市场研究中的多元统计分析方法

CopyrightCAE1市场研究中的多元统计分析方法MultivariateAnalysis-anintroduction上海市中消研市场研究有限公司数据统计部制作CopyrightCAE2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（Regression/Multipleregression–因子分析（Factoranalysis）–聚类分析（Clusteranalysis/segmentation)•结论CopyrightCAE3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特征或我们所传送的意识...TheBenefitsCopyrightCAE4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CopyrightCAE5什么是多元统计分析?•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CopyrightCAE6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CopyrightCAE7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•etc.etc.etc.CopyrightCAE8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CopyrightCAE9相关性分析CorrespondenceAnalysisCopyrightCAE10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CopyrightCAE11什么是相关性分析?•经常也称作BrandMapping或CORANMapping–BrandMapping=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2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CopyrightCAE12•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CopyrightCAE13什么是BrandMapping?WanLiMagicCleanMr.MuscleLookCleanswellforheavydutycleaning*Iseffectiveinremovingoil/greaseCleansthoroughlyBlueMoonGoldFishGFLWhiteCatCloroxCleansandshinesinonestep*Hasagoodfragrance*DeodorizesIseasytouseCleanswellforlightdutycleaning*Isatrustworthybrand*Isnon-irritating/safetouseLeavesalong-lastingshine*Leavesashine*CopyrightCAE14一个例子-原始数据•以下这张表显示不同家庭宠物的颜色CatsDogsBirdsBunniesBlack20%40%50%5%Brown10%40%40%80%White30%10%2%0%Mixed/other50%10%8%15%CopyrightCAE15可能制作的分析图...20%40%50%5%10%40%40%80%20%10%50%10%15%2%8%CatsDogsBirdsBunniesBlackBrownWhiteMixed/otherCopyrightCAE16可能制作的分析图...20%40%50%5%10%40%40%80%20%10%2%50%10%8%15%CatDogBirdBunniesMixed/otherWhiteBrownBlackCopyrightCAE17现在我们用颜色和动物名称两个变量来做2-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CopyrightCAE19BROWNBLACKWHITEMIXEDCopyrightCAE20BROWNBLACKWHITEMIXEDCopyrightCAE21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CopyrightCAE22非常简单——这就是相关性分析所做的事CopyrightCAE23以下这张表就是依据原始数据生成的...BlackBrownWhiteMixed/otherCatsDogsBirdsBunnies33%65.4%CopyrightCAE24以下这张表就是依据原始数据生成的...BlackBrownWhiteMixed/otherCatsDogsBirdsBunnies33%65.4%CopyrightCAE25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CopyrightCAE26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...i.e.CopyrightCAE27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,whichofthesestatementsdescribeMrMuscle–NowthinkingaboutWhiteCat,whichofthesestatementsdescribeWhiteCat–Answerscanbeagree/disagreeratings–Betterforsmallerbrands,whenmoredetailedresponsesarenecessaryCopyrightCAE28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CopyrightCAE29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3个点去做一张map,4更好CopyrightCAE30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?CopyrightCAE31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）CopyrightCAE32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CopyrightCAE33回归分析RegressionCopyrightCAE34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CopyrightCAE35回归分析是什么?•线性回归方程式：–Y=C+bx+e–Y=产出(dependentvariable/responsevariable)–X=输入变量(independentvariable/regressor)–c=常量(当x=0时)–b=斜率–e=误差/残差（error/residual）CopyrightCAE36多元回归象线性回归一样只不过有更多的独立变量Y=c+b1x1+b2x2+b3x3+...+eCopyrightCAE37多元回归在市场研究中的运用CopyrightCAE38关键的驱动因素-在上升的咖啡市场StylishFriendlinessClassyQualityofIngredientsRelaxingEaseofDrinkingComfortableSophisticatedCaffineContentModernPrideYoung/OldBitternessStageofCareerSmoothness5.05.44.74.85.96.05.04.25.66.56.46.44.56.45.9KeyDriversMeanScorer2=0.57CopyrightCAE39Value12%Buyagain30%Recommend30%Price66%CustomerFocusedOverallQuality14%ProductPerformanceRetailOutletStartupserviceSpeedAddonServicesPromotionsPhoneCustServiceBilling0.45*0.22*0.16*0.100.020.020.02%-Top2boxscores*Statisticallysignificant0.42*0.35*-0.21*0.17*EasytouseTechnic