对应分析技术在市场细分和产品定位中的应用.doc

对应分析技术在市场细分和产品定位中的应用在市场细分研究实践中，我们往往遇到的问题就是到底是哪些不同背景（受教育程度、收入、职业等）的消费者在使用我们的产品，他们在消费行为上有什么差异，我们的产品品牌形象与竞争对手相比在消费者心目中究竟是怎样的等等。以往在分析时只是通过交叉列表来表现他们之间的关系。如果仅仅是两个变量，且每个变量类别较少的时候表现的比较清楚，但在每个变量划分有多个类别的情况下就很难直观的揭示出变量之间的内在联系。近年来，对应分析方法的运用则有效的解决了这些问题。 对应分析方法（Correspondence Analysis）又称相应分析是一种多元相依变量统计分析技术，是通过分析由定性变量构成的交互汇总数据来解释变量之间的内在联系的。同时，使用这种分析技术还可以揭示同一变量的各个类别之间的差异以及不同变量各个类别之间的对应关系。而且，变量划分的类别越多，这种方法的优势就越明显。该统计研究技术在市场细分、产品定位、品牌形象以及满意度研究等领域正在越来越广泛的运用。 本文结合啤酒市场细分案例简述对应分析的运用及注意的几个问题。 一、使用SPSS进行分析的基本步骤 1、选择要进行分析的相关变量，调用Crosstab形成交叉汇总表 在分析不同消费者对不同啤酒品牌的偏好时，可以把啤酒品牌与消费者的性别、年龄、职业和收入等进行交叉汇总。如得出的下列频次交叉表，如图表1 图表1 华丹干啤华丹11度雪花金士百干啤金士百哈啤其它2029岁7530957113039岁7642129724050岁59465932高中/技术学校/中专/职高119681114111大专542488411大学本科342571221研究生及以上31专业技术人员/教师/医生4625622机关事业单位管理人员1592111机关事业单位一般职员128234企业管理人员25155451企业普通员工553056111个体/私营业主3220351学生156321离退休31其他7512 2、对交叉表进行整理，调整“野点子”。汇总表中的每一个单元格不能为负数或零，如果有则必须进行必要的类别调整。如本例中离退休与雪花、华丹11度的交叉分析，其结果为零或相比之下极小的频次都会产生偏差，不具有代表性，因此必须采取合并类项的方式加以调整。调整后的交叉表如下表2 图表2 PP（品牌） SX（属性）华丹干啤华丹11度雪花金士百干啤金士百其它2029岁753095723039岁7642129724050岁59465932高中/技术学校/中专/职高119681114111大专54248841大学本科及以上37267122专业技术人员/教师/医生46256221机关事业单位管理人员1592111机关事业单位一般职员1282341企业管理人员25155451企业普通员工55305612个体/私营业主32203511其他（学生、离退）251132413、编制对应分析程序：调用对应分析命令格式编写程序，进行参数设定。 data list free /SX PP freq. begin data 1 1 75 1 2 30 1 3 9 1 4 5 1 5 7 1 6 2 2 1 76 2 2 42 2 3 12 2 4 9 2 5 7 2 6 2 3 1 59 3 2 46 3 3 5 3 4 9 3 4 3 3 6 2 4 1 119 4 2 68 4 3 11 4 4 14 4 5 11 4 6 1 5 1 54 5 2 24 5 3 8 5 4 8 5 5 4 5 6 1 6 1 37 6 2 26 6 3 7 6 4 1 6 5 2 6 6 2 7 1 46 7 2 25 7 3 6 7 4 2 7 5 2 7 6 1 8 1 15 8 2 9 8 3 2 8 4 1 8 5 1 8 6 1 9 1 12 9 2 8 9 3 2 9 4 3 9 5 4 9 6 1 10 1 25 10 2 15 10 3 5 10 4 4 10 5 5 10 6 1 11 1 55 11 2 30 11 3 5 11 4 6 11 5 1 11 6 2 12 1 32 12 2 20 12 3 3 12 4 5 12 5 1 12 6 1 13 1 25 13 2 11 13 3 3 13 4 2 13 5 4 13 6 1 end data. variable labels SX 属性 /PP 品牌. value labels SX 120-29岁 230-39岁 3 40-50岁 4高中 5大专 6本科及以上 7专业人员 8 干部 9事业单位10企业管理人员 11员工 12私营企业主 13其它 /PP 1华丹干啤 2华丹11度 3雪花 4金士百干啤 5金士百 6其它. weight by freq. anacor tables=SX(1,13) by PP(1,6) /dimension=5 /plot joint. 二、对输出结果进行市场细分分析 在以往的分析研究中，我们只能知道某一年龄段不同职业、不同学历的被访者对啤酒品牌偏好的频次，依此进行对比，而在对应分析中结合以下列表和图形就可以更深入、更形象的分析变量类别间的关系。 A N A C O R - VERSION 0.4 BY DEPARTMENT OF DATA THEORY UNIVERSITY OF LEIDEN, THE NETHERLANDSThe table to be analyzed: 1 2 3 4 5 6 华丹干啤 华丹11度 雪花 金士百干 金士百 其它 Margin 1 20-29岁 75 30 9 5 7 2 128 2 30-39岁 76 42 12 9 7 2 148 3 40-50岁 59 46 5 12 0 2 124 4 高中 119 68 11 14 11 1 224 5 大专 54 24 8 8 4 1 99 6 本科及以 37 26 7 1 2 2 75 7 专业人员 46 25 6 2 2 1 82 8 干部 15 9 2 1 1 1 29 9 事业单位 12 8 2 3 4 1 30 10 企业管理 25 15 5 4 5 1 55 11 员工 55 30 5 6 1 2 99 12 私营企业 32 20 3 5 1 1 62 13 其它 25 11 3 2 4 1 46 - - - - - - - Margin 630 354 78 72 49 18 12011、以上是根据原始数据形成的交叉汇总表。2、下表为维度关系表或称特征向量表，主要用来表示行分值与列分值之间的相关系数。Dimension Singular Inertia Proportion Cumulative Value Explained Proportion 1 .15077 .02273 .514 .514 2 .10569 .01117 .253 .767 3 .07576 .00574 .130 .897 4 .05122 .00262 .059 .956 5 .04397 .00193 .044 1.000 - - -Total .04420 1.000 1.0003、由上表可以看出，本例中到第四个维度才可解释全部变量的95.6%以上，因此前两个维度代表的信息量有较多的损失。但考虑到金士百、金士百干啤和雪花的比例并不高，因此从总体上看其绝对作用还是很小的。4、下表Row Scores:行变量的每一个类别在5个维度的中的分值，该值就是对应分析图中的坐标，分值的大小受每一类别所占比重的影响。Row Scores:SX Marginal Dim Profile 1 2 3 4 5 1 20-29岁 .107 .308 .311 -.262 .085 .212 2 30-39岁 .123 .130 .010 .039 .139 -.222 3 40-50岁 .103 -.707 -.429 .171 .008 .024 4 高中 .187 .024 -.136 -.246 -.353 -.092 5 大专 .082 .095 -.114 -.286 .495 -.178 6 本科及以 .062 -.104 .603 .647 -.084 -.187 7 专业人员 .068 -.135 .511 -.039 -.135 -.128 8 干部 .024 -.034 .334 .490 .048 .428 9 事业单位 .025 1.055 -.905 .637 -.071 .365 10 企业管理 .046 .652 -.322 .321 .082 -.264 11 员工 .082 -.392 .115 -.056 .131 .321 12 私营企业 .052 -.396 -.207 -.005 .071 .123 13 其它 .038 .648 .068 -.008 -.134 .374Contribution of row points to the inertia of each dimension:SX Marginal Dim Profile 1 2 3 4 5 1 20-29岁 .107 .067 .097 .097 .015 .109 2 30-39岁 .123 .014 .000 .002 .047 .138 3 40-50岁 .103 .342 .180 .040 .000 .001 4 高中 .187 .001 .033 .149 .455 .036 5 大专 .082 .005 .010 .089 .394 .059 6 本科及以 .062 .004 .215 .345 .009 .049 7 专业人员 .068 .008 .169 .001 .024 .025 8 干部 .024 .000 .026 .076 .001 .101 9 事业单位 .025 .185 .194 .134 .002 .076 10 企业管理 .046 .129 .045 .062 .006 .073 11 员工 .082 .084 .010 .003 .028 .194 12 私营企业 .052 .054 .021 .000 .005 .018 13 其它 .038 .107 .002 .000 .013 .122 - - - - - 1.000 1.000 1.000 1.000 1.000Contribution of dimensions to the inertia of each row point:SX Marginal Dim Total Profile 1 2 3 4 5 1 20-29岁 .107 .445 .319 .163 .012 .062 1.000 2 30-39岁 .123 .438 .002 .020 .170 .370 1.000 3 40-50岁 .103 .777 .200 .023 .000 .000 1.000 4 高中 .187 .007 .146 .343 .477 .028 1.000 5 大专 .082 .059 .060 .271 .549 .061 1.000 6 本科及以 .062 .022 .521 .431 .005 .021 1.000 7 专业人员 .068 .085 .860 .004 .029 .022 1.000 8 干部 .024 .005 .308 .474 .003 .210 1.000 9 事业单位 .025 .576 .297 .105 .001 .020 1.000 10 企业管理 .046 .743 .127 .090 .004 .036 1.000 11 员工 .082 .766 .046 .008 .029 .150 1.000 12 私营企业 .052 .813 .155 .000 .009 .023 1.000 13 其它 .038 .893 .007 .000 .013 .087 1.000Column Scores:PP Marginal Dim Profile 1 2 3 4 5 1 华丹干啤 .525 -.003 .147 -.202 .027 .081 2 华丹11度 .295 -.273 -.067 .236 -.218 -.091 3 雪花 .065 .373 .371 .304 .497 -.519 4 金士百干 .060 -.216 -1.126 -.140 .399 -.015 5 金士百 .041 1.691 -.423 .094 -.372 .039 6 其它 .015 .140 .236 1.423 .610 1.169Contribution of column points to the inertia of each dimension:PP Marginal Dim Profile 1 2 3 4 5 1 华丹干啤 .525 .000 .107 .283 .007 .078 2 华丹11度 .295 .146 .013 .217 .274 .056 3 雪花 .065 .060 .085 .079 .313 .398 4 金士百干 .060 .019 .719 .016 .187 .000 5 金士百 .041 .773 .069 .005 .110 .001 6 其它 .015 .002 .008 .401 .109 .466 - - - - - 1.000 1.000 1.000 1.000 1.000Contribution of dimensions to the inertia of each column point:PP Marginal Dim Total Profile 1 2 3 4 5 1 华丹干啤 .525 .000 .399 .544 .007 .051 1.000 2 华丹11度 .295 .600 .025 .225 .130 .020 1.000 3 雪花 .065 .313 .217 .105 .188 .177 1.000 4 金士百干 .060 .047 .889 .010 .054 .000 1.000 5 金士百 .041 .941 .041 .001 .016 .000 1.000 6 其它 .015 .012 .024 .636 .079 .249 1.0005、对图形的统计分析 下表是对应分析的一个最主要统计结果，形象的把行变量和列变量类别分值分布用坐标图示表示出来。红色（圆点）分布表示属性类别间的差异，绿色（方点）表示品牌类别之间的差异；同时也更加直观的把属性和品牌这两个变量之间的类别联系形象的表现出来。在对应分析中，特征相似的类别会聚集到一起，差异很大的类别会相距较远。 从以上图示可以看出：当地普通啤酒品牌与消费者背景情况之间、品牌与品牌之间、不同的消费者之间的关系。 年龄在30-39岁、学历为高中或中专以上的企业普通员工，机关事业单位的普通干部距离华丹干啤和华丹11度较近，换句话说，这些人比较喜欢华丹；金士百与金士百干啤距离较远，这表明喜欢金士百的消费者与喜欢金士百干啤的人差别较大；华丹干啤、华丹11与金士百和金士百干啤距离较远，说明金士百品牌与华