【文章內(nèi)容簡介】 age 歷史傳承Innovation 創(chuàng)新性Authority 權(quán)威性Nostalgia 美好回憶Identification 認同感Equity品牌資產(chǎn)Trust 信賴感Bonding 情感連結(jié)Caring 關(guān)懷Endorsement 權(quán)威認可知名度熟悉程度Consumer Insight(5) :Case Study Toilet paper 廁紙Toothpaste 牙膏Soft drinks 軟飲料Computers 計算機Financial services 金融服務(wù)Automotive 汽車Bottled water 瓶裝水Source: Research International Database0%50%100%Affinity 親和力Performance 功能表現(xiàn)Batteries 電池Shampoo 洗發(fā)水Teles 電信Spirits 酒類Utilities Coffee 咖啡Retail 零售Dog food 狗糧Airlines 航空服務(wù)Chocolate 巧克力某些市場更多地由親和力驅(qū)動Consumer Insight(5) :Case StudyMac 蘋果Packard Bell HewlettPackard惠普TinyIBMGateway 基匯 Dell戴爾Compaq康柏市場平均值60 12072949595105105111112Source: RI case study UK home PC market數(shù)據(jù)來源： RI 英國家用電腦市場案例Case Study :我的品牌資產(chǎn)有多強？ Consumer Insight(5) :Case Study 他人接受度情感連接美好回憶歷史傳承權(quán)威認可創(chuàng)新性信賴感聲望關(guān)懷MSNConsumer Insight(7) ： Innovation Workshop 寫于最后 一句話? “ 用戶研究理念 ” 和 “ 業(yè)務(wù)的理解 ” 是兩條主線，是一切研究的起點和終點；? 數(shù)據(jù)采集方法（觀察法、訪問法、行為記錄法） 數(shù)據(jù)分析方法（簡單數(shù)據(jù)分析、多元統(tǒng)計分析、數(shù)據(jù)挖掘 ）僅僅是為了實現(xiàn)目標的工具，需要針對 “ 實際需要 ” 選擇性使用！ Know consumer world ...了解消費者的世界了解消費者的世界 …… seize the future…抓住未來抓住未來“基礎(chǔ) 統(tǒng)計 ”應用簡要概述戰(zhàn)略發(fā)展部 TinaFu / 2023目錄216。 市場研究使用統(tǒng)計技術(shù)的必要性216。 統(tǒng)計技術(shù)的基礎(chǔ)F 測量尺度 (變量 )類型F 數(shù)據(jù)加權(quán)216。 數(shù)據(jù)的描述性統(tǒng)計 ：頻數(shù)分布和基本統(tǒng)計量216。 數(shù)據(jù)的推斷性統(tǒng)計 ：假設(shè)檢驗216。 多元統(tǒng)計技術(shù)F 相關(guān)分析F 回歸分析 F 因子分析F 主成分分析F 聚類分析 F 對應分析F 聯(lián)合分析市場研究與統(tǒng)計學統(tǒng)計學 (Statistics)是關(guān)于 數(shù)據(jù)資料 的 的一門學科收集 整理 分析 推斷市場 (營銷 )研究 (Marketing Research) – AMA 是營銷者通過信息與消費者、顧客和公眾聯(lián)系的一種職能。這些信息用于識別和定義營銷問題與機遇，制定、完善和評估營銷活動，監(jiān)測營銷績效，改進對營銷過程的理解。 確定解決問題所需的 信息 ，設(shè)計信息收集方法，管理和實施數(shù)據(jù)收集過程，分析結(jié)果，就研究結(jié)論及其意義進行溝通。市場研究的數(shù)據(jù)分析過程問卷設(shè)計數(shù)據(jù)錄入和查錯探索性分析確證 /結(jié)論性分析高級分析分析始于這里！確信問卷覆蓋你要達成研究目的所需要的全部內(nèi)容。 巧婦難為無米之炊！設(shè)計不嚴謹、信息不完備的問卷是任何 “強有力 ”統(tǒng)計工具的 “毒藥 ”！大量的交叉表數(shù)據(jù)，對研究結(jié)論進行支持。對 關(guān)鍵 /核心題目的數(shù)據(jù) (如 Topline Data)進行簡要分析，粗略把握研究發(fā)現(xiàn)，并生成初步的研究結(jié)論 (可能只是假設(shè) )確信您獲得了所需要的 全部數(shù)據(jù)信息 ，并且它們是 準確無誤 的。一方面，結(jié)合高級統(tǒng)計技術(shù)進行一些深入的數(shù)據(jù)挖掘和分析；一方面，將數(shù)據(jù)信息與營銷理論結(jié)合，形成研究結(jié)論并給出建議。為什么要使用統(tǒng)計技術(shù)？總體 (Population)我們想要調(diào)查并獲得研究問題的答案的特定群體(如 1849歲每天吸煙至少 10支以上的男性 )樣本 (Sample)從總體中盡可能隨機抽取出的一個有代表性的子集，他們是實際的受訪者R1R2 RN研究目的 : 揭示總體在行為、態(tài)度等我們感興趣的諸方面的屬性 /特征解決方案 : 從總體抽取一個有代表性的樣本通過訪問分析樣本通過使用統(tǒng)計量，從樣本屬性 /特征推斷總體的屬性 /特征我們在使用哪些類型的統(tǒng)計技術(shù)？描述性統(tǒng)計學(Descriptive statistics)是將收集到的原始數(shù)據(jù)資料直接通過圖表等形式進行概括或描述 (如交叉表 )，是對數(shù)據(jù)進行定量分析的不可或缺的基礎(chǔ)推斷性統(tǒng)計學(Inferential statistics)通過來自總體的有限多個樣本獲得的帶有不確定性的信息，來推測整個總體的信息，如參數(shù)估計 (少用 )、假設(shè)檢驗 (常用 )多元統(tǒng)計技術(shù)(multivariate technique)關(guān)注的是兩個或以上變量之間的相互關(guān)系 (相關(guān)系數(shù)、協(xié)方差、距離等 )，并基于相互關(guān)系進行各種分析，如因子分析，聚類分析等目錄216。 市場研究使用統(tǒng)計技術(shù)的必要性216。 統(tǒng)計技術(shù)的基礎(chǔ)F 測量尺度 (變量 )類型F 數(shù)據(jù)加權(quán)216。 數(shù)據(jù)的描述性統(tǒng)計 ：頻數(shù)分布和基本統(tǒng)計量216。 數(shù)據(jù)的推斷性統(tǒng)計 ：假設(shè)檢驗216。 多元統(tǒng)計技術(shù)F 相關(guān)分析F 回歸分析 F 因子分析F 主成分分析F 聚類分析 F 對應分析F 聯(lián)合分析167。 市場調(diào)研面對消費者，但所測量的并不是消費者本身，而是測量他們的感受、態(tài)度、偏好和其他相關(guān)的特性。 167。 測量尺度 (變量 )：在調(diào)查中，不同被訪者給出有差異答案 /選項的各個題目 /條目；測量尺度 (Measure scale)測量尺度(Statistical Technique)定性變量(Qualitative Variable)定量變量(Quantitative Variable)名義尺度(nominal scale)有序尺度(ordinal scale)定距尺度(interval scale)比率尺度(Ratio scale)測量尺度類型名義尺度(nominal scale)數(shù)字只用做對事物進行識別和分類的標志和標簽167。 例如：性別，婚姻狀況，國籍 /城市等；167。 只允許計算有限的以頻率計數(shù)為基礎(chǔ)的統(tǒng)計指標，如百分比、眾數(shù)等；有序尺度(ordinal scale)數(shù)字代表事物擁有某種屬性的相對程度 /位置，但沒有指明差別的大小167。 例如：偏好排序，市場 /行業(yè)地位等；167。 頻率計數(shù)，以及基于分位點的統(tǒng)計指標 (百分位數(shù)，中位數(shù)等 )定距尺度(interval scale)尺度上數(shù)字相等的距離代表了被測特性的相等值，即可以比較事物之間差別的大小167。 例如：偏好 /態(tài)度量表 (5scale/7scale)，重要性評分；167。 零點位置不固定，即尺度可以變換；167。 可以計算通常使用的統(tǒng)計量，但尺度值之間的比率及其它一些特殊統(tǒng)計量不適合計算；比率尺度(Ratio scale)可以依據(jù)尺度值對事物進行分類、比較等，以及計算相互之間的差值、比率等167。 例如：年齡，收入，工作年數(shù)，花費等；167。 有絕對零點，可以計算所有統(tǒng)計量；測量尺度示例表 1. 測量尺度示例 名義尺度 有序尺度 定距尺度 比率尺度測試品牌 品類編號 到達率排序 重要性 (5scale) 投放量 到達率 (%)廈新手機 1 1 4 275 74 高露潔牙膏 2 2 5 200 69 聯(lián)想手機 1 3 3 125 65 三九胃泰 4 4 4 100 51 東信手機 1 5 3 50 37 第 5季維 C飲料 3 6 5 0 37 金帝巧克力 3 7 2 83 30 阿迪達斯 9 8 1 150 28 三九正天丸 4 9 2 50 28 安吉爾飲水機 5 10 5 27 22愛浪音響 5 11 1 54 19耐克運動鞋 9 12 2 25 14 來源： 2023年第 1季實效鑒證 (武漢 )加權(quán) (Weighting) 是什么？希望這種屬性的個體達到的規(guī)模具有某一屬性的個體的現(xiàn)有規(guī)模權(quán)重 = 加權(quán)： 通過對總體中的各個元素設(shè)置不同的數(shù)值系數(shù) (即加權(quán)因子 /權(quán)重)，使元素表現(xiàn)出所希望的相對重要性程度； 簡單地說，就是要 “讓一些人變得比另一些人更重要！ ”100 個被訪者 :40個男性60個女性想要讓男性 :女性 =1:1設(shè)置權(quán)重男性 = 女性 = 加權(quán)后數(shù)據(jù)：男性： 40 x = 50女性： 60 x = 50一個簡單的例子：為什么要加權(quán)？ (1)167。 應用 1： 所調(diào)研樣本的人口統(tǒng)計結(jié)構(gòu)與總體的實際狀況不匹配，通過加權(quán)來消除 /還原這種變異，達到糾偏的目的；167。 例如，在 SH和 GZ各調(diào)查 300樣本，城市人口比例“SH:GZ=2:1”(假設(shè) )，在分析時我們希望將 SH和 GZ看作一個整體，則此時我們需要給 SH樣本一個 2倍于 GZ樣本的權(quán)重；167。 應用 2： 除了人口統(tǒng)計結(jié)構(gòu)，在一些關(guān)鍵屬性上測試樣本組的代表性可能也會相對總體的實際狀況過高 /過低，此時，需要加權(quán)進行調(diào)整；167。 這類不匹配大多是我們 “故意 ”而為 (通過 “追加 ”樣本實現(xiàn) )，比如設(shè)置配額要求被訪者中某產(chǎn)品的使用者達到 50%，但總體市場中實際使用者僅為 10%；167。 有時，則是 “非情愿 ”的出現(xiàn)，比如設(shè)置了能反映總體的配額比例，但實際操作卻出現(xiàn)了比例偏高 /偏低；為什么要加權(quán)？ (2)167。 應用 3： 在樣本組對比測試中，也會通過加權(quán)來調(diào)整不同組間的樣本屬性不相匹配的情形 (通常設(shè)有相同的配額，但執(zhí)行有可能會出現(xiàn)差異 )；167。 通常，加權(quán)對結(jié)果產(chǎn)生的差異很小，更多的是對結(jié)果從準確度上進行修飾；167。 應用 4： 所測試樣本出現(xiàn)了較多的缺失值，需要加權(quán)來糾正結(jié)果；167。 對于面向單一客戶的專項研究，在調(diào)查前基本都協(xié)議有要完成的樣本量，故這種情形較少；167。 因子加權(quán)： 對滿足特定屬性的所有被訪者賦予一個權(quán)重，通常用于提高樣本中具有某種特性的被訪者的重要性；167。 例如，研究一種香煙的口味是否需要改變，那么不同程度吸食者的觀點也應該有不同的重要性對待：167。 實際應用中，如果 “經(jīng)常 /普通吸食者 ”的基數(shù)足夠大，往往單獨分析而不進行如上的加權(quán)處理；167。 目標加權(quán)： 對某一特定樣本組賦權(quán)，以達到們預期的特定目標；167。 例如，加權(quán)的類型 (1)想要： 品牌 A的 20%使用者 = 品牌 B的 50%使用者；或 品牌 A的 20%使用者 = 品牌 A的 80%非使用者；權(quán)重頻繁吸食者 普通吸食者 偶爾 /不吸食者 167。 輪廓加權(quán)： 與因子 /目標加權(quán)不同 (一維的 )，輪廓加權(quán)應用于對測試組的相互關(guān)系不明確的多個屬性加權(quán)；167。 面對多個需要賦權(quán)的屬性，輪廓加權(quán)過程應該同時進行，以盡可能少的對變量產(chǎn)生扭曲；加權(quán)的類型 (2)Achieved Known proportions of age sexIf the relationship is known, a ‘weighting matrix’ can be produced制定一個加權(quán)計劃 (1)167。 無論加權(quán)的動機是什么，但 執(zhí)行的過程是一樣的 ：依不同屬性 /指標將樣本分為多個組 (加權(quán)組 )，然后根據(jù)所希望各個組代表的個體規(guī)模賦予不同的權(quán)重；即167。 明確分析子集 /樣本組，通常，較多的以人口結(jié)構(gòu)變量、地域變量作為分類指標；167。 明確各個分析子集 /樣本組中個體的代表性強弱 (權(quán)重 )；167。 加權(quán)是在數(shù)據(jù)收集結(jié)束后采取的數(shù)據(jù) “糾偏 ”行為，但一定要清醒的知道：167。 配額設(shè)置不合適、 FW執(zhí)行差或其他錯誤而造成的 “不好 ”的原始數(shù)據(jù)收集，即使加權(quán)也一定是 “無效的 ”；167。 “提前避免錯誤 /失誤發(fā)生，總好過事后的任何補救！ ”制定一個加權(quán)計劃 (2)項目設(shè)計 :我們是否有計劃進行數(shù)據(jù)加權(quán)？設(shè)置什么樣的配額 – 是否有必須的信息用于配額設(shè)置 ?167。 不要設(shè)置不必要的配額，即加大 FW難度，又增加成本；167。 設(shè)置樣本結(jié)構(gòu)時，就應該考慮清楚如何去組織這些數(shù)據(jù)；167。 記住： “提前計劃 ”，盡可能早的確定加權(quán)方案，最好在時間表中預留時間專門用于加權(quán)；原始數(shù)據(jù) :查數(shù)要針對 “未加權(quán) ”數(shù)表 (或 holecounts)；明確加權(quán)遵循的原則，并分析加權(quán)對其它人口結(jié)構(gòu)變量或關(guān)鍵指標帶來的影響；167。 數(shù)據(jù)中哪些變量是最重要的，加