Language

English

研究服務(wù)

Research service

您現(xiàn)在的位置：

首頁(yè)

研究技術(shù)

研究模型

瀏覽量:

1000

研究模型

零售價(jià)

0.0

元

市場(chǎng)價(jià)

0.0

元

瀏覽量:

1000

產(chǎn)品編號(hào)

數(shù)量

庫(kù)存:

所屬分類

返回列表



Honors Online Message

研究模型

參數(shù)

聯(lián)合分析

簡(jiǎn)介:

產(chǎn)品通常擁有許多屬性如價(jià)格、顏色、款式以及產(chǎn)品的特有功能等。那么：具有哪些屬性的產(chǎn)品能夠受到消費(fèi)者的歡迎？進(jìn)一步的分析，這個(gè)問(wèn)題的實(shí)質(zhì)是：在產(chǎn)品的系列特性中，每個(gè)屬性對(duì)消費(fèi)者的重要程度如何？在同樣的（機(jī)會(huì)）成本下，產(chǎn)品具有哪些特性能被消費(fèi)者接受？針對(duì)該類問(wèn)題，傳統(tǒng)的市場(chǎng)研究往往只能作定性研究，或者讓被訪者直接陳述的方式，難以作出準(zhǔn)確的分析。聯(lián)合分析（Conjoint Analysis）就是針對(duì)這些需要而產(chǎn)生的一種市場(chǎng)分析方法。

聯(lián)合分析可模擬現(xiàn)實(shí)生活中，消費(fèi)者為了滿足某些方面的需要時(shí)，犧牲部分其他屬性的權(quán)衡過(guò)程。其分析結(jié)果更加客觀準(zhǔn)確。

CBR的聯(lián)合分析:

CBR 采用目前業(yè)內(nèi)權(quán)威的聯(lián)合分析軟件 Sawtooth 的聯(lián)合分析軟件套裝，可以進(jìn)行分析包括 Adaptive conjoint analysis (ACA), Choice based conjoint (CBC) 等多種類型的研究測(cè)試。

? CBR 的聯(lián)合分析可以通過(guò)傳統(tǒng)的紙筆問(wèn)卷執(zhí)行，也可以完全在計(jì)算機(jī)界面上執(zhí)行。

案例： D 類車購(gòu)買者的樣本

無(wú): 我不會(huì)購(gòu)買以上任何一款

使用評(píng)估

通過(guò)聯(lián)合分析法，我們可以準(zhǔn)確地把握消費(fèi)者更傾向于哪一類產(chǎn)品。每個(gè)產(chǎn)品不同的價(jià)格水準(zhǔn)，不同的品牌等都會(huì)分別起到各自不同的作用。

不同的研究條件采用不同的研究模型

CBR可以根據(jù)具體的研究目的，建議客戶采用不同聯(lián)合分析方法：

· CBC是基于消費(fèi)者選擇的分析模型，測(cè)試者僅僅需要在一系列模擬產(chǎn)品中，簡(jiǎn)單地做出選擇，就可以分析消費(fèi)者內(nèi)在偏好。

· CBC適合于大多數(shù)的研究環(huán)境，主要優(yōu)點(diǎn)是測(cè)試場(chǎng)景更加真實(shí)，更接近真實(shí)的消費(fèi)選擇。CBC不足之處是：為了保證研究的精度，通常需要更多的樣本方能得到準(zhǔn)確分析結(jié)果。

· ACA特別適合于需要分析多個(gè)屬性（6個(gè)以上屬性）或?qū)傩运降那闆r下，能大量節(jié)省被訪者的時(shí)間和負(fù)擔(dān)。同時(shí)，ACA可以在樣本較少的情況下也能取得較好效果。

· ACA對(duì)價(jià)格因素的估計(jì)存在一定偏差，通常不適合于專門的價(jià)格測(cè)試。

GAP 模型

簡(jiǎn)介

Gap model 是 CBR 專門用于分析消費(fèi)者需求的模型。其基本思想是通過(guò)分析目前需求缺口與未來(lái)購(gòu)買之間的聯(lián)系，尋找出驅(qū)動(dòng)消費(fèi) 者購(gòu)買的關(guān)鍵需求點(diǎn)，并根據(jù)需求缺口的大小，預(yù)測(cè)在不同缺口程度下可能的購(gòu)買率。

分析案例 - 什么因素導(dǎo)致消費(fèi)者升級(jí)目前的 DC

研究表明：導(dǎo)致消費(fèi)者升級(jí)目前 DC 產(chǎn)品的主要原因是消費(fèi)者對(duì)像素的不滿，以及對(duì)變焦能力的追求。

備注：為了保護(hù)客戶的利益，案例中的數(shù)據(jù)已經(jīng)進(jìn)行了調(diào)整，僅用于模型的可能輸出。

3 百萬(wàn)像素以內(nèi)的需求缺口不足以推動(dòng)消費(fèi)者再次購(gòu)買數(shù)碼相機(jī)；

只有當(dāng)缺口達(dá)到 3 百萬(wàn)以上的時(shí)候，再次購(gòu)買的可能才會(huì)顯著增加。而當(dāng)缺口達(dá)到 5 百萬(wàn)的時(shí)候，像素缺口的驅(qū)動(dòng)達(dá)到最大。The gap means the ideal DSC's configures of the respondents minus their current DSC ‘s configures.

備注：為了保護(hù)客戶的利益，案例中的數(shù)據(jù)已經(jīng)進(jìn)行了調(diào)整，僅用于模型的可能輸出。

決策樹模型

決策樹分析的特點(diǎn)

· 決策樹分析 (Decision Tree Analysis) 是現(xiàn)代數(shù)據(jù)挖掘 (Data Mining) 的基礎(chǔ)方法之一，它可以對(duì)自變量進(jìn)行綜合比較，自動(dòng)選擇出對(duì)目標(biāo)影響較大變量，從而發(fā)掘好的的分類模式。

CBR 在決策樹技術(shù)的基礎(chǔ)上，成功開(kāi)發(fā)了一系列的應(yīng)用模型，可以幫助客戶進(jìn)行：

· 市場(chǎng)細(xì)分：根據(jù)決策樹的輸出，幫助客戶選擇合理的市場(chǎng)細(xì)分方法。

· 收益分析（ Gain Analyses) ：針對(duì)每個(gè)細(xì)分市場(chǎng)，分析市場(chǎng)的潛力和營(yíng)銷效能，幫助客戶選擇好的細(xì)分市場(chǎng)。

· 長(zhǎng)期應(yīng)用：利用決策樹生成一個(gè)細(xì)分市場(chǎng)的判別規(guī)則，使得我們?cè)谖磥?lái)即使沒(méi)有可以根據(jù)這些規(guī)則，直接判斷未知對(duì)象可能所屬的類別，為客戶的數(shù)據(jù)庫(kù)營(yíng)銷提供強(qiáng)有力支持。

決策樹分析流程示意圖

階段一、選擇所有可能的細(xì)分變量 à 選擇需要作為決策依據(jù)的目標(biāo)變量

階段二、選擇決策分析方法 à 系統(tǒng)運(yùn)行，自動(dòng)檢測(cè)

階段三、輸出決策樹圖 à 輸出 Gain Table