市場(chǎng)研究工作是什么 ?

市場(chǎng)研究工作它不只是問(wèn)卷設(shè)計(jì) 、 運(yùn)作質(zhì)量的控制 、 制作圖表 和 撰寫(xiě)報(bào)告 。市場(chǎng)研究最終是：（ 1 ） 提供解決方案；（ 2 ）解決市場(chǎng)問(wèn)題；（ 3 ）為我們的客戶(hù)爭(zhēng)取更多的商業(yè)回報(bào)。

在我們對(duì)眾多的調(diào)查數(shù)據(jù)進(jìn)行分析時(shí)就會(huì)發(fā)現(xiàn)： 有簡(jiǎn)單性的一面 …… 例如：基本的分析（變量關(guān)聯(lián)表）； 另外也有復(fù)雜性的一面 …… 例如： 大量附加的分析，運(yùn)用許多的復(fù)雜的分析技術(shù)； 然而我們需要看到 “ 復(fù)雜性問(wèn)題背后的簡(jiǎn)單表述 ”…… 使 復(fù)雜 問(wèn)題 簡(jiǎn)單化 。為了達(dá)到這一目的，你不得不研究復(fù)雜問(wèn)題然后去提煉出使人容易明白的信息。多元統(tǒng)計(jì)分析就是發(fā)現(xiàn)復(fù)雜數(shù)據(jù)后面真實(shí)性問(wèn)題的技術(shù)方法。

什么是市場(chǎng)調(diào)查中的統(tǒng)計(jì)分析技術(shù)（ MVA ） ?

在定量市場(chǎng)調(diào)查中，現(xiàn)場(chǎng)執(zhí)行完畢后獲取了大量的調(diào)查信息與數(shù)據(jù)，對(duì)這些數(shù)據(jù)的整理、分析和問(wèn)題的判斷是市場(chǎng)調(diào)查環(huán)節(jié)中重要的組成部分。通常，單一問(wèn)題分析 (univariate analysis) 和交叉問(wèn)題分析是十分普遍的，例如：?jiǎn)我环治鲋械念l率（頻數(shù)）分析，或者把一個(gè)問(wèn)題或變量與另一個(gè)關(guān)聯(lián)交叉分析（例如對(duì)受訪(fǎng)者背景變量：性別、年齡等）等通常作為數(shù)據(jù)第一步的描述性統(tǒng)計(jì)分析。但是，單一分析是不夠的，因?yàn)樵谝豁?xiàng)研究中，會(huì)有許多變量，許多影響因素，多元統(tǒng)計(jì)分析的運(yùn)用則顯得十分重要，并具有單一分析所不具有的附加值。

為什么要做這種 “ 附加值 ” 的分析 ?

我們做 MVA 分析不因?yàn)槭?ldquo;它使我們的研究報(bào)告更好看”，而是“它會(huì)使數(shù)據(jù)對(duì)客戶(hù)更有指導(dǎo)作用”，“它能使你得到單變量分析無(wú)法達(dá)到的結(jié)果”，“它可以使委托方更好地利用信息，使市場(chǎng)調(diào)查的價(jià)值最大化”。

---

差分統(tǒng)計(jì)檢驗(yàn)(Statistics Test Analysis)

統(tǒng)計(jì)推斷最根本的目的是從抽樣調(diào)查的結(jié)果中歸納出總體特征，統(tǒng)計(jì)判斷最基本的原則是，在數(shù)學(xué)上不同的數(shù)字在統(tǒng)計(jì)學(xué)上可能并沒(méi)有顯著不同。例如，在啤酒口味測(cè)試中， 52 ％的人偏好 A ， 48 ％的人偏好 B ，這里實(shí)際上的差別很小，并在我們所設(shè)計(jì)的誤差之內(nèi)，這種統(tǒng)計(jì)差別是不顯著的。

在數(shù)學(xué)概念上，只要數(shù)字不同就有差分。然而，這并不能說(shuō)明在統(tǒng)計(jì)上的意義是顯著的。如果一個(gè)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(gè)差分在統(tǒng)計(jì)學(xué)上是顯著的，稱(chēng)為統(tǒng)計(jì)顯著性。那么，什么程度的差分才有統(tǒng)計(jì)顯著性呢？差分的統(tǒng)計(jì)檢驗(yàn)分析即可回答這個(gè)問(wèn)題。

假設(shè)檢驗(yàn)是我們通常使用的技術(shù)方法。例如，我們事先給某一個(gè)產(chǎn)品目標(biāo)購(gòu)買(mǎi)人群的定位是 25 歲，而調(diào)查表明是 28 歲。那么，事先的預(yù)測(cè)準(zhǔn)確嗎？通過(guò)假設(shè)檢驗(yàn)技術(shù)就可以得到答案。

在假設(shè)檢驗(yàn)中，柯?tīng)柲宸颍姑谞栔Z夫 K-S 模型常常被采用。一個(gè)著名的案例是：康柏電腦在 FG 座談會(huì)上得知，家庭電腦用戶(hù)不喜歡辦公環(huán)境中傳統(tǒng)的顏色，在調(diào)查者出示了許多顏色以后，被調(diào)查者表示喜歡棕色。接下來(lái)，進(jìn)一步對(duì) 6 個(gè)月內(nèi)會(huì)購(gòu)買(mǎi)電腦的 500 潛在用戶(hù)進(jìn)行了問(wèn)卷調(diào)查，結(jié)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(lái)講，我們可以得到這樣一個(gè)結(jié)論了：用戶(hù)偏好淺棕色！但是，在進(jìn)行 K-S 檢驗(yàn)以后發(fā)現(xiàn)，統(tǒng)計(jì)量指 D 為 0.24 ，明顯大于臨界值 0.06 ，所用原來(lái)棕色偏好的假設(shè)不成立。

---

相關(guān)性分析 (Correspondence Analysis)

在許多市場(chǎng)調(diào)查中，調(diào)查者需要解決的問(wèn)題遠(yuǎn)遠(yuǎn)超出一般性統(tǒng)計(jì)檢驗(yàn)的需要，可能會(huì)對(duì)兩個(gè)或者兩個(gè)以上變量的關(guān)聯(lián)度感興趣，分析兩個(gè)變量的關(guān)聯(lián)度的技術(shù)方法，稱(chēng)為相關(guān)分析。

相關(guān)性分析一種非常有用的市場(chǎng)研究工具，可以在 2 維空間內(nèi)同時(shí)表達(dá)多維的屬性，也可以更好的理解品牌和屬性之間的關(guān)系，還可以表述一個(gè)不同市場(chǎng)因素的關(guān)聯(lián)度。

相關(guān)分析可以幫助客戶(hù) / 市場(chǎng)決策者：

－為實(shí)施市場(chǎng)戰(zhàn)略而去發(fā)現(xiàn)市場(chǎng)的空隙和優(yōu)化產(chǎn)品的定位 ( 對(duì)于新品牌或新產(chǎn)品的開(kāi)發(fā) / 延伸 )
－發(fā)現(xiàn)市場(chǎng)上決定性的或顯著的屬性，例如對(duì)于選擇不同品牌的重要和有顯著區(qū)別的屬性。

---

因子分析 (Factor Analysis)

在對(duì)市場(chǎng)數(shù)據(jù)的分析中往往會(huì)看到變量與變量之間存在一定的相關(guān)關(guān)系，例如：某產(chǎn)品的價(jià)格和社會(huì)需求之間，服務(wù)滿(mǎn)意度與服務(wù)之間都有密切的關(guān)系，銷(xiāo)售額與產(chǎn)品價(jià)格水平之間的關(guān)系等，研究變量之間相互關(guān)系密切程度的分析為相關(guān)分析。如果在研究變量的相關(guān)分析時(shí)，把其中的一些因素作為所控制的變量，而另一些隨機(jī)變量作為它們的因變量，確定這種關(guān)系的數(shù)理方法就稱(chēng)為回歸分析。它常應(yīng)用于滿(mǎn)意度研究、消費(fèi)者研究、市場(chǎng)預(yù)測(cè)以及一些專(zhuān)業(yè)技術(shù)研究等方面。

在實(shí)際運(yùn)用中，回歸分析根據(jù)變量的數(shù)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(xiàn)性回歸和非線(xiàn)性回歸等。

通常，線(xiàn)性回歸是常用的一種方法，二元線(xiàn)性回歸的方程表示為：

Y = C + bX + e

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

多元線(xiàn)性回歸方程像線(xiàn)性回歸一樣，只不過(guò)有更多的獨(dú)立變量，其線(xiàn)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(yùn)用在市場(chǎng)研究中，舉例如下： (1) 咖啡市場(chǎng)中關(guān)鍵因素的確定； (2) 計(jì)算機(jī)客戶(hù)滿(mǎn)意度研究關(guān)鍵因素確定； (3) 社會(huì)調(diào)查中的使用。

案例 1 ：找到關(guān)鍵的市場(chǎng)驅(qū)動(dòng)因素 - 在上升的咖啡市場(chǎng)

案例 2 ：計(jì)算機(jī)公司的客戶(hù)滿(mǎn)意關(guān)系

案例 3 ：在市場(chǎng) / 社會(huì)研究中，它通常表現(xiàn)出是 “ 先有雞還是先有蛋的關(guān)系 ” ，你喜歡某件產(chǎn)品是因?yàn)樗軙r(shí)髦還是你認(rèn)為因?yàn)槟阆矚g它才覺(jué)得它她時(shí)髦 ? 你喜歡一個(gè)公司是因?yàn)樗泻玫姆?wù)？或者你認(rèn)為這個(gè)公司的服務(wù)很好只因?yàn)槟阆矚g這家公司 ( 或者公司其他方面的因素 ) 。

---

因子分析 (Factor Analysis)

因子分析的基本目的就是用少數(shù)幾個(gè)因子去描述許多指標(biāo)或因素之間的聯(lián)系，即將相關(guān)比較密切的幾個(gè)變量歸在同一類(lèi)中，每一類(lèi)變量就成為一個(gè)因子 ( 之所以稱(chēng)其為因子，是因?yàn)樗遣豢捎^(guān)測(cè)的，即不是具體的變量 ) ，以較少的幾個(gè)因子反映原資料的大部分信息。常與其它技術(shù)聯(lián)合使用，應(yīng)用于滿(mǎn)意度研究，市場(chǎng)細(xì)分研究中。

在市場(chǎng)研究中，研究人員感興趣的是一些研究指標(biāo)的集成或者組合，這些概念通常是通過(guò)等級(jí)評(píng)分問(wèn)題來(lái)測(cè)量的，每一個(gè)指標(biāo)的集合 ( 或是一組相關(guān)聯(lián)的指標(biāo) ) 就是一個(gè)因子，指標(biāo)概念等級(jí)得分就是因子得分。

在一個(gè)只有兩個(gè)因子的因子得分分析中，因子得分的計(jì)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(jí)評(píng)分；等級(jí)評(píng)分的系數(shù)即為該變量的權(quán)數(shù)。

在實(shí)際應(yīng)用中，通過(guò)因子得分可以得出不同因子的重要性指標(biāo)，而管理者則根據(jù)這些指標(biāo)的重要性決策需要首先解決的市場(chǎng)問(wèn)題或者產(chǎn)品問(wèn)題。

---

判別分析 (Discriminant Analysis)

判別分析 (Discriminant Analysis) 能夠依據(jù)樣本的某些特性，以判別樣本所屬類(lèi)型。與聚類(lèi)分析不同的是，判別分析是在已知研究對(duì)象可用某種方法分成若干類(lèi)的前提下，建立判別函數(shù)，用以判定未知對(duì)象屬于已知分類(lèi)中的哪一類(lèi)。在市場(chǎng)研究中，判別分析主要用于對(duì)一個(gè)企業(yè)進(jìn)行市場(chǎng)細(xì)分，以選擇目標(biāo)市場(chǎng)，有針對(duì)性地進(jìn)行廣告、促銷(xiāo)等活動(dòng)。

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(quán)數(shù)； x 為自變量。

---

聚類(lèi)分析 (Cluster Analysis)

聚類(lèi)分析是指把具有某種相似特征的物體或者事物歸為一類(lèi)的方法與技巧。聚類(lèi)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(lèi) ( 群 ) ，使在同一類(lèi)內(nèi)的事物具有高度的同質(zhì)性，而不同類(lèi)的事物則有高度的異質(zhì)性。在市場(chǎng)研究中，聚類(lèi)分析主要用于：

☆ 對(duì)消費(fèi)者群進(jìn)行市場(chǎng)細(xì)分；
☆ 把研究對(duì)象 ( 人，城市，品牌等 ) 分割成為更加同質(zhì)的細(xì)分群體；
☆ 為市場(chǎng)測(cè)試確定相匹配的城市；
☆ 在市場(chǎng)結(jié)構(gòu)分析中去識(shí)別競(jìng)爭(zhēng)者
☆ 對(duì)產(chǎn)品進(jìn)行分類(lèi)
☆ 選擇試驗(yàn)市場(chǎng)
☆ 確定分層抽樣的層次
☆ 分析消費(fèi)者的性格特征和行為形態(tài)等方面

---

聯(lián)合分析/平衡分析 (Trade off)

通過(guò)聯(lián)合分析可以模擬真實(shí)購(gòu)買(mǎi)情況下，消費(fèi)者的權(quán)衡之后的選擇，消費(fèi)者的回答在是綜合各種條件包括自身經(jīng)濟(jì)條件做出的，反映了其潛在的權(quán)衡標(biāo)準(zhǔn)，而不會(huì)像傳統(tǒng)測(cè)試方法中得出的價(jià)格最低，性能最優(yōu)的非現(xiàn)實(shí)可操作的結(jié)論，也不會(huì)得到所有因素都非常重要或人們通?？梢灶A(yù)料到的非實(shí)際反映的似是而非的結(jié)論。聯(lián)合分析還可以預(yù)測(cè)并未實(shí)際測(cè)試過(guò)的產(chǎn)品組合的消費(fèi)者認(rèn)同程度和市場(chǎng)份額。

聯(lián)合分析的基本程序如下：

(1) 確定產(chǎn)品特征與特征水平：聯(lián)合分析首先要對(duì)產(chǎn)品或服務(wù)的特征進(jìn)行識(shí)別。這些特征與特征水平必須是顯著影響消費(fèi)者購(gòu)買(mǎi)的因素。特征與特征水平的個(gè)數(shù)決定了分析過(guò)程中要進(jìn)行估計(jì)的參數(shù)的個(gè)數(shù)。

(2) 產(chǎn)品模擬：聯(lián)合分析將產(chǎn)品的所有特征與特征水平通盤(pán)考慮，并采用正交設(shè)計(jì)的方法將這些特征與特征水平進(jìn)行組合，生成一系列虛擬產(chǎn)品。在實(shí)際應(yīng)用中，通常每一種虛擬產(chǎn)品被分別描述在一卡片上。

(3) 數(shù)據(jù)收集：請(qǐng)受訪(fǎng)者對(duì)虛擬產(chǎn)品進(jìn)行評(píng)價(jià)，通過(guò)打分、排序等方法調(diào)查受訪(fǎng)者對(duì)虛擬產(chǎn)品的喜好、購(gòu)買(mǎi)的可能性等。

(4) 計(jì)算特征的效用：從收集的信息中分離出消費(fèi)者對(duì)每一特征以及特征水平的偏好值，這些偏好值也就是該特征的 “ 效用 ” 。

(5) 市場(chǎng)預(yù)測(cè)：利用效用值來(lái)預(yù)測(cè)消費(fèi)者將如何在不同產(chǎn)品中進(jìn)行選擇，從而決定應(yīng)該采取的措施。

---

多維偏好分析與多維尺度分析

多維偏好分析常用于分析消費(fèi)者對(duì)產(chǎn)品與服務(wù)的偏好傾向，在市場(chǎng)研究中能具體解決如下問(wèn)題：

☆ 圈定目標(biāo)消費(fèi)群體
☆ 市場(chǎng)上哪些品牌的競(jìng)爭(zhēng)激烈
☆ 探索市場(chǎng)的空白區(qū)域
☆ 消費(fèi)群體的分類(lèi)
☆ 品牌評(píng)價(jià)

多維尺度分析是探索多個(gè)研究事物間的相似 ( 不相似 ) 程度，通過(guò)適當(dāng)?shù)慕稻S方法，將這種相似 ( 不相似 ) 程度在低維度空間中點(diǎn)與點(diǎn)之間的距離表示出來(lái)，并有可能幫助識(shí)別那些影響事物間相似性的潛在因素，在市場(chǎng)研究中能具體解決如下問(wèn)題：

☆ 市場(chǎng)上，相似品牌有哪些？
☆ 消費(fèi)者評(píng)價(jià)品牌相似性的依據(jù)是什么？

---

認(rèn)知圖

知圖是一種消費(fèi)者對(duì)某種產(chǎn)品、品牌、公司或者其他如何事物在兩個(gè)或者更廣泛范圍內(nèi)的認(rèn)知形象描述，有許多方法可以用來(lái)開(kāi)發(fā)認(rèn)知圖，包括因子分析、多維量表、判別分析和對(duì)于分析等。通常，這些圖在 X 和 Y 軸末端都有范圍的限制。

舉例說(shuō)明：下圖為手機(jī)市場(chǎng)的認(rèn)知圖?？傻贸龅慕Y(jié)論是：白領(lǐng)人士更偏好某品牌 A ；學(xué)生群體對(duì)于某品牌 B 的興趣度較高；而私營(yíng)業(yè)主對(duì)于某品牌 C 會(huì)更加青睞一些。