市場研究中的多元統(tǒng)計分析方法.ppt

1 市場研究中的多元統(tǒng)計分析方法MultivariateAnalysis anintroduction 上海市中消研市場研究有限公司數(shù)據(jù)統(tǒng)計部制作 2 討論議題 我們的研究工作是什么 什么是多元統(tǒng)計分析 MVA 為什么我們需要它 通常的分析技術(shù)MVA詳細(xì)介紹及例子 相關(guān)分析 Correspondenceanalysis 回歸 多元回歸分析 Regression Multipleregression因子分析 Factoranalysis 聚類分析 Clusteranalysis segmentation 結(jié)論 3 市場研究的工作是什么 它只是 問卷設(shè)計 運作質(zhì)量的控制 制作圖表 撰寫報告 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 4 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 5 什么是多元統(tǒng)計分析 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)計分析 6 為什么要做這種 附加值 的分析 我們不做MVA分析是因為 它使我們看起來很好我們喜歡它我們已經(jīng)聘請了統(tǒng)計師 購買了統(tǒng)計軟件而且得到公司財務(wù)部門的批準(zhǔn) 我們不做MVA分析是因為 它會使數(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 7 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 8 多元統(tǒng)計分析技術(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)計的很差 多元分析就很難發(fā)揮作用 9 相關(guān)性分析CorrespondenceAnalysis 10 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)計錄入的格式執(zhí)行分析解釋和表述分析的結(jié)果 11 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 12 幫助客戶 市場決策者為實施市場戰(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 13 什么是BrandMapping WanLi MagicClean Mr Muscle Look BlueMoon GoldFish GFL WhiteCat Clorox 14 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 15 可能制作的分析圖 16 可能制作的分析圖 17 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的相關(guān)性 那些相關(guān)性很弱 18 BROWN BLACK WHITE MIXED 19 BROWN BLACK WHITE MIXED 20 BROWN BLACK WHITE MIXED 21 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相關(guān) 這些動物將會在圖中更接近 22 非常簡單 這就是相關(guān)性分析所做的事 23 以下這張表就是依據(jù)原始數(shù)據(jù)生成的 24 以下這張表就是依據(jù)原始數(shù)據(jù)生成的 25 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 26 設(shè)計輸入類型 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 27 設(shè)計輸入類型 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 whenmoredetailedresponsesarenecessary 28 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 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 29 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)行者的判斷最少點的限 你需要至少3個點去做一張map 4更好 30 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 31 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)小的心運用和解釋 例如我們不能依賴表面的定位圖 因為一些變量可能沒有在MAP上表現(xiàn)出來 32 概念MAP PerceptualMapping 的基本方法 通過因子分析程式來運行一組數(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 33 回歸分析Regression 34 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 殘差 35 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 36 多元回歸象線性回歸一樣只不過有更多的獨立變量 Y c b1x1 b2x2 b3x3 e 37 多元回歸在市場研究中的運用 38 關(guān)鍵的驅(qū)動因素 在上升的咖啡市場 StylishFriendlinessClassyQualityofIngredientsRelaxingEaseofDrinkingComfortableSophisticatedCaffineContentModernPrideYoung OldBitternessStageofCareerSmoothness KeyDrivers MeanScore r2 0 57 39 Value12 Buyagain30 Recommend30 Price66 CustomerFocused OverallQuality14 ProductPerformance RetailOutlet StartupserviceSpeed AddonServices Promotions PhoneCustService Billing 0 45 0 22 0 16 0 10 0 02 0 02 0 02 Top2boxscores Statisticallysignificant 0 42 0 35 0 21 0 17 Easytouse Technicallyadvanced IMAGE 0 10 0 12 0 19 Modelavailability 0 09 計算機公司的客戶滿意關(guān)系 Betascore 40 回歸分析意味著什么 我們通常認(rèn)為是獨立變量在某些方面影響著非獨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)品是因為它很時髦還是你認(rèn)為因為你喜歡它才覺得它她時髦 你喜歡一個公司是因為它有好的服務(wù) 或者你認(rèn)為這個公司的服務(wù)很好只因為你喜歡這家公司 或者公司其他方面的因素 41 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為他們是和喜好一起變動的屬性在市場研究中 我們經(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 42 但是我們不能說一件事情導(dǎo)致另一件事情的發(fā)生 43 回歸分析假設(shè) X1 X2 X3獨立的 沒有很強的相關(guān)性如果它們強相關(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 44 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 45 散布圖 會議與 少女吧 的關(guān)系 Nightclubs GirlieBars Conferences 46 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 47 因子分析Factoranalysis 48 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 49 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 50 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 51 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 52 ATTRIBUTESCONTRIBUTINGTOPRODUCT ATTITUDINALFACTORS I Factor1 Factorloading Factor2 Factorloading Total R07 Cleanswellforheavydutycleaning R06 Iseffectiveinremovingtoughstains R04 Iseffectiveinremovingoil grease R05 Keepssoilsandstainsfrombuildingup R08 Keepsgerms bacteriaaway R22 Disinfects killsgerms R21 Longlastingcleaning R17 Cleansthoroughly Total R13 Isnon irritating safetouse R15 Issafeforenvironment R11 Iseasytouse R16 Deodorizes R14 Doesnotleaveresidue Cleansandkillsgerms Safeandeasytouse 47 0 760 720 690 670 580 560 540 49 7 0 800 750 700 630 54 53 ATTRIBUTESCONTRIBUTINGTOPRODUCT ATTITUDINALFACTORS II Factor3 Factorloading Factor4 Factorloading Protectsandgivesshinysurface Basicallyreliableandaffordable Total R03 Isatrustworthybrand R02 Cleanswellforlightdutycleaning R01 Goodvalueformoney 4 0 690 650 64 Total R25 Leavesaprotectivefinish R23 Leavesashine R24 Safetosurface R20 Cleansandshineinonestep 5 0 830 740 690 61 54 ATTRIBUTESCONTRIBUTINGTOPRODUCT ATTITUDINALFACTORS III Factor5 Factorloading Factor6 Factorloading Wideusage Norinse Total R09 Doesnotrequirerinsing R10 Leaveslong lastingshine 3 0 830 56 Total R18 Iseffectiveonavarietyofsurfaces R12 Cleansingroovesandcorners 3 0 790 43 55 ATTRIBUTESCONTRIBUTINGTOPRODUCT ATTITUDINALFACTORS IV Factor7 Factorloading Favorablefragrance Total R19 Hasagoodfragrance 3 1 56 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 57 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 58 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 59 聚類分析ClusterAnalysis 60 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)分和定位計劃 61 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 VariableB VariableA Correspondencematrix 62 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 63 聚類分析怎樣使用 去識別細(xì)分市場 了解購買行為為市場測試確定相匹配的城市在市場結(jié)構(gòu)分析中去識別競爭者減少數(shù)據(jù)以便進(jìn)一步的分析 64 3個市場方面的概念 大規(guī)模市場 Massmarketing 一種產(chǎn)品 所有的受訪者產(chǎn)品類別市場 Productvarietymarketing 2個或更多的種類 所有手訪者 不知道誰 為什么 怎樣 市場的努力分散目標(biāo)市場 Targetmarketing 產(chǎn)品和