【正文】 77 .5 .5 46歲以上 3645歲 2635歲 25歲以下 無回答 /無收入 高收入 中高收入 中等收入 中低收入 低收入 女性 男性 200元以上 101200元 51100元 50元以下 大學(xué)本科及以上 大專 高中 /中專 /技校 初中 小學(xué)及以下 不使用 小靈通 價(jià)格敏感性特征 無消費(fèi)欲望者特征 固定用戶特征 使用移動(dòng)通訊服務(wù)消費(fèi)者特征 SIM卡 充值卡 特殊需求者特征 多元對(duì)應(yīng)分析 Multiple Correspondence Analysis 78 對(duì)應(yīng)分析 Correspondence Analysis CA 1 0 1 2 1 0 1 雪糕 雪源 清爽 甘甜 雪浪花 洗衣機(jī) 興奮 波瀾 歡快 個(gè)性 空調(diào) 碳酸飲料 期望 毛毯 保健食品 天山綠 中美純 純水 純凈 玉泉 果汁飲料 春溪 安閑 高檔 新產(chǎn)品名稱（品牌）測(cè)試 79 對(duì)應(yīng)分析可以回答以下問題 ? 誰是我的用戶？ ? 還有誰是我的用戶？ ? 誰是我競(jìng)爭(zhēng)對(duì)手的用戶？ ? 相對(duì)于我的競(jìng)爭(zhēng)對(duì)手的產(chǎn)品，我的產(chǎn)品的定位如何？ ? 與競(jìng)爭(zhēng)對(duì)手有何差異？ ? 我還應(yīng)該開發(fā)哪些新產(chǎn)品？ ? 對(duì)于我的新產(chǎn)品，我應(yīng)該將目標(biāo)指向哪些消費(fèi)者？ 80 Dimension 1 .8 .6 .4 .2 Dimension 2 .6 .4 .2 BRAND ATTRIBUT 中華 夏利 紅旗 吉利 長(zhǎng)安鈴木 馬自達(dá) 三菱 日產(chǎn) 本田 豐田 別克 神龍 奧迪 大眾 大發(fā) 凌志 寶馬 奔馳 產(chǎn)品對(duì)安全性考慮周到 產(chǎn)品對(duì)環(huán)境問題和積極 產(chǎn)品具有先進(jìn)技術(shù) 產(chǎn)品有風(fēng)格、有品位 產(chǎn)品故障少、值得信賴 產(chǎn)品外觀設(shè)計(jì)好 產(chǎn)品具有高性能 產(chǎn)品具有高耐久性 產(chǎn)品具有高品質(zhì) 產(chǎn)品及廣告廣受好評(píng) 產(chǎn)品銷路好 對(duì)產(chǎn)品有興趣 對(duì)產(chǎn)品及廣告有印象 產(chǎn)品適合自己 產(chǎn)品有親切 產(chǎn)品具有與眾不同的特 產(chǎn)品好 81 ? 很多情況下，直接、簡(jiǎn)單地詢問被訪者選擇品牌（屬性 /價(jià)格）問題是不現(xiàn)實(shí)的，甚至是沒有用的。 ? 交互表的信息以圖形的方式展示。 自變量 (independent variable)： 預(yù)測(cè)變量 ——定量數(shù)據(jù)或定性（屬性的評(píng)價(jià)得分）。 71 主要應(yīng)用 —— 判別和細(xì)分市場(chǎng) ? 用戶和非用戶 ? 經(jīng)常購(gòu)買者和非經(jīng)常購(gòu)買者 ? 新用戶、流失用戶和忠實(shí)用戶 ? 忠誠(chéng)用戶和非忠誠(chéng)用戶 ? 新產(chǎn)品早期使用者和后期使用者 ? 消費(fèi)者心目中喜歡的品牌和不喜歡的品牌 ? 消費(fèi)者對(duì)我們的品牌和競(jìng)爭(zhēng)品牌的不同屬性偏好 ? 偏好圖 ? 市場(chǎng)細(xì)分 ? 新產(chǎn)品開發(fā) 72 ?A ?B ?C ?D ?E ?F ?G 價(jià)格合理性 易于服用 藥效持久 有效性 對(duì)兒童有益 藥性溫和 感冒藥品概念圖 /品牌圖 73 Logistic回歸模型 )ex p (1)ex p (???? iiii xbxbpppodds?? 12211)1l n ()l n (l o g XbXbappoddspit ??????)ex p (1)ex p ()1(Pr22112211 XbXba XbXbaYob ??? ????74 邏輯斯特回歸 Logistic回歸是一種進(jìn)行統(tǒng)計(jì)判別和分類的統(tǒng)計(jì)技術(shù)手段。 ? 考察各個(gè)類別在判別變量方面是否存在顯著差異。 自變量 (independent variable)： 判別變量 ——定量數(shù)據(jù)（屬性的評(píng)價(jià)得分）。 市場(chǎng)細(xì)分研究中，常涉及判別個(gè)體所屬類型的問題。例如：用早餐人們經(jīng)常將兩種食品搭配在一起。 ? 兩個(gè)變量的相關(guān)性測(cè)量。 ? 反映鄰近的測(cè)量方式： – 相似性 數(shù)值越大對(duì)應(yīng)著研究對(duì)象越相似。 主要借助計(jì)算機(jī)統(tǒng)計(jì)分析軟件，輸入有關(guān)消費(fèi)者對(duì)事物的知覺或偏好數(shù)據(jù)，轉(zhuǎn)換為一組對(duì)象或?qū)ο筇卣鳂?gòu)成的多維空間知覺或偏好圖—— 感知圖。 ? 聚類分析更像是一種建立假設(shè)的方法，而對(duì)假設(shè)的檢驗(yàn)還需要借助其它 統(tǒng)計(jì)方法。 ? 一般來說分類變量的組合都是由研究者規(guī)定的，不是像其它多元分析方 法那樣估計(jì)推導(dǎo)出來的。 ? 假定研究對(duì)象均用所謂的“點(diǎn)”來表示。 ? 按照個(gè)體或樣品 (individuals, objects or subjects)的特征將它們分類，使 同一類別內(nèi)的個(gè)體具有盡可能高的同質(zhì)性 (homogeneity)， 而類別之間則應(yīng)具 有盡可能高的異質(zhì)性 (heterogeneity)。（兩個(gè)因子） ? 問卷設(shè)計(jì)的信度和效度。 ? 識(shí)別數(shù)據(jù)中潛在的不正直接觀測(cè)的結(jié)構(gòu)或維度。 ? 探索性因子分析。 ? 線性組合后的主成份在幾何空間上代表 p個(gè)變量構(gòu)成坐標(biāo)系旋轉(zhuǎn)后的新坐標(biāo)系，新坐標(biāo)軸代表了最大變差方向。 ? 第一主成份解釋 p個(gè)變量的最大變差。 41 企業(yè)對(duì)市場(chǎng)研究的需求 您要花多長(zhǎng)時(shí)間才能完成？ —— 專業(yè)市場(chǎng)研究機(jī)構(gòu) 產(chǎn)品評(píng)價(jià) 趨勢(shì)識(shí)別 競(jìng)爭(zhēng)策略 市場(chǎng)調(diào)查 消費(fèi)者行為 供應(yīng)商分析 銷售分析 投訴 /應(yīng)急處理 42 多元回歸分析 Multiple Regression Analysis 00 通話質(zhì)量 特服臺(tái)服務(wù) 技術(shù)支持 /咨詢 裝機(jī) /修機(jī) /移機(jī)業(yè)務(wù) 營(yíng)業(yè)廳服務(wù) 服務(wù)宣傳項(xiàng)目 話費(fèi)價(jià)格 話費(fèi) /查詢 /準(zhǔn)確 /繳費(fèi) 投訴 /糾紛 急需改進(jìn)區(qū) 優(yōu)勢(shì)保持區(qū) 次要改進(jìn)區(qū) 錦上添花區(qū) 某省電信各項(xiàng)總體滿意度指標(biāo)的重要性和滿意度象限圖 滿意度水平（表現(xiàn)） 重要性水平 43 Y=a+bX 因變量 自變量 (預(yù)測(cè)變量） 截距 斜率 數(shù)學(xué)上下列方程在圖形上是一條直線 44 X Y ● X和 Y線性回歸 d 22 )( ??? ?? YYd?YYi bXaY ???● ● ● ● ● ● ● ● ● 45 回歸分析的問題 ? 決定系數(shù) R2 ? 方差分析表 ? 回歸診斷 —— 殘差圖 ? 共線性問題 ? 變量轉(zhuǎn)換 ? 異常值處理 ? 預(yù)測(cè)范圍 ? 因變量是 01定類變量： logistic regression 46 Component Plot Component 1 .7 .6 .5 .4 .3 Component 2 .6 .4 .2 接待投訴耐心 處理投訴迅速 維修專業(yè)程度 維修服務(wù)態(tài)度 維修及時(shí)程度 廣告吸引力 廣告投放量 入網(wǎng)費(fèi)打折促銷 對(duì)服務(wù)承諾的兌現(xiàn)情況 維修服務(wù)收費(fèi) 通話費(fèi)計(jì)費(fèi)透明度 通話費(fèi)計(jì)費(fèi)準(zhǔn)確性 通話費(fèi) 入網(wǎng)費(fèi) 營(yíng)業(yè)員專業(yè)水平 營(yíng)業(yè)員服務(wù)態(tài)度 營(yíng)業(yè)廳規(guī)模 營(yíng)業(yè)廳環(huán)境 銷售網(wǎng)點(diǎn)分布 開戶手續(xù) 網(wǎng)絡(luò)覆蓋 服務(wù)和網(wǎng)絡(luò)功能 公司對(duì)各種承諾的兌現(xiàn) 公司手機(jī)網(wǎng)絡(luò)的用戶量 公司的技術(shù)力量 對(duì)該公司將來的信心 公司信譽(yù) 公司實(shí)力 公司總體形象 重要性水平 表現(xiàn) 主成份分析 Principal Component Analysis PCA 急需改進(jìn)區(qū) 優(yōu)勢(shì)保持區(qū) 次要改進(jìn)區(qū) 錦上添花區(qū) 某移動(dòng)通訊服務(wù)供應(yīng)省滿意度指標(biāo)的重要性和滿意度象限圖 47 主成份分析 Principal Component Analysis PCA 0 1 2 1 2 3 0 1 2 1 2 3 第一主成份 第二主成份 沃爾沃 奔馳 BMW 切諾基 桑塔納 捷達(dá) 富康 紅旗 奧迪 別克 現(xiàn)代 本田 豐田 賽歐 48 主成份分析的基本概念 x1 x2 Y1 Y2 x1 x2 X1與 x2相關(guān) Y1與 Y2不相關(guān) XexxyXexxy39。CART Network analysis Predict Model Logistic/Logit 38 多變量統(tǒng)計(jì)分析法 —— 高級(jí)數(shù)據(jù)處理分析技術(shù) ? 多元回歸分析 —— Multiple Regression Analysis ? 主成份分析 —— Principal Component Analysis PCA ? 因子分析 —— Factor Analysis FA (EFA amp。 誤差 在抽樣調(diào)查中由于人為的差錯(cuò)所造成的誤差。Nobody’s Unpredictable July 18 2022 統(tǒng)計(jì)在市場(chǎng)研究中的應(yīng)用 The Application of Statistics in Marketing Research 沈浩： IPSOS 益普索（中國(guó)） 首席技術(shù)顧問 北京廣播學(xué)院新聞傳播學(xué)院 副教授 北京廣播學(xué)院調(diào)查統(tǒng)計(jì)研究所 副所長(zhǎng) 2 Answer Tree AMOS/LISREL UCINET ACACBC Decision Time Clementine Enterprise Miner What If SPSSMR PencilPaper 市場(chǎng)調(diào)查 管理咨詢 描述性統(tǒng)計(jì) 多變量分析技術(shù) 市場(chǎng)研究模型技術(shù) 數(shù)據(jù)挖掘技術(shù) 調(diào)查手段 1990年 ———————1995年 —————————————————1998年 ————————————2022年 調(diào)研機(jī)構(gòu) 專用分析軟件與模塊 Spss10 Spss11 CATI WEB Survey DATA WareHouse CAPI 市場(chǎng)營(yíng)銷 市場(chǎng)研究 — 統(tǒng)計(jì)、模型、軟件 3 統(tǒng)計(jì)分析是正確理解數(shù)據(jù)的工具 首先：要避免犯 統(tǒng)計(jì) 錯(cuò)誤 明確： 統(tǒng)計(jì)沒有錯(cuò)誤，犯錯(cuò)的是人。 Station –Clementine 市場(chǎng)研究中的數(shù)據(jù)分析技術(shù) 15 頻數(shù)統(tǒng)計(jì)與直方圖 A G E82 0 . 02 0 . 02 0 . 071 7 . 51 7 . 53 7 . 5123 0 . 03 0 . 06 7 . 571 7 . 51 7 . 58 5 . 037 . 57 . 59 2 . 537 . 57 . 51 0 0 . 0401 0 0 . 01 0 0 . 0121314151617T o t a lV a l i dF r e q u e n c yP e r c e n tV a l i dP e r c e n tC u m u l a t i v eP e r c e n t頻數(shù) 百分比 有效百分比 累計(jì)百分比 取值 變量 頻數(shù)表 16 A G E1 7 . 01 6 . 01 5 . 01 4 . 01 3 . 01 2 . 0A G EFrequency14121086420S t d . De v = 1 . 4 8 M e a n = 1 4 . 0N = 4 0 . 0 03371278直方圖 17 2030 05101520253012 13 14 15 16 17不同的圖形表現(xiàn)形式 18 12%13%14%15%16%17%餅圖 19 W E I G H T7 8 . 1 06 4 . 5 05 8 . 1 05 4 . 0 05 2 . 2 05 0 . 8 04 8 . 6 04 7 . 7 04 4 . 9 04 3 . 1 04 1 . 8 03 8 . 6 03 6 . 8 03 3 . 6 02 9 . 1 0Coun