? 調查分析技術-中商情報網
首頁資訊財經產業軍事娛樂時尚健康旅游教育人物調查好問數據報告資本峰會圖庫
研究報告聯系我們網站地圖訂閱
調研執行技術

400-788-9700

免費電話(24小時服務)

科學的理論

客觀的實踐

詳情的數據

調查分析技術

 相關性分析

在許多市場調查中,調查者需要解決的問題遠遠超出一般性統計檢驗的需要,可能會對兩個或者兩個以上變量的關聯度感興趣,分析兩個變量的關聯度的技術方法,稱為相關分析。

相關性分析一種非常有用的市場研究工具,可以在 2 維空間內同時表達多維的屬性,也可以更好的理解品牌和屬性之間的關系,還可以表述一個不同市場因素的關聯度。

相關分析可以幫助客戶 / 市場決策者:

-為實施市場戰略而去發現市場的空隙和優化產品的定位 ( 對于新品牌或新產品的開發 / 延伸 )
    -發現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別的屬性。


回歸分析


在對市場數據的分析中往往會看到變量與變量之間存在一定的相關關 系,例如:某產品的價格和社會需求之間,服務滿意度與服務之間都有密切的關系,銷售額與產品價格水平之間的關系等,研究變量之間相互關系密切程度的分析為 相關分析。如果在研究變量的相關分析時,把其中的一些因素作為所控制的變量,而另一些隨機變量作為它們的因變量,確定這種關系的數理方法就稱為回歸分析。 它常應用于滿意度研究、消費者研究、市場預測以及一些專業技術研究等方面。

在實際運用中,回歸分析根據變量的數目劃分為二元變量回歸和多元變量回歸,回歸的形式包括線性回歸和非線性回歸等。

通常,線性回歸是常用的一種方法,二元線性回歸的方程表示為:

Y = C + bX + e

其中: Y = 產出 (dependent variable /response variable) ; X = 輸入變量 (independent variable /    regressor) ; c = 常量 ( 當 x=0 時 ) ; b = 斜率; e = 誤差 / 殘差 (error / residual)


多元線性回歸方程像線性回歸一樣,只不過有更多的獨立變量,其線性方程表示為:

Y = c + b 1 x 1 + b 2 x 2 + b 3 x 3 + ... + e

多元回歸被廣泛運用在市場研究中,舉例如下: (1) 咖啡市場中關鍵因素的確定; (2) 計算機客戶滿意度研究關鍵因素確定; (3) 社會調查中的使用。

案例 1 :找到關鍵的市場驅動因素 - 在上升的咖啡市場



    案例 2 :計算機公司的客戶滿意關系

案例 3 :在市場 / 社會研究中,它通常表現出是 “ 先有雞還是先有蛋的關系 ” ,你喜歡某件產品是因為它很時髦還是你認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?或者你認為這個公司的服務很好只因為你喜歡這家公司 ( 或者公司其他方面的因素 ) 。


因子分析

因子分析的基本目的就是用少數幾個因子去描述許多指標或因素之間的聯系,即將相關比較密切的幾個變量歸在同一類中,每一類變量就成為一個因子 ( 之所以稱其為因子,是因為它是不可觀測的,即不是具體的變量 ) ,以較少的幾個因子反映原資料的大部分信息。常與其它技術聯合使用,應用于滿意度研究,市場細分研究中。

在市場研究中,研究人員感興趣的是一些研究指標的集成或者組合,這些概念通常是通過等級評分問題來測量的,每一個指標的集合 ( 或是一組相關聯的指標 ) 就是一個因子,指標概念等級得分就是因子得分。

在一個只有兩個因子的因子得分分析中,因子得分的計算如下:

F1=0.40A1+0.30A2+0.02A3+0.05A4

F2=0.01A1+0.04A2+0.45A3+0.37A4

其中: F 為因子得分; A 為等級評分;等級評分的系數即為該變量的權數。

在實際應用中,通過因子得分可以得出不同因子的重要性指標,而管理者則根據這些指標的重要性決策需要首先解決的市場問題或者產品問題。

判別分析

判別分析 (Discriminant Analysis) 能夠依據樣本的某些特性,以判別樣本所屬類型。與聚類分析不同的是,判別分析是在已知研究對象可用某種方法分成若干類的前提下,建立判別函數,用以判定未 知對象屬于已知分類中的哪一類。在市場研究中,判別分析主要用于對一個企業進行市場細分,以選擇目標市場,有針對性地進行廣告、促銷等活動。

判別分析的普通公式為:

Z = b 1 x 1 + b 2 x 2 + b 3 x 3 + ... + b n x n

其中, Z 為判別分; b 為判別權數; x 為自變量。


     聚類分析


聚類分析是指把具有某種相似特征的物體或者事物歸為一類的方法與技巧。聚類分析的目的在于辨別在某些特性上相似的事物,并按這些特性將樣本劃分成若干類 ( 群 ) ,使在同一類內的事物具有高度的同質性,而不同類的事物則有高度的異質性。在市場研究中,聚類分析主要用于:

☆ 對消費者群進行市場細分;
☆ 把研究對象 ( 人,城市,品牌等 ) 分割成為更加同質的細分群體;
☆ 為市場測試確定相匹配的城市;
☆ 在市場結構分析中去識別競爭者
☆ 對產品進行分類
☆ 選擇試驗市場
☆ 確定分層抽樣的層次
☆ 分析消費者的性格特征和行為形態等方面


多維偏好分析

多維偏好分析常用于分析消費者對產品與服務的偏好傾向,在市場研究中能具體解決如下問題:

☆ 圈定目標消費群體
    ☆ 市場上哪些品牌的競爭激烈
    ☆ 探索市場的空白區域
    ☆ 消費群體的分類
    ☆ 品牌評價

多維尺度分析是探索多個研究事物間的相似 ( 不相似 ) 程度,通過適當的降維方法,將這種相似 ( 不相似 ) 程度在低維度空間中點與點之間的距離表示出來,并有可能幫助識別那些影響事物間相似性的潛在因素,在市場研究中能具體解決如下問題:

    ☆ 市場上,相似品牌有哪些?
    ☆ 消費者評價品牌相似性的依據是什么?

差分統計檢驗

    統計推斷最根本的目的是從抽樣調查的結果中歸納出總體特征,統計判斷最基本的原則是,在數學上不同的數字在統計學上可能并沒有顯著不同。例如,在啤酒口味測試中, 52 %的人偏好 A , 48 %的人偏好 B ,這里實際上的差別很小,并在我們所設計的誤差之內,這種統計差別是不顯著的。

在數學概念上,只要數字不同就有差分。然而,這并不能說明在統計上的意義是顯著的。如果一個差分大到不可能由于抽樣誤差或者偶然因素引起的,那么這個差分在統計學上是顯著的,稱為統計顯著性。那么,什么程度的差分才有統計顯著性呢?差分的統計檢驗分析即可回答這個問題。

假設檢驗是我們通常使用的技術方法。例如,我們事先給某一個產品目標購買人群的定位是 25 歲,而調查表明是 28 歲。那么,事先的預測準確嗎?通過假設檢驗技術就可以得到答案。

在假設檢驗中,柯爾莫洛夫-斯米爾諾夫 K-S 模型常常被采用。一個 著名的案例是:康柏電腦在 FG 座談會上得知,家庭電腦用戶不喜歡辦公環境中傳統的顏色,在調查者出示了許多顏色以后,被調查者表示喜歡棕色。接下來,進一步對 6 個月內會購買電腦的 500 潛在用戶進行了問卷調查,結果表明喜歡深棕色的 55 人,暗棕色的 45 人,中等棕色的 80 人,淺棕色的 170 人,特淺棕色的是 150 人。通常來講,我們可以得到這樣一個結論了:用戶偏好淺棕色!但是,在進行 K-S 檢驗以后發現,統計量指 D 為 0.24 ,明顯大于臨界值 0.06 ,所用原來棕色偏好的假設不成立。

400-788-9700

服務時間:7天*24小時

中商咨詢集團| 關于我們| 媒體報道| 品質保證| 客戶評價| 網站聲明| 媒體合作| 誠聘英才| 廣告服務| 聯系方式| 意見反饋

客服電話:0755-25193391 25407713 25407622 25417892 25417815 25950389 25950682 25950392

研究報告咨詢:400-666-1917 企業上市IPO咨詢:400-788-9689 商業計劃書咨詢:400-788-9700 可研報告咨詢:400-788-9700 產業園區規劃咨詢:400-788-9689

北京地址:北京市右安門外大街99號國內貿易工程設計研究院5層501室  深圳地址:深圳市福田中心區紅荔路1001號銀盛大廈7層(團市委辦公大樓)

Copyright 2003-2014 askci Corporation, All Rights Reserved    中商情報網 版權所有

粵ICP備05057834號 增值電信業務經營許可證:粵B2-20130242