(shù)據(jù)都可以品牌的相關(guān)聯(lián)的格子（通常形式）任何具有缺省/存在的分?jǐn)?shù)類型 切記得分?jǐn)?shù)是以樣本的總數(shù)而不是以單個樣本為基礎(chǔ)的25當(dāng)前第25頁\共有66頁\編于星期四\23點(diǎn)設(shè)計(jì)輸入類型只研究數(shù)據(jù)并想到進(jìn)行分析并不是一個好主意分析應(yīng)該在問卷設(shè)計(jì)以前的表述/決定研究目標(biāo)階段就開始考慮如果你鄉(xiāng)做相關(guān)性分析表-你通常打算使用（二分制）不在/在的數(shù)據(jù)類型這些數(shù)據(jù)可以通過品牌與品牌或類別系列等形式收集...i.e.26當(dāng)前第26頁\共有66頁\編于星期四\23點(diǎn)設(shè)計(jì)輸入類型通過系列的類別...請看這個品牌的列表，然后告訴我那一個符合下述的聲明...更便宜，更容易，更快品牌和品牌...NowthinkingaboutMrMuscle,whichofthesestatementsdescribeMrMuscleNowthinkingaboutWhiteCat,whichofthesestatementsdescribeWhiteCatAnswerscanbeagree/disagreeratingsBetterforsmallerbrands,whenmoredetailedresponsesarenecessary27當(dāng)前第27頁\共有66頁\編于星期四\23點(diǎn)復(fù)制定性研究的圖表有時，定性研究可以得到一個關(guān)于品牌、細(xì)分市場和需求定位的圖表.如果我們已經(jīng)有了這些結(jié)果，我們就能在定量研究階段嘗試重復(fù)這一研究它需要我們仔細(xì)思考和再設(shè)計(jì)-可能需要從定性研究人員那里得到幫助

最理想是同一公司內(nèi)部人員它會很有幫助（尤其對市場人員），如果map有相同的定位-但是，相同的定位并不意味著什么28當(dāng)前第28頁\共有66頁\編于星期四\23點(diǎn)分析數(shù)據(jù)看下面的輸出結(jié)果….是否有任何品牌或語句使MAP傾斜?是否應(yīng)該刪除或增添品牌-或許需要刪除小的品牌這幅map是否有意義?我們能解釋它嗎?品牌與語句回出現(xiàn)在不該出現(xiàn)的地方嗎?檢查原始數(shù)據(jù)-什么原因?可以通過刪除或補(bǔ)充某些品牌和屬性來產(chǎn)生Maps直到它變的較為明顯，可以讓使用者更容易理解->需要執(zhí)行者的判斷最少點(diǎn)的限-你需要至少3個點(diǎn)去做一張

map,4更好29當(dāng)前第29頁\共有66頁\編于星期四\23點(diǎn)當(dāng)你看一張map時..

問你自己它意味著什么？它對理解數(shù)據(jù)有什么附加的作用?它對我們所知道的市場/顧客的思考方式是否適合?如果不是-錯在什么地方?它是否幫助我更好地了解市場?30當(dāng)前第30頁\共有66頁\編于星期四\23點(diǎn)當(dāng)你看一張map時..

問你自己一張圖表總是濃縮數(shù)據(jù)并使數(shù)據(jù)變的直觀，但是它也有局限性，大量的數(shù)據(jù)本身蘊(yùn)涵的信息將會丟失(例如僅是重要的信息被保留）。因此，相關(guān)性分析圖應(yīng)當(dāng)小的心運(yùn)用和解釋（例如我們不能依賴表面的定位圖，因?yàn)橐恍┳兞靠赡軟]有在MAP上表現(xiàn)出來）31當(dāng)前第31頁\共有66頁\編于星期四\23點(diǎn)概念MAP（PerceptualMapping）的基本方法通過因子分析程式來運(yùn)行一組數(shù)據(jù)減少大量的變量（如產(chǎn)品屬性）到小規(guī)模的基礎(chǔ)變量。這些變量是高度自相關(guān)的變量，例如，受訪者的回答模式都非常相似通過因子提取來解釋因子變量。高的得分意味著更加重要的變量已經(jīng)被因子所包含32當(dāng)前第32頁\共有66頁\編于星期四\23點(diǎn)回歸分析

Regression33當(dāng)前第33頁\共有66頁\編于星期四\23點(diǎn)回歸分析是什么?線性回歸（LinearRegression）畫出因變量(dependentvariable)和自變量(independentvariable)之間的關(guān)系

因變量=B*自變量+常數(shù)項(xiàng)+殘差34當(dāng)前第34頁\共有66頁\編于星期四\23點(diǎn)回歸分析是什么?線性回歸方程式：Y=C+bx+eY=產(chǎn)出(dependentvariable/responsevariable)X=輸入變量(independentvariable/regressor)c=常量(當(dāng)x=0時)b=斜率

e=誤差/殘差（error/residual）35當(dāng)前第35頁\共有66頁\編于星期四\23點(diǎn)多元回歸

象線性回歸一樣只不過有更多

的獨(dú)立變量

Y=c+b1x1+b2x2+b3x3+...+e36當(dāng)前第36頁\共有66頁\編于星期四\23點(diǎn)多元回歸在市場研究中的運(yùn)用37當(dāng)前第37頁\共有66頁\編于星期四\23點(diǎn)關(guān)鍵的驅(qū)動因素-在上升的咖啡市場StylishFriendlinessClassyQualityofIngredientsRelaxingEaseofDrinkingComfortableSophisticatedCaffineContentModernPrideYoung/OldBitternessStageofCareerSmoothnessKeyDriversMeanScorer2=0.5738當(dāng)前第38頁\共有66頁\編于星期四\23點(diǎn)Value12%Buyagain30%Recommend30%Price66%CustomerFocusedOverallQuality14%ProductPerformanceRetailOutletStartupserviceSpeedAddonServicesPromotionsPhoneCustServiceBilling0.45*0.22*0.16*0.100.020.020.02%-Top2boxscores*Statisticallysignificant0.42*0.35*-0.21*0.17*EasytouseTechnicallyadvancedIMAGE0.100.120.19*Modelavailability0.09計(jì)算機(jī)公司的客戶滿意關(guān)系Betascore39當(dāng)前第39頁\共有66頁\編于星期四\23點(diǎn)回歸分析意味著什么?我們通常認(rèn)為是獨(dú)立變量在某些方面影響著非獨(dú)立變量例如過度的吸煙會導(dǎo)致肺癌的發(fā)生在市場/社會研究中，它通常表現(xiàn)出是“先有雞還是先有蛋的關(guān)系”:你喜歡某件產(chǎn)品是因?yàn)樗軙r髦還是你認(rèn)為因?yàn)槟阆矚g它才覺得它她時髦?你喜歡一個公司是因?yàn)樗泻玫姆?wù)？或者你認(rèn)為這個公司的服務(wù)很好只因?yàn)槟阆矚g這家公司(或者公司其他方面的因素)40當(dāng)前第40頁\共有66頁\編于星期四\23點(diǎn)回歸分析意味著什么?考慮Beta得分將可能更有意義（通常是喜好的排序值）Beta值越大，喜好的波動越大（影響也越大）這表示這些是非常重要的屬性因?yàn)樗麄兪呛拖埠靡黄鹱儎拥膶傩栽谑袌鲅芯恐?，我們?jīng)常稱它為可導(dǎo)出的重要性以此與規(guī)定的重要性相對比41當(dāng)前第41頁\共有66頁\編于星期四\23點(diǎn)但是我們不能說一件事情導(dǎo)致另一件事情的發(fā)生42當(dāng)前第42頁\共有66頁\編于星期四\23點(diǎn)回歸分析假設(shè)...X1,X2,X3獨(dú)立的-沒有很強(qiáng)的相關(guān)性如果它們強(qiáng)相關(guān)，我們稱為多元共線性市場研究數(shù)據(jù)通常都有很強(qiáng)的內(nèi)部相關(guān)性例如，如果你喜歡一個品牌，你也傾向于認(rèn)為它時髦、耐用、所有場合都適用、對小孩和成年人都適合等等

背景資料通常也是相關(guān)的-例如，年齡和收入、收入和教育程度等.Multicollinearity對我們來說是一個大問題43當(dāng)前第43頁\共有66頁\編于星期四\23點(diǎn)最后的想法仔細(xì)觀察數(shù)據(jù)-作出一些散布圖去看一看相關(guān)的形狀執(zhí)行相關(guān)分析去尋找Multicollinearity來幫助你解釋數(shù)據(jù)記住，我們假設(shè)顯著的Betas是重要的-但是他們只能與另一個我們無法測量的因子聯(lián)系在一起例如：44當(dāng)前第44頁\共有66頁\編于星期四\23點(diǎn)散布圖-會議與“少女吧”的關(guān)系

Nightclubs/GirlieBarsConferences45當(dāng)前第45頁\共有66頁\編于星期四\23點(diǎn)得出的結(jié)論....我們可以回歸出在不同城市舉辦會議的次數(shù)通過“少女吧”的數(shù)量，然后得出在世界不同城市舉辦眾多會議的原因但是，我們可能忽略了其他顯著的因素，如：旅館的方便性、承受能力、中心位置、娛樂設(shè)施的便利性等潛在的因素

這些也可能與“少女吧”的收益有關(guān)系46當(dāng)前第46頁\共有66頁\編于星期四\23點(diǎn)因子分析

Factoranalysis47當(dāng)前第47頁\共有66頁\編于星期四\23點(diǎn)因子分析是什么?一種用來在眾多變量中辨別、分析和歸結(jié)出變量間的相互關(guān)系并用簡單的變量（因子）來描述這種關(guān)系的數(shù)據(jù)分析方法48當(dāng)前第48頁\共有66頁\編于星期四\23點(diǎn)因子分析…一個例子:YIQ=0.9Xmaths+E1YIQ=0.8Xscience+E2YIQ=0.2Xart+E3Xmaths與

Xscience高度相關(guān).一個基本的因子“科學(xué)能力”正是通過因子分析所得到的能夠更好地表達(dá)這兩個變量.49當(dāng)前第49頁\共有66頁\編于星期四\23點(diǎn)因子分析做什么?識別一組觀察不到的尺度（因子），這些因子已經(jīng)概括了原始的變量的大多數(shù)的信息估計(jì)這種關(guān)系并且通過變量與因子之間的變形等式來獲得因子降低原始變量的維數(shù)，為進(jìn)一步的分析作準(zhǔn)備50當(dāng)前第50頁\共有66頁\編于星期四\23點(diǎn)為什么使用它?去產(chǎn)生新的、更少的變量以便為后續(xù)的回歸和其他分析做基礎(chǔ).去識別概念或產(chǎn)品的基本感知和特性去制作perceptualmap去改善市場研究領(lǐng)域多元測量的結(jié)構(gòu)與方法.51當(dāng)前第51頁\共有66頁\編于星期四\23點(diǎn)ATTRIBUTESCONTRIBUTINGTOPRODUCT/ATTITUDINALFACTORS-IFactor1:FactorloadingFactor2:FactorloadingTotal(R07)Cleanswellforheavydutycleaning(R06)Iseffectiveinremovingtoughstains(R04)Iseffectiveinremovingoil/grease(R05)Keepssoilsandstainsfrombuildingup(R08)Keepsgerms/bacteriaaway(R22)Disinfects/killsgerms(R21)Longlastingcleaning(R17)CleansthoroughlyTotal(R13)Isnon-irritating/safetouse(R15)Issafeforenvironment (R11)Iseasytouse(R16)Deodorizes(R14)Doesnotleaveresidue

CleansandkillsgermsSafeandeasytouse47%0.760.720.690.670.580.560.540.497%0.800.750.700.630.5452當(dāng)前第52頁\共有66頁\編于星期四\23點(diǎn)ATTRIBUTESCONTRIBUTINGTOPRODUCT/ATTITUDINALFACTORS-IIFactor3:FactorloadingFactor4:FactorloadingProtectsandgivesshinysurfaceBasicallyreliableandaffordableTotal(R03)Isatrustworthybrand(R02)Cleanswellforlightdutycleaning(R01)Goodvalueformoney

4%0.690.650.64Total(R25)Leavesaprotectivefinish(R23)Leavesashine(R24)Safetosurface(R20)Cleansandshineinonestep

5%0.830.740.690.6153當(dāng)前第53頁\共有66頁\編于星期四\23點(diǎn)ATTRIBUTESCONTRIBUTINGTOPRODUCT/ATTITUDINALFACTORS-IIIFactor5:FactorloadingFactor6:FactorloadingWideusageNorinseTotal(R09)Doesnotrequirerinsing(R10)Leaveslong-lastingshine

3%0.830.56Total(R18)Iseffectiveonavarietyofsurfaces(R12)Cleansingroovesandcorners

3%0.790.4354當(dāng)前第54頁\共有66頁\編于星期四\23點(diǎn)ATTRIBUTESCONTRIBUTINGTOPRODUCT/ATTITUDINALFACTORS-IVFactor7:FactorloadingFavorablefragranceTotal(R19)Hasagoodfragrance

3%155當(dāng)前第55頁\共有66頁\編于星期四\23點(diǎn)得出結(jié)論....我們能減少變量的數(shù)量:大批量的變量少量的基本特性我們可能會忽略了顯著的因子，盡管它們也是因子分析的結(jié)果

數(shù)據(jù)的基礎(chǔ)結(jié)構(gòu)將會抽象出來

56當(dāng)前第56頁\共有66頁\編于星期四\23點(diǎn)但是…

針對對購買的影響因素，我們不能說一個因子比另一個因子更重要

我們甚至更不能說那個因子直接導(dǎo)致購買行為57當(dāng)前第57頁\共有66頁\編于星期四\23點(diǎn)并且…

我們可以利用因子分析得出的結(jié)果進(jìn)行其他的統(tǒng)計(jì)分析回歸分析:尋找出關(guān)鍵的驅(qū)動因素聚類分析:把目標(biāo)分類為某些特征更加相似的細(xì)分群體58當(dāng)前第58頁\共有66頁\編于星期四\23點(diǎn)聚類分析

ClusterAnalysis59當(dāng)前第59頁\共有66頁\編于星期四\23點(diǎn)結(jié)構(gòu)什么是聚類分析?聚類分析做什么?聚類分析怎樣使用?市場細(xì)分和定位計(jì)劃?60當(dāng)前第60頁\共有66頁\編于星期四\23點(diǎn)聚類的概念把研究目標(biāo)分割成為具有相同屬性的小的群體VariableBVariableACorrespondencematrix...................................................61當(dāng)前第61頁\共有66頁\編于星期四\23點(diǎn)聚類分析做什么?把研究對象（人，城市，品牌等）分割成為更加同質(zhì)的細(xì)分群體描述對象的整體結(jié)構(gòu)或者各個簇之間的組織關(guān)系根據(jù)每個簇的描述資料進(jìn)行該簇特征的定位決定判別群體之間區(qū)別的顯著性水平（例如：總體的%）評價一種判別簇類之間定性區(qū)別的方法(例如：根據(jù)背景、品牌使用、心理因素)62當(dāng)前第62頁\共有66頁\編于星期四\23點(diǎn)聚類分析怎樣使用?去識別